激光SLAM技術(shù)研究現(xiàn)狀文獻(xiàn)綜述SLAM技術(shù)起源于國(guó)外，當(dāng)前的激光SLAM方法分為兩大類(lèi)，分別是基于貝葉斯濾波器的SLAM方法和基于圖優(yōu)化的SLAM方法，如圖1-所示。早期的SLAM方法主要是基于貝葉斯濾波器。在1985年，SLAM問(wèn)題就在Cheeseman和Smith[7]撰寫(xiě)的文章中被提出，文中提出了求解SLAM問(wèn)題的數(shù)學(xué)原理，即以描述幾何不確定性和特征與特征之間相互關(guān)系的統(tǒng)計(jì)學(xué)原理。SLAM問(wèn)題中機(jī)器人定位依賴于環(huán)境地圖，而環(huán)境地圖的構(gòu)建也依賴于機(jī)器人的準(zhǔn)確定位，這是一個(gè)“雞生蛋，蛋生雞”，高度相關(guān)的過(guò)程，任何一個(gè)問(wèn)題都不能單獨(dú)解決。1987年，基于KF的SLAM算法由Smith，Self和Cheeseman[8]提出，該基于KF的SLAM算法理論研究框架曾一度成為應(yīng)用最廣泛的方法。1993年，基于SIS的非線性濾波算法由Gordon[9]等人提出，這也是粒子濾波器研究的開(kāi)端，粒子濾波器適用于任何非線性系統(tǒng)，它基于蒙特卡洛思想，使用粒子集表示概率，魯棒性相比卡爾曼濾波更高。Murphy[10]使用Rao-Blackwellized算法對(duì)基于粒子濾波器的SLAM問(wèn)題進(jìn)行研究，分離了定位和建圖，降低了SLAM的復(fù)雜度。針對(duì)卡爾曼濾波計(jì)算復(fù)雜度高，并且對(duì)數(shù)據(jù)關(guān)聯(lián)錯(cuò)誤敏感兩個(gè)重要缺點(diǎn)，來(lái)自卡內(nèi)基梅隆大學(xué)的MichaelMontemerlo[11-13]提出了使用粒子群濾波器的Fast-SLAM算法。Fast-SLAM將算法復(fù)雜度從平方級(jí)降低到對(duì)數(shù)級(jí)，有效地降低算法復(fù)雜度，且Fast-SLAM算法描述了對(duì)已知和未知數(shù)據(jù)關(guān)聯(lián)的兩種情況，結(jié)果表明Fast-SLAM算法可以在大規(guī)模的地標(biāo)模糊環(huán)境中獲得準(zhǔn)確的環(huán)境地圖。Grisetti[14]針對(duì)RBPF-SLAM存在粒子退化的問(wèn)題，使用自適應(yīng)重采樣方法，有效緩解了粒子退化問(wèn)題，并使用傳感器模型代替里程計(jì)預(yù)測(cè)，改進(jìn)了提議分布，取得了良好的建圖效果，其開(kāi)源的gmappping得到了廣泛的應(yīng)用?；趫D優(yōu)化的SLAM算法如今已成為主流研究方向，該算法是通過(guò)所有的傳感器信息去估計(jì)機(jī)器人的完整位姿信息和地圖信息，故而也稱(chēng)作是全SLAM算法，能夠在大的環(huán)境中進(jìn)行高精度地圖的構(gòu)建。相比之下，基于濾波器的SLAM算法屬于在線SLAM算法，在建立大型地圖時(shí)隨著時(shí)間的推移會(huì)出現(xiàn)內(nèi)存消耗大、計(jì)算量增大的問(wèn)題，因此該算法不適用于大環(huán)境下的地圖構(gòu)建。和基于濾波器的SLAM技術(shù)一樣，國(guó)外在圖優(yōu)化理論方面研究也較早?；趫D優(yōu)化的理論最先由Lu和Milios提出[15]，闡述了圖優(yōu)化的SLAM技術(shù)的基本思想，它們通過(guò)ICP掃描匹配確定掃描之間的成對(duì)測(cè)量，然后通過(guò)迭代線性化優(yōu)化圖，但在當(dāng)時(shí)求解計(jì)算量大，不被重視，后來(lái)研究表明矩陣稀疏，可加速求解，于是圖優(yōu)化SLAM成為主流框架。Gutmann等人[16]對(duì)該框架進(jìn)行了改進(jìn)，提出通過(guò)三個(gè)環(huán)節(jié)（順序匹配、回環(huán)檢測(cè)、圖優(yōu)化）去解決SLAM問(wèn)題，該框架得到了廣泛的應(yīng)用。Konolige等人[17]提出基于二維激光雷達(dá)的圖優(yōu)化Karto-SLAM算法，該算法通過(guò)構(gòu)造線性矩陣和分解非迭代Cholesky去求解稀疏位姿圖，使用關(guān)鍵幀進(jìn)行匹配檢測(cè)的閉環(huán)方法，關(guān)鍵幀由每隔幾幀的激光數(shù)據(jù)組成，不僅在數(shù)量上減少了匹配候選集，而且提高了檢測(cè)速度，大大的減少了計(jì)算量，但存在誤檢的情況。