原文传递
多源信息融合定位与建图技术研究
| 论文题名： | 多源信息融合定位与建图技术研究 |
| 关键词： | 自动驾驶;卡尔曼滤波;定位系统;多传感器融合;SLAM技术 |
| 摘要： | 对于自动驾驶系统而言，精确且稳定的定位信息是其作出智能化决策及安全行驶的前提，这离不开目前在学术界和工业界均受到广泛关注的同步定位与地图构建(Si-multaneousLocalizationandMapping,SLAM)技术。全球导航卫星系统（GlobalNavigationSatelliteSystem，GNSS）、惯性测量单元（InertialMeasurementUnit,IMU）、相机和激光雷达(LiDAR)都可以独立进行运动估计，但其性能和适用场景大不相同。因此，单独的定位传感器难以满足现代智能设备在复杂环境中的定位需求。增加传感器冗余度是提高定位系统性能的有效方法之一。然而，目前仍然缺乏能够有效集成上述定位传感器的SLAM系统。 本文结合激光SLAM的研究现状以及多传感器融合定位的发展趋势，旨在实现移动机器人的智能化，提高其在大尺度复杂环境中的定位性能和环境地图重建能力，研究并设计了一套基于激光雷达/相机/IMU/GNSS的实时融合定位与建图系统。该系统可以融合IMU、激光雷达、相机、间歇性GNSS以及回环检测的测量信息，以实现大尺度环境下的实时高精度定位和地图构建。 为了提高感知信息的时空基准一致性，本文研究并设计了传感器时间同步系统和传感器自动化外参标定系统，两系统分别可以实现GNSS、激光雷达、相机以及IMU之间的微秒级时间同步，以及快速且精准地标定出以上传感器间的相对刚体变换参数。 针对上述传感器的测量特性，本文研究了基于激光雷达/IMU/相机的里程计算法，旨在实现高频且精确的短期运动估计。算法应用迭代误差状态卡尔曼滤波器实现激光雷达、IMU和相机测量信息的紧耦合，从而完成高精度且高计算效率的激光雷达帧间相对运动估计。由于相机测量对激光雷达的辅助，本系统可以在激光雷达测量退化的场景下依然保持稳定的定位能力。 为了实现高精度三维地图重建，本文研究了基于里程计/回环检测/GNSS的建图算法，利用位姿图优化技术融合里程计算法输出结果、间歇性GPS测量和回环约束，对全局位姿进行高精度估计以及全局地图重建。提出了一种基于IMU预积分理论和残差卡方检验的GNSS异常测量点检测方法。该方法可以迅速检测出GPS输入的离群定位点，避免异常GNSS测量对系统的影响。此外，提出了一种基于点云描述子的全局回环检测方法。回环检测器可以全局搜索出历史感知信息中几何特征相似的点云对，并且评估场景相似度，进而通过因子图优化修正位姿图中的误差。 最后，本文通过设计一系列的实验，将所提出方法的性能与最先进的方法进行了详实的比较。实验结果表明，本文设计的SLAM系统具有良好的鲁棒性和准确性，能够完成大尺度环境下的定位和建图任务。 |
| 作者： | 赵家俊 |
| 专业： | 控制科学与工程 |
| 导师： | 李攀硕;吴元清 |
| 授予学位： | 硕士 |
| 授予学位单位： | 广东工业大学 |
| 学位年度： | 2023 |
检索历史
应用推荐
