Para lograr una estimación de transformación precisa y robusta en tareas de localización y mapeo simultáneos (SLAM), la integración de múltiples sensores ha demostrado ser efectiva y tener un potencial significativo en aplicaciones robóticas. Nuestro trabajo surge como un sistema SLAM LIDAR-inercial-visual acoplado de manera estrecha y rápida, que comprende tres componentes acoplados de manera estrecha: el módulo LIO, el módulo VIO y el módulo de detección de cierre de bucle. El módulo LIO construye directamente incrementos de puntos de escaneo en bruto en un mapa de nubes de puntos para su coincidencia. El componente VIO realiza la alineación de imágenes al alinear los puntos observados y el módulo de detección de cierre de bucle imparte corrección de error acumulativo en tiempo real a través de la optimización de gráficos de factores utilizando el optimizador iSAM2. Los tres componentes están integrados a través de un filtro de Kalman iterativo de estado de error (ESIKF). Para aliviar los esfuerzos computacionales en la detección de cierre de bucle, se emplea un enfoque de coincidencia de nubes de puntos de grueso a fino, aprovechando Quatro para derivar un estado a priori para las nubes de puntos de fotogramas clave y NanoGICP para el cálculo detallado de la transformación. Las evaluaciones experimentales realizadas en conjuntos de datos abiertos y privados sustentan el rendimiento superior del método propuesto en comparación con enfoques similares. Los resultados indican la adaptabilidad de este método a diversas situaciones desafiantes.