基于Cartographer的激光SLAM系统关键技术分析与评估

发布时间：2020-11-06 17:18

　　 车载移动测量系统通过GNSS/INS获得载体高精度位置和姿态(下称“POS”),但在城市街道等环境下GNSS信号经常失锁,单独使用INS解算的POS误差随时间累积,载体平台POS精度受到严重影响甚至不可用,需要其它传感器辅助获得高精度POS,LiDAR凭借观测信息丰富、测量精度高及出色的全天候工作能力成为首选,激光SLAM算法发展为LiDAR与INS融合解算POS提供技术支撑。完整的激光SLAM系统除底层SLAM算法外,还涉及多传感器集成、数据获取与可视化(下称“SLAM系统上层”)等技术。机器人操作系统ROS包含导航功能包、坐标系统和3D可视化工具等,能够加快激光SLAM系统开发,Google于2016年9月开源Cartographer算法平台为激光SLAM系统实现提供参考,但除官方文档外,目前关于该平台介绍较为片面且不系统,难以利用该平台优势快速开发。基于以上特点,本文研究基于Cartographer构建完整的激光SLAM系统,分析涉及关键技术并评估系统精度,为合理利用Cartographer和下一步解决GNSS信号失锁时POS估计问题提供参考,研究工作主要包含以下内容:1)研究完整激光SLAM系统关键技术及Cartographer源码逻辑,分析Cartographer平台在算法和效率方面的优势,包括点云数据预处理、激光SLAM前端、后端图优化和回环检测等方面。2)分析非线性优化库Ceres Solver和G2O的优劣,Cartographer基于Ceres Solver实现图优化,本文基于G2O实现图优化并替换Cartographer源码对相同数据处理,通过统计耗时分析。针对Pose-Graph,Ceres Solver相对G2O效率高,但G2O内部定义了图优化中常用顶点和边等类型,实现更加便捷;3)基于ROS实现战术级惯导STIM 300驱动,用于获取传感器数据,并给出通用传感器驱动设计流程,为ROS平台上使用传感器提供参考;4)构建2D和3D激光SLAM系统,包括硬件平台和基于Cartographer的软件平台,通过实验分析激光SLAM系统关键技术后端优化、回环检测和检校误差对后处理点云的影响,并基于承重柱体和标靶球设计方案评估系统精度,经计算,2D SLAM室内精度为5-6cm,3D SLAM室外精度为10-15cm。此外,为灵活运用Cartographer算法平台并借助该平台开发,结合理论和实验对涉及参数进行分析。
【学位单位】：山东科技大学
【学位级别】：硕士
【学位年份】：2018
【中图分类】：P228.4
【部分图文】：

匹配获得顿间点云的平移和旋转，如Ｃａｒｔｏｇｒａｐｈｅｒ中采用的方式ｂ５１。??目前，激光ＳＬＡＭ算法逐步形成了以扫描匹配为前端，图优化为后端并配??以回环检测的算法框架，通用的激光ＳＬＡＭ算法见图１．２。??ｒ?ＳＬＡＭ?前端?１?｜?ＳＬＡＭ?后端?；??｜?！?Ｉ??ｈｉ—?—?Ｉ?｜?｜??Ｉ?Ｉ?ＩＭＵ?ＧＮＳＳ?Ｉ?Ｉ?，??—?Ｉ??Ｉ数据?数据Ｉ??Ｌ，??一位置Ｉ??Ｉ＆１?ｒ；?姿态?ｉ??＇—Ｉ—＇?！?ｉ??１?Ｔ?????Ｉ?????Ｉ?Ｉ????Ｉ?传感器数据??ｉ?扫描匹配?Ｊｊ?ｉ?非线性优化?最优??Ｉ?预处理?ｔ局部地图构建＞?（图优化）?１?地图??Ｉ丨?丨?Ｉ?Ｉ?Ｉ????Ｉ?２?Ｉ??｜??????Ｉ?｛??Ｉ?Ｉ?Ｉ?——?Ｉ?丨??Ｉ??｜??１??「．．．里Ｉ?｜??丨１ｆ?＝?ｉ计数Ｉ??ｒｆ?回环检测——??｜数据Ｉ据｜?丨?Ｉ??Ｉ?｜?１??Ｉ??Ｉ?Ｉ?Ｉ?１??图１．２通用激光ＳＬＡＭ算法流程图??Ｆｉｇ．?１．２?Ｇｅｎｅｒａｌ?ｌａｓｅｒ?ＳＬＡＭ?ａｌｇｏｒｉｔｈｍ?ｆｌｏｗ?ｃｈａｒｔ??１．２．２基于ＲＯＳ的ＳｂｔＳＬＡＭ系统??完整的激光ＳＬＡＭ系统至少包含以下三部分：①多传感器集成与数据获取；??②底层ＳＬＡＭ算法；③构建①和②间的桥梁，即调用ＳＬＡＭ算法处理数据并对??处理结果可视化

