本发明专利技术公开一种无依托定位与导航方法、装置及存储介质，方法包括以下步骤：基于同步定位与建图以及惯性导航系统协同构建高精度导航地图；通过多维空间二分算法对所述高精度导航地图分为若干块地图区块，并进行编码，获得每个地图区块内的编码、点云的数量以及中心位置坐标；基于最邻近搜索方法通过对经过处理的高精度导航地图中每个区块进行二次分区和编码获得更高分辨率的栅格并构建索引和邻域遍历进行点云配准；对所述点云配准结果采用基于扩展卡尔曼滤波的多源融合算法进行自适应定位，得到准确的定位结果；解决了大规模场景下地图存储与加载，点云配准算法加速等关键性问题，实现高精度无依托定位；提升了无人驾驶系统的可行驶区域和范围。
【技术实现步骤摘要】
一种无依托定位与导航方法、装置及存储介质
本专利技术属于人工智能与无人驾驶领域，特别涉及一种无依托定位与导航方法、装置及存储介质。
技术介绍
随着人工智能的不断发展和迭代，自主移动智能体对定位的精度，频率，鲁棒性等关键指标要求越来越高。目前的无人驾驶系统大多依赖GPS全球卫星导航系统实现自我定位，然而在无人驾驶系统应用场景中存在大量GPS信号遮挡的环境，例如林荫道路，城市高楼，地下车库等环境，会导致GPS定位漂移甚至丢失，严重影响无人驾驶系统行驶的安全性，因此亟需一种无依托定位方案弥补GPS信号缺失带来的安全隐患，即不依赖任何外部信号(GPS，WIFI，蜂窝移动数据等)提供位姿信息实现无人驾驶平台在自然场景中的自我定位。解决该问题的难点在于以下两个主要方面：1.基于车载传感器实现无依托定位需要存储大量的先验地图，因此地图的存储与加载对计算平台的内存与缓存的需求极高；2.要保证定位结果的实时性与低延迟性，需要整体算法框架的高速并行运行，然而采用传统的CPU/GPU进行加速则必然导致另一个严重问题就是能耗过高。
技术实现思路
为了解决上述问题，本专利技术提供一种无依托定位与导航方法、装置及存储介质，通过对地图数据进行压缩和分区编码实现大规模地图存储和快速索引，同时基于CPU-FPGA异构处理器对整体算法框架进行加速，实现不依赖车载传感器以外的信号源的情况下快速准确，且鲁棒性更好的定位结果输出。为了实现上述目的，本专利技术采用的技术方案是，一种无依托定位与导航方法，包括以下步骤：S100，基于同步定位与建图以及惯性导航系统协同构建高精度导航地图；S200，通过多维空间二分算法对S100所述高精度导航地图进行分区，将所述高精度导航地图分为若干块地图区块，并进行编码，获得每个地图区块内的编码、点云的数量以及中心位置坐标；S300，基于最邻近搜索方法通过对经过S200处理的高精度导航地图中每个区块进行二次分区和编码获得更高分辨率的栅格并构建索引和邻域遍历进行点云配准；S400，对S300所得点云配准结果采用基于扩展卡尔曼滤波的多源融合算法进行自适应定位，得到准确的定位结果。S100具体步骤如下：S101，依次通过同步定位与建图中激光雷达帧间匹配、回环检测以及图优化算法对GPS信号遮挡区域的地图进行矫正，获得高精度点云地图以及高精度点云地图中的无人驾驶平台的轨迹信息，S102，基于S101所构建的高精度点云地图，以所述轨迹信息中包含的高程作为依据对高精度点云地图进行地面滤波处理；将无人驾驶平台轨迹中高程低于设定阈值的高精度点云地图中的点进行过滤，得到高精度导航地图。S200中，保存有效地图区块的编码、点云数量以及地图区块中心位置坐标。S300具体如下：对高精度导航地图进行二次分区和编码，得到分辨率更高的地图栅格及对应的编码，建立从分辨率更高的编码至所述地图上个的映射，即得到邻域数据索引；将激光雷达数据转换以相同方式进行编码得到与其位置对应的地图栅格，依照预处理过程中建立的映射关系获得实际地图栅格中的点云数据。