摘 要 :通過(guò)研究激光雷達(dá)和視覺(jué)傳感器融合 SLAM,實(shí)現(xiàn)雙目視覺(jué)傳感器對(duì)單線激光雷達(dá)點(diǎn)云的補(bǔ)充,以提高建圖精度。實(shí)現(xiàn)方案以 2D 激光雷達(dá)點(diǎn)云數(shù)據(jù)為主,雙目視覺(jué)傳感器作為激光雷達(dá)點(diǎn)云盲區(qū)的補(bǔ)充,搭建 SLAM實(shí)驗(yàn)平臺(tái),完成機(jī)器人實(shí)時(shí)地圖構(gòu)建并獲取當(dāng)前位置信息,同時(shí)降低攜帶傳感器的成本。
0 引 言
隨著機(jī)器人技術(shù)的發(fā)展,越來(lái)越多的機(jī)器人已經(jīng)實(shí)現(xiàn)自主運(yùn)動(dòng),但可靠性和制作成本依然制約著機(jī)器人的普及。通過(guò)使用相較3D激光雷達(dá)傳感器成本更低的2D激光雷達(dá)和視覺(jué)傳感器進(jìn)行點(diǎn)云數(shù)據(jù)融合,實(shí)現(xiàn)平臺(tái)搭建,優(yōu)化機(jī)器人的SLAM技術(shù),解決當(dāng)前2D激光雷達(dá)存在的感知單一平面點(diǎn)云數(shù)據(jù)不足、視覺(jué)傳感器數(shù)據(jù)計(jì)算量大等問(wèn)題[1-2],提升地圖精度,減少SLAM應(yīng)用過(guò)程中的不確定性。
1 實(shí)驗(yàn)平臺(tái)搭建
研究基于ROS構(gòu)建由2D激光雷達(dá)和深度相機(jī)點(diǎn)云融合的SLAM[3]平臺(tái),通過(guò)NVIDIA Jetson TX2運(yùn)算平臺(tái)和STM32微控制器通信傳送數(shù)據(jù),實(shí)現(xiàn)機(jī)器人自主運(yùn)動(dòng)。實(shí)驗(yàn)平臺(tái)包括點(diǎn)云數(shù)據(jù)識(shí)別部分和運(yùn)動(dòng)部分,整體結(jié)構(gòu)如圖1所示。
云數(shù)據(jù)識(shí)別部分包括激光雷達(dá)獲取平面點(diǎn)云數(shù)據(jù)和雙目相機(jī)深度點(diǎn)云計(jì)算。運(yùn)行時(shí)激光雷達(dá)獲取2D平面內(nèi)障礙物點(diǎn)云信息,雙目相機(jī)獲取機(jī)器人正面范圍的影像[4],通過(guò)Stereo Matching 計(jì)算可視范圍內(nèi)的深度點(diǎn)云數(shù)據(jù),并對(duì)其進(jìn)行范圍剔除和距離篩選 ;最后將雙目相機(jī)獲得的點(diǎn)云與激光雷達(dá)點(diǎn)云序列進(jìn)行比較更新,融合點(diǎn)云數(shù)據(jù)后根據(jù)占據(jù)柵格地圖算法構(gòu)建地圖[5]。點(diǎn)云數(shù)據(jù)融合過(guò)程如圖1所示。
運(yùn)動(dòng)部分通過(guò)單片機(jī)STM32F4從NUC獲取運(yùn)動(dòng)速度向量或從遙控中獲取控制信息,經(jīng)PID解算將電流或電壓值發(fā)送給底盤(pán)電機(jī),電機(jī)連接聯(lián)軸器帶動(dòng)麥克納姆輪轉(zhuǎn)動(dòng),從而實(shí)現(xiàn)全方向移動(dòng)[6]。機(jī)器人整體設(shè)計(jì)如圖1所示。
2 研究與測(cè)試
圍繞ROS節(jié)點(diǎn)話題進(jìn)行研究和測(cè)試。雙目相機(jī)點(diǎn)云生成節(jié)點(diǎn)(cameraNode),將相機(jī)點(diǎn)云(/camera_cloud)傳送給點(diǎn)云數(shù)據(jù)處理節(jié)點(diǎn)(/transNode)處理,得到深度數(shù)據(jù)(/depth);激光雷達(dá)點(diǎn)云生成節(jié)點(diǎn),得到點(diǎn)云數(shù)據(jù)(/laser),二者由點(diǎn)云合成節(jié)點(diǎn)(/mergeNode)融合得到點(diǎn)云數(shù)據(jù)(/scan),再將其輸出到 HectorMapping 的節(jié)點(diǎn)。點(diǎn)云融合建圖部分 ROS 節(jié)點(diǎn)與話題如圖2 所示 [7]。
2.1 雙目校正與像素匹配
使用金乾象工業(yè)相機(jī)中的兩個(gè)自制雙目深度相機(jī),需要保證左右畫(huà)面的同步和亮度,否則會(huì)導(dǎo)致深度圖的計(jì)算結(jié)果不佳。因此,在相機(jī)點(diǎn)云生成(/camera_cloud)之前,需要對(duì)左右相機(jī)讀取的原圖像進(jìn)行雙目校正和像素匹配。
