详情

原文传递基于激光点云特征和强度的多传感器融合定位与环境构建方法研究

论文题名：	基于激光点云特征和强度的多传感器融合定位与环境构建方法研究
关键词：	智能汽车;传感器;多传感器融合;点云特征结合强度信息
摘要：	作为推动汽车智能化发展的重要技术，自动驾驶已经成为了当今的研究热点。在高级别自动驾驶的技术体系中，定位与环境构建能够输出高精度的车辆位置姿态数据和高质量的环境地图，为后续的规划控制等环节提供重要的基础信息，对整体自动驾驶任务的安全性与效率有着决定性影响。现阶段，基于单一传感器的定位或环境构建方法种类多样，但都存在着明显的短板，而多传感器融合的方案能够充分结合各传感器的优势，利用互补性增强整体的精度和鲁棒性，因此成为了重点研究方向。　　在各种传感器中，激光雷达拥有较高的环境测量精度，不易受光照等条件影响，故本文针对以激光雷达为基础的多传感器融合定位与环境构建方法展开研究。由于主流的融合方法主要依赖激光点云的结构化特征，在特征分布失衡、大范围多干扰的场景中，其里程计、闭环检测等部分都会受到直接的影响，出现较大的局部或全局误差，导致整体定位与环境构建精度的降低。因此，针对定位与环境构建方法存在的具体问题，本文分别在激光雷达里程计、基于多传感器的误差修正、多传感器的融合框架方面进行了研究，提出了基于激光点云特征和强度的多传感器融合定位与环境构建方法，并利用丰富且有针对性的场景数据进行了实验验证。核心内容可分为以下4个部分：　　（1）结合点云特征和强度信息的激光雷达里程计　　里程计是定位与环境构建方法的重要基础，针对主流里程计在点云疏密不均、特征失衡场景中的精度下降问题，本文提出了结合点云特征和强度信息的激光雷达里程计。首先通过点云预处理减少激光雷达原始数据的规模和基础误差，获得矫正后的激光点云；随后基于曲率数据提取空间点云的结构化特征，形成稳定的线面特征集合；在此基础上，充分挖掘激光的反射强度信息，提出了结合特征和强度的点云配准方法，利用特征和强度的双重信息，提高了激光里程计在特征失衡场景中的精度。　　（2）定位与环境构建的局部及全局误差修正　　误差修正对定位与环境构建的精度及鲁棒性至关重要，针对激光里程计在车辆快速运动中的鲁棒性差、长距离行驶下的误差大等问题，本文基于多种传感器信息建立了定位与环境构建的误差修正模块。首先通过预积分将IMU的高频位置姿态测量转化为激光点云配准的先验信息，修正里程计的局部误差，并增强其在快速运动中的鲁棒性；其次采用了基于双层描述子的闭环检测方法，通过由粗到精的搜索匹配，改善了大范围、高动态环境中的点云关联质量，修正了全局定位误差；最后对车载GNSS数据进行质量检测，利用其提供的位置观测，提高了定位与环境构建的全局精度。　　（3）结合里程计与修正模块的多传感器融合定位与环境构建　　里程计与修正模块的结合、多种传感器的融合，提高了定位与环境构建方法的全局精度及鲁棒性。本文首先基于关键帧的概念，存储与管理车辆的位置姿态数据及环境的特征点云，通过关键帧的优化调整，进一步结合了里程计与修正模块中的相应信息；其次采用因子图的框架，将激光雷达、IMU和GNSS的传感器信息转化为相应的观测节点，与车辆的状态节点相连接，构建出整体的多传感器融合因子图；最后通过因子图内不断更新的多种约束，优化了车辆的全局位置姿态信息，并利用修正后的局部地图建立了环境的全局点云地图，获得了高精度的定位与环境构建结果。　　（4）定位与环境构建的实验测试及结果分析　　最后，本文搭建了基于ROS的测试平台，按照半开放到开放、难度递进的场景顺序，开展了有针对性的实验测试；通过和真值及开源方法的纵向横向对比，对所提出的方法进行了综合评价。多场景的图表数据及联合分析表明，结合点云特征和强度信息的里程计、局部及全局误差修正模块取得了较好的实际效果，整体的定位与环境构建方法在多种场景中保持了较高的精度和鲁棒性，能够输出稳定的车辆定位数据和高质量的环境点云地图。　　本研究受企业科研项目“东风乘用车自主智能辅助驾驶系统的研发和应用”（项目编号：HT19070901-04）、吉林省科技发展计划重点研发项目“混行交通场景下自动驾驶汽车智能度测试与评价关键技术”（项目编号：20230201109GX）的资助。
作者：	吴宇
专业：	车辆工程
导师：	曲婷
授予学位：	硕士
授予学位单位：	吉林大学
学位年度：	2023