基于快速三维姿态的SLAM系统的开发

（Fast planar surface 3D SLAM using LIDAR）

本文开发了一种基于快速三维姿态的SLAM系统，该系统通过配准从3D激光雷达提供的360°视场（FOV）点云中提取出平面曲面片段来估计车辆的行驶轨迹。完整的FOV地图的平面表示方式使得所提出的SLAM系统具有在保持快的执行速度的同时能够映射出大规模环境的能力。为了进行有效的点云处理，本文使用基于图像处理的技术将点云投影到三个二维图像上。SLAM系统的后端采用基于精确稀疏延迟状态的滤波器用来更新姿态图，并且利用SLAM信息矩阵稀疏性的特征进行非迭代方式处理。所提出的SLAM系统能够通过高效合并局部平面表面片段来重建环境地图。本文还利用两组公开可用的数据集对所提出的点云分割和配准方法进行了测试，并与目前几种最先进的方法进行了比较。还将完整的SLAM系统分别在一个室内和一个室外实验中进行了测试。其中利用研究型移动机器人赫斯基A200进行室内实验。在福特汽车公司提供的公开数据集上进行室外实验。

本文提出的方法主要用于从三维LIDAR测量获得的全视场3D点云进行快速平面处理。首先，通过将三维点云投影到二维图像平面上。然后，将投影点云分割成平面表面片段来实现对三维点云的高效处理。其次，利用SLAM滤波器进行信息空间参数化，并利用SLAM信息矩阵的稀疏性而不产生任何稀疏的近似误差。这样，就可以保证以非迭代的方式优化车辆运动的轨迹。与此同时，本文还开发了姿态约束计算算法，将SLAM轨迹作为产生约束条件的初始猜测，减少了异常点的个数，加快了计算时间。实验结果证实，所提出的SLAM算法能够显着地提高车辆轨迹的准确性。