未知環(huán)境下基于視覺與激光融合的SLAM系統(tǒng)研究與實(shí)現(xiàn)

曾光 黃健盛 佟景泉 黃楊靈

收稿日期：2023-07-30

基金項(xiàng)目：2021年廣東省科技創(chuàng)新戰(zhàn)略專項(xiàng)資金（“攀登計(jì)劃”專項(xiàng)資金）項(xiàng)目（pdjh2022b0855，pdjh2022b0854）；2023年廣東省科技創(chuàng)新戰(zhàn)略專項(xiàng)資金（大學(xué)生科技創(chuàng)新培育）項(xiàng)目（pdjh202360852）

DOI：10.19850/j.cnki.2096-4706.2024.04.015

摘? 要：在未知環(huán)境中實(shí)現(xiàn)機(jī)器人的自主導(dǎo)航與環(huán)境建圖是一個(gè)極具挑戰(zhàn)的研究課題，SLAM是應(yīng)對(duì)這一挑戰(zhàn)的關(guān)鍵技術(shù)之一。基于研究現(xiàn)狀分析、系統(tǒng)方案設(shè)計(jì)、技術(shù)實(shí)現(xiàn)與實(shí)驗(yàn)驗(yàn)證等內(nèi)容，結(jié)合視覺與激光各自的優(yōu)勢(shì)，設(shè)計(jì)一種未知環(huán)境下基于視覺與激光融合的SLAM系統(tǒng)。通過針對(duì)關(guān)鍵幀和滑動(dòng)窗口的平衡選取策略以及分類優(yōu)化策略對(duì)初始位姿和特征點(diǎn)進(jìn)行優(yōu)化，提高了系統(tǒng)的魯棒性，可以輸出高精度地圖；通過實(shí)現(xiàn)以智能小車為載體的演示系統(tǒng)驗(yàn)證了所提出算法的可行性和實(shí)用性。

關(guān)鍵詞：未知環(huán)境；視覺；激光；SLAM

中圖分類號(hào)：TP389.1；TP242；TN958.98? ?文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：2096-4706（2024）04-0074-05

Research and Implementation of SLAM System Based on Vision and Laser Fusion in Unknown Environment

ZENG Guang， HUANG Jiansheng， TONG Jingquan， HUANG Yangling

（Guangdong Communication Polytechnic， Guangzhou? 510650， China）

Abstract： Realizing autonomous navigation and environmental mapping of robots in unknown environments is a highly challenging research topic， and SLAM is one of the key technologies to address this challenge. Based on the analysis of research status， system scheme design， technical implementation， and experimental verification， combined with the advantages of vision and laser， a SLAM system based on vision and laser fusion in an unknown environment is designed. By using a balanced selection strategy for keyframes and sliding windows， as well as a classification optimization strategy， the initial pose and feature points are optimized， which improves the robustness of the system and can output high-precision maps; the feasibility and practicality of the proposed algorithm are verified through the implementation of a demonstration system using intelligent cars as carriers.

Keywords： unknown environment; vision; laser; SLAM

0? 引? 言

在搜索救援等復(fù)雜場(chǎng)所（如隧道、礦井、倉庫、大型寫字樓和地下停車場(chǎng)等場(chǎng)所），人們經(jīng)常面對(duì)充滿未知和挑戰(zhàn)的環(huán)境。在這些環(huán)境中，構(gòu)建實(shí)景地圖以及實(shí)現(xiàn)自主導(dǎo)航的能力至關(guān)重要。此外，為了保障工作人員的安全和提高生產(chǎn)效率，需要提供一種能夠在復(fù)雜環(huán)境中自主運(yùn)動(dòng)的解決方案。移動(dòng)機(jī)器人因其自身的靈活性和適應(yīng)性，成為解決諸多棘手問題的絕佳選擇。

然而，在未知環(huán)境中，移動(dòng)機(jī)器人面臨著三個(gè)基本問題：“我在什么地方？”“我周圍環(huán)境是怎樣的？”“我如何到達(dá)目標(biāo)位置？”這些問題涉及機(jī)器人的定位、環(huán)境感知和路徑規(guī)劃[1]。只有進(jìn)行準(zhǔn)確的定位和建圖，機(jī)器人才能在未知環(huán)境中自主導(dǎo)航，實(shí)現(xiàn)高效的任務(wù)執(zhí)行。

