高精度的数字孪生场景中的激光融合定位方法技术

本发明专利技术公开了一种高精度的数字孪生场景中的激光融合定位方法，其包括：利用绝对定位的传感器数据与预存的数字孪生场景仿真地图进行匹配计算，得到当前时刻的观测绝对位姿及其协方差；获取上一时刻的实际绝对位姿及其协方差；根据用于相对定位的传感器数据计算得到当前时刻相对于上一时刻的相对位姿及其协方差；基于上一时刻的实际绝对位姿及其协方差，结合当前时刻相对于上一时刻的相对位姿及其协方差，计算得到当前时刻的预测绝对位姿及其协方差；将当前时刻的观测绝对位姿及其协方差和预测绝对位姿及其协方差融合，得到当前时刻的实际绝对位姿及其协方差。本发明专利技术实现了定位方法的高精度，高鲁棒性，高可扩展性以及高时效性等特点。效性等特点。效性等特点。

【技术实现步骤摘要】
高精度的数字孪生场景中的激光融合定位方法


[0001]本专利技术涉及移动机器人定位
更具体地说，本专利技术涉及一种高精度的数字孪生场景中的激光融合定位方法。

技术介绍

[0002]随着计算机技术和人工智能的发展，智能自主移动机器人成为机器人领域的一个重要研究方向和研究热点。移动机器人的定位是自主移动机器人的眼睛，是该领域的热点研究问题，也是决定机器人是否自主移动的关键问题之一。自主移动机器人导航过程需要回答3个问题：“我在哪里？”，“我要去哪里？”和“我怎样到达那里？”。移动机器人定位技术就是要解决第1个问题。准确来说，移动机器人定位的目的就是确定机器人在其运动环境中的世界地图的坐标，即机器人通过感知获取环境信息，经过相关的信息处理而确定自身位置的过程。而现有的机器人定位过程，可分为相对定位和绝对定位：相对定位也叫作位姿跟踪，假定机器人初始位姿，采用相邻时刻传感器信息对机器人位置进行跟踪估计，然而相对定位的计算过程中会有误差累积导致定位精度差；绝对定位又称为全局定位，完成机器人的全局定位需要预先确定好环境模型，通过外部传感器直接向机器人提供外界位置信息，计算机器人在全局坐标系中的位置，而绝对定位过程中需要传感器采集外界信息，这个过程中容易受到外界光线干扰，也容易导致定位不准确。

