典型文献
基于多传感器融合的紧耦合SLAM系统
文献摘要：
同时建图与定位(SLAM)是自动驾驶功能重要的组成部分,现有算法以激光或视觉惯性里程计为主,未充分利用多模态传感器各自的优势,对特征缺失的场景鲁棒性不足.针对此问题,本文中提出了一种采用激光雷达、摄像头和惯性测量单元(IMU)的多传感器紧耦合SLAM系统.首先它改善了激光雷达点云特征提取和平面拟合的方案,提升了利用点云对视觉特征点深度信息优化的效率和精度.其次提出的紧耦合状态估计框架通过在视觉惯性系统中直接添加激光雷达里程计约束,在不增加算法复杂度的前提下提升了系统的稳定性和精度.最后由粗到精的视觉-激光雷达耦合回环框架进一步降低了系统的长时累计漂移.在开源数据集KITTI上进行大量测试验证的结果表明,与其它常用的算法相比,所提出的算法具有较高的精度和环境适应能力.另外在基于自主搭建的自动驾驶汽车测试平台进行的实车试验还证明本算法可适应长时间大场景的工作环境.
文献关键词：
自动驾驶;状态估计;同时建图与定位;多传感器融合;回环检测
中图分类号：
作者姓名：
蔡英凤;陆子恒;李祎承;陈龙;王海
作者机构：
江苏大学汽车工程研究院,镇江 212013;江苏大学汽车与交通工程学院,镇江 212013
文献出处：
引用格式：
[1]蔡英凤;陆子恒;李祎承;陈龙;王海-.基于多传感器融合的紧耦合SLAM系统)[J].汽车工程,2022(03):350-361
A类：
同时建图与定位,场景鲁棒
B类：
多传感器融合,紧耦合,SLAM,自动驾驶功能,视觉惯性里程计,特征缺失,摄像头,惯性测量单元,IMU,激光雷达点云,点云特征提取,平面拟合,对视,视觉特征,特征点,深度信息,信息优化,状态估计,惯性系,性系统,中直,达里,加算,算法复杂度,漂移,开源数据集,KITTI,测试验证,环境适应,自动驾驶汽车测试,测试平台,实车试验,大场景,回环检测
AB值：
0.33763
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
