基于多传感器融合SLAM的高精定位方法技术

本发明专利技术属于同步定与地图构建技术领域，具体涉及一种基于多传感器融合SLAM的高精定位方法。利用摄像头、激光雷达和IMU进行数据采集，并对所采集到的数据进行预处理，同时优化视觉特征点的深度信息和尺度信息；IMU数据预处理中得到IMU预积分因子、从摄像头数据预处理中得到视觉重投影约束因子以及从激光点云数据预处理中激光雷达里程计因子组成优化约束，利用误差卡尔曼滤波优化输出更为精确的状态量用于多传感器融合SLAM任务。通过多传感器融合提高机器人的环境感知能力，优化位姿输出。

【技术实现步骤摘要】

本专利技术属于同步定与地图构建，具体涉及一种基于多传感器融合slam的高精定位方法。

技术介绍

1、多传感器融合slam(simultaneous localization and mapping)是一种先进的技术，在机器人和自动驾驶领域发挥着重要作用。通过融合多种传感器信息，例如摄像头、激光雷达(lidar)、惯性测量单元(imu)等，系统能够同时实时定位自身位置并构建周围环境的地图。这种技术具有重要的理论和现实意义。

2、在机器人和自动驾驶系统中，准确的定位和建立周围环境的地图是关键任务。传统slam方法通常依赖于单一传感器，例如激光雷达或摄像头。然而，每种传感器都有其局限性，例如激光雷达可能无法检测透明物体，而摄像头在低光照条件下效果较差。多传感器融合slam的初衷就是为了克服单一传感器的限制，将多种传感器信息融合，提高定位和建图的精度和可靠性，实现更准确、稳定、鲁棒的自主定位和环境建图。在复杂多样的室内环境中，如果要改变目前室内移动机器人形态固定和功能单一的现状，就必须使机器人具备建立高精度、环境信息完整地图的能力。因此，有必要通过多传本文档来自技高网...

【技术保护点】

1.基于多传感器融合SLAM的高精定位方法，其特征在于，包括：

2.根据权利要求1所述的方法，其特征在于，步骤2中，状态递推的过程表示如下：

3.根据权利要求2所述的方法，其特征在于，步骤2中，预积分过程表示如下：

4.根据权利要求1所述的方法，其特征在于，步骤2中，采用LOAM系列方法，基于每个点在其所属环的曲率信息在一帧点云中提取平面点Psurf和边缘点Pedge；

5.根据权利要求2所述的方法，其特征在于，步骤2中，激光里程计计算部分维护了一个小范围的局部地图，在完成对点云的特征提取后，以IMU当前时刻的推算姿态作为帧-局部地图匹配的...

【技术特征摘要】

1.基于多传感器融合slam的高精定位方法，其特征在于，包括：

2.根据权利要求1所述的方法，其特征在于，步骤2中，状态递推的过程表示如下：

3.根据权利要求2所述的方法，其特征在于，步骤2中，预积分过程表示如下：

4.根据权利要求1所述的方法，其特征在于，步骤2中，采用loam系列方法，基于每个点在其所属环的曲率信息在一帧点云中提取平面点psurf和边缘点pedge；

5.根据权利要求2所述的方法，其特征在于，步骤2中，激光里程计计算部分维护了一个小范围的局部地图，在完成对点云的特征提取后，以imu当前时刻的推算姿态作为帧-局部地图匹配的初值，将当前帧与局部地图进行配准，从而得...

【专利技术属性】
技术研发人员：苏晓杰，任远洋，孙少欣，周政均，戴亦军，曹喜良，原红祥，
申请(专利权)人：重庆大学，
类型：发明
国别省市：