MTC-SLAM：一种适用于复杂环境的多尺度紧密耦合激光雷达-惯性SLAM方法，能够处理具有动态物体和相似特征的场景

《IEEE Transactions on Vehicular Technology》：MTC-SLAM: Multi-Scale Tightly Coupled LiDAR-Inertial SLAM Method for Complex Environments With Dynamic Objects and Similar Features

多尺度惯性激光SLAM方法通过分层优化提升环境感知精度，实验验证其优于传统单尺度方法。

　　

摘要：

同时定位与地图构建（SLAM）对于自动驾驶至关重要。与受光照条件变化和特征稀疏影响较大的视觉SLAM相比，基于激光雷达（LiDAR）的解决方案具有显著优势，因为激光雷达能够提供精确的距离测量，并且对光照变化具有很强的鲁棒性。然而，当前的激光雷达SLAM技术仅能从单一尺度估计姿态，这会导致在具有动态物体和相似特征的复杂环境中性能大幅下降，从而影响姿态估计的准确性和鲁棒性。为了解决这些问题，我们提出了MTC-SLAM，这是一种多尺度且紧密耦合的激光雷达-惯性SLAM方法。该方法首先在较大尺度上进行六自由度的粗略调整，然后对xyaw进行自适应步长最小二乘更新；在较小尺度上对zpithroll进行动态插值更新。更新后的姿态与里程计数据以及全球定位系统（GPS）数据一起被整合为因子图，用于后续优化。此外，还提出了一种多尺度闭环检测方法，利用多尺度描述符来识别闭环以进行全局优化。在MulRan数据集上的大量实验表明，MTC-SLAM在准确性和鲁棒性方面均优于现有的主流方法。

引言

近年来，同时定位与地图构建（SLAM）技术已成为机器人技术和自动化领域中的关键组成部分，尤其是在推动自动驾驶车辆和其他移动智能体实现完全自主性方面[1]。SLAM的主要挑战在于使移动智能体在陌生环境中进行自我定位，并同时对这些环境进行地图构建[2]。这种双重能力对于部署完全自主的机器人系统至关重要，使机器人和自动驾驶车辆能够在没有外部输入的情况下自主导航和识别环境[3]。