一种融合GNSS信号的多模态高精度鲁棒位姿估计方法和系统技术方案

本发明专利技术公开了一种融合GNSS信号的多模态高精度鲁棒位姿估计方法和系统，其中系统包括：相机，用于采集图像；IMU，用于测量IMU数据；激光雷达，用于采集的点云；GNSS，用于获取全局坐标系下的坐标，转化到局部坐标下；雷达‑惯性里程计，用于对IMU预积分误差和激光里程计因子进行因子图优化，得到雷达‑惯性里程计位姿；视觉‑惯性里程计，用于以视觉重投影误差和IMU预积分误差最小为目标，进行位姿估计，得到视觉‑惯性里程计位姿；IMU里程计，用于以IMU预积分误差、视觉‑惯性因子误差、雷达‑惯性因子误差和GNSS因子误差最小为目标，对IMU预积分器更新，使用更新后的IMU预积分器对IMU数据进行积分，得到最终位姿。实现位姿的高精度、鲁棒估计。

【技术实现步骤摘要】

本专利技术属于自动驾驶、移动机器人定位和导航，更具体地，涉及一种融合gnss信号的多模态高精度鲁棒位姿估计方法和系统，适用于城市、野外等场景的自动驾驶。

技术介绍

1、在城市道路，以及野外、乡间、农田、林区、矿区等非铺装路面、半自然场景道路上进行自动驾驶时，车辆或移动机器人的定位是自动驾驶的基础。全局地理位置信号(北斗/gps/gnss)稳定性易受天气、地形、大气条件、外界干扰等影响，当信号差、卫星数量不足时，存在全局位置信号不稳定或受限的退化现象，导致定位误差过大或失败，严重影响自动驾驶的安全性。特别是野外、空旷场地，属于半自然地形，存在场景特征退化现象，现有方法难以通过激光或视觉等多传感器获得高精度位姿信息。

2、在自动驾驶、移动机器人领域，常使用视觉传感器、imu、激光雷达、gnss中的一种或多种的融合作为实际slam应用算法。传感器融合方法近年来受到了越来越多的关注。由于异构传感器提供的互补性，传感器融合算法可以显著提高slam系统的精度和鲁棒性。

3、但是在室外时，自动驾驶车辆、移动机器人的gnss信号稳定性易受天气、地形本文档来自技高网...

【技术保护点】

1.一种融合GNSS信号的多模态高精度鲁棒位姿估计系统，其特征在于，包括：

2.如权利要求1所述的一种融合GNSS信号的多模态高精度鲁棒位姿估计系统，其特征在于，所述系统还包括：编码器和轮式里程计；

3.如权利要求1或2所述的一种融合GNSS信号的多模态高精度鲁棒位姿估计系统，其特征在于，所述IMU里程计在没有GNSS因子误差约束下输出IMU里程计位姿，所述GNSS，用于每间隔一段设定距离选择一个锚点，获取锚点在全局坐标系下的坐标，从没有GNSS因子误差约束下输出的IMU里程计位姿中获取锚点在局部坐标系下的坐标，通过最小化锚点在全局坐标系下的坐标与锚点在局部坐标系...

【技术特征摘要】

1.一种融合gnss信号的多模态高精度鲁棒位姿估计系统，其特征在于，包括：

2.如权利要求1所述的一种融合gnss信号的多模态高精度鲁棒位姿估计系统，其特征在于，所述系统还包括：编码器和轮式里程计；

3.如权利要求1或2所述的一种融合gnss信号的多模态高精度鲁棒位姿估计系统，其特征在于，所述imu里程计在没有gnss因子误差约束下输出imu里程计位姿，所述gnss，用于每间隔一段设定距离选择一个锚点，获取锚点在全局坐标系下的坐标，从没有gnss因子误差约束下输出的imu里程计位姿中获取锚点在局部坐标系下的坐标，通过最小化锚点在全局坐标系下的坐标与锚点在局部坐标系下的坐标的重投影误差，得到外参矩阵。

4.如权利要求1或2所述的一种融合gnss信号的多模态高精度鲁棒位姿估计系统，其特征在于，所述视觉-惯性里程计，用于在滑动窗口内对相机采集的当前帧图像与上一帧图像进行特征匹配，计算匹配过程的视觉重投影误差；将被滑动窗口移除的旧帧的约束信息作为边缘化后的先验约束项，以边缘化后的先验约束项、视觉重投影误差和i...

【专利技术属性】
技术研发人员：彭刚，段航琪，
申请(专利权)人：华中科技大学，
类型：发明
国别省市：