农业工程学报

作者：曹欣源,寇志伟,崔啸鸣,李娜,齐咏生,

关键词：多传感器融合, 定位, 因子图优化, IMU 预积分, 语义信息

基金：42

农业机器人的精准定位是智慧农业中机器人自主作业的关键。传统 SLAM（simultaneous localization and mapping）定位方法主要依赖几何特征建立约束，当场景可用几何信息不足时，特征匹配过程易出现不稳定影响定位精度。为此，该研究提出了一种结合语义信息的多传感器融合定位方法。系统以LiDAR点云和IMU（inertial measurement unit）数据为输入，经预处理后提取几何与语义特征，结合语义类别的重要性设定差异化语义权重参与点云的匹配。后续采用历史配准残差进行统计分析实现语义权重的调整，从而优化特征匹配的可靠性，提高位姿估计精度。在后端优化中，将前端里程计输出的位姿估计结果与IMU预积分约束共同作为因子图优化的约束因子，实现联合优化，提高定位精度。在开源数据集和自采数据集中对本文方法进行了验证，在开源数据集的结果表明，本文方法在大部分指标上比其他经典的方法更优。本文方法在Sequence.05、Sequence 07、Sequence 10数据集序列的绝对轨迹误差分别为2.884、0.821、1.391 m；在自采的数据集中，较LIO-SAM和A-LOAM的均方根误差分别降低了17.65%和59.02%，该研究结果为农业机器人的精准定位提供了思路。/

来源：2026年第5期

《农业工程学报》期刊编辑部

查看农业工程学报杂志2026年第5期