1、 电 子 测 量 技 术E L E C T R ON I CME A S UR EME N TT E CHNO L OG Y第4 6卷 第1期2 0 2 3年1月 D O I:1 0.1 9 6 5 1/j.c n k i.e m t.2 2 1 0 2 7 8基于图优化的激光惯导紧耦合S L AM研究*郑川川1,4 柯福阳2,4 汤琴琴3(1.南京信息工程大学自动化学院 南京2 1 0 0 0 0;2.南京信息工程大学遥感与测绘学院 南京2 1 0 0 0 0;3.无锡学院轨道交通学院 无锡2 1 4 0 0 0;4.南京信息工程大学无锡研究院 无锡2 1 4 0 0 0)摘 要:现有的激光
2、惯导里程计大多采用滤波的松耦合融合方法,在大场景建图中会存在一定的运动估计漂移,导致定位与建图精度降低。针对这一问题提出了一种基于图优化的激光惯导紧耦合里程计与建图方法。在前端依次进行点云畸变补偿、点云聚类分割、地面与特征提取。在后端采用图优化方法融合I MU预积分、激光里程计和回环检测信息完成地图构建。最后利用K i t t i数据集和自采集数据对L OAM、L e G O-L OAM和本文方法在里程计精度和回环检测效果上进行了对比分析。实验结果表明本文方法在定位与建图精度上相比于L OAM和L e G O-L OAM分别提高了4 5%和3 5%以上,有着更优的鲁棒性。关键词:激光惯导;图优
3、化;紧耦合;定位与建图中图分类号:T P 3 9 1.9 文献标识码:A 国家标准学科分类代码:5 1 0.9 9T i g h t l yc o u p l e dS L AMf o r l a s e r i n e r t i a ln a v i g a t i o nb a s e do ng r a p ho p t i m i z a t i o nZ h e n gC h u a n c h u a n1,4 K eF u y a n g2,4 T a n gQ i n q i n3(1.S c h o o l o fA u t o m a t i o n,N a n j i
4、n gU n i v e r s i t yo f I n f o r m a t i o nE n g i n e e r i n g,N a n j i n g2 1 0 0 0 0,C h i n a;2.S c h o o l o fR e m o t eS e n s i n ga n dS u r v e y i n ga n dM a p p i n g,N a n j i n gU n i v e r s i t yo f I n f o r m a t i o nE n g i n e e r i n g,N a n j i n g2 1 0 0 0 0,C h i n a;
5、3.S c h o o l o fR a i lT r a n s i t,W u x iU n i v e r s i t y,W u x i 2 1 4 0 0 0,C h i n a;4.N a n j i n gU n i v e r s i t yo f I n f o r m a t i o nE n g i n e e r i n g,W u x iR e s e a r c hI n s t i t u t e,W u x i 2 1 4 0 0 0,C h i n a)A b s t r a c t:M o s to f t h ee x i s t i n g l a s
6、e r i n e r t i a l n a v i g a t i o no d o m e t e r sa d o p t t h e f i l t e r i n g l o o s e c o u p l i n g f u s i o nm e t h o d,a n dt h e r ew i l l b eac e r t a i nm o t i o ne s t i m a t i o nd r i f t i nl a r g es c e n em a p p i n g,w h i c hw i l l l e a dt ot h er e d u c t i o
7、 no fp o s i t i o n i n ga n dm a p p i n ga c c u r a c y.A i m i n ga tt h i sp r o b l e m,ac l o s e-c o u p l e do d o m e t e ra n d m a p p i n g m e t h o do fl a s e ri n e r t i a ln a v i g a t i o ns y s t e mb a s e do ng r a p ho p t i m i z a t i o ni sp r o p o s e d.A tt h ef r o n
8、 te n d,p o i n tc l o u dd i s t o r t i o nc o m p e n s a t i o n,p o i n t c l o u dc l u s t e r i n gs e g m e n t a t i o n,g r o u n da n df e a t u r ee x t r a c t i o na r ec a r r i e do u t i nt u r n.A t t h eb a c ke n d,t h em a po p t i m i z a t i o nm e t h o di su s e dt oi n t e
