1.一种紧耦合激光里程计与惯性里程计的SLAM方法，其特征在于，包括以下步骤：S1.接收IMU数据与激光雷达点云数据，对IMU数据进行预积分处理并补偿激光帧运动畸变；

S2.基于曲率计算对激光点云进行特征点选取，区分角点与平面点；

S3.对特征点实施均匀滤波以优化点云分布密度；

S4.根据滤波后的特征点匹配计算激光里程计下位姿变化矩阵，通过姿变化矩阵对惯性里程计的IMU数据进行纠正；

S5.使用多重因子加入因子图优化全局位姿，构建全局地图。

2.根据权利要求1所述的紧耦合激光里程计与惯性里程计的SLAM方法，其特征在于，步骤S1中所述IMU预积分处理并补偿激光帧运动畸变具体方法包括：修剪并对齐IMU数据队列，保证IMU时间戳和激光雷达时间戳同步；

对激光雷达初始帧和结束帧时间段内的IMU数据预积分，获得IMU位姿的变化，从而矫正激光雷达初始帧和第二帧的运动畸变；

将距离激光起始时刻最近的IMU数据的姿态作为激光起始时刻的初始值。

3.根据权利要求1或2所述的紧耦合激光里程计与惯性里程计的SLAM方法，其特征在于，步骤S1中所述IMU预积分处理包括递推式初始化流程，具体为：通过判断IMU数据缓存队列与当前激光雷达帧的时间对齐性，动态触发初始化状态检测模块；

当检测到未初始化状态时，构建李群李代数框架下的状态传播模型，采用插值算法实现IMU与激光雷达坐标系的空间对齐，通过构造包含角速度偏差和加速度偏差补偿的预积分观测模型，同步优化旋转矩阵、平移向量及偏置参数。

4.根据权利要求1所述的紧耦合激光里程计与惯性里程计的SLAM方法，其特征在于，步骤S2中所述基于曲率计算对激光点云进行特征点选取的方法为：S21.选取任意一点pm,n，同时选取点pm,n所处激光线上的若干相邻点位，及pm,n所处激光线上下两条激光线最接近位置相同数量的点，作为判断所取点pm,n是否是特征点的样本集；

S22.计算点pm,n的曲率：

其中 代表点pm,n的曲率，d(m,n)是当前点pm,n的深度，d(m+k,n+l)是样本中其他点的深度；

S23.设置动态噪声阈值:

Vp＝α×N×d(m,n)

其中，α为权值，在本实验中设为0.1；N代表邻域内有效的点数；

S24.若当前点曲率 则判定为离群点，同时，将该点所在扫描线的前后若干个相邻点标记为无效，不再加入特征提取，避免特征聚集；小于阈值的就保留，进行后面的特征提取；

同时，若剩余激光点曲率大于5且附近有效点个数足够，则认定为角点；若曲率小于

0.1，且附近有效点个数足够认定为平面点，最后，将剩余未处理的点全部设定为平面点。

5.根据权利要求1所述的紧耦合激光里程计与惯性里程计的SLAM方法，其特征在于：步骤S3中所述对特征点实施均匀滤波基于空间网格密度分析的自适应采样且采用最远点采样法保证特征点空间分布均匀性。

6.根据权利要求1所述的紧耦合激光里程计与惯性里程计的SLAM方法，其特征在于，步骤S4中根据滤波后的特征点计算激光里程计下位姿变化矩阵具体为：角点残差计算：

选取5个近邻点，计算其质心 构建协方差矩阵T

对矩阵A特征值分解A＝VDV，得到最大特征值对应线方向v；最后构建残差公式计算残差：

其中，p0为当前点，pa,pb为线的端点；

平面点残差计算:

T

构建超定方程组AX＝B，其中 为点坐标矩阵，B＝[‑1,…,‑1]。

T ‑1 T

使用最小二乘解X＝(AA) AB，得到平面参数[a,b,c,d]；

构建残差公式：

使用最小二乘法对残差进行联合优化：

其中，wi为权重，远点对于里程计的实时性和精度影响较大，因此越远的点权重值越大；

T即为激光里程计下位姿变化矩阵。

7.根据权利要求1所属的紧耦合激光里程计与惯性里程计的SLAM方法，其特征在于：步骤S4中使用优化后的特征点对惯性里程计的IMU数据进行纠正的具体方法为：S41.构建惯性里程计因子，约束相邻时刻的位姿、速度和偏置：其中，R代表的是旋转矩阵，p代表的是对应位姿的四元数，v代表速度，ba、bg分别是加速度计和陀螺仪偏置，Δv就是k到k+1的速度变化，Δt为时间变化Δpk+1为点k到k+1表示位姿变化的四元数， 到k+1旋转矩阵。

S42.构建激光里程计因子，将连续两帧激光里程计的位姿转换到IMU坐标系：构建残差模型

其中 为优化后激光里程计观测值， 表示IMU观测， 为标定外参。

S43.对两个激光帧之间的高频的IMU数据进行前后时间戳对齐，将激光里程计数据插入惯性里程计两端，纠正高频低精度的惯性里程计，最后，将纠正后的惯性里程计重传播，保证前后一致。

8.根据权利要求6所属的紧耦合激光里程计与惯性里程计的SLAM方法，其特征在于：步骤S4采用动态噪声调整策略处理激光里程计退化问题，具体方法为：通过点云协方差矩阵特征值分析判断环境退化程度；

当最小特征值λ3<阈值τ时，提升激光里程计噪声的协方差系数。

9.根据权利要求1所述的紧耦合激光里程计与惯性里程计的SLAM方法，其特征在于，所述步骤S5使用多重因子加入因子图优化全局位姿具体为：所述多重因子包括激光里程计因子、惯性里程计因子、GPS因子和回环因子；

S51.加入激光里程计因子及惯性里程计因子：定义相邻关键帧间的相对位姿约束：

其中：

Tk∈SE(3)为关键帧k的位姿，ΔTk‑1,k由前端里程计计算得到；

噪声模型为对角协方差矩阵：

‑6 ‑6 ‑6 ‑4 ‑4 ‑4

Σodo＝diag(10 ,10 ,10 ,10 ,10 ,10 )S52.加入GPS因子：

GPS因子提供绝对位置观测：

为关键帧k的平移向量， 为GPS测量值；

噪声协方差为：

2

Σgps＝diag(1.0,1.0,2.0)mS53.加入回环因子：

当前帧跟历史若干帧匹配，如果匹配成功，就去算这一帧和匹配上的历史之间的一个相对的位置关系，通过ICP匹配计算相对位姿：闭环因子约束跨时间的关键帧位姿：

其中，ΔTmn由ICP匹配得到；

噪声协方差根据ICP得分自适应调整：σφ＝0.1rad,σt＝0.5m为基准值；

所述全局位姿优化方法为采用GTSAM的ISM2函数优化。

10.根据权利要求1所述的紧耦合激光里程计与惯性里程计的SLAM方法，其特征在于：所述步骤S5中，具体位姿优化方法还包括L‑M法优化。