Low-cost Wheeled Robot-borne Laser Scanning System for Indoor and Outdoor 3d Mapping Application

石莹 2021-08-08 浏览

摘要

激光扫描是一种主动获取三维地理信息的观测技术，已经被广泛用于智慧城市的模型重建、林业调查、自动驾驶高精度地图的生产等。准确，实时的运动估计和环境制图是基础。

传统的移动测量系统（Mobile Mapping System[MMS]）配备了GNSS / INS系统，并且通过融合GNSS和IMU数据来得到移动平台的位姿（Position Orientation System[POS]）。但是，这样的MMS并不适用于所有类型场景。首先，需要考虑到GNSS信号的可用性。城市中高大的建筑物和树木使GNSS信号不可靠。并且，在室内场景中没有GNSS信号。其次，包括高精度GNSS / INS系统在内的传统MMS的成本通常超过150万人民币。最后，数据采集后需要大量后期处理工作。因此，有必要提出一种不依赖于GNSS的低成本解决方案。

近年来，低成本和多传感器融合方法是室内外移动制图技术的主要趋势。同步定位和地图构建（Simultaneous Localization and Mapping [SLAM]）是针对这种需求的解决方案，它可以估算其在移动平台上的当前位置和方向，并构建3D地图，同时。近几十年来，基于扩展卡尔曼滤波器（Extended Kalman Filter [EKF]）或粒子滤波器的二维（2D）SLAM算法取得了巨大的成功。但是，这些算法旨在构建用于机器人导航的2D网格图。近年来，使用多线LiDAR（Multi-beam LIDAR[MBL]）的3D SLAM仍是一项活跃的研究。大多数LiDAR-SLAM方法都是基于迭代最近点（Iterative Closest Point [ICP]）的传统扫描匹配的变体。

本文提出了一种低成本的轮式机器人激光扫描系统，旨在解决无GPS环境下准确的激光建图问题。激光SLAM算法使用当前帧到地图的匹配来减少帧与帧匹配的累积误差，并在闭环检测之后通过全局优化来实现全局地图一致性。系统硬件如下图所示。

图1 低成本轮式机器人激光扫描系统

 

图2 激光slam算法流程

我们在室内外两处典型区域进行了数据采集和精度评价，包括地下停车场（图3）和武大校园道路（图5），并利用高精度的地面激光扫描仪VZ-400作为真值进行定性和定量评价。

 

（a）地面激光扫描仪VZ400采集的点云数据

 

（b）轮式激光扫描系统采集的点云数据

图3 地下停车场点云采集结果

 

图4 VZ400采集的点云和我们系统采集的点云定量比较结果（点到面距离）

从图4的定量评价结果可以看出，我们系统采集的点云中超过90%的点与真值的距离在0.1m以内。图上颜色较深的点大多是一些车，是两次数据采集的时间不一致造成的。室外采集的点云采用定量评价，从图6 VZ400采集的点云和我们系统采集点云的叠加显示可以看出，两者较为一致。

 

图5 轮式激光扫描系统采集的校园道路环境点云数据

 

图6 VZ400和我们系统采集点云的叠加显示（黑色为VZ400采集的点云）

Abstract

Aiming to accomplish automatic and real-time three-dimensional mapping in both indoor and outdoor scenes, a low-cost wheeled robot-borne laser scanning system is proposed in this paper. The system includes a laser scanner, an inertial measurement unit, a modified turtlebot3 two-wheel differential chassis and etc. To achieve a globally consistent map, the system performs global trajectory optimization after detecting the loop closure. Experiments are undertaken in two typical indoor/outdoor scenes that is an underground car park and a road environment in the campus of Wuhan University. The point clouds acquired by the proposed system are quantitatively evaluated by comparing the derived point clouds with the ground truth data collected by a RIEGL VZ 400 laser scanner. The results present an accuracy of 90% points below 0.1 meter error in the tested scene, showing that its applicability and potential in indoor and mapping applications.