邓维迪，朱宏辉

（武汉理工大学 物流工程学院，武汉430063）

自改革开放以来，我国不断加大了对公路、铁路隧道建设的投资。但由于对隧道施工环境的监控不足，地质条件发生变化未能及时作出反应从而导致严重地质灾害，造成人员伤亡的事故时有发生。因此超前地质预报工作成为隧道施工过程中必不可少的一个环节。在隧道工程中典型的建图方法有基于鲁棒的扫描匹配和3D 导航技巧的HectorSLAM、基于粒子滤波的Gmapping 算法、基于图论的KartoSLAM以及基于图优化的LagoSLAM 等[1]。HectorSLAM 是利用高更新速率和现代激光雷达距离测量的低噪声来对机器人的移动进行实时的估计。这种方法没有使用里程计的数据，使得这种方法可以在无人机或者不平地面的机器人中使用。但另一方面，当只有低速激光扫描时或者里程计数据准确的时候，HectorSLAM 可能会出现问题[2]；Gmapping 是世界范围内最为广泛使用的机器人建图算法。作为一种粒子滤波算法，Gmapping 通常需要数量多的粒子才能获取良好的结果，使得算法需要较高的计算复杂度。同时由于粒子耗尽，即粒子滤波器重新取样时，粒子的权重被大大减少，会有极小的几率得不出正确的结果[3]；KartoSLAM 是由SRI International Karto Robotics 开发的一种基于图论的建图算法。这种算法使用了高度优化的、非迭代的Cholesky 矩阵分解来解决计算中的线性稀疏矩阵方程。基于图论的SLAM 建图算法用图来表示地图，具体来说就是每个节点代表了机器人在移动轨迹上的一个位姿，每个节点通过代表位姿变化的边缘进行连接。……