动态场景下多传感器信息融合的机器人定位技术研究.pdfVIP

摘要

摘要

为提高移动机器人的自主性和智能性，首先需要实现可靠的自主导航，而自

主导航的前提是精确、鲁棒的实时定位。本文面向存在动态特征干扰的室外场景，

对SLAM（SimultaneousLocalizationandMapping）定位算法展开理论研究，提出

一个基于多传感器信息融合的移动机器人定位框架。

该定位框架融合激光雷达和惯性测量单元的测量数据。首先对两种传感器的

参考坐标系进行定义，并且在此基础上实现传感器外参标定。对运动中激光雷达

产生的点云畸变进行矫正，通过对IMU预积分补偿激光雷达在扫描时间间隔内的

运动，输出补偿后的点云用于后续处理流程。针对场景中存在的动态特征，进行

动态点云实时检测和滤除，将三维点云转换成二维深度图，对相邻帧点云构成的

深度图进行差分，在差分深度图的基础上通过自适应阈值法筛选出动态点，并在

初始动态点的基础上进行点云聚类，完善动态点检测。

基于优化的点云配准方案实现激光雷达里程计，在配准前的近邻点有哪些信誉好的足球投注网站阶段

采用一种增量式体素八叉树的数据结构代替传统的树形有哪些信誉好的足球投注网站结构，极大地提高了

近邻点的有哪些信誉好的足球投注网站效率。配准采用点到面残差计算方案并在配准的数据关联阶段增加

法向量约束以减少错误匹配点对，降低求解优化的迭代次数。基于微小旋转角的

假设，采用一种将非线性优化问题转化为线性优化问题的求解方法，提高求解优

化时的计算效率。

多传感器融合定位框架包括激光惯性里程计和回环检测两个部分。在激光雷

达里程计的基础上融合IMU数据进行联合优化，采用迭代误差状态卡尔曼滤波器

进行状态估计，实现两种传感器数据的紧耦合，并简化卡尔曼增益计算方式，实现

了激光惯性里程计。在此基础上增加回环检测，实现定位闭环，采用全局描述符

表示一帧完整点云的特征，并采用与该描述符对应的相似度计算方法实现与关键

帧点云的匹配，消除累积误差，实现全局一致的定位。本文在实际场景和数据集

条件下进行精度验证，结果表明，在小规模场景下定位精度为0.1米左右，在大规

模场景下定位精度为1米左右。

关键词：机器人定位；SLAM；动态检测；非线性优化；回环检测；卡尔曼滤波

-I-

Abstract

Abstract

Autonomousnavigationisthekeytoimprovetheintelligenceofmobilerobots,and

thepremiseofautonomousnavigationisaccurateandreal-timelocalization.Orientedto

outdoorscenewithdynamicfeature,thisthesisconductsresearchonSLAMtechnology,

andproposesamobilerobotlocalizationframeworkbasedonmulti-sensorinformation

fusion.

Theproposedlocalizationframeworkfusesmeasurementsfromlidarand

IMU(InertialMeasurementUnit).Firstly,thereferencecoordinatesystemofthetwo

sensorsisdefined,andtheexternalparametercalibrationofthesensorsisrealizedonthis

basis.ThepointclouddistortiongeneratedbythemovinglidariscorrectedbytheIMU

pre-integration,andthecompensatedpointcloudisoutputfor