煤矿移动机器人LiDAR/IMU紧耦合SLAM方法

煤矿井下机器人同步定位与地图构建（SLAM）是当前研究热点，但针对提高激光SLAM在井下复杂条件下精度、鲁棒性的研究仍然不足；传统激光SLAM方法在井下复杂环境下存在累计误差迅速增大、旋转过程鲁棒性差、特征关联错误率高等问题；现有激光−惯性融合的定位建图紧耦合融合机制仍需进一步提高对煤矿井下复杂环境的适应能力。针对上述问题，提出了一种煤矿机器人LiDAR（激光雷达）/IMU（惯性测量单元）紧耦合SLAM方法（LI−SLAM方法）。首先利用IMU观测信息预测点云运动状态并进行有效补偿，减少由于剧烈振动、快速旋转等恶劣运动工况导致的点云畸变；然后提取雷达点云的边线与平面特征，基于点−线和点−面扫描匹配构建激光相对位姿约束，并在向量空间与流形空间解析推导了约束的残差、雅可比矩阵、协方差矩阵构建过程；最后通过构建雷达相对位姿约束因子、IMU预积分约束因子、回环检测约束因子，基于因子图优化方法完成LiDAR/IMU紧耦合，实现井下复杂环境下煤矿移动机器人的定位与地图构建。为了验证LI−SLAM方法在颠簸路面、复杂场景的精度与鲁棒性，基于煤矿轮式移动机器人平台，在野外、地下车库环境下进行了试验，在晋能集团塔山煤矿开展了工业性试验，并与当前最优的激光里程计与建图（LOAM）方法、激光雷达惯性状态估计（LINS）方法、雷达惯性里程计与建图（LIO−mapping）方法进行了对比。在野外颠簸路面的试验结果表明：LI−SLAM方法和LOAM方法的地图一致性最好，与真实路线基本吻合，LI−SLAM方法对旋转有更佳的适应能力，距离误差最小；LIO−mapping方法无法实时运行，在0.5倍速下可以获得完整轨迹，但在初始运动阶段出现了较大程度的方向偏移，初始化过程容易失败；LINS方法由于仅利用了最新的观测信息，在复杂地形下出现了漂移。地下车库环境下的试验结果表明：与LOAM方法、LINS方法、LIO−mapping方法相比，LI−SLAM方法具有较高的建模精度，局部精细化程度更高，运动轨迹更平滑。煤矿井下现场工业性试验结果表明：LI−SLAM方法在各类地形环境中均可以稳定、在线运行，满足鲁棒性、实时性需求；在煤矿移动机器人行驶巷道直线距离为273 m时，分析30组距离结果，平均误差小于15 cm，具有较高的定位和建模精度，基本满足煤矿移动机器人的定位建模精度需求，对于煤矿井下复杂环境下的移动机器人精确定位与地图构建有更好的适用性