[发明专利]一种基于多传感器融合的精确定位系统

说明书

本发明实施例公开了一种基于多传感器融合的精确定位系统，其中，该系统包括：GPS传感器，用于收集GPS信息；惯性测量单元，用于收集IMU信号；摄像传感器，用于收集图像视频流；判别单元，用于对获取的图像视频流中图像质量进行判断分类；中央处理器，用于收集定位信息，根据定位信息从云端获取相应范围的电子地图及街景图像序列，并根据判断单元的结果将所有收集的数据信息进行相应处理，获得精确的定位结果。实施本发明实施例，通过每一次的精准定位，能反过来对惯性测量单元所得数据的累计误差进行消除，以保证了系统的鲁棒性。两种传感器所获得的数据之间的相互作用，有利于克服单一传感器实现精准定位带来的局限性，使得整个系统更加的稳定。

技术领域

本发明涉及计算机科学、无人驾驶技术领域，尤其涉及一种基于多传感 融合的精确定位系统。

背景技术

在高楼密集的城市区域，完成精确的车辆定位是一个重要的且具有挑 战性的问题。利用GPS系统完成定位是一种最常见的方法，商业化运行的 GPS信号可以提供10米精度的定位信息，而对电离层误差等进行精确的改 正后，可以将定位精度提高到厘米级。然而，由于高楼遮挡GPS信号造成 接收卫星数量不足，或由于GPS信号多路径效应等问题，在实际生活中常 常无法得出准确定位信息。为了解决这一问题，目前有多种定位方法被提出， 包括建立基站，差分修正等，然而这些方法多数都存在设备依赖度高且外界 环境对设备正常工作干扰大等问题，使得其很难在实际生活中得到快速推 广。

另外，基于车载全景影像与街景地图匹配的视觉定位方法也已经形成， 但这种方法也存在一些实际的缺陷，如城市道路改建而街景图像没有实时 更新，或是在下雨黑夜等场景中全景相机工作性能的下降使得图像质量不 高等。

目前，随着车辆的更新换代，越来越多的车辆上开始安装摄像头以及惯 性测量单元，这也为更精准的定位系统，提供了广泛的数据来源和技术基础。 考虑到目前精确定位技术的缺陷，本发明将结合全景相机与惯性测量单元、 数字电子地图匹配，克服全景相机捕捉特征时易受外界光线环境影响，同时 街景更新频繁造成匹配效果不佳等缺陷，不依赖于基站的同时灵活地实现 精确定位。

现有技术中存在一种基于车载全景影像与街景地图匹配的视觉定位方 法。该匹配方法主要是通过匹配车载全景影像与街景地图的视线遮挡特征 来完成定位功能。首先利用街景影像的建筑物立面及立面特征线建立视线 遮挡特征，构成视线遮挡特征库，并对特征进行聚类，获取聚类结果；其次 获取车载全景图像中的相应视线遮挡特征，并得到车载街景图像的摄影点 范围和该范围内的视线遮挡特征，从而可以确定各视线遮挡特征对应的聚 类类别；通过车载全景图像中特征的类别及匹配结果，就可以确定车辆位 置。；但其存在的缺陷如下：

(1)视线遮挡特征库实时维护：决定匹配技术的关键要素，就是已有 的利用街景地图形成的视线遮挡特征库。但是，随着城市建设规模的不断扩 大，城市建设速度过快，街景地图的场景也在不断变化，已有的视线遮挡特 征并不能与实地场景做到实时相符，这就为车载全景影像的特征与已有的 特征库进行匹配完成定位时，带来干扰，这也说明利用街景地图形成的特征 库需要定期更新以实现对现实场景的充分模拟考虑。

(2)外界环境对摄像效果影响：利用全景相机成像完成相应视线遮挡 特征建模时需要充分依赖于相机对于外界环境的捕捉能力。但是，现有的全 景相机对于工作环境光线的要求，使得其性能在光线不足时大打折扣，例如 在雨天，夜晚等相机成像能力差的场景中，车载摄影点范围内的遮挡特征并 不能被很好的建立，这样就很难利用车载周围遮挡特征完成特征库的匹配， 实现相应定位。这就说明精准定位技术的走向，有以下两种选择，一是实现 全景相机的工作性能的优化，二是使用其他技术弥补上述特殊场景带来的 影响。