原文传递
基于激光雷达和惯导耦合的室外SLAM研究与实现
| 论文题名： | 基于激光雷达和惯导耦合的室外SLAM研究与实现 |
| 关键词： | 汽车自动驾驶;同时定位与建图;激光雷达;惯导系统 |
| 摘要： | 状态估计是自动驾驶驾驶汽车等自主平台实现导航、避障和规划等功能的必要条件，基于多传感器融合的同时定位和建图（ Simultaneous Localization and Mapping ， SLAM）技术可以在未知环境下的实现更高精度的车辆自主定位与增量式地图构建工作，因此近年来受到广泛关注。 本文在分析室外道路场景多动态物体的特点后，针对目前的激光雷达惯性里程计在此场景下存在精度低、鲁棒性不足等问题，提出一种 3D 激光雷达和惯导紧耦合SLAM 算法。使用多线程实时完成基于动静点分割的点云特征提取、激光雷达里程计、激光雷达和惯导紧耦合图优化、回环检测等步骤，相比于目前热门算法做出如下改进： （1）提出一种适用于激光雷达和惯导耦合SLAM系统的实时点云动静点分割方法。利用点云投影的距离图像和基于惯性测量单元（Inertial Measurement Unit，IMU）预积分生成的相邻帧点云残差图像，使用深度网络完成点云动静点分割，通过实验表明点云特征仅从静态物体提取且保留场景中可移动但当前处于静止状态的物体，降低动态物体造成的帧间特征关联误差。 （2）改进帧图匹配策略，提出特征距离和反射强度相结合的点云匹配方法。将LIO-SAM 算法后端全局因子图优化部分改为基于关键帧的滑动窗口优化策略，通过紧耦合优化将 IMU 的状态与激光雷达共同构建运动方程和观测方程，以进行状态估计，实现相比于原算法更高精度的位姿估计，在自采数据和公开数据上通过实验表明相比于原算法可有效降低输出的位姿误差。 （3）提出更高鲁棒性的回环检测算法，在 Scan Context 回环检测算法的基础上，使用主成分分析建立校正局部坐标系下，降低视角变化引起的不匹配问题。对特征描述符生成策略进行改进，加入距离信息完成点云的相似性判断，提出新的相似度计算公式。将改进的回环检测算法集成到本文提出的 SLAM 方案中，实验结果表明相比于使用改进前的回环算法取得了更优的结果。 |
| 作者： | 陈学攀 |
| 专业： | 计算机应用技术 |
| 导师： | 丁军娣;任明武 |
| 授予学位： | 硕士 |
| 授予学位单位： | 南京理工大学 |
| 学位年度： | 2021 |
检索历史
应用推荐
