一种基于多传感融合的低成本高精定位方法技术

本发明专利技术提供一种基于多传感融合的低成本高精定位方法，包括创建地图模型、多基于GPS、轮式里程计和底盘信号的融合、换道识别、地图匹配、基于摄像头的辅助定位等步骤，本发明专利技术首先提出一种稳健的换道识别算法，结合该算法设计了一种改进的多指标加权评价地图匹配算法和车道左右边界点确定方法；在利用匹配得到车辆所在准确车道和左右边界点的基础上，提出一种基于摄像头的辅助定位方法，提升车辆相对于车道的侧向精度；本发明专利技术不需要激光雷达等高成本设备，且与现有低成本融合定位技术相比，定位的精度更高，稳定性更强，为自动驾驶定位提供了一种低成本、高精度的解决方案。高精度的解决方案。高精度的解决方案。

【技术实现步骤摘要】
一种基于多传感融合的低成本高精定位方法


[0001]本专利技术涉及自动驾驶领域的定位方法，特别涉及一种基于多传感融合的低成本高精定位方法。

技术介绍

[0002]自动驾驶的架构可以用五个系统来描述，包括定位、感知、规划、控制和系统管理。感知规划和控制等模块要求对车辆的位置有准确的了解，以执行正确的驾驶决策和行动。例如几个分米的误差可能让车辆定位到错误的车道，导致错误的驾驶行为进而引发交通事故。因此，自动驾驶汽车需要强大且精准的定位系统，精度达到分米甚至厘米级。
[0003]全球定位系统(GPS)为全球定位提供了一种方便的解决方案，是车辆应用中最常用的定位系统。然而，GPS只能提供较低的定位精度(～10m)，且受信号遮挡、多路径等因素的影响可靠性较差，单独运用于自动驾驶车辆定位不能满足要求。因此，GPS通常与惯性测量单元(IMU)、实时运动学(RTK)等集成以获得更高的精度。然而，为了实现高精度定位，需要使用价格昂贵的IMU或者RTK。一些学者使用激光雷达创建环境的特征地图，并在地图中定位车辆。虽然激光雷达技术可以提供精确和稳定的定位方法，但缺点是它们的高功率，高计算代价，以及高实现成本，给自动驾驶汽车的大规模生产和营销带来了问题。
[0004]随着计算机视觉技术的进步，摄像头作为一种低成本的环境感知传感器，已经成为自动驾驶不可或缺的感知设备。有学者提出仅使用摄像头的低成本定位方法，首先通过将图像分割成网格并提取每个单元的方向直方图来估计大致的位置，然后使用包含环境地标的地图进行定位，但是精度不高。另一种使用摄像头的方法是视觉里程计，它通过比较左右摄像头在不同时间帧下跟踪特征点的相对运动和方向，增量计算车辆的姿态，以进行相对定位，但视觉里程计存在严重的漂移误差问题，尤其在开阔的道路场景。
[0005]为了进一步提高基于摄像头的定位技术的性能，研究人员利用摄像头识别的车道线与摄像头的相对侧向距离(下文简称为线侧距离)与其他传感器进行融合来实现定位。车辆行驶时车辆所在车道以及车辆所在的左右车道线边界点会发生变化，必须准确的知道当前车辆所处的车道和边界点才能有效利用摄像头测量值进行定位，然而，现有研究利用线侧距离与其他传感器进行融合定位时，由于车辆所匹配的车道和边界点不准确，尤其是在车辆换道行驶靠近车道线时匹配精度较差，造成定位误差。

