💻 computer science

Hi-LOAM: Hierarchical Implicit Neural Fields for LiDAR Odometry and Mapping

本文提出了一种名为 Hi-LOAM 的自监督多尺度隐式神经定位与建图框架，它利用基于八叉树结构的哈希表存储分层潜在特征，通过无对应关系的扫描到隐式匹配范式实现高精度位姿估计与场景重建，从而在无需预训练的情况下显著提升了对大规模复杂场景的建模能力与泛化性能。

原作者： Zhiliu Yang, Jianyuan Zhang, Lianhui Zhao, Jinyu Dai, Zhu Yang

发布于 2026-04-03

📖 1 分钟阅读☕ 轻松阅读

CC BY 4.0

原作者： Zhiliu Yang, Jianyuan Zhang, Lianhui Zhao, Jinyu Dai, Zhu Yang

原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 ✨ 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。阅读完整免责声明

这篇论文介绍了一种名为 Hi-LOAM 的新技术，它能让自动驾驶汽车或机器人像“有灵性的探险家”一样，仅靠激光雷达（LiDAR）就能在复杂的环境中精准地定位自己并绘制地图。

为了让你更容易理解，我们可以把这项技术想象成**“给机器人装上了一套会进化的超级记忆系统”**。

1. 以前的痛点：要么太笨，要么太假

在 Hi-LOAM 出现之前，机器人建图主要有两个问题：

传统方法（像拼图）： 以前的机器人像在玩拼图，把一个个激光点拼在一起。如果环境太复杂（比如下雨天、有很多移动的人），或者点太稀疏，拼图就拼不上了，机器人容易迷路。
旧版神经网络方法（像背死书）： 有些新方法虽然聪明，但需要老师（人类）拿着标准答案（真值）教它们，而且它们往往只记得“大概的样子”，画出来的地图全是马赛克，细节丢失严重，就像画素描时把五官都画模糊了。

2. Hi-LOAM 的核心魔法：八叉树与“分层记忆”

Hi-LOAM 的厉害之处在于它使用了一种叫**“分层隐式神经场”的技术。我们可以用“俄罗斯套娃”或者“看地图的 zoom 功能”**来打比方：

普通地图（单层）： 就像只有一张固定比例尺的地图。你看远的时候看不清细节，看近的时候又看不到全貌。
Hi-LOAM 地图（分层）： 它像是一个智能的“俄罗斯套娃”记忆库。
- 外层（大娃娃）： 记住宏观的大路、大建筑轮廓（比如“前面有个大广场”）。
- 中层（中娃娃）： 记住街道的走向、房子的整体形状。
- 内层（小娃娃）： 记住路边的栏杆、台阶、甚至墙上的纹理。
当机器人移动时，它会根据距离自动调用不同层级的“记忆”。这种多尺度的结构，让它既能看清大局，又能抠出细节，画出来的地图非常逼真（高保真）。

3. 它是如何工作的？（三步走）

第一步：像“扫描枪”一样学习（自监督学习）

Hi-LOAM 不需要人类老师教它（不需要真值数据）。它就像个自学成才的画家。

它拿着激光雷达扫过的点，想象这些点是在一个看不见的“隐形果冻”（隐式场）表面。
它通过不断调整自己脑中的“记忆库”（哈希表里的特征），让自己画出的“果冻表面”和激光扫描到的点重合。
比喻： 就像你在黑暗中摸一个物体，手摸到的地方就是表面。Hi-LOAM 通过不断摸索，在脑海里构建出这个物体的完整 3D 形状，而且越摸越细。

第二步：像“对暗号”一样定位（无对应点匹配）

传统的定位方法（ICP）像是在玩“找不同”，需要把上一帧的点和这一帧的点一一对应起来，如果点乱了就找不到北了。

Hi-LOAM 采用**“扫描对隐式地图”**的策略。它不找具体的点，而是把当前的激光扫描数据，直接扔进它脑海里那个已经建好的“隐形果冻”里，看哪里最吻合。
比喻： 就像你走进一个房间，不需要数墙上有几块砖，而是凭整体感觉（气味、光影、空间感）就知道自己站在哪个位置。这种方法在动态环境（比如有人走动）中非常稳健。

