一种多传感器融合定位方法技术

本发明专利技术提供了一种多传感器融合定位方法，包括：车辆的车载系统获取车辆的定位信息和姿态信息；根据定位信息和姿态信息进行动力学解算，得到预测位置信息和预测姿态信息；根据车辆的规划路径信息和预设的高精度地图信息判断车辆前方区域的定位信号等级；当定位信号等级为第一等级时，获取车辆的速度信息；根据定位信息和速度信息修正预测位置信息和预测姿态信息，得到车辆的第一实时定位数据和第一实时姿态数据；当定位信号等级为第二等级时，获取激光点云数据；根据高精度地图信息匹配激光点云数据，得到激光定位数据；根据激光定位数据修正预测位置信息和预测姿态信息，得到车辆的第二实时定位数据和第二实时姿态数据。的第二实时定位数据和第二实时姿态数据。的第二实时定位数据和第二实时姿态数据。

【技术实现步骤摘要】
一种多传感器融合定位方法


[0001]本专利技术涉及自动驾驶
，尤其涉及一种多传感器融合定位方法。

技术介绍

[0002]自动驾驶车辆能够高效利用交通资源，缓解交通拥堵，减少碳排放，自动驾驶技术越来越成为人们所关注的焦点。其中自动驾驶定位技术在自动驾驶系统中尤为重要，自动驾驶定位对不同的场景有着不同的需求，能够覆盖多种场景下的高精度定位的需求日趋迫切。

