复杂环境中的无人车多传感器紧耦合SLAM方法

提出了一种多传感器信息紧耦合的无人驾驶车辆SLAM方法—Ligom,此方法在复杂环境中,可以实现无人驾驶车辆状态的实时估计与环境地图的构建。Ligom基于迭代扩展卡尔曼滤波(iEKF)理论设计,融合了惯性测量单元(IMU)、全球导航卫星系统(GNSS)、激光雷达(Lidar)与相机(Camera)等不同传感器。首先利用IMU预测车辆的先验状态与消除点云畸变,并使用滑动窗口方法保存点云特征以提高点云匹配精度;然后,通过对GNSS信息作初始化与坐标系变换,分别完成滤波更新得到后验状态;最后在后端环节引入关键帧进行状态优化与反馈更新,构建全局环境点云地图。此外,利用Camera-Lidar联合检测的多目标检测与跟踪算法,完成全局桩桶地图的构建。Ligom在四个不同平台与环境采集的数据集上进行了充分验证。