基于多分辨率搜索与多点云密度匹配的快速ICP-SLAM方法

发布时间：2023-04-25 04:00

　　针对激光SLAM(同步定位与地图创建)的实时性和定位精度问题,为了克服初始位姿不准确情况下增大搜索范围和位姿匹配分辨率对实时性的影响,本文在传统ICP-SLAM(迭代最近邻SLAM)基础上进行改进,提出了一种分层搜索与匹配的快速ICP-SLAM方法.首先,在搜索范围内采用由粗到细的分辨率进行全局搜索,并通过逐渐增加待匹配点的密度进行分步匹配计算.点云匹配过程中,通过构建距离像计算待匹配点的最近邻距离值,其计算复杂度降低为O(1).其次,通过对点云匹配结果进行优先排序和剪枝,快速排除非最优解.最后,以半数全局最优与全数局部最优原则作为搜索结束判断条件,提高搜索效率.SLAM Benchmark数据集上的测试结果表明,相比于流行的激光SLAM算法Cartographer,所提出的方法取得了更小的平均误差和平方误差,计算效率为Cartographer算法的2～5倍.同时,工业AGV(自动导引车)的实际应用实验验证了在初始位姿未知的情况下,可实现实时的位姿估计与建图,重复定位精度优于1.5 cm.因此,这种快速ICP-SLAM方法能够保证实现准确的定位估计,具有良好的实时性.

【文章页数】：12 页

【文章目录】：
1 引言（Introduction)
2 前端匹配（Front-end matching)
    2.1 点云模型建立
    2.2 点云匹配问题
    2.3 优化搜索求解
        2.3.1 建立多分辨率搜索树
        2.3.2 建立多点云密度搜索树
        2.3.3 优化搜索
        2.3.4 搜索结束判断条件
3 距离像与建图（Distance map and map-ping)
    3.1 构建距离像
    3.2 基于距离像剔除点云匹配中的错误点
    3.3 构建障碍地图
4 后端优化（Backend optimization)
    4.1 闭环检测
    4.2 闭环优化
5 实验结果（Experimental results)
    5.1 算法参数分析与选取
    5.2 基于距离像计算最近邻的效率和精度测试
    5.3 分层优化搜索效率的测试
    5.4 闭环优化测试结果
    5.5 位姿估计精度与实时性的测试
    5.6 在AGV机器人上的应用测试
6 结论（Conclusion)



本文编号：3800661