隨著科學技術的不斷發展，機器人技術取得了長足的發展。各類機器人已經廣泛應用于軍事、救援搜救以及家政服務等方面。對于任何一個機器人而言，擁有精確的導航定位系統是重中之重。精確感知自身位置的能力有助于機器人的路徑規劃以及避障等功能。

　　全球定位系統（GPS）作為一種機器人常用定位方式，受制于天氣、無線電、遮擋等環境因素，導致導航系統實時性與可靠性難以保證，環境的未知以及機器人運動的不確定性會對SLAM系統的魯棒性與穩定性提出更高要求，為了解決這一問題，有必要進一步研究SLAM以及慣性導航技術。由于激光SLAM、IMU以及輪式里程計在導航應用方面各有優勢，有著較為良好的互補性，研究基于激光雷達的多傳感器融合SLAM技術有望提高導航系統魯棒性與韌性。

　　據麥姆斯咨詢報道，為提高機器人在未知復雜環境中導航系統的魯棒性與穩定性，西北工業大學張福斌教授團隊以及中國飛行試驗研究院的研究人員共同提出一種激光雷達/MEMS IMU/里程計緊組合導航算法，利用多傳感器聯合優化提高了機器人的定位精度。無論在室內還是室外、開環還是閉環場景，該算法都可以提高導航系統在無GPS信號時的導航定位精度，具有很好的應用價值與使用前景。相關研究成果已發表于《儀器儀表學報》期刊。

　　在該項工作中，研究人員將激光導航算法與慣性導航算法相結合，針對輪式機器人在衛星導航信號不可用環境中的應用，設計提出一種非線性優化的激光雷達/MEMS IMU/里程計緊組合導航算法，通過MEMS IMU/里程計數據的預積分，對激光雷達的運動產生的畸變點云進行矯正，以提高兩幀點云之間的特征匹配效率。進而，通過多傳感器之間耦合來提高系統整體的導航定位水平。

　　激光雷達/MEMS IMU/里程計緊組合導航算法的基本框架

　　針對GPS信號不足的一些應用場景，研究人員基于ROS的輪式機器人，設計了室內實驗、室外開環實驗以及室外閉環實驗。在不同場景下運行ALOAM算法、LEGO-LOAM框架算法以及該研究提出的激光雷達/MEMS IMU/里程計緊組合算法，運行期間記錄激光雷達點云數據、里程計數據、MEMS IMU數據以及差分GPS數據。并將上述數據分別用于各種SLAM算法，驗證各自定位精度，在室內場景使用手動實驗軌跡作為真實軌跡；在室外場景使用差分GPS作為真值輸出小車行駛的標準軌跡來驗證激光雷達/MEMS IMU/里程計緊組合算法的有效性。

　　小車系統整體結構

　　室內實驗軌跡示意圖

　　左：室外開環實驗軌跡示意圖；右：室外開環實驗激光三維點云地圖

　　左：室外閉環實驗軌跡示意圖；右：室外閉環實驗激光三維點云地圖

　　實驗結果表明，無論是室內還是室外、開環還是閉環，該算法都可以提高導航系統在無GPS信號時的導航定位精度。該算法室外開環定位誤差均值比傳統算法ALOAM、LEGO-LOAM分別減小51.01%和24.75%，并且其在拐彎等運動劇烈時也能夠保持較高精度，具有很好的應用價值與使用前景。

　　室內閉環軌跡對比

　　左：室外開環軌跡對比；右：室外開環誤差對比

　　左：室外閉環軌跡對比；右：室外閉環誤差對比

　　研究人員稱，由于實驗條件和時間限制，該項研究后續有待進一步改進與完善。可以在一些幾何特征稀疏場景，如荒野、大型廣場等進一步驗證。此外，對于長時間導航過程中，該緊組合算法在垂直方向上仍然存在定位漂移，可以考慮在非線性優化時加入高度計測量真值，減小算法在垂直方向上的累積誤差。

更多信息可以來這里獲取==>>電子技術應用-AET<<