第三步：像“雕刻家”一样输出（网格化）

虽然脑子里是隐形的“果冻”，但为了让人类看懂，Hi-LOAM 最后会用一种叫“行进立方体”的算法，把这个隐形的果冻雕刻成实体的 3D 网格模型。

结果： 生成的地图不仅有墙壁，还有平滑的曲面，甚至能还原出复杂的建筑结构，就像从照片里直接“抠”出了 3D 模型一样。

4. 为什么它这么强？（实验结果）

论文在多个真实数据集（如 KITTI 自动驾驶数据、Hilti 建筑现场数据）上进行了测试：

更准： 它的定位精度超过了目前最顶尖的基于学习的定位方法，甚至能和最传统的、靠硬算的 ICP 方法媲美。
更细： 画出来的地图细节丰富，没有那些令人头疼的“空洞”或“噪点”。
更通用： 因为它不需要预先训练，所以把它放到一个全新的城市、一个新的工厂，它都能立刻上手，不需要重新“上学”。

总结

Hi-LOAM 就像给机器人装上了一双**“慧眼”和一颗“过目不忘且能举一反三的大脑”。它不再死板地数点，而是通过分层记忆**理解环境的几何结构，从而在复杂、动态甚至没有 GPS 信号的地方（如隧道、地下车库），也能精准地知道自己在哪里，并画出高精度的 3D 地图。这对于未来的自动驾驶和机器人导航来说，是一个巨大的进步。

这是一篇关于 Hi-LOAM（基于分层隐式神经场的激光雷达里程计与建图）的论文详细技术总结。

1. 研究背景与问题 (Problem)

背景： 激光雷达里程计与建图（LOAM）是自动驾驶和机器人导航等具身智能应用的核心技术。
现有挑战：

传统方法局限： 传统的基于点云（如 ICP 及其变体）的方法在点云非均匀、稀疏或存在动态物体时，容易在复杂场景下失效。
监督学习依赖： 现有的基于学习的 LOAM 方法（如 LO-Net, LodoNet）通常依赖真值位姿（Ground Truth）进行监督训练，限制了其在真实场景中的泛化能力。
重建保真度不足： 现有的隐式神经表示方法（如 NeRF-LOAM, PIN-SLAM）大多专注于室内场景或使用单尺度特征，难以捕捉大规模复杂场景的细微几何结构，导致定位精度或建图质量不足。
缺乏自监督能力： 许多隐式建图方法需要已知位姿才能重建地图，无法同时解决定位和建图问题。

2. 核心方法论 (Methodology)

Hi-LOAM 提出了一种自监督的、多尺度的隐式神经定位与建图框架，主要包含以下核心模块：

A. 分层隐式神经表示 (Hierarchical Implicit Neural Representation)

数据结构： 采用基于**八叉树（Octree）**结构的多层级哈希表来存储分层潜在特征（Hierarchical Latent Features）。
多尺度特征： 不同于单尺度特征，Hi-LOAM 利用多个离散细节层次（LODs）来自适应地拟合几何形状。通过 Morton 码（Morton code）将 3D 坐标映射到 1D 哈希索引，高效检索特征。
SDF 解码： 将查询点周围的多尺度潜在特征拼接后，输入到浅层多层感知机（MLP）中，解码为符号距离值（SDF），构建神经符号距离场（nSDF）。
显式化： 使用Marching Cubes算法从隐式 SDF 场中提取等值面，生成三角网格（Mesh）以可视化地图。

B. 扫描到隐式地图匹配 (Scan-to-Implicit Matching)

无对应点匹配： 摒弃了传统的点 - 点或点 - 面对应关系（ICP 核心），采用**扫描到隐式地图（Scan-to-Implicit）**的匹配范式。
优化目标： 通过最小化当前扫描点云在隐式子地图（Submap）上的 SDF 预测值的平方误差，来估计最优位姿。
优化算法： 使用 Levenberg-Marquardt (LM) 算法进行二阶优化，迭代调整位姿（旋转和平移）。
子图策略： 定位时使用局部子图（Submap）而非全局地图，以避免全局特征嵌入带来的干扰和误匹配。

