任工昌, 刘 朋, 何 舟

(陕西科技大学 机电工程学院， 陕西 西安 710021)

0 引言

定位是自主移动机器人研究中首先要解决的问题，也是机器人即时定位与构图(Simultaneous Localization and Mapping,SLAM)技术中研究的关键问题.在SLAM算法中，为了避免机器人里程计的累积误差，需要将激光雷达扫描的数据与之前建立并实时更新的地图数据进行匹配，匹配算法的精度直接影响到机器人定位的精度.所以，匹配算法的研究成为自主机器人研究中的热点问题[1].

目前，在2D激光 SLAM 中，主流的扫描匹配算法包括[2]：迭代最临近点(Iterative Closest Point,ICP)[3]及PL-ICP(Point-to-Line ICP)[4]、栅格相关性扫描匹配(Correlation Scan Match,CSM)[5,6]、基于优化的方法[7,8]和基于特征的匹配[9,10]等算法.ICP算法是通过待匹配两帧点云欧式距离的最小化来求解变换矩阵R和T，该方法计算量偏大，且易受初值影响而陷入局部最优.CSM算法通过遍历匹配的方式排除了结果对初值的敏感性，经过分枝定界等方法降低了计算量，但总体计算速度较慢，且计算精度受限于栅格的精度.优化的方法通过给定一个目标函数，把激光雷达数据扫描匹配问题转换成非线性最小二乘优化问题，该方法可以限制误差的累积，但仍然对初值敏感.基于特征的匹配算法通过提取特征点，大幅降低了计算量，但是精度较高的特征点提取比较困难，角点特征的数量较少，而数量较多的线段特征，由于帧间相互遮挡导致同一特征在不同帧中提取的线段特征长度存在差异，无法直接进行匹配.

综上所述，目前的匹配算法较多，但存在……