文档介绍：该【基于激光雷达的复杂环境定位研究 】是由【小舍儿】上传分享，文档一共【4】页，该文档可以免费在线阅读，需要了解更多关于【基于激光雷达的复杂环境定位研究 】的内容，可以使用淘豆网的站内搜索功能，选择自己适合的文档，以下文字是截取该文章内的部分文字，如需要获得完整电子版，请下载此文档到您的设备，方便您编辑和打印。131
第期机电技术
基于激光雷达的复杂环境定位研究
吴晓锋陈少斌黄宴委
350116
(福州大学电气工程与自动化学院,福建福州)
摘要针对传统定位方法中存在误差大、定位范围小、依赖标志物等问题,文章通过无人系统自身搭载的传感器实
现复杂环境下的定位:无人系统配置激光雷达传感器获取周围环境点云数据,得到当前时刻在环境中的位置信息;借助机
RobotoperationsystemROSHectorCartographer
器人操作系统(,)实时发布传感器数据;分别使用算法、算法对环境进行实时
SimultaneousLocalizationandMappingSLAM2
定位与建图(,)。实验证明,在无轮式里程计的条件下,该种算法仍保持较
高定位精度,所建地图可用于无人系统的局部及全局路径规划。
HectorCartographer
关键词无人系统;算法;算法;实时定位与建图
-4801202101-031-04
中图分类号:文献标识码:文章编号:()
.1672-
DOI:
SLAM
定位问题的解决是无人系统实现智能化的关器的激光;但是该算法在局部子图匹配之前
GPSHector
键。在信号差的条件下,传统的室内定位利都要构建子图,耗费较长时间。本文使用
WiFi
用、二维码、磁条定位来实现无人系统定算法[7]进行定位建图实验,在不使用轮式里程计的
WiFiWiFi
位[1]。而室内定位只给出接收器至发射条件下可以得到较高的定位精度,完成室内地图
器的距离和角度信息,无法正确捕捉到无人系统构建;为了试用大场景、大范围下无人系统的定
Cartographer
所在场景;二维码定位和磁条定位虽精度较高,但位,通过改进算法[8],仅使用激光雷达
imu
是需要事先设置不同位姿的二维码和布设磁条且数据和数据对自身在室内环境下进行定位并
2
运行范围受到极大的限制。近年来,无人系统的建图:通过对此种算法的实验得到较高精度的
快速发展,已经应用到物流运输、餐饮服务、河道地图,为无人系统在室内不平坦的环境、复杂搜救
[23]
水质检测等领域,,这对其定位精度提出了高要环境、煤矿开采环境、城市河道等环境内的自身定
求。无人系统需要做到智能化、模块化,对环境具位提供了条件。
1
有较强的适应能力,要求其能够通过自身所携带定位算法研究
传感器完成对环境的识别及定位。无人系统可搭
载激光雷达、声呐、、单目、双目摄像机等传感基于算法二维栅格地图构建
器来获得环境信息,通过定位算法对环境信息进栅格地图是通过二维平面内障碍物占据概率
freeoccu⁃
行处理,得到无人系统的精确位姿。大小所建的地图,每个栅格仅可分为、
piedunkown3
激光雷达具有分辨率高、抗干扰性强、不受光和种状态,具有构建简单、表示任意
Hector
线影响等优点,被运用于诸多领域[4]。基于激光雷环境、占据内存小等优点。算法利用激光
达的建图与定位导航方法是现在无人系统研究的雷达实现对周围环境的扫描匹配,完成自身的实
GmappingSLAM
一大热点。算法[5]是基于滤波器的激光时定位与建图。其包括前端和后端系统:
SLAMSLAM
,依靠可利用的、足够高精度的里程计进行前端用于在线实时估计无人系统的运动,
航位推算,在平坦地面环境里效果较好;但是对于而后端则用于在给定使用前端之前生成的姿势之
非结构化环境,导致载体显著的横摇和俯仰运动,间的约束的情况下优化姿势图。其主要分为地图
或在空中平台上实施,此类系统不适用或必须进访问、点云数据扫描匹配和多分辨率地图表示。
Karto6
行重大修改。算法[6]是基于图优化的激光由于激光雷达平台会出现个自由度运动,所以
