基于3D激光雷达点云的机器人重定位算法研究.pdfVIP

基于3D激光雷达点云的机器人重定位算法研究

摘要

随着时代的发展和人工智能技术的进步，智能移动机器人在人们日常生活和社会生

产活动中起到了越来越重要的作用。其中定位模块是实现移动机器人自主导航、路径规

划等任务的基础，高清的先验地图作为不可或缺的先验信息，是移动机器人重定位任务

的重要前提。然而面对复杂环境，现有的环境感知与定位技术并不能满足实际需求。因

此，本文针对移动机器人先验地图构建和导航过程中的重定位功能进行了深入研究，提

出了一种改进的全局地图构建和全局移动机器人重定位方法，有效地提升了移动机器人

在环境感知和定位方面的能力。本文主要研究内容及工作如下：

（1）针对传统基于欧氏距离进行回环检测的地图构建方法存在较大轨迹误差的问

题，通过定义ScanContext矩阵描述子进行回环检测判断并构造回环因子，提出了一种

基于特征点云的多传感器融合SLAM地图构建方法。仿真和实验结果表明所提出的方

法在一定程度上减少了轨迹误差，使得建出的先验点云地图更加精准，为后续重定位功

能的实现提供先验信息。首先构造激光里程计因子，实现了移动机器人位姿估计。然后

通过IMU数据补偿点云数据的运动畸变并构造IMU预积分因子，接着定义ScanContext

矩阵描述子进行回环检测的判断并构造回环因子，最后通过后端因子图优化输出优化后

的移动机器人位姿。实验表明，轨迹与地面真值的平均误差较主流算法均有不同程度的

减小。

（2）针对一般KITTI数据集点云格式中只包含XYZI（Intensity）这四个维度的信

息的问题，引入了extracth和sync后缀文件，以及标定文件重新制作了点云数据集。使

得地图构建过程中的点云数据都额外包含了对应线束Ring和相对时间Time信息，优化

了点云数据结构，数据集的准确性和泛化能力得到了提升。

（3）针对移动机器人导航过程中定位丢失的问题，提出了利用快速点云特征直方

图FPFH算法提取点云特征，并基于RANSAC或者TEASER算法进行点云特征匹配的

移动机器人重定位策略，仿真和实验结果表明所提出的策略能够有效解决机器人定位丢

失问题。即针对小规模点云使用TEASER算法，大规模点云使用RANSAC算法。TEASER

算法优点在于极快的计算速度，时间短，但准确率随点云规模增加显著降低。RANSAC

算法优点在于能够鲁棒的估计模型参数，具有较高的稳定性，但耗时较长。

（4）基于所搭建的移动机器人小车平台设计了移动机器人小车平台的硬件系统和

软件系统，实现了点云数据集加载和重定位功能。进行了硬件平台的整体架构设计，以

哈尔滨工程大学专业学位硕士学位论文

及控制、感知等功能模块的设计；基于Linux的Ubuntu20.04（noetic）版本系统进行了

软件平台开发，使用ROS机器人操作系统作为上位机软件，完成了软件程序的编写。

（5）控制四轮四转移动机器人实验平台，完成了封闭室内环境和真实园区道路的

环境数据采集工作。在成功构建先验地图后，对重定位算法进行实验分析与验证，证明

了本文提出的重定位算法的可行性。

关键词：移动机器人；SLAM；点云配准；因子图优化；重定位

基于3D激光雷达点云的机器人重定位算法研究

Abstract

Intelligentmobilerobotsareincreasinglyplayingasignificantroleinvariousaspectsof

humanlifeandsocialproductionactivitiesduetotheadvancementsinartificialintelligence

technologyandtheprogressofthetimes.Thelocalizationmoduleservesasthefoundationfor

enablingautonomousnavigation,pathplanning,andothertask