1、电力与电子技术Power&Electronical Technology电子技术与软件工程Electronic Technology&Software Engineering135如今，无人机可通过远程控制方式执行既定任务，但在面对多变复杂的飞行环境时，无人机仍需拥有自主飞行能力1-4。随着科学技术的不断发展，无人机自主飞行能力逐渐成熟，已然能够自主应对复杂的飞行环境问题，但也仍面临着地图构建问题，也就是 SLAM 问题5-7。为了解决该问题，本文将对机载激光雷达的无人机三维地图构建进行研究，以明确地图构建的不足之处，并加以解决，推动无人机的地图构建能力，提高无人机的智能化水平。1 地图构建算
2、法由于本文研究的是无人机机载激光雷达的三维地图构建，因此，在地图构建算法上具有一定的要求，也就是应当具备较高的漂移误差和实时性。通过综合性考量，决定使用LeGo-LOAM算法8作为此次的地图构建算法，其具体架构如图 1 所示。前端部分由点云分割、特征提取、雷达里程计和回环检测这四个环节构成，后端则由位姿图优化部分组成。通过前端与后端的处理，能够极大程度降低漂移误差，提高三维点云图构建的实时性。其中，在特征提取环节上，我们在计算其平滑度时一般用到式子（1）进行求解。（1）式子中，深度信息由 rki表示，点云图中某一点及其同一行左右两边 5 个点的集合由 S 表示。而后在雷达里程计环节上，借助迭代
3、公式式子（2）进行迭代处理。（2）式子中，J 为雅克比矩阵，Tk为位姿估计，h 代表两种含义，第一是边缘特征间的距离；第二是平面特征间的距离。在后端设计上，我们可以借助位姿图目标函数求解，以得到准确的位姿变换信息，如式子（3）所示。（3）式子中，位姿图中，全部位姿节点的位姿估计由 V表示，全部边的集合由 表示，位姿估计误差由 eij表示，协方差矩阵由ij表示。在得到位姿变换结果后，便可以进行最后的回环检测和地图构建环节，得到最终的三维点云地图。2 无人机平台的总体设计2.1 硬件设计通过综合考虑比较，选用了 650mm 轴距的无人机作为本文研究的载体，该无人机机体材质为碳纤维，质量轻且强度刚性
4、较高，具有良好的飞行性能。在动力硬件设备上，我们选用了 15*15 英寸的碳纤维桨叶和 MN4014 400KV 无刷电机，这样即使油门量控制在50%，也能够为无人机提供 1.5kg 的升力，极大程度提升了无人机的搭载能力。电池为 1000mA 时 6S 锂电池，该规格电池能够为无人机带来充足的续航能力，最高续基于无人机机载激光雷达的三维地图构建研究董阳武（山西工程职业学院 山西省太原市 030000）摘要：本文研究了基于无人机机载激光雷达的三维地图构建。随着科技水平的发展，无人机在诸多领域中均得到了广泛应用，但也提出了更多关于飞行控制、环境感知方面的要求。在室内环境中，若使用 GPS 进行定
5、位会导致定位结果误差问题出现，需要额外搭载传感器实现无人机的自主定位和地图构建。基于此，为了提高无人机的建图能力，在无人机中搭载了激光雷达，以更好探讨其三维地图构建情况，提高其三维地图构建能力。并通过实验的方式对搭载了激光雷达的无人机三维地图构建情况进行了检验，结果得到了无明显重影的点云地图，而后借助 CloudCompare 软件进行处理，得到了优质点云地图，肯定了机载激光雷达进行三维地图构建的可行性。关键词：无人机；激光雷达；三维地图构建基金项目“山西工程职业学院 2022 年度院级课题无人机免像控技术在测绘项目中应用研究（KY2022-02）”。电力与电子技术Power&Electron
6、ical Technology电子技术与软件工程Electronic Technology&Software Engineering136航时间可达到 20min。除了这些基础硬件之外，还配备了激光雷达、Rixhawk 飞控、差分 GPS 板卡、数传电台、差分 GPS 蘑菇头天线、机载计算机单元等硬件设备。其中，激光雷达这种传感器的工作原理较为简单，借助发射器发射激光，当激光扫射到物体时，会发生漫反射，此时接收机会接收到漫反射激光，此时通过计算激光接收时间便能得到物体的具体距离。当然，激光雷达也有不同种类之分，常见的有三维激光雷达和二维激光雷达，如 Hokuyo UST-10LX 激光雷达就属
