移动测量系统作为目前测绘界在地理信息获取方面最前沿的科技之一,能够实现三维空间地理信息数据的高精度、高效率的获取,逐渐成为测量、技术的典型代表。随着移动测量技术应用的不断深入,各个领域都对移动测量系统的精度提出了更高的要求。移动测量系统在测量过程中,需要借助定位定姿系统获得的高精度位姿信息,实现激光脚点由激光扫描仪坐标系到指定测图坐标系的转换。目前,移动测量系统的定位定姿系统主要采用全球导航卫星系统和惯性导航系统组合导航技术,当移动测量系统在城市、峡谷等地面复杂环境下测量时,GNSS信号极易被遮挡而产生失锁现象,导致定位定姿系统无法提供准确的位姿信息,无法满足移动测图的需要。激光雷达能够提供丰富的周围目标地物的地理信息,并利用点云配准的方式提供载体的位置和姿态信息,但是激光雷达探测距离有限且当相邻关键帧之间没有足够的重叠区域、环境中特征信息不明显的情况下,点云配准的精度会明显下降,导致其估计的载体的位姿误差增大,而INS不受时间位置和环境的影响,抗干扰能力强,但是其位姿结果受限于捷联算法中连续积分的影响,惯性器件误差会逐渐累积,导致导航结果误差发散,因此可以将两者进行优势互补。本文采用了激光雷达惯性里程计和建图(LiDAR Inertial Odometry and Mapping,LIO-mapping)中的思想,以 IMU 预积分和相对LiDAR测量为基础,建立以IMU预积分残差和LiDAR相对测量残差为约束条件的非线性最小二乘的目标函数进行联合优化求解,得到高精度的位姿估计。主要研究工作如下:1.研究了 LiDAR/INS紧耦合算法的相关理论。首先详细介绍了 LiDAR的量测模型,并对于LiDAR原始数据中存在点云畸变现象,给出了详细的解决方案,并给出了相对LiDAR测量模型。然后推导了 IMU测量模型和运动模型,并研究了 IMU预积分模型以及IMU误差模型,为紧耦合模型提供理论支撑。最后研究了 IMU测量残差以及LiDAR测量残差的模型,并在此基础上给出了联合优化模型,并对于其中涉及到的边缘化等过程进行了详细的说明。2.对比分析了基于不同特征的点云配准算法在地面复杂应用中的优缺点,并在实验部分对比了 LiDAR导航中常用的点云配准算法以及本文使用的基于平面点和边缘点的点云配准算法,实验结果说明了本文算法更适合于城市等复杂环境中的点云数据处理工作,将为城市复杂环境中的点云数据的处理工作提供了有意的参考。3.对于LiDAR/INS紧耦合算法进行了实验,对比分析了 LOAM+IMU和本文的算法在地面复杂环境下的建图效果,实验结果证明了在复杂环境下,本文算法适用性强且结果可靠,并且通过于对比GPS/INS组合导航结果,证明了本文的精度。