基于自動駕駛 SLAM 技術的建圖方法研究

摘要：即時定位與地圖構建（SLAM）技術對于提高自動駕駛車輛的智能性、自主性和效率至關重要，該技術將進一步推動人工智能和自動化技術的發展，推動無人駕駛車輛在各種領域中的廣泛應用?；诖?，分別從視覺SLAM和激光SLAM建圖的角度出發，通過研究對比不同方案下視覺SLAM和激光SLAM建圖的測試結果與特性，提出可以提升SLAM建圖精度和可靠性的建議和方法。

關鍵詞：自動駕駛；SLAM技術；建圖；方法研究

中圖分類號：U469.79" 收稿日期：2024-12-15

DOI：1019999/jcnki1004-0226202502011

1 前言

即時定位與地圖構建（SLAM）技術是實現無人駕駛的關鍵技術。其中地圖構建是路徑規劃的基礎，環境地圖構建的精度直接影響路徑規劃的效果，同時無人車在環境地圖中的定位也對路徑規劃的最終結果產生影響[1]。

雖然當前的激光SLAM技術和視覺SLAM技術取得了一定的進展，但也面臨一些挑戰。比如，當單獨使用激光雷達進行車輛檢測時，由于沒有圖像信息，激光雷達點云會存在目標漏檢和錯檢以及無法提供障礙物細節信息的現象[2-3]。而當單獨使用視覺傳感器進行車輛識別時，相機容易受到光照環境或者反射平面光線特性的影響，在霧天、雪天等極端環境中，會導致目標檢測精度下降[4]。因此在復雜環境下，單一傳感器實現即時導航與建圖定位會給自動駕駛車輛帶來一些安全隱患。

為了保證SLAM的魯棒性以及對周圍環境信息的完全感知，對多傳感器融合的研究顯得尤為重要[5]。本文通過對比研究了常見的視覺SLAM、激光SLAM和融合建圖算法，以期給自動駕駛車輛實現準確與可靠的建圖提供一些合理建議。

2 硬件測試平臺

本文采用的硬件系統是基于松靈機器人的LIMO自動駕駛平臺。平臺可以搭載激光雷達、視覺傳感器和IMU傳感器等常見的智能傳感器。硬件平臺系統框架如圖1所示。

3 不同建圖方法測試與結果分析

3.1 激光雷達SLAM建圖算法測試與結果

常用的激光建圖方法算法有兩類：粒子基于濾波器的激光建圖和基于圖優化的激光建圖粒子。激光SLAM建圖算法處理框架如圖2所示。其中基于濾波器的激光SLAM建圖代表算法為Gmapping[6]，該方法有效地利用了車輪里程計信息。建圖測試場景環境情況描述如圖3所示。

該場景中間放置有一個障礙物箱子（80 cm×80 cm×80 cm），作為測試場景中的主要障礙物，起點位置左邊還有一張塑料凳子和一位測試人員。

建圖測試結果如圖4所示。測試場景以及其中的障礙物能夠較好地在建成的地圖中顯現出來，但是地圖整體邊緣不是很平滑。

基于圖優化的激光雷達SLAM建圖算法是另一種算法[7]，它的測試結果如圖5所示。從結果可知，圖優化算法建圖也可較好地識別出場景中的各類障礙物。并且與基于粒子濾波器的建圖結果比較可知，地圖還有障礙物邊緣較為平滑。

3.2 激光雷達與視覺傳感器融合SLAM建圖算法測試與結果

本文采用的激光雷達和視覺傳感器融合建圖策略采用的是后融合技術，具體融合算法實現流程如圖6所示。

3.3 結果對比與分析

本文中不同算法結果建圖占用CPU資源情況如圖8所示。當采用粒子濾波器和圖優化法進行建圖時，CPU計算資源消耗較接近。當采用傳感器融合建圖時，由于計算機還需要同時處理視覺信息，CPU資源消耗較高，峰值在46%左右。

根據不同建圖方法生成的地圖和真實地圖占據單元的總距離以及真實地圖中占據單元的總數進行比較，得到建圖準確性的誤差估計。不同算法結果建圖誤差估計對比情況如表1所示，誤差估計的值越小，表示生成的地圖與真實地圖之間的差異越小，即地圖的準確性越高。從表1中的結果可知，在當前的測試場景下，相比于粒子濾波器算法，圖優化算法的建圖準確性更高。而對于融合傳感器算法建圖來說，由于視覺數據的融入，誤差估計受到傳感器類型與精度、融合算法與環境特性等多種因素的影響。在本測試場景的環境中進行地圖構建時，融合后的地圖精度通常略高于另外兩種，精度差小于002 m。

