【技术实现步骤摘要】
一种基于小波神经网络的视觉惯性卫星紧耦合定位方法
本专利技术属于无人驾驶多传感器数据融合
技术介绍
在复杂的道路交通环境下，无人车必须具备实时、全面、准确的定位特性，其定位误差不能超过10cm，如果仍然使用单一的定位方式，无法适用于所有的场景，达到理想的定位效果。所以基于传感器融合的定位方法是现在定位技术研究的主要方向。卫星惯导组合系统是目前应用最广泛的定位系统。但是为了满足无人车厘米级的定位要求，需要使用高性能的惯性测量单元(IMU)，限制了自主导航的发展。加入视觉里程计(VO)辅助定位，可以降低对IMU精度的要求，适合无人车低成本的发展趋势。然而，全球导航卫星系统定位(GNSS)易受到干扰和遮挡，影响GNSS/IMU/VO定位精度。目前，卫星惯导组合导航系统主要采用基于位置或基于速度的松组合导航方式。在松组合方式下，卫星和惯导各自保持独立工作状态。该组合方式实现简单，应用广泛，但是无法很好地解决信号缺失的问题。当无人车经过丛林高山或者在城市环境中受到遮挡时，很容易导致有效卫星少于4颗，此时卫星导航无法提...
【技术保护点】
1.一种基于小波神经网络的视觉惯性卫星紧耦合定位方法，其特征在于，具体包括如下步骤：/n步骤一：在载体上安装双目摄像机VO、惯性传感器IMU和GNSS接收机，组成定位系统；/n步骤二：对系统进行初始化，将VO坐标系和IMU坐标系均转换到GNSS的世界坐标系下，并将VO、IMU和GNSS采集的数据进行时间同步；/n步骤三：跟踪第k时刻图像帧中的FAST特征点，从而得到第k+1时刻图像帧中的FAST特征点；/n步骤四：基于相邻两帧图像之间的FAST特征点，计算该相邻两帧图像之间的VO重投影误差；/n步骤五：对第k时刻与第k+1时刻之间IMU测得数据进行预积分，得到IMU误差传递...
【技术特征摘要】
1.一种基于小波神经网络的视觉惯性卫星紧耦合定位方法，其特征在于，具体包括如下步骤：
步骤一：在载体上安装双目摄像机VO、惯性传感器IMU和GNSS接收机，组成定位系统；
步骤二：对系统进行初始化，将VO坐标系和IMU坐标系均转换到GNSS的世界坐标系下，并将VO、IMU和GNSS采集的数据进行时间同步；
步骤三：跟踪第k时刻图像帧中的FAST特征点，从而得到第k+1时刻图像帧中的FAST特征点；
步骤四：基于相邻两帧图像之间的FAST特征点，计算该相邻两帧图像之间的VO重投影误差；
步骤五：对第k时刻与第k+1时刻之间IMU测得数据进行预积分，得到IMU误差传递模型，利用该模型对相邻两时刻之间IMU测得数据进行噪声处理，从而计算出相邻两个时刻之间IMU的惯性残差；
步骤六：根据步骤四中的重投影误差和步骤五中的惯性残差，计算得到第k+1时刻时载体位置的估计值；
步骤七：判断GNSS信号是否被遮挡，若否，则根据第k时刻载体位置估计值和第k+1时刻载体位置估计值之差，设置GNSS接收机搜索的频域范围，GNSS接收机在设置的频域范围内对卫星信号进行三维搜索，测得第k+1时刻载体的位置信息，并且以GNSS接收机测得的载体的位置信息与载体实际位置之间的残差、IMU的惯性残差和VO的重投影误差的三者之和最小为目标，建立优化函数，并求解该函数得到第K+1时刻时载体位置的最优估计值；若GNSS信号被遮挡，则转步骤八；
步骤八：将第k时刻和第k+1时刻之间的VO重投影误差与IMU惯性残差之和输入至训练好的小波神经网络中，从而得到第k+1时刻载体位置估计值的修正量，并基于该修正量调整第k+1时刻时载体位置的估计值，从而得到第k+1时刻时载体位置的最优估计值；所述训练好的小波神经网络具体为：在GNSS信号没有被遮挡的情况下，采集n组相邻两个时刻之间的VO重投影误差和IMU惯性残差，将第q组重投影误差和第q组惯性残差之和作为小波神经网络的输入向量，将第q组重投影误差和第q组惯性残差对应的载体位置估计值与载体位置实际值之差作为第q组修正量，并将该修正量作为小波神经网络的输出向量，q＝1，2，…n，基于粒子群算法，对小波神经网络进行...
【专利技术属性】
技术研发人员：高唱，曾庆喜，陈则王，吕查德，阚宇超，
申请(专利权)人：南京航空航天大学，
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。