引言
近年来，随着机器人与传感器技术飞速发展，室内移动机器人在机器人领域的地位举足轻重，室内定位技术研究也因此显得尤为重要[1]。现阶段室内定位作为新一代物联网的核心技术，市场需求巨大[2]。因室内空间拓扑及布局复杂易变，同时存在复杂电磁环境，导致信号传播衰落、出现多径及非视距误差等问题。这些因素导致卫星定位导航等室外定位技术在室内环境中应用精度大幅降低[3]。
室内定位系统经过几十年的发展和完善。背后的技术从WIFI[4]、蓝牙[5]、超声波[6]、位置指纹[7]到超宽带信号[8]（UWB）不等。但这些技术实际应用中因缺乏高程数据，限制了三维室内定位的应用[9]。针对室内环境三维模型定位问题，基于激光雷达的室内定位技术逐渐成为热门研究领域。
一、室内定位概述
室内定位指在室内环境下获取目标实际位置或相对位置数据[10]。在室内环境下实现定位导航、测绘作业等，都需要室内定位技术的支持，且对室内定位精度有较高要求，尤其是对传感器位置与姿态的要求[11]。在室外定位技术发展已商业化的背景下，工业智能应用领域逐渐向室内拓展，物联网技术的发展，服务机器人的诞生及室内作业机器人的广泛应用对室内定位技术都有着广泛的需求。
高精度定位作为移动机器人的核心技术，室外环境下可依靠全球卫星导航系统定位，而在室内环境下因建筑物墙壁等障碍物的阻碍，墙面的反射，造成卫星信号的损失，实际定位精度已不能满足室内定位的需要，对机器人实现自主定位有一定限制，因此建立一套准确实时的室内定位系统对智能机器人发展至关重要。
定位服务依赖于两大模块——地图系统和定位系统[12]。地图系统提供空间的物理地图，定位系统识别地图中的位置。室外环境中，这两大组件均有成熟的平台。例如，用于地图绘制的高德地图[13]、谷歌地图[14]和用于定位的北斗卫星导航[15]、GPS[16]等。相比之下，室内定位技术由于缺乏可靠的地图绘制技术与定位框架，还存在一定的不足。
目前室内定位技术主要分为基于无线网络、基于视觉和基于激光雷达3类。基于无线网络的室内定位技术因室内的复杂环境及信号多径传播对无线电信号造成的影响，在复杂室内环境下定位精度难以保证[17]。基于视觉传感器的定位方法受环境光照影响较大[18]。激光雷达具有分辨率高、抗干扰性强、不受光线影响等优点[19]。基于激光雷达的室内定位方式是目前无人系统研究领域的热门研究方向。
二、激光雷达设备及数据
激光雷达是结合激光技术与光电检测技术的主动式非接触测量设备，能够快速准确的获取空间目标的坐标信息。
2.1激光雷达定位原理
激光雷达定位主要通过测量激光雷达与周围可使激光发生反射的物体间间距从而反推出激光雷达位置[20]。激光雷达通过精密的光束控制系统发出一束或多束激光扫描其视野环境。激光束经环境反射回扫描仪，返回的信号由光电探测器接收。通过对比分析发射信号与接收信号的差异测算出反射点距激光雷达的距离。激光雷达可输出扫描环境对应的3D点云数据与反射激光的能量强度，其工作原理如图1所示。
2.2激光雷达设备
目前已商用的激光雷达设备种类众多，常用的激光雷达设备有奥地利Regel，美国Velodyne，中国北科天汇等公司推出的激光雷达产品[21]。各种激光雷达自身参数、探测数据及精度都有所差异，表1列举了几种32线程激光雷达产品部分关键数据。此外，美国Kaman航天公司研发出世界上第一个适用于无人机平台的小型地形和水深激光扫描雷达Magiclamp[22]，可实现水下小型物体探测，浅水深度测量。法国YellowScan公司推出总重量1.5kg，相对精度3cm，绝对精度5cm的三维数据采集系统。Aeva推出全球首款具有相机级分辨率的4D激光雷达[23]。
2.3激光雷达数据来源
随着公共数据集的引入，基于激光雷达的各类室内定位方式、算法得到科学客观的对比。下面列举几种激光雷达室内公共数据集：
- ISRPS科学关于多传感器室内测绘和定位的公开基准数据集[24]（MIMAP），包括室内移动激光扫描系统在各种复杂室内环境中捕获的点云数据。
主要用于：
①基于激光雷达室内同步定位与制图（SLAM）；
