港大今年开源了哪些SLAM算法？

news2025/7/19 13:01:33

过去的5个月，香港大学 MaRS 实验室陆续开源了四套面向无人机的在线 SLAM 框架：**FAST-LIVO2 、Point-LIO（grid-map 分支） 、Voxel-SLAM 、Swarm-LIO2 **。这四套框架覆盖了单机三传感器融合、高带宽高速机动、长时间多级地图优化以及去中心化集群协同等核心应用场景，几乎囊括当下无人机自主导航的主要需求。

本文将介绍每套 SLAM 算法的核心内容与技术亮点，帮助您选择适配的方案并快速上手。文末还附有论文与代码链接，方便您一键直达。

01 FAST-LIVO2

FAST-LIVO2 是一种融合激光雷达（LiDAR）、惯性测量单元IMU和视觉信息的高效定位与建图系统，核心采用误差状态迭代卡尔曼滤波器（ESIKF）与顺序更新策略，实现精确状态估计。不同于传统方法，FAST-LIVO2 避免特征提取，直接处理原始 LiDAR 和图像数据，提升了计算效率与系统鲁棒性。


图片来源:《FAST-LIVO2: Fast, Direct LiDAR-Inertial-Visual Odometry》, IEEE T-RO，2024.

技术亮点

  • 直接法融合策略，抛弃繁琐特征提取LiDAR模块直接对原始点云进行配准，无需提取边缘或平面特征。视觉模块通过最小化光度误差进行图像对齐，避免了传统的特征点提取过程。

  • 统一体素地图，几何与纹理深度协同
    系统采用统一的体素地图结构，LiDAR构建几何结构，图像patch附着于LiDAR平面形成“视觉地图点”，实现稠密彩色地图构建。该策略不仅优化了数据结构，也保障了多源信息的一致性融合。

  • 图像对齐与鲁棒性增强通过最小化光度误差进行稀疏图像对齐，动态更新参考图像patch；在LiDAR盲区或FoV不足时，按需射线投影补齐盲区；实时估算曝光时间，适应剧烈光照变化；FAST-LIVO2 同时提升了图像对齐精度与在光照骤变或点云缺失场景下的鲁棒性。


图片来源:《FAST-LIVO2: Fast, Direct LiDAR-Inertial-Visual Odometry》, IEEE T-RO，2024.

图片来源:《FAST-LIVO2: Fast, Direct LiDAR-Inertial-Visual Odometry》, IEEE T-RO，2024.

  • ESIKF惯序更新，系统收敛更快更稳采用误差状态迭代卡尔曼滤波器（ESIKF），对 LiDAR 与图像依次更新状态，解决了多源观测维度不一致的问题，极大提高融合精度与实时性。

图片来源:《FAST-LIVO2: Fast, Direct LiDAR-Inertial-Visual Odometry》, IEEE T-RO，2024.

  • 优化资源利用
    为了适配资源受限的嵌入式平台，FAST-LIVO2 对系统架构与算法流程进行了深度优化。实测表明，FAST-LIVO2 能够在 RK3588、Jetson Orin NX、RB5 等低功耗 ARM 平台上稳定运行，单帧处理时延控制在 78 ms 以内，满足实时导航与建图的需求。

02 Swarm-LIO2

Swarm-LIO2 是港大 MaRS 实验室4月最新开源的无人机集群 LiDAR-IMU 状态估计框架，它通过去中心化 + 即插即用 + 超低带宽 + 边缘化加速，在 GPS 拒止、视野遮挡甚至 LiDAR 退化场景中，依旧为 40 架 UAV 提供厘米级本机与互相位姿，堪称“无人机集群的 RTK”。

图片来源:《Swarm-LIO2: Decentralized, Efficient LiDAR-Inertial Odometry for UAV Swarms》，IEEE T-RO，2025

