基于NDT与ICP结合的点云配准算法

被引：41

作者：

王庆闪 ^{[1
]}

张军 ^{[2
]}

刘元盛 ^{[2
]}

张鑫晨 ^{[1
]}

机构：

[1] 北京联合大学北京市信息服务工程重点实验室

[2] 北京联合大学机器人学院

来源：

计算机工程与应用 | 2020年 / 56卷 / 07期

关键词：

Lidar SLAM; 无人车; 正态分布变换(NDT); 迭代最近点(ICP); 点云配准; 定位; 地图构建;

D O I：

暂无

中图分类号：

TN958.98 [光学定位雷达、激光雷达]; TP23 [自动化装置与设备];

学科分类号：

摘要：

Lidar SLAM技术是无人车进行精确导航的一种重要方式,也是实现无人车在复杂的园区非结构化道路环境中安全驾驶的一种前提保障。构建了一种快速精确定位与建图的方法,通过车载激光雷达返回的大量点云数据,进行噪声点移除以及Voxel Grid滤波的预处理,在保持原始点云形态的同时实现点云配准。首先利用NDT(Normal Distribution Transform)点云配准算法对无人车的位姿粗估计,然后利用ICP(Iterative Closest Point)点云配准算法对已配准的点云进行校正,实现无人车位姿的精确估计,进而完成地图的更新过程。该方法只需要车载激光雷达传感器实现了快速的、精度高的Lidar SLAM。将算法用于小旋风无人车,在校园环境进行了验证,结果表明该算法是可靠、有效的。

引用

页码：88 / 95

页数：8

共 5 条

[1] 点云库PCL学习教程[M]. 北京航空航天大学出版社 , 朱德海, 2012
[2] Bridging the gap between feature- and grid-based SLAM[J] . Kai M. Wurm,Cyrill Stachniss,Giorgio Grisetti.Robotics and Autonomous Systems . 2009 (2)
[3] Kinect fusion:Real-time dense surface mapping and tracking .2 Newcombe R A,Izadi S,Hilliges O,et al. Proceedings of ISMAR 2011 . 2011
[4] SegMatch:Segment based place recognition in 3D point clouds .2 DubéR,Dugas D,Stumm E,et al. 2017 IEEE International Conference on Robotics and Automation . 2017
[5] The normal distributions transform:a new approach to laser scan matching .2 Biber P,Strasser W. Proceedings of the 2003 IEEE/RJS International Conference on Intelligent Robots and Systems . 2003

← 1 →