激光雷达SLAM算法综述

doi:10.3778/j.issn.1002-8331.2308-0455

摘要/摘要

摘要：即时定位与地图构建（同步定位和映射，SLAM）是自主移动机器人和自动驾驶的关键技术之一，而激光雷达则是支撑SLAM公司算法运行的重要传感器。基于激光雷达的SLAM公司算法，对激光雷达SLAM公司总体框架进行介绍，详细阐述前端里程计、后端优化、回环检测、地图构建模块的作用并总结所使用的算法；按由二维和三维单传感器到多传感器融合的顺序，对经典的具有代表性的开源算法进行描述和梳理归纳；介绍常用的开源数据集，以及精度评价指标和测评工具；从深度学习、多传感器融合、多机协同和鲁棒性研究四个维度对激光雷达SLAM公司技术的发展趋势进行展望。

关键词: 即时定位与地图构建, 激光雷达, 惯性, 多传感器融合

摘要：同步定位与映射（SLAM）是自主移动机器人和自主驾驶系统的关键技术，激光扫描仪（也称为激光雷达）作为SLAM算法的支持传感器发挥着至关重要的作用。本文全面回顾了基于激光雷达的SLAM算法。首先，介绍了基于激光雷达的SLAM的总体框架，详细说明了前端里程计、后端优化、环路闭合检测和地图构建模块的功能，并总结了所使用的算法。其次，按照2D到3D和单传感器到多传感器融合的顺序，对具有代表性的开源算法进行了描述和总结。此外，它还讨论了常用的开源数据集、精度评估指标和评估工具。最后，从深度学习、多传感器融合、多机器人协作和鲁棒性研究四个方面展望了基于激光雷达的SLAM技术的发展趋势。

关键词： 同时定位和映射，激光雷达，惯性，多传感器融合

刘铭哲, 徐光辉, 唐堂, 钱晓健, 耿明. 激光雷达SLAM杂志[J]。计算机工程与应用, 2024, 60(1): 1-14.

