基于激光雷达的移动地面机器人实时定位.docx

Ilya Belkin et al. / Procedia Computer Science 186 (2021) 440–448 PAGE 447 PAGE 446 Ilya Belkin et al. / Procedia Computer Science 186 (2021) 440–448 基于激光雷达的移动地面机器人实时定位 摘要 讨论了室外环境下移动地面机器人的现代定位方法。特别关注基于激光雷达的方法，该方法允许独立于照明条件进行精确的同时定位和绘图(SLAM)。提出了一种基于激光雷达的模块化定位方法。它由三个模块组成:地图重建器、地图合并与校正、定位模块。作为地图重建器，我们使用基于三维激光雷达的图形SLAM，最先进的方法lool及其修改点云分割技术A-Lego-lool。作为地图合并和校正，我们将交互式地图校正技术应用于三维图形SLAM。对于定位模块，我们比较了不同的实时方法:无损检测扫描匹配和扫描批处理定位。他们不允许用未知的初始位置来定位机器人。为了克服这个问题，提出了一个全局蒙特卡罗定位阶段，该阶段允许生成切换条件和粗略的初始姿态。引入定位收敛速度矩阵，研究初始姿态估计可能存在的误差对实时定位方法收敛性的影响。本文的重点是用相对和绝对度量来评价本地化质量。实验结果来自于搭载威力登HDL-32E激光雷达的移动地面机器人ClearPath Husky的自身数据。所提出的机器人定位方法实现了不同硬件平台的实时性能，特别是单板机Nvidia Jetson Xavier。论证了将所研究的模块化定位方法集成到自动驾驶汽车车载控制系统中的可能性。 关键词:移动地面机器人；基于激光雷达的定位:SLAM实时 1。 介绍 同步定位和绘图(SLAM)允许机器人确定其位置，并使用传感器构建周围空间的地图。机器人从未知环境中的未知位置开始，通过在运动过程中反复观察环境特征来确定其位置和方向。基于这些观察，它构建了一个周围空间的地图。 本地化是机器人学中的一个普遍任务。选择哪种特定的本地化技术取决于预期用途的环境、可用的预算、数据的准确性、频率和可靠性。户外导航任务的这种数据可以使用1)全球定位系统(GPS) [10]，2)惯性导航系统(INS)和/或惯性测量单元(IMU) [4]，3)识别系统和图像处理机载摄像机[22，27]，4)外部摄像机分析系统，例如安装在无人机上，监控给定区域[24，33]，5)机载激光雷达[34]来获得。由于全球定位系统，惯性导航系统数据仅在开放空间中是准确的。在没有全球定位系统信号的情况下，惯性测量单元会导致误差快速累积。仅基于摄像机的SLAM对环境光敏感，在定位时不允许考虑远处的物体(30米以上)。外部无人机摄像机的使用受到其相对较短的飞行时间和天气条件的限制。多波束激光雷达是形成周围区域地图的最可靠的测量源。只要有一个小的误差，就可以确定到100-200米物体的距离，而不依赖于照明条件。激光雷达正在迅速变得更便宜，尽管与其他传感器相比，它们仍然相当昂贵。 除此之外，移动机器人定位系统通常必须作为车载控制系统的一部分工作，这需要运行速度和能量效率。能够实时工作的定位系统在现代研究中非常受关注。 提出了一种基于激光雷达的移动地面机器人实时定位的模块化方法。它有一个新的结构，由三个模块组成:地图重建器，地图合并和校正，定位模块。其特征还包括根据使用修改的蒙特卡罗方法构建的地图的初步粗略定位，以及随后切换到基于无损检测扫描匹配或使用扫描批处理方法定位的更精确定位过程的过程。引入定位收敛速度矩阵，研究初始姿态估计可能存在的误差对实时定位方法收敛性的影响。 我们已经在自己的数据集上测试了这种方法，该数据集是使用威力登HDL-32E捕获的，安装在UGV-Clearpath哈士奇上。确定了所提出的方法在各种硬件平台(尤其是NVidia Jetson Xavier嵌入式单板计算机)上的延迟。 2。 相关作品 在基于激光雷达数据处理的SLAM方法中，关键方法是点云配准方法，例如使用通过比较特征获得的两个云的一些点的对应关系的先验信息的方法，以及不需要这种信息的方法。匹配方法也可以分为全局方法和局部方法。全局方法的特点是能够在初始近似有显著误差的情况下找到正确的匹配，局部方法对初始误差的抵抗力较差，并且收敛到局部最优。 基于地面的机器人运动的细节使得缩小正在考虑的方法类别成为可能。当机器人速度较小时，点云采集时的畸变也较小。机器人通常配备有惯性传感器，即使在速度很高的情况下也能补偿变形。这些细节允许在两种情况下使用本地匹配方法。通常，不存在点对应的先验知识。因此，必须找到这些对应关系。 最简单但最流行的方法是迭代最近点法[2]。它在一个循环中执行两个操作:通过搜索最接近的点来比较两个云点，然