激光SLAM 自主导航的线段特征提取混合算法研究

桑 迪，周 军，皇攀凌，李 蕾

（1.山东大学机械工程学院，山东 济南 250061；2.山东大学高效洁净机械制造教育部重点实验室，山东 济南 250061；3.齐鲁工业大学（山东省科学院），机械与汽车工程学院，山东 济南 250353）

1 引言

自主导航作为一种新的导航技术已经广泛应用于移动机器人行业，移动机器人通过所携带的激光、视觉、里程计等传感器，在移动过程中完成构建地图与定位。SLAM（simultaneous localization and mapping）为自主导航的关键技术，也称为CML（Concurrent Mapping and Localization），即时定位与地图构建，或并发建图与定位[1-2]。SLAM 描述的是机器人在陌生的环境中通过自身携带的传感器，根据前一时刻的位姿以及里程计数据估计现在时刻的位姿，再通过激光视觉传感器所获得的数据进行修正，不断构建增量式地图，同时对原始的地图进行更新[3]。基于激光雷达SLAM自主导航中，环境对激光雷达的影响较小，具有较高的定位导航精度，缺点是传感器所获得的环境的信息少[4-8]。对原始数据的特征提取处理对建图的精度以及机器人在环境中的定位有着重要的影响[9-10]。

国内外学者针对线段特征提取的方法进行了深入的研究：文献[11]针对室内环境相对简单的结构特征，基于Hough 变换进行特征提取，充分利用有限的测量数据，获得较好的线段特征。但是霍夫变换特征提取算法的最大难点就在于对线性参数的量化确定。文献[12]针对D&C 算法在明显呈凹形分布的区域中，通过检测两条直线的斜率差值是否小于某一阈值，有效解决了凹形区域对激光雷达D&C 特征提取算法失效的情况，但是没有考虑到噪声的影响，在直线拟合的时候会造成拟合误差大。……