為了積極應(yīng)對(duì)這些挑戰(zhàn)，同步定位與地圖構(gòu)建（SLAM）技術(shù)應(yīng)運(yùn)而生。SLAM是一種關(guān)鍵技術(shù)，指的是安裝相機(jī)、激光雷達(dá)等傳感器的運(yùn)動(dòng)主體，通過傳感器獲取的信息在未知環(huán)境中估計(jì)自身的運(yùn)動(dòng)軌跡，實(shí)時(shí)建立環(huán)境模型。尤其是基于視覺與激光融合的SLAM系統(tǒng)，使移動(dòng)機(jī)器人能夠在未知環(huán)境中獲取并感知自身定位與環(huán)境的空間幾何結(jié)構(gòu)信息。借助SLAM技術(shù)，機(jī)器人可以構(gòu)建柵格地圖或拓?fù)涞貓D，從而增強(qiáng)其對(duì)環(huán)境的感知和導(dǎo)航能力。

1? 研究現(xiàn)狀

目前，室內(nèi)導(dǎo)航的兩個(gè)主要研究主題分別是基于視覺的SLAM技術(shù)和基于激光的SLAM技術(shù)，這兩個(gè)研究主題在計(jì)算機(jī)視覺和移動(dòng)機(jī)器人導(dǎo)航領(lǐng)域都受到廣泛關(guān)注。此外，將視覺和激光數(shù)據(jù)進(jìn)行融合（得出視覺激光融合SLAM），能夠有效克服各自單獨(dú)應(yīng)用時(shí)的局限性，獲得更準(zhǔn)確和魯棒性更高的導(dǎo)航與建圖能力。

1.1? 視覺SLAM

視覺SLAM利用低成本相機(jī)和計(jì)算機(jī)視覺技術(shù)，對(duì)連續(xù)圖像序列的特征運(yùn)動(dòng)進(jìn)行感知，從而實(shí)現(xiàn)對(duì)相機(jī)運(yùn)動(dòng)的估計(jì)和導(dǎo)航位姿的計(jì)算。這種技術(shù)使移動(dòng)機(jī)器人能夠在未知環(huán)境下自主定位和建立地圖，為準(zhǔn)確導(dǎo)航和路徑規(guī)劃提供關(guān)鍵信息。視覺SLAM因其獨(dú)有的靈活性和成本效益，在計(jì)算機(jī)視覺和移動(dòng)機(jī)器人領(lǐng)域得到了廣泛的應(yīng)用與研究[2]。RGBD-SLAM[3]、LSD-SLAM[4]、MonoSLAM[5]和ORB-SLAM[6]等都屬于典型的視覺SLAM算法。相關(guān)研究?jī)?nèi)容如下：

1）提高匹配魯棒性。在光照條件較差或紋理特征較弱的環(huán)境下，視覺SLAM面臨著匹配精度下降的困境。相關(guān)學(xué)者致力于開發(fā)魯棒的特征提取和匹配算法，以應(yīng)對(duì)復(fù)雜環(huán)境的變化影響和噪聲影響。

2）解決尺度不確定性問題。在純視覺SLAM中，單目相機(jī)無法直接測(cè)量場(chǎng)景中的絕對(duì)尺度，因此會(huì)存在尺度不確定性的問題。相關(guān)學(xué)者提出了多視圖幾何約束和結(jié)構(gòu)化光度誤差等方法，用以解決尺度不確定性問題并提高定位精度。

3）拓展應(yīng)用范圍。當(dāng)前視覺SLAM主要應(yīng)用于室內(nèi)環(huán)境，在室外和大場(chǎng)景下，其性能和效用受到一定的限制。相關(guān)學(xué)者致力于解決視覺SLAM在室外場(chǎng)景中的定位問題，通過增加傳感器（如IMU）的方式提高視覺SLAM在復(fù)雜場(chǎng)景中的性能。

