原文传递
基于点云体素化的多传感器融合SLAM算法研究
| 论文题名： | 基于点云体素化的多传感器融合SLAM算法研究 |
| 关键词： | 汽车驾驶;同时定位与建图算法;点云体素化;多传感器融合 |
| 摘要： | 同时定位与建图(SLAM)是智能驾驶系统的核心功能。随着激光雷达传感器成本的下降，更多的量产车将装配激光雷达。现有流行的基于激光雷达(Lidar)的SLAM算法都面临着如下问题:在场景重复的环境容易定位失败，在大场景中回环检测困难。本文认为造成这些问题的主要原因是激光雷达点云数据结构的缺陷:非结构化和离散化。 为了解决这些问题，本文将激光点云进行体素化处理，增加点云数据的统一描述性，并结合多传感器融合的算法思想，设计了一种基于点云体素化的多传感器融合SLAM算法。主要内容是如何对体素化后的点云进行里程计设计、优化后端设计、回环检测设计，并进行相关实验。本文的主要研究成果如下: (1)针对点云体素化后里程计设计问题，提出了一种基于哈希体素法的Lidar-IMU(惯性测量单元)融合的里程计。其中哈希体素法除了能够以更小内存对空间点云进行统一描述外，还能够在O(1)时间复杂度下管理整个地图。 (2)针对优化后端设计问题，提出了一种基于图优化的多传感器融合后端优化框架。本框架中充分融合了里程计观测、IMU观测、激光点云观测，通过更准确地维护里程计中的体素地图，减少里程计的累积误差。 (3)针对点云回环检测算法设计问题，提出了一种基于点云体素化的回环检测算法。该方案充分利用了点云在笛卡尔坐标和极坐标中不同的体素表达，设计了统一的环境描述子，并通过描述子之间的距离来判定是否产生回环。 本文在公开数据集和实车采集数据进行了大量实验，证明了所提出算法框架在定位精度、建图效率方面都能媲美现有优秀的激光SLAM方案，另外在大场景建图和快速点云关联匹配方面具有明显的优势。 |
| 作者： | 邹昭源 |
| 专业： | 控制工程 |
| 导师： | 杨建华 |
| 授予学位： | 硕士 |
| 授予学位单位： | 浙江大学 |
| 学位年度： | 2022 |
检索历史
应用推荐
