摘要
针对多传感器同时建图与定位SLAM(simultaneous localization and mapping)系统,在室外大面积特征过多环境中,因为特征不匹配而导致的精度误差、系统缺失鲁棒性等问题,提出一种改进的体素化邻近点搜索(voxelized generalized iterative closest point)算法。首先利用激光-惯导-视觉各传感器分别对不同环境感知可以优势互补的特点,提出一种特征可信性筛选方法,给予系统一个精确的初始猜测。然后将视觉特征子集通过深度信息与点云数据关联,通过加入视觉约束筛选可观测性高的体素化的目标点云群,在减少计算复杂度的情况下,使定位建图更加精确。仿真实验证明,当运用此算法的多传感器融合SLAM系统在特征点云较多的环境中建图时,与LVI-SAM系统对比定位误差减少12.335%;在运行线速度超过10 m/s时,提升了系统的鲁棒性,具有较强的可行性。
- 单位