基于多模态信息融合的仓储AGV的激光惯性导航方法

Abstract

提出一种基于激光惯性二维码融合的自动导引运输车(AGV)导航方法。针对惯性偏差漂移的问题,提出融合二维码的惯性测量单元(IMU)预积分模型,利用二维码约束信息优化惯性残差,估计和校正惯性偏差。针对实时性差的问题,提出一种具有全局一致性的优化模型,通过选择性地引入关键帧和二维码,执行融合二维码的分层局部捆绑约束(BA)优化,以有效缩短优化时间;提出激光雷达/IMU/二维码紧耦合优化方法,通过将预积分因子、回环因子、二维码因子、跟踪因子纳入因子图系统,实现多层次的数据融合,以有效提高定位精度与鲁棒性。在搭建的仓储AGV导航平台上进行了大量的实验和分析,并与几种代表性开源方法进行对比。结果表明,本文方法的导航精度优于传统方法,其中定位精度误差小于0.02 m,角度误差小于2°。