面向闭环检测的Delay-CLD算法及其在3D激光SLAM中的应用.pdfVIP

摘要 同步定位与建图技术SLAM(Simultaneous Localization and Mapping) 自从1988 年 被提出之后到如今，经过多年的研究和发展逐渐在人工智能和无人驾驶等高新技术领 域展现出巨大的应用价值。但由于被用于SLAM 的相关传感器存在误差以及SLAM 算法本身的缺陷，SLAM 在运行过程中不可避免的会出现建图与定位漂移的情况。对 此，需要一种额外的算法能够对 SLAM 的建图与定位过程提供优化指令，而这种算 法在 SLAM 中通常是以检测是否经过同一地点来实现的，在学术界这种方法被称之 为闭环检测算法。 3D 激光 SLAM 和面向3D 激光 SLAM 的闭环检测算法是近几年SLAM 领域中 的研究热点。在对3D 激光SLAM 和相关的闭环检测方法的国内外发展现状进行研究 之后，本文针对面向3D 点云数据的闭环检测的研究做了以下准备工作：首先，本文 在研究了激光雷达的工作原理的基础上，选用了机械旋转式多线激光雷达作为本文研 究的主要传感器；其次介绍了激光 SLAM 的整体框架明确了闭环检测在框架中的位 置；最后比较了几种常用的点云特征提取方法，确定了基于点云特征描述符的闭环检 测研究方向。 为了能够在3D 点云数据中高效提取出鲁棒的特征描述符，本文提出了一种对原 始3D 全局描述符M2DP 算法的优化算法Fast-M2DP ：继承M2DP 算法将3D 点云投 影到2D 平面上提取特征描述符的思想，并将M2DP 的串行实现节点用基于CPU/GPU 并行的方法进行优化。实验结果表明，Fast-M2DP 在保证了特征描述符信息丰富度的 同时提升了算法的运行效率。 为了提升闭环检测的运行速度和准确度，本文提出了一种完整的闭环检测算法框 架Delay-CLD ：（1）基于激光SLAM 前端位姿估计设置一个Delay 检测阈值，避免大 量无意义计算，Delay 检测条件达成后使用Fast-M2DP 高效、鲁棒的确定闭环候选者； （2 ）在确定的闭环候选者之间进行基于Super G-4PCS 的粗配准，以确保不会处理错 误的闭环检测，再使用改进的ICP 算法来完善转换估计，最终完成闭环检测。实验证 明，提出的闭环检测算法具有良好的性能。 最后，本文在ROS 平台上使用Delay-CLD 对经典3D 激光SLAM 算法LOAM 进 行了应用改造，并在非典型室内场景中进行了改造前、改造后算法的真实地图构建与 定位实验，实验结果证明了Delay-CLD 的实际应用效果是优秀的。 图[63] 表[18] 参[71] 关键字：3D 激光SLAM；闭环检测；3D 全局描述符；Delay-CLD ；Super G-4PCS 分类号：TP-391 I Abstract Since SLAM (Simultaneous Localization and Mapping) was proposed in 1988, after years of research and development, it gradually showed great application value in high-tech fields such as artificial intelligence and unmanned driving. Due to the errors of the related sensors used in SLAM and the flaws of the SLAM algorithm itself, SLAM will inevitably have mapping and positioning drift during operation. In this regard, an additional algorithm is needed to provide optimization instructions for the mapping and positioning process of SLAM. This algorithm is usually implemented in SLAM by detecting whether it passe