详情

原文传递基于智能汽车感知系统的高精度地图离线构建方法研究

论文题名：	基于智能汽车感知系统的高精度地图离线构建方法研究
关键词：	智能汽车感知系统;地图构建;点云滤波;位姿图优化;闭环检测;IMU融合
摘要：	自动驾驶等领域已成为汽车行业内的热门领域，自动驾驶等功能的安全性离不开高精度地图的辅助。如今大多数车辆出行时，都需要地图的辅助，高精度地图为智能汽车行业提供了新的技术路线，同时也推动了自动驾驶技术行业的快速发展。　　目前，各大汽车厂商推出的智能汽车都具备自适应巡航、路径规划等自动驾驶功能，其车机系统中的车载导航模块大部分都是由专门的地图服务商开发提供，如高德地图、百度地图等，小部分是汽车厂商自行开发的地图模块。但上述地图导航软件普遍是民用化，需要驾驶员实时关注并操作，自动驾驶系统无法自行与地图软件进行交互，地图导航软件对智能汽车的适用性不强。　　现阶段很多室内或有限场地配备的自动导引运输车都应用SLAM技术实现区域内建图和自主定位。其成本低，但自身所搭载的传感器少，建图规模和能力有限，普遍只应用于室内场地，仅支持车速相对较低的行驶状态。智能汽车搭载的传感器普遍数目多且精度高。本文试图探索一种基于智能汽车自身传感器，同时将SLAM技术应用到智能汽车的建图与定位上，构建一种适用于室外大型场景、信息量更大的高精度地图。　　针对上述问题，本文主要进行了以下研究工作：　　第一，比较了通用的点云配准算法，选择总体性能更好的NDT配准方法作为本次实验中点云配准方法。然后使用滤波器对点云进行下采样和移除离群点，从而相对提高配准效率和地图精度。接着在通过地面点云滤除算法，分割出非地面物体，如车辆、建筑物、植物等，由此获取适用于高效配准和定位的非地面点云数据。　　第二，探索一种基于图优化的三维建图方案，在原始仅有里程计的位姿图中添加GNSS约束和闭环检测约束，将定位误差控制在合理范围内，并且有效降低误差并提高地图的一致性。通过对各传感器进行了时间同步，使数据在时间层面上更加精准。随后对激光雷达进行内参和外参标定，并使各传感器和车辆之间建立起运动位姿的转换关系，实现数据在空间上的同步。通过融合IMU数据，对由于车辆移动造成的运动畸变进行补偿，做到了点云运动畸变分析与校正，加快了算法的处理速度。　　最后，进行实验所用的智能车实验平台的搭建，并开发实验系统的软件环境、硬件环境。通过进行融合IMU数据和基于图优化的三维建图算法实验，得到校园场景的三维地图。将本文的实验结果与传统算法的结果相对比并对其结果进行分析。实验结果表明，通过本文提出的地图构建方法得到的三维地图精度更高、一致性更好，解决了地图点云稀疏、误差大带来的精度低等问题，为智能汽车的安全出行做了铺垫，说明本文的方法是有效的。
作者：	李昕聪
专业：	车辆工程
导师：	贾鑫
授予学位：	硕士
授予学位单位：	吉林大学
学位年度：	2023