車載移動測量系統(tǒng)通過GNSS/INS獲得載體高精度位置和姿態(tài)(下稱“POS”),但在城市街道等環(huán)境下GNSS信號經(jīng)常失鎖,單獨使用INS解算的POS誤差隨時間累積,載體平臺POS精度受到嚴重影響甚至不可用,需要其它傳感器輔助獲得高精度POS,LiDAR憑借觀測信息豐富、測量精度高及出色的全天候工作能力成為首選,激光SLAM算法發(fā)展為LiDAR與INS融合解算POS提供技術(shù)支撐。完整的激光SLAM系統(tǒng)除底層SLAM算法外,還涉及多傳感器集成、數(shù)據(jù)獲取與可視化(下稱“SLAM系統(tǒng)上層”)等技術(shù)。機器人操作系統(tǒng)ROS包含導(dǎo)航功能包、坐標系統(tǒng)和3D可視化工具等,能夠加快激光SLAM系統(tǒng)開發(fā),Google于2016年9月開源Cartographer算法平臺為激光SLAM系統(tǒng)實現(xiàn)提供參考,但除官方文檔外,目前關(guān)于該平臺介紹較為片面且不系統(tǒng),難以利用該平臺優(yōu)勢快速開發(fā)。基于以上特點,本文研究基于Cartographer構(gòu)建完整的激光SLAM系統(tǒng),分析涉及關(guān)鍵技術(shù)并評估系統(tǒng)精度,為合理利用Cartographer和下一步解決GNSS信號失鎖時POS估計問題提供參考,研究工作主要包含以下內(nèi)容:1)研究完整激光SLAM系統(tǒng)關(guān)鍵技術(shù)及Cartographer源碼邏輯,分析Cartographer平臺在算法和效率方面的優(yōu)勢,包括點云數(shù)據(jù)預(yù)處理、激光SLAM前端、后端圖優(yōu)化和回環(huán)檢測等方面。2)分析非線性優(yōu)化庫Ceres Solver和G2O的優(yōu)劣,Cartographer基于Ceres Solver實現(xiàn)圖優(yōu)化,本文基于G2O實現(xiàn)圖優(yōu)化并替換Cartographer源碼對相同數(shù)據(jù)處理,通過統(tǒng)計耗時分析。針對Pose-Graph,Ceres Solver相對G2O效率高,但G2O內(nèi)部定義了圖優(yōu)化中常用頂點和邊等類型,實現(xiàn)更加便捷;3)基于ROS實現(xiàn)戰(zhàn)術(shù)級慣導(dǎo)STIM 300驅(qū)動,用于獲取傳感器數(shù)據(jù),并給出通用傳感器驅(qū)動設(shè)計流程,為ROS平臺上使用傳感器提供參考;4)構(gòu)建2D和3D激光SLAM系統(tǒng),包括硬件平臺和基于Cartographer的軟件平臺,通過實驗分析激光SLAM系統(tǒng)關(guān)鍵技術(shù)后端優(yōu)化、回環(huán)檢測和檢校誤差對后處理點云的影響,并基于承重柱體和標靶球設(shè)計方案評估系統(tǒng)精度,經(jīng)計算,2D SLAM室內(nèi)精度為5-6cm,3D SLAM室外精度為10-15cm。此外,為靈活運用Cartographer算法平臺并借助該平臺開發(fā),結(jié)合理論和實驗對涉及參數(shù)進行分析。
【學位單位】：山東科技大學
【學位級別】：碩士
【學位年份】：2018
【中圖分類】：P228.4
【部分圖文】：