刘明哲、徐光辉、唐唐、钱小建、耿明。基于激光雷达的SLAM综述[J]。计算机工程与应用，2024，60（1）：1-14。

参考文献

[1] SMITH R C，CHEESEMAN P.关于空间不确定性的表示和估计[J]。《国际机器人研究杂志》，1986，5（4）：56-68。
[2] MOKSSIT S，LICEA D B，GUERAH B等。视觉SLAM的深度学习技术：一项调查[J]。IEEE接入，2023，11:20026-20050。
[3] 权美香, 朴松昊, 李国. 视觉斯拉姆[J]。智能系统学报, 2016, 11(6): 768-776.
泉明新，朴素华，李刚.视觉SLAM概述[J]。CAAI智能系统汇刊，2016，11（6）：768-776。
[4] 黄泽霞, 邵春莉. 深度学习下的视觉斯拉姆[J]。机器人，2023，45（6）：756-768.
黄志霞，邵春玲。基于深度学习的视觉SLAM研究综述[J]。机器人，2023,45（6）：756-768。
[5] TEE Y K，HAN Y C.基于激光雷达的室内移动机器人2D SLAM：综述[C]//2021年国际绿色能源、计算和可持续技术会议（GECOST），马来西亚米里，2021:1-7。
[6] 周治国, 曹江微, 邸顺帆. 3D SLAM[J]。仪器仪表学报, 2021, 42(9): 13-27.
周志刚，曹建伟，DI S F.三维激光雷达SLAM算法综述[J]。中国科学仪器杂志，2021，42（9）：13-27。
[7] 毛军, 付浩, 褚超群, 等. 惯性/视觉/激光雷达斯拉姆[J]。导航定位与授时, 2022, 9(4): 17-30.
毛J，傅H，CHU C Q，等.基于惯性-视觉-数据融合的同步定位与制图综述[J]。导航定位与定时，2022，9（4）：17-30。
[8] BESL P J，MCKAY N D.三维图形配准方法[J]。IEEE模式分析和机器智能汇刊，1992，14（2）：239-256。
[9] HONG S，KO H，KIM J.VICP:速度更新迭代最近点算法[C]//2010 IEEE机器人与自动化国际会议，安克雷奇，AK，2010:1893-1898。
[10] 陈毅，MEDIONI G.多幅图像配准的对象建模[C]//1991 IEEE机器人与自动化国际会议，美国加州萨克拉门托，1991:2724-2729。
[11] CENSI A.使用点对线度量的ICP变体[C]//2008 IEEE机器人与自动化国际会议，美国加利福尼亚州帕萨迪纳，2008:19-25。
[12] SERAFIN J，GRISETTI G.NICP：稠密基于正态分布的点云注册[C]//2015 IEEE/RSJ智能机器人和系统国际会议，德国汉堡，2015:742-749。
[13] DESCHAUD J E.IMLS-SLAM:基于3D数据的扫描到模型匹配[C]//2018 IEEE机器人与自动化国际会议（ICRA），昆士兰州布里斯班，2018:2480-2485。
[14] SEGAL A，HAEHNEL D，THRUN S.通用-ICP[C]//机器人：科学与系统，2009年。
[15] KOIDE K，YOKOZUKA M，OISHI S，et al.用于快速准确三维点云注册的体素GICP[C]//2021 IEEE机器人与自动化国际会议，中国西安，2021:11054-11059。
[16] BIBER P，STRASSER W.正态分布变换：激光扫描匹配的新方法[C]//Proceedings 2003 IEEE/RSJ国际智能机器人与系统会议，美国内华达州拉斯维加斯，2003:2743-2748。
[17] MAGNUSSON M，LILIENTHAL A，DUCKETT T。使用3D-NDT扫描自动采矿车的登记[J]。野外机器人学杂志，2007，24（10）：803-827。
[18] 张X，杨杰，张S，等.带最大团的三维配准[EB/OL]。(2023-05-18)[2023-10-28]. https://doi.org/10.48550/arXiv.2305.10854。
[19] CHOY C，PARK J，KOLTUN V.完全卷积几何特征[C]//2019 IEEE/CVF国际计算机视觉会议（ICCV），韩国首尔，2019:8957-8965。
[20] AO S，HU Q，YANG B，et al.SpinNet:学习用于三维点云注册的通用曲面描述符[C]//2021 IEEE/CVF计算机视觉和模式识别会议，田纳西州纳什维尔，美国，2021:11748-11757。
[21]LI Y，HARADA T.Lepard：在刚性和可变形场景中学习局部点云匹配[C]//2022 IEEE/CVF计算机视觉和模式识别会议，美国洛杉矶新奥尔良，2022:5544-5554。