1.2? 激光SLAM

激光SLAM利用激光雷達(dá)快速掃描場(chǎng)景，獲取豐富的三維點(diǎn)云數(shù)據(jù)，對(duì)連續(xù)幀的激光點(diǎn)云進(jìn)行匹配，實(shí)現(xiàn)導(dǎo)航計(jì)算和實(shí)時(shí)建圖。GMapping[7]、Cartographer[8]、Hector SLAM[9]和Karto SLAM[10]等都屬于典型的激光SLAM算法。相關(guān)研究?jī)?nèi)容如下：

1）提高實(shí)時(shí)計(jì)算效率。激光SLAM需要處理大量的三維點(diǎn)云數(shù)據(jù)，為此對(duì)激光SLAM的實(shí)時(shí)計(jì)算性能提出了更高的要求。研究人員通過優(yōu)化算法和硬件加速等手段，提高激光SLAM的實(shí)時(shí)計(jì)算性能，以適應(yīng)環(huán)境的快速變化。

2）解決動(dòng)態(tài)場(chǎng)景穩(wěn)健重定位問題。在存在動(dòng)態(tài)障礙物的環(huán)境中，激光SLAM面臨著受障礙物阻擋而重新定位的挑戰(zhàn)。研究人員提出了濾波、回環(huán)檢測(cè)和特征選擇等方法，用以提高激光SLAM的穩(wěn)健性和可靠性。

3）粗差處理和閉環(huán)處理。激光SLAM中由于存在傳感器噪聲和運(yùn)動(dòng)估計(jì)誤差，會(huì)產(chǎn)生粗差數(shù)據(jù)。研究人員致力于開發(fā)粗差處理算法，并利用閉環(huán)檢測(cè)與優(yōu)化方法進(jìn)一步提高激光SLAM的建圖精度和穩(wěn)定性。

1.3? 視覺與激光融合SLAM

視覺激光融合SLAM是指將視覺和激光數(shù)據(jù)相互融合，優(yōu)勢(shì)互補(bǔ)，獲得更強(qiáng)大的定位與建圖能力。Zhang等學(xué)者提出的V-LOAM（Visual-Lidar Odometry and Mapping）算法緊耦合運(yùn)作，利用等速度高斯過程建模運(yùn)動(dòng)，實(shí)現(xiàn)高精度的導(dǎo)航位姿估計(jì)[11]。而LVIO（Laser-Visual-Inertial Odometry）算法是一種融合3D激光雷達(dá)、相機(jī)和慣性測(cè)量單元數(shù)據(jù)的技術(shù)，通過整合這些傳感器的信息來構(gòu)建大范圍的環(huán)境地圖[12]。這種融合技術(shù)能夠克服單一傳感器的局限性，可提供更加全面和準(zhǔn)確的環(huán)境感知能力。這些算法通過順序的、多層處理線程解決了傳統(tǒng)方法中卡爾曼濾波或因子圖優(yōu)化難以解決的問題，從而可實(shí)現(xiàn)更優(yōu)秀的定位與建圖效果。

總體而言，視覺SLAM、激光SLAM和視覺激光融合SLAM都是目前移動(dòng)機(jī)器人導(dǎo)航領(lǐng)域具有重要研究意義的技術(shù)。視覺SLAM通過低成本相機(jī)和計(jì)算機(jī)視覺技術(shù)實(shí)現(xiàn)導(dǎo)航位姿計(jì)算，適用于相對(duì)較小的場(chǎng)景和資源受限的應(yīng)用。激光SLAM則依賴激光雷達(dá)獲取三維點(diǎn)云數(shù)據(jù)，適用于相對(duì)較大的場(chǎng)景和實(shí)時(shí)性要求較高的場(chǎng)景。而視覺激光融合SLAM則充分實(shí)現(xiàn)視覺和激光數(shù)據(jù)的優(yōu)勢(shì)互補(bǔ)，提供更加魯棒和精確的導(dǎo)航和建圖結(jié)果，適用于復(fù)雜的未知環(huán)境。

然而，視覺SLAM、激光SLAM和視覺激光融合SLAM仍將面臨一系列的挑戰(zhàn)和機(jī)遇。對(duì)于視覺SLAM，如何進(jìn)一步提高匹配魯棒性、解決尺度不確定性以及拓展應(yīng)用范圍將是重要的研究方向。對(duì)于激光SLAM，同樣存在一些具有挑戰(zhàn)性的問題，例如如何提高實(shí)時(shí)計(jì)算效率、如何解決動(dòng)態(tài)場(chǎng)景下的穩(wěn)健重定位問題以及如何處理粗差和閉環(huán)問題。而對(duì)于視覺激光融合SLAM，如何更好地融合視覺和激光數(shù)據(jù)，進(jìn)一步提高定位和建圖的精度和穩(wěn)定性，以及如何應(yīng)用于更廣泛的領(lǐng)域，也將是未來的重點(diǎn)研究方向。

