基于自動駕駛 SLAM 技術(shù)的建圖方法研究

摘要：即時定位與地圖構(gòu)建（SLAM）技術(shù)對于提高自動駕駛車輛的智能性、自主性和效率至關(guān)重要，該技術(shù)將進一步推動人工智能和自動化技術(shù)的發(fā)展，推動無人駕駛車輛在各種領(lǐng)域中的廣泛應用?；诖?，分別從視覺SLAM和激光SLAM建圖的角度出發(fā)，通過研究對比不同方案下視覺SLAM和激光SLAM建圖的測試結(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：自動駕駛；SLAM技術(shù)；建圖；方法研究

中圖分類號：U469.79" 收稿日期：2024-12-15

DOI：1019999/jcnki1004-0226202502011

1 前言

即時定位與地圖構(gòu)建（SLAM）技術(shù)是實現(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，環(huán)境地圖構(gòu)建的精度直接影響路徑規(guī)劃的效果，同時無人車在環(huán)境地圖中的定位也對路徑規(guī)劃的最終結(jié)果產(chǎn)生影響[1]。

雖然當前的激光SLAM技術(shù)和視覺SLAM技術(shù)取得了一定的進展，但也面臨一些挑戰(zhàn)。比如，當單獨使用激光雷達進行車輛檢測時，由于沒有圖像信息，激光雷達點云會存在目標漏檢和錯檢以及無法提供障礙物細節(jié)信息的現(xiàn)象[2-3]。而當單獨使用視覺傳感器進行車輛識別時，相機容易受到光照環(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，會導致目標檢測精度下降[4]。因此在復雜環(huán)境下，單一傳感器實現(xiàn)即時導航與建圖定位會給自動駕駛車輛帶來一些安全隱患。

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

2 硬件測試平臺

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

3 不同建圖方法測試與結(jié)果分析

3.1 激光雷達SLAM建圖算法測試與結(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信息。建圖測試場景環(huán)境情況描述如圖3所示。

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

建圖測試結(jié)果如圖4所示。測試場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SLAM建圖算法是另一種算法[7]，它的測試結(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別出場景中的各類障礙物。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 激光雷達與視覺傳感器融合SLAM建圖算法測試與結(jié)果

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

3.3 結(jié)果對比與分析

本文中不同算法結(jié)果建圖占用CPU資源情況如圖8所示。當采用粒子濾波器和圖優(yōu)化法進行建圖時，CPU計算資源消耗較接近。當采用傳感器融合建圖時，由于計算機還需要同時處理視覺信息，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地圖占據(jù)單元的總距離以及真實地圖中占據(jù)單元的總數(shù)進行比較，得到建圖準確性的誤差估計。不同算法結(jié)果建圖誤差估計對比情況如表1所示，誤差估計的值越小，表示生成的地圖與真實地圖之間的差異越小，即地圖的準確性越高。從表1中的結(jié)果可知，在當前的測試場景下，相比于粒子濾波器算法，圖優(yōu)化算法的建圖準確性更高。而對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。在本測試場景的環(huán)境中進行地圖構(gòu)建時，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 不同建圖方法測試結(jié)果優(yōu)缺點分析

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

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，最后一次性計算。構(gòu)建后的地圖會在一段時間后優(yōu)化得更加清晰，道路邊界很明顯。同時該方法帶有閉環(huán)檢測，可以看到地圖右端大的回環(huán)可以很準確地檢測到，構(gòu)成的方形回環(huán)很規(guī)則，建圖效果較好。當然，隨著地圖構(gòu)建的擴大，基于圖優(yōu)化法建圖需要的內(nèi)存消耗和計算量都很大。

c.基于激光和視覺融合的建圖算法構(gòu)建出來的地圖其細節(jié)最接近于真實的場景。在該方法中，視覺傳感器主要是輔助激光雷達進行運動畸變?nèi)コ?、輔助回環(huán)檢測并且提供精確的里程信息，而激光雷達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，但對于光照變化、低紋理或動態(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，但無法獲取詳細的視覺信息。因此，將視覺和激光的數(shù)據(jù)融合可以彌補彼此的不足，提高SLAM系統(tǒng)的穩(wěn)定性和魯棒性。同時，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。當然在選擇SLAM建圖的方式時，還需要綜合考慮應用場景的條件和能夠提供的硬件資源。尤其是在移動機器人領(lǐng)域，應用場景對SLAM建圖方案的選擇起到非常重要的作用。比如服務場景配送、園區(qū)管理等，此時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

本文對自動駕駛SLAM技術(shù)的建圖方法進行了研究，該技術(shù)的目標是實現(xiàn)無人駕駛，目前業(yè)界在精確性、擴展性、可用性、動態(tài)性方面都有相應的標準。算法的普適性則要求SLAM技術(shù)能夠適應不同的環(huán)境、不同的時間、不同的天氣或交通條件，以保證在各種情況下都能正常運行并能達到預定的精度標準，本文研究結(jié)果對于推動該項技術(shù)在特定場景的應用具有重要意義。

參考文獻：

[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]機械設計與制造工程，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]機械制造與自動化，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]哈爾濱工程大學學報，2024，2025（5）：1-2

[4]高強，陸科帆，吉月輝，等多傳感器融合SLAM研究綜述[J]現(xiàn)代雷達，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]計算機工程與設計，1024，45（10）：3136-3137

[6]何云邦，閆康寧，陳楚文，等園區(qū)智能配送機器人的研究與設計[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Cartographer算法的激光SLAM研究[J]計算機仿真，2024，41（9）：299-300

作者簡介：

張順，男，1989生，工程師，研究方向為自動駕駛和移動機器人。

黃科薪（通訊作者），男，1986生，副教授，研究方向為新能源汽車技術(shù)。