[发明专利]一种面向无人驾驶汽车的多特征融合地图的制作方法

权利要求书

1.一种面向无人驾驶汽车的多特征融合地图的制作方法，其特征在于，包括以下步骤：

101)利用车载激光雷达设备采集各传感器数据；

102)利用IMU数据和激光测量数据生成三维点云地图；

103)利用IMU数据和相机数据生成视觉特征地图；

104)对GPS数据预处理，将大地坐标转换为空间直角坐标；

105)使用连续时间SLAM算法进行全局优化融合；

106)生成多特征融合地图；

在步骤102中，IMU数据包含采集时段中任一时刻t_i对应的旋转角速度ω_i及线性加速度a_i，下一时刻t_i+1的位置T_i+1和姿态R_i+1，根据当前的时刻t_i对应全局坐标系下的位置T_i、姿态R_i及IMU测量的角速度和线性加速度进行积分得到；

激光测量数据包含采集时段内所有的三维点集，按照帧进行组织，时刻段[t_j-1,t_j]的激光器局部坐标系下的三维点集合为帧LF_j，下一帧LF_j+1与当前帧LF_j进行匹配，得到相对位姿；下一帧LF_j+1与三维地图点集LM进行匹配，得到全局坐标系下的位姿；

使用激光SLAM算法对IMU数据和激光测量数据进行融合，得到最优估计后的车辆运动轨迹以及三维点云地图；

在步骤103中，相机的图像数据中包含采集时段中任一时刻t_k对应的二维图像数据、在图像中提取特征点集合以及对应的特征描述子；对t_k时刻提取的任一特征点f_kj，其图像坐标为(u_j,v_j)，其在下一时刻t_k+1中，对应的图像坐标为(u_n,v_n)，根据当前时刻t_i对应的全局坐标系下的位置T_k和姿态R_k计算出下一时刻t_k+1对应的位置和姿态，由此得到运动轨迹；

利用IMU数据和相机数据，采用视觉SLAM算法得到运动轨迹以及视觉特征地图；

在步骤105中，使用连续时间SLAM算法，统一描述运动轨迹，将运动轨迹建模为一个连续时间函数T(t)，如下式所示；

T(t)＝(R(t),p(t))

在上式中，R(t)为任一时刻t的姿态，p(t)为任一时刻t的位置；

根据T(t)，在给定观测量的情况下，求解函数f(Θ)的最大后验估计：

其中，f_i(Θ_i)为所需要求解的未知状态量Θ_i的目标函数，未知状态量Θ_i包括轨迹以及周围环境路标点，z_i(Θ)为在所需求解的状态量下应当发生的观测，为实际的观测量；

根据GPS数据、三维点云地图数据、视觉特征地图数据以及各传感器相对位姿关系，构建优化目标函数，采用非线性优化方式进行统一全局优化融合。

2.根据权利要求1所述的制作方法，其特征在于，

在步骤104中，将相对坐标系下的数据转换至绝对坐标系，GPS数据中包含采集时段中任一时刻t_m的在WGS84坐标系下的大地坐标(L_m,B_m,H_m)，及3*3协方差矩阵Cov_m；根据GPS信号强弱进行GPS数据筛选，去除信号较差的GPS观测值，得到稳定可靠的GPS数据，随后进行坐标转换，将大地坐标(L_m,B_m,H_m)转换为空间直角坐标(X_m,Y_m,Z_m)。

3.根据权利要求1所述的制作方法，其特征在于，在步骤106中，全局优化融合后，进行空间索引构建和数据结构组织，得到全局坐标下包括三维空间点坐标、视觉特征等的多特征融合地图。