重庆理工大学学报(自然科学) ›› 2024, Vol. 38 ›› Issue (7): 1-11.

• 车辆工程 •    下一篇

基于因子图优化的激光惯性 SLAM 方法研究

兰凤崇,魏一通,陈吉清,刘照麟,熊模英   

  1. 1.华南理工大学机械与汽车工程学院,广州 510640;2.华南理工大学广东省汽车工程重点实验室,广州 510640
  • 发布日期:2024-08-13
  • 作者简介:兰凤崇,男,博士,教授,主要从事车身结构与安全方面研究,E-mail:fclan@scut.edu.cn;通信作者刘照麟,男,博士,主要从事自动驾驶汽车方面研究,E-mail:liuzhaolin@vip.126.com。

  • Published:2024-08-13

摘要: 融合激光雷达和惯性测量单元的SLAM方法是拒止环境下自动驾驶定位建图的重要技术手段。该技术包含前端和后端2个数据处理模块,在后端数据处理方面,现有方法存在长时间运行时累积误差较高、回环检测计算负载较大以及复杂拒止环境下鲁棒性不理想等问题。针对上述需求,提出 种适配前端激光惯性里程计的新型后端数据处理方法。该方法采用因子图优化算法架构,建立激光连续关键帧间的惯性单元预积分模型,将该模型作为因子图架构中表征惯性单元数据的算法因子,降低数据处理的计算负载。构建基于Scan-Context描述符的高效回环检测方法,将点云数据三维空间结构特征转化为二维特征图,在保证回环检测精度的前提下进 步提高计算效率。结合前端里程计信息,构建包含里程计因子、惯性单元预积分因子和回环检测因子误差项的目标函数,通过非线性优化算法求解最优位姿状态,形成完整的SLAM算法结构。对所述方法及FAST-LIO2、LIO-SAM和SC-LeGO-LOAM等现有主流激光惯性SLAM方法基于开源数据集进行对比验证,并开展实车试验。结果表明:相较于现有方法,所述DSC-Algo方法在公开数据集测试中的计算性能和全局定位精度实现了显著提升,在现实拒止环境实车测试中的定位精度和算法鲁棒性也具有明显优势。

关键词: 自动驾驶;激光惯性SLAM;后端数据处理;因子图优化

中图分类号: 

  • U462.1