图 4 新松 C5 厂区室外场景

如图 5 所示为所搭建的硬件实验验证平台——新松室外移动机器人平台。它的中层配备了 1.8GHz四核处理器的小米笔记本电脑，接收各种信息进行处理的工作。上层是三维激光传感器 VelodyneVLP-16，是系统的传感单元。惯性导航使用 A0010。底层是移动机器人 BlueCar，它是整个系统的执行单元，最高移动速度为 1m/s。

图 5 实验硬件平台

选取 Velodyne 公司 生产的型 号 为 Velodyne VLP-16 的激光传感器，如图 6 所示。该型号保留了电机转速可调节功能，能够实时上传周围距离和反射率的测量值，具有 100 米的远量程测量距离。Velodyne VLP-16的外观设计十分精巧，重量只有830g，非常便于安装，尤其适于小型无人机和小型移动机器人，对移动机器人的大众市场需求来说有重大的意义。Velodyne VLP-16 具有每秒高达 30 万点数据输出、±15°的垂直视场和 360°的水平视场扫描，支持两次回波接收，可以测量第一次回波和最后一次回波的距离值和反射强度值，能够扫描探测出16 个层面的环境信息，而成本较之于 64 级的下降了 10 倍，因此多应用在汽车、建图测量、无人机、机器人导航避障、环境三维建模、自动化等行业。

图 6 Velodyne VLP-16 激光传感器实物图

导航系统通过 USB 接口将激光获得到的距离数据传输给笔记本电脑，用于精确的地图构建。此处选取基于 MEMS（微机电系统）惯性传感元件的超小型、高精度惯性测算系统 A0010 陀螺转角仪，如图 7所示。该系统可在任意时刻、任意运动状态下精确输出载体的航向角以及其它辅助传感信号（加速度、温度等）。由于系统采用了可借助先进 MEMS 技术进行标准化、可批量化大规模生产的元器件，大幅度降低了产品成本。该模块可被广泛应用于 AGV 小车、航空、航天、航海、无人机、机器人、工业设备监控、汽车电子等场合。

图 7 高性能陀螺传感器 A0010

选取 Ubuntu 16.04 操作系统下 Kinetic 版本的ROS 作为软件平台。ROS 的众多优点，如点对点设计、支持多种编程语言、代码复用及免费与开源等，使其成为机器人研究的热点。导航系统的调试及界面显示使用 ROS 中的可视化工具 Rviz，可在其中构建移动机器人模型和环境地图，同时实时查看机器人从初始点到设定目标点之间执行导航任务的过程。可利用 ROS 中的 tf 坐标转换功能包完成激光传感器和移动机器人坐标的自动转换。在此采用的数据集测试平台是公开数据集KITTI。KITTI 由德国卡尔斯鲁厄理工学院和丰田美国技术研究院联合创办，是目前国际上最大的自动驾驶场景下的计算机视觉算法评测数据集。该数据集用于评测立体图像、光流、视觉测距、3D 物体检测和 3D 跟踪等计算机视觉技术在车载环境下的性能。该数据集主要涵盖三种类型的环境：周围有建筑物的“城市”，在场景中有植被的“乡村小路”，以及道路宽阔、周围环境相对干净的“公路”。KITTI 包含这些场景下采集的真实图像数据，每张图像中最多达15 辆车和 30 个行人，还有各种程度的遮挡与截断。整个数据集由 389 对立体图像和光流图、39.2km 视觉测距序列以及超过 200k3D 标注物体的图像组成，以 10Hz 的频率采样及同步。如图 8 所示，公开数据集 KITTI 采集平台包括一个 Velodyne 3D 激光雷达、两个彩色立体摄像机、两个灰度立体摄像机、四个光学镜头以及一个高精度 GPS 导航系统。激光雷达数据以 10Hz 的频率记录。图 9 给出了两个来自城市住宅区环境的相应视觉图像。

图 8 公开数据集 KITTI 的数据采集平台

图 9 序列的视觉图像

4 实验结果及分析

为验证地图的全局一致性，在此进行多次实验，将每个实验的初始位姿设置为[0,0,0,0]作为真值，在 LOAM、LeGO_LOAM 和 A_LOAM 算法中将移动机器人返回起始位置时计算的最终位姿数据取多次实验的平均值并导出，与真值进行对比，从而比较相对位姿估计误差，如表 1 所示。从表中可见，对于前四个场景，有 IMU 辅助的新松“C5”大楼周围的道路及停车场和序列 05 的一致性较好。在五个场景中，LeGO_LOAM 和 A_LOAM 的误差都相对较小。对于前三个场景，有 IMU 辅助的新松“C5”大楼周围道路及停车场中，LeGO_LOAM 和 A_LOAM 的误差在 1m以内。在新松“C5”大楼周围的道路中，LeGO_LOAM的位姿估计精度，相对于 LOAM，在平移和旋转上分别提高了 91.67%和 26.13%；A_LOAM 的位姿估计精 度 在 平 移 和 旋 转 上 分 别