②建筑信息模型（BIM）特征自动提取；
③多传感器室内定位。该数据集为基于激光雷达的室内定位建图方法研究提供了评估和比较的通用框架。
MIMAP数据集可通过http://mi3dmap.net/网站获取。
- 室内建模ISPRS基准数据集[25]，该数据集由不同传感器在不同复杂度和不同干扰的室内环境中采集的五组点云数据。同时提出了基于手动创建的参考模型和质量评估标准。
数据集可由http://www2.isprs.org/commissions/comm4/wg5/benchmark-on-indoor-modelling.html网站获取。
三、室内定位技术
激光雷达室内定位技术将激光雷达传感器本身作为信号发射源与接收端，完成室内定位所需数据采集，避免卫星定位导航因建筑物遮挡造成的信号损失。室内定位过程中，多线程激光雷达通过自身旋转向四周发射激光束，激光束在接触到环境中物体时以漫反射的方式返回激光接收器，雷达模块根据时间间隔通过计算得出激光束反射点的距离位置，将采集的大量点云数据在三位空间内显示，完成室内三位建模同时可反推测算出本体位置。
3.1激光雷达室内定位
陌生环境内采用激光雷达进行室内定位，激光雷达数据会优先进行室内环境建模，然后进行自身位置测算。相较于此，在已有周围环境模型前提下进行室内定位，可减少数据运算，节省定位时间。对此，ESánchez[26]提出将运动模型与激光雷达测量数据结合，以基础设施元素作为定位参照物完成定位。该方法主要针对运动物体在室内环境下精准定位的需求，可推动隧道等遮蔽环境下无人驾驶、室内服务型机器人的发展。运动状态下，激光雷达所采集的点云数据具有数量多、迭代速度快的特点，这要求数据处理速度能跟上数据迭代速度。吴海欣[27]等提出一种基于激光雷达的有界区域快速全局定位算法，通过对图形切分提取特征向量，将定位问题转化为特征向量匹配问题，为室内激光雷达全局定位提供了有效的算法方案。
考虑到数据量对定位精度的影响，结合多传感器联合定位系统成本与计算量问题，wang[28]在室内定位研究中，将激光雷达作为唯一的环境探测传感器，提出一种高效的室内定位算法，在对点云数据处理时提取角点和线特征，进行相应类别匹配，在减少计算量同时保持定位鲁棒性。此外，该算法还融合了ICP置信水平，降低姿态估计对环境不确定性的敏感性，分类匹配减少了ICP迭代次数，提高计算速度。多传感器联合定位因数据种类差异而增加计算复杂度，采用不同种类激光雷达传感器融合数据，考虑到异类激光雷达所测点云数据侧重点差异，Li[29]融合不同精度的激光雷达扫描数据，分别采取两类数据中优势信息，用高精度雷达点云数据作为边界，低精度雷达粒子滤波定位信息作为节点，借助图优化方法融合两种雷达信息进行位姿优化，可获得更高的匹配精度，且算法运行耗时更少。
在室内面积较大情况下，定位误差也会存在较大波动，机器人室内大范围场景中定位初始化也是一较大技术难题，Shi[30]针对室内大环境定位提出一种基于特征模式的定位初始化方法。定义场景中具有空间位置标示功能的稳定建筑物为特征模式，结合多线激光雷达数据特点，提出实时数据特征模在室内面积较大情况下，定位误差也会存在较大波动，机器人室内大范围场景中定位初始化也是一较大技术难题，Shi[30]针对室内大环境定位提出一种基于特征模式的定位初始化方法。定义场景中具有空间位置标示功能的稳定建筑物为特征模式，结合多线激光雷达数据特点，提出实时数据特征模
3.2激光雷达室内定位数据优化框架
室内环境特点导致激光雷达定位时采集到的点云数据存在大量干扰信息，剔除干扰点云数据可大幅提高室内定位精度。根据所采用的数学优化框架，激光雷达定位优化方案[31]可分为两类：基于滤波器的优化方案和基于图优化的优化方案。
3.2.1基于滤波器的激光雷达数据优化框架
滤波是激光雷达数据生成数字高程模型进行室内定位的关键步骤之一。作为室内定位算法的输入，激光雷达所生成的点云数据精确度对后续建模定位会造成持续影响，通过滤波可减少干扰数据和误差较大数据以提升数据精确度，近年来基于机器学习的过滤器已成为一类过滤算法。
