点云地图的创建算法是搭载2D Lidar的智能电力巡检机器人领域中一项关键性技术,点云地图的精度高低会直接影响到巡检机器人在工作过程中定位的精确度,进而影响到巡检机器人运动状态的更新以及路径规划的进行,是巡检机器人实现自主移动的根基所在,其重要性不言而喻。ICP算法是在创建点云地图过程中常用的一种算法,但是仅依靠ICP算法建立的点云地图随着地图建立时间的变长和地图覆盖范围的增大,其累积误差将会变得非常严重。闭环检测作为一种可以有效减小累积误差的手段,得到了国内外很多学者的广泛研究。闭环检测中的一个核心问题是地点识别,即能检测到在之前已经到过同一地点附近。解决地点识别问题的一种有效方法是提取单帧数据中的特征点,利用特征点来反映两帧数据之间的相似性。因此,如何设计针对2D Lidar的特征提取算法,以及如何利用提取出的特征来检索相似帧对于解决地点识别问题有着很明确的研究价值。因此本文第二章和第三章针对这两个问题展开。针对第一个问题,考虑到在实际环境中广泛存在的诸如建筑物墙角、桌角等稳定的角点特征,本文提出了一种基于2D Lidar的角点特征提取算法。算法结合两点间的欧式距离和相应法向量间的余弦距离双阈值来确定单帧点云中每点的邻域范围,具体而言,以较大的欧式距离阈值来确定粗略的邻域范围,再以较小的余弦距离来确定更加精准的邻域范围。同时为了更好地将角点从点云中提取出来,本文给出了一种新颖的评价函数,可以有效地检测出准确的角点。在网上公开的数据库上进行的对比实验显示本文所提出的角点特征提取算法的准确性较其他算法要更好。针对第二个问题,本文提出了基于2D Lidar角点特征的闭环算法。首先利用第二章中提出的针对2D Lidar的角点特征提取算法来获得单帧数据的签名,紧接着设计了一种相似帧判定方法让签名具有旋转不变性,同时给出了相似帧之间的相对位姿的计算方法,建立图模型,最后结合现有的图优化框架来对图模型进行后端优化。在网上公开数据库上的实验表明经过本文所提出的闭环算法优化后的点云地图相比未经优化的点云地图效果明显要更好。最后,针对与大立科技公司合作的电力巡检机器人建图及导航项目,本论文开发了一套结合建图、路径规划、实时导航功能的系统,并将所研究的相关算法应用到系统中,得到了很好的实用效果。目前该系统已经通过客户单位验收并交付使用。