基于MEMS激光雷达的智能轮椅SLAM研究_崔林威.pdf

书书书测控技术2023 年第 42 卷第 2 期智能感知与仪器仪表收稿日期:2021 08 13基金项目:国家重点研发计划(2020YFC2007401)引用格式:崔林威，崔建伟，黄子正，等 基于 MEMS 激光雷达的智能轮椅 SLAM 研究 J 测控技术，2023，42(2):12 18CUI L W，CUI J W，HUANG Z Z，et al MEMS LiDA-Based SLAM Study of Intelligent Mobility Wheelchair J Measurement Control Technology，2023，42(2):12 18基于 MEMS 激光雷达的智能轮椅 SLAM 研究崔林威，崔建伟*，黄子正，李响，姜汇策(东南大学 仪器科学与工程学院，江苏 南京210096)摘要:轮椅是残障人士和老年人的重要代步工具，传统的电动、手动轮椅移动方式单一，需要他人辅助完成，且无法主动保证使用者的安全。研究了基于机器人操作系统(OS)的轮椅室外场景建模、路径规划与导航算法。在轮椅上安装 MEMS 激光雷达，融合体素网格滤波器和 LeGO-LOAM 算法完成点云处理和室外场景建模;设计了融合百度地图和激光雷达的轮椅导航方式，使用者可根据百度地图提供的路径规划信息遥控轮椅，在建图完毕后，可仅依靠激光雷达完成路径导航和自主移动;结合激光雷达智能感知算法，实现了道路信息的实时感知，使轮椅具备主动安全功能。通过实验验证了建模、感知算法的功能，并完成了融合导航仿真实验，研究内容能够大幅提升智能轮椅使用过程中的安全性能。关键词:智能轮椅;MEMS 固态激光雷达;激光点云;室外场景建模;物体感知中图分类号:TP242文献标志码:A文章编号:1000 8829(2023)02 0012 07doi:10 19708/j ckjs 2022 02 217MEMS LiDA-Based SLAM Study of Intelligent Mobility WheelchairCUI Lin-wei，CUI Jian-wei*，HUANG Zi-zheng，LI Xiang，JIANG Hui-ce(School of Instrument Science and Engineering，Southeast University，Nanjing 210096，China)Abstract:Wheelchair is an important means of transportation for the disabled and the elderly Traditional elec-tric and manual mobility wheelchairs have a single movement mode，which needs the assistance of others，andcannot actively ensure the safety of users The outdoor scene modeling，path planning，and navigation algorithmof wheelchair based on robot operating system(OS)are studied MEMS LiDA is installed on the wheel-chair，and voxel grid filter and LeGO-LOAM algorithm are integrated to complete point cloud processing andoutdoor scene modeling The wheelchair navigation mode integrating Baidu Maps and LiDA is designed Userscan remotely control the walker according to the path planning information provided by Baidu Maps，and canrely on the LiDA alone to complete path navigation and autonomous movement after the modeling is comple-ted Combined with LiDA intelligent perception algorithm，the real-time perception of road information