S300中，对地图栅格数据进行预先缓存，邻域遍历时使用乱序执行，先处理已经缓存的地图栅格。S400中，对S300所得配准结果采用基于扩展卡尔曼滤波的多源融合算法，结合实车运动特性，选择合适的运动学模型进行位姿预测，实现激光雷达和IMU、轮速以及方向盘转角车载传感器所得数据的融合；在结构化道路区域，通过将相机提供的图像数据与高精度语义地图进行车道线特征配准，实现对车辆姿态的矫正，得到准确的定位结果。一种无依托定位与导航装置，包括车身传感器、车载摄像机、车载激光雷达、处理器以及存储器，存储器与处理器通过I/O接口连接，车身传感器、车载摄像机和车载激光雷达连接处理器的输入端，存储器用于存储计算机可执行程序，处理器包括CPU和FPGA，CPU与FPGA连接组成CPU-FPGA异构处理器，CPU控制对FPGA内部控制寄存器、状态寄存器以及配准结果寄存器的读写，用于实现CPU对FPGA点云配准单元的配置以及配准信息与统计信息的读取；CPU控制直接存储访问单元，将高精度导航地图与激光雷达扫描实时点云数据加载至FPGA内部缓存；所述异构处理器在执行所述计算机可执行程序时，能够执行权利要求1-6所述的定位与导航方法。所述异构处理器执行步骤100时，CPU基于同步定位与建图以及惯性导航系统协同构建高精度导航地图；同时将所述高精度导航地图传输至存储器；执行S200时，CPU通过多维空间二分算法对高精度导航地图进行分区，将所述高精度导航地图分为若干块地图区块，并进行编码，获得每个地图区块内的编码、点云的数量以及中心位置坐标；并将每个地图区块内的编码、点云的数量以及中心位置坐标发送至存储器；执行S300时，FPGA基于最邻近搜索方法通过对高精度导航地图构建索引和邻域遍历进行点云配准，并将配准结果发送至CPU；执行S400时，CPU对S300所得点云配准结果采用基于扩展卡尔曼滤波的多源融合算法进行自适应定位，得到准确的定位结果。所述异构处理器执行S300时，FPGA对高精度导航地图进行二次分区和编码，得到分辨率更高的地图栅格及对应的编码，建立从分辨率更好的编码至所述地图上个的映射，即得到邻域数据索引；将激光雷达数据转换以相同方式进行编码得到与其位置对应的地图栅格，依照预处理过程中建立的映射关系获得实际地图栅格中的点云数据；对地图栅格数据进行预先缓存，邻域遍历时使用乱序执行，先处理已经缓存的地图栅格。一种计算机可读存储介质，计算机可读存储介质中存储有计算机程序，所述计算机程序被处理器执行时，能实现本专利技术所述的无依托定位与导航方法。与现有技术相比，本专利技术至少具有以下有益效果：通过对地图进行多分辨率的分区与编码有效提升局部最近邻地图区块动态加载与最近邻点搜索算法执行的效率，避免了大量重复计算造成的资源浪费，同时由于地图区块编码相对于点云序列占用的带宽几乎可以忽略，解决大规模场景下地图存储与加载，点云配准算法加速的关键性问题，实现了一种高频率(100Hz以上)，高精度(厘米级)、低功耗且鲁棒性更好的定位方案，本专利技术在GPS信号是否良好的环境下都表现出相同的性能，解决因GPS信号遮挡引起的定位抖动，漂移等问题，很大程度上拓宽了无人驾驶系统的“可行驶区域”，极大的提升了无人驾驶系统的可行驶区域和范围，为无人驾驶系统实现安全行驶提供重要支撑。本专利技术所述装置中处理器采用CPU-FPGA异构处理，在FPGA内部通过对地图区块进行二次编码有效降低CPU与FPGA模块之间通信带宽需求，可以将更多的带宽资源提供给实时点云序列的通信，避免了由于带宽不足造成的数据阻塞，CPU对车辆运动信息、激光雷达原始数据以及惯性测量单元(IMU)原始数据预处理并传输至FPGA，FPGA进行点云配准计算后，将配准结果返回至CPU，同时，在计算平台功耗上也表现出极大的优势，平台总功率约5W，同样算法在CPU上实本文档来自技高网...
