论文部分内容阅读
利用移动测量系统构建高精度地图是自动驾驶和智慧城市建设中最基础但又最重要的一环。移动测量系统具有精度高、全时段、高效率等特点,已在众多领域得到了广泛的应用。传统移动测量技术主要存在两方面问题:一是由于缺乏地图构建模块向定位模块的信息反馈,地图受定位精度的影响出现一致性较差的问题。二是定位信息完全依赖良好的卫星观测,一旦卫星信号失锁系统将无法正常工作。为实现系统在复杂城市环境下下高效、一致且鲁棒的移动测量任务,本文提出分层优化的数据处理策略。第一层优化以单位时间内扫描到的激光点云的位姿为优化对象,将GNSS/INS滤波处理后的6DOF位姿估计作为点云配准的先验信息,利用点云表面元模型和GPU加速点云到局部地图的配准。而后将点云配准和POS位姿或IMU积分预测作为相对运动的约束因子插入局部因子图,并优化得到一致的构建局部地图。而后将点云配准、POS位置和IMU预积分作为约束进行优化,并构建局部一致的地图。第二层优化以第一层输出的局部地图为优化对象,将局部地图间的匹配约束和闭合回环约束作为因子节点插入全局因子图,采用一致性检测的增量式平滑算法对因子图整体优化,并以优化后的位姿更新全局地图。实测实验结果表明,本文提出的移动测量方法能够实现复杂环境下对大尺度环境的高精度地图构建,较传统移动测量方法地图构建的一致性有显著提升。