原文传递
视觉与惯导融合的无人车定位技术研究
| 论文题名： | 视觉与惯导融合的无人车定位技术研究 |
| 关键词： | 无人车;点线融合;亚像素角点;回环检测;多传感器融合 |
| 摘要： | 实现无人车自主导航需要感知、决策和控制等技术支持。环境感知技术是无人车辆实现自主导航的前提，而且定位技术是环境感知技术的基础，也是无人车导航部份核心技术之一。由于用单一传感器定位无法满足无人车定位需求，故选择多传感器融合定位方式已经成为必然需求。本文针对无人车定位难题，提出了基于点线特征融合的视觉惯导SLAM定位算法，旨在解决无人车在复杂环境定位的难点。本文主要的研究内容如下： 提出了点线特征融合的视觉里程计，在点特征部分为获得更精细的角点位置，采用Shi-Tomasi角点算法进行粗提取获得像素级角点坐标，在此基础上再利用亚像素角点算法进行更精细的提取获得正确的角点位置。线特征部分为解决线特征提取耗时大的问题，本文采用EDLine算法进行线特征提取以及LBD算法进行线特征描述；针对EDLine算法提取线特征存在大量短线而造成错误匹配的问题，提出采用长度抑制策略将短线进行剔除。同时，分析上述过程中点线特征的重投影误差模型的原因，并且使用LM算法优化重投影误差。通过仿真试验，试验结果表明本文提出的点线特征提取与跟踪算法在弱纹理环境中仍有较好的特征提取效果，保证系统定位的精度和鲁棒性。 提出了一种点线融合的视觉惯导SLAM定位算法。针对后端非线性优化模块数据维度过大以及存在误差累积的问题，本文构建新的目标函数，将点线重投影误差以及IMU误差整合起来，并采用滑动窗口策略，有效降低了系统运行中的误差和提高了运行速度。为提高系统定位的鲁棒性，采用基于点线词袋的回环检测模块，从而提高回环检测的准确率与召回率，通过KITTI数据集对本文回环检测算法进行验证，试验表明本文回环检测算法准确率和召回率都优于传统点特征词袋回环检测算法；通过EUROC数据集对本文SLAM定位算法进行仿真验证，试验结果表明本文算法在复杂环境中定位效果优于VINS_Mono算法、PL_VINS算法。 最后搭建试验平台在真实场景中进一步验证本文算法。将小觅相机、无人车平台组成一套移动平台，在真实场景中进行回环检测试验和定位轨迹试验，试验结果表明本文算法的具有更高定位精度，同时算法可移植性好。 |
| 作者： | 吕德祯 |
| 专业： | 工程(车辆工程) |
| 导师： | 廖林清;屈翔;周斌 |
| 授予学位： | 硕士 |
| 授予学位单位： | 重庆理工大学 |
| 学位年度： | 2022 |
检索历史
应用推荐
