陈强 陈海波 张沥化
(浙江工业大学信息工程学院 杭州310023)
同时定位与地图构建(simultaneous localization and mapping,SLAM)目前普遍运用于移动机器人领域,其被认为是实现避障、路径规划、导航等应用的核心环节[1-3]。激光雷达因能提供精准可靠的测距信息,且不易受光照环境影响,所以被广泛应用于SLAM 测距[4-5]。目前激光雷达一般是旋转结构,导致其会逐步扫描周围空间。因此,激光雷达在扫描期间的任何移动都会导致运动畸变现象[6],影响SLAM算法输出的机器人位姿精度与构建地图的质量。
激光雷达的扫描配准是激光里程计算法的基础。当激光雷达快速运动时,运动畸变的点云成为影响激光里程计精度的主要因素。研究者们通过对雷达的运动估计从而处理运动畸变现象。迭代最近点(iterated closest point,ICP)[7]用于估计点云之间的刚性变换,并未考虑扫描中的运动畸变现象。Hong 等人[8]在ICP 算法的基础上引入雷达速度的估计,实现对雷达运动畸变补偿。如文献[9]和[10]所示,恒速模型是解决运动畸变的方法之一。此外,Bosse 和Zlot[10]提出了一种基于控制点的连续状态表示,并在控制点之间进行位姿插值,从而恢复运动估计。Furgale 等人[11]引入时间基函数的线性组合对运动轨迹建立连续状态模型。与传统离散模型相比,该框架能提供更准确的估计。Anderson 和Barfoot[12]介绍了另一种连续时间轨迹状态估计方法,其关键思想是在离散最大后验估计上使用计算简便的高斯过程回归,实现查询时间点的状态。
以上算法处理运动畸变的效果取决于假设模型的准确性,而运动模型的假设并不能代表系统的真实运动,因此在实际应用中比较困难。……