基于多维信息的无人车定位方法、电子设备及介质技术

本发明专利技术提供了一种基于多维信息的无人车定位方法、电子设备及介质，本发明专利技术根据无人车激光雷达与惯性测量单元建立基于点云特征的几何‑拓扑地图；使用误差状态卡尔曼滤波方法融合轮速计与惯性测量单元进行无人车位姿推算；使用几何‑拓扑地图与无人车位姿运动序列信息进行基于路径相似度的匹配定位，确定无人车所处的最佳匹配路段；匹配无人车实时点云信息与几何‑拓扑地图中和无人车所处的最佳匹配路段对应的几何点云信息，得到无人车精确定位结果。本发明专利技术融合多种传感器的数据来实现无人车路径匹配和定位，提高了运算速度与效率，减少了传感器产生的误差，提高了无人车定位的准确性和稳定性。

【技术实现步骤摘要】

本专利技术属于自动驾驶领域，特别是涉及一种基于多维信息的无人车定位方法、电子设备及介质。

技术介绍

1、随着自动驾驶的发展和应用，无人车定位技术成为实现自主行驶的关键技术之一，准确而稳定的无人车定位是实现安全驾驶和高效导航的基础。传统的定位方法往往依赖于单一传感器或有限的信息源，难以满足城市复杂路网环境下的高精度和高可靠性要求。例如，gps信号在高楼林立的城市街道中可能受到遮挡和多路径干扰，影响定位精度和可靠性。其次，传统的局部感知与地图匹配方法在缺乏地图信息或道路标识不清的情况下容易出现定位误差。此外，无人车的定位精度和实时性对于自主行驶和决策至关重要，然而传统定位方法在这方面仍存在局限。如仅利用点云配准进行定位的纯激光雷达定位方法不仅计算复杂耗时，同时其存储的点云地图在大规模场景下往往对内存的消耗巨大；而仅利用惯性测量单元(imu)或轮速计进行里程计推算的定位方法虽然实时性较好，但其极易受到传感器硬件参数的影响，累计误差往往难以纠正，导致其定位精度不足。

技术实现思路

1、本专利技术的目的是针对现有技术不本文档来自技高网...

【技术保护点】

1.一种基于多维信息的无人车定位方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的基于多维信息的无人车定位方法，其特征在于，所述根据无人车激光雷达数据与惯性测量单元数据建立基于点云特征的几何-拓扑地图的具体实现过程包括：

3.根据权利要求2所述的基于多维信息的无人车定位方法，其特征在于，所述计算无人车当前位置的几何点云信息与上一个拓扑节点的几何点云信息的差异值的具体过程包括：

4.根据权利要求1所述的基于多维信息的无人车定位方法，其特征在于，所述根据无人车轮速计数据与惯性测量单元数据，采用误差状态卡尔曼滤波方法进行无人车位姿推算，得到无人车位姿...

【技术特征摘要】

1.一种基于多维信息的无人车定位方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的基于多维信息的无人车定位方法，其特征在于，所述根据无人车激光雷达数据与惯性测量单元数据建立基于点云特征的几何-拓扑地图的具体实现过程包括：

3.根据权利要求2所述的基于多维信息的无人车定位方法，其特征在于，所述计算无人车当前位置的几何点云信息与上一个拓扑节点的几何点云信息的差异值的具体过程包括：

4.根据权利要求1所述的基于多维信息的无人车定位方法，其特征在于，所述根据无人车轮速计数据与惯性测量单元数据，采用误...

【专利技术属性】
技术研发人员：陈白帆，万佳东，金羽轩，余伶俐，
申请(专利权)人：中南大学，
类型：发明
国别省市：