Tipaldi[18]和Kallasi[19]提出一種通過(guò)對(duì)比不同特征區(qū)域的相似度的閉環(huán)檢測(cè)方法，特征區(qū)域由環(huán)境中的小范圍特征提取而來(lái)；2016年谷歌提出的基于激光雷達(dá)和IMU的開(kāi)源算法cartographer[20]提出使用多幀連續(xù)的激光數(shù)據(jù)構(gòu)建子地圖，閉環(huán)檢測(cè)通過(guò)匹配激光數(shù)據(jù)和子地圖，該方法使激光數(shù)據(jù)連續(xù)幀之間的冗余性大大減少，閉環(huán)檢測(cè)的速度得以提高，但存在一些誤檢情況，因?yàn)椴捎玫倪€是幀對(duì)幀的匹配方法。國(guó)內(nèi)對(duì)圖優(yōu)化SLAM的研究起步晚，2017年鄒謙ADDINNE.Ref.{FCC7CB16-DCD8-409A-86BE-07244828198E}[21]針對(duì)狹長(zhǎng)走廊等單調(diào)場(chǎng)景中激光難以檢測(cè)閉環(huán)的問(wèn)題，采用二維碼觀測(cè)信息參與圖優(yōu)化激光SLAM過(guò)程的方法。實(shí)驗(yàn)結(jié)果均表明二維碼參與的地圖構(gòu)建具有較好的一致性。2018吳成鼎ADDINNE.Ref.{7F025D96-DEFE-4012-A204-3F0EA56104BA}[4]提出了一種激光雷達(dá)數(shù)據(jù)補(bǔ)償方法，該方法和激光雷達(dá)掃描幀特征提取改進(jìn)占據(jù)柵格地圖構(gòu)建的方法能夠有效減小激光雷達(dá)的測(cè)距誤差并提高圖優(yōu)化SLAM算法建圖精確度。2018文國(guó)成ADDINNE.Ref.{E3C89B3A-6953-4296-AF8E-EADE0571F865}[5]針對(duì)求解公式中信息矩陣因數(shù)據(jù)累積導(dǎo)致復(fù)雜計(jì)算量的問(wèn)題，提出構(gòu)建關(guān)鍵幀的解決方法，用基于關(guān)鍵幀構(gòu)建的全局圖進(jìn)行圖優(yōu)化，以減少信息矩陣的元素計(jì)算量；基于CSM(CorrelativeScanMatching)匹配算法做閉環(huán)檢測(cè)，針對(duì)原算法匹配效率低下和存在誤檢的情況，提出用關(guān)鍵幀提高匹配準(zhǔn)確率的改進(jìn)方法。2019尹磊ADDINNE.Ref.{487F999D-CC0D-414C-A9D5-1CA73774C92A}[2]提出了一種基于多信息融合的閉環(huán)檢測(cè)算法，通過(guò)機(jī)器人當(dāng)前位姿來(lái)限制閉環(huán)搜索范圍，通過(guò)視覺(jué)詞袋模型來(lái)初步檢測(cè)閉環(huán)信息，最后通過(guò)激光掃描匹配結(jié)果來(lái)驗(yàn)證是否為真實(shí)閉環(huán)，保證了閉環(huán)檢測(cè)的準(zhǔn)確性。2019劉智宇A(yù)DDINNE.Ref.{C8DCA13B-1F10-4AAF-ADDB-328A44EFB4C6}[6]針對(duì)針對(duì)原有Cartographer中位姿融合不準(zhǔn)確，存在延遲的問(wèn)題，設(shè)計(jì)了一種基于位姿增量的位姿融合方法。在對(duì)激光雷達(dá)傳感器的掃描數(shù)據(jù)進(jìn)行位姿優(yōu)化后，本方法能夠結(jié)合慣性測(cè)量單元以及里程計(jì)數(shù)據(jù)更快更準(zhǔn)確地為下一時(shí)刻提供位姿估計(jì)2020王亞飛ADDINNE.Ref.{3B062744-E70F-47EE-B719-92F150758F1D}[7]對(duì)傳統(tǒng)的激光雷達(dá)和視覺(jué)數(shù)據(jù)融合的方法進(jìn)行分析，最后提出了一種數(shù)據(jù)緊耦合的融合方式，并且根據(jù)視覺(jué)特征構(gòu)建詞袋模型進(jìn)行回環(huán)檢測(cè)，實(shí)驗(yàn)結(jié)果表明，此方式在使用低成本激光雷達(dá)進(jìn)行融合定位和地圖構(gòu)建時(shí)，定位精度和魯棒性要優(yōu)于傳統(tǒng)的融合方法，2021趙蕓趙敏ADDINNE.Ref.{602FCA06-EA18-46C1-B339-AF9A4255A927}[8]對(duì)CartographerSLAM在回環(huán)檢測(cè)時(shí)使用ScantoMap匹配出現(xiàn)特征點(diǎn)缺失問(wèn)題進(jìn)行改進(jìn)，提出MaptoMap策略。該方法利用子圖間的匹配閉環(huán)檢測(cè)，去掉連續(xù)幀之間的冗余數(shù)據(jù)，減少運(yùn)算時(shí)間，提高精度。2021李文豪ADDINNE.Ref.{C