基于鲁棒扫描匹配技术的自主导航

对于有效的自主导航，在每个采样时刻估计机器人的位姿至关重要。为了计算精确的估计，需要借助外部传感器的数据来减小里程计误差。本工作开发了一种利用激光测距数据进行移动机器人精确位姿估计的技术。该技术对可能包含大量离群值的噪声数据具有鲁棒性。从激光测距数据生成灰度图像，并通过 Harris 角点检测器提取该图像中的关键点。对连续数据集的关键点进行匹配，同时通过 RANSAC 方法剔除离群值。机器人状态通过两组关键点之间的对应关系进行测量。最后，通过扩展卡尔曼滤波器估计最优机器人状态。该技术已应用于实验室环境中的实际机器人，以展示其在存在噪声传感器数据时的鲁棒性。该新技术的性能已与传统的 ICP 方法进行了比较。通过这种方法，即使在传感器数据存在大量噪声的情况下，也能以少量额外的计算复杂度为代价，实现有效且精确的导航。