C. 自监督训练与优化 (Self-Supervised Training)

无需真值位姿： 整个训练过程完全自监督。
监督信号： 利用激光雷达的测距特性，将采样点到射线末端的距离作为 SDF 的真值（Ground Truth）。
损失函数： 包含三部分：
1. 二元交叉熵损失 ( $L_1$ )： 约束 SDF 值的符号（正/负）。
2. Eikonal 正则化 ( $L_2$ )： 强制 SDF 梯度的模长为 1，保证距离场的物理意义。
3. 方向约束 ( $L_3$ )： 约束 SDF 梯度方向与表面法线对齐。
回放策略： 引入数据池（Replay Buffer）解决增量学习中的“灾难性遗忘”问题。

D. 系统流程

初始化： 前几帧预设位姿并初始化地图。
里程计： 当前帧点云与局部子图匹配，优化位姿。
建图： 将优化后的点云融入全局隐式地图，更新特征哈希表。
循环： 重复上述过程，实时输出位姿和网格地图。

3. 主要贡献 (Key Contributions)

新颖框架： 提出了首个仅基于 LiDAR 数据、采用分层神经隐式表示的自监督 LOAM 框架（Hi-LOAM）。
分层特征优势： 证明了基于八叉树的分层特征嵌入在大规模场景下比单尺度特征能提供更高质量的建图和更高的定位精度。
性能突破：
- 定位精度优于现有的基于学习的 LiDAR 里程计方法，并与最先进的基于 ICP 的方法（如 KISS-ICP）持平甚至更优。
- 建图质量（网格完整性、细节）显著优于现有的 SOTA LiDAR SLAM 方法。
广泛验证： 在 7 个以上真实世界（KITTI, SemanticPOSS, Hilti, MulRAN 等）和合成数据集上进行了验证，展示了极强的泛化能力。

4. 实验结果 (Results)

定位精度 (Odometry)：
- 在 KITTI 数据集上，Hi-LOAM 的平均相对平移误差（ARTE）为 0.48%，优于所有对比的基于学习和非学习方法（如 NeRF-LOAM 为 1.69%，PIN-LO 为 0.51%）。
- 在 SemanticPOSS（含大量动态物体）和 Hilti（手持、高动态、重复纹理）数据集上，表现出极强的鲁棒性，甚至在某些序列中优于带有闭环检测的传统方法（如 SuMa）。
- 在 MulRAN 长距离序列中，虽然未使用闭环检测，但表现仍优于同类隐式方法。
建图质量 (Mapping)：
- 在 Newer College 和 Mai City 数据集上，Hi-LOAM 在 F-score、Chamfer-L1 等指标上均达到 SOTA 水平。
- 可视化结果显示，其重建的网格地图更完整、细节更丰富，且误差分布更均匀。
效率与资源：
- 内存： 由于使用多尺度特征，内存占用略高于单尺度 PIN-SLAM，但远低于显式点云或网格方法。
- 速度： 单帧位姿估计时间约为 0.6 秒（FPS 1.7），虽慢于 PIN-SLAM，但精度更高；远快于 NeRF-LOAM（4.53 秒/帧）。

5. 意义与价值 (Significance)

推动具身 AI 发展： 提供了一种无需真值位姿预训练、适应性强的高精度定位建图方案，特别适合 GNSS 拒止环境（隧道、室内、城市峡谷）。
解决复杂场景痛点： 通过分层隐式表示，有效解决了大规模场景下几何细节丢失和动态物体干扰的问题。
技术路线创新： 成功将隐式神经表示（Implicit Neural Representation）与传统的激光雷达里程计结合，证明了“扫描到隐式匹配”在自监督场景下的可行性，为未来的 SLAM 系统提供了新的范式。
开源贡献： 代码已公开，促进了社区在神经 SLAM 领域的进一步研究。

总结： Hi-LOAM 通过引入分层隐式神经特征和自监督学习策略，在无需真值位姿的情况下，实现了大规模复杂环境下的高精度定位和高保真建图，在精度和泛化性上均超越了当前的 SOTA 方法。