2? 系統(tǒng)方案

未知環(huán)境下基于視覺與激光融合的地圖構(gòu)建與定位導(dǎo)航系統(tǒng)的研究方案，通過不同類型的場(chǎng)景感知傳感器實(shí)現(xiàn)同時(shí)定位導(dǎo)航與地圖構(gòu)建，主要包括前端處理和后端處理兩個(gè)階段，進(jìn)一步探討視覺激光融合的關(guān)鍵技術(shù)，主要流程如圖1所示。

2.1? 前端處理

2.1.1? 數(shù)據(jù)采集與時(shí)空基準(zhǔn)對(duì)齊

在前端處理階段，首先進(jìn)行數(shù)據(jù)采集，同時(shí)從不同傳感器（如激光雷達(dá)、視覺相機(jī)和慣性測(cè)量單元）獲取環(huán)境信息。數(shù)據(jù)采集的關(guān)鍵是對(duì)多傳感器數(shù)據(jù)進(jìn)行時(shí)空基準(zhǔn)對(duì)齊，確保融合后的數(shù)據(jù)具有一致的時(shí)間戳和坐標(biāo)系，為后續(xù)的數(shù)據(jù)處理奠定基礎(chǔ)。

圖1? 本系統(tǒng)方案實(shí)現(xiàn)流程圖

2.1.2? 激光點(diǎn)云與視覺特征融合

對(duì)前端處理過程中用到的數(shù)據(jù)融合策略進(jìn)行優(yōu)化，特別是激光點(diǎn)云與視覺特征的融合。激光點(diǎn)云可提供豐富的三維空間信息，而視覺特征則具有更強(qiáng)的紋理信息。通過將兩者融合，可以進(jìn)一步提高定位的準(zhǔn)確性和魯棒性。本研究將采用深度學(xué)習(xí)技術(shù)、卷積神經(jīng)網(wǎng)絡(luò)對(duì)激光點(diǎn)云進(jìn)行特征提取，并與視覺特征進(jìn)行融合。這樣的深度學(xué)習(xí)融合方法有助于解決尺度不確定性和環(huán)境變化對(duì)定位導(dǎo)航的影響。

2.2? 后端處理

2.2.1? 回環(huán)檢測(cè)與全局優(yōu)化

在后端處理階段，引入回環(huán)檢測(cè)技術(shù)來判斷傳感器是否曾到過之前的位置。回環(huán)檢測(cè)可有效解決傳感器長(zhǎng)時(shí)間運(yùn)動(dòng)后的漂移問題，提供更準(zhǔn)確的位置約束。本研究將應(yīng)用全局平差優(yōu)化技術(shù)對(duì)前端推算的位姿軌跡進(jìn)行優(yōu)化，以進(jìn)一步提升導(dǎo)航位姿計(jì)算的精度和穩(wěn)定性。全局平差優(yōu)化能夠兼顧多個(gè)時(shí)刻的觀測(cè)數(shù)據(jù)和約束信息，對(duì)位姿軌跡進(jìn)行全局調(diào)整，從而減小誤差累積，提高定位精度[2]。

2.2.2? 計(jì)算量?jī)?yōu)化策略

在后端位姿和特征點(diǎn)大范圍優(yōu)化過程中的計(jì)算量較大。為了解決這個(gè)問題，本研究將采用基于關(guān)鍵幀和滑動(dòng)窗口的平衡選取策略來平衡優(yōu)化計(jì)算負(fù)擔(dān)。在處理關(guān)鍵幀的時(shí)候，將根據(jù)其重要性進(jìn)行優(yōu)先級(jí)排序，以排除不必要的計(jì)算。此外，本研究還將采用基于特征點(diǎn)和位姿的分類優(yōu)化策略，將優(yōu)化過程劃分為不同的層次和優(yōu)先級(jí)，以減少計(jì)算量并提高算法的效率和實(shí)時(shí)性。