【技术保护点】
1.一种无依托定位与导航方法，其特征在于，包括以下步骤：/nS100，基于同步定位与建图以及惯性导航系统协同构建高精度导航地图；/nS200，通过多维空间二分算法对S100所述高精度导航地图进行分区，将所述高精度导航地图分为若干块地图区块，并进行编码，获得每个地图区块内的编码、点云的数量以及中心位置坐标；/nS300，基于最邻近搜索方法通过对经过S200处理的高精度导航地图中每个区块进行二次分区和编码获得更高分辨率的栅格并构建索引和邻域遍历进行点云配准；/nS400，对S300所得点云配准结果采用基于扩展卡尔曼滤波的多源融合算法进行自适应定位，得到准确的定位结果。/n
【技术特征摘要】
1.一种无依托定位与导航方法，其特征在于，包括以下步骤：
S100，基于同步定位与建图以及惯性导航系统协同构建高精度导航地图；
S200，通过多维空间二分算法对S100所述高精度导航地图进行分区，将所述高精度导航地图分为若干块地图区块，并进行编码，获得每个地图区块内的编码、点云的数量以及中心位置坐标；
S300，基于最邻近搜索方法通过对经过S200处理的高精度导航地图中每个区块进行二次分区和编码获得更高分辨率的栅格并构建索引和邻域遍历进行点云配准；
S400，对S300所得点云配准结果采用基于扩展卡尔曼滤波的多源融合算法进行自适应定位，得到准确的定位结果。
2.根据权利要求1所述的无依托定位与导航方法，其特征在于，S100具体步骤如下：
S101，依次通过同步定位与建图中激光雷达帧间匹配、回环检测以及图优化算法对GPS信号遮挡区域的地图进行矫正，获得高精度点云地图以及高精度点云地图中的无人驾驶平台的轨迹信息，
S102，基于S101所构建的高精度点云地图，以所述轨迹信息中包含的高程作为依据对高精度点云地图进行地面滤波处理；将无人驾驶平台轨迹中高程低于设定阈值的高精度点云地图中的点进行过滤，得到高精度导航地图。
3.根据权利要求1所述的无依托定位与导航方法，其特征在于，S200中，保存有效地图区块的编码、点云数量以及地图区块中心位置坐标。
4.根据权利要求1所述的无依托定位与导航方法，其特征在于，S300具体如下：
对高精度导航地图进行二次分区和编码，得到分辨率更高的地图栅格及对应的编码，建立从分辨率更高的编码至所述地图上个的映射，即得到邻域数据索引；
将激光雷达数据转换以相同方式进行编码得到与其位置对应的地图栅格，依照预处理过程中建立的映射关系获得实际地图栅格中的点云数据。
5.根据权利要求4所述的无依托定位与导航方法，其特征在于，S300中，对地图栅格数据进行预先缓存，邻域遍历时使用乱序执行，先处理已经缓存的地图栅格。
6.根据权利要求1所述的无依托定位与导航方法，其特征在于，S400中，对S300所得配准结果采用基于扩展卡尔曼滤波的多源融合算法，结合实车运动特性，选择合适的运动学模型进行位姿预测，实现激光雷达和IMU、轮速以及方向盘转角车载传感器所得数据的融合；在结构化道路区域，通过将相机提供的图像数据与高精度语...
【专利技术属性】
技术研发人员：郑南宁，夏超，杨岳东，沈艳晴，陈仕韬，
申请(专利权)人：西安交通大学，
类型：发明
国别省市：陕西;61
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。