面向高精度城市测绘的激光紧耦合SLAM方法
孙喜亮1,2
, 关宏灿3,苏艳军1,2,徐光彩1,2,郭庆华3
1. 中国科学院植物研究所植被与环境变化国家重点实验室, 北京 100093;
2. 中国科学院大学, 北京 100049;
3. 北京大学城市与环境学院, 北京 100871
基金项目：国家自然科学基金（31971575）；北京市科技计划（Z191100007419004）
关键词：同时定位与地图构建 紧耦合 特征提取 点云配准 全局优化
引文格式：孙喜亮, 关宏灿, 苏艳军, 等. 面向高精度城市测绘的激光紧耦合SLAM方法[J]. 测绘学 ，2021，50(11)：1585-1593. DOI:
10.11947/j.AGCS.2021.20210243
SUN Xiliang, GUAN Hongcan, SU Yanjun, et al. A tightly coupled SLAM method for precise urban mapping[J]. Acta Geodaetica et Cartographica Sinica, 2021, 50(11): 1585-1593. DOI: 10.11947/j.AGCS.2021.20210243
阅读全文：
http://xb.sinomaps.com/article/2021/1001-1595/2021-11-1585.htm
引 言
近年来，集成了激光雷达(light detection and ranging, LiDAR)、惯性测量单元(inertial measurement unit, IMU)和全球导航卫星系统(Global Navigation Satellite System, GNSS)的移动激光雷达平台被广泛用于获取城市三维地理信息数据[1-2]。GNSS/IMU组合导航是目前移动测量平台最常用的定位方法，然而由于高楼、桥梁、隧道、行道树等城市地物对GNSS信号的遮挡，城市中易存在大量弱、无GNSS信号区域，仅凭这种定位方法难以有效实现大范围城市场景的高精度制图[3]。激光同时定位与地图构建(simultaneous localization and mapping, SLAM)技术可利用激光雷达增量式构建地图的同时，实现移动测量平台自身的相对定位，为解决弱、无GNSS信号环境下的制图问题提供了有效的解决方案[4]，从而被广泛应用于高精度制图中[5-6]。
目前，激光SLAM方法按照激光和IMU的融合方式可分为松耦合和紧耦合[7-9]。松耦合方法独立计算激光和IMU各自的运动量，然后，对它们的位姿估计结果进行融合。文献[10]提出的LOAM方法是目前较为经典的松耦合方法，该方法通过结合高频里程计粗定位和低频建图精定位的方式，实现了基于旋转2D LiDAR的同步定位和制图。文献[11]在LOAM的基础上，引入视觉里程计作为激光里程计的前端，形成了V-LOAM方法，进一步提高了SLAM的精度。文献[12]在LOAM基础上，利用点云分割降低特征数量，结合两步配准和闭环约束削弱累积误差，形成了适合地面无人车的LeGO-LOAM方法。然而，松耦合方法未能联合优化各传感器的观测量，在特征缺乏区域易存在累积误差大、稳健性差等问题[4]。
1 总体框架设计
图 1 系统框架Fig. 1 Framework of the proposed method
图选项
(1) IMU预积分。根据IMU运动方程对采样间隔的观测量进行积分，获取激光点云序列帧时刻对应位姿。
(2) 激光运动补偿和特征提取。利用IMU积分得到的相对运动位姿修正点云的运动畸变，随后提取杆状和面状特征点。
(3) 特征匹配和相对位姿估计。匹配序列帧同名特征，利用Levenberg-Marquardt(L-M)方法求解获取相邻帧的相对运动位姿。
(4) 局部地图构建及优化。联合序列帧同名特征点、初始相对位姿、IMU预积分因子优化构建局部地图。
(5) 闭环检测。新的局部地图构建完成后与历史局部地图进行特征匹配检测闭环。
(6) GNSS位置因子构建。依据GNSS轨迹方位变化提取出GNSS角点构成GNSS位置因子。
(7) 全局地图构建及优化。当前局部地图与历史地图存在闭环，则联合局部地图相对位姿、GNSS位置因子、IMU预积分因子、闭环因子等优化构建全局地图，不存在闭环则直接更新全局地图。
