基于迭代卡尔曼滤波器的GPS-激光-IMU融合建图算法

在当前机器人导航和环境感知领域，室外大尺度场景下的三维激光SLAM一直是一个挑战性问题。由于GPS信号在某些环境下的不稳定性和激光SLAM的误差累积特性，传统算法在大尺度场景下表现不佳。针对室外大尺度场景下三维激光SLAM（同步定位和地图构建）存在的误差累积严重问题，本文提出了一种基于迭代卡尔曼滤波器的GPS-激光-IMU融合建图算法。该算法通过利用惯性测量单元（IMU）数据对机器人状态进行预测，同时以激光和全球定位系统（GPS）数据作为观测，更新机器人状态，推导出观测方程和雅可比矩阵，显著提高了建图的精度和鲁棒性。里程计中融合GPS数据的绝对位置信息以解决长时间运行中的误差累积问题。在特征稀疏的环境中，由于约束不足可能导致算法崩溃，GPS数据的引入可以提高系统的鲁棒性。此外，重力对于IMU数据预测机器人状态起到关键的作用。虽然重力是三维向量，但在不发生区域变化的情况下，其模长是不变的，因此被视为二自由度向量。通过将重力的优化转化为旋转矩阵群上的优化，成功避免了重力过参数化的问题，提高了算法的精度。在室外场景下与其他算法进行了性能测试对比并且验证了在大尺度场景下的鲁棒性和精度，结果表明...