2.3? 場(chǎng)景重建與地圖構(gòu)建

在全局優(yōu)化的位姿與傳感器數(shù)據(jù)進(jìn)行融合后，本研究將利用重建后的位姿信息和融合后的數(shù)據(jù)，構(gòu)建場(chǎng)景的三維地圖。地圖構(gòu)建過程涉及點(diǎn)云配準(zhǔn)、建圖算法以及數(shù)據(jù)融合等關(guān)鍵技術(shù)。通過將視覺和激光數(shù)據(jù)相融合，系統(tǒng)將獲得更準(zhǔn)確和更豐富的環(huán)境信息，實(shí)現(xiàn)對(duì)未知環(huán)境的建圖與重建。

2.4? 算法實(shí)現(xiàn)與系統(tǒng)集成

為了驗(yàn)證本研究提出的視覺與激光融合的SLAM系統(tǒng)，我們將在實(shí)際場(chǎng)景中進(jìn)行算法實(shí)現(xiàn)與系統(tǒng)集成。選擇合適的硬件平臺(tái)（包括激光雷達(dá)、相機(jī)和慣性測(cè)量單元），搭建移動(dòng)機(jī)器人實(shí)驗(yàn)平臺(tái)。開發(fā)基于前端處理和后端處理的算法模塊，并進(jìn)行實(shí)時(shí)數(shù)據(jù)處理和優(yōu)化。在算法實(shí)現(xiàn)過程中，將重點(diǎn)測(cè)試視覺激光融合的效果，驗(yàn)證其對(duì)定位導(dǎo)航和地圖構(gòu)建的性能提升。

3? 技術(shù)實(shí)現(xiàn)

未知環(huán)境下基于視覺與激光融合的SLAM系統(tǒng)的技術(shù)實(shí)現(xiàn)，涉及軟件和硬件兩個(gè)層面的內(nèi)容，具體包括問題描述與建模、數(shù)據(jù)處理與優(yōu)化以及軟硬件系統(tǒng)的實(shí)現(xiàn)。

3.1? 問題描述與建模

在本研究中，首先需要描述SLAM問題并進(jìn)行建模。為了實(shí)現(xiàn)機(jī)器人的自主導(dǎo)航與環(huán)境建圖，我們采用了運(yùn)動(dòng)軌跡分解的方法。具體而言，我們將小車在一段連續(xù)時(shí)間內(nèi)的運(yùn)動(dòng)軌跡劃分為離散的點(diǎn)（時(shí)刻），并記錄每個(gè)點(diǎn)（時(shí)刻）的位置信息，從而構(gòu)建車輛的運(yùn)動(dòng)軌跡[12]。同時(shí)，地圖構(gòu)建是基于許多特征點(diǎn)的集合。每個(gè)時(shí)刻，傳感器會(huì)測(cè)量一部分特征點(diǎn)，并獲取它們的觀測(cè)數(shù)據(jù)。通過分析這些數(shù)據(jù)，我們可以建立數(shù)學(xué)模型來描述機(jī)器人的運(yùn)動(dòng)軌跡以及觀測(cè)過程[13]。運(yùn)動(dòng)方程和觀測(cè)方程的建立是關(guān)鍵步驟，它們使得機(jī)器人能夠在未知環(huán)境中實(shí)現(xiàn)自主定位與地圖構(gòu)建。在對(duì)這些方程進(jìn)行求解的過程中，將傳感器數(shù)據(jù)的不確定性和運(yùn)動(dòng)過程中可能的誤差考慮在內(nèi)，以確保復(fù)雜環(huán)境下定位與建圖的準(zhǔn)確性和穩(wěn)定性。通過結(jié)合特征點(diǎn)和傳感器數(shù)據(jù)，我們能夠獲得豐富的環(huán)境信息，進(jìn)而構(gòu)建出3D地圖，為機(jī)器人在未知環(huán)境中的正確導(dǎo)航提供重要支持。