匹配獲得頓間點云的平移和旋轉(zhuǎn)，如Ｃａｒｔｏｇｒａｐｈｅｒ中采用的方式ｂ５１。??目前，激光ＳＬＡＭ算法逐步形成了以掃描匹配為前端，圖優(yōu)化為后端并配??以回環(huán)檢測的算法框架，通用的激光ＳＬＡＭ算法見圖１．２。??ｒ?ＳＬＡＭ?前端?１?｜?ＳＬＡＭ?后端?；??｜?！?Ｉ??ｈｉ—?—?Ｉ?｜?｜??Ｉ?Ｉ?ＩＭＵ?ＧＮＳＳ?Ｉ?Ｉ?，??—?Ｉ??Ｉ數(shù)據(jù)?數(shù)據(jù)Ｉ??Ｌ，??一位置Ｉ??Ｉ＆１?ｒ；?姿態(tài)?ｉ??＇—Ｉ—＇?！?ｉ??１?Ｔ?????Ｉ?????Ｉ?Ｉ????Ｉ?傳感器數(shù)據(jù)??ｉ?掃描匹配?Ｊｊ?ｉ?非線性優(yōu)化?最優(yōu)??Ｉ?預(yù)處理?ｔ局部地圖構(gòu)建＞?（圖優(yōu)化）?１?地圖??Ｉ丨?丨?Ｉ?Ｉ?Ｉ????Ｉ?２?Ｉ??｜??????Ｉ?｛??Ｉ?Ｉ?Ｉ?——?Ｉ?丨??Ｉ??｜??１??「．．．里Ｉ?｜??丨１ｆ?＝?ｉ計數(shù)Ｉ??ｒｆ?回環(huán)檢測——??｜數(shù)據(jù)Ｉ據(jù)｜?丨?Ｉ??Ｉ?｜?１??Ｉ??Ｉ?Ｉ?Ｉ?１??圖１．２通用激光ＳＬＡＭ算法流程圖??Ｆｉｇ．?１．２?Ｇｅｎｅｒａｌ?ｌａｓｅｒ?ＳＬＡＭ?ａｌｇｏｒｉｔｈｍ?ｆｌｏｗ?ｃｈａｒｔ??１．２．２基于ＲＯＳ的ＳｂｔＳＬＡＭ系統(tǒng)??完整的激光ＳＬＡＭ系統(tǒng)至少包含以下三部分：①多傳感器集成與數(shù)據(jù)獲�。�??②底層ＳＬＡＭ算法；③構(gòu)建①和②間的橋梁，即調(diào)用ＳＬＡＭ算法處理數(shù)據(jù)并對??處理結(jié)果可視化

為機器人行業(yè)的事實標準，ＲＯＳ正借助開源社區(qū)的力量迅速發(fā)展，大大降低了進??入相關(guān)行業(yè)的門檻。??基于ＲＯＳ構(gòu)建完整的激光ＳＬＡＭ系統(tǒng)如圖１．３所示，系統(tǒng)包括①基于ＲＯＳ??的多傳感器集成、②底層ＳＬＡＭ算法和③基于ＲＯＳ的數(shù)據(jù)處理，這里概述①和??③涉及的關(guān)鍵技術(shù)。??！??：基于Ｒ０Ｓ多傳丨①數(shù)據(jù)丨手Ｒ０Ｓ的數(shù)②數(shù)據(jù)ｆＵ廠??感器集＾?１?ｈ據(jù)處理?ＳＬＡＭ算法??③數(shù)據(jù)獲ｉｘ與對視化??上層｜?底層??圖１．３基于ＲＯＳ的激光ＳＬＡＭ系統(tǒng)??Ｆｉｇ．?１．３?Ｌａｓｅｒ?ＳＬＡＭ?Ｓｙｓｔｅｍ?ｂａｓｅ?ｏｎ?ＲＯＳ??１．

山東科技大學碩士學位論文?緒論??ｓｃａｎ組成，累積一定數(shù)目ｓｃａｎ?（下稱為“ｓｃａｎｓ”或“巾貞”）后使用頓與ｓｕｂｍａｐ匹配??的方式將點云插入地圖，該方式能夠在一定程度上限制累積誤差，在沒有ＩＭＵ??提供初值情況下，高采樣率的ＬｉＤＡＲ仍然魯棒和高效［２６３５］。??ｓｕｂｍａｐｓ由一定數(shù)目的ｓｕｂｍａｐ組成，通過對ｓｕｂｍａｐ的調(diào)度，完成ＰＯＳ估??計和地圖構(gòu)建。Ｃａｒｔｏｒａｈｅｒ算法總體流程見圖１．４。??
【相似文獻】

