在自主靠离泊环境中,水面无人艇使用传统激光同步定位与建图算法面临许多挑战,如水面高动态变化、水波干扰和局部极值问题等。针对这些问题,本文提出一种基于改进LIO-SAM(Lidar Inertial Odometry via Smoothing and Mapping)的USV(Unma...在自主靠离泊环境中,水面无人艇使用传统激光同步定位与建图算法面临许多挑战,如水面高动态变化、水波干扰和局部极值问题等。针对这些问题,本文提出一种基于改进LIO-SAM(Lidar Inertial Odometry via Smoothing and Mapping)的USV(Unmanned Surface Vehicle)激光SLAM(Simultaneous Localization and Mapping)算法。首先,通过优化惯性测量单元预积分过程,在保持算法水面动态环境下精度的同时,降低了计算负担;其次,引入了一种基于复合滤波的水波干扰抑制方法,降低了水波对激光SLAM的影响;最后,采用了一种改进的图优化方法,有效解决了局部极值问题。实验结果表明,所提出的算法在USV的自主靠离泊环境中具有较高的定位精度和稳定性。展开更多
文摘在自主靠离泊环境中,水面无人艇使用传统激光同步定位与建图算法面临许多挑战,如水面高动态变化、水波干扰和局部极值问题等。针对这些问题,本文提出一种基于改进LIO-SAM(Lidar Inertial Odometry via Smoothing and Mapping)的USV(Unmanned Surface Vehicle)激光SLAM(Simultaneous Localization and Mapping)算法。首先,通过优化惯性测量单元预积分过程,在保持算法水面动态环境下精度的同时,降低了计算负担;其次,引入了一种基于复合滤波的水波干扰抑制方法,降低了水波对激光SLAM的影响;最后,采用了一种改进的图优化方法,有效解决了局部极值问题。实验结果表明,所提出的算法在USV的自主靠离泊环境中具有较高的定位精度和稳定性。