3.2? 數(shù)據(jù)處理與優(yōu)化

視覺和激光數(shù)據(jù)的融合是本項(xiàng)目的關(guān)鍵技術(shù)之一。在數(shù)據(jù)處理與優(yōu)化階段，我們將結(jié)合前端數(shù)據(jù)處理和后端算法優(yōu)化兩部分來實(shí)現(xiàn)視覺與激光的融合，具體流程如圖2所示。

圖2? 本系統(tǒng)數(shù)據(jù)處理與優(yōu)化模塊實(shí)現(xiàn)流程圖

3.2.1? 前端數(shù)據(jù)處理

在前端數(shù)據(jù)處理階段，我們專注于對(duì)預(yù)處理后的雷達(dá)和相機(jī)數(shù)據(jù)進(jìn)行特征提取。對(duì)于雷達(dá)數(shù)據(jù)，我們著重提取ORB特征點(diǎn)，而對(duì)于相機(jī)數(shù)據(jù)，我們主要關(guān)注點(diǎn)云邊緣平面特征點(diǎn)的提取。對(duì)這些特征點(diǎn)的選取是為了在融合視覺與激光數(shù)據(jù)時(shí)，能夠提供豐富而有效的信息，從而實(shí)現(xiàn)更準(zhǔn)確、魯棒性更強(qiáng)的定位與建圖。通過對(duì)特征點(diǎn)的提取和匹配，我們可以將激光和視覺數(shù)據(jù)松耦合地輸入到位姿估計(jì)模塊中，從而實(shí)現(xiàn)對(duì)機(jī)器人運(yùn)動(dòng)軌跡的初步估計(jì)[12]。這一前端數(shù)據(jù)處理的步驟為后續(xù)的全局優(yōu)化和地圖構(gòu)建提供了重要的初始信息，為機(jī)器人在未知環(huán)境中的自主導(dǎo)航和建圖奠定了基礎(chǔ)。

3.2.2? 后端算法優(yōu)化

后端算法優(yōu)化的目標(biāo)是進(jìn)一步優(yōu)化初始位姿和地圖特征點(diǎn)。后端算法優(yōu)化涉及多個(gè)關(guān)鍵步驟，其中包括將所得到的初步估計(jì)位姿映射到世界坐標(biāo)系下，并將特征點(diǎn)輸入到全局優(yōu)化模塊。在全局優(yōu)化階段，我們采用平衡選取策略來處理關(guān)鍵幀和滑動(dòng)窗口，同時(shí)還采用分類優(yōu)化策略對(duì)初始位姿和特征點(diǎn)進(jìn)行進(jìn)一步的優(yōu)化，以得到最終的高精度地圖[12]。這一后端算法的優(yōu)化過程對(duì)于整個(gè)系統(tǒng)的性能提升至關(guān)重要，它能夠有效地改進(jìn)定位導(dǎo)航的精度和穩(wěn)定性，構(gòu)建出更為準(zhǔn)確和全面的環(huán)境地圖。通過這樣的后端算法優(yōu)化，視覺與激光融合的SLAM系統(tǒng)能夠在未知復(fù)雜環(huán)境中實(shí)現(xiàn)自主導(dǎo)航與建圖，為搜索救援、室內(nèi)定位、自主巡航等領(lǐng)域帶來更廣泛的應(yīng)用前景。

3.3? 軟硬件系統(tǒng)實(shí)現(xiàn)

在軟件層面，我們將編寫上位機(jī)終端控制軟件，實(shí)現(xiàn)對(duì)移動(dòng)機(jī)器人的控制和導(dǎo)航。同時(shí)，進(jìn)行前端數(shù)據(jù)處理和后端算法優(yōu)化的軟件開發(fā)，整體實(shí)現(xiàn)框架如圖3所示。

圖3? 軟硬件系統(tǒng)實(shí)現(xiàn)框圖

在硬件層面，我們將搭建移動(dòng)機(jī)器人實(shí)驗(yàn)平臺(tái)，如圖4所示。該平臺(tái)將基于樹莓派，以智能小車的形式呈現(xiàn)。我們會(huì)選擇合適的激光雷達(dá)、相機(jī)和慣性測(cè)量單元作為傳感器，搭建硬件設(shè)備，進(jìn)行調(diào)試和測(cè)試。通過軟硬件系統(tǒng)的集成，我們能夠?qū)崿F(xiàn)完整的視覺與激光融合的SLAM系統(tǒng)。

