一种终身联邦学习的无人系统协同SLAM方法

本发明涉及一种终身联邦学习的无人系统协同SLAM方法，包括：边端无人机布置传感器，并获取传感器采集的数据；基于传感器采集的数据，边端无人机实现激光惯性里程计估计，生成局部地图；激光雷达数据每隔一段时间积累为场景流，输入终身学习子模块完成模型训练；根据各边端节点的终身学习子模块的历史模型信息，基于强化学习动态调节各模型权重，在中心节点进行自适应模型融合，并由中心节点下发更新模型参数给边端节点；利用得到的模型输出点云特征，进行场景补全，并与局部地图拼接形成预测的全局地图。与现有技术相比，本发明在弱通联条件的地下环境中可以保证长时序内定位与建图的准确性、稳定性以及对通信故障的卓越鲁棒性。