摘要
随着无人设备可执行任务越来越丰富、应用场景越来越复杂，多无人设备的协同执行任务变得越来越重要。为应对复杂的无人装备应用任务，实时的精确定位以及准确的环境建图成为问题关键，即SLAM技术。在实际应用中，可以通过获取GNSS信号协助无人设备进行定位和建图。然而，在例如地下空间等应用场景中，无人设备往往无法获得持续稳定的GNSS信号。因此，为了追求系统效率和鲁棒性，搭载多种传感器的多车SLAM实时定位系统逐渐成为主流应用方案。但由于传感器的固有误差、运动的累计误差等，导致搭载多种传感器的无人车在运动一段时间后就会产生轨迹漂移的现象。为了解决以上问题，大部分SLAM系统都带有回环检测模块。本文以搭载3D激光雷达和IMU的无人车小队协同实时位置优化方法为研究课题，针对复杂的室内及室外回环场景，在分布式多车SLAM系统框架下，进一步探索多无人车的回环模块框架设计对其协同定位能力的提升。对于多无人车SLAM系统回环模块框架的优化，本文主要工作如下： 1、提出采用Lidar-Iris和IKDTree算法来提升多车回环描述符的搜索匹配效率。本文采用轻量级的全局描述符Lidar-Iris进行场景位置识别，相较于其他描述符，Lidar-Iris包含更多有效的特征信息及鲁棒的描述信息。除此之外，本论文还采用一种增量的搜索树算法（IKDTree）来加快多车间场景描述符匹配的搜索过程； 2、提出带初始相对距离约束的多车回环检测模块。在多车SLAM系统中，各车间的初始相对距离关系是一个较容易获得的先验参数，初始相对距离的添加不仅可以减少在全局地图建立过程中描述符匹配的搜索范围及相似场景下不满足几何约束的误回环，还能进一步将初始相对距离添加到成对一致性最大测量集（PCM）及改进的两阶段分布式位姿优化方法中，从而提供一个较可靠的初始位姿估计，加快优化收敛过程，并减少误回环对优化过程的影响。对比实验结果表明，本文方法相较于目前鲁棒的分布式多车DiSCo-SLAM回环检测算法性能有明显提升。
NETL