【图/文 王健丞】几何特征重复引发的退化问题，始终是里程计、同步定位与地图构建（SLAM）等机器人位姿估计系统难以突破的核心瓶颈。现有传统退化分析方法普遍存在尺度耦合干扰显著、测量噪声鲁棒性差、判别阈值不稳定等缺陷，面对螺旋退化等复杂退化工况时更易出现判定失效。针对上述痛点，本文基于旋量理论构建新型特征约束建模框架，并依托该模型开展系统性退化特性分析。现有传统方案大多依靠求导推导特征约束，而本文方法完全依托几何运算完成约束表达推导，同时与状态估计的代价函数解耦，最终得到一套稳定性更强、物理意义更清晰的分析框架。本文首先利用旋量表达建立特征约束模型（图1）；在此基础上，结合旋量理论，推导退化分析模型与退化判定公式（图2）。该模型具备两大核心优势：其一，可将平移退化与螺旋退化完全解耦；其二，能够精确求解旋转轴位置、螺距等场景几何参数。利用退化场景局部一致的几何参数，本方法可预测局部空间任意点位的退化方向，有效减小判定误差、滤除外点，显著增强退化检测的鲁棒性。本文设计一套全新的特征提取与管理策略，在扫描点云稀疏场景下，既能提升运算速度，也能扩大有效特征覆盖范围。 仿真测试与实物真机实验结果表明：该方法不仅提升了退化检测的稳定性与精度，退化分析响应速度提升 70% 以上。文中进一步给出判定公式的无量纲稳定指标，对比现有主流前沿算法（SOTA），本文方法的稳定性能高出两个数量级。
图1：基于旋量理论的环境约束特征分析模型。
图2：退化运动基元与退化运动空间求解流程图。
具体贡献如下：
- 将旋量理论引入机器人位姿估计的特征观测建模框架，可直观表达激光雷达、超宽带、相机等主流传感器的特征观测约束。
- 基于旋量形式的传感器 – 特征约束表达式构建退化分析模型。该模型具备刚体坐标变换不变性，可有效区分外点，削弱测量误差对阈值选取的干扰。
- 提出一种基于特征图重采样的新型特征提取方案，支持退化分析并行运算，缩短特征处理耗时，提升 SLAM 系统实时性。
- 构建基于截尾正态分布的稳定性指标，用于量化退化判别阈值的鲁棒性；同时分析螺旋退化等复杂退化场景下影响阈值稳定性的关键因素。
文献引用：Jiancheng Wang, Chenyuan Cai, Yifei Wang, Yuxiang Li, Shiwu Zhang, Haoyao Chen*. Screw-based Feature Constraint Model and Degeneracy Analysis for Robotic State Estimation: Theory and Experiments, the International Journal of Robotics Research, 2026.