一种融合多源数据的高精度导航定位方法及系统技术方案

本发明专利技术提供了一种融合多源数据的高精度导航定位方法及系统，涉及定位导航的技术领域，包括：获取待定位对象的多源数据，其中，多源数据包括：GNSS观测数据、惯性导航系统观测数据、视觉图像数据和激光雷达数据；基于多源数据和优化真值求差算法，构建待定位对象的状态向量；基于状态向量、多源数据和频率加权因子算法，确定出待定位对象的量测方程；基于Kalman滤波参数估计算法、量测方程和状态向量，确定出待定位对象的导航定位参数，其中，导航定位参数包括：位置参数，速度参数和姿态参数，解决了现有融合多源数据的高精度导航定位方法的导航定位解算效率和准确率较低的技术问题。问题。问题。

【技术实现步骤摘要】
一种融合多源数据的高精度导航定位方法及系统


[0001]本专利技术涉及定位导航的
，尤其是涉及一种融合多源数据的高精度导航定位方法及系统。

技术介绍

[0002]随着汽车行业的产业升级，自动驾驶技术作为汽车发展的一个方向，已成为一个研究热点。高精度的位置信息获取是实现自动驾驶的先决条件。随着卫星导航、惯性导航、视觉导航、激光导航等技术的不断发展，获取高精度位置信息的方式不断多样化。
[0003]卫星导航技术通过接收四颗及以上导航卫星信号实现实时导航定位，但在多遮挡环境下，容易出现信号失锁继而无法进行导航定位；惯性导航技术不受环境影响，能进行持续导航定位，但随着时间过长，会出现误差累计，严重影响定位精度；视觉导航通过相邻关键帧特征点的位移与旋转确定姿态转移矩阵，从而实现导航定位，特征点的高效提取影响着实时导航定位的精度；激光导航基于激光雷达高精度的测距信息进行实时导航定位，但其定位精度受光照条件、点云稀疏影响较大。
[0004]针对上述问题，还未提出有效的解决方案。

技术实现思路

[0005]有鉴于此，本专利本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种融合多源数据的高精度导航定位方法，其特征在于，包括：获取待定位对象的多源数据，其中，所述多源数据包括：GNSS观测数据、惯性导航系统观测数据、视觉图像数据和激光雷达数据；基于所述多源数据和优化真值求差算法，构建所述待定位对象的状态向量；基于所述状态向量、所述多源数据和频率加权因子算法，确定出所述待定位对象的量测方程；基于Kalman滤波参数估计算法、所述量测方程和所述状态向量，确定出所述待定位对象的导航定位参数，其中，所述导航定位参数包括：位置参数，速度参数和姿态参数。2.根据权利要求1所述的方法，其特征在于，基于所述多源数据和优化真值求差算法，构建所述待定位对象的状态向量，包括：确定出所述多源数据对应的观测模型，其中，所述观测模型包括：GNSS观测模型、惯性导航系统观测模型、视觉观测模型和激光观测模型；基于所述观测模型和所述多源数据，确定出导航定位参数真值；基于所述导航定位参数真值，构建所述待定位对象的状态向量。3.根据权利要求2所述的方法，其特征在于，基于所述观测模型和所述多源数据，确定出导航定位参数真值，包括：基于所述观测模型和所述多源数据，分别确定出所述GNSS观测模型、所述视觉观测模型和所述激光观测模型对应的第一导航定位参数；基于所述GNSS观测模型、所述视觉观测模型和所述激光观测模型对应的第一导航定位参数，确定出所述GNSS观测模型、所述视觉观测模型和所述激光观测模型对应的第一导航定位参数的方差；将所述方差中的最小值对应的第一导航定位参数确定为所述导航定位参数真值。4.根据权利要求2所述的方法，其特征在于，所述状态向量为x＝[δP,δv,δR,δb
a
,b
g
]，其中，δP为位置误差，P为真实位置，P
INS
为惯性导航位置估计值，δv为速度误差，v为真实速度，v
INS
为惯性导航速度估计值，δR为姿态误差，R为真实姿态，R
INS
为惯性导航姿态估计，ln为对数映射，()
V
为反对称矩阵对应的向量，δb
a
为加速度计零偏误差...

【专利技术属性】
技术研发人员：张德志，张亚琳，王宇翔，龚宵雪，孙伟杰，袁博琦，王铎，王孟浩，汪梦杰，原亮，
申请(专利权)人：航天宏图信息技术股份有限公司，
类型：发明
国别省市：