精确定位是移动机器人的关键技术,也是移动机器人领域的基础.采用路标定位方法,提出了一种地图构建方法及路标检测方法,利用路标之间的距离为匹配特征,将检测路标与实际路标进行匹配,从而实现移动机器人的精确定位.该方法大大提高了定位精度,同时降低了传统路标检测算法的复杂性,提高了算法应用的灵活性.工业用激光雷达定位算法封装严密,保密性很强,定位系统的附加值很高,甚至超过了激光雷达的本体价格.通过理论分析,针对采用激光雷达定位的移动机器人,提出一种基于反射板精确定位的算法,为激光雷达定位系统的大规模开发提供了理论基础.

移动机器人在未知环境中自主导航时定位需要精确的地图,同时为了构建精确的地图必须确定机器人的位姿,同时定位与地图构建(SLAM)问题便产生。基于激光雷达SLAM自主导航算法是研究的方向之一,激光雷达具有测距精度高、测距远等优点,但是由于激光雷达的数据量少、传感器本身噪声的影响,容易导致机器人构建地图精度低、定位误差大等问题。针对激光雷达的数据测得的距离信息进行线段特征提取算法,通过将常用PDBS、IEPF算法优缺点进行综合,提出了一种混合特征提取算法。最后通过对SICK的LMS111-10100激光雷达获取环境中的一组数据进行处理,分别对PDBS、IEPF算法及混合算法提取效果与实际环境对比,验证了特征提取混合算法的有效性。

针对传统移动机器人导航控制时的灵活性较差,且易受到距离和空间限制的问题,提出了基于RTK系统和激光雷达(Lidar)探测数据相组合的机器人导航控制方法,由RTK系统获得大范围场景的精确定位数据以构建全局地图并通过线性自抗扰控制器进行全局导航,通过激光雷达探测场景内局部小范围的障碍物数据并构建局部地图,并采用聚类分段拟合等算法精确描述障碍物的边缘信息,由改进的人工势场法实现机械人的自动避障。实测数据实验结果表明,所提方法达到厘米级的避障效果。

针对城区自动驾驶车辆定位问题,提出一种基于LiDAR与IMU融合的激光惯性里程计。LiDAR通过帧间点云配准进行定位,但对非线性运动的鲁棒性不足;IMU通过对加速度和角速度积分进行定位,但长距离定位误差大。基于此,根据无迹卡尔曼滤波原理对积分位姿和配准位姿进行融合。将积分位姿作为LiDAR配准的初始位姿;同时利用配准位姿修正积分位姿,从而实现长距离持续定位。在某城市道路对所提方法进行实车实验,结果表明所提方法有效提高了里程计的整体定位性能。

在复杂的交通环境中,针对激光雷达应用于无人驾驶车辆的障碍检测的问题,提出了一种基于神经网络的前方车辆检测方法。首先,采用直通滤波算法对原始点云进行分割处理;其次,提出了一种端到端单阶段检测的深度神经网络,该网络利用空洞卷积对RetinaNet网络结构进行优化,增强该网络对车辆的准确性以及鲁棒性;最后,在KITTI数据集上进行了训练以及测试实验。结果显示,经过滤波处理后大幅度降低点云数量,更加精准的标记出检测范围。通过在测试KITTI数据集中测试不同检测算法处理结果对比得出,所提方法在精度提高的基础上,具有更快的检测速度,达到了预期效果,有较高的应用潜力。

针对移动机器人在复杂环境中使用单一传感器进行同时定位与建图存在的精度不足、扫描范围有限等问题,提出一种将激光雷达与Kinect深度相机两种传感器数据融合的方法。首先对Kinect深度数据进行降维处理,然后使用卡尔曼滤波对激光数据与Kinect深度数据进行融合,在建图阶段使用贝叶斯估计将激光雷达与Kinect各自生成的二维局部栅格地图进行融合。通过实验表明,该方法获得的地图包含更加丰富的环境信息,有助于后续的导航避障工作。

根据移动机器人的定位和建图需求,设计并构建了基于ROS操作系统和激光雷达的移动机器人系统。移动机器人系统采用小型工控机作为上位机,stm32单片机作为下位机,利用RPLIADR A2激光雷达获取环境信息,在ROS机器人系统分布式框架下进行开发,实现基于cartographer算法的同步定位与建图功能。仿真实验及实际环境测试结果表明,该移动机器人具有良好的建图精度和系统性能,具有拓展方便、模块化等优点。

针对多普勒测风激光雷达校准仪的设计要求,详细推导校准仪中激光入射和接收角度与准直器到转盘的距离、多普勒频移量、入射光覆盖的弧长等量的关系,最终确立当多普勒校准仪中转盘半径为100mm、准直器到转盘的距离L〈50mm时,选取激光入射与接收方向的夹角=25°、入射角=20°。

介绍了基于AT89S52的激光雷达门控控制系统的工作原理，并着重讨论系统硬件和软件的实现方法。系统采用AT89S52单片机为核心，配置以数字电位器、光电耦合器、单稳态触发器等部件，控制光电倍增管门控开关的时间，从而实现对激光雷达测量的起始点和结束点的实时调控。

采用同时测量Rayleigh散射和Mie散射混合信号的多普勒频移的单边缘技术,探测低空中(<12 km)的大气风速.由于大气后向散射比Rb值的变化,导致测量结果有很大的误差.详细分析了Rb值的变化对风速测量灵敏度及测量结果的影响,并做出了在不同Rb值情况下的风速测量校正曲线.结果表明随着Rb值的增大,风速测量灵敏度有升高的趋势;随着Rb值偏差的增大,测量的风速误差有增大的趋势;同时,在相同的Rb值偏差情况下,随着径向风速的增大,测量的风速误差也有相应的增大.