融合激光雷达运动畸变去除的Gmapping算法研究.pdfVIP

总第264期机械管理开发Total264

2025年第4期MechanicalManagementandDevelopmentNo.4,2025

技术应用

D0I:10.16525/14-1134/th.2025.04.093

融合激光雷达运动畸变去除的（ping算法研究

郑卫卫

（商丘工学院机械工程学院，河南商丘476000)

摘要：针对室内装修环境中，基于激光雷达的Gmapping建图算法，在建图过程中因粒子数量及激光雷达运动畸

变，导致建图时间长且地图精度低等问题，提出一种融合激光雷达运动畸变去除的Gmapping算法。首先设置合适

的粒子数目降低建图时间；其次采用融合去除激光雷达运动畸变的方式提高建图精度。试验表明，粒子数目为50

时且融合激光雷达运动畸变去除的Gmapping算法，可以降低建图时间及CPU的消耗、减少地图角度偏转、提高建

图精度，满足室内建图精度要求。

关键词：Gmapping算法优化；激光雷达；粒子数目；畸变去除

中图分类号：TP312文献标识码：A文章编号：1003-773X(2025)04-0260-03

02)采样：根据前一时刻获取到的位姿xi-1，估计t

引言

近年来，我国城市化发展迅速且人口老龄化，极时刻机器人位姿的提议分布。Gmapping在RBPF的基

大地促进装修机器人的发展1。装修机器人在室内工础上对提议分布进行了以下优化：

作时，自主导航是其工作的基础。自主导航技术是移

动机器人的关键技术[2]，使机器人不需要人为协助，P(z,lm-,x(,ur-1)

可以有计划地移动且构建出环境地图。同时定位与建式中:位姿x1=X1,x2.,x;地图mi=-m1,m2,.,m;激光

z1:=21,z2,,zt里程计数值ui:=u1,

图（SLAM)技术是机器人自主导航的基础，由Smith雷达观测数值；里

等人提出3]。最早使用EKF-SLAM算法，获取传感器u2,..,ut-l。

的环境信息，再进行卡尔曼滤波估计并更新递归数3)计算权重：使用采样的方式估计提议分布，保

据，获得机器人的位置信息。但是EKF（卡尔曼滤波）证了提议分布的效率。把激光雷达的观测结果和场景

算法更新递归数据会增加计算的复杂度，降低实时地图一一相匹配后，采集到最好的粒子以及尖端范

性。RPBF-SLAM算法会导致建议和目标分布出现较围，采样获得最好的粒子之后，转换到激光雷达扫描

大差异，降低建图精度[4]。针对RBPF-SLAM算法存的尖端范围，提高粒子的真实性。

在的各种问题，提出了增加改进提议分布及选择性重4)重采样：噪声、误差等各种影响因素会将需要

采样方式的Gmapping算法[5]。但是此算法基于粒子的粒子权重变小，不需要的粒子权重变大；导致重采

滤波及激光雷达进行建图，建图效果不理想。样的准确性降低,所以设定权重阈值B决定是否进行

针对上述问题，首先修改Gmapping算法的粒子重采样，阈值的计算公式为：

1

数目文件，在文件中设置不同的粒子数目，通过试验NeaF-(2)

N

对比,构