圖4? 本研究對(duì)應(yīng)系統(tǒng)硬件載體

4? 實(shí)驗(yàn)驗(yàn)證

為驗(yàn)證未知環(huán)境下基于視覺與激光融合的SLAM系統(tǒng)的性能和有效性，我們進(jìn)行了一系列的實(shí)驗(yàn)，實(shí)驗(yàn)結(jié)果如圖5所示。實(shí)驗(yàn)涵蓋了系統(tǒng)的SLAM建圖能力、機(jī)器視覺功能以及智能操控特性。

圖5? 上述實(shí)驗(yàn)對(duì)應(yīng)的實(shí)現(xiàn)結(jié)果展示

4.1? SLAM建圖實(shí)驗(yàn)

在SLAM建圖實(shí)驗(yàn)中，我們使用了Hector、Gmapping和Karto等多種算法，分別進(jìn)行了激光SLAM自主建圖以及視覺與激光融合的3D地圖構(gòu)建。為了模擬未知環(huán)境，我們?cè)趯?shí)驗(yàn)室內(nèi)搭建了一個(gè)復(fù)雜的場(chǎng)景，包含走廊、房間和障礙物等元素。

實(shí)驗(yàn)結(jié)果表明，激光SLAM算法在未知環(huán)境中能夠準(zhǔn)確地建立地圖，實(shí)現(xiàn)自主導(dǎo)航。同時(shí)，通過加載RGB-D深度相機(jī)，我們成功實(shí)現(xiàn)了視覺與激光的融合，構(gòu)建出更為豐富的3D地圖。該功能在搜索救援、室內(nèi)定位和自主巡航等領(lǐng)域具有廣泛的應(yīng)用前景。

4.2? 機(jī)器視覺實(shí)驗(yàn)

在機(jī)器視覺實(shí)驗(yàn)中，我們使用RGB-D深度相機(jī)和激光輔助，對(duì)多種視覺功能進(jìn)行了驗(yàn)證。我們實(shí)現(xiàn)了人臉識(shí)別、目標(biāo)檢測(cè)、邊緣檢測(cè)、遁跡巡航以及AR標(biāo)簽檢測(cè)等功能。

實(shí)驗(yàn)結(jié)果顯示，系統(tǒng)能夠準(zhǔn)確地進(jìn)行人臉識(shí)別和目標(biāo)檢測(cè)，在邊緣檢測(cè)和遁跡巡航方面也表現(xiàn)出良好的性能。AR標(biāo)簽檢測(cè)功能在工業(yè)自動(dòng)化生產(chǎn)等領(lǐng)域具有潛在的應(yīng)用價(jià)值。機(jī)器視覺功能的驗(yàn)證進(jìn)一步證明了系統(tǒng)在復(fù)雜環(huán)境下的實(shí)用性和穩(wěn)定性。

4.3? 智能操控實(shí)驗(yàn)

在智能操控實(shí)驗(yàn)中，我們對(duì)系統(tǒng)進(jìn)行了不同方式的控制，包括語音控制、手柄控制、PC端控制以及手機(jī)端APP控制。我們還測(cè)試了系統(tǒng)的跟隨、避障和巡航功能。

實(shí)驗(yàn)結(jié)果顯示，系統(tǒng)對(duì)于不同控制方式均具有良好的響應(yīng)性和準(zhǔn)確性。跟隨功能能夠?qū)崿F(xiàn)對(duì)目標(biāo)的穩(wěn)定跟蹤，避障功能有效地避免了碰撞。智能巡航功能使得機(jī)器人能夠在未知環(huán)境中自主導(dǎo)航，表現(xiàn)出較高的智能化水平。

