在移动机器人领域及智能驾驶领域,其关键技术之一就是同步定位与地图构建(Simultaneous localization and mapping,SLAM)技术。随着面临的场景越来越复杂和对定位技术的要求越来越高,基于单一传感器的定位技术在很多场合下其稳定性和建图精度都不能满足任务要求。本文提出了一种融合多线激光雷达、相机和IMU(Inertial measurement unit)的多传感器紧耦合SLAM技术,通过使用多个传感器的数据输入以获取更加丰富的环境特征,实现复杂环境下稳定性更好、精度更高的同步定位与地图构建的技术目标。首先,将多线激光雷达与相机进行联合标定,求解激光雷达与相机间的外参。由于相机采集的像素与激光雷达采集的点云具有稀疏性,很难找到点到点的对应关系,所以设计了面到面的匹配方法,在激光雷达采集的点云内分割一个特定三维平面,并在图像中找到与特定平面对应的像素平面,将像素平面的像素值恢复成空间三维点(简称3D点)。再使用点云配准算法求取3D点到3D点的变换矩阵,即可得到相机坐标系与激光雷达坐标系之间的外参矩阵,3D到3D的标定方式降低了因图像像素和点云的稀疏性造成的误差。另外,传感器之间需要进行时间戳对齐,则通过线性插值的方式解决传感器间的工作频率差异造成的时间不统一问题。最后,单目视觉的SLAM前端里程计和多线激光雷达SLAM的前端里程计进行位姿融合,融合后的里程计输出做为系统的前端里程计输出,后端优化的目标函数采用图像的特征信息和点云的几何特征信息共同建立的误差函数,利用图优化方式进行全局位姿优化,输出最优位姿估计,并使用滑动窗口对全局地图进行维护。本文通过相机与激光雷达的联合标定和线性插值算法,将相机与激光雷达的坐标系和传感器间的时间戳进行了统一,再结合相机的单目视觉SLAM算法和多线激光雷达的激光SLAM算法设计联合位姿估计算法,实现相机、IMU和多线激光雷达融合的紧耦合SLAM系统。实验结果表明,与LOAM(Lidar Odometry and Mapping)算法相比,本文设计的多传感器融合的SLAM系统在复杂环境下得到的位姿估计更加稳定,建图的精度更高。