Page 65 - 《软件学报》2020年第9期

2686 Journal of Software 软件学报 Vol.31, No.9, September 2020

平移误差降低了 53%,绝对旋转误差降低了 50%;而在只有一种传感器数据时,结果没有得到有效改善.
3.2 基于扫地机器人的实际场景测试分析
扫地机器人为米家扫地机器人二代,机器人平台使用的系统为 Ubuntu 14.04.3,其内核为 3.4.39 armv7l,基于
Player 平台进行传感器数据采集和发送.配备的是自研 LDS 激光雷达,最大和最小探测距离分别为 6m 和 15cm,
发布频率为 5Hz,配有 SLAM 中使用的 IMU 和里程计传感器.
基于扫地机器人平台,在两种完全不同的场景对算法进行测试,检测其效果.两个场景如图 5 所示.

Fig.5 Laboratory and long corridor scene
图 5 实验室和长走廊场景
其中,实验室场景范围约为 15m×8m,这个场景信息丰富,能产生较多的回环,局部地图不会产生重复,场景大
小与复杂度比较符合家用扫地机器人实际应用的场景.长走廊场景范围约为 12m×63m,这个场景较大而信息简
单,在走廊部分局部信息重复,用于检测评估算法在特殊场景的建图质量.
扫地机器人在真实场景中的测试,因为现有条件无法测得 ground truth,因而使用扫描匹配中约束构建的分
数进行评估,评估指标分为最大值、最小值以及平均值这 3 项.
3.2.1 实验室场景测试与分析
图 6 是扫地机器人在实验室场景扫描建图,保存地图信息后,在 PC 端通过 rviz 软件可视化的 2D 栅格地图.

(a) 激光雷达数据 (b) 激光雷达与 IMU 数据

(c) 激光雷达与里程计数 (d) 3 种传感器数据
Fig.6 Laboratory scene 2D raster map
图 6 实验室 2D 栅格地图

图 6(a)是只含有激光雷达数据的地图,图 6(b)是含有激光雷达与 IMU 数据的地图,图 6(c)是含有激光雷达