基于無人機機載激光雷達的三維地圖構建研究

董陽武

（山西工程職業學院 山西省太原市 030000）

如今，無人機可通過遠程控制方式執行既定任務，但在面對多變復雜的飛行環境時，無人機仍需擁有自主飛行能力[1-4]。隨著科學技術的不斷發展，無人機自主飛行能力逐漸成熟，已然能夠自主應對復雜的飛行環境問題，但也仍面臨著地圖構建問題，也就是SLAM 問題[5-7]。為了解決該問題，本文將對機載激光雷達的無人機三維地圖構建進行研究，以明確地圖構建的不足之處，并加以解決，推動無人機的地圖構建能力，提高無人機的智能化水平。

1 地圖構建算法

由于本文研究的是無人機機載激光雷達的三維地圖構建，因此，在地圖構建算法上具有一定的要求，也就是應當具備較高的漂移誤差和實時性。通過綜合性考量，決定使用LeGo-LOAM算法[8]作為此次的地圖構建算法，其具體架構如圖1所示。

圖1：LeGo-LOAM 算法架構

前端部分由點云分割、特征提取、雷達里程計和回環檢測這四個環節構成，后端則由位姿圖優化部分組成。通過前端與后端的處理，能夠極大程度降低漂移誤差，提高三維點云圖構建的實時性。其中，在特征提取環節上，我們在計算其平滑度時一般用到式子（1）進行求解。

式子中，深度信息由rki表示，點云圖中某一點及其同一行左右兩邊5 個點的集合由S 表示。而后在雷達里程計環節上，借助迭代公式式子（2）進行迭代處理。

式子中，J 為雅克比矩陣，Tk為位姿估計，h 代表兩種含義，第一是邊緣特征間的距離；第二是平面特征間的距離。在后端設計上，我們可以借助位姿圖目標函數求解，以得到準確的位姿變換信息，如式子（3）所示。

式子中，位姿圖中，全部位姿節點的位姿估計由V表示，全部邊的集合由ε表示，位姿估計誤差由eij表示，協方差矩陣由∑ij表示。在得到位姿變換結果后，便可以進行最后的回環檢測和地圖構建環節，得到最終的三維點云地圖。

2 無人機平臺的總體設計

2.1 硬件設計

通過綜合考慮比較，選用了650mm 軸距的無人機作為本文研究的載體，該無人機機體材質為碳纖維，質量輕且強度剛性較高，具有良好的飛行性能。在動力硬件設備上，我們選用了15*15 英寸的碳纖維槳葉和MN4014 400KV 無刷電機，這樣即使油門量控制在50%，也能夠為無人機提供1.5kg 的升力，極大程度提升了無人機的搭載能力。電池為1000mA 時6S 鋰電池，該規格電池能夠為無人機帶來充足的續航能力，最高續航時間可達到20min。除了這些基礎硬件之外，還配備了激光雷達、Rixhawk 飛控、差分GPS 板卡、數傳電臺、差分GPS 蘑菇頭天線、機載計算機單元等硬件設備。其中，激光雷達這種傳感器的工作原理較為簡單，借助發射器發射激光，當激光掃射到物體時，會發生漫反射，此時接收機會接收到漫反射激光，此時通過計算激光接收時間便能得到物體的具體距離。當然，激光雷達也有不同種類之分，常見的有三維激光雷達和二維激光雷達，如Hokuyo UST-10LX 激光雷達就屬于二維激光雷達，通過發射一束激光束來實現物體的探測工作。這種雷達存在著一定的不足，無法實現360°無死角掃描，探測距離也是存在一定局限性，最大探測范圍僅有10m，優點則是整體質量較小，容易攜帶。而三維激光雷達則可以發射出多束激光束來實現物體的探測，如VLP-16 激光雷達就是常見的三維激光雷達，其沒有掃描死角，能夠進行全方位探測，探測范圍最高可達到100m，所以，在雷達設備的選用上，選擇了VLP-16 激光雷達。

2.2 軟件設計

2.2.1 無人機端的軟件設計

軟件設計包括兩個部分：

（1）無人機端的軟件設計；

（2）地面站端的軟件設計。

無人機端的軟件系統由飛行控制單元、機載計算單元、激光雷達等部分組成，飛行控制單元與機載計算單元之間通過UART 協議實現數據的交換工作，激光雷達借助UDP 協議實現電云數據的傳輸工作。地面站端軟件系統的數據交換是利用SSH 協議實現的，除了數據交換之外，還借助MAVLink 協議與飛行控制單元進行相互通信。具體而言，不同模塊之間存在著數據交互能力，所有執行工作均在ROS 中完成。為了滿足前文設計的地圖構建算法，加入了SLAM 節點，負責電暈數據話題的輸入與位置估計結果、全局電暈地圖的輸出。為了確保MAVLink 協議與ROS 之間的穩定性，添加了MAVROS 功能包，借助該功能包能夠實現uORB信息的實時轉換，使之成為通用的ROS 話題，在ROS中，MAVROS 會以mavros 節點形式存在，負責信息傳遞，如傳感器采集得到的信息、飛控狀態信息等，除了信息傳輸功能外，還具備訂閱信息能力，如訂閱外部傳感器采集的數據信息等。正方形框框內的話題均是本文的主攻話題，因為這些話題均在mavros 節點話題訂閱范圍之內，同時，外部傳感器采集得到的位姿信息也是包含在內的。所以，無人機若要實現自主定位，那么/integrated_to_init 應重映射成/mavros/vision_pose/pose，但實際上這種重映射是無法完成的。通過分析，導致這種問題發生的原因是話題的類型不一致，所以不能進行重映射。因此添加了一個節點transpose，通過該節點對/integrated_to_init 進行訂閱，而后發布/mavros/vision_pose/pose，實現類型的轉換，使之能夠進行重映射。

