--后台回复“”--

--领取《汽车驾驶自动化分级》（GB/T-）--

无人平台在大范围环境中实现自主定位与导航的能力需求日益严苛，其中基于激光雷达的同步定位和绘图技术(SLAM)是主流的研究方案。在这项工作中，本文系统概述了3D激光雷达SLAM算法框架和关键模块，分析阐述了近年来的研究热点问题和未来发展趋势，梳理了3D激光雷达SLAM算法性能的评估标准，并据此选取目前较为成熟的具有代表性的6种开源3D激光雷达SLAM算法在机器人操作系统(ＲOS)中进行了测试评估，基于KITTI基准数据集，从KITTI官方精度标准、SLAM算法精度指标、算法耗时和处理帧率3方面进行了横向比较，结果表明，所选6种算法中LIO-SAM算法性能综合表现突出，其在00序列数据集的测试中，绝对轨迹误差(ATE)和相对位姿误差(ＲPE)的ＲMSE数据分别为1.和0.，算法处理的帧率(fps)为28.6，最后依据CiteSpace分析讨论了3D激光雷达SLAM技术的应用趋势。

随着移动机器人与无人平台在各类应用场景的不断进阶与探索，对移动载体定位能力的要求也越来越高。日益升级的智能驾驶应用，尤其是更先进的无人驾驶，为保证安全，需求定位精度达到厘米级，现有的定位输入源主要是基于全球定位系统(globalpositioningsystem，GPS)等卫星定位手段，而传统的GPS定位导航精度只有5～10m，当前提高定位精度的方案大体上分为两类。

一类是对卫星信号定位输入源进行升级，如升级为更高精度的实时差分定位(realtimekinematic，ＲTK)，或者将进行辅助推算导航定位的低成本微机电系统(microelectromechanicalsystem，MEMS)惯导设备升级为更高精度级别的惯导，虽然此类方式可以在大多数的使用场景下提高定位精度，但是在GPS信号容易丢失的场景下，如停车场、交错高架路以及室内环境等，仍存在缺陷且成本较高，而惯导的推算定位本身就存在初始化和累计误差问题;

另一类是研究学者基于第一类缺陷提出的引入新的实现自主定位源的方法，如使用激光雷达、毫米波雷达、摄像头等感知传感器，因此基于各类传感器的自主定位方案开始受到科研人员的广泛

转载请注明:http://www.aideyishus.com/lkzp/106.html