[发明专利]一种激光雷达与旋转惯导一体化构架与信息融合的SLAM方法

说明书

本发明公开了一种基于激光雷达与旋转惯导一体化构架与信息融合的SLAM方法，所述方法包括：特征提取步骤，通过IMU数据计算激光帧之间的平移与旋转，消除原始点云中的运动畸变，从中提取稳定的边缘与平面特征。LIO步骤，由状态递推子模块和更新子模块组成，进行迭代卡尔曼滤波，输出初始里程以及未失真的特征。建图步骤，用全局地图改进初始里程，输出新的里程，然后使用新的特征更新地图。本发明所提出方法可应用于中低精度的MEMS惯导，有效提高了长时间运行时惯导系统的定位精度，从而提升了建图的准确性和可靠性。

技术领域

本发明涉及同步定位与建图领域，具体涉及一种基于旋转惯导与激光雷达数据融合的SLAM方法。

背景技术

如今SLAM(simultaneous localization and mapping，即时定位与地图构建)技术已在机器人、无人机、AVG等领域拥有广泛的应用，基于多线激光雷达传感器的定位与建图算法是当前SLAM领域的一个热点问题。研究如何提升激光雷达的SLAM系统在长时间运动过程中定位与建图的精度和稳定性，对我国机器人与智能驾驶等行业的发展有重要意义。

随着激光SLAM研究的不断发展，在理论、技术和产品落地上越来越成熟，对机器人和自动驾驶企业来说，激光SLAM仍是目前最稳定、最主流的定位导航方法。由于激光雷达本身测距的精度较高，误差模型简单，在强光直射以外的环境中运行稳定，所以激光SLAM算法在特定的环境中通常能取得比较好的效果。然而，基于运动估计的激光雷达点云存在稀疏性与运动失真的问题，导致仅使用激光雷达的SLAM系统在一些宽阔和开放的环境中表现不佳。最近的研究表明，通过融合惯性传感器IMU来弥补该缺陷是一个很好的解决方案。

目前，融合IMU的激光SLAM算法精度一定程度上仍依赖基于MEMS技术的IMU精度。为了提升其精度，现有的技术手段将IMU安装于旋转平台上并进行对准，从而准确地估计出载体当前的姿态信息和IMU的加速度计零偏与陀螺仪零偏。现有的方法IMU对准耗时较长，也不能达到可靠的精度。

发明内容

本发明索要解决的技术问题是，针对惯性传感器精度低下影响激光雷达/惯性SLAM性能的问题，为了提高IMU对准的速度与精度，本发明将在研究旋转捷联惯导系统的结构特点对导航系统性能影响的基础上，提出基于模糊自适应卡尔曼滤波的旋转惯导系统对准方法，实现惯导系统的快速对准。

本发明为解决上述技术问题采用以下技术方案：

(1)惯导对准：利用RWNN模型处理IMU数据，进行惯导系统动基座对准，对IMU误差进行修正，并输出修正后的惯导系统姿态和惯性信息；

(2)特征提取:使用修正后的惯性信息，计算激光帧之间的平移与旋转，消除原始点云中的运动畸变，从中提取稳定的边缘与平面特征，通过特征匹配计算两帧激光数据间的位姿变换；

(3)采用激光惯性里程计LIO模型进行导航解算：使用修正后的惯性信息进行惯性导航解算，作为滤波器估计值，再利用激光雷达的位姿解算结果作为滤波器的观测值，进行迭代卡尔曼滤波，输出系统在全局坐标系下的位姿以及未失真的特征；

(4)建图：采用基于全局地图的匹配，输出修正后的位姿，然后使用新的特征更新三维点云地图。

本发明采用以上技术方案与现有技术相比，具有以下技术效果：