室外场景下的SLAM技术是机器人研究领域一大热点,是军事攻防、搜救、探索等领域的核心技术之一。论文重点研究室外大场景下无人系统定位优化、回环检测两部分内容,其中回环检测部分需要考虑到回环误匹配问题。该研究内容旨在解决智能无人系统在室外环境特征缺失情况下,传感器测量误差增大,场景干扰多,噪声大导致的定位精度降低,无法构建全局一致性地图的问题。论文中,合理利用多传感器信息,研究设计融合外观和几何信息回环检测方法为后端优化提供有效参考信息,从局部以及全局角度基于改进图优化算法优化位姿及建图,为后续导航模块提供精确的位姿和地图信息。针对无人车模型以及传感器模型进行数学建模,从原理上推导了基于点特征定位和帧对局部子图定位过程,从室外场景适应性和定位精度两个角度对帧间定位算法和帧对局部子图定位算法进行对比分析。考虑到帧对局部子图匹配容易陷入局部最优解和扫描范围广的缺陷,设计多传感器信息融合给定初始位姿粗估计的解决方案。为解决前端定位误差大,误差累积快问题,深入研究非线性优化理论,重点梳理关键帧位姿与约束之间的关系。在图优化算法的基础上,根据实际应用场景,着重考虑回环约束的影响,设计目标优化函数,对图优化算法进行改进。分析近距离回环检测机制在室外特征稀疏场景失效的原因和影响,研究设计融合外观和几何信息回环检测方法解决该问题。该算法提取外观信息的结合尺度不变性ORB特征,基于Kmeans++算法将词袋库建立于树形结构之上。外观信息依据词典树形成描述向量,结合历史描述向量完成回环候选帧筛选。通过随机采样一致性几何验证剔除回环误候选,再利用时间一致性映射得到点云帧与局部子图。利用相关性扫描匹配进行相似评分阈值化剔除与几何约束构建,并通过分支定界算法加速该过程,提升系统实时性。针对上述研究内容,先后完成Gazebo实验平台设计,仿真实验系统构建与实验流程设计的工作,通过仿真实验完成算法有效性验证,奠定实物实验基础。进而,完成室外物理实验硬件选型和一机一车协同实验系统设计,在选定的室外实验场景中,依据所设计的物理实验流程完成了实验测试和数据记录。并且,通过对比实验数据定性且定量地分析证明了算法的适用性、准确性、实时性和鲁棒性。完成对上述所有工作的总结。