【技术实现步骤摘要】
一种自动驾驶场景下的地图生成方法
[0001]本专利技术涉及自主导航
，尤其涉及一种自动驾驶场景下的地图生成方法。
技术介绍
[0002]随着汽车电子化、互联化、智能化的快速发展，自动驾驶作为解决未来交通出行的一项重要技术，已成为全球范围内汽车行业的研究热点和重要发展方向。自动驾驶的核心问题之一是定位，在此基础上其他自动驾驶任务如路径规划、决策控制才可以正常完成。传统的自动驾驶汽车定位方法通常依赖GPS和INS的数据融合，但由于树木、岩石、建筑物等遮挡物的存在，GPS信号容易丢失，加之IMU的累积误差导致其精度快速降低。因此，同时定位与建图技术 (Simultaneous Localization and Mapping，SLAM)逐渐成为自动驾驶领域的重要研究方向并且在过去的十年中取得非常快速的发展。
[0003]SLAM技术主要使用视觉或激光雷达传感器并融合其它多种传感器，如IMU、GPS、轮速计等以提供精确的六自由度状态估计和建立3D点云地图。基于视觉的SLAM主要信息来源于单目或深度像机输出的图像，其成...
【技术保护点】
【技术特征摘要】
1.一种自动驾驶场景下的地图生成方法，其特征在于，包括：获取IMU信号、雷达信号和GPS信号；根据所述IMU信号和GPS信号，确定初始位姿；根据所述IMU信号和所述雷达信号进行局部优化融合，确定在所述初始位姿状态下的融合位姿，并选取其中的关键帧位姿；根据所述GPS信号和所述雷达信号，更新所述关键帧位姿，并进行全局优化，生成全局一致性点云地图。2.根据权利要求1所述的自动驾驶场景下的地图生成方法，其特征在于，所述根据所述IMU信号和GPS信号，确定初始位姿包括：根据所述IMU信号，求解初始滚转角和初始俯仰角；根据所述GPS信号，将初始经度、初始纬度和初始高度分别映射为零；将所述初始滚转角、所述初始俯仰角、所述初始经度、所述初始纬度、所述初始高度和未知的初始航向角构成数组，形成所述初始位姿。3.根据权利要求1所述的自动驾驶场景下的地图生成方法，其特征在于，所述根据所述IMU信号和所述雷达信号进行局部优化融合，确定在所述初始位姿状态下的融合位姿包括：根据所述IMU信号，确定零速检测信息；根据所述零速检测信号，判断车辆行驶状态；针对不同的车辆行驶状态，确定对应的IMU预积分信息和雷达里程计信息，结合IMU观测值、雷达里程计观测值进行局部优化融合，确定在所述初始位姿状态下的所述融合位姿；其中，所述雷达里程信息为根据所述雷达信号中的点云数据帧进行非线性求解得到的两帧之间的位姿变化，所述IMU预积分信息包括通过所述IMU信号而确定的非线性求解初值和两帧之间的位姿输出。4.根据权利要求3所述的自动驾驶场景下的地图生成方法，其特征在于，所述针对不同的车辆行驶状态，更新对应的IMU预积分信息和雷达里程计信息，结合IMU观测值、雷达里程计观测值进行局部优化融合，确定在所述初始位姿状态下的所述融合位姿包括：当车辆行驶状态为运行时，更新所述IMU预积分信息和所述雷达里程计信息，并基于增量式因子图优化的方式，结合所述IMU观测值、所述雷达里程计观测值进行局部优化融合，确定所述融合位姿，并更新所述IMU信号的偏置；当车辆行驶状态为静止时，所述IMU预积分信息和所述雷达里程计信息保持不变，当前位姿保持不变，并利用0位移更新所述IMU信号的偏置。5.根据权利要求4所述的自动驾驶场景下的地图生成方法，其特征在于，所述局部优化融合通过如下公式表示：其中，static表示车辆状态信息，当static＝1时，车辆行驶状态为静止，当static＝0时，车辆行驶状态为运动，p
n
表示第n帧的所述融合位姿，b
n
表示第n帧的所述IMU信号的偏置，p
n
‑1表示第n
‑
1帧的所述融合位姿，Z＝{Z
lidar
，Z
I
}表示所述IMU观测值、所述雷达里程计观测值的观测量集合，Z
lidar
表示所述雷达里程计观测值，Z
I
表示所述IMU观测值，表示
第n帧的雷达里程计观测值，P(p
n
，b
n
|Z，p
n
‑1)表示在所述观测量集合Z和第n
‑
1帧的所述融合位姿p
n
‑1的条件下，第n帧的所述融合位姿p
n
和第n帧的所述IMU信号的偏置b
...
【专利技术属性】
技术研发人员：桂临秋，罗杰，曾春年，陈雷，杨旭，刘超群，
申请(专利权)人：武汉理工大学，
类型：发明
国别省市：
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。