基于平面特征的LIO增强GNSS RTK定位性能研究

针对应用单一传感器的智能导航定位技术在城市复杂环境下难以满足准确、无缝和稳定性能要求的问题,提出一种基于平面特征的雷达惯性里程计(LIO)增强全球卫星导航系统(GNSS)实时动态定位技术(RTK)定位性能的方法:通过滑动窗口构建多帧激光雷达(LiDAR)平面特征的关联;并将RTK与LIO在位置域层面直接融合;最后在开阔环境和城市环境中进行实验。结果表明,RTK/惯性导航系统(INS)/LiDAR组合系统能够在GNSS挑战环境中达到分米级精度;同时,在LiDAR平面特征的约束下,该方法速度和姿态的估计性能也可得到改善。

基于可视点法剔除动态目标的激光-惯导SLAM

针对传统激光同时定位与建图在动态环境中位姿估计累计误差大、地图中存在动态目标错误点云的问题,本文提出了一种基于可视点法实时剔除动态目标的激光-惯导SLAM方法(DM-LIO)。该方法使用IMU测量值为基于可视点法的动态目标剔除模块提供先验位姿,并引入基于弯曲体素空间的点云聚类方法,以解决在低分辨率可视点法下动态点不能被完全捕捉的问题,从而实现了在算法前端剔除激光点云中的动态目标。本文通过自主搭建室内真机实验平台和使用公开数据集两种方式对算法性能进行评估。真机实验结果表明本文提出的DM-LIO能够对多个动态目标以及非先验动态目标进行实时剔除;在公开数据集Urbanloco上的测试结果表明,在高动态的环境下DM-LIO的绝对轨迹误差相较于LIO-SAM减少了60%以上,验证了该算法在高动态环境中具有良好的定位精度。

基于IESKF的激光惯性里程计实现方法研究

针对主流的激光里程计方案存在精度较低和计算耗时严重的问题,提出一种基于迭代误差状态卡尔曼滤波器的IMU与LiDAR紧耦合的里程计方案,将IMU预积分结果与特征点云匹配结果融合得到高精度位姿,并且使用等效卡尔曼增益公式,降低计算维度,提高系统运行效率。对比分析了主流里程计方案与本方案在位姿估计精度和时效性上的表现,结果表明,本方案在满足系统实时性的前提下,能有效提高里程计的精度。

旋转捷联惯导系统辅助的多线激光雷达新型SLAM方法

针对惯性传感器精度低下影响基于激光雷达/惯性信息融合的同时定位与建图(Simultaneous Localization and Mapping,SLAM)技术性能的问题,提出了一种旋转捷联惯导系统辅助下的多线激光雷达SLAM优化方案。该方案探讨了基于模糊自适应卡尔曼滤波的旋转捷联惯导对准方法,在载体运动过程中完成载体姿态与惯性传感器误差的实时修正;在此基础上,将修正后的惯性传感器数据与激光雷达点云数据进行紧耦合模式下的信息融合,以提高载体在复杂场景中运动时定位与建图的精度和实时性。实验结果表明,基于旋转惯导与多线激光雷达信息融合的SLAM方案,在保证运算实时性的同时,有效提高了激光雷达/惯性里程计的定位性能,以及点云地图的准确性。

双目视觉辅助的激光惯导SLAM算法

激光同步定位与地图构建(simultaneous localization and mapping,SLAM)算法在位姿估计和构建环境地图时依赖环境结构特征信息,在结构特征缺乏的场景下,此类算法的位姿估计精度与鲁棒性将下降甚至运行失败.对此,结合惯性测量单元(inertial measurement unit,IMU)不受环境约束、相机依赖视觉纹理的特点,提出一种双目视觉辅助的激光惯导SLAM算法,以解决纯激光SLAM算法在环境结构特征缺乏时的退化问题.即采用双目视觉惯导里程计算法为激光扫描匹配模块提供视觉先验位姿,并进一步兼顾视觉约束与激光结构特征约束进行联合位姿估计.此外,提出一种互补滤波算法与因子图优化求解的组合策略,完成激光里程计参考系与惯性参考系对准,并基于因子图将激光位姿与IMU数据融合以约束IMU偏置,在视觉里程计失效的情况下为激光扫描匹配提供候补的相对位姿预测.为进一步提高全局轨迹估计精度,提出基于迭代最近点匹配算法(iterative closest point,ICP)与基于图像特征匹配算法融合的混合闭环检测策略,利用6自由度位姿图优化方法显著降低里程计漂移误差并构建环境地图.最后,将所提出方法在公开与自制数据集上进行实验验证,并与主流开源的SLAM算法进行对比.实验结果表明,所提出算法可以在结构特征缺乏环境下稳定运行,并且相较于对比算法具有更高的位姿估计精度和算法鲁棒性.