摘要 : 即时定位与地图构建(SLAM)因其可以解决未知环境中的定位与地图构建问题,广泛应用于移动机器人领域。本文使用雷达、相机、IMU和轮式里程计提出了一种名为3D-MultiFus的SLAM方法。其中雷达-IMU-里程计子系统(Ls)快速构建全局地图的几何结构,通过最小化... 展开 即时定位与地图构建(SLAM)因其可以解决未知环境中的定位与地图构建问题,广泛应用于移动机器人领域。本文使用雷达、相机、IMU和轮式里程计提出了一种名为3D-MultiFus的SLAM方法。其中雷达-IMU-里程计子系统(Ls)快速构建全局地图的几何结构,通过最小化点到平面误差估计系统位置状态。相机-IMU-轮式里程计子系统(Vs)可剔除被遮挡或深度不连续的特征点,以最小化帧间地图光度误差进一步估计位姿状态,并可实现子图中点云地图的着色渲染。IMU与里程计融合后的数据、雷达系统点到平面误差和相机系统中光度误差以基于误差状态的迭代卡尔曼方式(ESIKF)实现数据紧耦合,从而在保证精度和鲁棒性的同时,实现快速定位与建图。为了验证本文算法的定位与建图精度,布置了室内运动实验场景并将3D-MultiFus算法与相关算法比较。仿真和实验结果表明,3D-MultiFus算法完成一次数据处理需185 ms,在运行效率上优于其他算法。在复杂的室内场景下,长时间运行定位首末位置误差仅0.0856 m,3D-MultiFus移动机器人的全局地图精度得到了较大的提升,所构建的全局地图具有较好的一致性。证明了所提出算法能够在室内场景中稳健可靠的工作。 收起