2 基于特征点匹配的相对位姿估计
2.1 特征点提取
(1) 首先将单帧扫描获取激光点集ρt={ρ1,ρ2, …,ρn}生成深度图像(c,r)，其中每个点ρi对应深度图像的一个像素，c和r分别为图像的列数和行数，图像深度值为ρi到传感器中心的距离。
(2) 将深度图像的每一列c中各像素对应的测距值转化为角度值αr-1,cr，该角度代表了该像素与相邻行像素间的倾斜角度。
(3) 获取角度图像后进一步利用Savitsky-Golay滤波算法进行平滑处理以削弱噪声的影响。最后将最低行中角度小于45°的所有像素标记为初始地面，并利用广度优先算法(breadth-first search, BFS)在角度图像上搜索与地面像素间角度差值小于5°的像素，将其标记为地面像素[22]。
(4) 根据地面像素，将其对应的点云标记为地面特征点fg，其余为非地面点，并对各地面点计算其法向nfg。
(5) 在非地面点中，对于每个点通过邻域搜索的方式计算其3个特征值(λ1,λ2,λ3)和对应的特征向量(v1,v2,v3)，从而计算4种点云几何特征(线形DiL、面形DiP、球形Dis，垂直度DiV)，根据经验阈值将DiL?DiP&&DiS，DiV>0.9的点视为杆状特征点fl，DiP?DiL&&DiS，DiV>0.8的点视为面状特征点fp，并同时计算杆状点的主方向nfl和面状点的法向量nfp[23-24]
(1)
(2)
2.2 特征匹配和相对位姿估计
3 多因子联合的全局地图构建及优化
3.1 GNSS角点提取
全局地图构建及优化是生成高精度的全局一致性地图的关键步骤。GNSS位置因子可有效约束长距离轨迹(无闭环情况下)的漂移误差，但在城市复杂环境中，GNSS存在着位置精度不稳定的现象。此外，由于GNSS位置信息和激光惯导SLAM轨迹间没有初始的转换关系，其仅能约束XYZ位置而不能约束姿态，且在直线分布的轨迹中易存在歧义解。
3.2 全局地图构建及优化
(3)
(4)
(5)
图 2 全局地图构建及优化Fig. 2 Global map construction and optimization
图选项
4 试验与分析
4.1 试验设备及数据介绍
图 3 试验区概况Fig. 3 Overview of the study area
图选项
试验区中，开放公园整体为大型回环，场景中包含大量的建筑立面和少量移动车辆，轨迹总长度约为2.7 km，数据采集过程中存在少量往返采集。地下车库场景面积较小，轨迹总长度约为800 m，数据采集过程中场景内无移动目标干扰，但该场景GNSS信号较弱，存在GNSS信号丢失现象。城市公园场景内地物以树木为主，由于树木枝叶对激光扫描的遮挡，该场景内存在大量往返扫描。街区道路场景为笔直的城市主干道，扫描过程中存在大量移动车辆和行人的干扰，行走轨迹不存在闭环。各场景复杂情况和数据采集信息见表 1。
表 1 数据集概况Tab. 1 Overview of the dataset
| 数据集 | 主要地物类型 | 是否存在移动目标 | 轨迹长度/m | 高差/m | 最大旋转速度/(°/s) | 最大位移速度/(m/s) |
| 开放园区 | 室外建筑 | 少量 | 2 730.5 | 4.2 | 110 | 1.4 |
| 地下车库 | 室内建筑 | 无 | 813.2 | 6.3 | 80 | 1.1 |
| 城市公园 | 绿化树木 | 无 | 2 950.3 | 1.9 | 111 | 1.4 |
| 街区道路 | 道路 | 大量 | 3 478.1 | 22.3 | 70 | 3.3 |
表选项
图 4 SLAM轨迹平面位置对比Fig. 4 Comparison between plane positions of SLAM trajectories
图选项
表 2 SLAM轨迹APE统计结果Tab. 2 APE statistical results of SLAM trajectory
| 数据集 | 方法 | 最小值/m | 平均值/m | 最大值/m | RMSE/m |
| 开放园区 | LOAM | N/A | N/A | N/A | N/A |
| LeGO-LOAM | 0.029 | 7.499 | 102.854 | 23.135 | |
| LIO-SAM | 0.005 | 1.313 | 3.140 | 1.592 | |
