声明
严正声明：本站非期刊官网，非中介代理。
本站仅提供学术规范服务：快速预审、润色编辑服务、中英文查重、降重、去重服务、推荐合适的期刊投稿等学术规范服务。 如需提供学术规范服务请联系在线编辑。
国内刊号：21-1137/TP
国际刊号：1002-0446
发布日期:
作者：路春晓, 钟焕, 刘威, 周勇, 崔智全, 李卫华
关键词：同时定位与地图构建, 迭代误差状态卡尔曼滤波(IESKF), 因子图, 传感器融合
针对在野外、森林、山地或建筑工地等复杂环境中，SLAM（同时定位与地图构建）算法精度下降、定位漂移或甚至失效的问题，提出一种复杂地形环境下的多传感器融合SLAM算法。首先，针对剧烈运动时点云畸变严重的问题，提出了一种自适应划分雷达帧的子帧分割方法，并利用IMU（惯性测量单元）预积分技术进行点云畸变补偿，降低点云帧内失真，提高SLAM算法在剧烈运动时的鲁棒性；然后，算法前端基于迭代误差状态卡尔曼滤波（IESKF）算法，融合激光雷达、IMU的数据进行状态估计，为后端提供精确的初始位姿；后端基于因子图，融合前端激光惯导里程计因子、闭环检测因子、全球定位系统（GPS）因子，提高SLAM算法的准确性和全局一致性。最后，在剧烈运动场景、校园综合场景以及野外森林场景中对算法进行了测试。实验结果显示，与FAST-LIO2算法和LIO-SAM算法相比，本文算法的定位精度更高，建图更加清晰，在剧烈运动场景中更具鲁棒性。
来源：2024年第4期
《机器人》期刊编辑部
严正声明：本站非期刊官网，非中介代理。
本站仅提供学术规范服务：快速预审、润色编辑服务、中英文查重、降重、去重服务、推荐合适的期刊投稿等学术规范服务。 如需提供学术规范服务请联系在线编辑。