基于多传感器融合无人车的相对定位方法、系统及车辆技术方案

本发明专利技术公开了一种基于多传感器融合无人车的相对定位方法、系统及车辆，包括以下步骤：（1）数据接入；（2）定位初始化；（3）IMU积分推算；（4）地图数据库匹配；（5）融合定位建模；（6）融合定位求解。本发明专利技术降低了累计误差对定位结果的影响，以及有效地减少了匹配过程中出现的误匹配结果。配结果。配结果。

【技术实现步骤摘要】
基于多传感器融合无人车的相对定位方法、系统及车辆


[0001]本专利技术属于定位
，具体涉及一种基于多传感器融合无人车的相对定位方法、系统及车辆。

技术介绍

[0002]对于自主移动无人车来说，它需具备的一个核心能力是运用传感器来感知周围的环境。无人车从事自主导航工作时，在环境中的实时定位一直是一个热门的研究问题。传统的定位方法是通过安装在无人车轮子上的编码器所检测的数据来实时推算出无人车的当前位姿。这种方法简单易用但是存在其固有的累积误差。机器人在地面移动时不可避免地会出现打滑情况，以及系统设计制造过程中存在的误差，这些误差随着机器人的移动会不断累积，运行一段时间后位姿的计算结果将会出现无法校正和应用的情况，因而这种方法有相应的局限性。
[0003]在机器人定位的研究过程中，人们逐渐采用激光雷达扫描匹配的技术来修正里程计在位姿计算过程中所产生的偏差。扫描匹配是将当前时刻的激光雷达扫描结果同前一时刻的扫描结果相匹配，通过匹配可得到两组激光点云的位姿变化关系，进而确定机器人本体在环境中的位姿。这种方法较好地弥补了里程计定位所存在的累本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于多传感器融合无人车的相对定位方法，其特征在于，包括以下步骤：步骤1.数据接入；实时接收GPS、IMU、轮速计和激光雷达所输出的数据，对每一帧的数据附上当前时刻的时间戳信息，并分别存入对应的缓存区中；步骤2.定位初始化；从GPS缓存区弹出两帧GPS数据，基于两帧GPS数据来判断车辆是否发生移动，若是，则计算出当前车辆的位置P、速度V和航向角；步骤3.IMU积分推算；根据IMU动力学公式，通过使用IMU的线速度和角速度积分得到每个IMU时刻的IMU状态(R、p、V、ba、bg)，其中R表示姿态旋转量，p表示平移量，ba表示陀螺仪的偏差，bg表示加速度计的偏差；根据历史定位姿态和IMU积分得出的位姿(R、p)对实时的激光雷达点云做畸变矫正；步骤4.地图数据库匹配；根据IMU积分推算的平移量p，使用KNN查找地图数据库中与其最近的地图帧，使用NDT匹配算法计算出实时雷达帧和查找到的地图帧之间对应的位姿(R，p)，并将其作为一元因子添加到因子图模型计算图中；步骤5.融合定位建模；根据接收到的GPS信号，并将其作为一元Factor添加到因子图模型计算图中；根据接收到的轮速信号，并将其作为一元Factor添加到因子图模型计算图中；将IMU状态(R，p，v，ba，bg)作为二元Factor添加到因子图模型计算图中；步骤6.融合定位求解；将所有数据的因子发送到iSAM2模块中，得到最后的本车在地图中的横纵向坐标及航向角。2.根据权利要求1所述的基于多传感器融合无人车的相对定位方法，其特征在于：使用两帧大于0.1米的GPS数据，通过前一帧减去后一帧的位移再除以时间，得到速度，通过X方向和Y方向上的速度向量求出航向角；将计算出的速度用作IMU的初始化速度，并把GPS坐标发送到NDT数据库，用于搜索距离最近一帧NDT数据的bin文件；搜索到以后，使用当前帧和地图做配准，得出当前车辆的位置P、速度V和航向角，同时将计算出的位置P及航向角作为IMU的初始化位姿，同时速度V一起作为主线的IMU初始化参数。3.根据权利要求2所述的基于多传感器融合无人车的相对定位方法，其特征在于：求每个时刻的IMU状态向量，具体为：首先查找两个时刻之间的IMU数据，创建一个6*1的矩阵，包括加速度和角速度，并将两帧数据的时间差送入因子图模型中的imu_preintegrated函数来做积分，根据每进来一帧的IMU数据来预测IMU的状态(R、p、V、ba、bg)。4.根据权利要求2所述的基于多传感器融合无人车的相对定位方法，其特征在于：所述步骤4，具体为：建图过程：输入一...

【专利技术属性】
技术研发人员：闫耀威，王宽，林鑫余，彭祥军，
申请(专利权)人：重庆长安汽车股份有限公司，
类型：发明
国别省市：