基于5G云平台的车辆多源信息融合方法、装置及介质制造方法及图纸

本发明专利技术公开了一种基于5G云平台的车辆多源信息融合方法、装置及介质，基于北斗时间和坐标转换，将上传至云平台的多源数据在时间和空间上进行统一；基于因子图算法，对多源数据进行位姿修正；根据修正后的观测数据点集合，设计因子图整体的损失函数；根据所述损失函数，设计优化目标并采用非线性优化算法求得最优解；将所述最优解作为车辆多源信息数据融合后的定位结果。上述方法实现了车辆多源信息数据在云平台端的快速处理和实时通信，保证了车辆定位系统的实时性能。辆定位系统的实时性能。辆定位系统的实时性能。

【技术实现步骤摘要】
基于5G云平台的车辆多源信息融合方法、装置及介质


[0001]本专利技术涉及信息融合
，尤其涉及一种基于5G云平台的车辆多源信息融合方法、装置及介质。

技术介绍

[0002]随着科技变更的迅速推进，智能网联车辆应用场景的不断丰富，车辆将多源传感器信息上传到云平台端进行计算，提高了数据处理效率，增加了导航定位系统的可靠性与精确性。5G通讯技术传输延迟为1至10ms，峰值速率可以达到20Gbit/s，在智能网联车辆领域拥有极大的应用潜力。
[0003]智能网联车辆在机场中行驶，会遇到天气、飞机滑行状态的影响，依靠传统的单传感器，很容易受到外部干扰导致接收不到信号，导致定位误差随着时间的累计逐步增大。多个传感器的适当组合可以利用传感器之间的互补优势，增加导航定位系统的可靠性与精确性。但是多源信息数据的处理，依赖于更好的计算机处理性能。现有技术受计算处理性能的限制，拓展性能有限、通信半径较小，车辆定位系统实时性不高。

