一种人形机器人实时定位与建图方法及系统

本申请属于人形机器人技术领域，具体涉及一种人形机器人实时定位与建图方法及系统，提出了一种改进的Fast‑LIO2算法，采用卡尔曼滤波器将人形机器人足端正运动学与IMU数据进行融合，精确估计机器人在世界坐标系下的位置、姿态和速度。所获得的平滑位姿轨迹被用于替代传统Fast‑LIO2算法中点云去畸变环节的IMU后向传播结果，从而确保点云在整个扫描周期内的时空一致性。该改进方法有效克服了传统Fast‑LIO2在人形机器人应用中未考虑步态特性、缺乏外部约束等问题，显著降低了点云扭曲和重影现象，提升了人形机器人在复杂动态环境下的定位鲁棒性与建图精度。