多传感器融合的无人车SLAM系统研究

摘要

为提高无人车的避障能力，使其能够在构建的地图环境中高效地进行自动定位和路径规划，提出一种多传感器融合的无人车SLAM系统。对于障碍物监测，采用激光雷达与深度相机信息融合的方法构建地图，以融合得到更精准的栅格图。搭建了履带式差速底盘运动学模型，通过融合IMU数据提高位姿估计精度；分析了贝叶斯推理方法，在决策层以该方法有效融合激光雷达与深度相机的数据；提出基于卡尔曼滤波算法动态调整权重将雷达与相机的后验概率融合，得到最终的地图栅格信息。最后，根据融合后的数据构建地图并实现自主导航的功能。通过对比实验发现，改进的多传感器融合建图算法定位精度综合提高了91.67%,实时的整体性能提升了54.46%,栅格建图完整性提升了6.59%。

关键词

贝叶斯算法 / 融合建图 / 激光雷达 / 深度相机 / ROS2

基金资助

现代测控技术教育部重点实验室开放课题资助项目(KF20222223205)