体素固滞平滑LiDAR SLAM

复杂场景定位建图稳

针对退化场景下点云视角不确定与里程计误差累积，集成角度特征提取、体素特征匹配与多关键帧固滞平滑，实现高效且一致的位姿估计与地图构建。

Nuo, Li · Yao, Yiqing · 徐晓苏 · Yiyang, Peng · Wang, Zijian · Wei, Hongyu

IEEE Transactions on Instrumentation and Measurement 2024

技术优势

视角无关的特征提取

基于点云等角分布特性提取角度特征，避免 LiDAR 视角变化带来的不确定性，使特征在不同观测位置下保持稳定。

抑制累积误差的固滞平滑

对滑动窗口内多个关键帧位姿进行联合优化，而非单独估计，有效限制里程计误差随时间的累积，保持长期轨迹一致性。

体素几何约束提升匹配精度

通过维护两类抽象体素地图改进环境表达，并利用体素几何约束进行特征匹配，细化位姿变换，提高匹配效率和准确性。

应用场景

• 自主驾驶定位：在退化环境中为自动驾驶提供稳定位姿估计，减少定位失效风险，支撑安全导航决策。
• 低空飞行器导航：为低空飞行器在复杂场景下的实时定位与建图提供高鲁棒性方案，保障飞行安全。
• 移动机器人建图：机器人可在未知环境中高效构建一致性地图，支持自主探索与任务执行。
• 大场景三维重建：处理大规模时空场景的 LiDAR 数据，生成一致的三维点云地图，用于城市建模或测绘。
• 航天器环境感知：在未知或退化环境下为航天器提供可靠的环境感知与自身定位能力，支持自主操作。