is real-ized，so that the wheelchair has the active safety function The modeling and sensing algorithms are verifiedthrough experiments，and the fusion navigation simulation experiments are completed，which can greatly im-prove the safety performance of the intelligent wheelchair in the process of useKey words:intelligent wheelchair;MEMS solid-state LiDA;laser point cloud;outdoor scene modeling;objectperception我国人口老龄化问题日益严峻，正在步入老龄社会，老年人和残障人士的生活自理问题日益突出。目21前老年人和残障人士多采用传统的无动力式轮椅和电动式轮椅，面对复杂的室外环境时，仅依靠使用者无法保障安全出行，因此无法满足使用者的出行需求1。另外，随着无人驾驶、激光 SLAM(Simultaneous Locali-zation and Mapping，即时定位与地图构建)技术的迅速发展，依靠三维激光雷达获取的点云进行建图，可完成室内外环境下的路径规划，这对于无人轮椅的研究有一定的借鉴意义。因此，针对现有轮椅的出行方式，为提高老年人生活、出行的便捷性，开展轮椅的导航研究对实现轮椅的智能化、提高老年人的出行质量有重要意义。多传感器融合的智能式轮椅将是未来的发展趋势，目前国内外正在开展有关智能轮椅的导航研究。丁佳伟2 将脑机接口技术与 SLAM 技术进行融合，将环境地图构建、自主避障、路径规划与导航技术加入到脑控轮椅中，实现脑控轮椅的自主导航。于福超等3 设计了基于北斗导航定位的智能导诊轮椅，采用北斗导航定位作为全局路径规划路径信息，结合使用者操作实现精准行走来实际解决医院的导诊问题。张毅等4 研究了基于 OS(obot Operating System，机器人操作系统)的智能轮椅室内导航，采用激光测距仪并运用基于扩展卡尔曼滤波器的 SLAM 方法进行建图，使轮椅具备语音自主导航等功能。Ferracuti 等5 提出了 Human-in-the-Loop 框架，在室内场景轮椅导航到目的地过程中，根据路径规划错误后人产生的 EEG 电位作为导航算法的附加输入，实现了路径的实时修改。Shan 等6 提出一种轻量级和地面优化的激光雷达测距和建图算法(LeGO-LOAM)，适用于具有可变地形的复杂环境，可对移动机器人进行位姿估计，并可实时估计地面车辆的六自由度位姿，可用于无人车的建图与位姿估计。以上研究在一定程度上实现了轮椅的自主导航，但也存在二维雷达检测精度不足、北斗定位信息存在误差，以及在复杂环境下导航功能下降的问题。因此，本文结合百度地图和 MEMS 三维激光雷达研究了智能轮椅的室外 SLAM 算法，在移动区域未建图时，借助百度地图的路径规划信息使用轮椅，同时利用激光雷达进行三维建图;完成建图后，仅依靠导航、避障算法完成轮椅的移动和环境感知，从而提高了轮椅的智能化水平和安全性能。1系统方案所设计的系统旨在通过 OS 和 MEMS 固态激光雷达完成轮椅室外行驶过程中的环境建模、路径规划和避障功能，结合百度地图导航与激光雷达完成三维环境建模，进而在不依靠百度地图的情况下完成路径规划，从而实现轮椅的自主移动。系统的硬件部分包括 MEMS 固态激光雷达、工控机、轮椅电机和编码器。其中，MEMS 固态雷达用于扫描轮椅前方道路的激光点云;工控机安装 Ubuntu 16 04操作系统和 OS 平台，用于获取、处理点云数据，完成室外环境建模和路径规划，并将移动指令发送给轮椅内部的嵌入式控制板，驱动轮椅电机控制轮椅的前、后、左、右移动;编码器用于获取轮椅的精确移动信息，并提供里程计信息。机器人硬件系统如图 1 所示。图 1机器人硬件系统2智能轮椅三维环境建图2 1三维激光雷达为了使智能轮椅具备导航功能，需要在轮椅移动过程中预先使用雷达、深度摄像头等传感器对环境进行建图，建图的精确度会影响到路径规划的准确性。考虑到摄像头易受室外强光、反射等环境因素的影响，且二维激光雷达不能全面反映路面信息，因此选用速腾聚创公司的激光雷达 S-LiDA-M1。该款雷达相比其他激光雷达，不但同样具有体积轻巧、成本低等优点，而且便于安装在移动机器人上。