[发明专利]一种激光雷达与IMU紧耦合的定位方法

说明书

本发明公开了一种基于激光雷达和IMU紧耦合的机器人定位方法，通过IMU对系统实时运动状态进行估计，通过激光雷达的点云数据提取平面特征进行跟踪，并利用平面特征的观测模型对IMU估计的运动状态进行纠正。本发明方法利用MSCKF框架对激光雷达和IMU两种传感器实现了优势互补，一方面IMU高频的运动估计能够对系统的实时状态进行估计，另一方面激光雷达点云提取的平面特征能够鲁棒地在环境中被跟踪，从而能够定时对系统状态进行纠正，且本发明在降低计算复杂度的同时，也保持了定位的鲁棒性和准确性。

技术领域

本发明属于机器人定位技术领域，具体涉及一种基于激光雷达和IMU紧耦合的机器人定位方法。

背景技术

自主导航是移动机器人自动运行的一种关键技术，目前最主流的导航技术是SLAM的方式，中文意思是“即时定位与地图构建”，其原理是通过传感器对周围环境进行扫描，然后构建一个和真实环境一致的地图，同时对机器人位置进行定位，并规划一条正确的路径，最终引导机器人安全到达指定的目的地。

定位技术是实现机器人自主导航的支撑技术，定位是否精准决定了机器人能否精准高效地完成更高层的规划导航等功能。定位技术中，可以使用的主要传感器有：GPS、激光雷达、相机、IMU(惯性测量单元)等，其中GPS能够提供全局定位，但精度不高，在遮挡环境中信号很差；激光雷达能够精准地对环境信息进行距离测量，得到机器人的相对位置，但点云数据一般比较稀疏，而点云数据稠密时又需要更高的计算复杂度以对点云进行处理；相机能够得到丰富的环境外观信息，但单目相机难以实现距离的感知；IMU能够直接观测到机器人的角速度和加速度等运动信息，而且频率较高，但IMU存在零偏问题，并且单纯对速度进行积分很容易出现累计误差问题。

因此为了解决机器人的自主定位问题，研究人员一般会使用多种传感器，利用不同传感器的优势互补来提高定位的精度和鲁棒性。

公开号为US2016327395A1的美国专利提出了一种基于滑动窗口的VINS(vision-aided inertial system)系统，融合IMU和相机进行定位导航，其主要思想是利用IMU进行运动估计，利用图像的观测信息进行状态的更新，其中对跟踪短的图像特征点使用MSCKF进行状态更新，对跟踪长的图像特征点使用SLAM进行状态更新。该专利技术一定程度上提高了VINS系统的定位性能，但该专利是基于相机与IMU融合的，当环境光照有明显变化或光照较暗时，系统容易定位失败。

公开号为CN110428467A的中国专利提出了一种相机、IMU和激光雷达联合的机器人定位方法，其主要思想是通过图优化方法对多种传感器进行融合，利用IMU进行预积分得到帧间约束，当光照稳定且点云纹理信息丰富时，利用激光雷达测距精准的特点得到图像特征点的深度信息对位姿进行优化，当光照不好或点云纹理信息较少，则利用激光雷达和局部点云匹配对位姿进行优化，同时利用图像的单词信息和IMU数据进行回环检测。该专利技术一定程度上弥补了相机在光照变化敏感时容易定位失败的情况，但在图像特征跟踪失效时依然单纯利用激光雷达的局部点云匹配进行位姿优化，计算量较大而且单纯的点云匹配会由于点云的稀疏特点容易出现匹配失败的情况。

发明内容

鉴于上述，本发明提供了一种基于激光雷达和IMU紧耦合的机器人定位方法，通过快速且鲁棒地从激光雷达点云中检测环境中的平面特征并进行跟踪和匹配，将基于激光雷达平面特征的观测模型与IMU的运动模型通过MSCKF(Multi-State Constraint KalmanFilter，多状态约束下的卡尔曼滤波器)紧耦合，最大程度地利用了激光雷达与IMU传感器的优势互补，在降低计算复杂度的同时也保证了定位的精准和鲁棒。

一种基于激光雷达和IMU紧耦合的机器人定位方法，包括如下步骤：

(1)读取IMU的输出数据，通过运动模型对机器人的实时运动状态进行估计；

(2)读取激光雷达的输出数据，利用观测模型对由IMU估计得到的机器人运动状态进行纠正；