煤矿井下移动机器人多传感器自适应融合SLAM方法
马艾强
姚顽强
西安科技大学 测绘科学与技术学院,陕西 西安 710054
摘要：基于同时定位与建图(SLAM)技术的移动机器人能够快速、准确、自动化地采集空间数据,进行空间智能感知和环境地图构建,是实现煤矿智能化和无人化的关键.针对目前煤矿井下多传感器融合SLAM方法存在机器人前端位姿估计退化失效和后端融合精度不足的问题,提出了一种煤矿井下移动机器人激光雷达(LiDAR)-视觉-惯性(IMU)自适应融合SLAM方法.对LiDAR点云数据进行聚类分割,提取线面特征,利用IMU预积分状态进行畸变校正,采用基于自适应Gamma校正和对比度受限的自适应直方图均衡化(CLAHE)的图像增强算法处理低照度图像,再提取视觉点线特征.用IMU预积分状态为LiDAR特征匹配与视觉特征跟踪提供位姿初始值.根据LiDAR相邻帧的线面特征匹配得到移动机器人位姿,之后进行视觉点线特征跟踪,分别计算LiDAR、视觉、IMU位姿变化值,通过设定动态阈值来检测前端里程计的稳定性,自适应选取最优位姿.对不同传感器构建残差项,包括点云匹配残差、IMU预积分残差、视觉点线残差、边缘化残差.为了兼顾精度与实时性,基于滑动窗口实现激光点云特征、视觉特征、IMU测量的多源数据联合非线性优化,实现煤矿井下连续可用、精确可靠的SLAM.对图像增强前后效果进行试验验证,结果表明,基于自适应Gamma校正和CLAHE的图像增强算法能显著提升背光区和光照区的亮度和对比度,增加图像中的特征信息,大幅提升特征点提取数量和匹配质量,匹配成功率达 90.7%.为验证所提方法的性能,在狭长走廊和煤矿巷道场景下进行试验验证,结果表明,所提方法在狭长走廊场景的定位均方根误差为 0.15 m,构建的点云地图一致性较高;在煤矿巷道场景中的定位均方根误差为0.19 m,构建的点云地图可真实地反映煤矿井下环境.
关键词：煤矿井下移动机器人同时定位与建图激光雷达-视觉-惯性自适应融合图像增强位姿估计多传感器数据融合滑动窗口紧耦合优化SLAM
分类号：TD67(矿山电工)
资助基金：国家自然科学基金(42001417)国土资源部煤炭资源勘查与综合利用重点实验室项目(KF2021-4)
论文发表日期：2024-05-10
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：11( 107-117 )
英文信息