一种基于多传感器融合的里程计方法及装置制造方法及图纸

本申请提供了一种基于多传感器融合的里程计方法及装置，涉及高精度地图技术领域。方法应用于一种搭载有多种传感器的可移动物体上，方法包括：实时获得可移动物体上搭载的各种传感器采集的传感器数据；对各种传感器采集的传感器数据分别进行建模，建立可移动物体位姿的约束关系；对可移动物体位姿的约束关系进行联合优化求解，确定可移动物体的位姿结果。本申请实施例可以实现可移动物体在特征稀疏、GPS信号较差的场景中的实时位姿估计，其结果准确，鲁棒性较好。鲁棒性较好。鲁棒性较好。

【技术实现步骤摘要】
一种基于多传感器融合的里程计方法及装置


[0001]本申请涉及高精度地图
，尤其涉及一种基于多传感器融合的里程计方法及装置。

技术介绍

[0002]目前，随着自动驾驶技术、智能机器人技术的发展，如何保证自动驾驶车辆和智能机器人的精确行驶成为了一个热点问题。在自动驾驶技术中，一般会应用高精度地图，其不同于传统的导航地图，高精度地图包含大量的驾驶辅助信息，最重要的信息是依托道路网的精确三维表征，例如交叉路口布局和路标位置等。另外，高精度地图还包含很多语义信息，地图上可能会报告通信交通灯上不同颜色的含义，它可能指示道路的速度限制，以及左转车道开始的位置等。高精地图最重要的特征之一是精度，高精度地图能使自动驾驶车辆等达到厘米级的精度，这对确保自动驾驶车辆的安全至关重要。
[0003]在自动驾驶、机器人领域，高精度地图的构建一般需要应用到里程计技术。目前传统的里程计技术包括视觉里程计方法、视觉惯性里程计方法、激光里程计方法、激光惯性里程计方法等。对于自动驾驶领域，由于公路场景下视觉特征稀疏、车辆速度快，视觉里程计方法、视觉惯性里程计方法均难以保证位姿估计的精度和鲁棒性，因此在自动驾驶领域主要使用激光里程计方法和激光惯性里程计方法。在自动驾驶领域中应用上述激光里程计方法和激光惯性里程计方法时，专利技术人发现普通道路场景中，通常存在灯杆、护栏、花坛、树丛等标志物，激光雷达可通过对这些标志物的观测建立较为精确的几何约束。但在隧道、跨海大桥、沙漠戈壁等特征稀疏、GPS信号较差的场景中，通常不存在类似标志物，难以从激光雷达观测数据中提取出稳定的特征，无法构建精确的几何约束，所以在这些场景下，传统的激光里程计方法以及激光惯性里程计方法通常会出现退化，无法进行准确的位姿估计，不能满足自动驾驶中对于高精度地图构建的需求。