| our-odom | 0.09 | 0.715 | 1.869 | 0.820 | |
| 地下车库 | LOAM | N/A | N/A | N/A | N/A |
| LeGO-LOAM | 0.047 | 9.410 | 34.485 | 16.267 | |
| LIO-SAM | 0.005 | 0.441 | 1.036 | 0.505 | |
| our-odom | 0.005 | 0.379 | 1.019 | 0.491 | |
| 城市公园 | LOAM | 0.018 | 19.897 | 86.510 | 32.406 |
| LeGO-LOAM | 0.012 | 13.450 | 32.497 | 15.100 | |
| LIO-SAM | 0.018 | 0.506 | 1.905 | 0.631 | |
| our-odom | 0.006 | 0.385 | 1.311 | 0.505 | |
| 街区道路 | LOAM | N/A | N/A | N/A | N/A |
| LeGO-LOAM | N/A | N/A | N/A | N/A | |
| LIO-SAM | 0.016 | 97.929 | 227.581 | 123.097 | |
| our-odom | 0.033 | 41.577 | 101.387 | 51.980 | |
| 注：“N/A”代表方法运行失败。 | |||||
表选项
图 5 SLAM轨迹APE对比Fig. 5 Comparison between APE of SLAM trajectories
图选项
4.3 GNSS角点位置约束的影响分析
表 3 有无GNSS角点位置因子约束的轨迹APE统计结果对比Tab. 3 Comparison of APE statistical results with or without GNSS corner constraints
| 数据集 | 方法 | 最小值/m | 平均值/m | 最大值/m | RMSE/m |
| 开放园区 | our-odom | 0.09 | 0.715 | 1.869 | 0.820 |
| our-method | 0.002 | 0.044 | 0.272 | 0.050 | |
| 地下车库 | our-odom | 0.005 | 0.379 | 1.019 | 0.491 |
| our-method | 0.002 | 0.042 | 0.441 | 0.054 | |
| 城市公园 | our-odom | 0.006 | 0.385 | 1.311 | 0.505 |
| our-method | 0.002 | 0.055 | 0.647 | 0.063 | |
| 街区道路 | our-odom | 0.033 | 41.577 | 101.387 | 51.980 |
| our-method | 0.004 | 0.069 | 0.238 | 0.079 | |
表选项
图 6 检查点及误差分布Fig. 6 Distribution of check points in the accuracy analysis
图选项
表 4 检查点精度统计结果Tab. 4 Accuracy statistical results of check points
| 精度 | ΔX/m | ΔY/m | ΔZ/m | ΔXY/m | ΔXYZ/m |
| 最小值 | -0.059 | -0.042 | -0.014 | 0.009 | 0.016 |
| 平均值 | -0.008 | 0.001 | 0.015 | 0.037 | 0.044 |
| 最大值 | 0.040 | 0.050 | 0.070 | 0.071 | 0.090 |
| RMSE | 0.029 | 0.029 | 0.024 | 0.041 | 0.047 |
表选项
5 结论
初审：张艳玲
复审：宋启凡
终审：金 君
往期推荐
资讯
○ 南方数码 | 助学、助教、助研，三项协议开启校企合作新篇章
○ 杨元喜院士：北斗为何是国之重器？重磅！2022年国家自然科学基金申 时间定了！
○ 纳贤丨武汉大学测绘遥感信息工程国家重点实验室多源支持感知与认知团队招聘博士后
○ 招聘 | 中国科学院东北地理与农业生态研究所农业遥感学科组招聘启事