该雷达等效于125 线激光雷达，在 2D MEMS 振镜快速震动的同时发射高频率激光束对外界环境进行持续扫描，经过测距算法得到三维空间点云数据后便可获得环境的深度信息，从而获取准确的三维路面信息，使机器人更好地感知周围的环境，MEMS 固态激光雷达如图 2 所示，其参数如表 1 所示7。图 2MEMS 固态激光雷达表 1S-LiDA-M1 激光雷达参数对比雷达参数参数值测距能力05 200m精度5cm视角(垂直)25(12.5 12.5)视角(水平)120(60 60)31基于 MEMS 激光雷达的智能轮椅 SLAM 研究2 2激光点云获取在 OS 平台中，激光雷达可以作为子节点以话题(Topic)的形式输出点云的三维坐标。通过订阅该话题便可获取实时点云数据，同时可以通过可视化工具viz 进行点云的可视化呈现8。图 3 为 S-LiDA-M1 在室外采集的激光点云数据利用 viz 工具呈现的点云可视化结果。由图 3 可以看出，MEMS 激光雷达获得的点云比较密集，能够真实反映出环境中的人、物体等信息，有助于提高室外环境建模的准确度。图 3MEMS 雷达室外激光点云2 3室外三维场景建模SLAM 技术是移动机器人研究的热点，用于实现机器人的实时建图和定位，包括地图表示、前端雷达数据处理、后端噪声处理、回环检测和地图融合 4 个步骤9 10。激光 SLAM 能够稳定、准确地建图，主流算法有:基于关键点的 LOAM 及改进算法 LeGO-LOAM和 A-LOAM、LIO 等11。LeGO-LOAM 算法具有轻量化的特点，能够在低功耗嵌入式系统上实现实时姿态估计，其运行时间短，可用更少的计算时间实现较高的位置估计精度，可进行地面点云优化等。这些优点适合应用于智能轮椅的室外建图，因此选用 LeGO-LOAM算法进行三维建图。另外，本文选用的激光雷达采集点云的速度为每秒 75 万点，高密度的点云能够保证建图算法的精确度，但同时也增加了工控机的处理负担和建图的时间，因此设计了融合体素栅格滤波器和 LeGO-LOAM 算法的建图算法，包括点云滤波、点云分割、点云特征提取、位姿估计、激光点云建图共 5 个部分，具体流程如下。(1)点云滤波。在 LeGO-LOAM 算法中加入体素栅格滤波器，实现对原始点云进行降采样的效果，以降低点云的密度。在处理时将原始点云分割成一个个 3D 网格，并计算每个网格内的点的质心，用于近似表示该 3D 网格内的其他点，同时在处理过程中采用下采样，可以加速点云处 理 过 程 且 不 破 坏 点 云 本 身 的 几 何 结 构12。式(1)为计算在一个体素网格内的点云质心的公式。x=ki=1xi/ky=ki=1yi/kz=ki=1zi/k(1)式中:(x，y，z)为质心坐标;(xi，yi，zi)为体素网格内的第 i 个点;k 为网格内点的数量。(2)点云分割。点云分割部分用于将地面点云和非地面点云分割开，同时对激光点云进行离群点去除和分簇，只留下点数量较多的点云簇。MEMS 激光雷达每扫描一次路面会发送一帧数据，假设 t 时刻获取的一帧点云为 Pt=p1，p2，pn，其中 pi为 t 时刻的点云 Pt中的一个点，可以将该点云投影到分辨率为 600 像素 125 像素的二维图像中，每个点在图像中的像素即为实际物体距离激光雷达的距离。如图 4 所示，激光雷达竖直方向的扫描角度为 12.5 12.5，由于激光雷达水平安装，地面点必然出现在12.5，1扫描线上，因此将出现在该角度范围内的点视为地面点。图 4激光雷达竖直方向扫描角度对于剩下的点，使用基于图像的分割方法对距离图像进行分簇，同一类的点标记上唯一的标识，并将低于 30 个点的类作为噪声点处理，从而可以将一些微小物体点(如树叶、云等)作为噪声去除，减少相邻帧之间微小物体不重复出现对帧间匹配造成的干扰。这样保存下来的一帧数据就是静态物体的点云数据，并且具有每一类的标签、在距离图像中的行列索引和像素(距离)值。(3)点云特征提取。为了获得 t 时刻和 t 1 时刻的姿态变换关系，需要从已分簇的点云里提取出点云的边缘特征和平面特征，首先将距离图像在水平方向上分成多个子图像，然后计算子图像中每一行点的曲率，根据曲率选择出边缘点和平面点，获得点集合。将一帧图像划分为 6 个子图像，每个子图像的分辨率为 100 像素 125 像素，在每个子图像中选取 t 时刻的点云 Pt的一个点 pi，在 pi竖直方向上，左右各找5 个点，构建集合 S，并对每个子图像按照式(2)计算点在集合 S 中的曲率:c=1SrijS，ji(rj ri)(2)41测控技术 2023 年第 42 卷第 2 期(4)位姿估计。位姿估计模块包括特征点关联和姿态解算，其中特征点关联是为了将 k 时刻的点云和 k+1 时刻的点云关联起来，姿态解算是为了估计雷达的位姿。