基于3D LiDAR SLAM的定位与制图方法研究

针对GNSS在室内环境中无法准确定位的问题,本文采用3D LiDAR SLAM算法实现在上述环境中的高精度定位,同时构建高质量三维点云地图。本文主要针对传感器数据预处理、LiDAR SLAM前端匹配、LiDAR SLAM后端优化、三维点云地图构建4个部分进行系统的研究。通过搭建实验平台并设计真实场景下的定位与建图实验,验证3D LiDAR SLAM算法的有效性。实验结果表明,在复杂的室内场景中,3D LiDAR SLAM的定位精度可到达分米级,建图精度可达到厘米级。

基于三维激光雷达的智能车辆SLAM技术研究

智能车辆实现自主导航的必要条件之一是定位技术,目前基于三维激光雷达的同步定位与建图(SLAM)技术是定位技术的主流方案。文章从三维激光SLAM的算法框架和关键模块进行总结,具体讨论了扫描匹配、后端优化、闭环检测、地图构建等关键模块的常用算法及改进;综述了几种开源的三维激光SLAM,并对比了其优缺点;对在应用中激光雷达局部点云稀疏、Z轴的漂移以及动态对象引发的噪声影响等关键性问题进行了分析阐述;指出了基于三维激光雷达的SLAM与深度学习相结合、多传感器融合是未来三维激光SLAM的发展和研究方向。

基于无人机和LIDAR的三维场景建模研究

仿真方法是应急管理的重要研究手段,仿真研究对真实场景的数据采集提出了需求。以无人机为载体、搭载激光雷达、惯性测量单元等硬件设备,集成设计了机载点云数据采集平台。利用该平台采集实际场景点云数据,使用SLAM方法实时建立点云地图,对点云地图进行三维重建。解决了真实场景三维模型的构建问题,设计并实现了一个点云处理和三维建模软件,最后通过实验对算法与软件进行了有效性和稳定性验证。

基于RGB-D摄像头的SLAM导航算法研究

同时定位与地图构建SLAM是移动机器人、自动驾驶车等在未知环境实现自主导航的关键技术,针对目前激光雷达价格昂贵,为降低成本,该文采用RGB-D传感器,提出一种改进的RGB-D SLAM系统,进一步提升导航定位的精确性和高效性。主要步骤是获取图像与参数采集、特征提取与匹配、相机位姿估计、位姿图优化、闭环检测和地图构建与转换等,输入为RGB-D摄像机提供的彩色数据以及深度数据;输出为可供导航和避障的三维地图,目的是将RGB-D的深度数据转换为激光雷达数据并封装成消息进行广播。根据RGB-D姿态和闭环检测,得到稠密三维点云,并对点云地图利用八叉树方法得到一种用于机器人导航的三维地图。根据实验对比,结果表明所构建的RGB-D SLAM系统在精确性和高效性有良好效果。

基于3D激光雷达的SLAM算法研究现状与发展趋势

即时定位与地图构建(simultaneous localization and mapping,SLAM)算法是移动机器人实现自主移动的关键环节。激光雷达(LiDAR)具有测距精度高、不易受外部干扰和地图构建直观方便等优点,广泛应用于大型复杂室内外场景地图的构建。随着3D激光器的应用与普及,国内外学者围绕基于3D激光雷达的SLAM算法的研究已取得丰硕的成果。梳理了3D激光SLAM算法在前端数据关联、后端优化等环节的国内外研究现状,分析总结了目前各种3D激光SLAM算法以及改进方案的原理和优缺点,阐述了深度学习和多传感器融合理论与技术在3D激光SLAM算法中的应用情况,指出多源信息融合、与深度学习结合、应用场景的鲁棒性、SLAM算法通用框架及移动传感器和无线信号体制的技术渗透是3D激光SLAM算法的研究热点和发展趋势。研究成果对3D激光SLAM算法和未知环境中移动机器人即时定位和地图构建的研究具有重要的参考价值和指导意义。

考虑点云结构和表观信息的激光雷达-惯性SLAM算法

为提高移动机器人在卫星拒止环境下的精确导航能力,克服大范围运动场景下的定位误差累积问题,提出一种考虑点云结构和表观信息的激光雷达-惯性SLAM(同时定位与地图创建)算法。该算法主要包含2个部分:考虑点云结构的激光雷达-惯性里程计以及基于点云表观的闭环检测与优化。激光雷达-惯性里程计线程中,通过IMU(惯性测量单元)信息预测导航状态量,构建了考虑点云结构的直接对齐观测方程,并采用迭代误差扩展卡尔曼滤波器实时地更新导航状态量。闭环检测与优化线程中,根据点云表观差异、相对运动位姿和时间约束判定关键帧,而后基于点云表观筛选得到候选闭环关键帧,并根据表观匹配距离和2维距离对候选闭环关键帧进行排序,最后确认闭环关键帧并构建位姿图,实现全局位姿优化和地图调整。在西安世博园开展的自主导航实验表明,该算法能够实时完成自主导航,并在环形运动中准确检测闭环,有效完成闭环优化,轨迹起点和终点的平均误差仅为0.07 m。此外,进一步测试了激光雷达退化环境下的多模态组合导航切换方法,该方法有效提升了自主导航的可靠性。

