1、 第5 2卷 第1期测 绘 学 报V o l.5 2,N o.1 2 0 2 3年1月A c t aG e o d a e t i c ae tC a r t o g r a p h i c aS i n i c aJ a n u a r y,2 0 2 3引文格式:陈首彬.激光L i D A R/视觉融合的S L AM(L V-S L AM)关键技术研究J.测绘学报,2 0 2 3,5 2(1):1 6 9.D O I:1 0.1 1 9 4 7/j.AG C S.2 0 2 3.2 0 2 1 0 1 8 4.CHE NS h o u b i n.R e s e a r c ho nS L
2、 AMb a s e do nL i D A R/v i s u a l f u s i o n(L V-S L AM)J.A c t aG e o d a e t i c ae tC a r t o g r a p h i c aS i n i c a,2 0 2 3,5 2(1):1 6 9.D O I:1 0.1 1 9 4 7/j.AG C S.2 0 2 3.2 0 2 1 0 1 8 4.激光L i D A R/视觉融合的S L AM(L V-S L AM)关键技术研究陈首彬深圳大学建筑与城市规划学院,广东 深圳5 1 8 0 6 0R e s e a r c ho nS L A
3、Mb a s e do nL i D A R/v i s u a l f u s i o n(L V-S L A M)C H E NS h o u b i nR e s e a r c ho nS L A Mb a s e do nL i D A R/v i s u a l f u s i o n(L V-S L A M)C H E NS h o u b i nS c h o o lo fA r c h i t e c t u r ea n dU r b a nP l a n n i n g,S h e n z h e nU n i v e r s i t y,S h e n z h e n5
4、 1 8 0 6 0,C h i n a 同 时 定 位 与 制 图(s i m u l t a n e o u sl o c a l i z a t i o na n dm a p p i n g,S L AM)技术在机器人、自动驾驶等领域应用广泛,开展多传感器融合S L AM方面的研究具有重要意义。激光L i D A R和视觉两种传感器能够优势互补,但目前已有的两者融合S L AM方案中存在一些问题:硬件平台传感器标定精度不高,空间基准不统一;定位精度和实时处理效率之间的矛盾;信息融合不充分,未充分发挥传感器特性优势。因此,论文聚焦于激光L i D A R视觉融合的S L AM技术研究,充
5、分发挥二者优势,重点解决若干关键问题,实现精确、实时、稳健、普适的位置服务。主要研究工作如下。(1)在介绍几何数学理论知识的基础上,构建“平台-前端-中端-后端”的完整L i D A R/视觉S L AM核心技术架构体系。首先,从传感器硬件平台数据角度出发,围绕时空基准统一,介绍了欧氏空间变换、传感器模型、传感器时间同步技术。其次,从基础理论数学角度,围绕非线性优化主题,详细描述了梯度下降法和最小二乘非线性优化问题的求解方法。最后,构建了包含传感器标定平台端、L i D A R直接法里程计前端、局部特征调整中端、回环检测图优化后端的完整S L AM核心技术架构体系。(2)针对“硬件平台传感器标
6、定精度不高,空间基准不统一”的问题,提出利用红外影像的L i D A R/相机的高精度外标定方法,使得标定精度达到一个激光脚印点量级。首先,阐述了L i D A R视觉传感器系统高精度外标定的重要性,分析了传统外标定方法的不足,介绍了红外摄影的基本概念和特点优势,论证了红外影像用于L i D A R视觉传感器标定的可行性。其次,阐述了L i D A R视觉传感器外标定的基本概念和基本原理,提出利用红外影像的外标定方法,建立了高精度的外标定模型,详细介绍该方法的实施流程和技术细节。最后,利用试验数据从3个不同方面进行全面的精度评定和 分 析,验 证 方 法 的 精确性。(3)针对“定位精度和实时
7、处理效率之间的矛盾”,提出基于加权N D T的L i D A R直接法里程计及其局部特征调整的方案。首先,在详细介绍视觉里程计的特征点法和直接法的基础上,归纳总结和引入提出了L i D A R里程计的特征点法和直接法概念,进而阐述了直接法里程计及其局部特征调整D O-L F A的L i D A RS L AM前端(中端)架构。其次,提出了基于加权N D T的L i D A R直接法里程计方法,在经典N D T匹配中加入各体素的距离和表面特性权重,位姿参数求解基于李代数求导实现,确定了关键帧的选取策略,从而提高了里程计的精度,解决了定位精度和实时处理效率之间的矛盾。然后,详细描述了L F A的特
8、征点提取、特征点连接及运动位姿调整优化的关键步骤,构成了D O-L F A的完整技术方案。最后,通过K I T T I公开数据集和WHU-K y l i n背包数据的详细试验,对论文方案的精度和效率进行了评价和分析。(4)针对“信息融合不充分,未充分发挥传感器特性优势”的问题,提出了基于视觉B OW相似性和点云重匹配的回环检测技术,构建了基于回环检测和全局图优化的L i D A R/视觉S L AM的技术方案。首先,介绍了回环检测的意义,在考虑基于几何和基于外观的方法基础上,结合视觉B OW相似性和点云重匹配判断,进行回环检测。然后,详细阐述了全局位姿图的构建和优化的理论,在D O-L F A
9、的基础上,全局位姿图优化进一步提高关键帧定位精度和全局地图一致性,实现了测量信息的充分融合。最后,两个不同平台的试验,从定位轨迹精度、地图精度及一致性、C a r t o g r a p h e r对比等多个角度,全面详细分析和讨论了算法的精确性和稳健性。中图分类号:T P 2 4 2 文献标识码:D文章编号:1 0 0 1-1 5 9 5(2 0 2 3)0 1-0 1 6 9-0 1基金项目:国家重点研发计划(2 0 1 6 Y F B 0 5 0 2 2 0 0 4)收稿日期:2 0 2 0-0 4-1 2作者简介:陈首彬(1 9 9 1),男,2 0 2 0年6月毕业于武汉大学,获工学
10、博士学位(指导教师:柳景斌教授),研究方向为多传感器融合S L A M。A u t h o r:A u t h o r:C H E N S h o u b i n(1 9 9 1),m a l e,r e c e i v e d h i sd o c t o r a ld e g r e ef r o m W u h a nU n i v e r s i t yo nJ u n e2 0 2 0,m a j o r s i nS L A Mb a s e do nm u l t i-s e n s o r f u s i o n.E-m a i l:E-m a i l:s h o u b i n.c h e n w h u.e d u.c n
