【技术实现步骤摘要】
一种用于自动驾驶场景的多传感器融合定位方法
本专利技术属于自动驾驶领域,特别涉及一种用于自动驾驶场景的多传感器融合定位方法。
技术介绍
高精度定位是自动驾驶领域的重要研究课题,目前常用高精度组合导航、多线激光雷达、摄像等传感器结合高精度地图实现车道级定位,主要采用卡尔曼滤波、粒子滤波、SLAM(即时定位与地图构建)等融合定位算法。其中常规的卡尔曼滤波算法需要价格昂贵的高精度RTK(实时动态测量技术)和IMU,在高架桥、隧道等GPS信号不稳定地方,其定位精度较低;现有的粒子滤波算法需要借助深度学习模块检测道路标志,将其与先验地图中的道路特征匹配,更新模型参数;SLAM算法在车辆快速运行的高速公路上鲁棒性较低,此外其需要高性能的计算平台。所以,在现有技术中没有一种适用于车辆自动驾驶的既经济又能够精准定位的方法。
技术实现思路
专利技术目的:本专利技术针对现有技术存在的问题,提出了一种不仅经济又能够对车辆进行准确定位的用于自动驾驶场景的多传感器融合定位方法。技术方案:为实现上述目的,本专利技术提供了一种用于自动驾驶场景的多传感器融合定位方法,包括以下步骤:步骤1,车载传感器实时采集车辆的行驶信息;其中,车辆的行驶信息包括,车辆所在的经纬度、车辆的速度信息、航向信息、车辆所在的车道和车辆与所在车道的中心线之间的距离;步骤2,在矢量地图上以步骤1采集到的车辆所在的经纬度为圆心,GPS定位偏差为半径做圆;并在圆内根据高斯分布设置粒子群;其中,矢量地图中含有车道线、车道宽度、车道航向角的 ...
【技术保护点】
1.一种用于自动驾驶场景的多传感器融合定位方法,其特征在于包括以下步骤:/n步骤1,车载传感器实时采集车辆的行驶信息;其中,车辆的行驶信息包括,车辆所在的经纬度、车辆的速度信息、航向信息、车辆所在的车道和车辆与所在车道的中心线之间的距离;/n步骤2,在矢量地图上以步骤1采集到的车辆所在的经纬度为圆心,GPS定位偏差为半径做圆;并在圆内根据高斯分布设置粒子群;其中,矢量地图中含有车道线、车道宽度、车道航向角的信息;/n步骤3,将传感器采集的航向信息、速度信息和步骤2中设置的粒子群中每个粒子的位置信息加入高斯噪声后输入到第一恒定转率和速度运行模型中,第一恒定转率和速度模型输出每个粒子的状态信息,其中每个粒子的状态值包括每个粒子在UTM坐标系下的坐标值和每个粒子的航向信息;/n步骤4,将不在车辆所在车道内的粒子的权重值设置为0;再分别计算剩下粒子点的权重值;/n步骤5,将步骤3获得每个粒子的状态信息和步骤4获得每个粒子的权重值通过加权平均法求出车辆的位置信息。/n
【技术特征摘要】
1.一种用于自动驾驶场景的多传感器融合定位方法,其特征在于包括以下步骤:
步骤1,车载传感器实时采集车辆的行驶信息;其中,车辆的行驶信息包括,车辆所在的经纬度、车辆的速度信息、航向信息、车辆所在的车道和车辆与所在车道的中心线之间的距离;
步骤2,在矢量地图上以步骤1采集到的车辆所在的经纬度为圆心,GPS定位偏差为半径做圆;并在圆内根据高斯分布设置粒子群;其中,矢量地图中含有车道线、车道宽度、车道航向角的信息;
步骤3,将传感器采集的航向信息、速度信息和步骤2中设置的粒子群中每个粒子的位置信息加入高斯噪声后输入到第一恒定转率和速度运行模型中,第一恒定转率和速度模型输出每个粒子的状态信息,其中每个粒子的状态值包括每个粒子在UTM坐标系下的坐标值和每个粒子的航向信息;
步骤4,将不在车辆所在车道内的粒子的权重值设置为0;再分别计算剩下粒子点的权重值;
步骤5,将步骤3获得每个粒子的状态信息和步骤4获得每个粒子的权重值通过加权平均法求出车辆的位置信息。
2.根据权利要求1所述的用于自动驾驶场景的多传感器融合定位方法,其特征在于:所述步骤1中采用多种传感器,每种传感器的数据源不同。
3.根据权利要求1所述的用于自动驾驶场景的多传感器融合定位方法,其特征在于:所
述步骤2中GPS定位偏差通过公式计算获得,其中,λ为GPS定位偏
差,η表示GPS定位精度,θ为收到星数,h为水平精度因子,β的取值范围在0.55~0.65,σ为稳
定系数,μ为水平精度系数。
4.根据权利要求1所述的用于自动驾驶场景的多传感器融合定位方法,其特征在于:所述步骤4中粒子点的权重值获取方法,包括以下步骤:
步骤401,根据公式:
Δd
i
=d
c
-d
i
p
;
Δyaw
i
=yaw
c
+yawir-yawip;
分别计算粒子群中每个粒子在车道中位置差值和航向差值;其中,Δdi表示第i个粒子的位置差值,dc表示Camera输出当前车辆距离车道中心线的距离偏差,dip表示第i个粒子的距离车道中心线的距离偏差,Δyawi表示第i个粒子的航向角差值,yawc表示Camera输出的当前车辆与车道的航向角的偏差,yawir表示第i个粒子所在车道的道路的航向角,yawip表示第i个粒子的航向角;
步骤402,将步骤401获得的每个粒子在车道中的位置差值和航向差值代入概率密度函数,经过归一化后得到每个粒子点的权重...
【专利技术属性】
技术研发人员:李赵,刘心刚,袁瑞廷,张旸,陈诚,刘洁,
申请(专利权)人:奥特酷智能科技南京有限公司,
类型:发明
国别省市:江苏;32
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。