基于激光雷达的同步定位与三维建图是无人驾驶领域中的关键技术,也是移动机器人自主导航中重要的研究方向。其中涉及到的主要问题为激光雷达三维点云处理、雷达位姿解算以及优化算法。本文提出的方法是使用二维激光雷达以六自由度运动,通过其在扫描期间感知的点云估计雷达的姿态变换,同时构建雷达遍历过的环境的三维点云图,并围绕激光雷达点云滤波、点云特征提取与配准、全局优化和后端优化等算法展开研究,最后给出了我们的SLAM系统在ROS平台下的数据传输以及实验结果。本文的主要工作如下:1.提出了一种使用电机和二维激光雷达做同步定位与三维建图的方法。首先,研究了激光雷达数据采集方法,设计了一套由电机带动二维激光雷达来回旋转的平台。其次,介绍了电机和二维激光雷达解算三维点云坐标的方法,并给出了雷达、电机和解算坐标的程序封装成ROS下软件包的步骤。接着,对比多种点云滤波算法,然后选取合适的滤波算法对带有坐标的三维点云进行滤波处理。2.本文研究了点云特征提取与配准算法,针对传统点云配准使用ICP算法及其变体算法的不足,提出了一种基于语义的点云特征提取与配准算法,接着,针对基于激光雷达的同步定位与建图的算法需要具有计算量小、准确性好、鲁棒性强和特征点分布均匀等特点^[25],本章提出了一种基于曲率的点云特征提取与配准算法,首次将字典树这种数据结构应用到特征点搜索策略中,最后通过构建非线性最小二乘问题来求解雷达的姿态变换。3.针对点云帧间配准会导致误差随时间增加而累积的问题,本文研究了优化算法,以激光雷达第一次扫描的原点作为世界坐标系的原点,提出了一种基于栅格化思想的全局优化算法在世界坐标系中配准点云。然后,介绍了使用扩展卡尔曼滤波器和通用图优化两种后端优化算法对雷达位姿进行后端优化的方法,给出了位姿优化前后的结果对比。4.介绍了我们的SLAM系统在ROS平台中的数据传输,利用RoboMasters平台在长走廊和旋转楼梯两种环境进行实验,给出了点云特征提取节点和点云配准节点在RVIZ下的点云图和运动轨迹图,以及最终的定位与建图的实验结果截图。本系统中所有的计算过程都在笔记本电脑上实时地完成,实验结果表明,本文提出的基于激光雷达的同步定位与三维建图系统能够精确估计激光雷达的运动轨迹,并实时地构建高质量的三维点云图,室内环境中测试的相对精度约为2%。本论文所获得的成果可以广泛应用在无人驾驶和移动机器人自主导航领域,对于我国移动机器人的普及有较大意义。