原文传递
基于多传感器融合的大范围地图构建和高精度定位算法的研究
| 论文题名： | 基于多传感器融合的大范围地图构建和高精度定位算法的研究 |
| 关键词： | 无人驾驶;SLAM技术;激光雷达;全局描述符;多传感器融合 |
| 摘要： | 近年来，随着人工智能技术的快速发展，自动驾驶也慢慢进入了人们的视野，并成为人工智能领域的一个研究热点。自动驾驶系统主要包含感知、定位、决策、规划、控制等模块。即时定位与建图（SimultaneousLocalizationandMapping，SLAM）是定位模块中的一项关键技术，用于构建高精度地图和定位无人车的位置。准确鲁棒的定位不仅为无人车的导航和规划控制提供辅助信息，也为无人车的安全性提供了支撑。 目前的主流SLAM算法通过回环检测的方式来降低激光里程计的累积误差，但是在大范围的户外环境中，有些场景并不一定存在回环，从而造成里程计不断累积误差。而且在预先构建好的地图上进行全局定位时，由于地图是由离散的关键帧构成的，这使得当无人车的初始位置处在地图关键帧之间或者不在建图轨迹上时，无法直接通过和地图关键帧之间的关系来准确的估计无人车位姿，导致全局定位失败。 对此本文采用激光雷达、IMU、GPS作为传感器，并提出一种适用于户外大场景的建图和定位算法。本文的主要创新内容如下： （1）针对场景中不存在回环时，激光里程计不断累积误差的问题，本文通过因子图选择性地融合GPS的先验信息来降低无人车建图时的累积误差，即使在没有回环的情况下也能构建高精度点云地图。 （2）针对无人车初始位置偏离建图轨迹时无法进行全局定位的问题，本文提出了一种具有平移和旋转不变性的全局描述符。该描述符基于去动态物体、去坐标系、去中心化的思想，能够用于后续无人车的全局定位。 （3）针对无人车先验位置不准确导致全局定位失败的问题，本文在全局描述符的基础上，提出了一种全局定位算法。该算法先通过描述符匹配来进行粗定位，然后根据当前帧描述符与地图关键帧描述符之间的相似度，在粗定位结果的周围动态划取一个搜索范围，并在该范围内进行精定位。 （4）在全局定位之后，本文还引入紧耦合的因子图优化模型融合激光雷达，IMU和地图先验信息，实现了实时、稳定的追踪定位，并在高精地图上实现了车道级的定位。最后在KITTI数据集和真实的校园场景中对本文提出的方法进行实验验证，大量的实验结果证明了本文所提出的算法达到了主流算法的水平。 |
| 作者： | 陈永喆 |
| 专业： | 计算机科学与技术 |
| 导师： | 张浩 |
| 授予学位： | 硕士 |
| 授予学位单位： | 吉林大学 |
| 学位年度： | 2023 |
检索历史
应用推荐
