多线激光雷达SLAM研究综述
【摘要】同时定位与地图构建（SLAM）是当前机器人领域的研究热点。与基于视觉的同时定位与地图构建技术相比，激光SLAM定位更加稳定。目的是在未知环境中定位自身位姿并同时构建环境地图，广泛应用在无人驾驶、室内外机器人导航以及三维重建等领域。本文首先分解激光SLAM的基本框架，分别对前端扫描匹配、后端优化、闭环检测与验证、地图构建四个模块近年来的主流算法进行总结；然后对基于滤波器、基于图优化和基于语义三种激光SLAM框架下的代表性方案进行深入分析和比较；最后对激光SLAM的发展做出展望。
【关键词】同时定位与地图构建 前端扫描匹配 后端优化 闭环检测与验证 地图构建
1 引言
未知环境中，机器人的自主地图创建与自定位密切相关。同时定位与地图创建（SLAM）将二者相结合，其主要思想是：一方面，依靠已创建的地图信息进行自定位；另一方面，根据定位结果对地图进行更新。SLAM 已成为近年来机器人领域的热点研究问题，并被认为是实现真正自主机器人的核心环节。SLAM 本质上是一个状态估计问题。当前，其求解方法可大致分为三大类，一类是基于滤波器的方法，一类是基于平滑的方法，一类是基于语义的方法。
激光SLAM其任务是搭载激光雷达的主体于运动中估计自身的位姿，同时建立周围的环境地图。而准确的定位需要精确的地图，精确的地图则来自于准确定位，定位侧重自身了解，建图侧重外在了解。SLAM 技术历经古典时代（1986-2004）、算法分析时代（2004-2015）、鲁棒性时代（2015-），本综述主要论述当前激光SLAM模块算法[8,10]，并对激光SLAM代表性框架方案进行分析和比较。
2 激光雷达SLAM模块算法
激光SLAM所需要的传感器一般有激光雷达（Lidar）、惯性测量单元（IMU）、里程计（Odometry）。通常室内采用二维激光雷达，室外采用三维激光雷达，里程计采用轮式里程计。一般用IMU计算角度信息，里程计计算位置信息，配合激光雷达进行SLAM过程。
当前，激光SLAM框架一般分为前端扫描匹配、后端优化、闭环检测、地图构建四个关键模块。前端扫描匹配是激光SLAM的核心步骤，工作内容是已知前一帧位姿并利用相邻帧之间的关系估计当前帧的位姿，给出短时间内的位姿和地图；后端优化是当长时间增量式扫描匹配后优化里程计及地图信息；闭环检测负责通过检测闭环而减少全局地图的漂移现象，生成全局一致性地图；地图构建模块负责生成和维护全局地图。下面从算法的角度分别对四个模块进行总结。
以上是毕业论文文献综述，课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
