【技术实现步骤摘要】
本专利技术属于无人驾驶车辆感知与定位领域，具体涉及一种基于滤波与图优化结合的自动驾驶车辆实时定位与建图方法。
技术介绍
1、随着自动驾驶和自主移动机器人产业的蓬勃发展，相关的应用技术研究也成为热点。实时定位与建图技术(simultaneous localization and mapping，slam)，对于自动驾驶和移动机器人行业发展至关重要。slam借助于传感器测量，通过联合估计自动驾驶车辆的运动状态和环境信息，确定自动驾驶车辆的位置与姿态，构建环境地图。在建图过程中，融合imu与lidar信息可有效提高定位与建图精度，但存在累计误差的问题。因此，gps、磁力计等可提供绝对位置信息的传感器也加入到多传感器融合框架中，但此类传感器在信号受遮挡环境中易发生信息失真，由此可见，当前单一传感器的slam技术已不能满足感知定位精度与稳定性的需求。
2、在多传感器融合slam领域，多采用基于滤波或基于图优化的方法来进行信息融合。基于滤波的多传感器信息融合方法过于依赖于马尔可夫假设，并边缘化所有旧信息，从而过早地纳入线性化误差。基于图...
【技术保护点】
1.一种基于滤波与图优化结合的自动驾驶车辆实时定位与建图方法，其特征在于：
2.根据权利要求1所述的基于滤波与图优化结合的自动驾驶车辆实时定位与建图方法，其特征在于，所述根据融合过程中的残差与新息实时更新自适应误差迭代卡尔曼滤波算法的过程噪声与观测噪声，具体为：
3.根据权利要求1所述的基于滤波与图优化结合的自动驾驶车辆实时定位与建图方法，其特征在于，所述基于高斯混合模型计算车前不同位置高程值，在计算某个栅格的最优估计高程值时，只选用依靠“3σ原则”能覆盖到该栅格的点，对这些点在该栅格上的估计高程值进行基于概率pi的加权融合。
4....
【技术特征摘要】
1.一种基于滤波与图优化结合的自动驾驶车辆实时定位与建图方法，其特征在于：
2.根据权利要求1所述的基于滤波与图优化结合的自动驾驶车辆实时定位与建图方法，其特征在于，所述根据融合过程中的残差与新息实时更新自适应误差迭代卡尔曼滤波算法的过程噪声与观测噪声，具体为：
3.根据权利要求1所述的基于滤波与图优化结合的自动驾驶车辆实时定位与建图方法，其特征在于，所述基于高斯混合模型计算车前不同位置高程值，在计算某个栅格的最优估计高程值时，只选用依靠“3σ原则”能覆盖到该栅格的点，对这些点在该栅格上的估计高程值进行基于概率pi的加权融合。
4.根据权利要求3所述的基于滤波与图优化结合的自动驾驶车辆实时定位与建图方法，其特征在于，第i个栅格的最优估计高程值以及对应的方差为：
5.根据权利要求4所述的基于滤波与图优化结合的自动驾驶车辆实时定位与建图方法，其特征在于，所述激光点属于栅格i的概率值满足：
6.根据权利要求4所述的基于滤波与图优化结合的自动驾驶车辆实时定位与建图方法，其特征在于，当前位姿估计节点加入的地面约束因子...
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。