摘要：即時(shí)定位與地圖構(gòu)建（SLAM）技術(shù)對(duì)于提高自動(dòng)駕駛車輛的智能性、自主性和效率至關(guān)重要，該技術(shù)將進(jìn)一步推動(dòng)人工智能和自動(dòng)化技術(shù)的發(fā)展，推動(dòng)無人駕駛車輛在各種領(lǐng)域中的廣泛應(yīng)用?；诖?，分別從視覺SLAM和激光SLAM建圖的角度出發(fā)，通過研究對(duì)比不同方案下視覺SLAM和激光SLAM建圖的測(cè)試結(jié)果與特性，提出可以提升SLAM建圖精度和可靠性的建議和方法。

關(guān)鍵詞：自動(dòng)駕駛；SLAM技術(shù)；建圖；方法研究

中圖分類號(hào)：U469.79" 收稿日期：2024-12-15

DOI：1019999/jcnki1004-0226202502011

1 前言

即時(shí)定位與地圖構(gòu)建（SLAM）技術(shù)是實(shí)現(xiàn)無人駕駛的關(guān)鍵技術(shù)。其中地圖構(gòu)建是路徑規(guī)劃的基礎(chǔ)，環(huán)境地圖構(gòu)建的精度直接影響路徑規(guī)劃的效果，同時(shí)無人車在環(huán)境地圖中的定位也對(duì)路徑規(guī)劃的最終結(jié)果產(chǎn)生影響[1]。

雖然當(dāng)前的激光SLAM技術(shù)和視覺SLAM技術(shù)取得了一定的進(jìn)展，但也面臨一些挑戰(zhàn)。比如，當(dāng)單獨(dú)使用激光雷達(dá)進(jìn)行車輛檢測(cè)時(shí)，由于沒有圖像信息，激光雷達(dá)點(diǎn)云會(huì)存在目標(biāo)漏檢和錯(cuò)檢以及無法提供障礙物細(xì)節(jié)信息的現(xiàn)象[2-3]。而當(dāng)單獨(dú)使用視覺傳感器進(jìn)行車輛識(shí)別時(shí)，相機(jī)容易受到光照環(huán)境或者反射平面光線特性的影響，在霧天、雪天等極端環(huán)境中，會(huì)導(dǎo)致目標(biāo)檢測(cè)精度下降[4]。因此在復(fù)雜環(huán)境下，單一傳感器實(shí)現(xiàn)即時(shí)導(dǎo)航與建圖定位會(huì)給自動(dòng)駕駛車輛帶來一些安全隱患。

為了保證SLAM的魯棒性以及對(duì)周圍環(huán)境信息的完全感知，對(duì)多傳感器融合的研究顯得尤為重要[5]。本文通過對(duì)比研究了常見的視覺SLAM、激光SLAM和融合建圖算法，以期給自動(dòng)駕駛車輛實(shí)現(xiàn)準(zhǔn)確與可靠的建圖提供一些合理建議。

2 硬件測(cè)試平臺(tái)

本文采用的硬件系統(tǒng)是基于松靈機(jī)器人的LIMO自動(dòng)駕駛平臺(tái)。平臺(tái)可以搭載激光雷達(dá)、視覺傳感器和IMU傳感器等常見的智能傳感器。硬件平臺(tái)系統(tǒng)框架如圖1所示。

3 不同建圖方法測(cè)試與結(jié)果分析

3.1 激光雷達(dá)SLAM建圖算法測(cè)試與結(jié)果

常用的激光建圖方法算法有兩類：粒子基于濾波器的激光建圖和基于圖優(yōu)化的激光建圖粒子。激光SLAM建圖算法處理框架如圖2所示。其中基于濾波器的激光SLAM建圖代表算法為Gmapping[6]，該方法有效地利用了車輪里程計(jì)信息。建圖測(cè)試場(chǎng)景環(huán)境情況描述如圖3所示。

該場(chǎng)景中間放置有一個(gè)障礙物箱子（80 cm×80 cm×80 cm），作為測(cè)試場(chǎng)景中的主要障礙物，起點(diǎn)位置左邊還有一張塑料凳子和一位測(cè)試人員。

