[发明专利]基于环境轮廓的智能车辆定位方法

说明书

本发明涉及一种基于环境轮廓的智能车辆定位方法，包括获取区域的环境轮廓、车辆方向盘转角、车辆速度、车辆参数信息建立车辆的阿克曼转向运动模型，同步到当前车辆的坐标系下，合成环境轮廓的信息，利用蒙特卡洛定位算法、阿克曼转向运动模型，通过车辆方向盘转角、车辆速度、上一时刻车辆的位姿，预测车辆当前粒子的位姿，利用环境轮廓的信息作为定位特征，与地图进行匹配，获取粒子的权重，选择权重最大的粒子作为车辆的最优姿态估计输出。本发明直接获得环境的轮廓信息，不用单独提取定位特征，获得更加丰富的环境数据并降低方法成本；相对于惯导设备，可以构建更高精度的车辆运动模型，在融合多帧数据和预测车辆位置可以获得精度更高的数据。

技术领域

本发明涉及一种智能车辆的定位方法，尤其涉及一种基于环境轮廓的智能车辆定位方法。

背景技术

智能车辆是一个集环境感知、规划决策、多等级辅助驾驶等功能于一体的综合系统，它集中运用了计算机、现代传感、信息融合、通讯、人工智能及自动控制等技术，是典型的高新技术综合体。智能车辆已经成为智能交通领域中非常热门的一个研究领域。随着智能车辆的自动化程度越来越高，在国防军事、物资运输、工业生产和日常生活等方面都充满着巨大的实用价值。在国防军事方面，智能车辆可以用于复杂场景的战场环境执行军事救援和人员运输等。在物资运输方面，可以用于长距离的货物运输，避免疲劳驾驶等危险驾驶行为。在工业生产方面，可以配合自动化工厂实现完全无人干预的全自动无人工厂建设。此外在日常生活等方面，智能车辆的出现可以极大地方便人们日常的工作通勤，同时提高人们的效率和安全性。

通常说来，智能车辆是由环境感知，决策规划和智能控制组成。作为环境感知的一个重要组成部分，定位确定了车辆在环境中的位置以及为后续行为决策和路径规划提供必要的位姿信息。因此，高精度和鲁棒性的定位决定了智能车辆的整体性能。

在开放区域，高精度位置信息可以通过融合全球导航卫星系统(GNSS)和惯性导航系统(INS)获得。但是，在城市环境中，因为多路径效应和信号遮挡，这种方法不能总是获得高精度定位结果。特别是长时间的GPS信号遮挡，即使融合其他惯性导航设备，也不能保障定位的精度，所以需要一种不依赖于GPS的定位方法。通过基于高精度地图的定位则可以解决该问题。基于地图的定位是通过车载传感器采集车辆周围的环境信息，然后与地图中的数据匹配，这样匹配程度最高的位置就是估计出的车辆位置。一般用来定位的环境特征有车道线、建筑物轮廓和路沿等。一般来说，首先需要将这些特征提前存储在在地图中，然后在定位的过程中，再通过车载传感器将这些特征提取出来，与地图中的数据匹配。现在多数的定位算法通常将一种或多种特征用于定位，提取特征的数量会影响定位算法的鲁棒性；特征提取的精度会影响车辆最后的定位精度。

发明内容

本发明的目的是提供一种基于环境轮廓的智能车辆定位方法，本发明通过获取环境轮廓作为定位特征，融合车辆方向盘转角、车辆速度信息获得多帧的更加丰富的环境轮廓，进而获得更高精度和高鲁棒性的定位结果。

为达到上述目的，本发明采用的技术方案是：

一种基于环境轮廓的智能车辆定位方法，包括以下步骤：

S1：获取以下信息包括：区域的环境轮廓、车辆方向盘转角、车辆速度、车辆参数，通过上述信息建立车辆的阿克曼转向运动模型，获取不同时刻所述的区域的环境轮廓，同步到当前车辆的坐标系下，合成环境轮廓的信息，

S2：状态预测阶段：利用蒙特卡洛定位算法、所述的阿克曼转向运动模型，通过所述的车辆方向盘转角、所述的车辆速度、上一时刻车辆的位姿，预测车辆当前粒子的位姿，

S3：测量更新阶段：利用所述的环境轮廓的信息作为定位特征，与地图进行匹配，获取所述的粒子的权重，

S4：选择权重最大的粒子作为车辆的最优姿态估计输出。