基于LiDAR点云的UWB NLOS识别及室内融合定位算法

针对室内环境中超宽带(Ultra-Wideband,UWB)信号易受障碍物遮挡导致非视距(Non Line of Sight,NLOS)误差的问题,本文提出了一种基于激光雷达(Light Detection And Ranging,LiDAR)点云识别UWB NLOS的融合定位方法,该方法利用LiDAR点云信息辅助UWBNLOS识别,并通过UWB视距(LineofSight,LOS)测距值消除LiDAR同时定位与建图(Simultaneous Localization and Mapping,SLAM)过程中的累计误差,从而提高室内融合定位精度和鲁棒性。首先,采用八叉树对LiDAR点云进行处理,根据UWB基准站位置信息构建测距方向,并从LiDAR点云中提取测距方向上相关区域的点云数据。然后,通过3D Alpha Shape算法对所提取点云中可能阻碍UWB信号传播的障碍物进行轮廓提取。此外,根据分析提取的障碍物轮廓和UWB测距方向的空间关系,以此有效判定UWB信号是否存在NLOS测距情况。最后,剔除UWB测距过程中存在的NLOS测距值,通过紧组合方式,采用扩展卡尔曼滤波(EKF)将UWB LOS测距值和LiDAR SLAM的定位信息进行融合解算,消除LiDAR SLAM定位结果中的累积误差,以此提高融合定位精度和鲁棒性。为验证本文所提出的融合定位算法的有效性,通过搭建的融合定位实验平台在教学楼大厅进行了NLOS静态识别实验,在地下停车场进行了动态NLOS识别与动态定位实验。实验结果表明,该方法能够显著提高在室内复杂环境中的NLOS识别与定位的准确性,相较于单传感器定位与UWB原始测距值与LiDAR SLAM紧组合EKF的定位方法,NLOS识别准确率为93.22%,定位精度分别提高了49.24%、47.03%、96.13%,定位误差为0.067 m,实现了亚分米级室内定位。

基于三维激光雷达和反光柱的机器人定位

针对机器人在空旷缺少特征信息环境下,二维激光雷达的测距范围有限,且缺少高度信息,机器人定位精度不高的问题。提出了一种三维激光雷达和反光柱耦合定位算法。该算法利用激光雷达的反射强度信息对反光柱进行点云分割,采用ALOAM算法构建反光柱地图,利用曲率对每一帧激光进行特征提取,通过构建KD树最近邻域搜索和反光柱点云地图实现帧到地图的匹配,再通过列文伯格非线性优化,求解机器人的位姿。该算法分别在仿真和真实环境中进行了静态和动态定位实验测试,实验结果表明反光柱定位系统定位精度较高,定位稳定性较好。

基于ROS与三维点云图像的室内物体精准定位

考虑到ROSSLAM构建的地图只能描述环境的二维信息,三维点云图像只能描述物体独立的三维信息等特点,本文融合了ROSSLAM的Gmapping算法构建的室内二维地图与物体的三维点云图像信息,提出了一种复合坐标定位系统。首先对不同室内进行分类,进行一维坐标的标定,其次通过对Gmapping算法构建好的地图等进行二三维坐标标定,再结合空间信息构成外部坐标系φ,最后通过对采集到的物体三维点云坐标进行仿射运算获得物体基于外部坐标三维坐标,结合一维坐标,对物体进行复合四维坐标定位。整个定位实验数据表明,物体室内的位置平均测量误差只有4.2cm,其定位精度比起常见的超声波与红外线定位系统提高6.7%,比基于蓝牙角度测量的定位系统定位精度提高20%,比超宽带定位系统提高72%。物体定位误差小,定位精准。

激光雷达在煤矿智能化中的应用

为了分析激光雷达在煤矿智能化中的应用潜力,调研了激光雷达在井下三维测绘、井下激光同步定位与地图构建(SLAM)、巷道变形监测、带式输送机煤流量检测、煤岩界面识别等典型应用中的实现方案和性能优势,指出了激光雷达在井下场景中面临的主要问题,包括由振动、潮湿、煤尘等导致的性能下降,以及由激光能量导致的安全风险。随着激光雷达技术的发展,未来会出现更适应井下环境、更满足煤矿应用需求的矿用高性能激光雷达。

基于已知点约束的高精度煤矿巷道三维点云建模方法

面对煤矿井下低照度、弱纹理、高粉尘等复杂条件,现有煤矿巷道三维建模方法存在成本高、时效性差和精度低等问题,提出了一种基于已知点约束的高精度煤矿巷道三维点云建模方法。首先,通过体素滤波器对激光雷达点云数据进行降采样,并对降采样后的激光雷达点云数据利用迭代最近点(ICP)匹配提取出局部点云地图,结合惯性测量单元(IMU)数据对点云数据进行畸变校正;其次,利用ICP配准局部点云地图和畸变校正后的点云地图,以提高前端配准的精度和效率,并在后端加入回环检测来提高煤矿巷道定位与建图精度;然后,通过附合导线控制测量获取煤矿巷道分段已知点坐标,为点云建模提供全局约束条件;最后,将已知点和激光雷达同时定位与建图(SLAM)确定的测站点进行联合平差计算,对测站点坐标进行校正,并进一步利用非线性优化方法校正全局点云地图坐标,从而提高三维点云建模精度。实验结果表明:该方法构建的煤矿巷道三维点云地图具有较好的全局一致性和几何结构真实性,在煤矿井下具有较高的定位与建图精度。