基于多层点云匹配闭环检测的多模态融合同时定位与地图构建方法

为克服二维同时定位与地图构建（2D-SLAM）技术在大空间环境中的闭环检测局限性，尤其是在结构不明确和光照条件差的情况下，导致定位误差累积、信息丢失以及地图构建精度低等问题，需要寻找解决方案。我们专注于基于粒子滤波的深度相机和激光雷达的多模态融合算法，位于SLAM的前端。通过利用多层迭代最近点匹配方法创建准确的激光测距和筛选用于二维激光雷达数据的闭环检测的回环候选集，保持复杂环境中的地图信息精度。回环信息通过邻近检测进行校准，减少全局地图漂移现象，并通过增量优化提高SLAM算法的运行效率。公共数据集证实，所提出的算法相比于2D-SLAM算法Cartographer将平均相对姿态误差降低了52%。此外，在保持闭环检测精度的同时，检测时间平均减少了15%。SLAM实验在使用Turtlebot2机器人进行复杂真实环境下进行了验证。结果表明，所提出的多模态融合SLAM方法能够准确重建环境信息，并在复杂和广阔的场景中实现高精度和实时地图构建.