随着当今时代智能化水平的不断发展,智能载体的对自主导航能力的要求逐渐提高,SLAM(即时定位与建图)作为导航定位中的核心关键技术得到了研究学者们的密切关注。多传感器的融合应用能够弥补单个传感器的局限不足,适应复杂的环境变化,如IMU的高频输出可以处理过激运动,相机的特征跟踪可以克服IMU的漂移,激光点云可以提供高精度长距离的深度信息等。本文将结合IMU、双目相机和激光雷达的优势,研究搭建基于视觉惯性激光耦合的SLAM算法。本文的主要研究工作概述如下:1.设计出一套基于多传感器融合的SLAM系统框架,针对不同传感器分别建立了IMU观测模型、双目相机投影模型和激光雷达扫描模型。针对一般SLAM问题建立了数学模型,并通用化其状态方程形式,用非线性优化的方式代替传统滤波法,解决SLAM中非线性最小二乘问题。2.研究了SLAM系统框架中各传感器的前端数据处理过程。研究了IMU预积分理论的的中值积分表达形式,建立误差状态表达式,推导了增量方程的雅可比矩阵形式用于后端迭代优化;研究了双目相机的SFM算法流程,通过特征点提取与光流跟踪,关键帧选取策略,EPn P位姿恢复算法和三角测量路标点深度恢复算法,完成视觉前端的位姿恢复过程;通过对激光雷达的点云数据去畸变,角点和平面点特征提取过程,ICP地图点迭代过程完成稠密地图的建立。3.利用Ceres优化库,构建了双目视觉与IMU数据的紧耦合关系,基于非线性理论求出IMU残差项和视觉残差项,并加入后端优化的线程中;实现了后端优化的滑动窗口及边缘化策略。同时为了消除漂移误差,利用视觉词袋模型进行回环检测,配合位姿重定位和全局位姿优化,保证系统里程计轨迹输出的全局一致性。4.基于ROS机器人操作系统对所研究的SLAM框架进行算法编程实现,前期采用实际硬件测试各传感器的数据预处理过程,后期基于当前主流的SLAM数据集进行算法框架测试,验证了算法的鲁棒性和精度。通过EVO工具包给出了里程计输出的精度评价,并给出激光点云稠密建图的效果图,最后通过回环检测对比实验表明其能减小漂移误差,提高里程计输出精度。