会议
○ 第七届普适定位、室内导航与基于位置服务（UPINLBS 2022）国际会议（一号通知）
○ 高俊院士、王家耀院士等6位著名科学家获“2020-2021年度中国地理学会科学技术奖——终身成就奖”
○ 关于第24届国际摄影测量与遥感大会预通知
○ 第一届深度学习与地球科学专题研讨会
《测绘学 》
○《测绘学 》8篇论文入选“领跑者5000——中国精品科技期刊顶尖学术论文（F5000）”
○ 智能驾驶环境感知 | 方莉娜：融合点云和多视图的车载激光点云路侧多目标识别
○ 智能驾驶环境感知 | 李雅丽：车辆轨迹与遥感影像多层次融合的道路交叉口识别
○ 智能驾驶环境感知 | 续东：道路空间特征与测量距离相结合的LiDAR道路边界点提取算法
《测绘通 》
○ 如何识别城市交通中的频繁路径
○ 面向上海城市数字化转型的新型测绘
○ 图像全站仪及图像测量发展与展望
○《测绘通 》2021年第11期目录
《北京测绘》
○《北京测绘》2021年第10期摘要推荐
○《北京测绘》2021年第9期摘要推荐
○《北京测绘》2021年第8期摘要推荐（下）
○《北京测绘》2021年第8期摘要推荐（上）
《测绘科学技术学 》
○ 摘要 |《测绘科学技术学 》2021年第2期摘要推荐
○ 摘要 |《测绘科学技术学 》2021年第4期摘要推荐
○ 摘要 |《测绘科学技术学 》2021年第5期摘要推荐
○ 摘要 |《测绘科学技术学 》2021年第6期摘要推荐
《地球信息科学学 》
○ 《地球信息科学学 》2021年第12期佳文推介
○ 《地球信息科学学 》2021年第11期佳文推介
○ 佳文推介 | 大数据城市通勤交通模型的构建与模拟应用
○ 专刊征稿：社会感知与地理大数据挖掘（征稿中）
《测绘工程》
○ 摘要 |《测绘工程》2021年第5期摘要推荐
○ 摘要 |《测绘工程》2021年第4期摘要推荐
○ 摘要 |《测绘工程》2021年第6期摘要推荐
○ 测绘教学 | 后疫情时代“线上+线下”混合教学模式创新——以测绘类课程视角
《中国空间科学技术》
○《中国空间科学技术》2021年第6期摘要
○《中国空间科学技术》2021年第5期摘要推荐
○ 摘要 |《中国空间科学技术》2021年第3期摘要推荐
○ 火卫二地形地貌探测综述
《卫星应用》
○《卫星应用》2021年第10期摘要
○ 摘要 |《卫星应用》2021年第9期摘要推荐
○ 摘要 |《卫星应用》2021年第8期摘要推荐
○ 综述 | 北斗系统应用趋势分析
《Journal of Geodesy and Geoinformation Science》
○《测绘学 （英文版）》（JGGS）LiDAR专刊发布
○《测绘学 （英文版）》（JGGS）第一次编委会会议顺利召开
○《测绘学 （英文版）》专刊征稿 | 地图学与地球空间信息教育：理论与实践
○ 2022年第二十九届国际地理信息学大会暨CPGIS成立30周年年会（一号通知）
《Satellite Navigation》
○ [综述]| 高扬教授：GNSS智能手机定位：进展、挑战、机遇和未来展望| SANA佳文速递
○ 熊超教授：地磁暴期间夜间低纬电离层和赤道等离子体不规则体| SANA佳文速递
○ 徐元博士：面向有色测量噪声下UWB/INS组合行人导航的分布式卡尔曼滤波| SANA佳文速递
○ 杨飞博士：GNSS天顶对流层精化模型的构建与分析| SANA佳文速递
○ 牛小骥教授：用半解析法分析GNSS/INS在铁路轨道测量中的相对精度| SANA佳文速递
《自然资源遥感》
○ 《自然资源遥感》入驻“智绘科服”融媒体平台！
○ 《自然资源遥感》征稿：“海岸带空间资源及生态健康遥感监测”专栏
○ 摘要 |《自然资源遥感》2021年第3期摘要推荐
《Journal of Geovisualization and Spatial Analysis》
○《Journal of Geovisualization and Spatial Analysis》入驻“智绘科服”融媒体平台！
○ JGSA国际期刊2021年第5卷第2期论文摘要
○ 高被引论文推荐 | Journal of Geovisualization and Spatial Analysis
声明：本站部分文章内容及图片转载于互联 、内容不代表本站观点，如有内容涉及侵权，请您立即联系本站处理，非常感谢！