9、 g r a t eI MU p r e-i n t e g r a t i o n,l a s e ro d o m e t e ra n dl o o pd e t e c t i o ni n f o r m a t i o nt oc o m p l e t e t h em a pc o n s t r u c t i o n.F i n a l l y,K i t t i d a t as e t a n ds e l f-c o l l e c t e dd a t aa r eu s e dt oc o m p a r ea n da n a l y z eL OAM,L e
10、G O-L OAMa n dt h em e t h o do f t h i sp a p e r i no d o m e t e ra c c u r a c ya n d l o o pd e t e c t i o ne f f e c t.E x p e r i m e n t a l r e s u l t ss h o wt h a t c o m p a r e dw i t hL OAMa n dL e G O-L OAM,t h ep o s i t i o n i n ga n dm a p p i n ga c c u r a c yo f t h i sm e t
11、h o di si m p r o v e db y4 5%a n d3 5%r e s p e c t i v e l y,a n d i th a sb e t t e r r o b u s t n e s s.K e y w o r d s:l a s e r i n e r t i a l n a v i g a t i o n;g r a p ho p t i m i z a t i o n;t i g h t c o u p l i n g;l o c a l i z a t i o na n dm a p p i n g 收稿日期:2 0 2 2-0 6-1 0*基金项目:第十
12、六批次江苏省“六大人才商峰”高层次人才项目(X Y D X X-0 4 5)、2 0 2 0年无锡市科技发展资金(N 2 0 2 0 1 0 1 1)、南京信息工程大学无锡校区研究生创新实践项目(WX C X 2 0 2 0 2 0)资助0 引 言 同时定位与地图构建(s i m u l t a n e o u sl o c a l i z a t i o na n dm a p p i n g,S L AM)技术是移动机器人实现自主导航的关键。其中基于三维L i d a r的S L AM技术可以为移动机器人提供更加丰富的3 D环境信息1,相比于视觉S L AM抗干扰能力强、不受光线影响、测距
13、精度高,更能满足机器人环境感知和智能发展的需求。但仅依靠单一激光传感器进行状态估计,在大场景建图中随着距离和时间的增加会产生一定的累计误差导致较大的漂移,影响定位和建图的精度。目53 第4 6卷电 子 测 量 技 术前多传感器融合的三维激光S L AM技术,已经成为一个热门方向。通过多传感器融合技术可以将各自的优势组合起来实现高精度的三维建图与导航功能2。近年来国内外学者在多传感器融合和三维激光S L AM领域作了大量研究,取得了一定程度上的进步。2 0 1 4年Z h a n g等3提出了一种低漂移和实时性的激光雷达里程计(l i d a r o d o m e t e r a n dm a
14、 p p i n g,L O AM),是目前比较流行的几大激光建图方法,但该方法也存在一定局限性,在特征丰富的 场 景 中 由 于 没 有 闭 环 检 测 功 能 其 优 化 效 率 会 降 低。2 0 1 8年S h a n等4提出了一种轻量级地面优化的激光里程计(l i g h t w e i g h t a n d g r o u n d o p t i m i z e d l i d a r o d o m e t r y a n dm a p p i n g,L e G O-L O AM),在特征提取前做了分割和聚类,并对水平和航向分别做了优化,但它是一种松耦合的惯性激光里程计在大环
15、境中其建图精度会有一定下降。2 0 1 9年Y e等5提出了一种融合I MU数据和L i d a r数据的紧耦合建图算法(l i d a r i n t e r t i a l o d o m e t r ym a p p i n g,L I OM),相比于松耦合方法在建图精度上会有明显提升,但它是一种基于滑动窗口的优化方法,随着建图距离的不断增加需要优化的窗口参数也不断增加,导致累计误差越来越大。2 0 2 0年S h a n等6提出了一种平滑和映射的激光雷达惯性里程计(l i d a r i n e r t i a lo d o m e t r yv i as m o o t h i n
16、ga n dm a p p i n g,L I O-S AM),将各种不同相对和绝对测量因子加入到系统中,选择性的引入关键帧与地图进行匹配,提高了系统实时性能,但该方法会随着各种因 子 的 不 断 加 入,系 统 运 算 量 会 大 大 增 加。2 0 2 1年文献7 提出了一种融合滤波与图优化的S L AM系统,在前端用滤波的方法对惯性测量单元(i n e r t i a lm e a s u r e m e n tu n i t,I MU)和激光里程计做粗配准,在后端用图优化方法结合地面约束因子对位姿进行优化,这样做虽然在建图精度上有了提高,但非常消耗资源和内存,对计算机性能要求较高。目前激光S L AM主要存在前端点云数据在松耦合的方式下处理不充分、特征匹配准确度不高、回环检测效果差、以及后端建图精度不高,会有一定的漂移和高程误差等问题。针对以上问题本文在L e GO-L OAM算法的基础上结合现有技术的优点,主要对前端激光里程计、后端数据融合方式和建图方法做了改进,具体为以下3个方面:1)在数据处理阶段,将I MU信息做了状态变量定义,不仅只作用于前端对激光点云做畸变补偿,预积