技术亮点

  • 全分布式，去中心化设计基于 Ad-Hoc 网络搭建分布式通信框架，每架无人机自主广播身份与状态，无需中心节点协调，避免单点故障。

  • 反光特征 + 因子图快速初始化通过在机体贴反光条，每架无人机可在飞行中自动检测新队友，并通过轨迹匹配+因子图优化完成时间延迟与全局外参的自动校准，支持大规模集群快速初始化。

图片来源:《Swarm-LIO2: Decentralized, Efficient LiDAR-Inertial Odometry for UAV Swarms》，IEEE T-RO，2025

  • 高效估计器：ESIKF + 边缘化机制基于ESIKF融合 LiDAR、IMU 及互观测量，提供高精度位姿估计。引入边缘化策略，仅对当前可观测的队友外参进行估计，避免计算量随集群规模增长，显著提高扩展性。

  • 时间补偿机制针对不同无人机之间的传感器异步问题，设计了精细的互观测量时间补偿模型，显著提升互定位精度。

充分验证

  • 在仿真和真实环境中，Swarm-LIO2 实现了包括：室外避障编队飞行、穿越密林任务、目标跟踪与动态入队/退队、多UAV协同运输、展示了在通信中断、LiDAR退化等极端条件下仍能维持高鲁棒性。

图片来源:《Swarm-LIO2: Decentralized, Efficient LiDAR-Inertial Odometry for UAV Swarms》，IEEE T-RO，2025

03 Voxel-SLAM

Voxel-SLAM 是一个完整、准确且通用的 LiDAR-Inertial SLAM 系统，系统模块包括：初始化、里程计估计、局部建图、闭环检测、全局建图。其核心优势在于：五大模块统一使用自适应Voxel Map结构，并通过对短期、中期、长期、多图关联四类数据关联的统一建模，实现从动态初始化到多次会话闭环的端到端高精度建图。


图片来源:《Voxel-SLAM: A Complete, Accurate, and Versatile LiDAR-Inertial SLAM System》，arXiv:2410.08935，2024

技术亮点

  • 统一的自适应体素地图结构所有模块均采用自适应体素地图进行数据表达，实现各模块的高效协同与快速数据关联。

  • 高效鲁棒的初始化即使在非静止初始状态下，仅需约1秒数据即可完成系统的高精度初始化。

  • 中期数据关联的实时局部优化通过创新的LiDAR-惯性BA技术，实现实时优化状态与地图，显著增强系统对快速运动和退化场景的适应能力。

  • 多会话回环检测与重定位支持当前与历史会话之间的回环检测，极大提高长期运行时的系统稳定性。

  • 高效的全局一致性地图优化引入层次化的全局优化方法，确保地图精度与一致性，同时保证了高效的计算性能。

  • 出色的鲁棒性与泛化能力经测试表明，Voxel-SLAM在室内狭窄场景、城市大规模户外环境及无人机高空作业场景中均展现了卓越的定位与建图能力。

图片来源:《Voxel-SLAM: A Complete, Accurate, and Versatile LiDAR-Inertial SLAM System》，arXiv:2410.08935，2024

04 Point-LIO（grid-map 分支）

2025年2月港大在原 Point-LIO 框架中新增 point-lio-with-grid-map 分支，引入占据栅格重建与退化检测，专为竞速 UAV 的极限机动与高带宽控制设计 。

图片来源:《Point-LIO: Robust High-Bandwidth LiDAR-Inertial Odometry》，Advanced Intelligent Systems 2023

升级内容

  • 新增栅格地图构建与退化检测逻辑。

  • 持续 4–8 kHz 的里程计输出，75 rad/s 角速度下仍无 IMU 饱和。

  • 快速上手：与原 Point-LIO 完全兼容，建议搭配 200 Hz 以上 IMU 与硬同步 LiDAR，充分发挥高频优势。

05 如何选择+上手要点？

注意本文仅聚焦实时 SLAM / LIO / VIO；不含多会话地图融合（LAMM）或稠密重建（GS-SDF、M2Mapping）等后端组件。

资源速递

FAST-LIVO2：快速直接的激光-惯导-视觉里程计
FAST-LIVO2: Fast, Direct LiDAR-Inertial-Visual Odometry
论文链接：https://arxiv.org/pdf/2408.14035
FAST-LIVO2代码开源：
https://github.com/hku-mars/FAST-LIVO2
硬同步设备开源:
https://github.com/xuankuzcr/LIV_handhold
相机和激光雷达标定开源：
https://github.com/hku-mars/FAST-Calib*