[22]YEW Z J，LEE G H.REGTR：与变形金刚的端到端点云通信[C]//2022 IEEE/CVF计算机视觉和模式识别会议（CVPR），美国洛杉矶新奥尔良，2022:6667-6676。
[23] 宗文鹏, 李广云, 李明磊, 等. 激光扫描匹配方法研究综述[J] ●●●●。中国光学, 2018, 11(6): 914-930.
宗文平，李国英，李敏林，等.激光扫描匹配方法综述[J]。中国光学，2018，11（6）：914-930。
[24]赵S，张H，王平，等.超级里程计：以IMU为中心的激光视觉惯性估计器在挑战环境中的应用[C]//2021 IEEE/RSJ智能机器人与系统国际会议，捷克共和国布拉格，2021:8729-8736。
[25]KUMMERLE R，GRISETTI G，STRASDAT H，et al.G2o:图形优化的一般框架[C]//2011 IEEE机器人与自动化国际会议，中国上海，2011:3607-3613。
[26]KAESS M，RANGANATHAN A，DELLAERT F.iSAM：增量平滑与映射[J]。IEEE机器人学报，2008，24（6）：1365-1378。
[27]FORSTER C，CARLONE L，DELLAERT F，et al.流形上IMU预积分用于有效的视觉-惯性最大后验估计[C]//机器人学：科学与系统XI，2015。
[28]ROSEN D M，CARLONE L，BANDEIRA A S，et al.特殊欧几里德群上同步的可证明正确算法[EB/OL]。(2017-02-09)[2023-10-28]. https://doi.org/10.48550/arXiv.1611.00128。
[29]JURIC A，KENDES F，MARKOVIC I，et al.SLAM中姿态估计的图形优化方法比较[C]//2021第44届信息、通信和电子技术国际公约（MIPRO），克罗地亚奥帕蒂亚，2021:1113-1118。
[30]KIM G，KIM A.扫描上下文：以自我为中心的空间描述符，用于三维点云地图中的位置识别[C]//2018 IEEE/RSJ智能机器人和系统（IROS）国际会议，马德里，2018:4802-4809。
[31]BENTLEY J L.用于关联搜索的多维二叉搜索树[J]。ACM通讯，1975，18（9）:509-517。
[32]KIM G，CHOI S，KIM A.扫描上下文++：对城市环境中的旋转和横向变化鲁棒的结构位置识别[J]。IEEE机器人学报，2022，38（3）：1856-1874。
[33]RUSU R B，BLODOW N，BEETZ M。三维注册的快速点特征直方图（FPFH）[C]//2009 IEEE机器人与自动化国际会议，神户，2009:3212-3217。
[34]RUSU R B，BLODOW N，MARTON Z C，et al.使用持久特征直方图对齐点云视图[C]//2008 IEEE/RSJ智能机器人和系统国际会议，尼斯，2008:3384-3391。
[35]RUSU R B，COUSINS S.3D在这里：点云库（PCL）[C]//2011 IEEE机器人与自动化国际会议，中国上海，2011:1-4。
[36]阮J，李斌，王毅，等.SLAMesh：实时激光雷达同时定位和网格划分[EB/OL]。(2023-03-09)[2023-10-28]. https://doi.org/10.48550/arXiv.2303。5252
[37]HORNUNG A，WURM K M，BENNEWITZ M，等.基于八叉树的高效概率三维映射框架[J]。自主机器人，2013，34（3）：189-206。
[38]OELSCH M，KARIMI M，STEINBACH E.Init LOAM:基于激光雷达的定位和静态生成初始地图的测绘[C]//2021第20届高级机器人国际会议（ICAR），斯洛文尼亚卢布尔雅那，2021:865-872。
[39]MONTEMERLO M，THRUN S，KOLLER D，et al.FastSLAM：同时定位和映射问题的分解解决方案[C]//AAAI人工智能全国会议论文集，加利福尼亚州帕洛阿尔托，2002:593-598。
[40]GRISETTI G，STACHNISS C，BURGARD W.使用Rao Blackwellized粒子滤波器改进网格映射技术[J]。IEEE机器人学报，2007，23（1）：34-46。
[41]KONOLIGE K，GRISETTI G，KüMMERLE R，et al.用于2D映射的高效稀疏姿态调整[C]//2010 IEEE/RSJ智能机器人与系统国际会议，中国台北，2010:22-29。
