-
题名煤矿井下移动机器人多传感器自适应融合SLAM方法
被引量：10
- 1
-
-
作者
马艾强
姚顽强
-
机构
西安科技大学测绘科学与技术学院
-
出处
《工矿自动化》
CSCD
北大核心
2024年第5期107-117,共11页
-
基金
国家自然科学基金项目(42001417)
国土资源部煤炭资源勘查与综合利用重点实验室项目(KF2021-4)。
-
文摘
基于同时定位与建图(SLAM)技术的移动机器人能够快速、准确、自动化地采集空间数据,进行空间智能感知和环境地图构建,是实现煤矿智能化和无人化的关键。针对目前煤矿井下多传感器融合SLAM方法存在机器人前端位姿估计退化失效和后端融合精度不足的问题,提出了一种煤矿井下移动机器人激光雷达(LiDAR)−视觉−惯性(IMU)自适应融合SLAM方法。对LiDAR点云数据进行聚类分割,提取线面特征,利用IMU预积分状态进行畸变校正,采用基于自适应Gamma校正和对比度受限的自适应直方图均衡化(CLAHE)的图像增强算法处理低照度图像,再提取视觉点线特征。用IMU预积分状态为LiDAR特征匹配与视觉特征跟踪提供位姿初始值。根据LiDAR相邻帧的线面特征匹配得到移动机器人位姿,之后进行视觉点线特征跟踪,分别计算LiDAR、视觉、IMU位姿变化值,通过设定动态阈值来检测前端里程计的稳定性,自适应选取最优位姿。对不同传感器构建残差项,包括点云匹配残差、IMU预积分残差、视觉点线残差、边缘化残差。为了兼顾精度与实时性,基于滑动窗口实现激光点云特征、视觉特征、IMU测量的多源数据联合非线性优化,实现煤矿井下连续可用、精确可靠的SLAM。对图像增强前后效果进行试验验证,结果表明,基于自适应Gamma校正和CLAHE的图像增强算法能显著提升背光区和光照区的亮度和对比度,增加图像中的特征信息,大幅提升特征点提取数量和匹配质量,匹配成功率达90.7%。为验证所提方法的性能,在狭长走廊和煤矿巷道场景下进行试验验证,结果表明,所提方法在狭长走廊场景的定位均方根误差为0.15 m,构建的点云地图一致性较高;在煤矿巷道场景中的定位均方根误差为0.19 m,构建的点云地图可真实地反映煤矿井下环境。
-
关键词
煤矿井下移动机器人
同时定位与建图
激光雷达−视觉−惯性自适应融合
图像增强
位姿估计
多传感器数据融合
滑动窗口紧耦合优化
SLAM
-
Keywords
mobile robots for underground coal mines
simultaneous positioning and mapping
LiDAR-visual-IMU adaptive fusion
image enhancement
pose estimation
multi sensor data fusion
sliding window tightly coupled optimization
SLAM
-
分类号
TD67
[矿业工程—矿山机电]
-
