近十年来,同步定位和绘图(SLAM)的技术已经得到广泛应用,先对的研究也不断深入。为了将其应用于自动驾驶、室内测绘和救援应用,研究人员尤其关注SLAM的精度。目前SLAM算法能够利用多个传感器进行信息融合,传感器的数量与定位的精度成正比。精确定位不仅是自动驾驶车辆的重要需求,它也是也是测绘和搜救应用中的关键需求,例如洞穴探测,人体救援等。激光雷达是一种广泛用于SLAM中的传感器,但他在实际应用中存在一定缺点。在6自由度空间中变换2D激光雷达视角能够获取360度空间雷达数据,但由于雷达的线性和角度运动会使获取的点云失真。之前为克服这些错误而开发的算法大多只能离线计算,它们倾向于通过随时间实施循环闭包来纠正点云的配准。为了实现实时运算,需要额外使用像摄像头。本论文的研究重点是通过利用IMU数据改进扫描配准算法,从而消除点云中的运动失真。该技术可以在保持低成本解决方案的同时,对复杂环境进行详细而精确的建图。为了精确设定使激光雷达的运动,我们使用Arduino控制步进电机来设定激光雷达的位置,这样无需额外的角度传感器。另外通过计算点到平面迭代最近点算法以确保精确的点云配准。配准的点被分类为由里程计算法确定的边缘点和平面点。在测距法内的运动估计子算法考虑了时间戳,传感器角度和IMU信息,通过计算边缘和平面点的相对距离信息,减少了错误配准的可能性。特征点区域将地图转换为人类易于阅读的形式。另外实现了建图和测距算法,使该方法成为实时方法。相比之下,先前的算法为了获得比后验更好的结果不得不被设计成以低得多的频率运行以。在研究的实现方案中,IMU单元可选的。但试验表明当他与IMU数据一起使用时,所设计的为建图和特征提取提供了实质性改进。该算法的未来改进是通过调整算法是的他能够使用低成本传感器的建图。