一种基于激光雷达的同步定位建图与自主导航算法研究

同步定位与建图(Simultaneous Localization and Mapping, SLAM)是自动驾驶领域的关键技术之一。基于差异化的应用场景、传感器和算法，主流SLAM实现方法分为视觉SLAM、激光SLAM和多传感器SLAM等，其性能的优化方向主要基于传感器性能，算法策略以及估计方法。室内场景下，视觉SLAM方法因视觉传感器的视野范围有限且对光线明暗，性能受限于环境变化。多线激光雷达因价格昂贵，不适宜广泛应用。多传感器融合的方案，因部分视觉传感器采集环境特征信息丰富而存在系统运行的时延问题且融合设计复杂度高。针对以上问题，本文提出了一种基于单线激光雷达，感知算法与全局路径规划算法融合的SLAM与自主导航方案，设计软件与硬件结合的系统框架，所实现的运动系统在室内场景下高速获取环境信息，能够获取良好的建图性能并完成低时延自主导航。首先，本文系统利用IMU对单线激光雷达采集的回波数据做畸变矫正，对激光雷达数据采用Gmapping算法处理，并对各传感器的坐标系关系做精确计算和转换，而后采用Djikstra算法作为全局路径规划算法来实现运动系统的自主导航。最终通过实验，利用ROS系统，NVIDIA-Jetson-Nano，IMU、2D-Lidar等，在实际环境中实现了算法模型与系统构建，室内场景中建图效果良好，机器车在同步定位与建图过程中自主导航，验证了本文方案及系统的可靠性与有效性。

在智能驾驶中，对环境的感知、自身定位及路径规划是十分重要的，同步定位与建图(Simultaneous Localization and Mapping, SLAM)是自动驾驶领域的关键技术， 能够满足导航、避障、路径规划需求。

SLAM问题由Smith 和Cheeseman 提出[1]，现已发展出了视觉、激光及多种传感器作用或融合的方案。相较于GPS 定位，SLAM 能够对动态环境实时感知和决策，区别于GPS 的静态地图，SLAM 的建图过程具有主动及无源的特性。

SLAM 技术使系统在运行过程中(如无人驾驶汽车的道路行驶)对各时刻的自身位姿及环境物体进行估计并同步完成自主定位、建图和路径规划，全面实现对环境中的随机障碍物和路径的精确推算，现已广泛应用于移动机器人、自动驾驶、环境感知等领域，相关技术也在不断更新和发展。

SLAM 方法的分类主要基于感知环境信息所使用的传感器类别，目前主要有基于视觉传感器的视觉SLAM、基于激光雷达的激光SLAM 和多传感器融合SLAM 等，其中涉及的内部和外部传感器主要包括单线激光雷达、多线激光雷达、单目相机、立体相机、RGB-D 相机、IMU、里程计等。更详细地， SLAM 方案中的视觉SLAM 方法主要分为基于特征提取的SLAM 及直接法SLAM，算法包括