一种面向高级自动驾驶的V2X和激光点云配准的车辆融合定位方法技术

一种面向高级自动驾驶的V2X车联网和单车激光雷达点云特征匹配与融合的车辆融合定位方法，无人驾驶车辆通过激光雷达实时获取周围环境信息，同时与现有的高精度地图进行特征匹配实现车辆在车道上的局部定位。车辆与路侧LTE信号基站之间通过LTE‑V2X车联网技术以及无线定位技术实现车辆的定位。通过充分融合两种定位方式，实现更加精准的车路协同定位。本发明专利技术充分利用了单车智能中激光雷达高精度地图特征匹配定位技术特点以及车路无线通信定位优势，可以有效实现无人驾驶车辆在弱卫星信号覆盖区域的定位问题，以及达到高级自动驾驶的目标。

【技术实现步骤摘要】
一种面向高级自动驾驶的V2X和激光点云配准的车辆融合定位方法
本专利技术专利涉及无人驾驶车辆定位系统和车路无线通信
中融合定位方法，用以实现解决弱信号区域的车辆局部相对定位的问题，以及促进高级自动驾驶的发展。
技术介绍
无人驾驶技术是近年来智能交通发展的重要前沿领域，其中包含了感知定位，路径规划，决策控制等部分组成。无人驾驶车辆需要提供精确的定位信息来实现安全正确的行驶。无人驾驶定位技术主要通过集成GNSS，IMU，车载摄像头，超声波雷达，激光雷达等传感器来获得车辆的厘米级位置信息。当前主流的无人驾驶定位技术主要由三种：一种是基于GNSS全球卫星定位系统，通过一组卫星的伪距，星历等信息实现车辆的全局定位。一种是基于航迹推算的定位方法，主要是通过车载惯性传感器IMU以及里程计，根据上一时刻的位姿推断得到下一时刻的位姿信息，该方法存在累积误差。最后是基于环境特征匹配的方法，主要通过车载激光雷达实时扫描周围环境信息，通过已有的精准高精度地图与之进行特征匹配，从而得到精确的局部信息。该方法优点明显，能够实现获取厘米级的定位信息。目前使用的本文档来自技高网...

【技术保护点】
1.一种面向高级自动驾驶的V2X和激光点云配准的车辆融合定位方法，其特征在于：通过下述步骤实现：/n步骤一、利用LTE-V2X车联网技术实现无人车初步定位；/nA、首先在弱6NSS信号区域合理部署路侧LTE信号基站的数量与位置，使得车辆在运行过程中始终至少处于3个路侧LTE信号基站的良好通信范围内，无人车作为移动节点行驶于道路中，路侧LTE信号基站作为固定定位基站；/nB、无人车发送定位请求request并且标记发送时间，然后路侧LTE信号基站接收到无人车发来的定位请求之后，标记请求到达时间，接着计算发送与到达的时间差t

【技术特征摘要】
1.一种面向高级自动驾驶的V2X和激光点云配准的车辆融合定位方法，其特征在于：通过下述步骤实现：
步骤一、利用LTE-V2X车联网技术实现无人车初步定位；
A、首先在弱6NSS信号区域合理部署路侧LTE信号基站的数量与位置，使得车辆在运行过程中始终至少处于3个路侧LTE信号基站的良好通信范围内，无人车作为移动节点行驶于道路中，路侧LTE信号基站作为固定定位基站；
B、无人车发送定位请求request并且标记发送时间，然后路侧LTE信号基站接收到无人车发来的定位请求之后，标记请求到达时间，接着计算发送与到达的时间差t1，以及请求处理时间t2，然后向无人车发送定位处理消息，无人车接收到定位处理消息之后标记消息到达时间，所以由此可知，无人车从发送请求到接收到处理信息所经历了时间为：
t3＝2t1+t2(1)
车辆发送请求到路侧LTE信号基站的时间t1为：



由于晶振频率收到石英晶体漂移的影响，导致计时系统存在误差，车辆发送请求到路侧LTE信号基站接收到请求的时间t4为：



其中e1，e2分别表示车辆与路侧LTE信号基站的晶振漂移误差，
C：无人车近似处于二维平面，其位置假设为(x，y)，并且与路侧LTE信号基站处于视距状态，无人车发送定位请求信号到路侧LTE信号基站接收得到的时间为t4，利用TOA测距算法以及三边定位算法计算得到无人车在车道的位置信息：



其中c为无线信号传播速率，(xi，yi)为路侧LTE信号基站的位置坐标，
步骤二、无人车基于激光雷达高精度地图匹配技术实现定位；
A：固态激光雷达布置于无人车车轴中心车顶处，激光雷达获取周围环境激光点云数据，并对数据进行处理，车辆通过获取GPS信号来判断是否需要进行特征匹配定位技术，当GPS信号低于阈值的时候，则采用特征匹配定位技术来弥补6PS信号差的问题，高精度地图匹配定位主要采用ndt配准算法实现，具体步骤如下：激光雷达实时获取周围环境的激光点云数据，由于采用固态激光雷达，所以每一帧获取的激光点云数据的空间范围为以激光雷达为中心的锥形，在整个特征匹配过程中需要将全局高精度地图作为ndt配准算法的目标点云，并且对其进行网格化处理，将开始进行特征匹配定位的时刻记为t，此后获取的每一帧原始环境激光点云数据需要去除距离车体较近与较远的激光点集，然后利用体素滤波过滤剩下的激光点云数据，在保持点云统计特征的情况下降低激光点云数据集的尺寸，最后将降采样后的过滤点云作为ndt配准算法的输入源点云；
B：对于全局目标点云，划分好网格之后，将点云加载到网格内，然后计算每一个网格内的正态分布概率密度函数pdfi，首先计算均值向量然后计算协方差矩阵∑，最后通过均值向量和协方差矩阵求出每一个网格内的正态分布概率密度函数pdfi，由于需要用到协方差矩阵的逆矩阵，所以格子内不少于三个点，一般至少要保证有5个点，计算公式如下：









C：此时需要求出输入源点云点云相对于目标点云的初始坐标变换参数，坐标变换通常涉及到平移与旋转，平移通过平移向量表示，旋转通过旋转矩阵表示，旋转是关于xyz三个固定轴的旋转，转角由rpy表示，记该时刻下扫描到的激光点的坐标为激光点相对于全局目标点云的坐标为通过坐标变换公式可以将当前帧扫描的激光点云坐标映射到全局目标点云：
X′＝R3×3X...

【专利技术属性】
技术研发人员：段续庭，姜航，田大新，周建山，赵元昊，林椿眄，郑坤贤，
申请(专利权)人：北京航空航天大学，
类型：发明
国别省市：北京;11