[发明专利]多源融合的无人车室内外定位方法及系统

说明书

本发明公开了一种多源融合的无人车室内外定位方法及系统，其中系统包括感知层和决策层，感知层包括多个传感器；决策层包括视觉里程计系统、激光里程计系统、IMU里程计系统、两个多源融合系统。本发明选取IMU信息提供一个较好的初始位姿以及重力方向，弥补了视觉里程计的尺度问题以及尺度漂移的固有缺陷；采用激光雷达的高精度信息与视觉里程计融合，降低了运动估计误差，提高系统鲁棒性；加入GPS绝对位置校正，进一步降低系统的累计误差。本方法能根据车辆真实的运动轨迹生成准确的定位信息，定位精度高，能实现室内外的无缝切换，增强了车辆在室内外环境定位的稳定性，鲁棒性强，适用于大场景的无人驾驶汽车的室内外定位。

技术领域

本发明涉及无人驾驶车定位领域，具体涉及一种多源数据融合的无人车定位方法及系统。

背景技术

随着传感器、计算机信息、人工智能等技术的飞速发展，无人车技术的研究越来越受到国内外专家学者的重视。无人车通过传感器获取外部环境信息和自身状态信息，依据这些信息实现自主运动并完成一定的作业任务。而自主定位是无人车智能导航和环境探索研究的基础，由于单一传感器难以获取系统所需的全部信息，多传感器的信息融合就成为无人车实现自主定位的关键。

目前的技术来说，单独一种或者两种传感器的定位精度和稳定性很难满足要求，采用视觉或者激光里程计的方法较为成熟，但是在室外环境，高速运动和弱光照环境下其稳定性以及精确度有致命的缺点，并且二者在较大场景下都具有较高的累计误差；利用IMU来获取车辆的瞬时位移增量来推算出车辆的轨迹，然后来辅助GPS定位，具有较大的累积误差，且同一地点，不同的天气情况产生的误差相差很大，而且来自太空卫星的定位信号容易受到遮挡，比如隧道、高架桥、大树、高楼等等都会遮挡住卫星定位系统的信号，一旦卫星定位系统的信号被遮挡很容易产生很大的误差甚至无法定位。

发明内容

本发明的目的在于，提供一种通过利用不同传感器之间的优势互补性，然后使用某一种数据融合算法来实现高精度、高稳定的定位的多源融合的无人车室内外定位方法。

本发明解决其技术问题所采用的技术方案是：

提供一种多源融合的无人车室内外定位方法，其特征在于，包括以下步骤：

S1：通过多传感器采集无人车当前的环境信息，包括摄像头采集的图像信息，激光雷达采集的三维点云信息，IMU采集的三轴加速度信息，以及GPS采集的经纬度信息；

S2：获取采集的环境信息，通过视觉里程计系统计算无人车的位姿变换通过激光里程计系统计算无人车的位姿变换通过IMU里程计系统计算无人车的位姿变换位姿变换中的六个量分别表示无人车的三轴坐标和三轴姿态，通过GPS置信度系统计算无人车的绝对位置(x_world,y_world,z_world)以及置信度Q_gps；

S3：通过实时工作的第一多源融合系统，不间断的将IMU里程计系统，视觉里程计系统以及激光里程计系统估算的位置信息使用扩展卡尔曼滤波方法进行融合，得到准确的odom-car之间的坐标变换计算的坐标变换为odom-car，其中odom为三个里程计融合之后的坐标系，car为无人车的坐标系；

步骤4：在得到准确的GPS绝对位置信息时，通过间歇性工作的第二多源融合系统，将S3中得到的无人车当前位置L1和S2中GPS置信度系统得到的绝对位置使用粒子滤波方法进行融合，计算的坐标变换为world-odom，发布无人车的累积误差补偿值为最终world-car之间的坐标变换为无人车的准确位姿，world为世界坐标系。

接上述技术方案，激光里程计系统根据激光雷达采集的点云数据计算无人车的位姿变换具体为：

(1)将当前帧数据根据初始位姿投影到参考帧坐标系；