技术实现思路

[0006]为了解决上述技术问题，本专利技术提供一种基于多传感融合的低成本高精定位方法，包括以下步骤：
[0007]步骤1、创建地图模型：
[0008]由于高精度地图包含大量复杂的细节和冗余的信息，建立大范围的高精度地图费时费力且成本高，为节约成本，本专利技术建立一种轻量化的车道级地图模型；
[0009]步骤2、基于GPS、轮式里程计和底盘信号的融合：
[0010](1)基于扩展卡尔曼滤波EKF对GPS、轮式里程计和底盘信号进行融合，利用车轮里程计相关测量值对状态变量进行修正；
[0011](2)挖掘车辆底盘的StandStill信号来进行运动学约束，包括零速修正、零角速度约束；
[0012]步骤3、换道识别：
[0013]采用一种鲁棒的换道识别方法，通过建立多重准则来进行换道识别，当能识别到车道线且车道线质量较好时，直接根据C0判断准则判断是否换道；当能识别到车道线但车道线质量较差时或者识别不到车道线时，则采用横摆角速度、航向角、变道时长多个准则进行综合判断；
[0014]步骤4、地图匹配：
[0015]步骤4.1、道路
‑
路口匹配：
[0016]在车辆行驶过程中，判断车辆三种位置状态：在路口、在道路、离开路口进入道路；当车辆在道路时，使用道路内车道匹配方法确定车道；当车辆从路口离开进入道路时，及时启用摄像头辅助定位方法；
[0017]步骤4.2、道路内车道匹配：
[0018]当识别出在道路内行驶时，首先以车辆当前位置为中心，搜索一定范围内的候选车道，然后利用数个评价函数对候选车道进行综合评价；计算各个候选车道的综合评分，选定综合评分最高的车道为匹配结果；
[0019]步骤4.3、确定左右边界点：
[0020]当车辆离开路口进入道路，以当前车道起始点作为车辆的行驶起点，并根据行驶起点确定车辆所在的初始左右边界点；在车辆行驶过程中进行换道识别，若没有发生换道，则根据轮式里程计的车轮转数推算车辆走过距离与车道线的各离散点间距进行比较，结合初始边界点对边界点进行更新；当发生换道时，根据道路匹配方法重新匹配车道，然后在新车道上重新匹配车辆行驶起点和初始左右边界点，继续沿车道行驶时更新左右边界点的步骤与不换道时相同；
[0021]步骤5、基于摄像头的辅助定位：
[0022]在得到车辆所在车道和左右边界点基础上进行基于摄像头的辅助定位；
[0023]在过去的研究中，常常将线侧距离融入EKF中进行定位，但是EKF是对非线性系统的线性化近似，会带来精度损失；针对这个问题，本专利技术提出一种新的基于摄像头的辅助定位方法：求出过车辆后轴中心垂直于航向角θ的直线与左边界线和右边界线的交点、车辆到左右边界线距离；利用左边界线定位后的车辆后轴中心坐标和利用右边界线定位后的车辆后轴中心坐标，确定最终定位坐标。
[0024]进一步的，步骤1中，本专利技术建立一种轻量化的车道级地图模型，单条车道l表示为：
[0025]l＝{id,pre,suc,p
c
,p
l
,p
r
,q}
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(1)
[0026]其中id表示车道l的序号，从靠近道路中心线开始，左侧序号从1开始依次递增，右侧序号从
‑
1开始依次递减；pre表示与车道起点相连的交叉路口或车道；suc定义为与车道末端连接的交叉路口或车道；p
c
,p
l
和p
r
分别代表车道中心线、左车道线和右车道线的点集；q包含车道对应的属性，包括宽度、限速、左右车道线类型；
[0027]其中p
l
和p
r
表示为：
[0028][0029][0030]进一步的，步骤2(1)中，本步骤采用一种基于扩展卡尔曼滤波EKF对GPS、轮式里程计和底盘信号进行融合的方法，利用车轮里程计相关测量值对状态变量进行修正；所述的状态变量表示如下：
[0031]x＝[p
x
,p
y
,θ,ω]T
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(4)
[0032]其中p
x
和p
y
为ENU坐标系下车辆的横纵坐标，θ为ENU坐标系下车辆的航向角，ω为车辆横摆角速度；
[0033]状态转移方程为：
[0034]x'＝Fx+Bu+λ
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(5)
[0035本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于多传感融合的低成本高精定位方法，其特征在于：包括以下步骤：步骤1、创建地图模型：建立一种轻量化的车道级地图模型；步骤2、基于GPS、轮式里程计和底盘信号的融合：(1)基于扩展卡尔曼滤波EKF对GPS、轮式里程计和底盘信号进行融合，利用车轮里程计相关测量值对状态变量进行修正；(2)挖掘车辆底盘的StandStill信号来进行运动学约束，包括零速修正、零角速度约束；步骤3、换道识别：采用一种鲁棒的换道识别方法，通过建立多重准则来进行换道识别，当能识别到车道线且车道线质量较好时，直接根据C0判断准则判断是否换道；当能识别到车道线但车道线质量较差时或者识别不到车道线时，则采用横摆角速度、航向角、变道时长多个准则进行综合判断；步骤4、地图匹配：步骤4.1、道路
