退化环境下LiDAR里程计定位方法

研究背景

LiDAR SLAM在弱光环境中具有优势，但在长廊、隧道等几何特征匮乏的退化环境中，传统LiDAR里程计基于ICP算法和特征配准算法的鲁棒性较差。

创新方法

提出基于激光强度性质和消元思想的强度修正方法，结合无监督位置修正优化原始点云；采用模糊综合评价算法构建检测模型，直接检测单帧点云退化情况。

技术优势

不依赖启发式阈值和间接处理，无需复杂网络结构和模型训练过程，同时兼顾检测效率和精度，具有低复杂度和显著二次开发优势。

方法流程

图1 面向退化环境的LiDAR里程计定位方法流程

LiDAR点云处理

采用V-ICP方法去除点云运动畸变
滤波方法降采样并剔除噪声点
无监督点云位置修正方法标定系统误差
基于激光强度性质和消元思想的强度修正

LiDAR退化环境检测

提取4种描述环境几何结构的点云特征
采用模糊综合评价算法构建检测模型
直接检测单帧点云退化情况及退化程度
避免启发式阈值和间接处理的影响

LiDAR里程计构建

针对不同退化情况设计兴趣点集合构建方案
非退化点云使用特征配准算法
退化点云使用"米字搜索"方法提取非退化特征
结合ICP算法处理帧间兴趣点集合

关键技术

1. 激光强度修正方法

激光接收功率P_R和发射功率P_E之间的关系：

P_R ≈ (η_atmη_sysP_EρD_R²cosθ)/(4πL²)

式中：L表示激光测距值；θ表示激光入射角；ρ表示被击中物体的反射系数；η_atm表示环境参数；η_sys表示LiDAR系统参数；D_R表示激光接收孔直径。

激光强度Intensity的量化表达式：

Intensity = hP_R = wρt(L,θ)

通过计算激光强度比值将几何因素t(L,θ)消元，对同类点云的激光强度赋予相同值，实现激光强度修正。

2. "米字搜索"方法

将平面所在空间按照延伸主方向划分为n个区间段，Z轴方向划分为m个区间段，形成n×m个三维小体素。计算每个小体素内激光强度均值，获得二维栅格图像。

按照延伸主方向及45°、90°、135°夹角方向进行搜索，筛选非退化特征：

将每行首个栅格的激光强度作为搜索基准
后续栅格与基准差异满足阈值则持续延伸
超过阈值则停止延伸，记录延伸栅格数量
匹配历史激光强度数组判断退化特征

图2 "米字搜索"示意图

3. 模糊综合评价算法

构建因素集U、评价集V和模糊评价矩阵R：

U = [u₁ u₂ u₃ u₄]
V = [v₁ v₂ v₃]
R = [μ(u_i,v_j)]_4×3

采用层次分析法计算权阵D，通过乘积求和方法计算模糊评价结果集B，根据最大隶属度原则判断点云退化情况。

半梯形隶属度计算方法示例（整体对称程度P）：

μ(u₁,v₁) = {
0 (P_i < η₁)
[1-(P_i-M_P+σ_P)/2σ_{P
其中η₁=M_P-σ_P，η₂=M_P+σ_P，M_P为均值，σ_P为标准差。}

实验结果

1. 激光强度修正效果

表1 激光强度修正效果
评价对象	墙面	地砖	纸板	木板	铁皮箱	人	均值
修正正确率/%	91.41	97.04	94.20	90.14	90.43	49.33	89.40

平均修正正确率93.34%（除人外）

实验结果表明，本文方法对墙面、地砖等静态物体的激光强度修正效果良好，但对动态人体目标的修正效果较差，因人体几何结构不规则导致法向量拟合误差较大。

2. 退化检测效果对比

表2 退化检测精度与效率对比
方法	退化点云正确检测率/%	非退化点云错误检测率/%	检测效率/s
对比方法1	92.20	26.28	0.0143
对比方法2	97.02	6.62	0.0075
本文方法	98.58	2.24	0.0104

图3 退化检测结果的量化标签随时间变化序列

退化点云正确检测率98.58%

非退化点云错误检测率仅2.24%

本文方法在三种实验场景中均能有效检测LiDAR点云退化情况，相较于两种对比方法，正确检测率分别提高6.92%、1.61%，错误检测率分别降低91.48%、66.16%。

3. LiDAR里程计定位效果

表3 场景1中3种里程计的二维定位精度和处理效率对比
指标	X轴RMSE/m	X轴MAXE/m	Y轴RMSE/m	Y轴MAXE/m	运算效率/s
IA-LO	1.2664	3.4359	0.0302	0.1094	0.0069
ICP-LO	7.8950	16.4174	0.0326	0.1363	0.0659
FR-LO	12.6668	24.9502	0.0549	0.1492	0.0019

定位RMSE降低83.96%-90.00%

最大误差降低79.07%-86.23%

在退化环境中，本文提出的IA-LO方法相较于ICP-LO和FR-LO的定位精度显著提高，X-Y平面的定位均方根误差分别降低了83.96%、90.00%，最大误差分别降低了79.07%、86.23%。

单次帧间配准0.0069s

在非退化环境中，IA-LO定位精度可达厘米级，同时保证较高的处理效率（单次帧间配准0.0069s），满足SLAM实时性需求。

结论与展望

主要结论

激光强度修正

修正正确率达93.34%，配合"米字搜索"方法有效提取退化环境中的非退化特征。

退化检测

退化点云正确检测率98.58%，非退化点云错误检测率仅2.24%，显著优于对比方法。

定位精度

在退化环境中，定位RMSE降低83.96%-90.00%，最大误差降低79.07%-86.23%。

适用范围

不依赖其他传感器，设备成本低，复杂度低，具有显著二次开发优势。