森林资源调查对国民经济、碳中和、生态改善和气候调节具有重要意义,随着激光雷达同步地图构建与定位技术（Simultaneous Localization and Mapping,SLAM）的发展,背包式激光雷达设备作为一种先进的林业调查手段开始应用在林地点云地图构建中。此种调查手段的效率远远高于传统的人工数据采集手段,也高于架站式的激光雷达扫描仪。但是林地建图环境地形区别于普通的城市环境,现有的同步地图构建与定位算法在林地环境无法充分发挥背包式激光雷达设备的性能,激光惯导融合的同步地图构建与定位技术弥补了这种问题。激光惯导融合的SLAM算法可以通过紧耦合方法直接融合激光原始特征信息和惯性单元测量值等输出运动状态量,具有稳健性强且制图精度高的优点。紧耦合的方式将惯性导航设备（Inertial Measurement Unit,IMU）的角速度和加速度数据应用到激光雷达的特征提取和帧间匹配中生成激光雷达里程计,并生成IMU里程计,在后端优化中进一步优化建图精度。但林地环境的因素主要是树干、树冠和地面,较少出现楼宇等平面特征较多的点云,而林地点云地图的构建的目的是提取关键的森林结构参数,如胸径、树高和单木位置等。在现有特征匹配的SLAM前端下,增加树干特征的比重有利于提升树干点云的匹配。为了更好的提取到关键森林结构参数,需要提升对地图中树干的构建,避免树冠和地面点对建图精度的影响。为此,本研究开展了针对树干特征、地面点滤除和树冠点滤除的SLAM算法改进,减少单帧点云中地面点和树冠点的占比,提高树干特征的占比,以此提高林地激光惯导融合SLAM的建图精度,并使用单木位置的均方根误差（RMSE）和平均绝对误差（MAE）来验证建图精度,主要的研究内容和实验如下:（1）提出基于圆弧半径提取特征的林地SLAM算法。林地树干点云多为柱状,而现有的SLAM算法使用弧度提取点云特征,诸多地面点和树冠点被选取,降低了树干点云的建图和定位精度。本研究使用圆弧半径作为特征提取方法,使得大部分特征分布于树干之上,并利用IMU的姿态信息去除了大部分的地面点,从而提升帧间匹配精度和回环优化精度。实验结果表明,改进之后的算法在林地样地表现出了更好的鲁棒性和精确性,RMSE和MAE为0.67和0.41m分别降低了0.67和0.56m,有效的提升了建图和定位精度。（2）提出基于局部点云拟合的地面点滤除算法。使用背包式激光雷达设备在林地行走测量时,部分激光束会打到地面,导致存在大量的相似的地面点云,不利于林地点云地图构建。本研究将单帧的激光雷达点云划分为有序的点云子区域,并将所有点云进行降维处理,最后再每个子区域中进行直线拟合,从而判断出地面点和非地面点,并使用非地面点进行建图。实验结果显示,RMSE和MAE为0.39和0.36m分别降低了0.12m,林地建图和定位的精度得到了提升。（3）提出基于深度图提取树干点的林地SLAM算法。激光雷达的扫描距离一般会超过所要构建的林地的范围,而只有构成回环的点云是完整并可提取参数的树木点云,而本研究只要的建图对象是回环内的树干,树冠和远处的噪点对建图造成了干扰。为此,本文研究将三维的激光雷达点云转换为二维的深度图,并在深度图中提取树干点,再转换为三维点云,从而滤除树冠点和远处的干扰点云,以此提升建图和定位精度。实验结果显示,本研究所提的方法,可以有效滤除树冠点和远处干扰点,RMSE和MAE为1.03和0.62m分别降低了0.01和0.1m,从而提升林地建图和定位精度。此外,本研究缺少更多树种和坡度变化剧烈的林区实验对比,后续计划针对更多树种和不同坡度做进一步的细化实验并量化评估算法性能。