李海标, 时 君, 田春月
(桂林电子科技大学机电工程学院,桂林 541000)
自主定位是机器人领域中的一个重要技术,也是实现自主导航的重要前提。移动设备通过自身安装的传感器,获取相关的环境信息,然后通过对数据的处理,最后推算出自身的位置。一般情况下,室外的移动设备依靠GPS就可以进行定位,GPS可以提供无漂移的全局定位。然而,GPS定位经常会受到由多径效应引起的间歇性误差的影响,比如在城市、峡谷和室内环境下,无法很好发提供定位。
激光雷达可以提供准确的3D矢量信息,因此可以使用扫描匹配技术迭代最近点(iterated closest point,ICP)[1]在给定地图和当前扫描之间进行直接匹配,目前在室外环境下,自动驾驶车辆也多采用激光雷达进行地图的创建与定位。由于成本和硬件要求,考虑到经济效益,大范围的使用激光雷达并不是最好的选择。所以研究人员更倾向于利用廉价的相机来实现位姿的估计。
利用相机和激光数据融合进行定位存在一定困难,主要是因为相机和激光雷达数据是两种不同形式的数据,实现不同传感器数据的自动标定和融合也是解决同时定位与地图创建多传感器融合的关键。Frossard等[2]提出了通过端到端的方式,利用卷积神经网络将视觉和激光雷达数据直接生成3D轨迹。浙江大学团队利用基于激光地图的几何信息,提出一种混合BA(bundle adjustment)框架,该方法可以估计相机相对于激光地图的位姿,同时优化了视觉惯导里程计中的状态变量,为了更准确地进行交叉模式数据关联,使用了多会话激光和视觉数据来优化激光地图以提取用于视觉定位的显著且稳定的子集[3]。……