同步定位与地图构建方法(Simultaneous Localization and Mapping,SLAM)作为环境感知与地图构建的关键技术,具有灵活高效的特点。但是传统的背包式激光雷达存在点云特征不完整和数据噪声大导致的点云分层等问题,导致系统无法进行精确定...同步定位与地图构建方法(Simultaneous Localization and Mapping,SLAM)作为环境感知与地图构建的关键技术,具有灵活高效的特点。但是传统的背包式激光雷达存在点云特征不完整和数据噪声大导致的点云分层等问题,导致系统无法进行精确定位与建图。为了提升自主定位精度,本文采用机器人操作系统搭建自主定位框架,融合激光雷达、惯性测量单元和全球卫星导航系统(Global Navigation Satellite System,GNSS)等多传感器数据,采用基于图优化的SLAM算法实现环境地图构建与系统位姿估计。实验结果表明,相较于传统SLAM算法,改进后的SLAM算法在融合GNSS数据后在轨迹X轴误差上降低了39%,Y轴误差上降低了30%,在平面定位精度上误差降低了73%,同时,在高程定位精度上有63%的提升,在建图精度上有明显提高,为背包测量系统在复杂环境中的应用提供了新思路。展开更多
