原文传递
基于多传感器融合的智能汽车激光SLAM算法研究
| 论文题名： | 基于多传感器融合的智能汽车激光SLAM算法研究 |
| 关键词： | 智能汽车;SLAM技术;地面分割;多传感器;信息融合;非线性优化 |
| 摘要： | 近年来，智能汽车技术迎来了快速发展阶段。其中，同时定位与建图SLAM（SimultaneousLocalizationandMapping）技术已经在智能汽车领域中得到了广泛应用。本课题以多传感器融合SLAM算法作为研究目标，利用激光雷达、IMU（InertialMeasurementUnit）传感器和GPS（GlobalPositioningSystem）传感器开展算法设计。系统主要包含：点云预处理模块、激光里程计模块、关键帧里程计模块、IMU高频里程计模块、回环检测模块和后端优化模块。 预处理模块利用IMU高频里程计输出的姿态信息，完成点云运动补偿。通过多区域地面分割算法，提取地面点云。根据基于特征值的信息分析方法，从非地面点云中，提取出具有不同几何属性的特征点云，建立相应的残差模型，构建多特征激光里程计。关键帧里程计模块通过基于流形空间的紧耦合优化方法，同时融合不同类型的点云特征和IMU传感器的原始数据，增强不同传感器之间的数据关联。IMU高频里程计利用优化后的参数信息，进行连续姿态预测，实时输出智能汽车的定位信息。 后端优化模块负责完成全局因子图优化，并加入多种信息约束，包括：关键里程计因子、回环因子、法向量一致性因子和先验信息因子等。同时为了提高系统长时间运行精度，在GPS信号良好的环境中，添加先验位置信息约束。最后，通过联合最大化后验估计，对全局姿态进行增量优化，提升算法在不同场景中，运行的鲁棒性和点云地图重建的一致性。 本文针对单一传感器无法完成智能汽车长时间、高精度的定位和导航任务，设计了基于多传感器融合的激光SLAM算法。有效提升了智能汽车在不同场景行驶中的定位精度，为智能汽车的规划系统，提供准确的位置和姿态信息。 |
| 作者： | 周朋伟 |
| 专业： | 汽车电子工程 |
| 导师： | 过学迅 |
| 授予学位： | 硕士 |
| 授予学位单位： | 武汉理工大学 |
| 学位年度： | 2022 |
检索历史
应用推荐
