摘要
激光雷达SLAM(Simultaneous Localization and Mapping)的位姿估计依赖于高精度和高可靠性的扫描匹配算法。本文针对LOAM(Lidar Odometry and Mapping)中的线面ICP算法,即点到线和点到面的迭代最近邻点算法(Iterative closest point,ICP)在非结构化场景中退化的问题,提出了用于识别非结构化场景的环境特征值(Environmental feature values,EFV),并根据EFV弹性地选择用正态分布变换(Normal distributions transform,NDT)进行粗配准,实现了一种基于扫描匹配的弹性实时激光SLAM算法NDT-LOAM。实验证明EFV可以有效区分非结构化场景,并给出了EFV阈值的调试方法。定位与建图实验分析表明:本文算法相比LOAM等经典的纯激光SLAM算法,在精度以及可靠性上均有较大提升,室外定位精度可从米级提升至分米级,在面对手持数据时也不会建图失败,能够得到全局一致性地图。因此,本文方法具有很好的环境适应性,从而丰富和发展了面向复杂环境的SLAM方法。
- 单位