科研之友
微信
新浪微博
Facebook
分享链接
摘要
煤矿巷道、采掘工作面等作业区域具有典型的半结构化或非结构化环境特征，且GPS无法在煤矿井下直接应用，亟需构建适用于煤矿井下移动机器人的自主定位系统方案，解决机器人精确定位、状态估计等问题。针对上述问题，我们提出了一种基于激光惯性的融合SLAM算法，实现了移动机器人在煤矿井下实时输出稳健的6DOF状态估计和全局一致的同步定位与地图构建。该算法由前端迭代卡尔曼滤波和后端位姿图优化两部分组成。该方法首先在前端，将传感器数据经过预处理，构建了观测模型和预测模型，建立了迭代卡尔曼滤波器，结合机器人先验位姿经过预测和观测的状态传播过程，使其状态更新后的后验位姿更加准确，如此循环迭代得到基于紧耦合的激光惯性里程计，增强了机器人在这种非结构环境下的鲁棒性。其次在后端，我们部署了关键帧的选取策略，以限制状态估计的数量，满足其在大尺度场景下实时性的要求。同时，在优化框架中添加了地面约束和回环检测，优化了相邻关键帧之间的相对位姿，以确保全局地图的一致性，从而进一步提高了机器人6DOF状态估计的整体精度。最后，分别在公开数据集和我们收集的数据集上验证了该算法的性能。实验结果表明：针对煤矿井下这种非结构化的环境，与现有的激光SLAM算法相比，我们所提出的算法使机器人具有更高的精度、实时性和鲁棒性，有效降低了系统的累积误差，保证了所构建地图的全局一致性。
- 单位