Swarm-LIO2：去中心化无人机集群激光-惯导里程计
Swarm-LIO2: Decentralized, Efficient LiDAR-Inertial Odometry for UAV Swarms
论文链接：https://arxiv.org/abs/2409.17798
开源代码：https://github.com/hku-mars/Swarm-LIO2

Voxel-SLAM：完备、精确且多功能的激光-惯导 SLAM 系统
Voxel-SLAM: A Complete, Accurate, and Versatile LiDAR-Inertial SLAM System
论文链接：https://arxiv.org/abs/2410.08935
开源代码：https://github.com/hku-mars/Voxel-SLAM

Point-LIO（grid-map 分支）：高带宽激光-惯导里程计
Point-LIO: Robust High-Bandwidth LiDAR-Inertial Odometry
论文链接：https://advanced.onlinelibrary.wiley.com/doi/full/10.1002/aisy.202200459
开源代码：https://github.com/hku-mars/Point-LIO/tree/point-lio-with-grid-map

如果您有感兴趣的技术话题，请在留言区告诉我们！关注阿木实验室，更多技术干货不断更新！
开发遇到棘手难题可以上阿木官方论坛：bbs.amovlab.com
有工程师亲自解答10000+无人机开发者和你共同进步！

本文来自互联网用户投稿，该文观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如若转载，请注明出处：http://www.coloradmin.cn/o/2372673.html

如若内容造成侵权/违法违规/事实不符，请联系多彩编程网进行投诉反馈，一经查实，立即删除！

相关文章

Godot4.3类星露谷游戏开发之【昼夜循环】

Godot4.3类星露谷游戏开发之【昼夜循环】

千里之行，始于足下 文章目录 零、 笔记一、创造时间二、产生颜色三、搭建测试环境四、测试五、免费开源资产包 零、 笔记 为了让游戏可以拥有白天和黑夜，我们需要像上帝一样，在游戏中创造时间的规则，并在不同的时间点产生不同的颜…
阅读更多...
修复笔记：获取 torch._dynamo 的详细日志信息

修复笔记：获取 torch._dynamo 的详细日志信息

一、问题描述 在运行项目时，遇到与 torch._dynamo 相关的报错，并且希望获取更详细的日志信息以便于进一步诊断问题。 二、相关环境变量设置 通过设置环境变量，可以获得更详细的日志信息： set TORCH_LOGSdynamo set TORCHDYNAM…
阅读更多...
Windows平台下的Qt发布版程序打包成exe可执行文件(带图标)|Qt|C++

Windows平台下的Qt发布版程序打包成exe可执行文件(带图标)|Qt|C++

首先先找一个可执行文件的图标 可以去阿里的矢量图库里找 iconfont-阿里巴巴矢量图标库 找到想要的图标下载下来 此时的图标是png格式的，我们要转到icon格式的文件 要使用到一个工具Drop Icons_2.1.1.rar - 蓝奏云 生成icon文件后把icon文件放到你项目的根目录下…
阅读更多...
CSS--图片链接垂直居中展示的方法

CSS--图片链接垂直居中展示的方法

原文网址&#xff1a;CSS--图片链接垂直居中展示的方法-CSDN博客 简介 本文介绍CSS图片链接垂直居中展示的方法。 图片链接 问题复现 源码 <html xml:lang"cn" lang"cn"><head><meta http-equiv"Content-Type" content&quo…
阅读更多...
TRAE 配置blender MCP AI自动3D建模

