Para resolver os problemas de imprecisão no mapeamento 3D de condução autônoma e o desvio de pose, utiliza-se o odômetro LiDAR para eliminar o erro acumulado da Unidade de Medição Inercial (IMU) e, através da pré-integração do IMU, eliminar a distorção da nuvem de pontos LiDAR, formando um sistema de mapeamento fortemente acoplado entre LiDAR e IMU; aumentando fatores de detecção de loop, fatores de odometria LiDAR e fatores de pré-integração IMU para otimização do gráfico posterior, visando melhorar a consistência global da localização e do mapeamento, reduzir o erro na estimativa da pose e diminuir o erro acumulado de desvio. Finalmente, foi validado experimentalmente em cenários reais do campus universitário, bem como utilizando o conjunto de dados open source KITTI. Os experimentos mostram que no cenário selecionado do campus, o erro médio APE do algoritmo melhorado foi reduzido em 11,04% em comparação com o algoritmo original, e o erro quadrático médio de APE diminuiu em 17,35%; nos cenários do conjunto de dados KITTI, o erro médio APE diminuiu em 10,04%, e o erro quadrático médio diminuiu em 12,04% em comparação com o algoritmo original. Os resultados da pesquisa mostram que o método de mapeamento melhorado pode aumentar efetivamente a precisão da estimativa da pose e a precisão da construção do mapa.

LiDAR;condução autônoma;localização e mapeamento simultâneos;fusão de sensores