本文选取分辨率为0 9的高精度编码器 BCE25H5H23D 获取轮椅的移动信息。LeGO-LOAM 算法基于提取的特征点构建相邻两次扫描的约束关系，并使用两次 LM 优化算法得到姿态变换矩阵。其中特征点关联使用 Scan-to-Scan 方式，分为边缘点匹配和平面点匹配两个部分，计算点到直线的距离和点到平面的距离，姿态解算根据匹配的特征点云估计激光雷达的位姿。(5)激光点云建图。LeGO-LOAM 算法使用迭代最近点(Iterative Clo-sest Point，ICP)算法进行点云配准，在得到一帧点云和相邻帧的姿态变换信息后，会调用一次建图函数，将 t时刻的激光点云和 t 1 时刻的全局地图特征点云进行匹配，并将其加入到全局地图中，实现对已有地图的实时更新，利用 GTASM 优化得到最终的全局地图13。3百度地图与激光雷达融合导航3 1百度地图路径规划信息为了实现轮椅的自主导航，需要在移动区域完成雷达建图。对于激光雷达没有完成建图的区域，通过开发基于百度地图路径规划的轮椅移动方式，轮椅使用者依据百度地图 API 函数提供的路径规划信息操控轮椅进行移动，同时雷达利用 LeGO-LOAM 算法进行建图，建图完毕后就可以不依靠百度地图完成实时路径规划与导航14。为了调用百度地图 API 的路径规划函数，需要遵循以下步骤:在百度地图开放平台申请百度账号;申请成为百度开发者;使用百度账号获得服务密匙(ak);发送 UL，调用百度地图的相关服务。进而可编写 JavaScript 脚本调用 Drivingoute函数和search 函数实现路径的查找与显示，百度地图 API 路径规划如图 5 所示。3 2轮椅路径规划及导航设计的轮椅的导航方式包括未建模和已建模两种情况，当后台不存在建模信息时，依靠百度地图，人为操控轮椅完成移动。在完成室外建图后，仅依靠道路感知算法和 MEMS 激光雷达完成轮椅的自主移动功能，即用户可获取指定目标点的移动路径，同时轮椅自主避障，此时依赖 OS 功能包完成导航。OS 提供了两个功能包:move_base，实现机器人导航中的最优路径规划;amcl，实现点云地图中的 机器人定位。机 器 人 只 需 要 发 布 必 要 的 传 感图 5百度地图 API 路径规划器信息和导航的目标位置，OS 即可完成轮椅的实时路径规划、避障和移动指令的发布。导航算法实施如下:首先，导航功能包需要采集 MEMS 激光雷达发布的点云信息，以达到实时避障的效果，激光雷达以 10Hz 的频率向该功能包发布话题为/rslidar_points 的点云信息;然后，功能包订阅机器人发布的里程计信息和坐标变换完成自身定位，同时结合道路感知算法完成实时避障;最后，功能包输出 cmd_vel 话题的控制指令，用以控制机器人完成相应的运动。3 3路面感知算法为了精确识别路面信息，提高轮椅安全性能，调用了 oboSense 的路面感知算法 oboSense Smart Sensor感知 SDK，协助导航算法完成道路物体感知。该 SDK融合了基于几何规则的传统点云算法和基于数据驱动的深度学习算法，可以为自动驾驶决策规划模块提供像素级的全方位、结构化、高精度的感知信息。SDK包括驱动模块、通信模块和感知模块，其中驱动模块提供数据解析功能;通信模块用于对外信息的发送和接收;感知模块作为核心子模块，提供整体感知功能。oboSense Smart Sensor 感知 SDK 能够输出以下信息:障碍物检测信息，包括行人、骑行者、小车、大车、拖车等;可行驶区域信息，将路面物体围成的封闭区域作为可行驶区域;车道线信息，输出检测和预测到的车道线信息;道路边界信息，以检测和预测的方式输出边界信息。通过调用 SDK 输出的路面感知结果即可获得准确的路面信息，从而保证轮椅实时导航过程中的安全性。4实验笔者在激光雷达上研究了三维激光点云获取与基于体素网格滤波器和 LeGO-LOAM 的三维建图算法，然后进行了智能轮椅的导航技术研究，包括基于百度51基于 MEMS 激光雷达的智能轮椅 SLAM 研究云和三维建图的路径规划和路径规划过程中的实时路面物体感知算法，下面按照本文设计的导航方式对上述研究进行实验验证。4 1建图及导航算法仿真在实际测试前，对文中提出的导航模式、建图和导航算法进行了仿真，以保证实际应用时的安全性。首先在 Gazebo 界面中导入一款建筑内部的 3D 模型，如图 6(a)所示，然后验证未建图的导航模式，利用键盘模拟人为使用百度地图的路径规划信息操控轮椅移动，在移动过程中利用改进的 LeGO-LOAM 算法进行建模，建好的三维地图如图 6(b)所示。