聊比亚迪的SLAM工程师，多传感器SLAM几乎每场面试都会出现。上一篇讲了整体，这篇把多传感器SLAM拆开讲透。

多传感器SLAM：不把这条链路讲清，这题过不去

多传感器SLAM在比亚迪SLAM工程师的面试里属于“看起来简单、问深了全是坑”的那类，面试官最爱顺着它往下刨。

第一题很直接：“比亚迪的仓储叉车用ORB-SLAM3做定位，强光照变化和重复货架纹理导致跟踪频繁丢失，怎么提升鲁棒性？”

回答思路：重复纹理是误匹配主因。引入线特征（PL-SLAM）与语义约束（货架/地面分割）抑制歧义匹配；光照用CLAHE自适应均衡+光度标定前处理。丢失时启用重定位线程，用BoW+主动搜索找回，并结合轮速计/二维码做多源融合兜底。工程上限制局部地图点在5000以内防膨胀，关键帧重叠率<90%才保留，提升建图一致性。对跟踪质量（内点率<30%）做早判，提前切融合而非等完全丢失再救，并把地图点寿命设短避免陈旧点误导。

面试官让把核心逻辑写下来，大概是：

# 多源融合兜底：轮速计 + 视觉重定位位姿 def fuse(odo_pose, vis_pose, vi