随着智能移动机器人技术越来越受到国内外各方的广泛关注和支持,作为移动机器人核心和前提的定位与建图技术也越发受到人们的重视。近年来,基于视觉的定位与建图技术和基于激光的定位与建图技术逐渐成为了 SLAM的主流。随着无人驾驶的兴起,针对室外大场景的SLAM技术更是成为了机器人研究领域的热点。本文围绕单目相机与多线激光雷达两种传感器对大场景下的定位与建图技术展开了研究,分别研究了大场景下基于视觉的SLAM算法和基于激光的SLAM算法,并结合两类算法的优点,提出并实现了一种在大场景下精度高、鲁棒性强的激光与单目相机融合的定位与建图算法。本论文的主要研究内容与成果如下:1.提出了一种结合3D-3D、3D-2D和2D-2D约束的位姿估计算法。从摄像机和激光雷达的结构和原理出发,研究了大场景下基于稀疏深度信息的视觉里程计算法。先通过激光点云数据给图像提供稀疏的深度信息,然后采用ORB特征算法对图像进行特征提取和匹配,接下来采用了所提算法求解图像间的位姿估计,克服了大场景下图像深度信息稀疏的缺点,实现了大场景下的视觉里程计。最后通过与传统PnP位姿估计算法进行实验对比,证明了本算法在大场景下有更好的精度和鲁棒性。2.改进了激光点云帧间配准算法。对大场景下基于单一激光雷达的定位与建图算法进行了研究。先对激光点云进行了线、面特征提取,然后研究了基于激光点云线、面特征的帧间点云配准与畸变校正算法,并针对该算法在大场景下的缺点,对算法进行了改进,提出了一种基于网格和高程阈值的地面混合滤波算法实现点云数据的地物分离,只使用非地面特征点作为激光点云配准的迭代约束,以提高配准效率,并使用地面的面特征点单独作为z轴方向的约束,以保证配准的精度。接下来通过建图与地图配准算法以减少累积误差。通过对比改进前后算法的实验结果,证明改进算法既提高了效率也保证了精度。3.结合上述对视觉算法和激光算法的研究,提出了一种针对大场景的基于激光与单目相机融合的定位与建图算法。将视觉里程计求取的运动估计作为激光点云帧间匹配和畸变校正算法的初值,以解决激光在点云特征不明显的路段容易出错的缺陷,参考cartographer算法,采用地图配准算法构建子地图,并以子地图与激光帧之间的位姿变换作为约束,建立全局优化的位姿图;之后,采用基于图像ORB特征的BoW算法进行回环检测,对子地图和激光帧位姿进行整体优化以抑制轨迹发散,减少累积误差。最后通过实验证明,本算法在各种大场景下的精度和鲁棒性都优于基于单一传感器的定位与建图算法,是一种完整有效的定位与建图算法。