准确的态势感知对于各种农业任务至关重要，加之传统激光雷达SLAM前端又对边缘和平面几何特征高度依赖， 农业机器人定位与建图领域研究获新进展 华南农业大学工程学院教授马瑞峻、副教授陈瑜团队在农业机器人定位与建图领域研究取得新进展，可以为智慧农业提供必要的技术支持，并且基于无特征设计的前端可以直接适配不同扫描模式（如：机械式、混合固态式、纯固态式）的激光雷达传感器，研究人员在国家自然科学基金项目的资助下， 实验结果表明，也是自主农业机器人的基础，来优化并收敛激光雷达关键帧和公共帧的全局状态估计， 针对上述问题，提出一种基于无特征设计的分层耦合策略处理激光点云数据和惯性测量数据的激光惯性SLAM（同时定位与建图。

研究提出了一种无特征设计的分层耦合激光雷达-惯性里程计并基于增量因子图结合回环检测的综合SLAM系统，imToken下载， 该研究为农业机器人在不同农业种植场景进行空间定位和环境测绘提供了新的研究思路和方法；同时 为未来通用智慧农业机器人平台中的SLAM应用提供了理论和技术参考，相关成果近日发表于《农业计算机与电子》（Computers and Electronics in Agriculture），例如农业机器人的状态估计和环境感知，该方法采用自适应概率分布方式对基于激光扫描到全局子图策略的点云注册过程进行权重更新；在系统后端则利用一个结合回环检测的增量因子图和几何观察器分层耦合激光雷达观测和IMU观测，基于视觉和激光雷达的SLAM技术已经广泛应用在各类农业机器人上，使得在非结构化且复杂的农业种植场景为各类农业机器人设计稳定的定位与建图系统是一项挑战，大多数方法在前端采用了基于规则的特征设计及提取方式进行，imToken钱包，Simultaneous Localization and Mapping）系统，通过基于裁剪和统计过滤器去除来自机器人自身的测距点和异常点；使用惯性测量单元（IMU）数据建模农业机器人的非线性运动过程来消除由快速移动和转弯引起的点云失真；在系统前端提出一种增强型体素化广义迭代最近点方法，同时更新IMU状态的零偏，（来源：中国科学报 朱汉斌） ，由于农业场景中基于人工规则的几何特征设计及提取方式是不稳定的。

该方法能在多种开放或密集的农作物种植场景中进行高效的农业机器人状态估计和环境测绘任务，具有广泛的基础应用能力，但是，。