技术实现思路

[0004]为解决上述技术问题，本专利技术提供一种基于5G云平台的车辆多源信息融合方法、装置及介质，实现车辆多源信息数据在云平台端的快速处理和实时通信，保证车辆定位系统的实时性能。
[0005]本专利技术实施例提供一种基于5G云平台的车辆多源信息融合方法，所述方法包括：
[0006]基于北斗时间和坐标转换，将上传至云平台的多源数据在时间和空间上进行统一；
[0007]基于因子图算法，对多源数据进行位姿修正；
[0008]根据修正后的观测数据点集合，设计因子图整体的损失函数；
[0009]根据所述损失函数，设计优化目标并采用非线性优化算法，，求解得到最优解；
[0010]将所述最优解作为车辆多源信息数据融合后的定位结果。
[0011]优选地，所述多源数据包括北斗观测数据、惯性传感器观测数据以及激光雷达观测数据。
[0012]作为一种优选方案，所述基于北斗时间和坐标转换，将上传至云平台的多源数据在时间和空间上进行统一，包括：
[0013]在统一的空间坐标系中，根据传感器之间的外参确定不同坐标系间的刚体坐标变换矩阵；
[0014]根据得到的变换公式将不同传感器获取的多源数据转换到同一坐标系下进行信息融合；
[0015]其中，a系到b系的刚体坐标变换矩阵其中，a系到b系的刚体坐标变换矩阵为a系相对于b系的平移量在
b系的投影，为a系相对于b系的旋转四元数，q
w
为的标量部分，q
x
、q
y
、q
z
为的向量部分，b系到a系的刚体坐标变换矩阵的向量部分，b系到a系的刚体坐标变换矩阵为的方向余弦矩阵，c系到a系的刚体坐标变换矩阵坐标变换矩阵为c系到a系的刚体坐标变换矩阵，为c系相对于b系的平移量在b系的投影，为b系相对于a系的旋转四元数的方向余弦矩阵，为b系相对于a系的平移量在a系的投影，为c系相对于b系的旋转四元数，a系的三维向量为V
a
，b系的三维向量为V
b
，
[0016]优选地，所述基于因子图算法，对多源数据进行位姿修正，包括：
[0017]根据所述多源数据中的北斗观测数据，构建节点位姿和观测数据的残差项；
[0018]在所述残差项中对节点添加扰动，得到雅可比矩阵；
[0019]对雅可比矩阵进行求解，得到残差相对于位姿扰动的雅可比矩阵；
[0020]采用计算得到的雅可比矩阵对所述多源数据中的北斗观测数据进行修正；
[0021]其中，第i个节点的残差项T
i
表示第i个节点的待优化位姿，Z
i
表示第i个节点的观测数据，ξ
zi
和ξ
i
分别表示第i个节点的待优化位姿和观测数据对应的李代数，(
·
)
∧
表示该向量对应的反对称矩阵，(
·
)
∨
是反对称矩阵映射的三维向量，第i个节点的雅可比矩阵残差相对于位姿扰动的雅可比矩阵残差相对于位姿扰动的雅可比矩阵残差相对于位姿扰动的雅可比矩阵为雅各比矩阵的逆，为残差项的李代数，，为残差项的范数，0
T
为0矩阵的转置，I为单位矩阵。
[0022]优选地，所述基于因子图算法，对多源数据进行位姿修正，包括：
[0023]根据所述多源数据中的惯性传感器观测数据以及激光雷达观测数据，构建节点位姿和观测数据的残差项；
[0024]在所述残差项中对节点添加扰动，得到雅可比矩阵；
[0025]对雅可比矩阵进行求解，得到残差相对于位姿扰动的雅可比矩阵；
[0026]采用计算得到的雅可比矩阵分别对所述多源数据中的惯性传感器观测数据以及激光雷达观测数据进行修正；
[0027]其中，第i个节点和第j个节点间的残差项T
i
、T
j
分别表示第i个节点和第j个节点待优化位姿，Z
ij
表示第i个节点和第j个节点相对位姿的观测数据，ξ
i
、ξ
j
、ξ
ij
分别表示待优化位姿和观测数据对应的李代数，第i个节点和第j个节点间的雅可比矩阵残差相对于位姿扰动的雅可比矩阵分别为
为雅各比矩阵的逆，为残差项的李代数，为残差项的范数，0
T
为0矩阵的转置，I为单位矩阵。
[0028]作为一种优选方案，所述优化目标为：
[0029][0030]其中，X
*
为最优因子图的点集合，X为因子图的点集合，F(X)为因子图整体的损失函数公式e
i
和e
ij
分别为一元边和二元边对应的残差项，为Ω的矩阵，Ω表示一元边或者二元边对应噪声模型的协方差。
[0031]优选地，根据所述损失函数，设计优化目标并采用非线性优化算法，求解得到最优解，包括：
[0032]S701，预设初始值x0以及初始的半径μ；
[0033]S702，计算第k次迭代时的雅可比矩阵J(X
k
)和误差F(X
k
)；；
[0034]S703，根据第k次迭代时的雅可比矩阵J(X
k
)和误差F(X
k
)，，采用增量方程计算增量ΔX
k
；
[0035]S704，根据第k次迭代时的雅可比矩阵J(X
k
)、误差F(X
k
)和增量ΔX
k
，计算判别参数ρ；
[0036]S705，根据判别参数ρ大小，匹配对应的更新策略更新半径μ；
[0037]S706，判断判别参数ρ是否大于预设阈值；
[0038]若是，执行步骤S707；
[0039]若否，执行步骤S708；
[0040]S707，令X
k+1
＝
k<本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于5G云平台的车辆多源信息融合方法，其特征在于，所述方法包括：基于北斗时间和坐标转换，将上传至云平台的多源数据在时间和空间上进行统一；基于因子图算法，对多源数据进行位姿修正；根据修正后的观测数据点集合，设计因子图整体的损失函数；根据所述损失函数，设计优化目标并采用非线性优化算法，，求解得到最优解；将所述最优解作为车辆多源信息数据融合后的定位结果。2.如权利要求1所述的基于5G云平台的车辆多源信息融合方法，其特征在于，所述多源数据包括北斗观测数据、惯性传感器观测数据以及激光雷达观测数据。3.如权利要求1所述的基于5G云平台的车辆多源信息融合方法，其特征在于，所述基于北斗时间和坐标转换，将上传至云平台的多源数据在时间和空间上进行统一，包括：在统一的空间坐标系中，根据传感器之间的外参确定不同坐标系间的刚体坐标变换矩阵；根据得到的变换公式将不同传感器获取的多源数据转换到同一坐标系下进行信息融合；其中，a系到b系的刚体坐标变换矩阵其中，a系到b系的刚体坐标变换矩阵为a系相对于b系的平移量在b系的投影，为a系相对于b系的旋转四元数，q
w
为的标量部分，q
x
、q
y
、q
z
为的向量部分，b系到系的刚体坐标变换矩阵的向量部分，b系到系的刚体坐标变换矩阵为的方向余弦矩阵，c系到a系的刚体坐标变换矩阵换矩阵为c系到a系的刚体坐标变换矩阵，为c系相对于b系的平移量在b系的投影，为b系相对于a系的旋转四元数的方向余弦矩阵，为b系相对于a系的平移量在a系的投影，为c系相对于b系的旋转四元数，a系的三维向量为V
a
，b系的三维向量为V
b
，4.如权利要求1所述的基于5G云平台的车辆多源信息融合方法，其特征在于，所述基于因子图算法，对多源数据进行位姿修正，包括：根据所述多源数据中的北斗观测数据，构建节点位姿和观测数据的残差项；在所述残差项中对节点添加扰动，得到雅可比矩阵；对雅可比矩阵进行求解，得到残差相对于位姿扰动的雅可比矩阵；采用计算得到的雅可比矩阵对所述多源数据中的北斗观测数据进行修正；其中，第i个节点的残差项T
i
表示第i个节点的待优化位姿，Z
i
表示第i个节点的观测数据，ξ
zi
和ξ
i
分别表示第i个节点的待优化位姿和观测数据对应的李代数，(
·
)
∧
表示该向量对应的反对称矩阵，(
·
)
∨
是反对称矩阵映射的三维向量，
第i个节点的雅可比矩阵残差相对于位姿扰动的雅可比矩阵残差相对于位姿扰动的雅可比矩阵残差相对于位姿扰动的雅可比矩阵为雅各比矩阵的逆，为残差项的李代数，为残差项的范数，0
T
为0矩阵的转置，I为单位矩阵。5.如权利要求1所述的基于5G云平台的车辆多源信息融合方法，其特征在于，所述基于因子图算法，对多源数据进行位姿修正，包括：根据所述多源数据中的惯性传感器观测数据以及激光雷达观测数据，构建节点位姿和观测数据的残差项；在所述残差项中对节点添加扰动，得到雅可比矩阵；对雅可比矩阵进行求解，得到残差相对于位姿扰动的雅可比矩阵；采用计算得到的雅可比矩阵分别对所述多源数据中的惯性传感器观测数据以及激光雷达观测数据进行修正；其中，第i个节点和第j个节点间的残差项T

【专利技术属性】
技术研发人员：李斌，韩增文，陈金建，
申请(专利权)人：广东省机场管理集团有限公司工程建设指挥部，
类型：发明
国别省市：