摘要
即时定位与建图技术（SimultaneousLocalizationandMapping,SLAM）是实现移动机器人在未知环境下自主定位的关键技术，其核心思想是利用已经建立的地图对机器人进行定位，再根据新的定位信息增量式地建立环境地图。针对AGV小车SLAM中存在的运动畸变、回环检测等不能完全优化地图的问题，本文主要研究内容与成果如下： 搭建AGV小车，以STM23单片机为下层控制单元，接收驱动轮的里程计信息，同时发布小车速度控制指令，将下层封装好的消息发布给上层控制系统；上层控制系统则采用工控机作为控制单元，接收激光雷达和惯性测量单元的封装话题，完成建图工作；上下层采用CAN总线进行通信。 在上述基础上，针对AGV运动过程中出现的运动畸变问题，优化了一种使用高频率的IMU数据来对一个采集周期内的点云数据进行运动补偿的方法。在较短时间内里程计的位移数据和IMU的角度数据噪声小，精度高。先将激光雷达获得的一帧点云数据的初始时刻和这一时刻下的IMU在时间上运用插值的方式进行对齐，然后将此点云数据的最后一帧数据转换到第一帧数据的坐标系下，完成单帧扫描数据在时间和空间上的校正。利用IMU的预积分模型结合激光点云构建联合优化误差函数，迭代求解雷达位姿。在完成点云校正后得到精确地三维激光雷达数据。 针对定位与建图过程中激光雷达扫描帧仅与当前子图进行匹配，随着子地图的不断增多，误差的不断积累，导致全局地图首尾不能闭环，全局地图失真等问题，提出一种基于图优化的分段式回环检测方法。根据IMU角速度数据，当其角位移变化幅度较大，此时系统将根据动态权重分配系数，将IMU数据信任值减小，并以此时刻作为分段起点，重新进行局部子图的构建并为其添加回环约束。将下一帧雷达数据作为初始位姿再次构建局部子图，依次循环，使用全局图优化的方法对各个局部子图进行全局优化，构建完整地图。最后搭建AGV软件和硬件实验平台，对本文优化的运动畸变去除算法和基于IMU数据的分段式回环检测方法进行实验验证。
NETL