论文部分内容阅读
同步定位与建图(Simultaneous Localization And Mapping,SLAM)技术是移动机器人实现自主导航不可或缺的技术之一。多线激光雷达由于可以稳定的感知环境的三维几何信息,并且不受光照、天气等因素的影响,被广泛应用在室外SLAM中。由于多线激光雷达获取的环境点云数据通常较为稀疏且密度随距离变化,这给激光SLAM带来了巨大的挑战。针对这些挑战,本文的主要贡献如下:
(1)针对基于稀疏的激光点云难以对环境准确建模的问题,提出基于单元划分(Partition Of Unity,POU)隐表面模型的激光里程计。该方法首先对激光点云进行栅格划分。然后,根据栅格中点云的空间分布,将栅格分为三种类型:面特征栅格、线特征栅格和其他栅格,并将面特征和线特征栅格保存到特征地图中。提取完特征后,基于当前帧的特征与全局地图中的特征做基于POU隐表面模型的点云配准。该方法在公开数据集上进行了评估,相比于LiDAR Odometry And Mapping(LOAM),在定位精度上提高了约30%。
(2)针对基于特征的闭环检测算法效率较低的问题,提出了一种基于平面间几何关系的闭环检测算法。该方法通过提取环境中稳定性较高的平面特征,并利用平面间的几何关系检测闭环。首先,基于区域增长法提取环境中的平面,然后,将每个关键帧表示为以平面为节点的图,最后,利用平面自身的几何特性和平面之间的几何关系来度量当前关键帧的图和历史关键帧的图之间的相似性以检测闭环。在公开数据集上的实验结果表明,该方法能实现快速可靠的闭环检测。
(3)为了提高闭环检测算法的鲁棒性和对环境的适应能力,在基于平面的闭环检测算法的基础上,借助环境语义信息,提出了一种更加有效的闭环检测算法。该方法首先利用语义分割领域的相关工作,将原始激光点云转换为带有语义标签的激光点云,基于语义点云聚类得到分割,再将关键帧表示为以分割为节点的图,利用分割自身的几何特性和分割之间的几何关系来度量当前关键帧的图和历史关键帧的图之间的相似性,进而检测闭环。成功检测到闭环后,采用一种改进的ICP方法来校正闭环。在公开数据集上的实验结果表明,该方法能实现快速可靠的闭环检测,并且相比于上一种方法可以适用于更多的环境。
(1)针对基于稀疏的激光点云难以对环境准确建模的问题,提出基于单元划分(Partition Of Unity,POU)隐表面模型的激光里程计。该方法首先对激光点云进行栅格划分。然后,根据栅格中点云的空间分布,将栅格分为三种类型:面特征栅格、线特征栅格和其他栅格,并将面特征和线特征栅格保存到特征地图中。提取完特征后,基于当前帧的特征与全局地图中的特征做基于POU隐表面模型的点云配准。该方法在公开数据集上进行了评估,相比于LiDAR Odometry And Mapping(LOAM),在定位精度上提高了约30%。
(2)针对基于特征的闭环检测算法效率较低的问题,提出了一种基于平面间几何关系的闭环检测算法。该方法通过提取环境中稳定性较高的平面特征,并利用平面间的几何关系检测闭环。首先,基于区域增长法提取环境中的平面,然后,将每个关键帧表示为以平面为节点的图,最后,利用平面自身的几何特性和平面之间的几何关系来度量当前关键帧的图和历史关键帧的图之间的相似性以检测闭环。在公开数据集上的实验结果表明,该方法能实现快速可靠的闭环检测。
(3)为了提高闭环检测算法的鲁棒性和对环境的适应能力,在基于平面的闭环检测算法的基础上,借助环境语义信息,提出了一种更加有效的闭环检测算法。该方法首先利用语义分割领域的相关工作,将原始激光点云转换为带有语义标签的激光点云,基于语义点云聚类得到分割,再将关键帧表示为以分割为节点的图,利用分割自身的几何特性和分割之间的几何关系来度量当前关键帧的图和历史关键帧的图之间的相似性,进而检测闭环。成功检测到闭环后,采用一种改进的ICP方法来校正闭环。在公开数据集上的实验结果表明,该方法能实现快速可靠的闭环检测,并且相比于上一种方法可以适用于更多的环境。