1. 课程导入与矿山SLAM误差全景

矿山激光雷达SLAM定位，本质上是在没有卫星信号的井下或露天采场环境中，依靠激光点云与惯性测量单元（IMU）、轮速计等传感器，实时估计载体在矿山坐标系中的位姿。学习者在本课程结束时，应能回答三个问题：定位误差从哪里来、漂移如何被识别、排查应按什么顺序推进。本课程不追求推导完整的SLAM数学理论，而是聚焦"误差—漂移—排查"这条工程主线，使读者面对一段跑偏的轨迹时，能定位到具体环节而不是盲目调参。

先明确四个核心术语，它们在后续章节中会反复出现，且含义不能混用。误差指某一时刻估计位姿与真实位姿之间的偏差，是一个瞬时量，单位通常是米或度。漂移指误差随运行时间或里程增长而持续累积的现象，是一个趋势量，关注的是误差的增长速率。累积误差强调误差的来源机制——前端里程计每帧的微小偏差经位姿递推被不断放大，即使单帧误差只有厘米级，运行数百米后也可能达到米级。闭环误差则专指回环检测成功后，轨迹在回环点处的位姿不一致量，它既是漂移的直接证据，也是后端优化的约束输入。四者的关系可以概括为：累积误差是漂移的内因，漂移是累积误差的外在表现，闭环误差是漂移的可观测度量。

上图把本节的知识骨架一次铺开：左侧是矿山场景的六类特殊性，它们不是背景描述，而是误差的诱发条件；中间是误差从原始数据到漂移表现的传播链，说明为什么单帧的小偏差会变成全局的大偏移；右侧是排查工作流，从数据采集核查一路推进到结论与整改。三者之间用"诱发"和"驱动"两条连线标出因果关系，提醒读者：排查时不能只看算法，场景因素往往才是根因。

为什么矿山场景让误差问题更突出

以长走廊为例。巷道两壁近似平行，激光雷达沿轴向扫描时，前后方向的几何约束非常弱，配准算法在轴向几乎"没有信息可用"，位姿估计会沿着巷道方向缓慢滑动。这类问题在普通室内走廊同样存在，但矿山巷道更长、更直、更缺乏岔口和标志物，退化持续时间可能长达数百米。再看采空区，大空腔导致有效点云稀疏，回环检测的特征描述子难以稳定匹配，闭环误差长期无法被观测，漂移就失去了最重要的校正手段。粉尘和水雾则直接污染点云，产生悬浮的虚假点，使帧间配准的残差分布出现重尾，鲁棒核函数若设置不当，少量虚假点就能把位姿拉偏。

振动的影响路径不同。它主要作用于IMU：剧烈冲击会让陀螺零偏发生跳变，而零偏是积分量，一旦偏了，姿态角就会随时间线性发散，进而把激光点云投影到错误的方向上。因此振动引起的漂移往往表现为"姿态先偏、位置后偏"，这与几何退化引起的"位置先偏、姿态相对稳定"形成可区分的特征。光照变化本身不影响激光雷达，但矿山设备常配有视觉辅助或反光标识，强光、逆光和矿灯直射会造成视觉分支失效，若系统做了激光视觉融合，融合权重失衡同样会引入误差。无卫星信号则是全局性约束，意味着系统只能依靠自身一致性来判断对错，这也是闭环误差在本课程中地位特殊的原因。

从数据采集到误差排查的整体框架

排查工作流的核心思想是"由外向内、由粗到细"。第一步永远是核查输入数据，而不是打开算法参数。具体要确认三件事：激光雷达与IMU之间的外参标定是否在本次设备安装后重新做过；点云时间戳与IMU时间戳是否在同一时基上，时间偏差若达到几十毫秒，在车辆行进时就会造成明显的运动畸变；原始点云的无效点比例、最远有效距离是否在正常范围。这三项中任何一项出问题，后面的诊断都建立在错误基础上。

第二步进入前端配准诊断，观察帧间配准的残差、内点匹配率和退化方向。工程上常用的做法是统计配准协方差矩阵的特征值，当最小特征值远小于其余两个时，说明该方向约束不足，可判定为几何退化。第三步评估累积误差，把轨迹按里程分段，计算每段的位姿偏差与里程之比，得到分段漂移率。示例性地，若某段200米巷道内位置偏差从0.1米增长到0.9米，则分段漂移率约为0.4%，这个量级在长走廊场景中属于需要关注但尚未失控的范围；若同样里程偏差增长到3米以上，漂移率超过1.4%，就应优先怀疑退化或标定问题。上述数值为教学示例，实际判断阈值需结合设备精度和巷道条件标定。

第四步检查回环与后端。重点看闭环误差的大小和优化是否收敛：闭环误差大而优化后残差仍高，说明回环约束本身不可信，可能是误匹配；闭环误差大但优化后残差下降明显，说明漂移确实存在且已被修正，此时应记录修正量作为漂移的量化证据。第五步做场景因素归因，把漂移发生的里程段与巷道类型、粉尘浓度记录、车辆行驶状态对齐，找出误差集中出现的场景。最后一步给出结论与整改项，明确主因是标定、退化、传感器还是回环，并对应到具体的参数调整或作业流程改进。