基于语义SLAM定位增强的内河港口无人集卡定位系统

无人集装箱卡车在港口内部作业时,GPS定位信号容易因堆场集装箱、岸桥和场桥等大型金属形成的“峡谷效应”影响屏蔽,从而导致无人作业时发生危险。在现有无人集装箱卡车感知系统基础上,加入基于激光雷达的深度学习语义分割和SLAM技术,提升基于差分GPS定位方案下车辆在港口内的定位稳定性。设计对应的地图采集平台进行实际港口场景的数据采集,并结合“点云-图像”融合数据进行人工语义标注,构建大规模点云语义分割数据集。基于车载计算硬件约束设计高效点云语义分割模型,在此基础上设计面向港口场景的激光SLAM语义定位方法。通过神经网络语义分割精度和语义SLAM定位精度的实际测试对上述方案进行验证,结果表明点云语义SLAM能够获得较高的定位精度,并能在GPS失效情况下有效保障车辆的定位。