[发明专利]一种紧耦合激光雷达和惯性里程计的建图方法及系统

说明书

本发明涉及一种紧耦合激光雷达和惯性里程计的建图方法及系统，方法包括：获取IMU数据和激光点云数据，对IMU数据进行预处理操作，得到当前激光帧姿态变化，对激光点云数据进行预处理操作，得到当前关键帧对应局部地图；对当前激光帧姿态变化和当前关键帧对应局部地图进行降采样处理，建立位姿优化方程进行扫描匹配优化，根据匹配的结果对之前获取的所有点云数据进行矫正；最后进行回环检测线程，对位姿进行矫正后保存当前帧和匹配帧之间的关系，实现闭环检测，构建出可视化的全局地图。本发明通过使用关键帧结合局部地图的方式使得帧图匹配的效率大大提高。

技术领域

本发明涉及无人驾驶地图实时构建和车辆系统技术领域技术领域，特别是涉及一种紧耦合激光雷达和惯性里程计的建图方法及系统。

背景技术

无人驾驶技术是近年来智能交通发展的重要前沿领域，其中包含了建图定位，融合感知，路径规划，决策控制等部分。无人驾驶车辆需要提供精确的信息来实现安全正确的行驶。无人驾驶技术主要通过集成GNSS，IMU和激光雷达等传感器来获得车辆的厘米级位置信息。近年来，随着同步与地图构建技术使用的传感器正不断迭代发展，更为精确的实时导航越来越受到人们的普遍关注，稳定性更强、精度更高和可靠性更好的技术已成为人们越来越强烈的需求。

当前主流的无人驾驶技术主要由两种：一种是基于GNSS(Global NavigationSatellite System，全球导航卫星系统)和激光雷达特征匹配的融合方法。但在某些特殊场景下的目标，由于目标的卫星信号容易受到遮挡、干扰等复杂的环境因素影响，难以为无人车提供目标持续、稳定的导航数据，尤其是隧道、城市峡谷、树冠茂密场景，环境遮挡造成可视卫星数目急剧降低。此时需要无人车进行自适应局部，找到自身车体所处道路的空间位置以及相对位姿，从而使得车辆能够在弱信号区域内依靠高精度的导航数据满足安全需求。通过以GNSS信息作为载体的位置约束，使用最小二乘方法对GNSS和激光扫描帧间匹配得到的位置进行融合。但是由于不同时空下的GNSS误差大小不一致，使用普通最小二乘法进行求解相当于将不同时空下的GNSS误差无差别引入系统中，最终导致载体位姿求解不准确、按载体位姿拼接得到的点云地图局部细节不够精细化的问题。

另一种是基于车载惯性传感器IMU(Inertial Measurement Unit，惯性测量单元)、里程计以及激光雷达特征匹配的融合航迹推算方法，主要是根据上一时刻的位姿推断得到下一时刻的位姿信息，通过构建的精准高精度地图与之进行特征匹配，从而得到精确的局部信息。该方法优点明显，能够实现获取厘米级的信息。通过对不同时刻两组采集到的分散物体点云的匹配与比对，得到这段时间内物体移动的距离和转动的角度，即位姿的变化；一连串位姿变化的集合，便可以组成移动物体走过的路径。

在智能驾驶蓬勃发展的今天，新的技术和新的应用前景正在逐渐释放，虽然融合IMU和激光雷达进行建图的方法已经开始普及，但现有方法及其应用发展也面临着诸多的挑战。以感知为基础的建图定位功能作为智能驾驶的第一环，后续环节路径规划和底层控制亟需其能够提供更为精确的环境地图和定位的工具和方法。

发明内容

本发明提供一种紧耦合激光雷达和惯性里程计的建图方法及系统，以解决上述现有技术中存在的问题。

为实现上述目的，本发明提供了如下方案：

一种紧耦合激光雷达和惯性里程计的建图方法，包括：

获取IMU数据和激光点云数据，对所述IMU数据进行预处理操作，得到当前激光帧姿态变化，对所述激光点云数据进行预处理操作，得到当前关键帧对应局部地图；

对所述当前激光帧姿态变化和所述当前关键帧对应局部地图进行降采样处理，建立位姿优化方程进行扫描匹配优化，根据匹配的结果对之前获取的所有点云数据进行矫正；