来源：期刊VIP网 时间：
作者：胡青松;李敬雯;张元生;李世银;孙彦景;
单位：中国矿业大学信息与控制工程学院;矿冶过程智能优化制造全国重点实验室;矿冶过程自动控制技术北京市重点实验室;
摘要：同时定位与地图构建（SLAM）是无人驾驶关键技术，现有SLAM技术在煤矿巷道环境下存在累计误差大、漂移等问题。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。利用IMU观测数据预测点云运动状态并进行运动补偿，减少由设备运动引起的点云畸变；通过点云配准得到雷达里程计位姿变换信息，构成雷达里程计约束；提取巷道侧壁和地面点云并进行平面拟合，构成环境约束；基于IMU预积分约束、雷达里程计约束和环境约束，采用因子图优化方法完成激光雷达与IMU紧耦合，实现对巷道三维场景的高精度重建和无人驾驶车辆定位。仿真实验表明，巷道环境特征辅助的IMU与激光雷达融合SLAM算法的绝对轨迹均方根误差为0.116 2 m，相对轨迹均方根误差为0.040 9 m，定位精度较常用的LeGO-LOAM算法和LIO-SAM算法有所提升。真实环境测试结果表明，该算法具有良好的建图效果，未出现漂移和拖尾现象，具有较强的环境适应性和鲁棒性。
关键词：无人驾驶;同时定位与地图构建;SLAM;激光雷达;惯性测量单元;环境信息辅助;因子图优化
基金资助：国家自然科学基金资助项目（52474185）; 矿冶过程智能优化制造全国重点实验室开放研究基金（BGRIMM-KZSKL-2023-1）; “双一流”建设提升自主创新能力项目（2022ZZCX01K01）