4 不同建圖方法測試結果優缺點分析

根據上述測試與結果對比可知，不同的SALM建圖算法，它們都有各自的優點和缺點，主要體現在以下幾個方面：

a.從直觀上看，基于粒子濾波器構建的地圖雖然也可以把周圍的墻壁、凳子以及障礙物箱子準確的在地圖上顯示出來，但是整體的效果不如基于圖優化法建的圖。同時構建的地圖邊界線方面，基于粒子濾波器的方法明顯不如基于圖優化法構建的地圖平直順滑。

b.基于圖優化法構建的地圖比較平滑和清晰。它處理數據的方式和粒子濾波器的方法不同，它不是在線地糾正位姿，而是把所有數據記下來，最后一次性計算。構建后的地圖會在一段時間后優化得更加清晰，道路邊界很明顯。同時該方法帶有閉環檢測，可以看到地圖右端大的回環可以很準確地檢測到，構成的方形回環很規則，建圖效果較好。當然，隨著地圖構建的擴大，基于圖優化法建圖需要的內存消耗和計算量都很大。

c.基于激光和視覺融合的建圖算法構建出來的地圖其細節最接近于真實的場景。在該方法中，視覺傳感器主要是輔助激光雷達進行運動畸變去除、輔助回環檢測并且提供精確的里程信息，而激光雷達則為視覺特征提供深度信息。在立體障礙物防撞，尤其是一些立體的異形障礙物方面，該地圖可以有效地防止車輛發生碰撞。

綜上，視覺SLAM在比較穩定和適中的光照條件下表現較好，但對于光照變化、低紋理或動態環境下容易失效。激光SLAM可以在各種環境條件下穩定工作，但無法獲取詳細的視覺信息。因此，將視覺和激光的數據融合可以彌補彼此的不足，提高SLAM系統的穩定性和魯棒性。同時，融合視覺和激光數據還可以提高地圖建模的精度和環境感知能力。當然在選擇SLAM建圖的方式時，還需要綜合考慮應用場景的條件和能夠提供的硬件資源。尤其是在移動機器人領域，應用場景對SLAM建圖方案的選擇起到非常重要的作用。比如服務場景配送、園區管理等，此時不得不考慮立體障礙物防撞的問題，因而選擇激光和視覺融合的方式較為合適。

5 結語

本文對自動駕駛SLAM技術的建圖方法進行了研究，該技術的目標是實現無人駕駛，目前業界在精確性、擴展性、可用性、動態性方面都有相應的標準。算法的普適性則要求SLAM技術能夠適應不同的環境、不同的時間、不同的天氣或交通條件，以保證在各種情況下都能正常運行并能達到預定的精度標準，本文研究結果對于推動該項技術在特定場景的應用具有重要意義。

參考文獻：

[1]趙志國，肖文，毛康康，等巡檢無人車激光SLAM與路徑規劃研究綜述[J]機械設計與制造工程，2024，53（8）：1-2

[2]相福磊，彭富明，方斌，等基于因子圖的激光 SLAM 模型優化算法[J]機械制造與自動化，2024，53（5）：167-168

[3]錢新博，程浩然，蔣林，等室內退化環境下高精度定位與建圖[J]哈爾濱工程大學學報，2024，2025（5）：1-2

[4]高強，陸科帆，吉月輝，等多傳感器融合SLAM研究綜述[J]現代雷達，2024，46（8）：29-31

[5]彭真，傘紅軍，李春磊，等基于多傳感器融合的室內SLAM[J]計算機工程與設計，1024，45（10）：3136-3137

[6]何云邦，閆康寧，陳楚文，等園區智能配送機器人的研究與設計[J]工業技術與職業教育，2024，22（4）：14-15

[7]苗紅霞，郭章旺，齊本勝，等基于改進Cartographer算法的激光SLAM研究[J]計算機仿真，2024，41（9）：299-300

作者簡介：

張順，男，1989生，工程師，研究方向為自動駕駛和移動機器人。

黃科薪（通訊作者），男，1986生，副教授，研究方向為新能源汽車技術。