5? 結(jié)? 論

本文研究了未知環(huán)境下基于視覺與激光融合的SLAM系統(tǒng)，并設(shè)計(jì)了一套完整的技術(shù)實(shí)現(xiàn)路線。通過系統(tǒng)的實(shí)驗(yàn)驗(yàn)證，我們證明了該系統(tǒng)在SLAM建圖、機(jī)器視覺和智能操控方面的優(yōu)良性能。然而，本系統(tǒng)仍然存在一些待解決的問題，例如進(jìn)一步提高SLAM建圖算法的實(shí)時(shí)性和精確性，增強(qiáng)機(jī)器視覺功能的魯棒性和準(zhǔn)確性，以及優(yōu)化智能操控策略，使其能夠應(yīng)對(duì)更復(fù)雜的環(huán)境和任務(wù)。在未來的研究中，我們將繼續(xù)改進(jìn)和優(yōu)化系統(tǒng)的各個(gè)模塊，推動(dòng)視覺與激光融合的SLAM技術(shù)在實(shí)際應(yīng)用中發(fā)揮更大的作用，為搜索救援、室內(nèi)定位、自主巡航等領(lǐng)域帶來更多的創(chuàng)新和進(jìn)步。

參考文獻(xiàn)：

[1] 顏世博.未知環(huán)境中移動(dòng)機(jī)器人自定位技術(shù)研究 [D].哈爾濱：哈爾濱工業(yè)大學(xué)，2012.

[2] 高揚(yáng)，胡慶武，郭浩.視覺激光匹配導(dǎo)航技術(shù)及其應(yīng)用 [J].現(xiàn)代導(dǎo)航，2021，12（5）：313-318.

[3] SCHERER S A，ZELL A. Efficient onbard RGBD-SLAM for autonomous MAVs [C]//2013 IEEE/RSJ International Conference on Intelligent Robots and Systems. Tokyo：IEEE，2013：1062-1068.

[4] 王丹，黃魯，李垚.基于點(diǎn)線特征的單目視覺同時(shí)定位與地圖構(gòu)建算法 [J].機(jī)器人，2019，41（3）：392-403.

[5] DAVISON A J，REID I D，MOLTON N D，et al. MonoSLAM：real-time single camera SLAM [J].IEEE Transactions on Pattern Analysis and Machine intelligence，2007，29（6）：1052-1067.

[6] MUR-ARTAL R，MONTIEL J M M，TARDOS J D. ORB-SLAM： A Versatile and Accurate Monocular SLAM System [J].IEEE Transactions on Robotics，2015，31（5）：1147-1163.

[7] BALASURIYA B L E A，CHATHURANGA B A H，JAYASUNDARA B H M D，et al. Outdoor robot navigation using Gmapping based SLAM algorithm [C]//2016 Moratuwa Engineering Research Conference （MERCon）. Moratuwa：IEEE，2016：403-408.

[8] 陸世東，涂美義，羅小勇，等.基于圖優(yōu)化理論和GNSS激光SLAM位姿優(yōu)化算法 [J].激光與光電學(xué)進(jìn)展，2020，57（8）：216-225.

[9] WEI W C，SHIRINZADEH B，ESAKKIAPPAN S，et al. Orientation Correction for Hector SLAM at Starting Stage [C]//2019 7th International Conference on Robot Intelligence Technology and Applications （RiTA）. Daejeon：IEEE，2019：125-129.

[10] GAO H M，ZHANG X B，WEN J，et al. Autonomous Indoor Exploration Via Polygon Map Construction and Graph-Based SLAM Using Directional Endpoint Features [J].IEEE Transactions on Automation Science and Engineering，2018，16（4）：1531-1542.

[11] ZHANG J，SINGH S. Laser-visual-inertial odometry and mapping with high robustness and low drift [J].Journal of Field Robotics，2018，35（8）：1242-1264.

[12] 余祖俊，張晨光，郭保青.基于激光與視覺融合的車輛自主定位與建圖算法 [J].交通運(yùn)輸系統(tǒng)工程與信息，2021，21（4）：72-81.

[13] 林義忠，馬凱.室內(nèi)移動(dòng)機(jī)器人自主導(dǎo)航系統(tǒng)設(shè)計(jì) [J].自動(dòng)化與儀表，2021，36（6）：38-42.

作者簡(jiǎn)介：曾光（1990—），男，漢族，廣東河源人，講師，碩士研究生，研究方向：信息通信、機(jī)器視覺；黃健盛（2002—），男，漢族，廣東汕頭人，研究方向：城軌通信信號(hào)；佟景泉（1984—），男，漢族，黑龍江哈爾濱人，講師，碩士研究生，研究方向：信號(hào)控制、交通運(yùn)輸；黃楊靈（2001—），男，漢族，廣東高州人，研究方向：城軌通信信號(hào)。