激光LiDAR/视觉融合的SLAM(LV-SLAM)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 518060

同时定位与制图(simultaneous localization and mapping,SLAM)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SLAM方面的研究具有重要意义。激光LiDAR和视觉两种传感器能够优势互补，但目前已有的两者融合SLAM方案中存在一些问题:①硬件平台传感器标定精度不高，空间基准不统一；②定位精度和实时处理效率之间的矛盾；③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LiDAR视觉融合的SLAM技术研究，充分发挥二者优势，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LiDAR/视觉SLAM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、LiDAR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SLAM核心技术架构体系。

(2) 针对“硬件平台传感器标定精度不高，空间基准不统一”的问题，提出利用红外影像的LiDAR/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LiDAR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LiDAR视觉传感器标定的可行性。其次，阐述了LiDAR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“定位精度和实时处理效率之间的矛盾”，提出基于加权NDT的LiDAR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LiDAR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DO-LFA的LiDAR SLAM前端(中端)架构。其次，提出了基于加权NDT的LiDAR直接法里程计方法，在经典NDT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LFA的特征点提取、特征点连接及运动位姿调整优化的关键步骤，构成了DO-LFA的完整技术方案。最后，通过KITTI公开数据集和WHU-Kylin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BOW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LiDAR/视觉SLAM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BOW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DO-LFA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、Cartographer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。