【技术实现步骤摘要】
本专利技术属于导航定位，特别涉及一种动态场景下的激光雷达鲁棒融合定位方法和装置。
技术介绍
1、精确的定位信息是无人机自主运行的重要前提之一。惯性/卫星组合导航是无人机常用的定位方式，然而卫星信号易受高楼和树木遮挡，且在室内环境下无法使用，此时仅依靠惯性传感器定位误差会迅速增大，最终影响到无人机的自主运行。激光雷达作为一种主动式传感器，不易受环境影响，通过将激光雷达点云与先验地图进行匹配，可以在卫星拒止的情况下得到绝对定位结果。
2、传统的激光雷达点云匹配算法基于静态假设(两幅点云的重叠部分可以一一对应)，当环境中存在较多动态物体(例如行人和车辆)，或环境相对于先验地图发生较大改变时，点云之间的错误匹配会导致匹配精度降低。同时，在结构退化环境(例如长隧道和空旷环境)，点云匹配无法约束所有的自由度，会导致解算出错误的位姿。
技术实现思路
1、本专利技术要解决的技术问题是，提供一种动态场景下的激光雷达鲁棒融合定位方法和装置，能够提高场景变化时无人机定位的精度和鲁棒性。
2、为实现上述目的，本专利技术采用如下的技术方案：
3、一种动态场景下的激光雷达鲁棒融合定位方法，包括以下步骤：
4、步骤1、将先验地图体素化，并计算每个体素内点云对应的高斯混合模型；
5、步骤2、将实时点云投影到对应的体素中，基于高斯混合模型通过激光点对应的概率识别并剔除变化点；
6、步骤3、在剔除变化点的实时点云中，基于误差状态卡尔曼滤波实现im
7、作为优选，步骤1中，将先验地图体素化，并对每个体素内的点云进行欧式聚类，得到高斯混合模型的迭代初值。
8、作为优选，步骤1中，根据聚类结果通过em算法求解体素对应的高斯混合模型。
9、作为优选，步骤3中，基于eskf的前向预测算法、基于eskf的激光雷达量测更新算法和基于eskf的状态更新算法，实现imu和激光雷达的紧耦合。
10、本专利技术还提供一种动态场景下的激光雷达鲁棒融合定位装置，包括：
11、计算模块，用于将先验地图体素化，并计算每个体素内点云对应的高斯混合模型；
12、处理模块，用于将实时点云投影到对应的体素中，基于高斯混合模型通过激光点对应的概率识别并剔除变化点；
13、定位模块，用于在剔除变化点的实时点云中，基于误差状态卡尔曼滤波实现imu和激光雷达的紧耦合得到定位结果。
14、作为优选，计算模块将先验地图体素化，并对每个体素内的点云进行欧式聚类，得到高斯混合模型的迭代初值。
15、作为优选，计算模块根据聚类结果通过em算法求解体素对应的高斯混合模型。
16、作为优选，定位模块基于eskf的前向预测算法、基于eskf的激光雷达量测更新算法和基于eskf的状态更新算法，实现imu和激光雷达的紧耦合。
17、本专利技术在变化场景下基于先验地图实现鲁棒融合定位；首先将先验地图体素化，并计算每个体素内点云对应的高斯混合模型。其次将实时点云投影到对应的体素中，通过激光点对应的概率识别并剔除变化点。最后，基于误差状态卡尔曼滤波(error statekalman filter，eskf)实现imu(inertialmeasurement unit,惯性测量装置)和激光雷达紧耦合，使用激光雷达点到对应平面的距离残差(而不是点云匹配的结果)构建量测方程，实现更精确的位姿估计效果。
本文档来自技高网...【技术保护点】
1.一种动态场景下的激光雷达鲁棒融合定位方法，其特征在于，包括以下步骤：
2.如权利要求1所述的动态场景下的激光雷达鲁棒融合定位方法，其特征在于，步骤1中，将先验地图体素化，并对每个体素内的点云进行欧式聚类，得到高斯混合模型的迭代初值。
3.如权利要求2所述的动态场景下的激光雷达鲁棒融合定位方法，其特征在于，步骤1中，根据聚类结果通过EM算法求解体素对应的高斯混合模型。
4.如权利要求3所述的动态场景下的激光雷达鲁棒融合定位方法，其特征在于，步骤3中，基于ESKF的前向预测算法、基于ESKF的激光雷达量测更新算法和基于ESKF的状态更新算法，实现IMU和激光雷达的紧耦合。
5.一种动态场景下的激光雷达鲁棒融合定位装置，其特征在于，包括：
6.如权利要求5所述的动态场景下的激光雷达鲁棒融合定位装置，其特征在于，计算模块将先验地图体素化，并对每个体素内的点云进行欧式聚类，得到高斯混合模型的迭代初值。
7.如权利要求6所述的动态场景下的激光雷达鲁棒融合定位装置，其特征在于，计算模块根据聚类结果通过EM算法求解体素对
8.如权利要求7所述的动态场景下的激光雷达鲁棒融合定位装置，其特征在于，定位模块基于ESKF的前向预测算法、基于ESKF的激光雷达量测更新算法和基于ESKF的状态更新算法，实现IMU和激光雷达的紧耦合。
...【技术特征摘要】
1.一种动态场景下的激光雷达鲁棒融合定位方法，其特征在于，包括以下步骤：
2.如权利要求1所述的动态场景下的激光雷达鲁棒融合定位方法，其特征在于，步骤1中，将先验地图体素化，并对每个体素内的点云进行欧式聚类，得到高斯混合模型的迭代初值。
3.如权利要求2所述的动态场景下的激光雷达鲁棒融合定位方法，其特征在于，步骤1中，根据聚类结果通过em算法求解体素对应的高斯混合模型。
4.如权利要求3所述的动态场景下的激光雷达鲁棒融合定位方法，其特征在于，步骤3中，基于eskf的前向预测算法、基于eskf的激光雷达量测更新算法和基于eskf的状态更新算法，实现imu和激光雷达的紧耦合。...
【专利技术属性】
技术研发人员：石昌俊，吕品，蔡小飞，沙建东，蔡放，
申请(专利权)人：南京森思科技有限责任公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。