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 LiDAR而非3D LiDAR。然而，在同时定位和地图构建（SLAM）中，使用2D LiDAR经常会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，本文提出了一个稳健、准确、多传感器融合的2D LiDAR SLAM系统，专门为室内移动机器人设计。首先，原始LiDAR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，集成来自2D LiDAR、IMU和轮子里程计的数据，从而实现实时状态估计。在此坚实基础上，提出了一种新颖的基于全局特征点匹配的闭环检测算法。这种算法在减轻前端累积误差方面非常有效，并最终构建出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，我们的系统不仅展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。

解决问题：论文提出了一种针对室内移动机器人的鲁棒、精确、多传感器融合的2D LiDAR SLAM系统，旨在解决2D LiDAR在SLAM中遇到的运动退化问题。

关键思路：论文通过点线提取和线线约束建立，结合IMU和轮式编码器数据，提出一种紧耦合的前端，实现实时状态估计。同时，提出一种全局特征点匹配的闭环检测算法，有效解决前端累积误差，构建全局一致地图。

其他亮点：实验结果表明，该系统能够满足实时要求，与Cartographer相比，轨迹误差更小，鲁棒性更强。论文使用了自己的数据集进行实验，并开源了代码。该系统在室内移动机器人领域具有很大的应用价值。

相关研究：近期的相关研究包括《A Review of Simultaneous Localization and Mapping》、《A Survey of Simultaneous Localization and Mapping with Moving Sensors》等。