基于轮式机器人的LiDAR/IMU/GNSS融合定位算法研究

作     者：张再兴 

作者单位：武汉大学 

学位级别：硕士

导师姓名：章红平;张提升;牛小骥

授予年度：2023年

学科分类：080202[工学-机械电子工程] 08[工学] 080401[工学-精密仪器及机械] 081105[工学-导航、制导与控制] 0804[工学-仪器科学与技术] 0802[工学-机械工程] 0825[工学-航空宇航科学与技术] 0811[工学-控制科学与工程] 

主      题：轮式机器人 LiDAR/IMU紧耦合 IMU/轮速计预积分 多源融合定位 

摘      要：随着轮式机器人在服务业、物流配送、智能家居、采矿业、安防巡检、军事等领域的广泛应用,高精确、高可靠、高实时的定位需求越来越迫切。目前,室内外精准导航定位是机器人领域的热点研究方向。然而,全球卫星定位系统(Global Navigation Satellite System,GNSS)在受遮挡严重区域定位精度差甚至不可用;惯性导航系统(Inertial Navigation System,INS)误差随时间快速累积;轮速计(Odometer,ODO)无法单独提供定位结果;激光雷达(Light Detection And Ranging,LiDAR)匹配在退化场景失效。因此,单一传感器定位技术无法完全满足轮式机器人的定位需求。多传感器融合定位技术可以利用传感器之间的互补优势,提升系统定位导航的精度和可靠性。本文面向轮式机器人,开展了基于LiDAR、IMU、轮速计和GNSS的多源融合定位算法研究,主要工作和贡献包括:(1)为了兼顾轮式机器人的阿克曼转向运动和全轮转向运动模型,设计并实现了一套考虑轮角的IMU/轮速计预积分算法。算法利用车轮的速度和角度构造了车轮坐标系下的里程增量,在状态向量中估计了轮速计比例因子和轮角误差,并构建了里程增量的微分方程以及噪声传播方程。实验结果表明,提出的考虑轮角的IMU/轮速计算法可以兼容阿克曼转向模型和全轮转向模型,准确估计出由于舵机磨损和控制死区造成的轮角误差,确保IMU/轮速计预积分算法的精度没有损失。另外,本文的轮角误差估计算法可以吸收IMU和车体之间的航向安装角误差,当无法得到安装角时,提出的算法能消除其影响,有效维持定位的精度。(2)针对主流LiDAR/IMU紧耦合算法没有充分利用平面约束、LiDAR观测协方差为经验值的问题,本文提出了基于滑窗图优化的“面-面匹配LiDAR/IMU紧耦合算法。在“面-面匹配中,算法充分考虑了平面的法向量约束,并通过理论分析从LiDAR测量误差模型中得到了“面-面匹配的协方差。基于开源数据集的验证表明,“面-面匹配的LiDAR/IMU紧耦合算法优于FAST-LIO2、LIO-SAM、Li Li-OM的精度,达到了SOTA(State Of The Art)级别。自测数据集的消融实验证实,相比于“点-面匹配,“面-面匹配更好地抑制了姿态误差的发散;相比于基于经验值的协方差,自适应协方差通过给平面合理的权重提升了定位精度。联合“面-面匹配以及自适应协方差,位置精度提升了10.5%,姿态精度提升了16.7%。(3)面向机器人连续、精确、可靠的绝对定位需求,本文设计并开发了一套基于图优化的LiDAR/IMU/轮速计/GNSS多源融合定位算法及软件。算法分为内外两层,内层的LiDAR/IMU/轮速计使用考虑轮角的IMU/轮速计预积分和“面-面匹配的紧耦合技术,保障全轮转向机器人的位置递推能力;外层在全局位姿图优化中融合GNSS位置、内层LiDAR/IMU/轮速计定位、回环检测与修正信息,实现连续、精确的绝对定位导航。实验对比了本文LiDAR/IMU/GNSS算法与目前主流开源的算法LIO-SAM的定位精度,结果表明本文算法的精度达到了SOTA级别。在复杂环境、全轮转向模型下评估提出的LiDAR/IMU/轮速计/GNSS定位算法,实验结果说明本文算法精度高且鲁棒性好,在LiDAR退化场景依然能维持定位精度。综上所述,本文研究了基于图优化的LiDAR/IMU/轮速计/GNSS多源融合定位关键技术并研制了软件,通过轮式机器人实验对算法进行了充分验证和分析。本文算法能够满足轮式机器人高精确、高可靠、高实时的定位需求,为综合复杂环境下轮式机器人的定位提供可靠方案。