图 6三维建图仿真为了利用 3 2 节中的 OS 功能包进行导航，需要将图 6(b)的三维地图转换为二维栅格地图，采用 Oc-tomap 库完成二维栅格地图的转换，转换后的二维栅格地图如图 7 所示。图 7二维栅格地图最后对导航算法进行仿真，将图 7 导入到导航算法中，当操作者需要到达地图的某个位置，可直接点击地图，结合避障算法，机器人可到达指定位置，路径规划信息和机器人的实时位置如图 8 所示。仿真实验表明，在未建图时利用激光雷达进行三维建图，然后将其转化为二维栅格地图，结合导航算法能够实现机器人导航，在实际控制轮椅时，订阅导航功能包的 cmd_vel信息可获得轮椅的移动指令。4 2智能轮椅室外三维建模根据图 1 构建的装有激光雷达的智能轮椅如图 9所示，并在学校内部进行了室外三维建模实验。图 8自主导航仿真图 9装有激光雷达的智能轮椅在室外环境未建图时，轮椅无法对陌生环境进行路径规划和导航移动，此时利用百度云进行路径规划，人工操控轮椅在室外进行移动建图。图 10 为基于百度云开发的地图可视化操作界面，用户可利用该界面操控轮椅到达目标位置。图 10基于百度云的地图可视化界面按照图 10 中的路径控制轮椅移动，同时使用激光雷达采集实时激光点云。利用融合体素网络滤波器的LeGO-LOAM 算法进行三维建图，并进行点云滤波、点云分割、地面点优化等处理，原始点云如图 11(a)，滤波后的点云如图 11(b)所示。在 viz 界面上显示的已建好的三维地图如图 12 所示，S-LiDA-M1 采集的高密度点云配合建图算法可使建好的图能更真实地反映路面环境。61测控技术 2023 年第 42 卷第 2 期图 11激光雷达点云滤波图 12激光点云三维建图为了与上述建图算法进行对比，采用 LOAM 算法也进行了三维建图，实验发现，在室外建图时，LOAM算法提取的特征较多，往往会将草丛、树叶等特征提取出来。但在实际应用中，建好的地图只需要包含车道线、路面障碍等信息即可，特征过多也会造成地图冗余。另外，LeGO-LOAM 算法在运行速度上降低了60%，能够更高效率地完成建图。4 3智能轮椅导航感知实验在完成建图后，根据导航仿真实验过程，将图 12构建的三维地图转换为二维地图，并导入到 OS 的导航算法包内，在该段路径进行了导航实验。轮椅在长 20 5 m 的路径内进行了实验，轮椅能够在完成建图的情况下，到达指定目标位置，同时在移动过程中能够调用感知算法识别路面的物体信息，实现实时避障功能，室外实验及路面感知效果如图 13 所示，其中图 13(a)为轮椅和实验人员，图 13(b)为导航过程中调用物体感知算法获取的路面识别信息，进而机器人能够根据障碍物信息主动避障。在图 13(b)中可以看到识别到的车辆(CA)、车道线(红色直线)、其他障碍(Barrier)等，轮椅在进行目标分类时，智能轮椅导航指标如表 2 所示。图 13室外实验及路面感知效果表 2智能轮椅导航指标导航实验目标分类准确率目标检测检出率规划时间位置误差角度误差50m 内50 80m50m 内50 80m9 45ms 7 6cm48车辆 95%，非车辆 85%车辆 90%，非车辆 85%车辆 97%，行人、非机动车 95%车辆 90%，行人、非机动车 86%另外，在实验过程中，受灌木、草丛等因素的影响，可能导致轮椅出现误识别现象。路面目标检测结果与部分错误分类结果的对比图如图 14 所示。由图 14 可以看到，出现了将 Barrier 误识别为 CA 的结果，在误识别时需要机器人将识别结果、路径规划信息与人为控制灵活结合起来，辅助完成轮椅的移动，避免因误识别导致出现轮椅安全问题。图 14路面感知效果对比5结束语在 OS 平台下研究了智能轮椅的室外场景建模、路径规划与导航感知算法。针对激光雷达采集的三维激光点云密度较大的问题，在 LeGO-LOAM 算法中融合了体素网格滤波器，在保证建图精度的同时减少了建图时间;然后研究了百度地图和激光雷达融合的轮椅导航移动方式，同时在导航移动时调用路面感知SDK 获取实时的路面环境信息，实现了实时避障，该导航模式能够保障轮椅导航过程中的安全性能，为智能轮椅的研发提供一定的借鉴。另外，下一步还需要提高轮椅的识别精确度和鲁棒性，将轮椅路径规划信息、百度地图和外部人为辅助更好地融合起来，并部署主动安全模块，通过多种激光雷达、测距模块等多种传感器融合实现轮椅的主动安全功能，进一步提高轮椅的安全性能。