GPS能用——直到用不了。地下矿井、长距离隧道、物流仓库深处、高楼之间的城市峡谷，卫星信号在这些地方完全消失，机器人只能靠自身携带的传感器来搞清楚"我在哪里"。2025年IET发表的GPS盲区LiDAR SLAM综述明确指出：在地下勘探、隧道维护和矿山测量中，单独的相机或惯导都无法独立维持可靠导航，LiDAR+IMU融合方案是目前的主导选择。

哪些场景真正需要GPS盲区SLAM

地下矿隧道是最典型的应用场景。矿石运输车和巡检机器人在地下几百米处运行，隧道网络可能延伸数公里，而且不断分支。2025年一篇关于地下矿无轨运输车的案例研究显示，基于LiDAR的相对定位在隧道内自主驾驶的最低成功率达到了84%——但失败案例集中在巷道交叉口和转弯点，那里几何复杂度高，特征匹配反而容易混淆。

公路和铁路隧道的难点不太一样：长直走廊截面高度一致，一段隧道和前后几十米看起来几乎一模一样。依赖几何多样性的扫描匹配在这里很容易出问题，回环检测能力成了决定性的区分因素。

大型物流仓库在装卸区附近可能有微弱GPS信号，但AGV驶入货架密集的内部区域后信号彻底消失。这里距离短、漂移不是大问题，真正的挑战是用最低算力实现24/7稳定运行。

城市峡谷中高楼间的多径效应会让GPS精度从米级恶化到十几米级，低速配送机器人需要LiDAR SLAM来填补精度缺口。

6种主流算法对比

算法 核心方法 回环检测 计算需求 退化场景表现
LIO-SAM 因子图+特征匹配+IMU Scan Context + ICP 中等（4核CPU） 通过协方差检测退化；长走廊性能下降
FAST-LIO2 IESKF点对地图配准 无 低（单核CPU） IESKF靠IMU传播状态；无回环修正漂移
Point-LIO 逐点时间戳传播 无 低（单核CPU） 单点独立观测有优势；开阔空腔困难
Cartographer 子图+占据栅格 分支定界匹配 中高 栅格表示对特征稀缺有一定容忍度
F-LOAM 直接点云配准，无IMU 无 低 无IMU兜底，特征稀疏时直接失败
KISS-ICP 点对面ICP+体素地图 需外接 极低 参数少适应性好；无退化检测

LIO-SAM是目前GPS盲区应用中引用最多的方案之一。它用因子图融合IMU预积分和基于曲率的特征点匹配，内置回环检测模块。在几何多样性充足的环境（巷道交叉口、设备、不规则壁面），1-2km距离内能稳定保持亚分米精度。因子图结构意味着回环检测到重访位置后，整条轨迹都会被回溯修正。弱点在长直、特征稀疏的走廊——光滑钻掘的矿隧道截面一致，特征点集变得稀疏且重复。

FAST-LIO2跳过了特征提取步骤，直接把原始点云配准到增量构建的地图上，用迭代扩展卡尔曼滤波（IESKF）估计状态。单核CPU就能实时运行，是计算效率最高的LIO系统之一。公开基准测试显示在1000-2000m距离上平移RMSE优于LIO-SAM和LINS。但没有内置回环检测，多公里隧道里漂移会持续累积无法修正。

Point-LIO把状态更新从"每帧一次"推进到"每点一次"，等效里程计频率等于LiDAR点采样率。在中等退化环境中，每点独立观测能更好利用局部有用几何信息。同样没有回环检测。

Cartographer用子图和占据栅格表示，不依赖特定特征提取，对特征稀缺有一定容忍度。计算开销较大，松耦合设计没有充分利用IMU，在简单几何环境中运动估计会退化。

F-LOAM和KISS-ICP属于轻量方案。F-LOAM保留了边/面特征但去掉IMU，无后备方案。KISS-ICP极简到只有点对面ICP，适合快速原型验证，但GPS盲区长距离应用中单独使用不够。

传感器融合：三种配置的精度边界

纯LiDAR：没有IMU兜底，机器人穿过3-5秒无特征区域（光滑隧道壁）就累积与速度成正比的漂移——1m/s下就是3-5米的定位不确定性。

LiDAR+IMU（紧耦合）：当前GPS盲区导航的实用标准。IMU提供200-1000Hz高频姿态估计填补匹配间隙，精度约行进距离的0.1-0.5%。消费级MEMS IMU零偏漂移约0.1-1°/分钟，30分钟巡检就是3-30°累积误差。LiDAR需要每隔几秒（或几米）在几何丰富区域提供一次校正来抑制零偏。

LiDAR+IMU+轮速计：加上轮编码器形成三传感器融合。轮速计提供不依赖环境几何的独立约束，2025年Nature论文展示的这种方案专为中国煤矿长分支巷道设计，精度达行进距离的0.05-0.2%，比纯LiDAR+IMU好约2倍。轮子打滑是主要风险，需要滑移检测逻辑。

非重复扫描在特征稀疏环境的优势

大多数多线LiDAR采用重复扫描模式——电机每转一圈产生相同的角度分布。如果环境中恰好缺少这些角度上的特征，传感器无论扫描多久都看不到。

Livox M360的棱镜光学设计让每次旋转产生不同的角度模式，0.5-1秒内累积的点云比重复扫描仪更均匀地覆盖70°×360° FOV。在矿隧道一侧有支护肋、另一侧是光滑壁面的场景中，非重复模式能在更短时间内积累更丰富的肋板几何信息，直接提升SLAM匹配稳定性。

200kHz点频进一步强化这一点。更多点意味着更密的覆盖，对依赖点密度的算法（FAST-LIO2、KISS-ICP）直接改善匹配精度。≤2cm（@10m）的测距精度保证额外点携带的是可靠距离信息。IP67防护、<4.5W功耗、408g重量，适合矿井粉尘、潮湿隧道和轻量巡检机器人。

实际部署案例

矿山无人运输：DARPA地下挑战赛（2019-2021）加速了GPS盲区SLAM开发。此后澳洲、加拿大、中国的地下矿山开始商业化部署，多模态LiDAR-惯导-轮速融合成为主流方案。

隧道巡检：铁路和公路隧道从人工测量转向机器人LiDAR扫描。单次可能覆盖5-10km，没有回环检测点云漂移会达数米——对毫米级变形监测不可接受。LIO-SAM内置回环或FAST-LIO2外接Scan Context是必需配置。

仓储AGV：优先计算效率，FAST-LIO2单核运行是强候选。2D LiDAR+SLAM是行业惯例近十年，3D LiDAR正在替代。

选型建议

本文引用的M360参数均以M360(-D)使用说明书Ver 1.4（2026-02-27）为准。部署技术支持请联系我们，或查看M360 vs MID-360 参数对比。