Chen[32]采用粒子群优化算法寻找DBSCN聚类分割最优关键元素，实现准确点云分割，将微调的PU-net用于点云密度增强。与原始点云相比，增强后的点云密度为原始数据的4倍，同时保留了原始数据的形状与轮廓特征。为快速去除建筑地面，更快、更准确检测出待测目标，基于GroupSAC原理，将采样点按属性分类，设计了一种适用于点云的采样点限制方法。Xu[33]提出一种集成激光雷达机器人定位系统的室内惯性导航系统（INS），设计了有限脉冲响应（FIR）与INS/LIDAR联合定位方案，相较于传统卡尔曼滤波定位方法具有更高的鲁棒性。封雷等[34]提出一种基于遮罩的稀疏点云滤波算法，能很好的处理因遮挡生成的，空间疏密程度有较大差异的点云数据，保持点云细节信息。
干扰数据对最终结果造成的影响本质上是因噪点对特征点的遮盖，点云数据拥有特征有限，由点云数据库中精确提取目标特征是提高滤波效果的关键步骤。李宗民等[35]针对现有点云表征学习点与点之间相互独立提取特征问题，提出一种全新的空域图卷积，最大程度捕捉局部拓扑结构信息，融合多尺度特征。针对激光雷达输出点云数据特征重叠，点云配准效率低、误差大的问题，Zhan[36]提出使用最小冗余最大相关性（mRMR）结合Parzen窗口优化来处理离散和连续特征的特征选择方法，为各种环境中机器学习过滤器构建最佳特征子集。
总体而言，基于滤波器的激光雷达数据优化适用于系统计算资源受限，场景简单的室内场景定位建图。随着硬件能力的不断提升及定位场景逐渐复杂化的室内定位作业需求，现更多的采用基于图优化的数据优化框架。
3.2.2基于图优化的激光雷达数据优化框架
基于图优化的激光雷达数据优化方法是在滤波器方案后发展的新兴机器人位姿优化方案。图优化[37]的SLAM可将先前位姿信息和当前位姿信息同时进行优化，进而提高定位的精确度。
Kukko[38]使用图优化方法将GNSS的结果与单线LIDAR相结合，以单线LIDAR的数据校正GNSS-IMU数据，为GNSS受阻环境中的高精度地形和结构建模提供解决方案。Hess[39]实现了基于图优化的2D-LIDAR导航。Chen[40]研究出一种LIDARSLAM后端图优化方法，通过视觉特征提高回环检测和图优化性能，得到特征反应更精确的点云图。
基于图的SLAM方法也称为全局SLAM。通常以观察为约束对图结构进行建模并进行全局优化以实现状态估计。代表性的开源算法有KartoSLAM和Cartographer两种。KartoSLAM[41]利用高度优化和非迭代的Cholesky矩阵分解对稀疏系统进行解耦来解决问题。以图的均值表示地图，每个节点代表机器人轨迹的位置点和传感器测量的数据集，指向连线的箭头表示连续机器人位置点的移动。当有新的节点加入时，地图会根据空间中节点箭头的约束进行计算和更新。其算法框架如图2所示：
Cartographer[42]算法包括前端图中的局部匹配和全局后端闭环检测与子图优化，经全局计算得到优化后的位姿，用来消除累计误差，得到最优全局地图。局部定位时，前端进行数据提取和处理，优化得出更加准确的子图，即局部地图。全局定位时，后端首先进行闭环检测，对前端若干子图优化处理。其工作流程[43]如图3所示：
Cartographer实时性强，精度高，利用闭环检测对累积误差进行优化和修正。考虑到Cartographer算法在回环检测匹配过程中特征点易缺失的问题，可将原先的帧与子图（scantomap）方法改为子图与子图（maptomap）方法[44]。
3.3激光雷达融合室内定位
激光雷达室内定位相较于其它定位方式无需辅助定位的标志物，主要依靠所采集的点云数据。但室内环境下存在部分结构近似的物体，在点云数据建模过程中可能会出现误识别，对最终定位精度产生影响。对此，基于激光雷达的联合定位方式开始出现。
