【技术实现步骤摘要】
一种定位信息融合方法及其装置、计算机服务器
本专利技术涉及定位技术,特别涉及一种定位信息融合方法、一种定位信息融合装置、一种计算机服务器。
技术介绍
目前,使用GNSS(GlobalNavigationSatelliteSystem,全球导航卫星系统)是常见的室外定位技术,由于存在信号遮挡、多路径效应等问题,GNSS在有些环境中的定位误差较大甚至定位失败。为了提高定位准确性和鲁棒性,通常在同一目标对象上设置多个定位模块,再对该多个定位模块的定位信息进行融合得到目标对象的定位信息,对不同定位模块取长补短。常见的定位传感器包括GNSS、IMU(InertialMeasurementUnit,惯性测量单元)、摄像头、激光雷达等。基于这些定位传感器又可以发展出多种定位技术,例如,将GNSS和IMU结合可以发展出组合导航系统;将摄像头和IMU结合可以发展出视觉-IMU里程计;基于摄像头和高精度地图可以开发出视觉定位系统等。目前,在自动驾驶车辆和机器人等应用场景通常使用多种定位模块,融合多种定位模块的定位信息来提高对自动驾驶车辆和机器人等进行定位的精确度和鲁棒性。例如,使用卡尔曼滤波器融合GNSS、编码器、雷达等传感器的信息。定位融合方法目前主流的有两种,一种是基于滤波方法,可以包括卡尔曼滤波、粒子滤波等,另一种是基于优化的方法。当所有定位模块均正常工作时,通过卡尔曼滤波或粒子滤波的方法对多个定位模块的定位信息进行融合可以得到较为精准的定位结果,但是当其中一个或多个定位模块失效时,卡尔曼滤波或粒子滤波的结 ...
【技术保护点】
1.一种定位信息融合方法,其特征在于,包含多个对同一目标对象进行定位得到所述目标对象的位姿观测值的定位模块,方法包括:/n构建概率模型,其中,所述概率模型包括定位模块的位姿观测模型、定位模块的可靠性迁移模型和可靠性先验模型、位姿迁移模型,且所述位姿观测模型中各定位模块的本次位姿观测值依赖于所述目标对象的本次位姿真实值和各定位模块的本次可靠性取值;/n基于粒子滤波器的递归贝叶斯方法,根据所述概率模型、本次位姿位移观测值和各定位模块输出的本次位姿观测值预估所述目标对象的本次位姿的真实值。/n
【技术特征摘要】
1.一种定位信息融合方法,其特征在于,包含多个对同一目标对象进行定位得到所述目标对象的位姿观测值的定位模块,方法包括:
构建概率模型,其中,所述概率模型包括定位模块的位姿观测模型、定位模块的可靠性迁移模型和可靠性先验模型、位姿迁移模型,且所述位姿观测模型中各定位模块的本次位姿观测值依赖于所述目标对象的本次位姿真实值和各定位模块的本次可靠性取值;
基于粒子滤波器的递归贝叶斯方法,根据所述概率模型、本次位姿位移观测值和各定位模块输出的本次位姿观测值预估所述目标对象的本次位姿的真实值。
2.根据权利要求1所述的方法,其特征在于,基于粒子滤波器的框架,采用N个带权重的位姿粒子表示位姿真实值,每个位姿粒子的权重依赖于与该位姿粒子对应的L个可靠性取值,该L个可靠性取值为L个定位模块的可靠性取值;
基于粒子滤波器的递归贝叶斯方法,根据所述概率模型、本次位姿位移观测值和各定位模块输出的本次位姿观测值预估所述目标对象的本次位姿的真实值,具体包括:
根据本次位移观测值、所述位姿迁移模型对前次N个位姿粒子进行重采样,得到N个本次位姿粒子;
