基于激光雷达的二维即时定位与制图技术研究

发布时间：2020-07-24 09:49

【摘要】：随着IT智能时代的到来,智能移动机器人给越来越多的领域带来了高效和便捷。具备自我导航能力是机器人高度智能化的重要标志。机器人依赖传感器对所处未知环境进行探索实现自主运动的过程包含对环境信息的自动获取、处理、分析、理解和决策等一系列关键环节。机器人利用传感器采集景物数据估算位姿信息,利用位姿信息绘制环境地图的过程即实现了即时定位和制图(Simultaneous Localization And Mapping,SLAM)。目前SLAM技术在应用中需要完善三大需求:高稳定性、低复杂度和高一致性。本文的主要工作有:设计MATLAB仿真实验进行SLAM算法的研究;开展基于机器人操作系统(Robot Operating System,ROS)的SLAM应用技术实验;设计和实现SLAM技术中激光雷达样机。(1)设计了SLAM研究的模型:运动模型、观测模型和地图模型。建模过程基于对二维SLAM问题中机器人运动过程和噪声影响的分析。运动模型采用了基于运动速度的条件概率转移方程;观测模型利用了极坐标转换直角坐标的观测方程;地图模型采用了以栅格状态表示障碍物分布的占据栅格地图。(2)分析了卡尔曼滤波(Kalman Filtering,KF)和扩展卡尔曼滤波(Extended Kalman Filter,EKF)的滤波原理。设计了在SLAM中运用EKF的算法流程,开展了基于EKF-SLAM的仿真实验。实验研究了EKF-SLAM算法中不同参数如系统噪声协方差、测量噪声协方差、路标数量和数据关联阈值对SLAM结果的影响。实验结果表明了系统噪声协方差、测量噪声协方差和数据关联阈值是影响SLAM估算结果与真实值是否一致的综合因素;路标数量是影响SLAM估算定位精度的因素。实验分析给出了EKF-SLAM算法在运用中的参数优化方案。(3)分析了基于EKF-SLAM和粒子滤波(Particle Filter,PF)的FastSLAM算法原理。设计二叉树数据结构改进了FastSLAM中粒子的存储与计算,开展仿真实验验证了改进结果可以有效降低内存开销、减少计算时间。设计仿真实验对比了EKF-SLAM和FastSLAM在不同粒子数目下的定位估算精度。实验表明了FastSLAM的定位估算精度随着粒子数目增加显著提升并逐渐接近EKF-SLAM。设计仿真实验对比了同一数据集下EKF-SLAM和FastSLAM结果的定位误差,从而验证了FastSLAM估算结果与真实值之间的一致性。(4)开展了基于应用型SLAM系统的研究和设计。研究了Hector SLAM和Cartographer技术方案,利用ROS平台搭建RPlidar A1激光雷达实验环境开展了对校园建筑层的SLAM实验。实验结合EKF-SLAM研究中的参数优化方案设计参数,利用二叉树数据结构优化计算过程,得到了Hector SLAM和Cartographer的适用性特点。开展了SLAM系统硬件初步研究,设计和实现了基于MEMS微镜扫描的激光雷达样机。样机完成了包括光学、机械、电子、软件各模块在内的整体方案设计,实现了高精度时间信息提取、探测器暗计数滤除等关键技术。
【学位授予单位】：东南大学
【学位级别】：硕士
【学位授予年份】：2018
【分类号】：TP242;TN958.98
【图文】：

激光雷达,视觉传感器,视觉,激光

图 1-1 激光雷达和视觉传感器AM 技术在目前主要分为两类：激光 SLAM 和视觉 SLAM。不同的传感器发展出不同图 1-1 中第一列为激光雷达，从左至右分别是 Velodyne 公司的 64 线机械旋转式激gy 公司的全固态激光雷达、思岚公司的三角测距激光雷达。第二列分别是单目深近几年激光雷达发展迅速，相对来说测距精度高，运用激光雷达的 SLAM 技术也究价值。文研究内容及意义AM 技术的研究现状在目前看来还尚且不够成熟，从实际应用出发还存在三大需求需高稳定性、低复杂度和高一致性。定性将有助于机器人正常运用于不同的外部环境。激光雷达作为 SLAM 传感器在使不确定的测量噪声，且机器人的运动带有不确定性并且各个误差之间互相耦合。AM 算法要求实时性并朝着低成本的方向发展，需要的处理器性能不能过高且算法以确保同步定位与制图这一过程。在实际中，随着地图特征的增多和激光雷达的高

地图,关联机器人,未知环境,过程机

第二章 SLAM 系统与模型建立第二章 SLAM 系统与模型建立通过融合机器人和传感器等硬件环境的不同数据建立各模块的研究台运行相应算法来实现即时定位和制图。未知环境中，SLAM 技术机器人实现自定位。制图与定位两个目标处于相耦合的状态，要求术被描述为对周围地图创建的同时实现机器人的自定位。定位要求已转换为世界坐标，制图需要已知机器人的精确定位便于转换传感器测量噪声，需要设计滤波算法有效降低两者的误差。定位于制图的

示意图,示意图,位姿,全局

图 2-1 定位与制图的关联人在未知环境中利用传感器（如激光雷达）采集以自身为原点的景深数据，这个定位（自身位姿）和全局地图的初值化。随着机器人的运动，传感器不断采集环法一边生成新的局部地图，一边从获取的数据中提取特征信息与已有特征做匹配机器人新的位姿。通过更新的位姿就可以增量式地将局部地图并入到全局地图中

【参考文献】