相關(guān)期刊論文 前9條

1 祁健誠;;基于雙目SLAM的室內(nèi)導(dǎo)航系統(tǒng)[J];通訊世界;2019年01期

2 吳林峰;王錄濤;;圖優(yōu)化SLAM的嵌入式處理技術(shù)[J];成都信息工程大學學報;2019年02期

3 盧天利;;基于地面匹配的單目SLAM局部尺度恢復(fù)[J];工業(yè)控制計算機;2019年08期

4 羅潤鑫;余柳平;陳夢強;黃軍;鄔依林;;SLAM問題中機器人定位誤差分析與控制[J];科學技術(shù)創(chuàng)新;2019年26期

5 董蕊芳;柳長安;楊國田;程瑞營;;基于圖優(yōu)化的單目線特征SLAM算法[J];東南大學學報(自然科學版);2017年06期

6 蔡來良;楊望山;王姍姍;朱學練;;SLAM在室內(nèi)測繪儀器研發(fā)中的應(yīng)用綜述[J];礦山測量;2017年04期

7 楊祥紅;王希彬;;無人機主動SLAM技術(shù)研究[J];系統(tǒng)仿真技術(shù);2015年04期

8 王超杰;蘇中;連曉峰;趙旭;;搜救環(huán)境中的仿生蛇形機器人SLAM方法[J];計算機工程與設(shè)計;2015年08期

9 吳曉琳;宋萌;苑晶;孫鳳池;陶通;;通訊范圍受限條件下的多機器人主動SLAM[J];系統(tǒng)工程與電子技術(shù);2012年10期

相關(guān)博士學位論文 前10條

1 王洪玲;移動機器人適應(yīng)搜救環(huán)境的同時定位和地圖構(gòu)建（SLAM）方法研究[D];山東大學;2018年

2 劉丹;智能車輛同時定位與建圖關(guān)鍵技術(shù)研究[D];北京工業(yè)大學;2018年

3 陳孟元;移動機器人仿生SLAM算法研究[D];中國科學技術(shù)大學;2019年

4 張超凡;基于多目視覺與慣導(dǎo)融合的SLAM方法研究[D];中國科學技術(shù)大學;2019年

5 金紅巖;PPRV全長基因克隆及H蛋白與SLAM受體相互作用的研究[D];中國農(nóng)業(yè)科學院;2014年

6 王丹丹;水下無人潛器同步定位與地圖生成方法研究[D];哈爾濱工程大學;2017年

7 苑全德;基于視覺的多機器人協(xié)作SLAM研究[D];哈爾濱工業(yè)大學;2016年

8 趙一路;人機交互環(huán)境下的主動SLAM及相關(guān)問題研究[D];復(fù)旦大學;2013年

9 劉浩敏;面向復(fù)雜環(huán)境的魯棒高效的三維注冊與結(jié)構(gòu)恢復(fù)[D];浙江大學;2017年

10 康軼非;不依賴GPS定位理論及方法研究[D];北京交通大學;2015年

相關(guān)碩士學位論文 前10條

1 鄒思源;針對小目標的多雷達系統(tǒng)技術(shù)研究與其在復(fù)雜電磁環(huán)境散射建模中的應(yīng)用[D];上海交通大學;2017年

2 劉艷萍;卷積神經(jīng)網(wǎng)絡(luò)在SLAM視覺里程計中的研究與應(yīng)用[D];山東科技大學;2018年

3 馮東恒;基于Cartographer的激光SLAM系統(tǒng)關(guān)鍵技術(shù)分析與評估[D];山東科技大學;2018年

4 韓雨;基于雙目視覺的無人車非結(jié)構(gòu)環(huán)境SLAM算法研究[D];北京理工大學;2017年

5 李文強;融合語義分割高精雙目視覺SLAM系統(tǒng)優(yōu)化研究[D];華中科技大學;2019年

6 胡萬里;室內(nèi)動態(tài)環(huán)境下的移動機器人視覺SLAM研究[D];華中科技大學;2019年

7 羅鴻城;基于卷積神經(jīng)網(wǎng)絡(luò)的實時單目稠密建圖方法研究[D];華中科技大學;2019年

8 徐磊;移動機器人Graph-SLAM系統(tǒng)開發(fā)及應(yīng)用研究[D];華中科技大學;2019年

9 楊辰斐;WiFi信號輔助視覺SLAM的方法研究[D];燕山大學;2019年

10 劉茵;微小型移動機器人的視覺SLAM研究[D];燕山大學;2019年

本文編號：2873432