论文部分内容阅读
同步定位与建图技术SLAM(Simultaneous Localization and Mapping)自从1988年被提出之后到如今,经过多年的研究和发展逐渐在人工智能和无人驾驶等高新技术领域展现出巨大的应用价值。但由于被用于SLAM的相关传感器存在误差以及SLAM算法本身的缺陷,SLAM在运行过程中不可避免的会出现建图与定位漂移的情况。对此,需要一种额外的算法能够对SLAM的建图与定位过程提供优化指令,而这种算法在SLAM中通常是以检测是否经过同一地点来实现的,在学术界这种方法被称之为闭环检测算法。3D激光SLAM和面向3D激光SLAM的闭环检测算法是近几年SLAM领域中的研究热点。在对3D激光SLAM和相关的闭环检测方法的国内外发展现状进行研究之后,本文针对面向3D点云数据的闭环检测的研究做了以下准备工作:首先,本文在研究了激光雷达的工作原理的基础上,选用了机械旋转式多线激光雷达作为本文研究的主要传感器;其次介绍了激光SLAM的整体框架明确了闭环检测在框架中的位置;最后比较了几种常用的点云特征提取方法,确定了基于点云特征描述符的闭环检测研究方向。为了能够在3D点云数据中高效提取出鲁棒的特征描述符,本文提出了一种对原始3D全局描述符M2DP算法的优化算法Fast-M2DP:继承M2DP算法将3D点云投影到2D平面上提取特征描述符的思想,并将M2DP的串行实现节点用基于CPU/GPU并行的方法进行优化。实验结果表明,Fast-M2DP在保证了特征描述符信息丰富度的同时提升了算法的运行效率。为了提升闭环检测的运行速度和准确度,本文提出了一种完整的闭环检测算法框架Delay-CLD:(1)基于激光SLAM前端位姿估计设置一个Delay检测阈值,避免大量无意义计算,Delay检测条件达成后使用Fast-M2DP高效、鲁棒的确定闭环候选者;(2)在确定的闭环候选者之间进行基于Super G-4PCS的粗配准,以确保不会处理错误的闭环检测,再使用改进的ICP算法来完善转换估计,最终完成闭环检测。实验证明,提出的闭环检测算法具有良好的性能。最后,本文在ROS平台上使用Delay-CLD对经典3D激光SLAM算法LOAM进行了应用改造,并在非典型室内场景中进行了改造前、改造后算法的真实地图构建与定位实验,实验结果证明了Delay-CLD的实际应用效果是优秀的。图[63] 表[18] 参[71]