王 雪,李登峰,黄杉杉,龚庆红
(长安大学嵌入式系统应用研究所,陕西 西安 710061)
为了降低成本,当前市场上绝大多数智能小车都使用一些低成本的移动底盘和激光雷达作为智能小车的主要传感器。成本降低通常会降低智能小车里面传感器的加工精度降低,从而导致里程计信息和激光雷达所扫描出来的数据信息的准确性降低[1]。而传感器轮式里程计的精度越差,智能小车运动过程中产生的累计误差也就越大,使智能小车所构建的环境地图效果也就越差。低成本的激光雷达一般采用单线雷达[2],扫描频率较低。当扫描频率较低时,假如小车快速运动,激光雷达所扫描出来的位姿信息就会发生严重的畸变。为了解决上述问题,本文介绍了轮式里程计辅助方法的原理。但是由于轮式里程计辅助方法是位置线性假设,位置线性假设没有误差线性假设合理。因此,本文提出了轮式里程计和迭代最近点(iterative closest point,ICP)方法的融合。
去除激光雷达运动畸变的方法有ICP、速度估计迭代最近点(velocity estimation iterative closest point,VICP)、里程计的辅助方法。但是ICP和VICP法存在一些问题:一是当激光雷达扫描频率是低帧率时,对小车匀速运动的假设不成立;二是数据预处理和状态估计过程耦合。因此,提出了传感器的辅助方法,包括里程计辅助方法和惯性测量组合(inertial measuring unit,IMU)辅助方法。此方法的优点是可以比较准确地估计局部位姿,还可以跟状态估计解耦。但IMU辅助方法测量线性加速度的精度较差,并且二次积分在局部的精度也很差。……