论文部分内容阅读
车载移动测量系统通过GNSS/INS获得载体高精度位置和姿态(下称“POS”),但在城市街道等环境下GNSS信号经常失锁,单独使用INS解算的POS误差随时间累积,载体平台POS精度受到严重影响甚至不可用,需要其它传感器辅助获得高精度POS,LiDAR凭借观测信息丰富、测量精度高及出色的全天候工作能力成为首选,激光SLAM算法发展为LiDAR与INS融合解算POS提供技术支撑。完整的激光SLAM系统除底层SLAM算法外,还涉及多传感器集成、数据获取与可视化(下称“SLAM系统上层”)等技术。机器人操作系统ROS包含导航功能包、坐标系统和3D可视化工具等,能够加快激光SLAM系统开发,Google于2016年9月开源Cartographer算法平台为激光SLAM系统实现提供参考,但除官方文档外,目前关于该平台介绍较为片面且不系统,难以利用该平台优势快速开发。基于以上特点,本文研究基于Cartographer构建完整的激光SLAM系统,分析涉及关键技术并评估系统精度,为合理利用Cartographer和下一步解决GNSS信号失锁时POS估计问题提供参考,研究工作主要包含以下内容:1)研究完整激光SLAM系统关键技术及Cartographer源码逻辑,分析Cartographer平台在算法和效率方面的优势,包括点云数据预处理、激光SLAM前端、后端图优化和回环检测等方面。2)分析非线性优化库Ceres Solver和G2O的优劣,Cartographer基于Ceres Solver实现图优化,本文基于G2O实现图优化并替换Cartographer源码对相同数据处理,通过统计耗时分析。针对Pose-Graph,Ceres Solver相对G2O效率高,但G2O内部定义了图优化中常用顶点和边等类型,实现更加便捷;3)基于ROS实现战术级惯导STIM 300驱动,用于获取传感器数据,并给出通用传感器驱动设计流程,为ROS平台上使用传感器提供参考;4)构建2D和3D激光SLAM系统,包括硬件平台和基于Cartographer的软件平台,通过实验分析激光SLAM系统关键技术后端优化、回环检测和检校误差对后处理点云的影响,并基于承重柱体和标靶球设计方案评估系统精度,经计算,2D SLAM室内精度为5-6cm,3D SLAM室外精度为10-15cm。此外,为灵活运用Cartographer算法平台并借助该平台开发,结合理论和实验对涉及参数进行分析。