一种新的基于LiDAR/IMU组合的室内无人车导航系统

在室内拒止条件下,无人地面车辆的室内导航面临巨大挑战。为了解决这个问题,我们引入了一种基于激光雷达(LiDAR)和惯性测量单元(IMU)的松组合导航系统,并提出了一种新的基于LiDAR的混合扫描匹配算法来估计车辆的相对位置和方向变化,该算法结合了遍历搜索和数学优化算法。首先在遍历搜索算法中引入了适应度函数,以寻找车辆姿态最优估计值,然后将该估计值作为数值优化算法的初始值进一步优化,最后通过无迹卡尔曼滤波器(UKF)将LiDAR估计位姿与DRS预测的结果进行松组合,从而减少惯性传感器的累积误差。在自主开发的无人地面车辆平台上进行的实际实验结果表明,本文所提出的室内无人车导航系统可以有效地减小DRS的误差累积,与hectorslam方法相比,定位误差降低了92.4%。