原文地址：https://mp.weixin.qq.com/s/RzFfhv1jcGY3YcWzKp3ZQQ
论文名称：面向矿井无人驾驶的IMU与激光雷达融合SLAM技术
期刊：工矿自动化（中核）
时间：2024
研究背景
同时定位与地图构建（SLAM）技术是无人驾驶领域的核心技术。矿井生产环境恶劣，如地形复杂、巷道狭窄、光照条件差、信号衰减大等，导致SLAM技术在井下应用有难度。对此，提出一种巷道环境特征辅助的惯性测量单元（IMU）与激光雷达融合SLAM算法，用于矿井无人驾驶的高精度定位。
算法原理
对激光雷达获取的原始点云数据进行去畸变处理，消除传感器运动而引入的误差；对IMU观测数据进行预积分，为激光雷达点云匹配提供初值。选取关键帧构成局部地图，对局部地图中的点云进行平面特征提取，通过点云匹配算法与已知局部地图进行匹配，以确定相邻关键帧之间的位姿变换关系。通过激光雷达里程计约束、IMU预积分和巷道环境约束共同进行因子图优化，限制惯导零偏等参数的漂移，优化位姿变化，实现对无人驾驶车辆运动和环境的精确估计。
实验结果
仿真巷道性能测试
在Gazebo软件中搭建巷道模型，测试巷道环境特征辅助的IMU与激光雷达融合SLAM算法和LeGO−LOAM，LIO−SAM算法的性能。结果表明，本文算法规划的轨迹与真实轨迹的偏差较其他2种算法小，绝对轨迹误差和相对轨迹误差最低且最稳定，定位精度、稳定性和鲁棒性最优。
真实环境性能测试
在长约600 m、宽6 m的复杂巷道、涵洞、地下车库场景进行算法测试。结果表明，本文算法在不同场景下均能实现准确定位与建图，证明了其在复杂环境中的适应性和有效性。
