摘要： 多传感器建图与定位 ＳＬＡＭ系统（ｓｉｍｕｌｔａｎｅｏｕｓｌｏｃａｌｉｚａｔｉｏｎａｎｄｍａｐｐｉｎｇ）在室外长 距离跨度环境中，由于各传感器信息融合不正确、特征匹配错误，或传感器状态信息不可信，导 致建图精度不足，轨迹漂移甚至建图崩溃。对此，提出一种基于因子图优化的多传感器信息紧 耦合 算 法 （ｔｉｇｈｔｌｙｃｏｕｐｌｅｄｌｉｄａｒｖｉｓｕａｌｉｎｅｒｔｉａｌｏｄｏｍｅｔｒｙｖｉａｓｍｏｏｔｈｉｎｇ，ｍａｐｐｉｎｇａｎｄＤＢＳＣＡＮ，ＬＶＩ ＳＭＡＤ），将前端点云和视觉信息联合的聚类结果作为因子图优化约束，以一种较低帧的约束形 式加入到较高帧的点云地图输出中，加强了点云与视觉信息的紧耦合，解决了激光雷达与相机 间信息匹配错误的问题，同时将该约束作为某一传感器信息不可信时的约束补充，减小了传感 器信息不稳定情况下的定位漂移，提高了算法一致性。实验证明，在低坡度长跨度的工作环境 中，ＬＶＩＳＭＡＤ与 ＬＶＩＳＡＭ 对比，绝对轨迹误差降低了 ３９．９０％，与 ＬＩＯＳＡＭ 对比降低了 ６３． ０９％；在高坡度工作环境中，与 ＬＶＩＳＡＭ对比，绝对轨迹误差减少 ４１．０８％，与 ＬＩＯＳＡＭ对比减 少 ６４．８７％，证明了算法的有效性与可行性。

关键词: 多传感器融合；树优化密度聚类；前端数据处理；因子图优化

中图分类号: 

• ＴＰ２４