基于多線激光雷達的移動機器人SLAM技術研究
發(fā)布時間：2022-01-13 02:13
隨著科技的發(fā)展,機器人正在慢慢的走進大眾的視野,移動機器人作為機器人家族的重要組成部分也在快速的發(fā)展,其中在未知環(huán)境中即時定位與地圖構建是移動機器人后續(xù)導航以及環(huán)境感知的必要條件,是移動機器人最終走向全面智能化運動過程中的關鍵性技術。本文針對室外無GPS的廠區(qū)環(huán)境,使用多線激光雷達為主要傳感器,慣性測量單元作為輔助傳感器,對廠區(qū)物流移動機器人的即時定位與環(huán)境地圖構建問題進行研究。本文主要研究內容包括多線激光雷達原始數據預處理、幀間運動估計、環(huán)境地圖構建及定位、算法對比及仿真驗證四個部分。針對多線激光雷達采集到的點云數據存在運動畸變以及干擾點的問題,分析了運動畸變以及干擾點產生的原因,利用IMU的信息對激光點云的運動畸變進行了矯正,并使用一種基于深度圖的辦法有效的去除了干擾點。為了提高激光SLAM系統(tǒng)中相鄰幀之間相對運動求解的精度,本文改進了傳統(tǒng)的點云匹配求取相對運動的方法,使用多線激光雷達與IMU數據融合的辦法來求取相鄰幀之間的相對運動,通過數據集對比進行驗證,該方法可以更加準確的求解出相鄰幀之間的相對運動。在沒有GPS提供絕對位置的條件下,機器人的定位誤差會隨時間累積逐漸增大。為了解...
【文章來源】：哈爾濱工業(yè)大學黑龍江省 211工程院校 985工程院校
【文章頁數】：76 頁
【學位級別】：碩士
【部分圖文】：
移動機器人SimultaneousLocalizationAndMappingSLAM
哈爾濱工業(yè)大學工學碩士學位論文-3-機為主要傳感器的SLAM系統(tǒng)稱為視覺SLAM[5]。視覺SLAM系統(tǒng)所使用的相機通常為單目相機、雙目相機以及深度相機，如圖1-2所示。a)單目相機b)雙目相機c)深度相機圖1-2常用視覺傳感器單目相機價格低、模型簡單，應用于SLAM系統(tǒng)時計算量小，但是單目相機每次只能獲取一張圖像，使用單張圖像只能獲取方向信息，無法獲得尺度信息，從而導致構建地圖時相機獲取的特征點尺度恢復比較困難。雙目相機可以在每次采集數據時獲取兩張圖像，可以根據這兩張圖像進行匹配來恢復圖像中點的深度信息，但是對于比較遠處的點在恢復深度時無法恢復或者誤差較大，而且恢復深度會增加計算量。深度相機在獲取圖像時可以同時獲得一張彩色圖像以及一張深度圖像，從而很方便的獲得深度信息，并且可以根據這個信息構建稠密的地圖，但是深度相機測量深度的范圍一般比較近，通常在5m以下，所以應用場景比較受限。視覺SLAM雖然具有傳感器成本低、圖像信息較為豐富的優(yōu)點[5]，但相機本身屬于被動感光傳感器，在沒有光照的條件下無法感知到環(huán)境信息，這就導致視覺SLAM系統(tǒng)無法在光照條件比較弱或者無光的條件下工作，對于室外光照不穩(wěn)定的情況，視覺SLAM也無法很好的工作。視覺SLAM構建的地圖通常為稀疏的特征點地圖，如圖1-3，這種地圖無法反映出環(huán)境的結構信息。但是，視覺SLAM還是有很多值得借鑒的方法。Mono-SLAM[6]是第一個能夠達到實時定位的SLAM系統(tǒng)，PTAM（ParallelTrackingAndMapping）[7]是SLAM歷史上第一個使用多線程技術的SLAM系統(tǒng)，ORB-SLAM[8]以及ORB-SLAM2[9]是包括前端跟蹤定位、后端位姿優(yōu)化以及回環(huán)檢測部分的完整SLAM系統(tǒng)。還有