[42]OLSON E B.实时相关扫描匹配[C]//2009 IEEE机器人与自动化国际会议，神户，2009:4387-4393。
[43]KOHLBRECHER S，VON STRYK O，MEYER J，et al.具有全3D运动估计功能的灵活可扩展SLAM系统[C]//2011 IEEE安全、安保和救援机器人国际研讨会，日本京都，2011:155-160。
[44]HESS W，KOHLER D，RAPP H，et al.2D LIDAR SLAM实时环路闭合[C]//2016 IEEE机器人与自动化国际会议（ICRA），瑞典斯德哥尔摩，2016:1271-1278。
[45]BEKRAR A，KACEM I，CHU C，et al.求解二维条带装箱问题的分枝定界算法[C]//2006服务系统与服务管理国际会议，法国特洛伊斯，2006:940-946。
[46]张J，SINGH S.LOAM：激光雷达里程测量和实时地图[C]//机器人技术：科学与系统X，2014。
[47]SHAN T，ENGLOT B.LeGO-LOAM：轻型和地面优化激光雷达里程测量和可变地形测绘[C]//2018 IEEE/RSJ智能机器人和系统（IROS）国际会议，马德里，2018:4758-4765。
[48]LIN J，ZHANG F.Loam livox：用于小型FoV激光雷达的快速、稳健、高精度激光雷达里程测量和绘图软件包[C]//2020 IEEE机器人与自动化国际会议（ICRA），法国巴黎，2020：3126-3131。
[49]CHEN K，LOPEZ B T，AGHA-MOHAMMADI A，等.直接激光雷达里程计：密集点云快速定位[J]。IEEE Robotics and Automation Letters，2022，7（2）：2000-2007年。
[50]DELLENBACH P，DESCHAUD J E，JACQUET B，et al.CT-ICP：带环路闭合的实时弹性激光雷达里程计[C]//2022机器人与自动化国际会议，美国宾夕法尼亚州费城，2022:5580-5586。
[51]王H，王C，谢L.密集度SLAM：大规模环境的强度辅助定位和制图[J]。IEEE Robotics and Automation Letters，2021，6（2）：1715-1721。
[52]李华，田斌，沈华，等.退化环境下固态激光雷达的强度增强激光惯性SLAM[J]。IEEE仪器和测量汇刊，2022，71:1-10。
[53]DU W，BELTRAME G.激光雷达强度实时同步定位和制图[C]//2023 IEEE国际机器人与自动化会议（ICRA），英国伦敦，2023:4164-4170。
[54]SHAN T，ENGLOT B，MEYERS D，et al.LIO-SAM:通过平滑和映射的紧密耦合激光雷达惯性里程计[C]//2020 IEEE/RSJ智能机器人和系统（IROS）国际会议，内华达州拉斯维加斯，2020：5135-5142。
[55]WISTH D，CAMURRI M，DAS S，et al.紧密耦合激光视觉惯性里程计的统一多模式地标跟踪[J]。IEEE机器人与自动化快报，2021，6（2）：1004-1011。
[56]SHAN T，ENGLOT B，RATTI C，et al.LVI-SAM:通过平滑和映射实现的紧密耦合激光-视觉-惯性里程计[C]//2021 IEEE机器人与自动化国际会议，中国西安，2021:5692-5698。
[57]LIN J，ZHENG C，XU W，et al.R2LIVE:一种稳健的实时激光-视觉紧耦合状态估计器和映射[J]。IEEE Robotics and Automation Letters，2021，6（4）：7469-7476。
[58]LIN J，ZHANG F.R3LIVE：一个稳健、实时、RGB彩色的激光雷达惯性视觉紧耦合状态估计和映射包[C]//2022国际机器人与自动化会议（ICRA），美国宾夕法尼亚州费城，2022:10672-10678。
[59]LIN J，ZHANG F.R3LIVE++：具有紧密耦合激光-惯性视觉状态估计器的稳健、实时辐射重建软件包[EB/OL]。(2022-09-08)[2023-10-28]. https://doi.org/10.48550/arXiv.2209.03666。
[60]徐伟，张凤，FAST-LIO：一种基于紧耦合迭代卡尔曼滤波器的快速、鲁棒激光惯性里程计包[J]。IEEE Robotics and Automation Letters，2021，6（2）：3317-3324。
[61]徐伟，蔡毅，何德，等.快速直接激光里程计[J]。IEEE机器人学报，2022，38（4）：2053-2073。
