2DLIW-SLAM:2D LiDAR-Inertial-Wheel Odometry with Real-Time Loop Closure

由于预算限制，室内导航通常使用2D激光雷达而非3D激光雷达。然而，2D激光雷达在同时定位和建图（SLAM）中的应用经常遇到与运动退化有关的挑战，特别是在几何相似的环境中。为了解决这个问题，本文提出了一个稳健、精确、多传感器融合的2D激光雷达SLAM系统，专门设计用于室内移动机器人。首先，原始激光雷达数据经过精细的点和线提取处理。利用室内环境的独特特征，建立线-线约束，有效地补充其他传感器数据，从而增强系统的整体稳健性和精度。同时，创建一个紧密耦合的前端，整合2D激光雷达、IMU和轮子测距数据，从而实现实时状态估计。在此基础上，提出了一种新颖的基于全局特征点匹配的闭环检测算法。该算法在减轻前端累积误差方面非常有效，最终构建了一个全局一致的地图。实验结果表明，我们的系统完全满足实时要求。与Cartographer相比，我们的系统不仅表现出更低的轨迹误差，而且在退化问题方面表现出更强的稳健性。

该论文旨在解决室内移动机器人使用2D LiDAR进行SLAM时遇到的运动退化问题，提出了一种多传感器融合的2D LiDAR SLAM系统来提高精度和鲁棒性。

该论文的关键思路是通过点和线提取进行数据处理，利用室内环境的特征建立线线约束，将2D LiDAR、IMU和轮式编码器数据集成到一个紧耦合的前端中，提出了一种基于全局特征点匹配的闭环检测算法来减少前端累积误差，并构建全局一致的地图。

该论文的实验结果表明，该系统满足实时要求，相比Cartographer，该系统不仅轨迹误差更小，而且在退化问题上表现更加鲁棒。

在这个领域中，最近的相关研究包括：《A Survey of Simultaneous Localization and Mapping with Moving Sensors in Outdoor Dynamic Environments》、《A Review of Simultaneous Localization And Mapping (SLAM) with Application to Autonomous Vehicles》等。