技术实现思路

[0003]本专利技术的目的是针对现有技术中存在的缺陷，提供一种多传感器融合定位方法，实现自动驾驶定位适应不同场景的定位需求，在卫星定位信号强时，通过融合卫星定位观测数据和速度信息来修正惯性传感器解算的位置和姿态数据以获得准确的定位信息；在卫星定位信号弱时，再融合激光雷达的定位结果来修正惯性传感器解算的位置和姿态数据以获得准确的定位信息；并通过提前预判车辆前方区域的定位信号的强弱等级来提前切换融合定位的模式，实现全场景下平滑稳定的输出高精度的定位数据。
[0004]为实现上述目的，本专利技术提供了一种多传感器融合定位方法，所述方法包括：
[0005]车辆的车载系统获取所述车辆的定位信息和姿态信息；
[0006]根据所述定位信息和姿态信息进行动力学解算，得到预测位置信息和预测姿态信息；
[0007]根据所述车辆的规划路径信息和预设的高精度地图信息判断所述车辆前方区域的定位信号等级；
[0008]当所述定位信号等级为第一等级时，获取所述车辆的速度信息；
[0009]根据所述定位信息和速度信息修正所述预测位置信息和预测姿态信息，得到所述车辆的第一实时定位数据和第一实时姿态数据；
[0010]当所述定位信号等级为第二等级时，获取激光点云数据；
[0011]根据所述高精度地图信息匹配所述激光点云数据，得到激光定位数据；
[0012]根据所述激光定位数据修正所述预测位置信息和预测姿态信息，得到所述车辆的第二实时定位数据和第二实时姿态数据。
[0013]优选的，所述方法还包括：
[0014]所述车载系统通过秒脉冲与卫星定位系统进行时间校准。
[0015]优选的，所述定位信息、姿态信息、速度信息和激光点云数据均包含有所述车载系统的系统时间戳。
[0016]优选的，在所述根据所述车辆的规划路径信息和预设的高精度地图信息判断所述车辆前方区域的定位信号等级之前，所述方法还包括：
[0017]根据所述定位信息的收星数据和信号强度标记所述高精度地图的相应区域的定
位信号等级；
[0018]所述定位信号等级包括第一等级和第二等级。
[0019]本专利技术实施例提供了一种多传感器融合定位方法，实现了自动驾驶定位适应不同场景的定位需求，在卫星定位信号强时，通过融合卫星定位观测数据和速度信息来修正惯性传感器解算的位置和姿态数据以获得准确的定位信息；在卫星定位信号弱时，再融合激光雷达的定位结果来修正惯性传感器解算的位置和姿态数据以获得准确的定位信息；并通过提前预判车辆前方区域的定位信号的强弱等级来提前切换融合定位的模式，实现了全场景下平滑稳定的输出高精度的定位数据。
附图说明
[0020]图1为本专利技术实施例提供的多传感器融合定位方法的流程图。
具体实施方式
[0021]下面通过附图和实施例，对本专利技术的技术方案做进一步的详细描述。
[0022]本专利技术实施例提供的多传感器融合定位方法，实现了自动驾驶定位适应不同场景的定位需求，在卫星定位信号强时，通过融合卫星定位观测数据和速度信息来修正惯性传感器解算的位置和姿态数据以获得准确的定位信息；在卫星定位信号弱时，再融合激光雷达的定位结果来修正惯性传感器解算的位置和姿态数据以获得准确的定位信息；并通过提前预判车辆前方区域的定位信号的强弱等级来提前切换融合定位的模式，实现了全场景下平滑稳定的输出高精度的定位数据。
[0023]本专利技术实施例应用于多场景下的自动驾驶车辆，如无人机、园区无人物流车、无人扫地车、割草机和无人乘用车等无人自动驾驶车辆，执行主体为车辆的车载系统。
[0024]图1为本专利技术实施例提供的多传感器融合定位方法的流程示意图，如图1所示，本专利技术实施例提供的一种多传感器融合定位方法包括：
[0025]步骤101，车辆的车载系统获取车辆的定位信息和姿态信息；根据定位信息和姿态信息进行动力学解算，得到预测位置信息和预测姿态信息。
[0026]自动驾驶车辆的车载系统获取车辆的定位信息和姿态信息，具体为：安装有车载系统的车载装置通过串口与卫星定位装置相连接，并通过串口采集卫星定位装置发送的车辆的定位信息；车载装置通过串行外设接口(Serial Peripheral Interface，SPI)从惯性测量单元(Inertial Measurement Unit,IMU)获取车辆的姿态信息。
[0027]车载系统通过秒脉冲将系统时间与卫星定位系统的时间进行校准，以保证车载系统的系统时间的准确性，同时，车载系统将获取到的定位信息以及姿态信息中标记上系统时间戳，以保证所采集的数据信息的时间同步性。
[0028]车载系统在获取到车辆当前的定位信息和姿态信息后，通过对定位信息和姿态信息进行动力学解算得到车辆的预测位置信息和预测姿态信息。
[0029]步骤102，根据车辆的规划路径信息和预设的高精度地图信息判断车辆前方区域的定位信号等级。
[0030]根据车载系统内预设的高精度地图信息以及车辆的规划路径信息来判断车辆前方区域的定位信号等级。
[0031]其中，高精度地图为预设在车载系统中的事先制作的高精度地图，在制作高精度地图时，根据地图中实际定位信息所在区域的定位信息中的收星数据和定位信息的信号强度，将高精度地图的相应区域进行定位信号等级标定。定位信号等级包括第一等级和第二等级，第一等级表示定位信号强，第二等级表示定位信号弱。
[0032]为了得到更准确的定位信息，需要判断车辆前方区域的定位信号等级，以确定使用哪种融合定位模式。
[0033]步骤103，当定位信号等级为第一等级时，获取车辆的速度信息。
[0034]当车辆前方区域的定位信号等级为第一等级时，即车辆前方区域的定位信号强，车载系统通过车辆的控制器局域网络(Controller Area Network，CAN)总线采集车辆上安装的轮速计所输出的车辆的速度信息，并对采集到的速度信息标记上车载系统的系统时间戳，以保证从多个传感器所采集的数据信息的时间同步性。
[0035]步骤104，根据定位信息和速度信息修正预测位置信息和预测姿态信息，得到车辆的第一实时定位数据和第一实时姿态数据。
[0036]车载系统通过融合算法融合车辆的实时定位信息和车辆的当前速度信息来对解算得到的车辆的预测位置信息和预测姿态信息进行修正，得到高精度的车辆第一实时定位数据和第一实时姿态数据。
[0037]第一实时定位数据和第一实时姿态数据为车辆在卫星定位信号强的情况下，通本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种多传感器融合定位方法，其特征在于，所述方法包括：车辆的车载系统获取所述车辆的定位信息和姿态信息；根据所述定位信息和姿态信息进行动力学解算，得到预测位置信息和预测姿态信息；根据所述车辆的规划路径信息和预设的高精度地图信息判断所述车辆前方区域的定位信号等级；当所述定位信号等级为第一等级时，获取所述车辆的速度信息；根据所述定位信息和速度信息修正所述预测位置信息和预测姿态信息，得到所述车辆的第一实时定位数据和第一实时姿态数据；当所述定位信号等级为第二等级时，获取激光点云数据；根据所述高精度地图信息匹配所述激光点云数据，得到激光定位数据；根据所述激光定位数据修正所述预测位置信息和预测姿态信息，得到所述...

【专利技术属性】
技术研发人员：禹凯，周超，王连升，彭国旗，顾浩，高翔，张放，
申请(专利权)人：重庆兰德适普信息科技有限公司，
类型：发明
国别省市：