原文传递
基于多传感器融合的SLAM算法研究
| 论文题名： | 基于多传感器融合的SLAM算法研究 |
| 关键词： | 自动驾驶;多传感器融合;SLAM算法;回环检测;全局描述符 |
| 摘要： | 随着人工智能领域相关技术的发展，自动驾驶逐渐成为了该领域的热点方向。自动驾驶因其拥有的广阔的市场前景和巨大的发展潜力，逐渐占据了人们的视野，从幕后走到了台前。作为自动驾驶领域重要技术的同步定位与建图（SimultaneousLocalizationandMapping，SLAM），因其能够在未知环境下进行建图和定位而被国内外专家学者所关注。 单一传感器构建的SLAM系统由于数据信息量的不丰富，导致其在估计运动载体位姿（位置和姿态）时的准确程度是不同的，进而影响地图的精度和质量。同时单一传感器存在观测误差时，会造成系统对于运动载体的位姿出现错误的估计，无法保证系统的鲁棒性。多传感器融合的SLAM系统采用不同传感器采集数据并估计车辆自身运动状态，能够充分发挥不同传感器的数据特点，实现对载体位姿有效和准确的估计。同时相较于单一传感器构建的SLAM系统，基于多传感器融合的SLAM系统能够进行多传感器的数据补偿，在一定程度上减小系统的观测误差，并提升整体系统的健壮性。因此，基于多传感器融合的SLAM算法能够有效地提高SLAM建图精度，为自动驾驶提供安全有效的保障。 本文主要进行基于多传感器融合SLAM建图算法的研究，在传统SLAM算法的框架上做出了以下贡献： 1）针对上述提到的单一传感器存在的两点问题，本文设计了一种基于因子图的多传感器融合SLAM建图框架。使用前端里程计因子、IMU预积分因子和基于关联域的回环检测因子添加位姿约束。 2）针对SLAM算法长距离建图普遍存在的累积误差问题，本文提出了一种新的回环检测方法。该方法设计了一种新的点云空间全局描述符，同时优化描述符匹配维度，有效缩短了匹配时间，提高了回环检测的准确性和有效性。 3）针对传统大地图拼接需要手工或者半自动的方式，本文提出了一种基于回环检测的多包合并建图机制。该机制在基于因子图的后端优化过程中进行工作，实现了自动化的地图拼接功能。 4）本文利用实验室数据采集平台针对校园环境构建了校园数据集，为算法提供线下的校园实验环境。本文通过在KITTI和校园数据集上构建回环检测实验、SLAM算法实验和多包合并建图实验，来验证本文算法效果。 |
| 作者： | 丁韩 |
| 专业： | 软件工程 |
| 导师： | 王刚 |
| 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
