复杂地形环境下的多传感器融合SLAM技术

来源：机器人杂志2024年第4期北京时间：

作者：路春晓, 钟焕, 刘威, 周勇, 崔智全, 李卫华

摘要：针对在野外、森林、山地或建筑工地等复杂环境中，SLAM（同时定位与地图构建）算法精度下降、定位漂移或甚至失效的问题，提出一种复杂地形环境下的多传感器融合SLAM算法。首先，针对剧烈运动时点云畸变严重的问题，提出了一种自适应划分雷达帧的子帧分割方法，并利用IMU（惯性测量单元）预积分技术进行点云畸变补偿，降低点云帧内失真，提高SLAM算法在剧烈运动时的鲁棒性；然后，算法前端基于迭代误差状态卡尔曼滤波（IESKF）算法，融合激光雷达、IMU的数据进行状态估计，为后端提供精确的初始位姿；后端基于因子图，融合前端激光惯导里程计因子、闭环检测因子、全球定位系统（GPS）因子，提高SLAM算法的准确性和全局一致性。最后，在剧烈运动场景、校园综合场景以及野外森林场景中对算法进行了测试。实验结果显示，与FAST-LIO2算法和LIO-SAM算法相比，本文算法的定位精度更高，建图更加清晰，在剧烈运动场景中更具鲁棒性。

关键词：同时定位与地图构建, 迭代误差状态卡尔曼滤波(IESKF), 因子图, 传感器融合