摘要
定位与建图是移动机器人对所处环境的感知与理解，也是机器人自主完成作业任
务的必要前提。为满足在室内场景下机器人定位与建图的精度要求，本文提出了一种
激光-视觉融合的方法，并借助室内场景特有的BIM信息，完成移动机器人在室内场
景的高精度定位与三维重建。本文首先是对激光-视觉的特征进行实时提取，提取图像
语义信息并对点云进行聚类处理，对二者传感器坐标系进行标定；然后由聚类后的特
征点云解算激光里程计，并完成移动机器人在BIM下的绝对定位，将其结果以卡尔曼
滤波的方式融入激光里程计；接着利用图像语义信息对激光里程计做回环优化，消除
累积误差；最后对图像语义轮廓进行拟合提取并投影至全局地图，对重建后的点云进
行平面提取以及边界拟合，得到室内高精度三维模型。具体为以下四部分内容：
（1）针对视觉图像及激光点云的数据特征，提出了一种实时特征提取及融合的方
法。首先通过优化后的轻量级语义分割网络对图像进行推理，其次是对去畸变后的点
云数据做有序化投影，对有序化的点云进行地面点提取及聚类，用于后续的里程计解
算，最后根据雷达与相机的运动关系解算外参矩阵，以其作为精准标定的初始值。
（2）针对移动机器人全局位姿求解，提出了一种融合BIM定位信息的全局里程
计求解方法。首先对BIM数据进行点云化处理，由激光雷达获取环境点云与之匹配，
确定机器人在BIM下的绝对定位，然后利用聚类点云提取特征点，组成局部平面块，
通过隐式移动最小二乘法建立局部平面块的距离代价函数并对此进行迭代优化，求解
里程计信息，最后将机器人在BIM下的定位结果融入全局里程计中。
（3）针对移动机器人在长时间运动下位姿漂移的问题，提出了一种基于图像语义
回环检测的激光里程计优化方法。首先提出了一种基于相邻帧欧式距离确定回环候选
帧的方法，并依据图像语义向量的巴氏距离确定回环帧，然后建立回环帧间的距离代
价函数并求解回环约束位姿，最后通过GTSAM库构建里程计的全局因子图，以因子
图约束的方式将回环约束位姿融入全局因子图，实现里程计的全局优化。
（4）对于图像语义标志物，检测其轮廓边缘，以直线逼近的方式对其进行优化，
并通过点对点投影的方式获取其轮廓的三维坐标信息；对于根据里程计信息拼接而来
的点云地图，通过基于区域生长算法提取点云地图中的平面信息，并以室内典型环境
做出约束假设，提取平面的线性边界，最终得到室内的三维尺寸模型。
关键词：移动机器人；激光-视觉融合；绝对定位；里程计求解及优化；高精度
三维模型
I
II
ABSTRACT
Positioningandmappingaretheperceptionandunderstandingoftheenvironmentto
mobilerobots,andalsothenecessaryprerequisiteforrobotstocompletetasksindependently.
Inordertomeettheaccuracyrequirementsofrobotpositioningandmappinginindoorscenes,
thispaperproposesalaser-visionfusionmethod,andcompleteshigh-precisionpositioning
and3DreconstructionofmobilerobotsinindoorsceneswiththehelpoftheuniqueBIM
informationofindoorscenes.Inthispaper,firstly,thefeatureoflaser-visionisextractedin
realtime,thesemanticinformationofimageisextracted,thepointcloudisclustered,andthe
sensorcoordinatesystemiscalibrate