针对每个本次位姿粒子,根据所述可靠性迁移模型对与所述本次位姿粒子对应的前次位姿粒子的L个可靠性取值进行调整,得到与所述本次位姿粒子对应的L个可靠性取值;
针对每个本次位姿粒子,根据所述本次位姿粒子对应的L个可靠性取值的权重得到本次位姿粒子的权重。
3.根据权利要求2所述的方法,其特征在于,针对每个本次位姿粒子,根据所述本次位姿粒子对应的L个可靠性取值的权重得到本次位姿粒子的权重,具体包括:
针对每个本次位姿粒子,将所述本次位姿粒子对应的L个可靠性取值的权重的乘积作为本次位姿粒子的权重。
4.根据权利要求2所述的方法,其特征在于,每个可靠性取值采用M个带权重的可靠性粒子表示,每个位姿粒子对应L组可靠性粒子;
针对每个本次位姿粒子,根据所述可靠性迁移模型对与所述本次位姿粒子对应的前次位姿粒子的L个可靠性取值进行调整,得到与所述本次位姿粒子对应的L个可靠性取值,具体包括:针对每个本次位姿粒子,根据所述可靠性迁移模型分别对与所述本次位姿粒子对应的前次位姿粒子的L组可靠性粒子进行重采样,得到所述本次位姿粒子对应的L组可靠性粒子;以及,针对每个本次位姿粒子对应的每组可靠性粒子中的每个可靠性粒子,将所述可靠性粒子的先验概率与给定该可靠性粒子取值时的相应定位模块的位姿观测值的最大似然概率的乘积作为所述可靠性粒子的权重;
针对每个本次位姿粒子,根据所述本次位姿粒子对应的L个可靠性取值的权重得到本次位姿粒子的权重,具体包括:将本次位姿粒子对应的每组可靠性粒子的权重的和值作为一个组权重,将L组权重的乘积作为本次位姿粒子的权重。
5.根据权利要求4所述的方法,其特征在于,所述可靠性迁移模型为:以抽样得到的可靠性粒子的取值为基准给予一个第一噪声,得到与该可靠性粒子对应的新的可靠性粒子;
根据所述可靠性迁移模型分别对所述前次位姿粒子对应的L组可靠性粒子进行重采样,具体包括:
针对所述前次位姿粒子对应的每组可靠性粒子,执行以下步骤:
分别对该组可靠性粒子进行M次抽样,可靠性粒子权重越大被抽中的概率越高;
对每次抽样得到的可靠性粒子,根据所述可靠性迁移模型对所述可靠性粒子进行处理得到与该可靠性粒子对应的新的可靠性粒子,将M个新的可靠性粒子作为与前次位姿粒子对应的本次位姿粒子的一组可靠性粒子。
6.根据权利要求5所述的方法,其特征在于,可靠性粒子的第一噪声的取值符合伽马分布。
7.根据权利要求2所述的方法,其特征在于,所述位姿迁移模型为:以前次位姿粒子的位姿为基准按照本次位移观测值进行移动得到新位姿,并给该新位姿一个第二噪声得到与该前次位姿粒子对应的本次位姿粒子;
根据本次位移观测值、所述位姿迁移模型对前次N个位姿粒子进行重采样,具体包括:
分别对前次N个位姿粒子进行N次抽样,位姿粒子权重越大被抽中的概率越高;
对每次抽样得到的前次位姿粒子,根据所述位姿迁移模型对所述前次位姿粒子进行处理得到与该前次位姿粒子对应的本次位姿粒子。
8.根据权利要求7所述的方法,其特征在于,所述第二噪声的取值服从正态分布,所述正态分布的均值为前次位姿粒子的位姿与本次位移观测值之和,所述正态分布的方差为预置的取值。
9.根据权利要求1所述的方法,其特征在于,所述概率模型为概率图模型。
10.一种定位信...
【专利技术属性】
技术研发人员:赵季,王乃岩,
申请(专利权)人:北京图森智途科技有限公司,
类型:发明
国别省市:北京;11
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。