TRAE 配置blender MCP AI自动3D建模

BlenderMCP - Blender模型上下文协议集成 BlenderMCP通过模型上下文协议(MCP)将Blender连接到Claude AI&#xff0c;允许Claude直接与Blender交互并控制Blender。这种集成实现了即时辅助的3D建模、场景创建和操纵。 1.第一步下载 MCP插件(addon.py):Blender插件&#xff0c;在…
阅读更多...
VUE2课程计划表练习

VUE2课程计划表练习

主要练习数据变量对象 以下是修正后的完整代码&#xff1a; //javascript export default {data() {return {list: [{ id: 1, subject: Vue.js 前端实战开发, content: 学习指令&#xff0c;例如 v-if、v-for、v-model 等, place: 自习室, status: false }// 可以在这里添加更…
阅读更多...
2025年软件工程与数据挖掘国际会议(SEDM 2025)

2025年软件工程与数据挖掘国际会议(SEDM 2025)

2025 International Conference on Software Engineering and Data Mining 一、大会信息 会议简称&#xff1a;SEDM 2025 大会地点&#xff1a;中国太原 收录检索&#xff1a;提交Ei Compendex,CPCI,CNKI,Google Scholar等 二、会议简介 2025年软件开发与数据挖掘国际会议于…
阅读更多...
.NET高频技术点（持续更新中）

.NET高频技术点（持续更新中）

1. .NET 框架概述 .NET 框架的发展历程.NET Core 与 .NET Framework 的区别.NET 5 及后续版本的统一平台 2. C# 语言特性 异步编程&#xff08;async/await&#xff09;LINQ&#xff08;Language Integrated Query&#xff09;泛型与集合委托与事件属性与索引器 3. ASP.NET…
阅读更多...
pandas中的数据聚合函数：`pivot_table` 和 `groupby`有啥不同？

pandas中的数据聚合函数：`pivot_table` 和 `groupby`有啥不同？

pivot_table 和 groupby 是 pandas 中两种常用的数据聚合方法&#xff0c;它们都能实现数据分组和汇总&#xff0c;但在使用方式和输出结构上有显著区别。 0. 基本介绍 groupby分组聚合 groupby 是 Pandas 库中的一个功能强大的方法&#xff0c;用于根据一个或多个列对数据进…
阅读更多...
对golang中CSP的理解

对golang中CSP的理解

概念&#xff1a; CSP模型&#xff0c;即通信顺序进程模型&#xff0c;是由英国计算机科学家C.A.R. Hoare于1978年提出的。该模型强调进程之间通过通道&#xff08;channel&#xff09;进行通信&#xff0c;并通过消息传递来协调并发执行的进程。CSP模型的核心思想是“不要通过…
阅读更多...
【LunarVim】CMake LSP配置

【LunarVim】CMake LSP配置

在 LunarVim 中为 CMakeLists.txt 文件启用代码提示&#xff08;如补全和语义高亮&#xff09;&#xff0c;需要安装支持 CMake 的 LSP&#xff08;语言服务器&#xff09;和适当的插件。以下是完整配置指南&#xff1a; 1、配置流程 1.1 安装cmake-language-server 通过 Ma…
阅读更多...
Mkdocs页面如何嵌入PDF

Mkdocs页面如何嵌入PDF

嵌入PDF 嵌入PDF代码 &#xff0c;注意PDF的相对地址 <iframe src"../个人简历.pdf (相对地址)" width"100%" height"800px" style"border: 1px solid #ccc; overflow: auto;"></iframe>我的完整代码&#xff1a; <d…
阅读更多...
融合静态图与动态智能：重构下一代智能系统架构

融合静态图与动态智能：重构下一代智能系统架构

引言&#xff1a;智能系统的分裂 当前的大模型系统架构正处于两个极端之间&#xff1a; 动态智能体系统&#xff1a;依赖语言模型动态决策、自由组合任务&#xff0c;智能灵活但稳定性差&#xff1b; 静态流程图系统&#xff1a;具备强工程能力&#xff0c;可控可靠&#xf…
阅读更多...
WORD压缩两个免费方法

