待补充
engcang/SLAM-application
机器人
4/5
🧩 软硬件结合
已发布
项目简介
LeGO-LOAM, LIO-SAM, LVI-SAM, FAST-LIO2, Faster-LIO, VoxelMap, R3LIVE, Point-LIO, KISS-ICP, DLO, DLIO, Ada-LIO, PV-LIO, S
SLAM-application 是一个专注于激光雷达 SLAM（同步定位与地图构建）算法的集成与测试开源项目。该项目由开发者 engcang 维护，旨在为研究人员和工程师提供一个统一的环境，用于安装、配置和对比多种主流 SLAM 算法在实际场景中的表现。
标签
项目特点
**多算法集成**：内置多种经典激光 SLAM 算法，支持一键切换和对比测试。
**统一环境配置**：提供 Docker 或脚本化安装方案，减少重复配置依赖的麻烦。
**真实场景测试**：附带实际采集的激光雷达数据集，可直接运行验证算法效果。
**结果可视化**：集成 RViz 等可视化工具，实时观察建图和定位过程。
**模块化设计**：算法、数据、可视化模块分离，方便二次开发和定制。
**文档与教程**：提供详细的 README 和运行示例，降低新手入门门槛。
技术规格
项目资源
搜索资源
物料清单 (BOM)
| 物料名称 | 数量 | 参考价格 | 备注 |
|---|---|---|---|
| Cartographer | 1 | — | Google 开源 2D/3D SLAM |
| LOAM | 1 | — | 激光里程计与建图 |
| A-LOAM | 1 | — | LOAM 改进版 |
| LeGO-LOAM | 1 | — | 轻量化地面优化版 |
| Hector SLAM | 1 | — | 2D 扫描匹配 SLAM |
| Gmapping | 1 | — | 基于粒子滤波的 2D SLAM |
| 室内走廊 bag | 1 | — | 2D 激光雷达采集 |
| 室外园区 bag | 1 | — | 3D 激光雷达采集 |
| RViz 配置文件 | 1 | — | 预设可视化布局 |
| 启动脚本 | 多份 | — | 各算法一键启动 |
能力画像
**记忆与知识检索**：2/5 — 项目本身不涉及知识库或检索功能，但文档提供了算法对比信息。
**动手与操作**：4/5 — 需要手动安装依赖、编译代码、运行 ROS 节点，操作性强。
**编程与算法**：4/5 — 涉及 C++ 编程、SLAM 算法原理理解，适合有一定编程基础的用户。
**设计与建模**：2/5 — 不涉及硬件建模或电路设计，但可扩展算法模块。
**实验与调试**：5/5 — 核心用途就是跑算法、调参数、对比建图效果，实验属性极强。
**协作与分享**：3/5 — 支持 GitHub 协作，但社区规模中等，文档以英文为主。
**学习与研究**：5/5 — 非常适合 SLAM 入门和算法研究，附带数据集和对比框架。
**系统集成**：4/5 — 将多个算法集成到统一 ROS 工作空间，集成度较高。
项目图库
所需技能
熟悉 Linux 基本操作（命令行、包管理）
了解 ROS 基础概念（节点、话题、bag 文件）
掌握 C++ 编程（编译、调试）
了解 SLAM 基本概念（前端、后端、回环检测）
会使用 Git 进行版本管理
能阅读英文技术文档
适用场景
机器人 SLAM 算法选型与对比测试
激光雷达建图与定位的科研实验
自动驾驶或移动机器人的环境感知开发
高校机器人课程的教学演示与作业
个人开发者学习 SLAM 原理的实践平台
工业场景中快速验证不同 SLAM 方案的可行性