3D激光SLAM是用LOAM还是LeGo-LOAM？
激光slam中，LOAM(Lidar Odometry and Mapping in Real-time)系列具有举足轻重的地位。下面的表格是近年来LOAM系列算法的汇总。
LeGo-Loam是基于ros系统框架的3D激光slam开源代码。代码简洁，其中大量计算都是手动推导出来，依赖库相对较少，主要依赖gtsam进行后端因子图优化。其中在前端里程计计算中，通过地面特征和线特征分开来计算机器人姿态，减少计算量，提高前端计算效率。其系统框架如下图：
相对于LOAM算法，LeGo-LAOM能够进行地面优化，同时保证了轻量级，也加入了回环检测模块。
相对于LOAM算法，LeGo-LAOM能够进行地面优化，同时保证了轻量级；也使用了Keyframe概念以及回环检测位姿图优化的方式对后端进行重构。
对于工业领域而言，LeGo-LOAM有非常广泛的应用，尤其是工业机器人领域，LeGo-LOAM一直都是应聘者必须掌握的框架。
对于学术研究而言，LeGo-LOAM是激光SLAM的经典框架，LeGo-LOAM源码简洁清晰，比LOAM算法的代码可读性要高很多。近几年各顶会上的很多SLAM算法设计思想都潜移默化地受LeGo-LOAM的影响，对其的改进思路相较于LOAM也比较多样化。
学习SLAM主要需要攻克三大难关：
扎实的数学基础
对整个SLAM大框架及细节部分理解到一定深度
比较高度的编程能力
这三点都绝非易事，需要花很大的功夫，中间也有不少弯路要走。
对于初学者，推荐以下的学习路线：
先看一遍十四讲入个门，不用看的太深入，应为这会可能会有很多不明白的地方。
查阅相关的硕博论文、综述论文，看看前人的工作部分，再找经典的开源代码过一遍。
学习框架：LeGo-LOAM 、LOAM/A-LOAM、Lio-Sam、cartographer等。= 可以尝试做一些实际项目，边做边总结。
做好以上几点基本都差不多了，但是自己学习总是会遇到很多困难。这里推荐一个不错的学习资料：「深度剖析面向机器人领域的3D激光SLAM技术原理、代码与实战」：https://mp.weixin.qq.com/s/WT_I7zU3ByxeeQKkqM5Ycw