[62]CAI Y，XU W，ZHANG F.ikd-Tree：机器人应用的增量k-d树[EB/OL]。(2021-02-22)[2023-10-28]. https://doi.org/10.48550/arXiv.2102.10808。
[63]白C，肖涛，陈毅，等.Faster-LIO：使用并行稀疏增量体素的轻型紧耦合激光惯性里程计[J]。IEEE机器人与自动化快报，2022，7（2）：4861-44868。
[64]ZHENG C，ZHU Q，XU W，et al.FAST-LIVO:快速紧耦合稀疏直接激光雷达-视觉里程计[C]//2022 IEEE/RSJ智能机器人与系统国际会议，日本京都，2022:4003-4009。
[65]HE D，XU W，CHEN N，et al.点光源：鲁棒的高带宽光检测和测距惯性里程计[J]。高级智能系统，2023，5（7）：2200459。
[66]KIM B，JUNG C，SHIM D H，et al.复杂地下环境下基于自适应关键帧生成的激光雷达惯性里程计[C]//2023 IEEE机器人与自动化国际会议，英国伦敦，2023:3332-33338。
[67]陈X，L？BE T，MILIOTO A，et al.OverlapNet:基于激光雷达的SLAM闭环[C]//机器人技术：科学与系统XVI，2020。
[68]马J，张J，徐J，等.重叠变换器：一种用于激光雷达位置识别的高效、偏航角变变换器网络[J]。IEEE Robotics and Automation Letters，2022，7（3）：6958-6965。
[69]CHEN X，MILIOTO A，PALAZOLO E，et al.SuMa++：高效基于激光雷达的语义SLAM[C]//2019 IEEE/RSJ智能机器人与系统国际会议，中国澳门，2019:4530-4537。
[70]MILIOTO A，VIZZO I，BEHLEY J，et al.RangeNet++：快速准确的激光雷达语义分割[C]//2019 IEEE/RSJ智能机器人与系统（IROS）国际会议，中国澳门，2019:4213-4220。
[71]LI L，KONG X，ZHAO X，et al.SA-LOAM:具有环路闭合的语义辅助激光雷达SLAM[C]//2021 IEEE机器人与自动化国际会议，中国西安，2021:7627-7634。
[72]周波，李聪，陈S，等.基于活动语义的环路闭合激光雷达SLAM[J]。IEEE传感器杂志，2023，23（12）：13499-13510。
[73]GUADAGNINO T，CHEN X，SODANO M，等.基于强度图像自监督特征选择的快速稀疏激光雷达里程计[J]。IEEE Robotics and Automation Letters，2022，7（3）：7597-7604。
[74]DETONE D，MALISIEWICZ T，RABINOVICH A.SuperPoint:自监督兴趣点检测和描述[C]//2018 IEEE/CVF计算机视觉和模式识别研讨会（CVPRW）会议，美国犹他州盐湖城，2018。
[75]王刚，吴旭，姜S，等.高效三维深度激光雷达里程计[J]。IEEE模式分析和机器智能汇刊，2022:1-17。
[76]ZHU Y，ZHENG C，YUAN C，et al.CamVox:一种低成本、高精度的激光辅助视觉SLAM系统[C]//2021 IEEE国际机器人与自动化会议，西安，中国，2021:5049-5055。
[77]GEIGER A，LENZ P，URTASUN R。我们准备好进行自动驾驶了吗？KITTI视觉基准套件[C]//2012 IEEE计算机视觉和模式识别会议，普罗维登斯，RI，2012:3354-3361。
[78]GEIGER A，LENZ P，STILLER C，等.视觉与机器人：KITTI数据集[J]。《国际机器人研究杂志》，2013，32（11）：1231-1237。
[79]BEHLEY J，GARBADE M，MILIOTO A，et al.SemanticKITTI:激光雷达序列语义场景理解数据集[C]//2019 IEEE/CVF国际计算机视觉会议（ICCV），韩国首尔，2019:9296-9306。
[80]黄X，王平，程X，等.自动驾驶ApolloScape开放数据集及其应用[J]。IEEE模式分析和机器智能汇刊，2020，42（10）：2702-2719。
[81]NGUYEN T M，YUAN S，CAO M，et al.NTU VIRAL:从飞行器的角度来看的可视化惯性范围数据集[J]。国际机器人研究杂志，2022，41（3）：270-280。
