国家智能制造标准化总体组2025年度第一次工作会议在北京召开.pdfVIP

《工业控制计算机》2025年第38卷第3期133

表1算法精度对比用较低的SLAM方法，为内存或CPU资源有限的场景下的

Algorithm01RMSE/m060708SLAM使用提供了一种方案。但也可以看到,因采用的前端里程

02030405Avg计均为Ceres,所提方法的测量精度与Cartographer非常相近。

Hector14.342.9210.6113.8913.4516.6714.0713.4612.426

Karto12.797.4313.1910.5714.7714.9611.619.4411.845本研究接下来会优化前端里程计的调配,使位姿计算更为精准。

Default10.124.755.995.357.811.624.415.265.664

Cartographer2.733.1911.3410.574.085.693.573.65.596

不同SLAM算法的建图效果及轨迹对比示意如图4：参考文献

[1]刘铭哲,徐光辉,唐堂,等.激光雷达SLAM算法综述[J].计算机工程

与应用,2024,60(1)：1-14

[2]GRISETTIG,STACHNISSC,BURGARDW,etal.,Improved

TechniquesforGridMappingWithRao-BlackwelizedParticle

Filters[J].IEEETransactionsonRobotics,2007,23(1):34-46

[3]KOHLBRECHERS,VONSTRYKO,MEYERJ,etal.AFlexible

andScalableSLAMSystemwithFull3DMotionEstimation[Cj/l

Proceedingsofthe2011IEEEInternationalSymposiumon

aHectorbKartoSafetySecurityandRescueRobotics,2011:155-160

[4]KONOLIGEK,GRISETTIG,KUMMERLER,etal.Efficient

SparsePoseAdjustmentfor2Dma