多传感器融合SLAM系统算法研究及应用.pdfVIP

多传感器融合SLAM系统算法研究及应用

摘要

近年来，机器人广泛的应用在家庭与工业场景，同时定位与地图构建算法作为机

器人定位关键技术成为研究热点。仅依靠图像信息的视觉同时定位与地图构建系统在

低纹理、光照切换、动态物体等退化场景下难以稳定工作。融合视觉惯性的定位系统

在面对单一传感器退化场景时依旧存在鲁棒性不足的缺点，因此开展融合多传感器数

据的SLAM系统研究工作势在必行。

轮式机器人应用广泛且通常配备用于运动控制与位置推算的轮速测量传感器，当

车轮与地面只发生滚动工况下具有较高的可靠性。因此本文以轮式机器人为对象，研

究了基于多传感器融合估计理论的高精度、高鲁棒定位算法，设计了视觉、惯性、轮

速测量信息融合且紧耦合的多传感器同时定位与地图构建系统，课题的主要工作内容

及贡献如下：

(1)针对主动轮与地面易发生相对滑动的问题设计被动轮速测量装置，同时将轮

速测量模型与机器人底盘结构之间解耦。针对优化过程中状态变量改变后需要消耗大

量计算资源重新计算帧间轮速约束的问题，构建了与被动轮速测量装置相匹配的轮速

角速度预积分模型。

(2)针对加入轮速测量后引起内、外参数未知的问题，提出了轮速与惯性器件之

间外部参数离线与在线标定算法。在离线标定算法中系统由粗到精分步求解轮速与惯

性坐标系之间位置姿态外部参数，并在在线标定算法中实时联合优化求解外部参数。

通过模型计算数据集及真实数据集对所提标定算法的有效性进行了验证。

(3)针对设计实现的多传感器融合同时定位与地图构建系统，采集室内场景及回

型走廊场景下传感器数据并对系统定位精度进行验证。与加入深度传感器的视觉惯性

系统相比，在具有丰富特征点的室内数据集下定位精度平均提升20.8%，在特征纹理

不丰富的回型走廊数据集下，由于可有效估计尺度，定位精度平均提升41.2%。

(4)针对融合定位系统面向实际应用中的需求，开发在线稠密建图子模块及基于

地图定位子模块。实现了基于面元实时构建彩色稠密地图，为后续导航规划任务提供

有利支持。实现了视觉系统基于隐式地图定位算法，采用神经网络辐射场技术构建场

景隐式地图，将地图与采集图像联合优化估计最优定位结果，最后通过数据集对算法

有效性进行验证。

本文充分结合多种传感器测量数据构建紧耦合的同步定位与地图构建系统，定位

精度及鲁棒性得到有效提升，同时探索了在线建图及基于地图定位等应用方向。

关键词：多传感器融合；同时定位与地图构建；移动机器人；紧耦合；外参标定

多传感器融合SLAM系统算法研究及应用

ABSTRACT

Inrecentyears,robotshavegarneredextensiveutilizationinbothhouseholdand

industrialsettings.Consequently,simultaneouslocalizationandmappinghaveemergedasa

prominentresearchfocus,servingasapivotaltechnologyforaccuraterobotlocalization.

Thevisualsimultaneouslocalizationandmappingsystem,whichsolelyreliesonimage

information,encounterssignificantchallengesinmaintainingstableperformancein

degradedscenes,includingthosewithlowtexture,lightingchanges,andthepresenceof

dynamicobjects.Thepositioningsystemthatincorporatesvisu