技术实现思路

[0004]本申请的实施例提供一种基于多传感器融合的里程计方法及装置，能够解决在特征稀疏、GPS信号较差的场景中的位姿估计不准确的问题。
[0005]为达到上述目的，本申请的实施例采用如下技术方案：
[0006]本申请实施例的第一方面，提供一种基于多传感器融合的里程计方法，应用于一种搭载有多种传感器的可移动物体上，所述方法，包括：
[0007]实时获得可移动物体上搭载的各种传感器采集的传感器数据；
[0008]对各种传感器采集的传感器数据分别进行建模，建立可移动物体位姿的约束关系；
[0009]对可移动物体位姿的约束关系进行联合优化求解，确定可移动物体的位姿结果。
[0010]另外，本申请实施例的第二方面，提供一种基于多传感器融合的里程计装置，其特征在于，应用于一种搭载有多种传感器的可移动物体上，所述装置，包括：
[0011]传感器数据获得单元，用于实时获得可移动物体上搭载的各种传感器采集的传感器数据；
[0012]约束关系建立单元，用于对各种传感器采集的传感器数据分别进行建模，建立可移动物体位姿的约束关系；
[0013]联合优化单元，用于对可移动物体位姿的约束关系进行联合优化求解，确定可移动物体的位姿结果。
[0014]另外，本申请实施例的第三方面，提供一种计算机可读存储介质，包括程序或指令，当所述程序或指令在计算机上运行时，实现上述第一方面所述的基于多传感器融合的里程计方法。
[0015]另外，本申请实施例的第四方面，提供一种包含指令的计算机程序产品，当所述计算机程序产品在计算机上运行时，使得所述计算机执行如上述第一方面所述的基于多传感器融合的里程计方法。
[0016]另外，本申请实施例的第五方面，提供一种计算机服务器，包括存储器，以及与所述存储器通信连接的一个或多个处理器；所述存储器中存储有可被所述一个或多个处理器执行的指令，所述指令被所述一个或多个处理器执行，以使所述一个或多个处理器实现如上述第一方面所述的基于多传感器融合的里程计方法。
[0017]本申请实施例提供的一种基于多传感器融合的里程计方法及装置，通过实时获得可移动物体上搭载的各种传感器采集的传感器数据，进而可以对各种传感器采集的传感器数据分别进行建模，建立可移动物体位姿的约束关系，从而可以对可移动物体位姿的约束关系进行联合优化求解，确定可移动物体的位姿结果。通过本申请实施例可以实现可移动物体在特征稀疏、GPS信号较差的场景中的实时位姿估计，其结果准确，鲁棒性较好。
附图说明
[0018]为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
[0019]图1为本申请实施例提供的一种基于多传感器融合的里程计方法的流程图一；
[0020]图2为本申请实施例提供的一种基于多传感器融合的里程计方法的流程图二；
[0021]图3为本申请实施例中的隧道场景示意图；
[0022]图4为本申请实施例中在隧道场景内采用现有技术方法与本申请实施例提供的基于多传感器融合的里程计方法的结果对比示意图；
[0023]图5为本申请实施例提供的一种基于多传感器融合的里程计装置的结构示意图。
具体实施方式
[0024]下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
[0025]需要说明的是，本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本申请的实施例。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
[0026]为了使本领域的技术人员更好的了解本申请，下面先对本申请实施例中出现的部分技术术语进行解释如下：
[0027]可移动物体：是指车辆、移动机器人、飞行器等可进行地图采集的物体，可移动物体上可以搭载各类型传感器，如激光雷达、相机等。
[0028]ICP：Iterative Closest Point，迭代最近点算法，主要用于计算机视觉中深度图像的精确拼合，通过不断迭代最小化源数据与目标数据对应点来实现精确地拼合。目前已经有很多变种，主要热点是怎样高效、鲁棒的获得较好地拼合效果。
[0029]GNSS：Global Navigation Satellite System，全球导航卫星系统。
