针对单线激光雷达在进行道路区域分割时出现的识别不准确以及精度问题,研究一种基于最大熵原理提取自适应阈值,并通过滑动窗口法实现道路区域分割的方法。利用中值滤波对原始点云数据进行预处理,以减少噪声和异常值产生的影响;结合最大熵原理提取的自适应阈值和滑动窗口算法完成对道路区域点云的分割;最后基于概率论的方法确定道路边界点云。通过对3种不同类型的结构化道路进行实验,得到路面、障碍物以及路沿的识别准确率依次为96.88%、86.82%、95.50%,证明了该方法的有效性和适用性。

针对弱纹理环境下SLAM系统只依靠单一传感器鲁棒性较差的问题,提出一种视觉、单线激光雷达与惯性相结合的机器人SLAM算法。在视觉与雷达预处理阶段,视觉提取点线特征,同时雷达帧间匹配过程采用激光点到其最近两个点连线的距离构建误差方程,实现更高精度匹配效果。采用惯性传感器与轮速里程计进行雷达运动畸变校正,同时雷达估计信息为单目点线特征三角化提供良好深度值,再利用点线视觉信息、雷达点云信息与惯性测量单元紧耦合优化机制提高机器人SLAM的精确度。最后,将该方法在仿真环境和真实弱纹理环境进行实验。结果表明:该方法定位准确率达到98.6%,在弱纹理环境中定位效果具有较强的鲁棒性和准确性,满足实际需求。