论文部分内容阅读
随着无人驾驶汽车的热度越来越高,作为实现无人驾驶汽车的关键技术之一,同时定位与建图技术也收到越来越多的关注。SLAM(Simultaneous localization and mapping),同时定位与建图技术是实现无人驾驶汽车自主导航和环境探索的关键技术之一,指的是在未知环境中,对自身进行定位的同时对地图进行构建。课题依托于国家自然科学基金项目(51675257)、辽宁省重点研发计划指导计划项目(2017106020)和辽宁省高等学校国(境)外培养项目(2018LNGXGJWPY-YB014),面向于由中国汽车工程学会主办、爱驰汽车冠名支持中国大学生无人驾驶方程式大赛,基于辽宁工业大学无人驾驶赛车,进行基于激光SLAM的无人驾驶赛车定位与建图研究,主要进行了以下几个方面的研究。(1)激光SLAM定义处理基于FSAC赛车,对与FSAC赛车的车身、激光雷达和里程计的坐标系定义,同时建立各个坐标系之间关系。确定里程计模型,同时使用最小二乘法的方法对里程计进行标定。确定激光雷达模型,同时,针对激光雷达的工作环境,对激光雷达信息进行预处理,实现对桩桶以外障碍物的简单过滤。(2)激光SLAM前端配准以ICP和CSM算法为例,对激光SLAM的前端配准算法进行深入研究,以数学描述的方式,深入理解前端算法的本质。与此同时,利用FSAC赛车进行实车的数据采集,针对所采集的数据,对ICP和CSM两种算法进行实车的验证实验。(3)激光SLAM后端优化针对当今两种后端优化框架:滤波器优化方法和图优化方法,分别选其中使用率高的算法进行深入研究。在滤波器优化研究中,由贝叶斯滤波介绍起,以粒子滤波为例,结合激光SLAM本身,通过数学描述推理,从滤波器的本质理解滤波器后端优化。同时运用数学描述,解释图优化方法的整个过程。(4)激光SLAM地图创建进行仿真建图实验和实车建图实验,在ROS(机器人操作系统)下,构建“8字环绕”环境模型以及构建FSAC赛车的车辆模型,实现对于Gmapping和Cartographer两种建图算法的验证。实车建图实验,基于实车硬件平台采集的“8字环绕”场地数据,运用ROS软件平台进行实车的算法验证实验。研究结果表明:基于FSAC赛车,应用激光SLAM方法,可以实现准确的定位,能够完成合理的建图,并且为保证FSAC赛车能够实现路径规划,提供了良好的基础。