哈爾濱工業(yè)大學工學碩士學位論文-4-一些視覺結合慣性測量單元（Inertialmeasurementunit，IMU）的SLAM系統(tǒng)，比如首個相機和IMU融合的MSCKF（Multi-StateConstraintKalmanFilter）[10]、首個基于優(yōu)化方法的OKVIS[11]、可以運行在手機端的VINS-Mono[12]。圖1-3特征點地圖[8]以單線激光雷達為主要傳感器的SLAM系統(tǒng)稱為2D激光SLAM，單線激光雷達如圖1-4。圖1-4單線激光雷達單線激光雷達可以測得測量點到其自身坐標系的距離以及角度，測量精度較高，可以根據所獲得的測量點的距離信息以及角度信息獲取深度，但是單線激光雷達只能觀測到一個平面的信息，信息量較為單一，有時也和編碼器同時使用[13]，只適用于對三維空間信息沒有要求的場景。2D激光SLAM所構建出的地圖為二維柵格地圖，如圖1-5所示。2D激光SLAM也有很多代表性的方法。EKF-SLAM[15]開啟了2D激光SLAM研究的大門，FastSLAM[16]首次將SLAM分解為移動機器人自身位姿估計問題以及基于已知位姿的建圖，并且該方法可以實時的輸出所構建出的柵格地圖，Gmapping[17]是第一個融合輪式里程計的方法，Lu[18]是首個提出用圖優(yōu)化框架解決SLAM問題的作者，Karto-SLAM[19]是第一個意識到圖優(yōu)化系統(tǒng)稀疏性的方法，Cartographer[14]是目前效果最好的開源2D激光SLAM方法。
【參考文獻】：
期刊論文
[1]基于NDT和ICP融合的點云配準方法[J]. 張桂楊,苑壯,陶剛. 北京測繪. 2019(12)
[2]智能無人系統(tǒng)最新研究和應用綜述[J]. 崔娟娟,趙鵬,馬文靜,杜輝. 電子世界. 2019(18)
[3]智能物流研究綜述[J]. 古貞. 物流工程與管理. 2019(09)
[4]基于激光雷達的同時定位與地圖構建方法綜述[J]. 危雙豐,龐帆,劉振彬,師現杰. 計算機應用研究. 2020(02)
[5]移動機器人SLAM關鍵問題和解決方法綜述[J]. 楊雪夢,姚敏茹,曹凱. 計算機系統(tǒng)應用. 2018(07)
[6]海量三維掃描點云數據預處理方法[J]. 程俊廷,郭博洋,盧建軍. 電子技術與軟件工程. 2018(11)
[7]視覺SLAM綜述[J]. 權美香,樸松昊,李國. 智能系統(tǒng)學報. 2016(06)
[8]基于單目視覺的同時定位與地圖構建方法綜述[J]. 劉浩敏,章國鋒,鮑虎軍. 計算機輔助設計與圖形學學報. 2016(06)
[9]基于KDTree改進的ICP算法在點云配準中的應用研究[J]. 郭俊輝. 微型機與應用. 2015(14)
博士論文
[1]MEMS-IMU誤差分析補償與實驗研究[D]. 代剛.清華大學 2011
碩士論文
[1]動態(tài)場景中交通標志物重建和相機軌跡閉環(huán)矯正算法研究[D]. 田琪.哈爾濱工業(yè)大學 2019
本文編號：3585861
【文章來源】：哈爾濱工業(yè)大學黑龍江省 211工程院校 985工程院校
【文章頁數】：76 頁
【學位級別】：碩士
【部分圖文】：
移動機器人SimultaneousLocalizationAndMappingSLAM
哈爾濱工業(yè)大學工學碩士學位論文-3-機為主要傳感器的SLAM系統(tǒng)稱為視覺SLAM[5]。視覺SLAM系統(tǒng)所使用的相機通常為單目相機、雙目相機以及深度相機，如圖1-2所示。a)單目相機b)雙目相機c)深度相機圖1-2常用視覺傳感器單目相機價格低、模型簡單，應用于SLAM系統(tǒng)時計算量小，但是單目相機每次只能獲取一張圖像，使用單張圖像只能獲取方向信息，無法獲得尺度信息，從而導致構建地圖時相機獲取的特征點尺度恢復比較困難。雙目相機可以在每次采集數據時獲取兩張圖像，可以根據這兩張圖像進行匹配來恢復圖像中點的深度信息，但是對于比較遠處的點在恢復深度時無法恢復或者誤差較大，而且恢復深度會增加計算量。深度相機在獲取圖像時可以同時獲得一張彩色圖像以及一張深度圖像，從而很方便的獲得深度信息，并且可以根據這個信息構建稠密的地圖，但是深度相機測量深度的范圍一般比較近，通常在5m以下，所以應用場景比較受限。