载体定位是实现自动驾驶的关键技术之一,其中基于地图的定位技术具有精度高和鲁棒性强的优点。同步定位与建图(simultaneous localization and mapping,SLAM)技术是针对未知环境地图构建的典型方法,在地铁隧道场景中,传统SLAM算法易因...载体定位是实现自动驾驶的关键技术之一,其中基于地图的定位技术具有精度高和鲁棒性强的优点。同步定位与建图(simultaneous localization and mapping,SLAM)技术是针对未知环境地图构建的典型方法,在地铁隧道场景中,传统SLAM算法易因几何结构的严重退化而导致建图失败。针对此问题,文章提出一种基于点云强度特征的建图算法。其首先进行基于点云强度的特征点云提取,并根据广义迭代最近点算法完成高强度特征点云残差构建,以增加运动约束;其次,基于位姿图优化融合激光雷达数据与惯性测量单元数据,完成位姿优化与地图构建;最后,使用地铁隧道离线数据进行算法验证,结果显示,采用该方法成功构建了地铁全线的点云地图,地图无明显漂移,并采用隧道壁上固定安装距离的标识物体进行地图精度评估,所建地图平均偏差小于0.2m,验证了所提算法的有效性与鲁棒性。展开更多
文摘载体定位是实现自动驾驶的关键技术之一,其中基于地图的定位技术具有精度高和鲁棒性强的优点。同步定位与建图(simultaneous localization and mapping,SLAM)技术是针对未知环境地图构建的典型方法,在地铁隧道场景中,传统SLAM算法易因几何结构的严重退化而导致建图失败。针对此问题,文章提出一种基于点云强度特征的建图算法。其首先进行基于点云强度的特征点云提取,并根据广义迭代最近点算法完成高强度特征点云残差构建,以增加运动约束;其次,基于位姿图优化融合激光雷达数据与惯性测量单元数据,完成位姿优化与地图构建;最后,使用地铁隧道离线数据进行算法验证,结果显示,采用该方法成功构建了地铁全线的点云地图,地图无明显漂移,并采用隧道壁上固定安装距离的标识物体进行地图精度评估,所建地图平均偏差小于0.2m,验证了所提算法的有效性与鲁棒性。
