基于激光雷达和惯性测量单元的智能车辆地图构建方法研究

发布时间：2021-08-07 10:47

　　高精地图是智能车辆实现完成驾驶任务过程中最基础和最关键的部分,如何构建出精度高、便于使用的地图一直是智能驾驶领域所研究的重点和难点。目前,智能车辆的应用主要是特种车辆在特定场景下的自动驾驶应用,这些场景往往同时涉及室内与室外环境,因此构建室内外一体化地图具有重要的现实意义。本文针对特殊场景研究了基于激光雷达和惯性测量单元（Inertial Measurement Unit,IMU）融合的智能车辆地图构建方法。本文的研究内容主要包含以下几个方面:针对传统激光雷达建图方法存在的累计误差大、建图效果差的问题以及各种多传感器融合建图方法的不足,研究了基于激光雷达和惯性测量单元融合的点云地图构建方法。首先,在传统激光雷达建图方法中引入惯性测量单元数据消除激光雷达的运动误差并采用基于特征的方法进行点云匹配;然后,根据激光雷达约束项和惯性测量单元约束项构建联合优化模型,通过求解优化模型来估计车辆的运动姿态并根据估计结果构建点云地图。针对传统地图格式复杂、不适于智能车辆使用的问题,结合智能车辆对地图的需求,研究面向智能车辆的地图生成方法。首先,根据驾驶场景的特点和智能车辆对于地图的需求确定了该场景中智... 

【文章来源】：重庆邮电大学重庆市

【文章页数】：87 页

【学位级别】：硕士

【部分图文】：

四维图新地图采集车

重庆邮电大学硕士学位论文第1章绪论9产品制作，并发布部分城市道路自动驾驶地图数据。图1.4为四维图新公司构建的高精度地图。图1.3四维图新地图采集车图1.4四维图新构建的高精度地图TomTom是一家主营业务为地图、导航和GPS设备的荷兰公司[26]。作为老牌地图商，TomTom在很早以前就开始在高精度地图方面进行了布局。2017年TomTom高精度地图已覆盖全球近38万公里。2017年7月，TomTom宣布与百度合作，共同创建中国高精度地图。德国的地图供应商HERE公司于2009年开始对高精地图进行采集和设计，同时与宝马、戴勒姆和奥迪等主机厂合作，一起定义地图技术的规格[27]。除了配备自己的测绘车，HERE还通过利用大量的私家车数据，建立高精地图的动态循环体系，让高精地图的数据、用户和地图制作商能够形成一个有效的、动态的供给关系。

重庆邮电大学硕士学位论文第2章关键技术分析12第2章关键技术分析基于激光雷达和惯性测量单元的智能车辆地图构建方法，主要包括基于激光雷达和惯性测量单元点云地图构建方法与面向自动驾驶的地图生成方法两个部分，涉及到的关键技术有激光雷达点云匹配技术、IMU预积分技术和非线性优化方法等，本章将对以上三个关键技术做详细分析。2.1点云匹配方法2.1.1ICP点云匹配方法分析ICP算法是一种经典的点云匹配算法[28]。经过多年的演变，该算法如今已经被广泛应用于3D点云匹配领域中。该算法本质上是基于最小二乘法的最优匹配算法，通过迭代的方式求解两组点云之间的位姿变换关系，直到误差满足要求或达到既定的迭代次数。图2.1为ICP算法示意图。图2.1ICP算法示意图对于三维空间中的两组3D点云P和Q，ICP点云匹配算法求解帧间位姿的步骤可以总结如下：1.根据空间中两点之间的欧式距离选择两组点云之间的最近匹配点对(,)iipq。222(,)()()()iiijijijijdpqpqxxyyzz(2.1)

【参考文献】：
期刊论文
[1]基于直接法与惯性测量单元融合的视觉里程计[J]. 刘艳娇,张云洲,荣磊,姜浩,邓毅.  机器人. 2019(05)
[2]一种鲁棒的城市复杂动态场景点云配准方法[J]. 王任栋,徐友春,齐尧,韩栋斌,李华.  机器人. 2018(03)
[3]PLP-SLAM:基于点、线、面特征融合的视觉SLAM方法[J]. 李海丰,胡遵河,陈新伟.  机器人. 2017(02)
[4]基于快速视觉里程计和大回环局部优化模型的改进VSLAM算法[J]. 李永锋,张国良,王蜂,汤文俊,姚二亮.  机器人. 2015(05)
[5]实时高精度地图匹配技术的研究与实现[J]. 柳林,李万武,王志余,田雨.  测绘科学. 2010(05)

硕士论文
[1]高精度地图支撑的园区内车道保持控制研究[D]. 李作文.吉林大学 2019
[2]高精度地图的构建及在定位和标注中的应用研究[D]. 周旺.国防科学技术大学 2016
[3]基于激光雷达的无人车三维环境建模技术研究[D]. 王铭.国防科学技术大学 2013



本文编号：3327658