宗文鹏，李广云，李明磊，王 力，李帅鑫

(信息工程大学，河南 郑州 450001)

1 引 言

定位是移动机器人领域研究最多也是最核心的问题之一，是机器人实现真正自主的先决条件，没有准确高效的定位，机器人就难以执行复杂的任务。通常，移动机器人可通过轮式里程计、惯性导航装置(Inertial Measurement Unit,IMU)等本体传感器进行定位。然而由于车轮打滑和漂移导致误差累积问题，故单独依靠本体传感器并不能提供准确可靠的定位结果。因此，移动机器人一般还需要加装外部感受传感器，如声呐、超声传感器、视觉传感器、激光雷达(Light Detection and Ranging,LiDAR)等。在进行定位的同时，利用这些传感器采集信息，能够建立环境的抽象表示即地图，地图反过来又辅助机器人进行定位，这是移动机器人实现避障、路径规划、目标识别与跟踪等任务的必要基础。于是，同步定位与地图构建(Simultaneous Localization and Mapping,SLAM)[1]技术应运而生。目前，最热门的SLAM实现方案主要依赖两类传感器，即激光雷达和视觉传感器，它们分别被称为激光SLAM和视觉SLAM[2]。相对于视觉传感器，LiDAR能够提供更加鲁棒、准确和噪声水平稳定的测量信息，且对光照条件变化不敏感，因而激光SLAM是目前最稳定可靠的SLAM解决方案。

根据求解方法不同，可将激光SLAM分为基于滤波的和基于图优化的两种[3]。其中，当前较为流行的基于图优化的激光SLAM系统框架主要分为前端和后端两个部分，前端完成数据关联和闭环检测，后端进行图优化。激光扫描匹配是实现激光SLAM数据关联最常用的方法。大多数文献中对激光扫描匹配的定义为，寻求一组平移和旋转参数，使得对齐后的两帧扫描点云达到最大重叠[4-6]。……