一种惯性为核心的车道线辅助定位的多源融合方法技术

本发明专利技术公开了一种惯性为核心的车道线辅助定位的多源融合方法，属于多源传感器融合定位技术领域，引入性能指标来衡量卫星的可用性和特征点几何分布的优度，并将其作为参与优化的准则；引入高精度地图，将其识别的车道线距离与相机预测的车辆到车道线距离作为侧向约束，带入到多状态约束下的卡尔曼滤波器MSCKF(Multi

【技术实现步骤摘要】
一种惯性为核心的车道线辅助定位的多源融合方法


[0001]本专利技术属于多源传感器融合定位
，具体涉及一种惯性（IMU，Inertial Measurement Unit)为核心的车道线辅助定位的多源融合方法。

技术介绍

[0002]近年来，智能驾驶、无人导航定位等新兴技术的快速发展，其对于高精度定位的需求也越来越高，任何单一的传感器已经无法满足复杂环境下的定位，实现高精度、高可靠的定位是只能驾驶发展的关键，因此，多源传感器融合已成为工业界关注的热点。
[0003]惯性导航系统INS (Inertial Navigation System, INS) 因其航迹推算的定位方式，由于积分的影响，误差会随着时间的延续而积累，造成定位结果的发散。目前成熟的算法GNSS/INS组合定位的方式，可以对INS误差进行补偿，而INS预测信息也能辅助GNSS的模糊度固定。然而在城市环境下（楼群、高架桥、隧道等）GNSS信号受干扰比较严重，可能导致卫星信号长时间失锁或者定位异常，INS的误差也不能得到补偿，定位精度大大下降，因此需要其他传感器的辅助定本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种惯性为核心的车道线辅助定位的多源融合方法，其特征在于，包括如下步骤：步骤（1）对于信号失锁的情况，通过检测一段时间内卫星颗数，在时间长度k内，若有效卫星颗数持续少于4颗，则GNSS信号不参与解算；步骤（2）对于定位异常的情况，检测一段时间内卫星分布的空间几何强度因子PDOP与有效卫星颗数的跳变情况；步骤（3）引入高精度地图，通过高精度地图识别车辆所在的车道线信息，进而测量出车辆距离车道线的距离；步骤（4）使用单目相机通过高斯滤波平滑、边缘点检测提取车道线轮廓信息，通过多项式建模建立车道线模型，通过车道线轮廓信息和车道线模型分别计算出车辆到车道线之间的距离；步骤（5）将步骤（4）中通过车道线轮廓信息和车道线建模分别计算出的车辆到车道线之间的距离做差并带入滤波中优化解算载体位置信息；步骤（6）以惯性为核心，引入性能指标以选择性集成多传感器，当有效卫星颗数不足或者测量特征点数量不足时，通过性能指标识别与判断。2.根据权利要求1所述的一种惯性为核心的车道线辅助定位的多源融合方法，其特征在于，所述步骤（2）包括：记相邻两个历元之间的卫星颗数变化之差和空间几何强度因子PDOP变化之差为：(2)(3)式中，、分别表示i历元和i
‑
1历元的卫星颗数，、分别表示i历元和i
‑
1历元的卫星的空间几何强度因子PDOP值，、分别表示相邻两个历元之间的卫星颗数之差与空间几何强度因子PDOP之差；时间长度k内，、超过阈值与时间长度k之间的比值记为：(4)(5)式中，、为设定的阈值，表示k时间段内相邻两个历元卫星颗数之差大于的次数，表示k时间段内相邻两个历元的空间几何强度因子PDOP值之差大于的次数；当或大于阈值时，认为
GNSS定位状态异常，GNSS信号不参与解算。3.根据权利要求2所述...

【专利技术属性】
技术研发人员：李子申，蔚科，王亮亮，刘炳成，刘振耀，常坤，楚焕鑫，谢吉顺，
申请(专利权)人：中国科学院空天信息创新研究院，
类型：发明
国别省市：