王雅仪，余 萌，朱 锋

（武汉大学 测绘学院，武汉 430079）

0 引言

自动驾驶是1个集精准定位、环境感知、决策控制等多功能于一体的复杂系统，而定位又是这些功能发挥作用的先决条件。当前的定位定姿技术众多，但均存在缺陷，如卫星导航容易在信号遮挡的环境下失效；高精度的惯导设备成本极高、且定位误差随着时间增加而快速发散；视觉导航易受光照和视角变化的影响，基于无线信号即无线保真（wireless fidelity, WiFi）、蓝牙、发光二极管（light emitting diode, LED）等的定位方案，须预先布置使用场景[1]。文献[2-3]指出：激光雷达（light detection and ranging, LiDAR）具有测量精度高、时间和空间分辨率精细、无需事先布置场景、能够快速响应环境变化、可融合多传感器等优点，与基于视觉同步定位和制图（simultaneous location and mapping, SLAM）技术相比，激光SLAM自主定位更加安全、稳健，成为了国内外研究的热点。

激光SLAM框架，一般分为前端扫描匹配、后端优化、回环检测、地图构建等4个关键模块。前端扫描匹配是SLAM最核心的功能，实现前后两帧点云的相对位姿恢复，也被称为前端里程计。前端里程计的主流匹配算法有：迭代最临近点法（iterative closest point, ICP）及其变种、相关性扫描匹配法（correlation scan match, CSM）、正态分布变换（normal distribution transformation, NDT）、基于特征的匹配等等。ICP是由文献[4]在1992年提出的，迭代转换矩阵使得待匹配的两帧点云欧氏距离最小化，但是传统的ICP需要对全点云进行优化，存储和计算消耗大；基于特征的匹配，通过抽象出3维点云的几何信息，能更好地辅助前端进行点云匹配，在相同时间下准确度更高，是当下的研究热点。

2009年，文献[5]首……