车辆的多传感器融合定位方法、系统、车辆及设备技术方案

本申请公开了一种车辆的多传感器融合定位方法、系统、车辆及设备。车辆的多传感器融合定位方法，包括：获得车辆的多传感器检测数据和车道线定位结果；通过融合定位算法对车辆的多传感器检测数据和车道线定位结果进行融合定位，得到定位结果；车道线定位结果是根据道路信息、车道线感知结果和车道初步定位结果进行匹配得到的；车道初步定位结果是根据定位结果中的车辆位姿和车道拓扑关系通过计算得到的。采用本申请，在gnss精度不够的情况下达到精度更高的定位，增加了道路匹配，通过读取高精度地图中道路看得联通关系设计匹配算法，增加定位的鲁棒性下，可以在融合定位发生跳变的时候进行预警和校正，从而提升了融合定位的准确性和可靠性。

【技术实现步骤摘要】

本申请涉及车辆自动驾驶，尤其是涉及一种车辆的多传感器融合定位方法、系统、车辆及设备。

技术介绍

1、多传感器数据融合的目标是利用各种传感器的独立观测信息，对数据进行多级别、多方位和多层次的处理，产生新的有意义的信息，这种信息是最佳协同作用的结果。目前，融合算法可概括为随机类和人工智能类。随机类多传感器数据融合算法主要有综合估计法、贝叶斯估计法、d-s证据推理、最大似然估计、贝叶斯估计、最优估计、卡尔曼滤波算法及鲁棒估计等。人工智能类多传感器数据融合算法主要有模糊逻辑法、神经网络算法以及专家系统等。其中卡尔曼滤波算法在多传感器融合系统中使用是最普遍的。

2、其中，常用的算法是激光雷达+gps+imu+轮速计的传感器融合的定位系统。其中imu高频积分作为预测，激光雷达在帧间匹配计算两帧变换作为局部观测，gps提供全局定位观测即可以做局部观测也可以作为全局观测，轮速计计算两帧之间的位姿变换作为局部观测。还有一种方式将当前激光雷达点云与预先采集的点云地图进行匹配，得到全局定位观测(相机原理相同)。其中如果使用点云与地图匹配作为全局观测，则需要提前采集固本文档来自技高网...

【技术保护点】

1.一种车辆的多传感器融合定位方法，其特征在于，包括：

2.根据权利要求1所述的车辆的多传感器融合定位方法，其特征在于，所述车辆的多传感器检测数据包括惯导数据、轮速信息、车速和车辆的经纬度信息，所述通过融合定位算法对所述车辆的多传感器检测数据和车道线定位结果进行融合定位，得到定位结果，包括：

3.根据权利要求1所述的车辆的多传感器融合定位方法，其特征在于，所述车道线定位结果，通过如下方式得到：

4.根据权利要求3所述的车辆的多传感器融合定位方法，其特征在于，所述根据道路信息、车道线感知结果和车道初步定位结果，进行车道线匹配，得到所述车道线定位结果，包括...

【技术特征摘要】

1.一种车辆的多传感器融合定位方法，其特征在于，包括：

2.根据权利要求1所述的车辆的多传感器融合定位方法，其特征在于，所述车辆的多传感器检测数据包括惯导数据、轮速信息、车速和车辆的经纬度信息，所述通过融合定位算法对所述车辆的多传感器检测数据和车道线定位结果进行融合定位，得到定位结果，包括：

3.根据权利要求1所述的车辆的多传感器融合定位方法，其特征在于，所述车道线定位结果，通过如下方式得到：

4.根据权利要求3所述的车辆的多传感器融合定位方法，其特征在于，所述根据道路信息、车道线感知结果和车道初步定位结果，进行车道线匹配，得到所述车道线定位结果，包括：

5.根据权利要求1所述的车辆的多传感器融合定位方法，其特征在于，所述车道初步定位结果，通过如下...

【专利技术属性】
技术研发人员：王雅菡，
申请(专利权)人：北京京深深向科技有限公司，
类型：发明
国别省市：