雙目校正根據(jù)攝像頭標(biāo)定后獲得的單目?jī)?nèi)參(焦距、成像原點(diǎn)、畸變系數(shù))和雙目相對(duì)位置關(guān)系(旋轉(zhuǎn)矩陣和平移向量),分別對(duì)左右視圖進(jìn)行消除畸變和行對(duì)準(zhǔn),使得左右視圖的成像原點(diǎn)坐標(biāo)一致、攝像頭光軸與對(duì)極線行對(duì)齊。原圖像與校正后圖像對(duì)比情況如圖3所示。
像素匹配通過(guò)匹配代價(jià)計(jì)算、代價(jià)聚合、視差計(jì)算和視差優(yōu)化等步驟 [8],對(duì)左右視圖上對(duì)應(yīng)的像素點(diǎn)進(jìn)行匹配得到視差圖。依靠視差圖,結(jié)合雙目相機(jī)的內(nèi)參,計(jì)算得到正交空間下的點(diǎn)云數(shù)據(jù)。
2.2 點(diǎn)云數(shù)據(jù)處理
由于雙目相機(jī)參數(shù)的差異,幀速率不能完全同步,獲取的點(diǎn)云數(shù)據(jù)存在一定誤差,需要先通過(guò)點(diǎn)云數(shù)據(jù)處理節(jié)點(diǎn)(/transNode)變換和剔除數(shù)據(jù),再通過(guò)點(diǎn)云合成節(jié)點(diǎn)(/mergeNode)融合同種格式的數(shù)據(jù)。
正交空間下的點(diǎn)云通過(guò)透視除法的逆變換得到相機(jī)空間下的點(diǎn)云數(shù)據(jù),獲得相對(duì)于相機(jī)實(shí)際位置的坐標(biāo)。坐標(biāo)變換與效果如圖4所示。
數(shù)據(jù)轉(zhuǎn)換部分將點(diǎn)云投影到二維平面,并轉(zhuǎn)換為激光雷達(dá)點(diǎn)云格式的數(shù)據(jù),即角度和對(duì)應(yīng)方向的深度值[9]。轉(zhuǎn)換時(shí),通過(guò)反正切函數(shù),根據(jù)點(diǎn)云位置的水平偏移與深度值計(jì)算出角度和距離值,篩選取得各個(gè)角度上距離最近的點(diǎn)云,效果如圖5所示。在融合點(diǎn)云之前,應(yīng)當(dāng)剔除視錐內(nèi)不需要的部分,效果如圖5中截取點(diǎn)云后的投影圖所示 ;否則地面和天花板將對(duì)投影后的點(diǎn)云造成影響,效果如圖5中的原點(diǎn)云投影圖所示。考慮到雙目左右圖像的邊緣缺少完整的匹配信息,點(diǎn)云可能出現(xiàn)極不穩(wěn)定的深度值,效果如圖5中未進(jìn)行邊緣剔除的投影圖所示。因此,在能夠反映完整深度值的情況下,剔除部分邊緣深度值,效果如圖5中邊緣剔除后的投影圖所示。
2.3 點(diǎn)云融合建圖
點(diǎn)云合成節(jié)點(diǎn)將深度數(shù)據(jù)和激光雷達(dá)點(diǎn)云數(shù)據(jù)融合,并篩選出各個(gè)角度距離最近的點(diǎn)云輸出到 HectorMapping 的節(jié)點(diǎn)。
經(jīng)過(guò)測(cè)試,增加雙目相機(jī)后的建圖能夠獲取單線雷達(dá)掃描平面外的細(xì)節(jié),自身位姿估計(jì)和建圖結(jié)果更加精確,測(cè)試對(duì)比結(jié)果如圖6所示。但與工業(yè)級(jí)產(chǎn)品相比穩(wěn)定性差,建圖過(guò)程中會(huì)有微小偏差。
3 結(jié) 語(yǔ)
本文通過(guò)激光雷達(dá)提供大范圍點(diǎn)云信息,視覺(jué)傳感器提供機(jī)器人正面區(qū)域補(bǔ)充激光雷達(dá)缺失的點(diǎn)云,較單線雷達(dá)大范圍稀疏點(diǎn)云提高了計(jì)算準(zhǔn)確度,使用Hector SLAM算法融合點(diǎn)云數(shù)據(jù),更好地實(shí)現(xiàn)機(jī)器人點(diǎn)云獲取和建圖[10]。
審核編輯 :李倩
-
機(jī)器人
+關(guān)注
關(guān)注
210文章
27994瀏覽量
205551 -
雷達(dá)
+關(guān)注
關(guān)注
50文章
2846瀏覽量
117014 -
視覺(jué)傳感器
+關(guān)注
關(guān)注
3文章
243瀏覽量
22828 -
激光雷達(dá)
+關(guān)注
關(guān)注
967文章
3891瀏覽量
189199
原文標(biāo)題:論文速覽 | 基于激光雷達(dá)和視覺(jué)融合的機(jī)器人 SLAM 應(yīng)用研究
文章出處:【微信號(hào):iotmag,微信公眾號(hào):iotmag】歡迎添加關(guān)注!文章轉(zhuǎn)載請(qǐng)注明出處。
發(fā)布評(píng)論請(qǐng)先 登錄
相關(guān)推薦
評(píng)論