基于三维激光点云的室内机器人即时定位与建图算法研究

发布时间：2020-04-30 12:22

【摘要】：即时定位与建图技术(Simultaneous Localization and Mapping,SLAM),是指在已知地图(或者未知的环境)中,机器人通过自主运动,完成对环境地图的更新优化(未知环境的增量式建图),同时在创建的地图中对机器人进行位姿的解算以及定位。按主要应用的传感器类型,SLAM技术可以划分为视觉SLAM和激光SLAM。其中,因为激光雷达数据精度高、处理速度快、可以高效响应动态环境下场景变化,所以与视觉SLAM相比,激光SLAM要更为可靠与安全。激光SLAM技术广泛地应用在无人驾驶、机器人、室内导航与定位等领域,因此本课题不仅拥有较高的经济和社会价值,在学术研究方面也有较高的意义。本文主要基于激光雷达对对室内自主运动机器人的SLAM问题进行研究,包括激光点云数据预处理、点云配准、回环检测和完整激光SLAM实验验证四部分内容。具体为:首先,为了有效地剔除大部分离群点,对比分析了体素滤波、统计滤波与半径滤波等三种滤波方法,确定了以统计滤波为主,其他两种滤波为辅的粗处理方案。同时,为了有效地平滑点云并保持点云的尖锐边缘特征,给出了基于L_0最小化的点云去噪方法,通过仿真实验验证了所给方法的有效性。其次,针对目前点云配准算法没有考虑点云局部表面与几何信息的问题,提出了基于仿射不变比的由粗到精3D点云配准算法。对SHOT描述子进行了距离权值的修正,减小了特征点邻域内噪点对描述子的影响;针对目前配准算法遗漏点云局部几何形状信息,并且没有筛选不准确的点对,提出了基于仿射不变比的特征点约束,引入了点云局部表面与几何信息,并有效地剔除误匹配;针对连续多帧点云配准累积误差大的问题,提出了相邻迭代配准策略。然后,针对目前直方图回环检测方法计算量大的问题,提出了基于点云外观描述子的回环检测算法,通过调整阈值将外观描述子进行子类划分,增加外观描述子的描述性,调整算法计算量;对点云进行了旋转处理,保证其外观描述子的旋转不变性;针对外观特征相似场景易出现假阳性检测的问题,引入了距离信息的约束,减少了假阳性的回环判断。最后,将改进算法融合到现有SLAM框架Cartographer中,并对其有效性进行实验验证。分别对点云预处理算法、点云配准算法和回环检测算法进行了实验结果与对比分析。验证了对整体SLAM算法改进的有效性。
【图文】：

地图,世界坐标系,统计滤波,位置信息

、点云的配准以及位姿和地图的优化四部分群点，对比分析了体素滤波、统计滤波与半径统计滤波为主，其他两种滤波为辅的粗处理并保持点云的尖锐边缘特征，，给出了基于 L真实验验证了所给方法的有效性。M 流程处理在移动机器人上，处理激光数据首先将其从标系转换到以运动初始位置建立的世界坐标激光雷达的测量数据 d，那么扫描到的物体1,12, 2cos sinsin cos 0occoccx dxx x

物体位置,一维,信息

图 2-2 物体位置信息到一维栅格地图的转换mini (x x ) / r(类似地，拓展到二维栅格地图时，根据机器人的位姿( 1， 2， )和距算物体点在世界坐标系下的坐标，并按公式(2-3)将其转换为栅格地图中的：1, 1,2, 2,1occ occocc occi xi rx (在实际情况中，激光雷达一次扫描会多次打到不同物体，也因此会产生不同扫描角度的射线，根据测量距离信息1 2 3 4 5(d ,d ,d ,d ,d ) 与角度信 2 3 4 5 , , , , )，我们以公式(2-4)、(2-5)将激光数据转换为栅格地图信息1 12 2cos( )sin( )k k kk k kx d xx d x (1 12 21k kk ki xi rx (中，代表每条射线基于机器人 x 轴的方向。
【学位授予单位】：哈尔滨工业大学
【学位级别】：硕士
【学位授予年份】：2019
【分类号】：TP242

【相似文献】