SLAMcholesky
,用高度优化和非迭代矩阵进行稀需要将激光雷达系统坐标系转换为局部稳定的坐
疏系统解耦作为解,在一定程度可替代基于滤波标系。利用估计的平台方向和联合值,将扫描转
1995
作者简介:吴晓锋(—),男,硕士生,主要研究方向为机器视觉。
万方数据
3220212
机电技术年月
1
换为扫描端点的点云,根据场景的不同,对这些点的栅格中,则匹配成功。如图所示,给定一个激
云数据进行预处理。光点P,坐标为(x,y),它在栅格地图中的占据值
m∇Μ()=
地图访问:激光雷达在起始位置进行初始化,为M(P),则其梯度值可表示为P
∂m∂m
将获取的激光数据作为第一帧处理映射到地图(M()M())4
∂P,∂P。可用临近的个已知坐标
中。在t时刻,激光获取到新的激光数据,将该数xmym
-11
据变换到栅格地图中,与t时刻的地图进行匹下的占据值沿着x轴和y轴线性差值得到。如图
配,如果t时刻所有的激光点都能够变换到被占据所示,可得:
------
()≈yy0(xx0()+x1x())+y1y(xx0()+x1x())1
MP--MP11-MP01--MP10-MP00()
m
y1y0x1x0x1x0y1y0x1x0x1x0
∂--
M()≈yy0(()-())+y1y(()-())2
∂P-MP11MP01-MP10MP00()
m
xy1y0y1y0
∂--
M()≈xx0(()-())+x1x(()-())3
∂P-MP11MP10-MP01MP00()
m
yx1x0x1x0
CartographerSLAM
扫描匹配:扫描匹配是根据扫描出来的激光的精度。算法包括前端局部和
Gauss-New⁃SLAM
数据与已有地图相配对的过程。基于后端全局。在无轮式里程计的情况下,前端
tonSLAM3imu
方法对激光光束端点进行优化,对于变换到栅局部如图所示:通过对各个时间段的
1
格的一个激光点,若M(P)越趋近,匹配效果越数据进行积分,估计出无人系统位姿,再融合滤波
m-1
好。在获得t时刻的激光数据后,计算t到t时刻后的激光雷达点云数据进行扫描匹配,最后经过
-11
的位姿增量,在t附近去迭代匹配得到最优的匹运动滤波得到子地图。每当获得次激光雷达扫
2HectorSLAM
配结果。图为流程。描数据,便与当前最近建立的子地图去进行匹配,
使这一帧的激光扫描数据插入到子地图上最优的
P00P10
y0位置。在不断插入新数据帧的同时,该子地图也
Pm
得到更新。一定量的数据组合成一个子地图,当
PP11
01y
1不再有新的激光扫描数据插入到子地图时,则表
示该子地图创建完成;接着创建下一个子地图。
xx1
104
图网格占据其过程如图所示。
GSLAM
E
%%#8F%#G
imu
imuA?#
DD
F%#
.
&
G
%&FG#C
G4 A1
2GHectorSLAM
图流程0 B
多分辨率地图:减小栅格地图每个栅格的尺 $
寸,提高所建栅格地图的分辨率。采用多分辨率,
SLAM
3Cartographer
地图,减弱陷入迭代计算的局部极值。图算法原理
基于算法二维栅格地图构建
Cartographer
算法引入了闭环检测,对子地图nn1nn
所累积的误差进行校正,引入分支定界算法提高
Hector4
闭环检测的效率;相比于算法建图有较高图子地图创建
万方数据
133
第期吴晓锋等:基于激光雷达的复杂环境定位研究
Cartographerimu
通过创建大量的子地图来实现置有传感器发布角速度和线速度主题等待其
大场景建图。子地图在短时间内的准确度是可靠它节点订阅;运行键盘操作节点可实时对运动底
的,但长时间会存在累计误差;为了减小误差,需盘发送角速度和线速度指令,再转化为电驱驱动
SLAM1
要通过后端全局来回环检测。由于每个的控制信号,驱动底盘运动。
子地图都与全局地图进行匹配需耗费大量时间,
NVIDIAROS8&1*
该算法采用分支定界和预先计算网格的方法,提TK1
3SLAM%MEK--HectorCartographerD?