[82]SCHUBERT D，GOLL T，DEMMEL N，et al.评估双惯性里程计的TUM VI基准[C]//2018 IEEE/RSJ智能机器人与系统（IROS）国际会议，马德里，2018:1680-1687。
[83]BURRI M，NIKOLIC J，GOHL P，等.EuRoC微型飞行器数据集[J]。《国际机器人研究杂志》，2016，35（10）：1157-1163。
[84]MADDERN W，PASCOE G，LINEGAR C，et al.1年，1000 km：牛津机器人汽车数据集[J]。《国际机器人研究杂志》，2017，36（1）：3-15。
[85]程毅，江M，朱J，等.我们准备好在内陆水道使用无人水面车辆了吗？USVInland多传感器数据集和基准[J]。IEEE Robotics and Automation Letters，2021，6（2）：3964-3970。
[86]TATENO K，TOMBARI F，LAINA I，et al.CNN-SLAM：具有学习深度预测的实时密集单目SLAM[C]//2017 IEEE计算机视觉和模式识别会议（CVPR），夏威夷州火奴鲁鲁，2017:6565-6574。
[87]YIN Z，SHI J.GeoNet：密集深度、光流和相机姿态的无监督学习[C]//2018 IEEE/CFF计算机视觉和模式识别会议，犹他州盐湖城，2018:1983-1992。
[88]GRINVALD M，FURER F，NOVKOVIC T，等.体积实例软件语义映射与三维对象发现[J]。IEEE机器人与自动化快报，2019，4（3）：3037-3044。
[89]CHARLES R Q，SU H，KAICHUN M，et al.PointNet：三维分类与分割的点集深度学习[C]//2017 IEEE计算机视觉与模式识别会议，夏威夷州檀香山，2017:77-85。
[90]QI C R，YI L，SU H，et al.PointNet++：度量空间中点集的深度分层特征学习[EB/OL]。(2017-06-07)[2023-10-28]. https://doi.org/10.48550/arXiv。 1706.02413.
[91]QIN T，LI P，SHEN S.VINS-Mono:一种稳健且通用的单目视惯性状态估计器[J]。IEEE机器人学报，2018，34（4）：1004-1020。
[92]QIN T，PAN J，CAO S，et al.基于优化的多传感器局部里程估计通用框架[EB/OL]。(2019-01-11)[2023-10-28]. https://doi.org/10。48550/arXiv.1901.03638。
[93]CAMPOS C，ELVIRA R，RODRIGUEZ J G，et al.ORB-SLAM3:一个精确的开放源码库，用于视觉、视觉惯性和多映射SLAM[J]。IEEE机器人学报，2021，37（6）：1874-1890。
[94]LAJOIE P Y，RAMTOULA B，CHANG Y，et al.DOOR-SLAM：机器人团队的分布式、在线和异常弹性SLAM[J]。IEEE Robotics and Automation Letters，2020，5（2）：1656-1663。
[95]TIAN Y，CHANG Y，ARIAS F H，et al.Kimera-multi:多机器人系统鲁棒、分布式、密集的度量语义SLAM[EB/OL]。(2021-12-17)[2023-10-28]. https://doi.org/10.48550/arXiv.2011.04087。
[96]徐H，刘平，陈X，等.D2SLAM：用于航空群的分散和分布式协作可视惯性SLAM系统[EB/OL]。(2022-11-03)[2023-10-28]. https://doi.org/10.48550/arXiv.2211.01538。
[97]ZHU F，REN Y，KONG F，et al.Swarm-LIO：分散群激光惯性里程计[C]//2023 IEEE机器人与自动化国际会议，英国伦敦，2023:3254-3260。
[98] 胡瀚文, 王猛, 程卫平, 等. 水下视觉砰的一声的图像滤波除尘与特征增强算法[J] ●●●●。机器人, 2023, 45(2): 197-206.
胡海伟，王明，程伟平，等.一种用于水下视觉SLAM的图像滤波和特征增强算法[J]。机器人，2023，45（2）：197-206。
[99]李明，朱赫，尤斯，等.煤矿救援机器人高效激光三维SLAM[J]。IEEE接入，2019年，7:14124-14138。
[100]丁磊，王杰，吴勇.基于视觉和激光SLAM融合感知的电力巡线操作[C]//2021 IEEE第四届自动化、电子和电气工程国际会议（AUTEEE），中国沈阳，2021:125-129。

