面向点云退化的隧道环境的无人车激光SLAM方法     

李帅鑫  李九人  田滨  陈龙  王力  李广云 《测绘学报》2021,50(11):1487-1499

基于激光同时定位与地图构建(simultaneous localization and mapping,SLAM)技术,不仅能够实现车辆在未知环境下的实时定位,还能高效地获取环境的三维地理空间信息,近年来受到了无人驾驶领域的广泛关注.在几何结构匮乏的隧道中,仅依赖几何信息无法配准点云,因此传统激光SLAM方法难以在隧道中应用.为解决这一问题,本文在L OAM的基础上,提出一种点云强度信息增强的改进激光SLAM技术.首先,改进特征提取方法,提出基于点云柱面投影图的自适应特征提取方法,从单帧点云中提取直线、平面、地面和反射强度特征;其次,针对点云的几何特征配准在隧道中的退化问题,提出一种基于强度特征和强度地图的配准优化方法,自适应提取环境中的强度特征并根据强度特征的配准对车辆位姿进一步修正.试验结果表明,该方法较LOAM和HDL-Graph-SLAM具有更好的稳健性,能够在缺乏几何特征但强度特征丰富的隧道内实现稳定的定位和地图构建,定位精度提升了一个数量级.  相似文献   

面向无人驾驶矿车的露天矿山道路坡度实时检测方法     

孟德将  田滨  蔡峰  高义军  陈龙 《测绘学报》2021,50(11):1628-1638

露天矿山大部分道路坡度大,无人驾驶矿车在上下坡之前如果不能合理规划速度,则容易发生一些危险,例如因下坡急减速导致的物料外撒或因上坡导致的溜车.无人驾驶矿车通过精确检测车辆前方一定范围内的道路坡度,可以在上下坡之前合理规划速度.目前无人驾驶矿车实时检测露天矿山道路坡度存在一些挑战:露天矿山道路坡度大且不平整,无人驾驶矿车在行驶过程中会有比较大的俯仰和弹跳运动,因为基于惯性导航系统(inertial navigation system,INS)或全球导航卫星系统(Global Navigation Satellite System,GNSS)的方法测出的是车辆的俯仰角,而不是所在道路区域的坡度;由于露天矿山几何特征缺失,这使得基于SLAM(simultaneous localization and mapping)的方法在特征缺失的路段容易匹配错误,而且基于SLAM的方法测出的也是车辆的俯仰角.本文针对目前无人驾驶矿车实时检测露天矿山道路坡度研究中存在的问题,提出了栅格卡尔曼道路坡度实时检测(grid Kalman road slope real-time detection,GKSRD)方法.该方法以三维激光雷达点云和INS俯仰角信息作为输入,并采用二维栅格地图、感兴趣矩形区域迭代优化算法和卡尔曼滤波器.相比于基于INS或GNSS的方法,该方法减小了无人驾驶矿车行驶过程中由于道路坡度大且不平整对道路坡度实时检测带来的误差.相比于基于SLAM的方法,因为该方法不依赖周围环境的几何特征,所以其不会受到露天矿山几何特征缺失的影响.通过试验验证,GKSRD方法对露天矿山道路坡度的实时检测平均误差小于0.01°,最大误差小于0.5°.相比于基于INS或GNSS的方法和基于SLAM的方法,GKSRD方法精度更高,稳定性和环境适应性也更好.  相似文献