基于多激光雷达的三维高精度地图生成算法研究.pdfVIP

摘要

基于多激光雷达的三维高精度地图生成算法研究

近年来，随着科学技术的迅猛发展，各行各界掀起了人工智能的研究热潮。而

无人驾驶作为人工智能最重要的研究领域之一，更是吸引了无数的企业公司投身

其中。无人驾驶技术分为感知、定位、决策、规划和控制。其中定位技术是实现无

人车辆自主导航及决策规划的重要前提。

随着城市化进程的加快，受环境遮挡和复杂路况等因素影响，传统的定位方案

难以取得高精度的定位效果。而高精度地图的出现，为定位技术提供了新的思路，

无人车辆通过高精度地图来实现定位，既保证实时性又有着高精度的定位效果。

现如今大多数高精度地图是基于点云配准算法实现的，但传统的点云配准算

法仍存在诸多问题。如ICP（IterativeClosestPoint）算法存在耗时过多和迭代次数

过大会导致算法陷入局部最优问题。NDT（NormalDistributionsTransform）算法存

在因稀疏点云不可靠的姿态解算问题。高精度地图中的点云多采用三维激光雷达

获得。但单个三维激光雷达在性能上有着不可避免的缺陷，例如单个激光雷达实时

采集的数据往往线数较少，点云较为稀疏。而点云稀疏会导致地图生成过程中特征

点提取困难。在需要提取关键信息时，点云稀疏所获得的数据价值就会大打折扣，

同时极大的影响了无人车对障碍物的检测和识别能力。针对上述问题，本文深入研

究了基于多激光雷达配准高精度地图生成技术，并将改进后的算法应用于实际场

景中。

针对以上问题，本文主要完成了以下工作内容：

（1）针对单个激光雷达点云稀疏问题，本文提出一种多激光雷达配准新方法。

将萤火虫优化算法引入点云配准问题当中，解决了多激光雷达间姿态解算不精确、

因点云稀疏导致配准误差过大等问题，达到了解算精确、配准误差更小的效果。

（2）针对平面拟合中点集过多，迭代次数过大导致工作量过大、算法效率过

低等问题。本文研究经典的RANSAC（RandomSampleConsensus）算法，设计了

一种基于模型适配的阈值设置方法，根据阈值大小设计对应的参数化模型，减少迭

代次数，达到提高效率的目的。

（3）针对地图生成过程中存在特征点提取困难问题，本文将多激光雷达配准

算法引入LOAM-SLAM（LidarOdometryandMappinginReal-time）算法框架，解

决了由于点云稀疏造成的特征点提取困难问题，更好的完成了地图的生成。证明了

多激光雷达配准算法应用于LOAM-SLAM算法中具有一定的研究意义与实用价值。

本文将萤火虫算法优化创新后引入到多激光雷达配准问题，优化了对姿态解

算的求解；设计了一种基于模型适配的阈值设置方法应用于平面拟合当中，提高了

拟合效率；将多激光雷达配准算法与LOAM-SLAM算法框架相结合，解决了地图

生成过程中特征点提取困难问题，提高了提取效率和精度。

关键词：

无人驾驶，点云配准，激光雷达，即时建图

Abstract

Researchon3DHighPrecisionMapGenerationAlgorithmBasedon

Multi-lidar

Inrecentyears,withtherapiddevelopmentofscienceandtechnology,allwalksof

lifesetofftheupsurgeofartificialintelligenceresearch.Asoneofthemostimportant

researchfieldsofartificialintelligence,unmanneddrivinghasattractednumerous

enterprisestoparticipateinit.Unmanneddrivingtechnologyisdividedintosensing,

positioning,decisionmaking,planningandcontrol.