‑
路口匹配：在车辆行驶过程中，判断车辆三种位置状态：在路口、在道路、离开路口进入道路；当车辆在道路时，使用道路内车道匹配方法确定车道；当车辆从路口离开进入道路时，及时启用摄像头辅助定位方法；步骤4.2、道路内车道匹配：当识别出在道路内行驶时，首先以车辆当前位置为中心，搜索一定范围内的候选车道，然后利用数个评价函数对候选车道进行综合评价；计算各个候选车道的综合评分，选定综合评分最高的车道为匹配结果；步骤4.3、确定左右边界点：当车辆离开路口进入道路，以当前车道起始点作为车辆的行驶起点，并根据行驶起点确定车辆所在的初始左右边界点；在车辆行驶过程中进行换道识别，若没有发生换道，则根据轮式里程计的车轮转数推算车辆走过距离与车道线的各离散点间距进行比较，结合初始边界点对边界点进行更新；当发生换道时，根据道路匹配方法重新匹配车道，然后在新车道上重新匹配车辆行驶起点和初始左右边界点，继续沿车道行驶时更新左右边界点的步骤与不换道时相同；步骤5、基于摄像头的辅助定位：在得到车辆所在车道和左右边界点基础上进行基于摄像头的辅助定位；求出过车辆后轴中心垂直于航向角θ的直线与左边界线和右边界线的交点、车辆到左右边界线距离；利用左边界线定位后的车辆后轴中心坐标和利用右边界线定位后的车辆后轴中心坐标，确定最终定位坐标。2.根据权利要求1所述的一种基于多传感融合的低成本高精定位方法，其特征在于：步骤1中建立的轻量化的车道级地图模型的单条车道l表示为：l＝{id,pre,suc,p
c
,p
l
,p
r
,q}
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(1)其中id表示车道l的序号，从靠近道路中心线开始，左侧序号从1开始依次递增，右侧序号从
‑
1开始依次递减；pre表示与车道起点相连的交叉路口或车道；suc定义为与车道末端
连接的交叉路口或车道；p
c
,p
l
和p
r
分别代表车道中心线、左车道线和右车道线的点集；q包含车道对应的属性，包括宽度、限速、左右车道线类型；其中p
l
和p
r
表示为：为：3.根据权利要求1所述的一种基于多传感融合的低成本高精定位方法，其特征在于：步骤2(1)对状态变量进行修正过程中，所述的状态变量表示如下：x＝[p
x
,p
y
,θ,ω]
T
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(4)其中p
x
和p
y
为ENU坐标系下车辆的横纵坐标，θ为ENU坐标系下车辆的航向角，ω为车辆横摆角速度；状态转移方程为：x'＝Fx+Bu+λ
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(5)此处，控制输入Bu为0，λ为过程噪声；设车辆的质心侧偏角为β，状态转移方程具体如下：设车辆的质心侧偏角为β，状态转移方程具体如下：θ
k
＝θ
k
‑1+ω
k
‑1T
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(8)ω
k
＝ω
k
‑1ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(9)在正常驾驶和天气良好条件下，车轮打滑忽略不计，速度计算如下：其中n
RL
和n
RR
为每秒左右车轮转数，c
RL
和c
RR
是实际的左右车轮周长；横摆角速度ω由底盘ESC提供；状态转移矩阵F表示为：当GPS信号良好时，利用GPS系统建立的观测矩阵为：利用轮式里程计信号建立的横摆角速度观测值如下：
其中t
R
是后轴轮距，对应的观测矩阵为：H＝(0 0 0 1)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(14)；步骤2(2)中，当StandStill为0时，表示车辆处于行驶状态；当StandStill为1时，表示车辆处于静止状态，车速和横摆角速度均为0，可得：p
x,k
＝p
x,k
‑1ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(15)p
y,k
＝p
y,k
‑1ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(16)θ
k
＝θ
k
‑1ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(17)ω
k
＝0
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(18)此时F为：4.根据权利要求1所述的一种基于多传感融合的低成本高精定位方法，其特征在于：步骤3换道识别过程中，所述的C0判断准则如下：假设摄像头坐标系原点已标定在车辆后轴中心，C0代表线侧距离，车...

【专利技术属性】
技术研发人员：何科，丁海涛，许男，郭孔辉，张建伟，李玮，
申请(专利权)人：吉林大学，
类型：发明
国别省市：