[0030]GPS：Global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的里程计方法，其特征在于，应用于一种搭载有多种传感器的可移动物体上，所述方法，包括：实时获得可移动物体上搭载的各种传感器采集的传感器数据；对各种传感器采集的传感器数据分别进行建模，建立可移动物体位姿的约束关系；对可移动物体位姿的约束关系进行联合优化求解，确定可移动物体的位姿结果。2.根据权利要求1所述的方法，其特征在于，所述多种传感器包括惯性测量单元IMU、轮速计、激光雷达和气压计；其中，所述IMU包括加速度计和陀螺仪。3.根据权利要求2所述的方法，其特征在于，所述实时获得可移动物体上搭载的各种传感器采集的传感器数据，包括：实时获得加速度计测量的三轴加速度数据、陀螺仪测量的三轴角速度数据、轮速计测量的可移动物体轮速数据、激光雷达测量的点云数据和气压计测量的高度观测数据。4.根据权利要求3所述的方法，其特征在于，所述对各种传感器采集的传感器数据分别进行建模，建立可移动物体位姿的约束关系，包括：根据加速度计测量的三轴加速度数据进行建模，建立可移动物体的横滚角约束和俯仰角约束；根据陀螺仪测量的三轴角速度数据和轮速计测量的可移动物体轮速数据，采用阿克曼模型进行运动学建模，建立可移动物体的水平位置和偏航角的阿克曼模型约束；根据激光雷达测量的点云数据进行建模，建立可移动物体的激光雷达位姿约束；根据气压计测量的高度观测数据进行建模，建立可移动物体的高度位置的气压计约束。5.根据权利要求4所述的方法，其特征在于，所述对可移动物体位姿的约束关系进行联合优化求解，确定可移动物体的位姿结果，包括：对所述横滚角约束、俯仰角约束、阿克曼模型约束、激光雷达位姿约束和气压计约束采用非线性优化方法进行联合优化求解，确定可移动物体的位姿结果。6.根据权利要求5所述的方法，其特征在于，所述根据加速度计测量的三轴加速度数据进行建模，建立可移动物体的横滚角约束和俯仰角约束，包括：根据加速度计测量的三轴加速度数据进行建模，确定IMU在世界坐标系下的横滚角估计值θ
roll
和俯仰角估计值θ
pitch
；其中，a
x
、a
y
、a
z
表示加速度计测量的三轴加速度数据；根据所述横滚角估计值θ
roll
和俯仰角估计值θ
pitch
，建立可移动物体的横滚角约束r
Roll
(X)和俯仰角约束r
Pitch
(X)；其中，r
Roll
(X)＝θ
roll-arcsin(-R
13
)；r
Pitch
(X)＝θ
pitch-arctan2(R
23
，R
33
)；X表示IMU在世界坐标系下的位姿，X为待优化的状态变量，X包括位置p和姿态q；R为待优化的状态变量X中的姿态q的旋转矩阵形式，R
23
、R
33
、R
13
分别为旋转矩阵R中对应行列的元素。7.根据权利要求5所述的方法，其特征在于，根据陀螺仪测量的三轴角速度数据和轮速计测量的可移动物体轮速数据，采用阿克曼模型进行运动学建模，建立可移动物体的水平位置和偏航角的阿克曼模型约束，包括：
根据陀螺仪测量的三轴角速度数据，确定世界坐标系下可移动物体前进方向与y轴夹角的角度积分值：其中，θ
i
表示第i时刻的可移动物体前进方向与y轴夹角的角度积分值；t表示第t时刻；为预先获知的车体坐标系到IMU坐标系的旋转变换关系；为第t时刻陀螺仪测量的三轴角速度数据中的偏航角；根据轮速计测量的第i时刻的可移动物体左后轮在车体坐标系下的速度和右后轮在车体坐标系下的速度确定可移动物体后轴中心在车体坐标系下的速度v
i
；其中，；其中，为预先获知的速度噪声；采用阿克曼模型进行运动学建模，确定世界坐标系下可移动物体位姿传递方程：x
i+1
＝x
i
+v
i
·
Δt
·
sinθ
i
y
i+1
＝y
i
+v
i
·
Δt
·
cosθ
i
其中，Δt为轮速计两个相邻测量时刻的时间差；x
i
、y
i
表示可移动物体在世界坐标系下的水平位置；根据激光雷达的测量频率，对相邻两个激光雷达第k时刻和第k+1时刻之间的x
i
、y
i
、θ
i
进行积分，确定在世界坐标系下x
i
、y
i
、θ
i
各自的改变量δχ
k(k+1)
、δy
k(k+1)
、δθ
k(k+1)
；根据车体坐标系和IMU坐标系之间的外参确定IMU坐标系到车体坐...

【专利技术属性】
技术研发人员：刘光伟，赵季，
申请(专利权)人：北京图森未来科技有限公司，
类型：发明
国别省市：