一种激光三维点云动态障碍剔除算法框架

基于激光点云地图的动态障碍剔除是同步定位与建图(simultaneous localization and mapping,SLAM)研究领域的难题之一。动态障碍的移动轨迹不仅会遮挡真实的静态环境信息,也会对移动机器人的定位和路径规划造成阻碍。针对激光点云地图中的动态障碍识别问题,该文提出一种基于卡尔曼滤波的运动障碍跟踪方法。首先,对原始点云预处理,使用欧式聚类算法,实现离散点云聚类。其次设计了基于卡尔曼滤波的运动障碍状态预估方程,并预测出动态障碍点云目标在下一时刻的位置。然后,使用匈牙利算法将预测位置与下一时刻真实位置进行匹配,实现对每一时刻动态障碍体的识别。最后,剔除后进行点云配准建图。在室内外环境下对提出的动态障碍剔除算法进行验证,并将剔除动态障碍后的点云地图可视化输出。实验结果表明该算法在室内外环境下对激光点云地图中动态障碍均能较好地识别与剔除。

一种基于NDT和ICP融合的点云配准算法

针对迭代最近点(iterative closest point,ICP)算法和正态分布变换(normal distributions transform,NDT)算法实现点云配准误差较大的问题,该文提出了一种NDT-ICP点云配准算法,主要包括NDT粗配准和ICP精配准两个核心环节,将NDT粗配准环节得到的位姿变换矩阵作为ICP精配准环节的位姿初始值,ICP精配准环节通过Gauss-Newton法迭代求解目标函数输出最优变换矩阵。实验结果表明,NDT-ICP算法较ICP算法和NDT算法有效降低了绝对位姿误差,提升了点云配准精度。