孙喜亮，关宏灿，苏艳军，徐光彩，郭庆华

1. 中国科学院植物研究所植被与环境变化国家重点实验室，北京 100093； 2. 中国科学院大学，北京 100049； 3. 北京大学城市与环境学院，北京 100871

近年来，集成了激光雷达(light detection and ranging,LiDAR)、惯性测量单元(inertial measurement unit,IMU)和全球导航卫星系统(Global Navigation Satellite System,GNSS)的移动激光雷达平台被广泛用于获取城市三维地理信息数据[1-2]。GNSS/IMU组合导航是目前移动测量平台最常用的定位方法，然而由于高楼、桥梁、隧道、行道树等城市地物对GNSS信号的遮挡，城市中易存在大量弱、无GNSS信号区域，仅凭这种定位方法难以有效实现大范围城市场景的高精度制图[3]。激光同时定位与地图构建(simultaneous localization and mapping,SLAM)技术可利用激光雷达增量式构建地图的同时，实现移动测量平台自身的相对定位，为解决弱、无GNSS信号环境下的制图问题提供了有效的解决方案[4]，从而被广泛应用于高精度制图中[5-6]。

目前，激光SLAM方法按照激光和IMU的融合方式可分为松耦合和紧耦合[7-9]。松耦合方法独立计算激光和IMU各自的运动量，然后，对它们的位姿估计结果进行融合。文献[10]提出的LOAM方法是目前较为经典的松耦合方法，该方法通过结合高频里程计粗定位和低频建图精定位的方式，实现了基于旋转2D LiDAR的同步定位和制图。文献[11]在LOAM的基础上，引入视觉里程计作为激光里程计的前端，形成了V-LOAM方法，进一步提高了SLAM的精度。文献[12]在LOAM基础上，利用点云分割降低特征数量，结合两步配准和闭环约束削弱累积误差，形成了适合地面无人车的LeGO-LOAM方法。然而，松耦合方法未能联合优化各传感器的观测量，在特征缺乏区域易存在累积误差大、稳健性差等问题[4]。……