针对室内环境激光雷达定位建图过程中目标准确识别问题，熊亦威[45]提出激光雷达与单目相机融合的定位方式，激光雷达和单目相机分别负责采取点云与图像数据，在定位阶段参考图像数据完成点云数据的逆向识别。MBasavanna[46]为提高环境感知，将Orbbecasra相机与激光雷达数据融合实现未知环境3D映射。实验表明两个来源的数据融合能更好的显示测量区域的细节。为改善传统超宽带室内定位误差问题，提高定位精度，冯冀东[47]等提出激光雷达补偿定位方案，设计了一种新型基于激光雷达的室内机器人超宽带定位补偿方法。具体采用两种拓展卡尔曼滤波器，一种是提供基于UWB的位置，该位置根据UWB参考节点到目标机器人的距离进行融合；另一种是利用UWB和激光雷达所测距离间差异估计UWB误差，并推导出两种卡尔曼滤波数据融合模型。实验表明，激光雷达辅助超宽带定位补偿可以有效降低超宽带定位误差。
激光雷达虽然测距定位精度高，但当室内存在大量单一、重复的场景结构如走廊时，会因无法提取有效特征进行匹配而造成大量错误定位。因此多定位技术融合的室内定位方法能互补缺陷，得出更为精准的定位结果。胡钊政等[48]针对特殊环境因素对室内定位结果造成的影响，提出基于卡尔曼滤波框架的WIFI、激光雷达与地图融合的定位新方法。通过对两种单一、重复的室内场景采用二维与三维的激光雷达实验验证该算法。实验结果显示，与单一WIFI定位算法相比，利用激光雷达计算出来的相对定位结果结合场景地图，平均定位误差可降低70%-80%，实现了室内定位精度与稳定性的显著提升。张书亮等[49]将轮式里程计、惯性测量单元（IMU）、超宽带（UWB）和激光雷达定位数据进行融合实现室内定位。
四、应用
基于激光雷达的高精度室内定位服务已成为众多领域关键技术支撑，结合各领域应用特点与激光雷达定位原理实现激光雷达室内定位在各领域的广泛应用。
4.1室内定位同步建模
同步定位与建图[50]（SLAM）一直是移动机器人领域热门研究方向。室内环境下，室外卫星导航等定位装置无法提供所需精度定位坐标，移动机器人需自主完成自身位置坐标获取，同时构建增量式地图，即同步定位与建图。由于激光雷达（LIDAR）传感器在各领域的广泛使用，基于激光雷达的SLAM技术呈指数级发展[51]。激光雷达同步定位与建图指移动机器人搭载激光雷达传感器估计自身位姿，同时建立周围环境地图，主要应用于室内服务机器人。
SLAM系统基本框架由多个部分组成，如图4所示。传感器负责数据感知，里程计对数据处理估算，对位姿优化后进行全局地图构建，回环检测消除误差，提升建图准确度。
目前，技术已成熟的商用固态激光雷达SLAM框架有两种，FASTLOAM框架和LOAMLivox框架。
- FASTLOAM框架
FASTLOAM框架与LOAM[52]框架相似，但经过优化使其计算成本降低了3倍。框架结构如图5所示。首先通过三维激光雷达扫描提取特征点，然后找到与前一次扫描的特征对应点，在映射和调整变换时，利用激光雷达配准估计机器人的运动。通过已发布的数据集验证，该方案可得出机器人初始位姿，仅存在轻微漂移。
- LOAMLivox框架
LOAMLivox框架[53]即使用LOAM架构的LivoxLidar软件包，其工作稳定，实时精度高。框架结构如图6所示。LOAMLivox体系结构是对LOAM的改进，采用实时耦合激光雷达实现同步定位与建图。
4.2室内服务机器人应用
传统室内服务机器人为实现室内定位作业，采用预设轨道，作业点的方式，机器人按轨道行驶，在预先设置作业点停止并进行作业，完成后继续行驶。其智能化程度较低，同时设备成本过高，对环境设备均有要求，未能有效展现服务机器人的便利性。通过结合激光雷达室内定位技术，可大幅提升室内服务机器人作业便捷性，实现真正的智慧服务。李斌[54]结合激光雷达室内定位技术，针对35kV变电站室内自动巡检系统做出研究。万王蒙[55]针对煤矿变电站结合室内定位技术开发出室内自动巡检机器人系统。许龙铭等[56]通过激光雷达获取环境数据，结合SLAM算法实现室内定位导航，控制机器人实现送餐功能。
4.3复杂环境室内作业
在应急救援、灾难评估、工程应用等对人类来说有巨大风险或不可能执行的任务区域，自主作业机器人凭借其灵活可控的特性可代替人类作业。
