Page 28 - 测绘与空间地理信息研究
P. 28
Surveying and Mapping and Spatial Geographic Information Research
测绘与空间地理信息研究
感器数据的智能处理，均是当前发展阶段正在努力攻克的技术难题，那么在有限
计算资源情况下，实现高可靠性的智能数据处理与信息提取，必须突破实时计算
困难。
（二）关键技术
测量机器人的关键技术主要有定位与建图、场景识别、路径规划和多机协同
等。其中，定位与建图技术用于确定机器人自身位姿，并建立周围环境的三维地
图；场景识别技术负责为机器人提供场景感知与理解能力；路径规划技术旨在为
机器人规划安全高效的移动测量路线；多机协同技术能够协调多台机器人共同作
业，完成测量任务。
1. 定位与建图
GNSS 技术通过无线电信号进行定位，能够确定全局坐标系下移动平台的位
置和速度，在理想情况下定位精度可以达到厘米级，被广泛地应用于机器人领域。
但是由于测量机器人工作范围存在大量 GNSS 拒止环境，因此为了实现测量机器
人在这些环境下的稳定定位，需要使用同步定位与建图（simultaneous localization
and mapping，SLAM）技术。SLAM 技术在构建环境地图的同时完成对机器人的
定位，统一了定位与建图问题。
经典的 SLAM 技术框架如图 2-3 所示，其系统主要由前端与后端组成，前
端的任务是通过对传感器数据处理，建立数据关联，估计数据帧间的相对位姿变
化，完成机器人的运动及局部地图的重建。而后端通过接收前端输送的关联数据，
对其进行优化，估计整个系统的状态，并向前端提供反馈，以进行回环检测和验
证，最终得到全局一致的轨迹和地图。根据使用的主要传感器不同，SLAM 系统
可以分为以下 3 种：基于激光雷达的 SLAM、基于视觉的 SLAM 和多传感器融
合 SLAM，见表 2-2。
图 2-3 SLAM 算法框架
·18·
