我们提出了一种轻量级和地面优化的激光雷达测距和测绘方法，LeGO-LOAM，用于地面车辆实时六自由度姿态估计。 LeGO-LOAM轻量级的，因为它可以在低功耗嵌入式系统上实现实时姿态估计。 LeGO-LOAM经过地面优化，因为它在分割和优化步骤中利用了地平面的存在。我们首先应用点云分割来滤除噪声，并且特征提取以获得独特的平面和边缘特征。然后，一个两步Levenberg-Marquardt优化方法使用平面和边缘特征来解决连续扫描帧中不同分量的六个自由度变换问题。我们使用车辆在多变地形环境收集的数据集，将LeGO-LOAM的性能与最先进的方法LOAM进行比较，结果显示LeGO-LOAM在减少计算量的情况下效果更好精准。我们还将LeGO-LOAM集成到SLAM框架中，以消除由漂移引起的姿态估计误差，这是使用KITTI数据集进行测试的。
在智能机器人的能力中，地图生成和状态估计是最基本的先决条件之一。为了实现基于视觉和基于lidar的实时6自由度同步定位和映射(SLAM)，人们付出了巨大的努力。虽然基于视觉的方法在闭环检测方面具有优势，但如果仅作为导航传感器，其对光照和视角变化的敏感性可能会使这种能力变得不可靠。另一方面，基于lida的方法甚至在夜间也能工作，许多三维lidars的高分辨率允许在大光圈范围内远距离捕捉环境的细节。因此，本文重点研究利用三维激光雷达支持实时状态估计和建图。
寻找两个激光雷达扫描之间转换的典型方法是迭代最接近点(ICP)[1]。 通过在点水平上找到对应点，ICP迭代点法会对齐两组点，直到满足要求。当扫描帧包含大量的点时，ICP可能会导致巨大的计算量。为了提高ICP的效率和准确度，人们提出了许多不同的ICP算法变体。[3]引入了一种点对面ICP变体，它将点匹配到局部平面。Generalized-ICP[4]提出了一种匹配两组扫描帧的局部平面贴片的方法。此外，一些ICP变体利用并行计算来提高[5]-[8]的效率。