为机器人行业的事实标准，ＲＯＳ正借助开源社区的力量迅速发展，大大降低了进??入相关行业的门槛。??基于ＲＯＳ构建完整的激光ＳＬＡＭ系统如图１．３所示，系统包括①基于ＲＯＳ??的多传感器集成、②底层ＳＬＡＭ算法和③基于ＲＯＳ的数据处理，这里概述①和??③涉及的关键技术。??！??：基于Ｒ０Ｓ多传丨①数据丨手Ｒ０Ｓ的数②数据ｆＵ厂??感器集＾?１?ｈ据处理?ＳＬＡＭ算法??③数据获ｉｘ与对视化??上层｜?底层??图１．３基于ＲＯＳ的激光ＳＬＡＭ系统??Ｆｉｇ．?１．３?Ｌａｓｅｒ?ＳＬＡＭ?Ｓｙｓｔｅｍ?ｂａｓｅ?ｏｎ?ＲＯＳ??１．

山东科技大学硕士学位论文?绪论??ｓｃａｎ组成，累积一定数目ｓｃａｎ?（下称为“ｓｃａｎｓ”或“巾贞”）后使用顿与ｓｕｂｍａｐ匹配??的方式将点云插入地图，该方式能够在一定程度上限制累积误差，在没有ＩＭＵ??提供初值情况下，高采样率的ＬｉＤＡＲ仍然鲁棒和高效［２６３５］。??ｓｕｂｍａｐｓ由一定数目的ｓｕｂｍａｐ组成，通过对ｓｕｂｍａｐ的调度，完成ＰＯＳ估??计和地图构建。Ｃａｒｔｏｒａｈｅｒ算法总体流程见图１．４。??
【相似文献】

相关期刊论文 前9条

1 祁健诚;;基于双目SLAM的室内导航系统[J];通讯世界;2019年01期

2 吴林峰;王录涛;;图优化SLAM的嵌入式处理技术[J];成都信息工程大学学报;2019年02期

3 卢天利;;基于地面匹配的单目SLAM局部尺度恢复[J];工业控制计算机;2019年08期

4 罗润鑫;余柳平;陈梦强;黄军;邬依林;;SLAM问题中机器人定位误差分析与控制[J];科学技术创新;2019年26期

5 董蕊芳;柳长安;杨国田;程瑞营;;基于图优化的单目线特征SLAM算法[J];东南大学学报(自然科学版);2017年06期

6 蔡来良;杨望山;王姗姗;朱学练;;SLAM在室内测绘仪器研发中的应用综述[J];矿山测量;2017年04期

7 杨祥红;王希彬;;无人机主动SLAM技术研究[J];系统仿真技术;2015年04期

8 王超杰;苏中;连晓峰;赵旭;;搜救环境中的仿生蛇形机器人SLAM方法[J];计算机工程与设计;2015年08期

9 吴晓琳;宋萌;苑晶;孙凤池;陶通;;通讯范围受限条件下的多机器人主动SLAM[J];系统工程与电子技术;2012年10期

相关博士学位论文 前10条

1 王洪玲;移动机器人适应搜救环境的同时定位和地图构建（SLAM）方法研究[D];山东大学;2018年

2 刘丹;智能车辆同时定位与建图关键技术研究[D];北京工业大学;2018年

3 陈孟元;移动机器人仿生SLAM算法研究[D];中国科学技术大学;2019年

4 张超凡;基于多目视觉与惯导融合的SLAM方法研究[D];中国科学技术大学;2019年

5 金红岩;PPRV全长基因克隆及H蛋白与SLAM受体相互作用的研究[D];中国农业科学院;2014年

6 王丹丹;水下无人潜器同步定位与地图生成方法研究[D];哈尔滨工程大学;2017年

7 苑全德;基于视觉的多机器人协作SLAM研究[D];哈尔滨工业大学;2016年

8 赵一路;人机交互环境下的主动SLAM及相关问题研究[D];复旦大学;2013年

9 刘浩敏;面向复杂环境的鲁棒高效的三维注册与结构恢复[D];浙江大学;2017年

10 康轶非;不依赖GPS定位理论及方法研究[D];北京交通大学;2015年

相关硕士学位论文 前10条

1 邹思源;针对小目标的多雷达系统技术研究与其在复杂电磁环境散射建模中的应用[D];上海交通大学;2017年

2 刘艳萍;卷积神经网络在SLAM视觉里程计中的研究与应用[D];山东科技大学;2018年

3 冯东恒;基于Cartographer的激光SLAM系统关键技术分析与评估[D];山东科技大学;2018年

4 韩雨;基于双目视觉的无人车非结构环境SLAM算法研究[D];北京理工大学;2017年

5 李文强;融合语义分割高精双目视觉SLAM系统优化研究[D];华中科技大学;2019年

6 胡万里;室内动态环境下的移动机器人视觉SLAM研究[D];华中科技大学;2019年

7 罗鸿城;基于卷积神经网络的实时单目稠密建图方法研究[D];华中科技大学;2019年

8 徐磊;移动机器人Graph-SLAM系统开发及应用研究[D];华中科技大学;2019年

9 杨辰斐;WiFi信号辅助视觉SLAM的方法研究[D];燕山大学;2019年

10 刘茵;微小型移动机器人的视觉SLAM研究[D];燕山大学;2019年

本文编号：2873432