建圖測(cè)試結(jié)果如圖4所示。測(cè)試場(chǎng)景以及其中的障礙物能夠較好地在建成的地圖中顯現(xiàn)出來，但是地圖整體邊緣不是很平滑。

基于圖優(yōu)化的激光雷達(dá)SLAM建圖算法是另一種算法[7]，它的測(cè)試結(jié)果如圖5所示。從結(jié)果可知，圖優(yōu)化算法建圖也可較好地識(shí)別出場(chǎng)景中的各類障礙物。并且與基于粒子濾波器的建圖結(jié)果比較可知，地圖還有障礙物邊緣較為平滑。

3.2 激光雷達(dá)與視覺傳感器融合SLAM建圖算法測(cè)試與結(jié)果

本文采用的激光雷達(dá)和視覺傳感器融合建圖策略采用的是后融合技術(shù)，具體融合算法實(shí)現(xiàn)流程如圖6所示。

3.3 結(jié)果對(duì)比與分析

本文中不同算法結(jié)果建圖占用CPU資源情況如圖8所示。當(dāng)采用粒子濾波器和圖優(yōu)化法進(jìn)行建圖時(shí)，CPU計(jì)算資源消耗較接近。當(dāng)采用傳感器融合建圖時(shí)，由于計(jì)算機(jī)還需要同時(shí)處理視覺信息，CPU資源消耗較高，峰值在46%左右。

根據(jù)不同建圖方法生成的地圖和真實(shí)地圖占據(jù)單元的總距離以及真實(shí)地圖中占據(jù)單元的總數(shù)進(jìn)行比較，得到建圖準(zhǔn)確性的誤差估計(jì)。不同算法結(jié)果建圖誤差估計(jì)對(duì)比情況如表1所示，誤差估計(jì)的值越小，表示生成的地圖與真實(shí)地圖之間的差異越小，即地圖的準(zhǔn)確性越高。從表1中的結(jié)果可知，在當(dāng)前的測(cè)試場(chǎng)景下，相比于粒子濾波器算法，圖優(yōu)化算法的建圖準(zhǔn)確性更高。而對(duì)于融合傳感器算法建圖來說，由于視覺數(shù)據(jù)的融入，誤差估計(jì)受到傳感器類型與精度、融合算法與環(huán)境特性等多種因素的影響。在本測(cè)試場(chǎng)景的環(huán)境中進(jìn)行地圖構(gòu)建時(shí)，融合后的地圖精度通常略高于另外兩種，精度差小于002 m。

4 不同建圖方法測(cè)試結(jié)果優(yōu)缺點(diǎn)分析

根據(jù)上述測(cè)試與結(jié)果對(duì)比可知，不同的SALM建圖算法，它們都有各自的優(yōu)點(diǎn)和缺點(diǎn)，主要體現(xiàn)在以下幾個(gè)方面：

a.從直觀上看，基于粒子濾波器構(gòu)建的地圖雖然也可以把周圍的墻壁、凳子以及障礙物箱子準(zhǔn)確的在地圖上顯示出來，但是整體的效果不如基于圖優(yōu)化法建的圖。同時(shí)構(gòu)建的地圖邊界線方面，基于粒子濾波器的方法明顯不如基于圖優(yōu)化法構(gòu)建的地圖平直順滑。

b.基于圖優(yōu)化法構(gòu)建的地圖比較平滑和清晰。它處理數(shù)據(jù)的方式和粒子濾波器的方法不同，它不是在線地糾正位姿，而是把所有數(shù)據(jù)記下來，最后一次性計(jì)算。構(gòu)建后的地圖會(huì)在一段時(shí)間后優(yōu)化得更加清晰，道路邊界很明顯。同時(shí)該方法帶有閉環(huán)檢測(cè)，可以看到地圖右端大的回環(huán)可以很準(zhǔn)確地檢測(cè)到，構(gòu)成的方形回環(huán)很規(guī)則，建圖效果較好。當(dāng)然，隨著地圖構(gòu)建的擴(kuò)大，基于圖優(yōu)化法建圖需要的內(nèi)存消耗和計(jì)算量都很大。

c.基于激光和視覺融合的建圖算法構(gòu)建出來的地圖其細(xì)節(jié)最接近于真實(shí)的場(chǎng)景。在該方法中，視覺傳感器主要是輔助激光雷達(dá)進(jìn)行運(yùn)動(dòng)畸變?nèi)コ⑤o助回環(huán)檢測(cè)并且提供精確的里程信息，而激光雷達(dá)則為視覺特征提供深度信息。在立體障礙物防撞，尤其是一些立體的異形障礙物方面，該地圖可以有效地防止車輛發(fā)生碰撞。

