摘要: 自主室外机器人在工业、农业和服务业等领域具有许多潜在的应用价值。SLAM技术是室外机器人感知和导航的基础，目前主流的SLAM算法在特定场景下取得了很好的效果，但在实际环境中往往表现不佳。由于室外场景多样存在特征不稳定，光照变化大，道路颠簸... 展开 自主室外机器人在工业、农业和服务业等领域具有许多潜在的应用价值。SLAM技术是室外机器人感知和导航的基础，目前主流的SLAM算法在特定场景下取得了很好的效果，但在实际环境中往往表现不佳。由于室外场景多样存在特征不稳定，光照变化大，道路颠簸，动态物体干扰等问题，这使得SLAM系统在这种环境中难以稳定地运行。为了能够保证移动机器人在室外场景下能够进行准确定位和构建完整地图。本文设计了一种多传感器融合的SLAM系统。 针对机器人室外作业可能呈现的弱纹理问题，采用了多特征融合的方案。本文针对视觉惯性子系统构建了点线特征融合的SLAM优化框架。此框架在基于点特征的视觉惯性系统的基础上构建了一种全新的线特征检测和跟踪算法，并进行了线特征观测模型的构建。对于激光雷达惯性子系统，构建了边缘点特征和平面点特征融合的SLAM优化框架。此框架通过对初始点云进行结构特征提取保证了特征点检测的稳定性。 针对机器人室外作业处于动态环境下SLAM系统的鲁棒性不足的问题，本文采用离线动态物体去除和在线动态物体去除相结合的方案。两者都是基于可视关系的动态物体去除的算法，分别用于高精度的重定位和中等精度的实时导航。离线动态物体去除利用全局的点云地图生成的高分辨率的深度图进行高精度的动态物体去除。在线动态物体去除利用局部的点云地图生成的中等分辨率的深度图进行中等精度的动态物体去除。 针对机器人室外作业传感器退化的问题，本文采用了以激光雷达、相机和IMU的多传感器融合SLAM方案。在系统的前端里程计线程中充分利用不同传感器的信息优势进行信息融合。在后端优化线程中构建视觉、IMU和激光雷达耦合的因子图优化模型。在回环检测模块中，利用视觉进行回环检测，激光雷达构建回环约束，提高回环的准确性。在地图管理线程中构建了丰富的彩色地图。 综上所述，本文在多传感器融合SLAM的基础上，进行了多特征融合和动态物体去除的研究，最后将这三者整合在一个整体的框架内。本文在公开数据集、自测数据集和仿真环境中进行了实验验证和分析。定量分析的实验结果表明本文算法与当前主流的SLAM算法相比在多数序列上表现最优。定性分析的实验结果表明本文的算法具有可靠的定位精度，并构建了丰富的环境地图。 收起