基于点云分割的激光里程计算法

李一凡，杜世通，李爽，黄璐，杨子寒，陈冲

(1.卫星导航系统与装备技术国家重点实验室,石家庄 050081；2.中国电科网络通信研究院,石家庄 050081)

0 引言

同时定位和地图构建(simultaneous localization and mapping，SLAM)是移动机器人执行导航和交互任务的关键技术之一.SLAM 框架通常包括前端里程计、后端和回环检测.前端里程计是SLAM 系统的基础，也是后端和回环检测的前提.它使用环境感知传感器，如视觉相机或激光雷达，获取周围环境的图像和点云信息，并利用相邻帧间的环境信息变化估计帧间的位姿变化，从而计算出前端里程计.

根据传感器输出数据的类型，前端里程计分为两类: 基于视觉传感器的视觉里程计(visual odometry，VO)[1]和基于激光雷达的激光里程计[2].视觉传感器有许多缺陷，如受光照影响大，深度信息的尺度不确定性[3].相较之下，激光雷达不受环境光影响，具有厘米级的测距离精度，且抗干扰能力强，更具鲁棒性和精确性[4].因此，基于激光雷达的SLAM 方法是自主机器人定位研究的一个热点.

激光里程计是通过最小化相邻帧点云之间关于位姿变化的误差函数得到帧间位姿变化.基于激光雷达的SLAM 方法被分为三个不同的类别：基于点匹配的迭 代最近 点算法(iterative closest point，ICP)、基于概率分布的正态分布变换(normal distributions transform，NDT)算法和基于特征的匹配的算法[5].ICP算法具有实现简单、运算速度快的优点，对于较小的场景和运动较缓慢的情况下表现良好.但ICP 算法对噪声和异常值较为敏感，且对预测值要求高，容易陷入局部最优解.NDT 是一种……