针对激光雷达SLAM(Simultaneous Localization and Mapping)算法定位精确度不高且鲁棒性较差的问题,文中提出了一种融合IMU(Inertial Measurement Unit)数据到三维点云配准过程的SLAM方法。在LeGO-LOAM(Lightweight and Ground-Optimize...针对激光雷达SLAM(Simultaneous Localization and Mapping)算法定位精确度不高且鲁棒性较差的问题,文中提出了一种融合IMU(Inertial Measurement Unit)数据到三维点云配准过程的SLAM方法。在LeGO-LOAM(Lightweight and Ground-Optimized Lidar Odometry and Mapping on Variable Terrain)算法的研究基础上,在地面点提取环节引入IMU数据,将点云映射到世界坐标系下,减小载体抖动对地面点提取的影响。利用IMU输出信息消除点云由于载体运动产生的畸变,增强算法的鲁棒性。使用三点聚类法对一帧点云进行聚类分析,减少杂点的干扰,加快点云配准过程,提高了算法定位精度;同时引入闭环检测,减小匹配过程中的累积误差,得到全局最优解。结果表明,在大型户外干扰较多的环境中,改进SLAM算法减少了求解得到的轨迹波动,提升了点云配准精度,增强了算法的鲁棒性。展开更多
针对目前激光即时定位与地图构建(Simultaneous Localization and Mapping, SLAM)算法在面对几何特征匮乏的室内环境时易产生定位累积误差大、建图效果较差的问题,提出了基于局部块特征优化并融合惯性测量单元(Inertial Measurement Uni...针对目前激光即时定位与地图构建(Simultaneous Localization and Mapping, SLAM)算法在面对几何特征匮乏的室内环境时易产生定位累积误差大、建图效果较差的问题,提出了基于局部块特征优化并融合惯性测量单元(Inertial Measurement Unit, IMU)数据的激光SLAM方法,在激光点云位置信息和强度信息的深度图上划分局部块作为最小单元,并提取几何域特征和强度域特征作为匹配依据,同时融合IMU数据计算帧间位姿变换,改善了几何特征匮乏环境的建图效果并提升了轨迹计算精度。最后,通过该方法与先进的LOAM和LeGO-LOAM方法在KITTI数据集的仿真实验结果比对以及真实环境建图效果分析,证明局部块几何特征有效减少了累积误差,提升了匹配精度,同时局部块强度特征对几何特征匮乏的情况增加了强度域的约束,改善了“跑飞”等不良现象。展开更多
文摘针对激光雷达SLAM(Simultaneous Localization and Mapping)算法定位精确度不高且鲁棒性较差的问题,文中提出了一种融合IMU(Inertial Measurement Unit)数据到三维点云配准过程的SLAM方法。在LeGO-LOAM(Lightweight and Ground-Optimized Lidar Odometry and Mapping on Variable Terrain)算法的研究基础上,在地面点提取环节引入IMU数据,将点云映射到世界坐标系下,减小载体抖动对地面点提取的影响。利用IMU输出信息消除点云由于载体运动产生的畸变,增强算法的鲁棒性。使用三点聚类法对一帧点云进行聚类分析,减少杂点的干扰,加快点云配准过程,提高了算法定位精度;同时引入闭环检测,减小匹配过程中的累积误差,得到全局最优解。结果表明,在大型户外干扰较多的环境中,改进SLAM算法减少了求解得到的轨迹波动,提升了点云配准精度,增强了算法的鲁棒性。
文摘针对目前激光即时定位与地图构建(Simultaneous Localization and Mapping, SLAM)算法在面对几何特征匮乏的室内环境时易产生定位累积误差大、建图效果较差的问题,提出了基于局部块特征优化并融合惯性测量单元(Inertial Measurement Unit, IMU)数据的激光SLAM方法,在激光点云位置信息和强度信息的深度图上划分局部块作为最小单元,并提取几何域特征和强度域特征作为匹配依据,同时融合IMU数据计算帧间位姿变换,改善了几何特征匮乏环境的建图效果并提升了轨迹计算精度。最后,通过该方法与先进的LOAM和LeGO-LOAM方法在KITTI数据集的仿真实验结果比对以及真实环境建图效果分析,证明局部块几何特征有效减少了累积误差,提升了匹配精度,同时局部块强度特征对几何特征匮乏的情况增加了强度域的约束,改善了“跑飞”等不良现象。