LeGO-LIVOX

将LeGO LOAM的思路迁移到大疆Livox Horizon激光雷达上，从而实现轻量化的激光SLAM系统。本项目在算法上的创新性贡献不大，但是在代码实现方面有如下几点改善：

地面提取

由于livox的点云不像传统旋转式机械激光雷达那样规则分布，因此我们采用Run_based_segmentation的地平面拟合方法进行地面提取。
点云聚类分割

项目中有尝试autoware.ai中的欧式聚类方法进行点云聚类分割，但是在速度和分割效果上还没找到一个好的平衡点，因此暂时还没使用。
前端里程计关于 pitch，roll以及 tz的计算

我们之前花了较大力气进行地面拟合和提取，得到较为准确的地面的平面方程。所以在前端部分直接通过两次扫描的地面方程进行 pitch，roll以及 tz的计算，没有像Lego-loam那样进行ICP配准。
使用右扰动模型推导ICP配准的雅克比

LOAM和lego-loam中，关于旋转的求导相信让很多朋友困惑了很久。因此，在本项目中我们采用右扰动模型进行旋转求导。从建图效果上可以表明理论上的数学推导是没问题的，剩下的就是精度问题。
回环检测

在后端部分已经构建好基于ISAM2的位姿图优化框架。后续会加上回环检测，已经使用基于里程计的回环检测与校正。后续计划使用scancontext实现回环检测。

依赖：

cd ~/ros/catkin_ws/src
git clone https://github.com/GDUT-Kyle/LEGO-LIVOX.git
cd ../
catkin build lego_livox
source devel/setup.bash

由于不确定自己录制的数据包能否传播（没有测绘资质），建议下载Livox官方提供的数据包parking lot rosbag进行测试

roslaunch lego_livox lins_slam.launch
rosbag play 2020_parking_lot.bag --clock

roslaunch livox_ros_driver livox_lidar_msg.launch
roslaunch lego_livox lins_slam.launch

算法与代码勘误

该项目仍处于开发阶段，由于本人天性愚笨，相信在理论推导方面仍有不少错误，从而影响到代码实现的有效性。除此之外，本人代码能力较差，代码架构的设计不是很合理。望各位前辈指出其中不妥之处。以便改进，不胜感激。
性能测试与验证

该项目尚未进行过严格的性能测试，但是与livox_horizon_loam相比，我们可以在较低运算量的条件下，得到相似的建图效果。但是不可否认，鲁棒性和精度略低。
甩锅认错说明

我没错！（实不相瞒，本人比较菜，希望各位老师指正批评.....）

《视觉SLAM十四讲：从理论到实践》