针对矿难等救援场景，如何尽快确定受困者位置是节省救援时间的第一步。凭借激光雷达优势，姜玉峰等[57]对其在煤矿智能化应用进行简要分析。利用激光雷达获取井下三维地图相较于常规测绘手段，能大幅提高作业精度、效率，同时兼顾作业安全。通过机载激光雷达在未知环境下自主飞行导航与定位，完成三维地图的构建，为复杂巷道空间中的救援提供关键导航数据和准确的受困者位置。
室内机器人作业，首先需要机器人完成室内环境地图构建，针对室内物品摆设位置及室内地面等多类型的不确定因素，室内定位算法需满足对未知环境的兼容性，这要求在算法内部需集成多物体识别算法。对此Kumar等[58]提出一种用于室内地图中生成管道进行分类的新方法，利用ROI和典型角度进行估计和分类。Maxim[59]针对爬行机器人震动对激光雷达和单目视觉进行运动轨迹准确性评估，结果表明，在使用稳定滤波器的前提下，激光雷达所测结果更接近地面真实情况。Pinar[60]提出基于TDOA测量的定位算法及其基于LIDAR的自主系统的姿态初始化应用，拓宽了机器人定位与初始化的传感器和算法类型。Anas[61]提出一种改进的激光雷达测量统计模型，考虑来自两个不定来源的偏差和方差效益，量身定制统计策略。该算法经过专门优化和设计，可准确推断激光雷达相对于检测到的物体的角度方向。在面向仓库等大面积室内环境作业，Tilman[62]针对大规模场景重建问题，依据旋转LIDAR的特定传感器特性，评估传感器模型及框架对现实地图场景的影响，实现高质量重建。
五、挑战和展望
5.1激光雷达室内定位面临的挑战
基于激光雷达的室内定位技术凭借其高精度的特性，可广泛应用于商场、银行、机场等服务行业，同时对应急救援、边防海关等专业领域也能提供专业服务。在上述应用场景中借助激光雷达室内定位可完成作业场景的环境构图，辅助作业环境生成数字孪生映射。实际应用中，室内定位技术与应用场景和功能需求紧密相关。为适应多场景、多功能的需求，基于激光雷达室内定位技术在未来的发展中将面临诸多挑战，如：
- 多目标定位
在银行、商场等应用场景，室内定位对应目标可能不止一个，需完成同一环境多目标定位。
- 多源数据处理
在应用场景范围较大情况下，为提高定位效率，常采用多设备联合定位方式，要求激光雷达数据需进行融合处理，对数据处理速度提出了要求。
- 作业环境恶劣
在执行室内应急救援作业过程中，恶劣的环境既对激光雷达硬件提出质量挑战，同时对激光雷达室内定位技术提出稳定性挑战。
5.2展望
激光雷达室内定位是机器人室内精准作业的前提，也是同步定位与建图的基础，在物联网领域有广泛的应用场景。室内机器人作业过程中，实时定位精度与速度决定机器人实际作业效果。未来，如何提高实时定位精度，如何加快同步建图速度，将决定室内定位技术的应用范围。对此，本文对基于激光雷达的室内定位技术未来发展提供三条可行思路。
- 提升激光雷达抗干扰性，获得高精确度数据激光雷达定位效果很大程度上取决于数据精确度。数据采集过程中环境变化、设备干扰均会对数据精确度造成影响。通过提升激光雷达抗干扰性，获得高精度数据，降低后续建模定位过程中初始误差。
- 优化数据运算框架
借助如卡尔曼滤波等多种滤波降噪算法对数据进行优化，减少无用点与干扰点的数量，提升建模定位运算速度，保证实际定位精度。
- 多技术融合定位，优势互补
针对激光雷达室内定位技术的缺点，通过融合其它室内定位技术，实现优势互补。
六、结束语
本文首先对室内定位及基于激光雷达的室内定位技术进行详细的阐述，对比目前已商业使用的几款激光雷达相关参数并分享两组开源的激光雷达数据。然后对基于激光雷达室内定位技术现阶段的研究进行总结分析，对比了单一激光雷达室内定位技术和激光雷达与其它定位方式联合定位技术的优劣势。最后分析了现阶段部分行业应用中激光雷达室内定位技术的发展需要，为后续基于激光雷达室内定位技术的发展提供思路。希望对基于激光雷达的室内定位技术后续发展研究提供启发，同时为相关技术应用单位提供室内定位技术新的参考技术。
作者简介：张保（1997-），男，硕士研究生，主要研究方向无人机室内定位、激光雷达，E-mail：zbao112358@163.com；通讯作者：张安思（1991-），男，讲师，博士，E-mail：zhangas@gzu.edu.cn；