论文部分内容阅读
近年来,地图构建与定位技术在室内定位,资源勘查,家庭娱乐,自动驾驶等领域有着广泛的运用。本文旨在利用激光雷达和移动机器人建立一套地图构建与定位系统。对于地图构建,本文通过扫描匹配和回环检测建立位姿图,同时通过后端优化完成位姿图的最优估计,再根据最优估计的位姿以及位姿上的测量信息完成栅格地图的建立;对于全局定位,本文介绍了基于粒子滤波的全局定位算法,提出了基于特征匹配的全局定位,对比两种定位方案,本文提出了基于粒子滤波和特征匹配的全局融合定位,其中,对于定位失效的问题,通过监控激光雷达的测量概率来解决,本文的主要工作及创新如下:首先,本文介绍了基于图形的同时定位与地图构建(Graph-based Simultaneous Localization and Mapping,Graph-SLAM)模型的建立,根据模型介绍了扫描匹配、回环检测、后端优化三个模块的实现,再根据位姿图中各个节点的位姿以及测量信息介绍了栅格地图的建立。其次,本文在介绍粒子滤波的框架和推导后,引入运动模型和测量模型,介绍了基于粒子滤波的全局定位算法,对基于粒子滤波的定位进行仿真测试,讨论了运动过程中定位误差的变化。然后,本文提出了基于特征匹配的全局定位,使用线段检测算法(Line Segment Detector,LSD)提取栅格地图的线段特征,建立地图特征数据库,使用分开-合并算法(Split-and-Merge)提取激光雷达扫描图的直线特征,建立特征模板,通过特征关联寻找候选位姿集,最后通过匹配拟合度计算最优估计位姿。在此基础上,对比基于粒子滤波和特征匹配的全局定位,本文提出了基于粒子滤波和特征匹配的全局融合定位,将基于特征匹配定位计算的估计位姿作为粒子滤波定位的初始位姿,通过监控激光雷达的测量概率来解决定位失效的问题,并通过不同的测试场景对算法进行仿真测试与对比。最后,在机器人操作系统(Robot Operating System,ROS)上完成了地图构建以及全局定位的实现,其中地图构建为全局定位提供了栅格地图输入数据,全局定位分为基于粒子滤波定位、基于特征匹配定位和融合定位,并通过定位测试来比较三种算法的定位误差。