高匹配搜索效率。如图所示,从局部得到8&8&8&
8&
8&8&
USBP4***@Fimu
子地图、时间戳、无人系统位姿及其激光数据信
F-
RplidarSTM32+ PEL=
.A
息,通过对这些子地图上的信息进行匹配和回环A2
FA
imu6
检测,结合数据和已知的坐标位姿进行稀松图系统架构
位姿调整,推断出所有已添加的位姿,完成全局3
SLAM实验结果及分析
。HectorCartographer
2ROS本文分别对和算法进行
基于的无人系统平台构建2
实时定位与建图实验,通过对比种算法的建图
Hector
本文使用的无人系统平台包括思岚科技效果,选择算法所建地图进行路径规划实
RplidarA2TK115aVncviewerNVIDIA
、英伟达和个运动底盘,如图()验。远程计算机通过远程控制
RplidarA216mTK1ROSHector
所示。扫描半径最大为,测量频。通过启动上的建图节点和键盘
8000/sTK1PC
率次;英伟达通过远程机控制,安操作节点,对室内环境建图。在建图过程中激光
装操作系统并配置了机器人操作系雷达扫描周围环境对实验平台位姿估计,并估计
ROS117
统;运动底板包括主控制器及对差分驱动出条实验平台走过的路径,如图所示。通过启
TK1ROSCartographer
的电机。英伟达,通过实现对激光雷达动建图算法和键盘操作节点,进行
SLAM892
和底盘控制节点的控制并获取传感器信息,如图实验,如图所示。图为该种算法所构
5b2Cartog⁃
()所示。建室内环境地图。对比种算法所建地图:
rapher
算法所建地图边界较为稳定,大场景定位
123
较为准确、精度较高,但是所消耗的计算量大、建
Hector
图较慢;算法边界较为粗糙,但是计算量
35
AD
a
()实验平台布局
激光雷达;运动底盘;
A
7Hector
图建图
***@F% 35
AD
4F
b
()关系图
5
图无人系统平台
6
如图所示,激光雷达节点不断发布激光扫
8Cartographer
描数据主题等待其它节点的订阅;主控制器里内图建图
万方数据
3420212
机电技术年月
10
小、小场景定位较为可靠、建图迅速。图为根
35
据所建地图进行全局及局部路径规划。D
L.(
76E+
10
图全局及局部路径规划
4
结束语
aHector
()HectorCartographer
本文使用算法和算法在
无轮式里程计的情况下实现无人系统的定位建
图,为无人系统在室内不平坦的环境、复杂搜救环
境、煤矿开采环境、城市河道等复杂环境内的自身
2SLAM
定位提供了方法。通过对种算法的对比,
HectorCartographer
算法适用于小环境定位,算法
适用于大范围环境内的定位。通过对所建地图进
bCartographer2
()行路径规划实验,表明种算法在无轮式里程计
92
图种算法所建地图对比下定位具有较高精度。
参考文献:
[1].WiFi//PDR[J].2020617-21.
王照远,高井祥,李增科一种融合地磁的室内定位方法测绘通报,():
[2][J].ProcessAutomationInstrumenta⁃
,
tion201940865-69.
,,():
[3][J].IntelligentComput⁃
,,
erandApplications20199114-18.
,,():
[4]-EnhancedConnectedInfrastructuresSensingandBroadcastingHigh-Resolution
,,,
TrafficInformationServingSmartCities[J].IEEEAccess2019779895-79907.
,():
[5]-BlackwellizedParticleFilters
,,
[J].IEEETransactionsonRobotics200723134-46.
,,():
[6]KONOLIGEKGRISETTIGRainerKü[C]//IEEE/RSJInter⁃
,,,
nationalConferenceonIntelligentRobots&.
[7][C]//
,,,
.
[8]-timeloopclosurein2DLIDARSLAM[C]//IEEEInternationalConferenceonRo⁃
,,,
.
()
􀤉􀤉􀤉􀤉􀤉􀤉􀤉􀤉􀤉􀤉􀤉􀤉􀤉􀤉􀤉􀤉􀤉􀤉􀤉􀤉􀤉􀤉􀤉􀤉􀤉􀤉􀤉􀤉􀤉􀤉􀤉􀤉􀤉
30
(上接第页)
识别出作业范围内的行人及骑车人,还可识别车动作,极大的提升了环卫车整车操作的安全性与
辆、障碍物等,车辆在作业过程中会根据作业范围智能性。
内有无行人和车辆,自动关闭和开启相应的作业
参考文献:
[1].[D].2016.
李晓飞基于深度学****的行人及骑车人车载图像识别方法北京:清华大学,
[2].[D].2017.
张治国前方道路行人检测和距离估计研究武汉:华中科技大学,
川万方数据