长廊特征退化丢定位：激光 SLAM 工程落地的几种避坑与融合解法

做移动底盘进几十米的长廊,激光点云放眼望去全是平行线,纵向自由度直接丢失。这坑估计做 SLAM 的同行都踩穿过,之前跑 80 米平直走廊,前端配准硬生生给压缩成 50 米。

聊聊我们在 ROS 2 落地项目里验证过的几个工程兜底策略,抛砖引玉:

1. 退化检测 + 降级融合
   别迷信纯激光。在点云配准(比如跑优化时)监控 Hessian 矩阵的最小特征值。一旦检测到沿走廊方向的特征值跌破阈值,立刻判定为退化状态,强行把纵向位姿约束切给轮速计(Wheel Odom)或高频 IMU 预积分,激光此时只负责锁定横向偏移和航向角。

2. 人工路标与低成本辅助
   工厂或医院场景如果允许改造,侧面墙壁贴高反贴纸(利用 LiDAR 强度信息),或者天花板挂 AprilTag。工程落地保交付不丢人,死磕纯无图几何特征有时候就是和现场过不去。

3. 视觉纹理补盲
   激光看不出纵向位移,但走廊两边的门牌号、灭火箱、地缝在视觉相机里纹理丰富。加一路单目跑 VIO 辅助约束纵向,表现往往比硬调激光点云滤波参数强得多。

想问问大家在真机部署时,对于这种长廊退化,目前跑得最稳的方案是什么。是直接在因子图优化里做自由度降级,还是靠全局拓扑图分段硬切。欢迎聊聊实战踩坑经验。