1、近年來室內(nèi)無人駕駛技術(shù)成為人們的研究熱點，而如何準確地定位是室內(nèi)無人駕駛技術(shù)中的關(guān)鍵。無人車的室內(nèi)定位技術(shù)中，基于標簽式定位方法較為穩(wěn)定且精度相對較高。常作為標簽式的定位方法有WiFi、射頻和超聲波方法。其中，WiFi和射頻都是基于計算信號強度的方式，存在著信號易受到干擾，覆蓋范圍小和定位精度低的缺點。而超聲波方式雖然有較高的定位精度，但是定位距離近，需要大量的底層設(shè)備，成本高。二維碼和角點標簽簡單易用，易于維護，視覺和激光能夠提供較高

2、的定位精度。為此，本文將基于視覺的二維碼和基于激光的角點標簽定位結(jié)合，設(shè)計實現(xiàn)了基于二維碼和角點標簽的無人小車室內(nèi)定位系統(tǒng)，有效地解決無人小車行駛過程中路徑定位不準確的問題。
　　根據(jù)室內(nèi)定位系統(tǒng)的研究目標，設(shè)計無人小車室內(nèi)定位系統(tǒng)方案。搭建無人小車實驗硬件平臺，包括激光雷達、攝像頭、IMU和編碼器的選型安裝。完成無人小車室內(nèi)定位系統(tǒng)的軟件設(shè)計，包括傳感器設(shè)備與無人小車室內(nèi)定位系統(tǒng)進行數(shù)據(jù)交互的信息獲取模塊、無人小車室內(nèi)定位系統(tǒng)與

3、人員交互的人機交互模塊、無人小車室內(nèi)定位系統(tǒng)的定位模塊和小車的控制模塊。
　　接著，在定位模塊的設(shè)計中，選用EKF-SLAM算法作為主體定位算法，進行了推導(dǎo)和證明，使用攝像頭結(jié)合PnP算法識別二維碼標簽的位置信息，構(gòu)建擴展卡爾曼的觀測模型。根據(jù)PnP算法原理，需要無人小車在第一次檢測到二維碼標簽時，計算二維碼標簽的世界坐標，方便無人小車后續(xù)定位中的匹配識別。所以本文提出使用攝像頭結(jié)合激光雷達計算二維碼的世界坐標，并進行了理論推導(dǎo)和

4、證明。對基于二維碼標簽的EKF-SLAM系統(tǒng)進行了仿真驗證，驗證了二維碼標簽定位的可行性。
　　為了增加無人小車室內(nèi)定位系統(tǒng)路標標簽數(shù)量，提升室內(nèi)定位系統(tǒng)的穩(wěn)定性，本課題將房屋內(nèi)的角點也作為路標標簽，使用激光雷達檢測角點，利用RANSAC算法提升直線的擬合精度，求出角點標簽。
　　最后，改造無人電動小車的控制器，將二維碼標簽和角點標簽結(jié)合在一起，對基于二維碼標簽和角點標簽的EKF-SLAM室內(nèi)定位算法進行實驗驗證，驗證了本課