WORD压缩两个免费方法

日常办公和学习中&#xff0c;Word文档常常因为包含大量图片、图表或复杂格式而导致文件体积过大&#xff0c;带来诸多不便&#xff0c;比如 邮件发送受限&#xff1a;许多邮箱附件限制在10-25MB&#xff0c;大文件无法直接发送 存储空间占用&#xff1a;大量文档占用硬盘或云…
阅读更多...
skywalking服务安装与启动

skywalking服务安装与启动

skywalking服务安装并启动 1、介绍2、下载apache-skywalking-apm3、解压缩文件4、创建数据库及用户5、修改配置文件6、下载 MySQL JDBC 驱动7、启动 OAP Serve,需要jkd11,需指定jkd版本,可以修改文件oapService.sh8、启动 Web UI,需要jkd11,需指定jkd版本,可以修改文件oapServi…
阅读更多...
Qt 中信号与槽（signal-slot）机制支持 多种连接方式（ConnectionType）

Qt 中信号与槽（signal-slot）机制支持 多种连接方式（ConnectionType）

Qt 中信号与槽&#xff08;signal-slot&#xff09;机制支持 多种连接方式&#xff08;ConnectionType&#xff09; Qt 中信号与槽&#xff08;signal-slot&#xff09;机制支持 多种连接方式&#xff08;ConnectionType&#xff09;&#xff0c;用于控制信号发出后如何调用槽…
阅读更多...
Midjourney-V7：支持参考图片头像或背景生成新保真图

Midjourney-V7：支持参考图片头像或背景生成新保真图

Midjourney-V7重磅升级Omni Reference&#xff1a;全能图像参考神器&#xff01;再也不用担心生成图片货不对版了&#xff01; 就在上周&#xff0c;Midjourney发版它最新的V7版本&#xff1a;Omini Reference&#xff0c;提供了全方位图像参考功能&#xff0c;它可以参考你提…
阅读更多...
耀圣-气动带刮刀硬密封法兰球阀：攻克颗粒高粘度介质的自清洁 “利器”

耀圣-气动带刮刀硬密封法兰球阀：攻克颗粒高粘度介质的自清洁 “利器”

气动带刮刀硬密封法兰球阀&#xff1a;攻克颗粒高粘度介质的自清洁 “利器” 在化工、矿业、食品加工等行业中&#xff0c;带颗粒高粘度介质、料浆及高腐蚀性介质的输送与控制一直是行业难题。普通阀门极易因介质附着、颗粒堆积导致卡阻失效&#xff0c;密封面磨损加剧&#x…
阅读更多...
Google云计算原理和应用之分布式锁服务Chubby

Google云计算原理和应用之分布式锁服务Chubby

Chubby是Google设计的提供粗粒度锁服务的一个文件系统，它基于松耦合分布式系统，解决了分布的一致性问题。通过使用Chubby的锁服务，用户可以确保数据操作过程中的一致性。不过值得注意的是，这种锁只是一种建议性的锁（Advisory Lock）而不是强制性的锁，这种选择系统具有更大…
阅读更多...
SM2Utils NoSuchMethodError: org.bouncycastle.math.ec.ECFieldElement$Fp.＜init

SM2Utils NoSuchMethodError: org.bouncycastle.math.ec.ECFieldElement$Fp.＜init

1&#xff0c;报错图示 2&#xff0c;报错原因&#xff1a; NoSuchMethodError 表示运行时找不到某个方法&#xff0c;通常是编译时依赖的库版本与运行时使用的库版本不一致。 错误中的 ECFieldElement$Fp. 构造函数参数为 (BigInteger, BigInteger)&#xff0c;说明代码期望使…
阅读更多...
推荐文章
最新文章

Copyright @ 2022~2023