激光雷达SLAM（满贯）

基于激光雷达的SLAM综述

PDF格式

可视化

摘要/摘要

引用本文

使用本文

参考文献

相关文章15

编辑推荐

韵律学

[1]	王晓艳, 曹德欣.基于进化能力的多策略粒子群优化算法[J] ●●●●。计算机工程与应用, 2023, 59(5): 78-86.
[2]	汪明明, 陈庆奎, 付直兵.KPP3D公司：基于关键点信息融合的3D游戏[J] ●●●●。计算机工程与应用, 2023, 59(17): 195-204.
[3]	江友华, 谭杰, 赵乐, 江相伟, 邹华菁.基于三角散度和信念熵的冲突证据融合算法[J] ●●●●。计算机工程与应用, 2023, 59(12): 132-140.
[4]	陈博文, 邹海.总结性自适应变异的粒子群算法[J] ●●●●。计算机工程与应用, 2022, 58(8): 67-75.
[5]	董荣, 厉茂海, 林睿, 刘仕琦, 丁文.多相机与IMU（智能管理单元）融合的室外机器人定位方法研究[J] ●●●●。计算机工程与应用, 2022, 58(3): 289-296.
[6]	王凡, 赵宏伟, 刘俊博, 王胜春, 武斯全, 苏文婧, 李唯一.高速铁路运行环境视频自适应去模糊方法[J] ●●●●。计算机工程与应用, 2022, 58(21): 258-263.
[7]	回立川, 陈雪莲, 孟嗣博.多策略混合的改进麻雀搜索算法[J] ●●●●。计算机工程与应用, 2022, 58(16): 71-83.
[8]	秋兴国, 王瑞知, 张卫国, 张昭昭, 张婧.基于混合策略改进的鲸鱼优化算法[J] ●●●●。计算机工程与应用, 2022, 58(1): 70-78.
[9]	张珍珍, 贺兴时, 于青林, 杨新社.多阶段动态扰动和动态惯性权重的布谷鸟算法[J] ●●●●。计算机工程与应用, 2022, 58(1): 79-88.
[10]	李中道，刘元盛，常飞翔，张军，路铭.室内环境下超宽带激光雷达融合定位算法研究[J] ●●●●。计算机工程与应用, 2021, 57(6): 260-266.
[11]	张公凯，陈才学，郑拓.改进鲸鱼算法在电动汽车有序充电中的应用[J] ●●●●。计算机工程与应用, 2021, 57(4): 272-278.
[12]	陈雷，尹钧圣.高斯差分变异和对数惯性权重优化的鲸群算法[J] ●●●●。计算机工程与应用, 2021, 57(2): 77-90.
[13]	陈承隆，邱志成，杜启亮，田联房，林斌，李淼.基于Netvlad公司神经网络的室内机器人全局重定位方法[J] ●●●●。计算机工程与应用, 2020, 56(9): 175-182.
[14]	刘根旺，周颖，张磊，康增信.基于博弈论的人员疏散演化研究[J] ●●●●。计算机工程与应用, 2020, 56(8): 49-54.
[15]	杨爽，曾碧，何炜婷.融合语义激光与地标信息的SLAM技术[J] ●●●●。计算机工程与应用, 2020, 56(18): 262-271.