7、于二维激光雷达，通过发射一束激光束来实现物体的探测工作。这种雷达存在着一定的不足，无法实现 360无死角扫描，探测距离也是存在一定局限性，最大探测范围仅有 10m，优点则是整体质量较小，容易携带。而三维激光雷达则可以发射出多束激光束来实现物体的探测，如 VLP-16 激光雷达就是常见的三维激光雷达，其没有扫描死角，能够进行全方位探测，探测范围最高可达到 100m，所以，在雷达设备的选用上，选择了 VLP-16 激光雷达。2.2 软件设计2.2.1 无人机端的软件设计软件设计包括两个部分：（1）无人机端的软件设计；（2）地面站端的软件设计。无人机端的软件系统由飞行控制单元、机载计算单元、激光雷达
8、等部分组成，飞行控制单元与机载计算单元之间通过 UART 协议实现数据的交换工作，激光雷达借助 UDP 协议实现电云数据的传输工作。地面站端软件系统的数据交换是利用 SSH 协议实现的，除了数据交换之外，还借助 MAVLink 协议与飞行控制单元进行相互通信。具体而言，不同模块之间存在着数据交互能力，所有执行工作均在 ROS 中完成。为了满足前文设计的地图构建算法，加入了 SLAM 节点，负责电晕数据话题的输入与位置估计结果、全局电晕地图的输出。为了确保 MAVLink 协议与 ROS 之间的稳定性，添加了 MAVROS 功能包，借助该功能包能够实现 uORB信息的实时转换，使之成为通用的 R
9、OS 话题，在 ROS中，MAVROS 会以 mavros 节点形式存在，负责信息传递，如传感器采集得到的信息、飞控状态信息等，除了信息传输功能外，还具备订阅信息能力，如订阅外部传感器采集的数据信息等。正方形框框内的话题均是本文的主攻话题，因为这些话题均在 mavros 节点话题订阅范围之内，同时，外部传感器采集得到的位姿信息也是图 1：LeGo-LOAM 算法架构电力与电子技术Power&Electronical Technology电子技术与软件工程Electronic Technology&Software Engineering137包含在内的。所以，无人机若要实现自主定位，那么/in
10、tegrated_to_init 应重映射成/mavros/vision_pose/pose，但实际上这种重映射是无法完成的。通过分析，导致这种问题发生的原因是话题的类型不一致，所以不能进行重映射。因此添加了一个节点 transpose，通过该节点对/integrated_to_init 进行订阅，而后发布/mavros/vision_pose/pose，实现类型的转换，使之能够进行重映射。激光雷达数据传输是在 UDP 协议下实现的，为了得到激光雷达的实时数据，可将 Wireshark 软件应用其中，每一帧数据长度都是固定不变的，均为 1248 字节，其中，数据包头部有 42 个字节，数据 1
11、2 组（每组数据有 100 个字节），时间戳有 4 个字节，带标识的雷达型号参数有 2 个字节。而后是距离信息 32 组（一组 3 个字节），其中，距离值 2 个字节，激光反射强度值 1 个字节。在飞行控制单元中，我们会借助 PID 算法来实现飞行控制的目的9。而后借助 EKF 算法10估算 IMU 数据与/mavros/vision_pose/pose 位置信息，以获取最终的位姿信息。无人机根据此信息完成闭环控制操作。2.2.2 地面站端的软件设计该软件有两项核心功能：（1）借助 SSH（加密性网络传输协议）实现对计算单元 NUC 软件的远程控制；（2）借助相应软件实现对无人机的实时监控，如
