论文部分内容阅读
随着计算机、人工智能等领域的飞速发展,移动机器人正逐步走向智能、成熟和实用阶段。智能化的移动机器人能够做出独立的判断,在无人监管的状态下完成自动行走、目标跟踪等多种复杂任务,已广泛应用于电力巡检、物流配送、消防灭火等方面。校园安全巡检任务具有场景固定、路况良好、重复性强等特点,非常适合移动机器人的应用。相比于人力巡检,移动机器人能够全时段工作,有效增强了校园的安全性,是校园巡检的未来发展方向。实现校园巡检机器人的首要步骤是实现机器人自主定位。目前主流的定位系统存在各种应用局限,GPS(Global Positioning System)受高楼遮挡而存在接收信号盲区;RTK(Real time kinematic)与 IMU(Inertial measurement unit)组合系统虽然定位精度高,但其设备成本过高,且受到基站范围限制;物联网定位技术需要前期布设大量的节点,消耗人力物力,资源需求过大。因此本文选择了低成本、环境鲁棒性高、无需预设节点、可与多种传感器融合的激光雷达SLAM(Simultaneous Localization And Mapping)技术完成机器人的自主定位。针对激光雷达(LiDAR)数据的运动畸变、采样的地面数据稀疏等问题,本文提出了一种基于LiDAR与IMU融合的SLAM算法,并且在自主设计的校园巡检机器人进行了验证与应用。本文完成的主要工作如下:(1)设计实现一台校园巡检机器人。以阿克曼转向结构为基础,采用PID算法完成机器人的运动控制;使用基于LiDAR与IMU融合的SLAM算法和基于轨迹跟踪的路径规划策略完成机器人的定位导航;通过网络摄像头和4G网络完成了巡检信息采集和用户的远程访问。(2)提出一种基于 LeGO-LOAM(Lightweight and Ground-Optimized LiDAR Odometryand Mapping)算法的改进方法。针对LiDAR数据存在的一系列问题,引入IMU传感器进行融合,通过IMU估计运动状态,消除LiDAR数据的运动畸变。并使用IMU数据构建联合优化函数,约束位置姿态估计的重力方向,消除地面数据稀疏带来的重力矢量漂移现象。(3)对基于LiDAR与IMU融合的SLAM算法进行测试。通过不同类型的路径对比,分析算法的定位精度和高程误差;同时验证算法在校园巡检机器人系统上的可行性。实验结果表明,基于LiDAR与IMU融合SLAM的校园巡检机器人能够在一定范围内完成自动行走和远程巡检任务。