基于地震/振动-地磁-触觉混合优化与分阶段标定的地下SLAM框架及性能评估

《Scientific Reports》：Hybrid optimization of multimodal SLAM for underground robots with seismic vibration geomagnetic and tactile sensing

　　

摘要

当GPS、视觉特征、激光雷达或外部锚点不可用或性能下降时，可靠的地下SLAM仍然困难，而非视觉传感器则表现出噪声、漂移和环境依赖的不确定性。我们提出了一种混合优化的地震/振动-地磁-触觉SLAM框架，该框架在鲁棒因子图中组合互补传感器因子，并使用分阶段COA-PSO-GSA优化进行自动参数标定。评估涵盖了来自仿真、受控地下走廊以及现场隧道/矿井环境的23条完整轨迹（10.2公里；约7.5小时），采用不重叠的轨迹级优化、验证和测试子集。在测试轨迹上，平均绝对轨迹误差为0.53米，收敛发生在大约37次迭代，且在所评估的磁、振动和触觉退化条件下，误差增长保持在1.81%至4.09%之间。闭环检测AUC为0.76，但其与最强GWO-SLAM基线（0.74）的差异在Holm校正后不具统计显著性（校正后p=0.184）。测得的前景更新延迟为57±10毫秒（约17.5 Hz），表明在测试平台上具有接近实时的在线操作能力，而非硬实时性能。这些结果支持了在测试条件下的技术可行性，而更广泛的结论需要更大规模的多地点验证。