参考文献:1黄海晶，王志彬，金鸿宾 助行器的演变与发展 J 中国矫形外科杂志，2006，14(18):1397 1399HUANG H J，WANG Z B，JIN H B Evolution and develop-ment of walking aids J Orthopedic Journal of China，2006，14(18):1397 1399(in Chinese)2丁佳伟 脑控轮椅自主导航系统的应用与研究D 南京:南京邮电大学，202071基于 MEMS 激光雷达的智能轮椅 SLAM 研究DING J W Application and research of brain-controlledwheelchair autonomous navigation systemD Nanjing:Nanjing University of Posts and Telecommunications，2020(in Chinese)3于福超，李元龙 一款基于北斗导航的智能导诊轮椅 J 中国科技信息，2020(15):53 54YU F C，LI Y L An intelligent guided wheelchair based onBeidou navigation J China Science and Technology In-formation，2020(15):53 54(in Chinese)4张毅，徐仕川，罗元 基于 OS 的智能轮椅室内导航 J 重庆邮电大学学报(自然科学版)，2015，27(4):542 548ZHANG Y，XU S C，LUO Y Intelligent wheelchair indoornavigation based on OS J Journal of Chongqing Univer-sity of Posts and Telecommunications(Natural Science Edi-tion)，2015，27(4):542 548(in Chinese)5FEACUTI F，FEDDI A，IALOI S，et al Augmentingrobot intelligence via EEG signals to avoid trajectory plan-ning mistakes of a smart wheelchair J Journal of AmbientIntelligence and Humanized Computing，2021:1 13 6SHANT X，ENGLOT B LeGO-LOAM:lightweight andground-optimized lidar odometry and mapping on variableterrainC/2018 IEEE/SJ International Conference onIntelligent obots and Systems2018:4758 4765 7张银，任国全，程子阳，等 三维激光雷达在无人车环境感知中的应用研究J 激光与光电子学进展，2019，56(13):130001ZHANG Y，EN G Q，CHENG Z Y，et al Application re-search of there-dimensional LiDA in unmanned vehicleenvironment perceptionJ Laser Optoelectronics Pro-gress，2019，56(13):130001(in Chinese)8BAI C C，GUO J F Uncertainty-based vibration/gyro com-posite planetary terrain mapping J Sensors(Basel，Switz-erland)，2019，19(12):2681 9倪志康，厉茂海，林睿，等 基于三维激光雷达与 TK 融合的 SLAM 研究 J 制造业自动化，2020，42(7):51 54NI Z K，LI M H，LIN，et al esearch on SLAM based on3D Lidar and TK fusionJ Manufacturing Automation，2020，42(7):51 54(in Chinese)10 王雅仪，余萌，朱锋 线面特征结合的三维激光 SLAM 算法及性能评估 J 导航定位学报，2021，9(1):122 129WANG Y Y，YU M，ZHU F 3D LiDA SLAM algorithmand performance evaluation based on edge and surface fea-tures J Journal of Navigation and Positioning，2021，9(1):122 129(in