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

由于预算限制，室内导航通常采用2D激光雷达而非3D激光雷达。然而，在同时定位与地图构建（SLAM）中使用2D激光雷达常常遇到与运动退化相关的挑战，特别是在几何相似的环境中。为了解决这个问题，本文提出了一个针对室内移动机器人专门设计的强大、准确、多传感器融合的2D激光雷达SLAM系统。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，建立线线约束以有效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，创建了一个紧密耦合的前端，整合了2D激光雷达、IMU和轮式编码器的数据，从而实现了实时状态估计。在此坚实的基础上，提出了一种基于全局特征点匹配的环路闭合检测算法。该算法在减轻前端累积误差方面非常有效，并最终构建出全局一致的地图。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在SLAM中使用2D LiDAR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。

该论文的关键思路是通过对室内环境的特征进行分析，建立线-线约束来有效补充其他传感器数据，同时利用IMU和轮式编码器数据进行实时状态估计，并提出一种基于全局特征点匹配的回环检测算法，解决前端累积误差问题，构建全局一致的地图。

论文实现了一个鲁棒、准确、实时的2D LiDAR SLAM系统，并且相比于Cartographer表现更好，尤其是在遇到运动退化问题时表现更为鲁棒。实验使用了自己采集的数据集，并开源了代码。

与该论文相关的研究包括Cartographer、GMapping等2D SLAM系统，以及一些基于深度学习的SLAM方法，如DeepVO、ORB-SLAM等。