激光雷達數據傳輸是在UDP 協議下實現的，為了得到激光雷達的實時數據，可將Wireshark 軟件應用其中，每一幀數據長度都是固定不變的，均為1248 字節，其中，數據包頭部有42 個字節，數據12 組（每組數據有100 個字節），時間戳有4 個字節，帶標識的雷達型號參數有2 個字節。而后是距離信息32 組（一組3 個字節），其中，距離值2 個字節，激光反射強度值1 個字節。在飛行控制單元中，我們會借助PID 算法來實現飛行控制的目的[9]。而后借助EKF 算法[10]估算IMU 數據與/mavros/vision_pose/pose 位置信息，以獲取最終的位姿信息。無人機根據此信息完成閉環控制操作。

2.2.2 地面站端的軟件設計

該軟件有兩項核心功能：

（1）借助SSH（加密性網絡傳輸協議）實現對計算單元NUC 軟件的遠程控制；

（2）借助相應軟件實現對無人機的實時監控，如QGroundControl 軟件。

當網絡出現不安全問題或隱患時，SSH 能夠單獨開辟出一條安全的傳輸渠道，提供安全的網絡服務條件。在此系統中，機載計算單元與地面站端的局域網相同，只需獲悉IP 地址便能借助SSH 對機載計算單元進行訪問，進而調動地圖構建算法，并對其發布頻率、內容等情況進行檢驗，在結束檢驗后可遠程結束算法的使用。飛行控制單元與地面站間的連接使用到了無線網絡，并在MAVLink 協議的作用下完成最終的通信工作。該協議屬于開元通訊協議，常用于飛行器的通訊環節上，為地面站端提供相應的校檢功能。在監控環節上，QGroundControl 軟件能夠對MAVLink 信息進行解析，并實時展現出各類核心信息，如姿態、位置、GPS信息等。

3 實證

為了檢驗無人機機載激光雷達的三維地圖構建情況，首先對其定位精度檢驗，以明確地圖構建算法定位情況。其次對三維點云地圖構建情況進行驗證，以明確建圖效果。最后對三維點云地圖進行處理，也就是環境重構，以獲取更為清晰的三維點云地圖。

3.1 定位精度實證

為了檢驗無人機機載激光雷達的三維地圖構建情況，此處進行了定位精度檢驗，具體而言，通過手持無人機方式，進行矩形軌跡和定點運動。通過室內室外兩種不同環境結合的方式，對其運動估計值進行比較分析，以明確最終定位精度。首先室內進行定點實驗，此次實驗時長為3min，結果發現，無人機在X、Y、Z 方向上的定位精度均在2cm 范圍內，在規定時間內位置估計并未出現漂移行徑。而后在矩形軌跡運動實驗中，無人機沿著長3*2.5m 規格的矩形進行行走，得到地圖構建算法估計的位置信息，而后與運動捕捉系統采集得到的位置信息進行比較，結果發現無人機在進行矩形軌跡運動時，定位精度能夠保持在15cm 范圍之內。接著將實驗環境換到室外，進行定位精度測試，在X、Y 平面上，位置估計誤差僅有1cm，在Z 平面上，位置估計誤差為5cm。在定點測試環節中，激光雷達地圖構建算法在Z 方向上的定位精度為5cm，在X、Y 方向上的定位精度分別為10cm 與20cm，造成定位誤差較大的原因是試驗環境較為空曠所致，而x 方向上的特征點與Y 方向上的特征點成反比關系，這是一大一小所導致。在進行矩形軌跡測試時，選擇了規格為6*4m 的矩形空間進行檢測，結果發現，X 方向的定位誤差為50cm，Y、Z 方向上的定位誤差均為20cm，導致定位誤差較大的原因同上。所以，在特征點穩定情況，定位誤差可以控制在20cm，能夠達到室外建圖要求。

3.2 三維點云地圖構建

為了檢驗無人機機載激光雷達的三維地圖構建情況，進行了三維點云圖構建實驗，實驗環境均在室外完成。下面我們以某市A 廣場為研究對象，進行三維點云地圖構建工作，得到的結果如圖2所示。

圖2：三維點云圖構建結果

可以看出，借助無人機搭載激光雷達能夠較好地構建出三維點云圖，具有較高的可行性。但是存在無明顯重影問題，所以，下文將會借助CloudCompare 軟件進行處理，以提高點云圖中物體的辨識度，具體處理效果圖下文所示。

3.3 三維點云地圖的處理

CloudCompare 軟件中的qPCV 算法能夠為處理提供光線數量選擇功能和光照類型選擇功能，這樣便能夠將點云圖中的物體立體效果充分展現處理，以提高點云圖中物體的識別度，經軟件處理后，A 廣場三維點云圖如圖3所示。

圖3：處理后的三維點云圖

可以看出，經過處理后的三維點云圖，能夠清晰看出其中物體的立體形象，為三維點云圖的構建展現提供了正向推動力，使得三維地圖構建的更加具體清晰。

4 小結

本文首先對地圖構建算法進行了分析，為后續的實驗平臺搭建奠定了基礎。其次，根據前面提出的地圖構建算法，搭建了實驗平臺，包括硬件平臺與軟件平臺。最后，通過室內室外相結合的方式對地圖構建算法的定位情況進行了驗證，結果發現室內定位誤差在15cm 左右，室外定位誤差在20cm 以內，能夠滿足室內室外建圖的要求，肯定了算法的可行性。而后進行了室外建圖試驗，發現得到的三維點云圖難以識別其中物體的問題，為了優化這一問題，借助CloudCompare 軟件進行了處理，得到了最優點云地圖，能夠清楚識別圖中的物體。