基于多传感器融合的智能小车SLAM导航研究

• 作 者: 吴迪
• 出 处: 天津职业技术师范大学
• 发表日期: 2021年06期
• 关键词: 多传感器融合 SLAM 自主导航 路径规划

人工智能、大数据、云计算的迅速发展,改变了传统汽车行业形式,无人驾驶作为当前研究的热门课题,其核心技术SLAM(Simultaneous Localization And Mapping)、自主导航有着广阔的前景与市场,通过研究相关算法技术应用于智能小车上,对智能汽车的发展有着深远指导意义。论文以搭载激光雷达、里程计、IMU传感器的智能小车为研究对象,研究了在未知环境下的同步定位建图(SLAM)与自主导航问题。首先对智能小车整体架构进行系统分析,建立相关数学模型,包括智能小车速度运动模型、里程计运动模型、IMU模型以及激光雷达观测模型;同步定位与建图中,重点研究了基于图优化的Cartographer-2d-SLAM算法,针对原算法中单一里程计信息预估位姿不准确问题,在原激光里程计模型上增加IMU传感器信息,通过无损卡尔曼滤波(UKF)融合里程计和IMU信息进行小车位姿预测,再结合激光扫描匹配实现多传感器融合建图,并用MIT数据集进行仿真测试,测试表明,加入IMU信息后的多传感器融合建图效果优于原激光里程计模型建图效果;自主导航过程中,采用Dijkstra算法和A*算法用于全局路径规划,并进行仿真测试,结果表明A*算法利用启发式函数进行目标点搜索其搜索效率远高于Dijkstra算法,采用动态窗口法(DWA)算法用于局部路径规划,针对动态窗口法在局部导航中绕行、偏离全局路径问题,提出一种基于全局路径下的轨迹评价函数,在原轨迹评价函数上增加预估轨迹到最近全局路径点距离的评价项,优化局部路径选择,经过仿真测试表明,优化后的DWA算法能选择更简捷的轨迹路线;最后,基于ROS操作系统,智能小车搭载激光雷达、里程计、IMU传感器建立实验平台,并在此平台上进行IMU确定性误差标定,同时结合改进后的SLAM导航算法进行智能小车SLAM自主导航实验。实验结果表明,同步定位与建图过程中加入IMU信息后的多传感器融合建图其建图效果精度更高,鲁棒性更强;自主导航过程中,采用优化后的DWA算法使得智能小车在局部避障时能快速收敛至全局路径,其路径选择更优。