摘要
三维激光雷达与IMU(Inertial Measurement Unit)的数据融合技术广泛应用于移动机器人领域，对移动机器人实现自定位和环境建图具有重要意义。外参标定是实现传感器数据融合的前提，但现有的三维激光雷达与IMU外参标定方法在移动机器人上存在精度不高、方法冗余等问题。针对以上问题，本文以移动机器人为载体，对基于图优化的三维激光雷达与IMU外参标定方法与应用展开研究。主要研究内容如下: 第一，基于线面特征的激光雷达点云配准研究。激光雷达点云配准是外参标定方法必不可少的环节，为提高激光雷达点云配准的精度和配准速度，本文对基于线面特征的激光雷达点云配准展开研究。考虑到点云畸变和微小物体等噪点对配准的影响，首先对激光雷达点云进行畸变处理和点云聚类处理。其次对点云进行线面特征提取，以减少配准的计算量，从而加速配准。然后基于线面特征实现LIDAR的点云配准。最后经实验验证，该基于线面特征的点云配准方式在加快配准速度的同时能够保证精度。 第二，基于图优化的激光雷达与IMU外参标定方法研究。为了得到高精度的外参，本文提出了一种基于图优化的激光雷达与IMU外参标定方法。首先以LIDAR数据的时间戳为基准，对IMU线性插值完成激光雷达与IMU传感器的时间同步，随后利用同一时间内两传感器的数据信息完成外参的初始化。然后通过激光雷达残差因子和IMU残差因子构建图优化模型，在此基础上采用了滑动窗口机制控制优化计算量，并将边缘化残差纳入目标优化函数。随后迭代优化目标函数的三个残差得到外参。最终实验验证了本文标定方法无需使用额外传感器，方法较简单，且较先进的算法具有较高的精度。 第三，外参标定算法在移动机器人上的应用。为验证在移动机器人上本文标定方法精度和有效性，实现了本文外参标定算法在移动机器人上的应用。首先以移动机器人录制的数据集完成标定精度的实验分析。然后以移动机器人为载体，将三维激光雷达、IMU和上位机等组成一套移动平台，在室内低纹理环境下完成移动机器人的定位和建图实验。结果表明本文所提算法在移动机器人上具有更高的外参精度与良好的实用性。
NETL