技术实现思路

[0003]本专利技术的一个目的是解决至少上述问题，并提供至少后面将说明的优点。
[0004]本专利技术还有一个目的是提供一种高精度的数字孪生场景中的激光融合定位方法，通过融合相对定位与绝对定位技术，采用松耦合及非线性优化方法，实现定位方法的高精度，高鲁棒性，高可扩展性以及高时效性等特点。
[0005]为了实现根据本专利技术的这些目的和其它优点，提供了一种高精度的数字孪生场景中的激光融合定位方法，包括：
[0006]获取用于绝对定位的传感器数据，利用绝对定位的传感器数据与预存的数字孪生场景仿真地图进行匹配计算，得到当前时刻的观测绝对位姿及其协方差；
[0007]获取上一时刻的实际绝对位姿及其协方差；
[0008]获取用于相对定位的传感器数据，根据用于相对定位的传感器数据通过预积分计算得到当前时刻相对于上一时刻的相对位姿及其协方差；
[0009]基于上一时刻的实际绝对位姿及其协方差，结合当前时刻相对于上一时刻的相对位姿及其协方差，通过预积分计算得到当前时刻的预测绝对位姿及其协方差；
[0010]将当前时刻的观测绝对位姿及其协方差和预测绝对位姿及其协方差通过非线性优化的方式融合，得到当前时刻的实际绝对位姿及其协方差；
[0011]对比当前时刻的实际绝对位姿的协方差和第一预设阈值，根据第一预设条件判断是否取信当前时刻的实际绝对位姿。
[0012]优选的是，用于相对定位的传感器至少有两种，每种用于相对定位的传感器数据单独计算当前时刻相对于上一时刻的预测相对位姿及其协方差，再采用图优化的方法将所有用于相对定位的传感器数据得到的当前时刻相对于上一时刻的预测相对位姿进行融合、当前时刻相对于上一时刻的预测相对位姿的协方差进行融合。
[0013]优选的是，将当前时刻的观测绝对位姿及其协方差和预测绝对位姿及其协方差通过非线性优化的方式融合前，先对比当前时刻的预测绝对位姿的协方差和第二预设阈值，根据第二预设条件判断是否取信当前时刻的预测绝对位姿，若当前时刻的预测绝对位姿不可信，则将当前时刻的观测绝对位姿及其协方差直接作为当前时刻的实际绝对位姿及其协方差。
[0014]优选的是，用于相对定位的传感器包括里程计和轮速计。
[0015]优选的是，根据用于相对定位的传感器数据计算当前时刻相对于上一时刻的相对位姿及其协方差前，先通过马氏距离判别法排除不可信的用于相对定位的传感器数据。
[0016]优选的是，根据用于绝对定位的传感器数据计算当前时刻的观测绝对位姿及其协方差前，先通过马氏距离判别法排除不可信的用于绝对定位的传感器数据。
[0017]优选的是，用于绝对定位的传感器包括激光雷达和GNSS传感器。
[0018]优选的是，利用绝对定位的传感器数据与预存的数字孪生场景仿真地图进行匹配计算，得到当前时刻的观测绝对位姿及其协方差的方法包括：
[0019]通过GNSS传感器获取当前时刻的位置信息，通过遍历姿态信息获取每个姿态信息下数字孪生场景仿真地图的图像信息；
[0020]通过激光雷达获取真实场景的图像信息；
[0021]计算每个姿态信息下数字孪生场景仿真地图的图像信息与真实场景的图像信息的匹配得分；
[0022]当某一姿态信息下数字孪生场景仿真地图的图像信息与真实场景的图像信息的匹配得分符合第三预设条件时，将该姿态信息和当前时刻的位置信息作为当前时刻的观测绝对位姿，根据该姿态信息下的匹配得分计算当前时刻的观测绝对位姿的协方差。
[0023]优选的是，当数字孪生场景仿真地图为点云地图时，计算每个姿态信息下点云地图的图像信息与真实场景的图像信息的匹配得分的算法为ICP算法或者NDT算法；
[0024]当数字孪生场景仿真地图为栅格地图时，计算每个姿态信息下栅格地图的图像信息与真实场景的图像信息的匹配得分的算法为高斯牛顿算法或者LM算法。
[0025]本专利技术至少包括以下有益效果：可以根据用户实际情况设置多种不同的传感器进行融合，可扩展性强，并且不同传感器可信度不同，因此，可以配置相应的测量协方差来达到不同的测量需求，同时，各个阶段都会对传感器异常值进行检查和排除，这保证了定位的高鲁棒性，而相对定位融合绝对定位可以消除相对定位带来的累积误差，通过融合不同传感器，得到高精度的定位数据。
[0026]本专利技术的其它优点、目标和特征将部分通过下面的说明体现，部分还将通过对本专利技术的研究和实践而为本领域的技术人员所理解。
附图说明
[0027]图1为本专利技术所述激光融合定位方法的流程图。
具体实施方式
[0028]下面结合附图对本专利技术做进一步的详细说明，以令本领域技术人员参照说明书文字能够据以实施。
[0029]需要说明的是，下述实施方案中所述实验方法，如无特殊说明，均为常规方法，所述试剂和材料，如无特殊说明，均可从商业途径获得；在本专利技术的描述中，术语“横向”、“纵向”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本专利技术和简化描述，并不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本专利技术的限制。
[0030]如图1所示，本专利技术提供一种高精度的数字孪生场景中的激光融合定位方法，包括：
[0031]S101、获取用于绝对定位的传感器数据，利用绝对定位的传感器数据与预存的数字孪生场景仿真地图进行匹配计算，得到当前时刻的观测绝对位姿及其协方差；
[0032]这里用于绝对定位的传感器可以采用激光雷达和GNSS传感器本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.高精度的数字孪生场景中的激光融合定位方法，其特征在于，包括：获取用于绝对定位的传感器数据，利用绝对定位的传感器数据与预存的数字孪生场景仿真地图进行匹配计算，得到当前时刻的观测绝对位姿及其协方差；获取上一时刻的实际绝对位姿及其协方差；获取用于相对定位的传感器数据，根据用于相对定位的传感器数据通过预积分计算得到当前时刻相对于上一时刻的相对位姿及其协方差；基于上一时刻的实际绝对位姿及其协方差，结合当前时刻相对于上一时刻的相对位姿及其协方差，通过预积分计算得到当前时刻的预测绝对位姿及其协方差；将当前时刻的观测绝对位姿及其协方差和预测绝对位姿及其协方差通过非线性优化的方式融合，得到当前时刻的实际绝对位姿及其协方差；对比当前时刻的实际绝对位姿的协方差和第一预设阈值，根据第一预设条件判断是否取信当前时刻的实际绝对位姿。2.如权利要求1所述的高精度的数字孪生场景中的激光融合定位方法，其特征在于，用于相对定位的传感器至少有两种，每种用于相对定位的传感器数据单独计算当前时刻相对于上一时刻的预测相对位姿及其协方差，再采用图优化的方法将所有用于相对定位的传感器数据得到的当前时刻相对于上一时刻的预测相对位姿进行融合、当前时刻相对于上一时刻的预测相对位姿的协方差进行融合。3.如权利要求1所述的高精度的数字孪生场景中的激光融合定位方法，其特征在于，将当前时刻的观测绝对位姿及其协方差和预测绝对位姿及其协方差通过非线性优化的方式融合前，先对比当前时刻的预测绝对位姿的协方差和第二预设阈值，根据第二预设条件判断是否取信当前时刻的预测绝对位姿，若当前时刻的预测绝对位姿不可信，则将当前时刻的观测绝对位姿及其协方差直接作为当前时刻的实际绝对位姿及其协方差。4.如权利要求2所述的高精度的数字孪生场景中的激光融合定位方法，其特征在于，用于相对定位的传感器包括里程计和轮速...

【专利技术属性】
技术研发人员：张松鹏，苏劲，王旭阳，
申请(专利权)人：北京易达恩能科技有限公司，
类型：发明
国别省市：