基于LiDAR/IMU/GNSS融合的移动机器人SLAM方法研究
摘要
随着机器人行业的发展，移动机器人的智能导航技术成为最热门的发展方向之一。
移动机器人的智能导航包括四大类：环境感知、定位和地图构建、路径规划和控制执行，
其中高精度的定位和地图构建作为承上启下的环节至关重要。从传感器层面，激光雷达
相对视觉相机能够在更恶劣的环境中工作，然而在复杂且恶劣的大范围场景下仅依靠激
光雷达无法保证运用定位与地图构建(SimultaneousLocalizationandMapping,SLAM)算
法来实时构建高精度的点云地图。为了提高基于激光雷达SLAM算法的系统性能，本文
基于激光雷达融合惯性测量单元(InertialMeasurementUnit,IMU)和全球导航系统(Global
NavigationSatelliteSystem,GNSS)来实时构建高精地图。具体研究内容如下：
1
（）针对移动机器人，搭载的旋转式机械激光雷达会随着移动机器人的运动，不
可避免的产生运动畸变，并且畸变幅度随着运动的加快而增大。当产生较大运动畸变的
时候，通过帧间配准来构建全局地图的方式会快速堆积漂移误差，最终会导致地图模型
偏差较大。通过借助IMU和运动模型，来提供一帧内所有点云相对于每帧开始时刻的
旋转和位移偏量来修正旋转和位移畸变。
216
（）针对构建大范围场景的高精地图，点云的数据量是十分巨大的。以线激光
20
雷达为例，运行分钟会产生上亿个激光点，不进行相应加速处理就会出现建图延时
的问题，无法保证系统实时性。除了进行相应点云的降采样策略来减少点云量，还要进
行关键帧的提取。在保证关键帧之间同视关系的基础上，本文基于位移量、旋转量和同
视角的策略来提取关键帧，并由关键帧来构建地图。在保证建图精度的基础上，有助于
提高建图效率。
3
（）针对存在同方向同步运行的移动机器人遮挡了激光雷达视野的场景，此时点
云配准结果显示搭载激光雷达的载体处于静止状态而实际上是处于持续运动的状态，这
种状态会导致地图无法构建的严重问题。通过对该场景的案例分析，本文通过IMU预
积分来提供两帧激光点云之间的姿态增量与激光关键帧的位姿进行融合，可以有效避免
该场景下因为激光雷达失效而导致建图失败的问题，有效提高系统的鲁棒性。
4
（）在建图系统中，当移动机器人经过已走过的路段或重新回到起点时，地图重
影是不可避免的问题。为了解决这个问题，本文使用回环检测来纠正地图重影，并利用
GNSS提供的绝对位姿来修正系统的累积漂移，从而提高配准的精度和效率。通过将激
光间的帧间约束、激光惯性融合的帧间约束、回环检测产生的帧间约束以及GNSS提供
的绝对约束应用于因子图中，将多源信息进行融合，最终输出优化后的建图结果。
哈尔滨工程大学硕士学位论文
为了验证本文所提出算法的精度和实时性，以及应对不同场景的鲁棒性，本文基于
KITTI()
数据集和自主采集的本地数据集包括室内和室外进行对比验证。实验结果显示
本文所提出的基于LiDAR/IMU/GNSS融合的移动机器人SLAM方法能够实时构建点云
地图的同时具有一定的精确性和鲁棒性。
关键词：激光雷达；同时定位与地图构建；高精地图；多传感器融合
基于LiDAR/IMU/GNSS融合的移动机器人SLAM方法研究
ABSTRACT
Withthedevelopmentoftheroboticsindustry,intelligentnavigationtechnologyfor
mobilerobotshasbecomeoneofthehottestareasofadvancement.Intelligentnavigationfor