12、QGroundControl 软件。当网络出现不安全问题或隐患时，SSH 能够单独开辟出一条安全的传输渠道，提供安全的网络服务条件。在此系统中，机载计算单元与地面站端的局域网相同，只需获悉 IP 地址便能借助 SSH 对机载计算单元进行访问，进而调动地图构建算法，并对其发布频率、内容等情况进行检验，在结束检验后可远程结束算法的使用。飞行控制单元与地面站间的连接使用到了无线网络，并在MAVLink协议的作用下完成最终的通信工作。该协议属于开元通讯协议，常用于飞行器的通讯环节上，为地面站端提供相应的校检功能。在监控环节上，QGroundControl 软件能够对 MAVLink 信息进行解析，并实
13、时展现出各类核心信息，如姿态、位置、GPS信息等。3 实证为了检验无人机机载激光雷达的三维地图构建情况，首先对其定位精度检验，以明确地图构建算法定位情况。其次对三维点云地图构建情况进行验证，以明确建图效果。最后对三维点云地图进行处理，也就是环境重构，以获取更为清晰的三维点云地图。3.1 定位精度实证为了检验无人机机载激光雷达的三维地图构建情况，此处进行了定位精度检验，具体而言，通过手持无人机方式，进行矩形轨迹和定点运动。通过室内室外两种不同环境结合的方式，对其运动估计值进行比较分析，以明确最终定位精度。首先室内进行定点实验，此次实验时长为 3min，结果发现，无人机在 X、Y、Z 方向上的定位
14、精度均在 2cm 范围内，在规定时间内位置估计并未出现漂移行径。而后在矩形轨迹运动实验中，无人机沿着长 3*2.5m 规格的矩形进行行走，得到地图构建算法估计的位置信息，而后与运动捕捉系统采集得到的位置信息进行比较，结果发现无人机在进行矩形轨迹运动时，定位精度能够保持在 15cm 范围之内。接着将实验环境换到室外，进行定位精度测试，在 X、Y 平面上，位置估计误差仅有 1cm，在 Z 平面上，位置估计误差为 5cm。在定点测试环节中，激光雷达地图构建算法在 Z 方向上的定位精度为 5cm，在 X、Y 方向上的定位精度分别为 10cm 与 20cm，造成定位误差较大的原因是试验环境较为空旷所致，
15、而 x 方向上的特征点与 Y 方向上的特征点成反比关系，这是一大一小所导致。在进行矩形轨迹测试时，选择了规格为 6*4m 的矩形空间进行检测，结果发现，X 方向的定位误差为 50cm，Y、Z 方向上的定位误差均为 20cm，导致定位误差较大的原因同上。所以，在特征点稳定情况，定位误差可以控制在20cm，能够达到室外建图要求。3.2 三维点云地图构建为了检验无人机机载激光雷达的三维地图构建情况，进行了三维点云图构建实验，实验环境均在室外完成。下面我们以某市 A 广场为研究对象，进行三维点云地图构建工作，得到的结果如图 2 所示。电力与电子技术Power&Electronical Technolo
16、gy电子技术与软件工程Electronic Technology&Software Engineering138可以看出，借助无人机搭载激光雷达能够较好地构建出三维点云图，具有较高的可行性。但是存在无明显重影问题，所以，下文将会借助 CloudCompare 软件进行处理，以提高点云图中物体的辨识度，具体处理效果图下文所示。3.3 三维点云地图的处理CloudCompare 软件中的 qPCV 算法能够为处理提供光线数量选择功能和光照类型选择功能，这样便能够将点云图中的物体立体效果充分展现处理，以提高点云图中物体的识别度，经软件处理后，A 广场三维点云图如图 3 所示。可以看出，经过处理后的三维点云图，能够清晰看出其中物体的立体形象，为三维点云图的构建展现提供了正向推动力，使得三维地图构建的更加具体清晰。4 小结本文首先对地图构建算法进行了分析，为后续的实验平台搭建奠定了基础。其次，根据前面提出的地图构建算法，搭建了实验平台，包括硬件平台与软件平台。最后，通过室内室外相结合的方式对地图构建算法的定位情况进行了验证，结果发现室内定位误差在 15cm 左右，室外定位误差在 20cm 以内，
