文章编号：1009−444X（2022）04−0392−06基于激光和视觉传感器融合的定位与建图赵以恒，周志峰（上海工程技术大学机械与汽车工程学院,上海201620）摘要：定位与建图是自动驾驶的关键技术之一.激光传感器或视觉传感器具有局限性，通过多传感器融合可以发挥不同传感器各自的优点，提高定位与建图的精度和鲁棒性.通过优化Harris算法对图像进行角点提取，利用关键帧对特征点匹配算法进行优化，然后利用非线性最小二乘法进行后端优化.通过试验平台进行定位与建图试验，对算法进行验证，并用EVO工具对定位误差进行分析.结果表明，提出后端优化算法误差比单一传感器定位误差减少13%.关键词：多传感器融合；角点检测；特征点匹配；非线性最小二乘法中图分类号：TP242文献标志码：ALocationandmappingoflidarandvisionsensorfusionZHAOYiheng，ZHOUZhifeng（SchoolofMechanicalandAutomotiveEngineering,ShanghaiUniversityofEngineeringScience,Shanghai201620,China）Abstract：Locationandmappingisoneofthekeytechnologiesforautonomousdriving.Withlimitationsoflidarsensorsorvisionsensors,theadvantagesofdifferentsensorscanbebroughtintoplaythroughmulti-sensorfusionandtheaccuracyandrobustnessoflocationandmappingcanbeimproved.TheHarrisalgorithmwasoptimizedforcornerextraction,thekeyframewasusedtooptimizethefeaturepointmatchingalgorithm,andthenthenonlinearleastsquaremethodwasusedforback-endoptimization.Thelocationandmappingexperimentswerecarriedoutonthetestplatformtoverifythealgorithm,andthepositioningerrorwasanalyzedwiththeEVOtool.Theresultshowsthattheerroroftheproposedback-endoptimizationalgorithmis13%lessthanthatofasinglesensor.Keywords：multi-sensorfusion；cornerdetection；featurepointmatching；nonlinearleastsquaremethod移动机器人近几年得到较快的发展，精准的定位和准确的地图对于移动机器人非常重要.利用自身携带的传感器，通过对周围世界的观测和自身运动的解算，来完成自主定位与建图，这便是同步定位与建图技术（SimultaneousLocationandMapping，SLAM）.在SLAM系统中，常见的传感器包括激光传感器和视觉传感器.多线激光雷达稳定性较高，但点云特征不明显，不易对障碍物进行很好的分类.相机传感器的成本低，便携程度好，提供丰富的环境信息，但在夜晚或者光线较弱的情况下，识别能...
