论文部分内容阅读
随着社会生活水平的不断提高,室内设施不断完善,室内定位需求也随着不断增加。目前,通过GPS或北斗导航定位技术已经可以实现室外定位,但在室内,GNSS信号比较弱,导致无法准确定位。因此,需要一个价格低廉且高精度的室内定位技术进行准确定位。由于传感器技术的迅速发展,解决移动机器人室内定位问题有了更好的方法。然而,通过单个传感器定位,会存在一些外界环境因素干扰以及自身的原因,使得定位精度不高,所以对于最近研究解决室内定位问题,常采用多个传感器融合导航的室内同时定位与地图构建(simultaneous location and mapping,SLAM)技术。由于使用单个 LiDAR 传感器进行定位,会存在精度不足的问题,本文设计使用LiDAR/IMU(inertial measurement unit)融合的移动机器人导航定位平台研究室内定位。本文主要贡献如下:1)在点云特征点检测算法原理的基础上,同一环境下,使用了SIFT、Harris和Voxel-SIFT三种算法进行实验,并得出了特征点检测结果。然后,比较分析了这三种算法的提取特征点数量和耗时情况。实验结果表明,在点云特征点提取方面,本研究采用的Voxel-SIFT特征点提取算法比另外两种算法更具有效性,检测数量更多、耗时更少。2)采用了体素网格改进的点云配准算法,改善了ICP配准算法的两点不足。一是减少了算法所用时间。二是提高了最终误差收敛值。3)本文在总结了 LiDAR/IMU组合的室内SLAM相关理论和方法后,通过实验,对比分析了 LiDAR/IMU组合的定位轨迹和LiDAR定位轨迹结果。然后,将它们得到的实验结果在真实环境中比较,发现采用LiDAR/IMU融合导航算法的定位轨迹更加接近实际环境轨迹,定位精度更高。