一种基于多传感器信息融合的智能车定位方法技术

本发明专利技术公开了一种基于多传感器信息融合的智能车定位方法，能够有效避免单纯依赖GPS定位产生的漂移现象，从而提高车辆的定位精度。通过对雷达数据和编码器数据进行处理，采用同步定位与地图构建方法(SLAM)得到车辆在局部地图中的位置，通过GPS定位获得车辆在经纬度系统中的位置，并将二者通过坐标转换统一到大地坐标系下，再使用卡尔曼滤波器对上述两种位置信息做融合处理，获得车辆位置的精确估计。本发明专利技术基于车载的编码器、激光雷达、GPS来实现车辆精准的全局定位。

【技术实现步骤摘要】
一种基于多传感器信息融合的智能车定位方法
本专利技术涉及智能车定位方法领域，具体是一种基于多传感器信息融合的智能车定位方法。
技术介绍
智能车自主驾驶或辅助驾驶的前提之一就是要准确知道自己的位置。当前智能车自主驾驶或辅助驾驶领域，使用最多的定位方法是基于GPS定位，或者GPS与里程计融合进行定位。单独使用GPS设备来定位，由于设备本身的误差，定位往往会出现漂移现象，同时在某些场合，比如隧道、高楼林立的市区，GPS信号会迅速减弱甚至丢失。GPS与里程计融合定位，在GPS信号弱时会更倾向使用里程计来推算定位，进而减少纯靠GPS定位引发的误差，但是由于里程计在车辆行驶过程中会有累积误差和漂移，里程计推算定位同样不精准。本专利技术使用同步定位与地图构建技术，使用雷达数据对里程计数据进行校正，得到智能车局部的位置估计，再结合GPS定位，通过坐标转换和卡尔曼滤波，将二者进行融合，得到精准的智能车位置估计。相对于GPS与里程计融合定位，本专利技术能够更好地完成智能车的定位，为智能车的自动驾驶或辅助驾驶提供保障。
技术实现思路
本专利技术的目的是提供一种基于多传感器信息融合的智能车定位方法，以解决现有技本文档来自技高网...

【技术保护点】
一种基于多传感器信息融合的智能车定位方法，其特征在于：包括以下步骤：（1）、基于智能车的光电编码器和激光雷达采集的数据，并利用同步定位与地图构建方法（SLAM）得到智能车在SLAM方法构建的局部地图中的位置信息；（2）、通过智能车的GPS定位获得智能车在WGS‑84坐标系中的位置信息；（3）、将步骤（1）和步骤（2）得到的智能车在局部地图坐标系中、WGS‑84坐标系中的位置信息通过坐标转换统一在大地坐标系中；（4）、基于步骤（3）的坐标转换过程，采用卡尔曼滤波技术将步骤（1）得到的智能车的位置信息、步骤（2）得到的智能车的位置信息进行融合，得到智能车精准的位置估计。

【技术特征摘要】
1.一种基于多传感器信息融合的智能车定位方法，其特征在于：包括以下步骤：（1）、基于智能车的光电编码器和激光雷达采集的数据，并利用同步定位与地图构建方法（SLAM）得到智能车在SLAM方法构建的局部地图中的位置信息；（2）、通过智能车的GPS定位获得智能车在WGS-84坐标系中的位置信息；（3）、将步骤（1）和步骤（2）得到的智能车在局部地图坐标系中、WGS-84坐标系中的位置信息通过坐标转换统一在大地坐标系中；（4）、基于步骤（3）的坐标转换过程，采用卡尔曼滤波技术将步骤（1）得到的智能车的位置信息、步骤（2）得到的智能车的位置信息进行融合，得到智能车精准的位置估计。2.根据权利要求1所述的一种基于多传感器信息融合的智能车定位方法，其特征在于：步骤（1）的具体过程如下：（1.1）、以智能车启动时车体中心为原点Oo，沿车前进方向为Xo轴方向，垂直Xo轴指向车体左侧为Yo轴方向，Zo轴垂直向上建立里程计坐标系；由于只考虑智能车在水平面内运动且没有俯仰和翻滚动作，因此Z轴坐标始终为0且只有偏航角的变化，因此可以得到智能车的位姿模型(x,y,θ)；通过智能车后轮左、右轮的光电编码器，推算智能车里程计信息，具体过程如下：（1.1.1）、0时刻，智能车在里程计坐标系中的位姿(x0,y0,θ0)为(0,0,0)；（1.1.1）、单位采样时间内，在里程计坐标系下，车轮位置的增量ΔS可以通过以下公式得到：其中ΔQ为光电码盘输出的脉冲增量，D为车轮直径，Ts为采样时间，N为光电码盘上的光栅总数，K为光电编码器减速率；（1.1.2）、左右轮之间的距离为ω，单位采样时间内左、右轮位置的增量分别为ΔSL和ΔSR，则汽车从k–1时刻Sk-1=(xk-1,yk-1,θk-1)到k时刻Sk=(xk,yk,θk)的位姿变化为（1.1.3）、使用上述方法可以累积得到时刻k智能车的里程计信息；（1.2）、通过车载激光雷达获得并记录时刻k智能车周边环境的观测信息；（1.3）、建立与里程计坐标系同原点同轴的局部地图坐标系，并在局部地图坐标系下通过SLAM算法来进行构图和定位；通过步骤（1.1）得到的里程计信息作为SLAM算法的控制输入信息，通过步骤（1.2）得到的雷达扫描信息作为SLAM算法观测信息，使用一种基于粒子滤波器的SLAM算法得到智能车在地图坐标系下的优化位姿，同时根据优化后的位姿将k时刻智能车周边的障碍物信息加入到局部地图中。3.根据权利要求2所述的一种基于多传感器信息融合的智能车定位方法，其特征在于：步骤（1.3）中，使用粒子滤波器进行优化以得到智能车的更优位姿与地图时，智能车当前时刻的位姿根据前一时刻的位姿来推算得到的；知道k-1时刻智能车的位姿xk-1，k时刻的控制信息即里程计信息uk，k时刻的观测信息zk，估计...

【专利技术属性】
技术研发人员：祝辉，邓炯，余彪，梁华为，
申请(专利权)人：中国科学院合肥物质科学研究院，
类型：发明
国别省市：安徽,34