視覺SLAM雖然具有傳感器成本低、圖像信息較為豐富的優(yōu)點[5]，但相機本身屬于被動感光傳感器，在沒有光照的條件下無法感知到環(huán)境信息，這就導致視覺SLAM系統(tǒng)無法在光照條件比較弱或者無光的條件下工作，對于室外光照不穩(wěn)定的情況，視覺SLAM也無法很好的工作。視覺SLAM構建的地圖通常為稀疏的特征點地圖，如圖1-3，這種地圖無法反映出環(huán)境的結構信息。但是，視覺SLAM還是有很多值得借鑒的方法。Mono-SLAM[6]是第一個能夠達到實時定位的SLAM系統(tǒng)，PTAM（ParallelTrackingAndMapping）[7]是SLAM歷史上第一個使用多線程技術的SLAM系統(tǒng)，ORB-SLAM[8]以及ORB-SLAM2[9]是包括前端跟蹤定位、后端位姿優(yōu)化以及回環(huán)檢測部分的完整SLAM系統(tǒng)。還有
哈爾濱工業(yè)大學工學碩士學位論文-4-一些視覺結合慣性測量單元（Inertialmeasurementunit，IMU）的SLAM系統(tǒng)，比如首個相機和IMU融合的MSCKF（Multi-StateConstraintKalmanFilter）[10]、首個基于優(yōu)化方法的OKVIS[11]、可以運行在手機端的VINS-Mono[12]。圖1-3特征點地圖[8]以單線激光雷達為主要傳感器的SLAM系統(tǒng)稱為2D激光SLAM，單線激光雷達如圖1-4。圖1-4單線激光雷達單線激光雷達可以測得測量點到其自身坐標系的距離以及角度，測量精度較高，可以根據所獲得的測量點的距離信息以及角度信息獲取深度，但是單線激光雷達只能觀測到一個平面的信息，信息量較為單一，有時也和編碼器同時使用[13]，只適用于對三維空間信息沒有要求的場景。2D激光SLAM所構建出的地圖為二維柵格地圖，如圖1-5所示。2D激光SLAM也有很多代表性的方法。EKF-SLAM[15]開啟了2D激光SLAM研究的大門，FastSLAM[16]首次將SLAM分解為移動機器人自身位姿估計問題以及基于已知位姿的建圖，并且該方法可以實時的輸出所構建出的柵格地圖，Gmapping[17]是第一個融合輪式里程計的方法，Lu[18]是首個提出用圖優(yōu)化框架解決SLAM問題的作者，Karto-SLAM[19]是第一個意識到圖優(yōu)化系統(tǒng)稀疏性的方法，Cartographer[14]是目前效果最好的開源2D激光SLAM方法。
【參考文獻】：
期刊論文
[1]基于NDT和ICP融合的點云配準方法[J]. 張桂楊,苑壯,陶剛. 北京測繪. 2019(12)
[2]智能無人系統(tǒng)最新研究和應用綜述[J]. 崔娟娟,趙鵬,馬文靜,杜輝. 電子世界. 2019(18)
[3]智能物流研究綜述[J]. 古貞. 物流工程與管理. 2019(09)
[4]基于激光雷達的同時定位與地圖構建方法綜述[J]. 危雙豐,龐帆,劉振彬,師現杰. 計算機應用研究. 2020(02)
[5]移動機器人SLAM關鍵問題和解決方法綜述[J]. 楊雪夢,姚敏茹,曹凱. 計算機系統(tǒng)應用. 2018(07)
[6]海量三維掃描點云數據預處理方法[J]. 程俊廷,郭博洋,盧建軍. 電子技術與軟件工程. 2018(11)
[7]視覺SLAM綜述[J]. 權美香,樸松昊,李國. 智能系統(tǒng)學報. 2016(06)
[8]基于單目視覺的同時定位與地圖構建方法綜述[J]. 劉浩敏,章國鋒,鮑虎軍. 計算機輔助設計與圖形學學報. 2016(06)
[9]基于KDTree改進的ICP算法在點云配準中的應用研究[J]. 郭俊輝. 微型機與應用. 2015(14)
博士論文
[1]MEMS-IMU誤差分析補償與實驗研究[D]. 代剛.清華大學 2011
碩士論文
[1]動態(tài)場景中交通標志物重建和相機軌跡閉環(huán)矯正算法研究[D]. 田琪.哈爾濱工業(yè)大學 2019
本文編號：3585861
本文鏈接：http://sikaile.net/kejilunwen/zidonghuakongzhilunwen/3585861.html