Chinese)11欧阳仕晗，刘振宇，赵怡巍，等 移动机器人三维激光SLAM 算法研究 J 微处理机，2020，41(5):58 64OUYANG S H，LIU Z Y，ZHAO Y W，et al esearch on3D laser SLAM algorithm of mobile robot J Microproces-sors，2020，41(5):58 64(in Chinese)12 黄思源，刘利民，董健，等 车载激光雷达点云数据地面滤波算法综述 J 光电工程，2020，47(12):190688HUANG S Y，LIU L M，DONG J，et al eview of groundfiltering algorithms for vehicle LiDA scans point cloud da-ta J Opto-Electronic Engineering，2020，47(12):190688(in Chinese)13 鲁锦涛，王庆，董元帅，等 基于激光雷达巡检机器人的变电站三维地图构建J 传感器与微系统，2021，40(2):44 46LU J T，WANG Q，DONG Y S，et al 3D mapping of substa-tion based on LiDA inspection robotJ Transducer andMicrosystem Technologies，2021，40(2):44 46(in Chi-nese)14XUE Y，LI C T Extracting Chinese geographic data fromBaidu Map API J The Stata Journal:Promoting Commu-nications on Statistics and Stata，2020，20(4):805 811(上接第 11 页)8姚艳彬，毕树生 用于飞机壁板类组件制孔的机器人视觉系统设计 J 航空制造技术，2015，58(13):82 84YAO Y B，BI S S Design of robot vision system for drillingof aircraft panel component J Aeronautical ManufacturingTechnology，2015，58(13):82 84(in Chinese)9李星云，李众立，廖晓波 基于单目视觉的工业机器人定位系统的设计 J 机床与液压，2015，43(9):35 38LI X Y，LI Z L，LIAO X B Design on industrial robot posi-tioning system based on monocular vision J Machine Tool Hydraulics，2015，43(9):35 38(in Chinese)10 施晓伟，乐婷，宋冬，等 基于机器视觉的航空散热器智能定位钻孔技术 J 测控技术，2020，39(8):129 133SHI X W，YUE T，SONG D，et al Intelligent positioningdrilling technology of aviation radiator based on machine vi-sion J Measurement Control Technology，2020，39(8):129 133(in Chinese)11 袁培江，陈冬冬，王田苗，等 基于双目视觉测量系统的孔位补偿研究 J 航空制造技术，2018，61(4):41 46YUAN P J，CHEN D D，WANG T M，et al esearch on po-sitional error compensation method based on binocular vi-sion measurement systemJ Aeronautical ManufacturingTechnology，2018，61(4):41 46(in Chinese)11 王怡萱，张俊梅，阚江明 基于双目视觉的目标定位与测距系统硬件平台 J 计算机工程，2013，39(7):214 218WANG Y X，ZHANG J M，KAN J M Hardware platform oftarget positioning and ranging system based on binocular vi-sion J Computer Engineering，2013，39(7):214 218(in Chinese)81测控技术 2023 年第 42 卷第 2 期