綜上，視覺SLAM在比較穩(wěn)定和適中的光照條件下表現(xiàn)較好，但對(duì)于光照變化、低紋理或動(dòng)態(tài)環(huán)境下容易失效。激光SLAM可以在各種環(huán)境條件下穩(wěn)定工作，但無法獲取詳細(xì)的視覺信息。因此，將視覺和激光的數(shù)據(jù)融合可以彌補(bǔ)彼此的不足，提高SLAM系統(tǒng)的穩(wěn)定性和魯棒性。同時(shí)，融合視覺和激光數(shù)據(jù)還可以提高地圖建模的精度和環(huán)境感知能力。當(dāng)然在選擇SLAM建圖的方式時(shí)，還需要綜合考慮應(yīng)用場(chǎng)景的條件和能夠提供的硬件資源。尤其是在移動(dòng)機(jī)器人領(lǐng)域，應(yīng)用場(chǎng)景對(duì)SLAM建圖方案的選擇起到非常重要的作用。比如服務(wù)場(chǎng)景配送、園區(qū)管理等，此時(shí)不得不考慮立體障礙物防撞的問題，因而選擇激光和視覺融合的方式較為合適。

5 結(jié)語

本文對(duì)自動(dòng)駕駛SLAM技術(shù)的建圖方法進(jìn)行了研究，該技術(shù)的目標(biāo)是實(shí)現(xiàn)無人駕駛，目前業(yè)界在精確性、擴(kuò)展性、可用性、動(dòng)態(tài)性方面都有相應(yīng)的標(biāo)準(zhǔn)。算法的普適性則要求SLAM技術(shù)能夠適應(yīng)不同的環(huán)境、不同的時(shí)間、不同的天氣或交通條件，以保證在各種情況下都能正常運(yùn)行并能達(dá)到預(yù)定的精度標(biāo)準(zhǔn)，本文研究結(jié)果對(duì)于推動(dòng)該項(xiàng)技術(shù)在特定場(chǎng)景的應(yīng)用具有重要意義。

參考文獻(xiàn)：

[1]趙志國，肖文，毛康康，等巡檢無人車激光SLAM與路徑規(guī)劃研究綜述[J]機(jī)械設(shè)計(jì)與制造工程，2024，53（8）：1-2

[2]相福磊，彭富明，方斌，等基于因子圖的激光 SLAM 模型優(yōu)化算法[J]機(jī)械制造與自動(dòng)化，2024，53（5）：167-168

[3]錢新博，程浩然，蔣林，等室內(nèi)退化環(huán)境下高精度定位與建圖[J]哈爾濱工程大學(xué)學(xué)報(bào)，2024，2025（5）：1-2

[4]高強(qiáng)，陸科帆，吉月輝，等多傳感器融合SLAM研究綜述[J]現(xiàn)代雷達(dá)，2024，46（8）：29-31

[5]彭真，傘紅軍，李春磊，等基于多傳感器融合的室內(nèi)SLAM[J]計(jì)算機(jī)工程與設(shè)計(jì)，1024，45（10）：3136-3137

[6]何云邦，閆康寧，陳楚文，等園區(qū)智能配送機(jī)器人的研究與設(shè)計(jì)[J]工業(yè)技術(shù)與職業(yè)教育，2024，22（4）：14-15

[7]苗紅霞，郭章旺，齊本勝，等基于改進(jìn)Cartographer算法的激光SLAM研究[J]計(jì)算機(jī)仿真，2024，41（9）：299-300

作者簡(jiǎn)介：

張順，男，1989生，工程師，研究方向?yàn)樽詣?dòng)駕駛和移動(dòng)機(jī)器人。

黃科薪（通訊作者），男，1986生，副教授，研究方向?yàn)樾履茉雌嚰夹g(shù)。