随着精准农业的快速发展，智能农机装备在果园管理和农田作业中得到了广泛应用，而LOAM算法作为实现精准导航和自主作业的核心技术，如何提升其在农业复杂动态环境下的性能成为关键问题。

近日，装备所果园智能农机装备创新团队在控制领域国际权威期刊《IEEE/CAA Journal of Automatica Sinica》（中科院一区TOP，IF=15.3）上发表了题为“Innovations and Refinements in LiDAR Odometry and Mapping: A Comprehensive Review”的综述论文。该论文系统回顾了自2014年以来LOAM算法的创新与优化，涵盖多传感器融合技术、前端处理优化、后端优化及回环检测等多个关键领域，全面总结了相关技术在复杂场景中的发展与应用。文章从多传感器融合、动态环境处理及计算优化策略等方面系统分析并总结了LOAM算法的最新进展，指出数据同步、实时处理等关键挑战，并为无人驾驶与机器人等依赖Simultaneous Localization and Mapping（SLAM）技术的领域提供了未来研究的建议与方向。

研究团队深入分析了LiDAR与IMU、摄像头、GNSS等传感器的融合方案，探讨了如何通过多源数据融合提高系统在复杂动态环境下的定位精度与实时性能。论文还系统总结了LOAM算法在边缘与平面特征提取、回环检测等核心环节的优化方法，展示了其在高动态场景中显著提升计算效率和定位精度的成果。此外，文章详细阐述了LOAM算法在城市导航、农业自动化、地下环境探测等领域的广泛应用，展示了该技术在无人驾驶、农业机器人、地下作业等复杂场景中的巨大潜力（如图1所示）。

图1 基于LOAM算法的多场景自主机器人作业示意图

研究团队指出，未来LOAM算法研究将聚焦多传感器融合算法的性能提升和资源优化，尤其在精准农业领域的应用将更加深入（如图2所示）。在果园、温室大棚等场景中，通过集成高分辨率LiDAR与多光谱传感器，农业机器人将具备实时感知作物生长状态、精准导航和智能作业的能力。这一技术的进步有望实现农机对动态环境数据的实时响应，如天气、土壤等变量，从而提升在复杂农田环境中的稳定性与适应性。同时，借助深度学习和强化学习技术，LOAM算法可进一步优化路径规划与障碍物避让策略，为农业无人机和田间巡检机器人提供更加智能的决策支持。

图2 农业场景展望示意图

未来研究将聚焦开发轻量化LOAM算法建图系统，以便在资源有限的农业设备上高效部署，并通过优化动态场景建图技术，增强多设备协作与场景适应能力，推动智能农业装备在大面积农场和特色种植领域的规模化应用。

本论文的第一作者为我院与南京信息工程大学联合培养硕士研究生刘广杰，黄凯博士（2023年院“紫金人才”青年拔尖人才）为第一通讯作者，团队首席吕晓兰研究员为共同通讯作者。研究得到江苏省农业科技自主创新资金、国家自然科学基金等项目的支持。此次研究为自主导航与智能机器人领域提供了重要参考，有望推动LOAM算法在精准农业及其他实际场景中实现更广泛的应用与突破。

文章DOI：10.1109/JAS.2025.125198

文章链接：https://www.ieee-jas.net/en/article/doi/10.1109/JAS.2025.125198