这个开源激光雷达惯性SLAM，企业里都在用！

主要观点总结

文章介绍了香港大学开源的激光雷达惯性SLAM框架FAST-LIO2，并详细阐述了其几个主要优点。包括采用增量k-d树数据结构提供高效率的最近邻搜索和增量式地图更新，基于ikd-Tree实现原始点云的直接配准，以及集成上述优点到紧耦合的激光雷达-惯性里程计中并通过大量实验验证实现的效果。

关键观点总结

关键观点1: FAST-LIO2的主要优点

采用增量k-d树数据结构，提供高效率的最近邻搜索和增量式地图更新；基于ikd-Tree实现原始点云的直接配准，而非基于特征提取方法；集成上述优点到紧耦合的激光雷达-惯性里程计中，经过大量实验验证实现的效果。

关键观点2: FAST-LIO2的应用情况

FAST-LIO2是企业落地应用最多的激光惯性SLAM框架，具有高计算效率、高鲁棒性，是目前最先进的开源LIO框架之一。

关键观点3: 学习FAST-LIO2的难点及解决方案

学习FAST-LIO2的难点包括SLAM小白看不懂论文和公式、工程师理解不深入、孤独学习者缺乏交流指导等。为解决这些问题，计算机视觉life联合上海交通大学王博士推出《激光雷达惯性SLAM之FastLio2：原理深剖+源码详解》，采用社区化学习方式，有立减优惠，学员可以获得独家FastLIO2资料礼包和文档。

文章预览

点击上方“ 计算机视觉life ”，选择“星标” 快速获得最新干货 香港大学开源的这个激光雷达惯性SLAM太强啦！ 没错，就是FAST-LIO2。 虽然已经开源了几年，但是直到现在仍然是 企业落地应用最多的激光惯性SLAM框架： 主要是因为它有几个极大的优点： 1、高效率的 增量k-d树数据结构。 提供高效率的最近邻搜索，支持增量式地图更新，包括点云的插入与删除、树的上采样和下采样，极大减少计算成本，在计算资源受限可以达到100HZ的里程计和建图频率。这也是它能够被大量落地应用的重要原因！ 2、基于ikd-Tree，实现原始点云的直接配准，而非基于特征提取方法，算法可以在运动环境、复杂的环境下鲁棒运行。并且适配不同的LiDAR传感器。 3、将上述优点集成到紧耦合的激光雷达-惯性里程计，并且做了大量的实验验证。 实现sota的效果。 看看它 是如 ………………………………