[发明专利]移动激光雷达测量系统车载轨迹数据优化方法

说明书

本发明公开了一种移动激光雷达测量系统车载轨迹数据优化方法，通过车载移动测量系统获取基于GNSS和IMU联合解算的卡尔曼滤波车载轨迹数据，还包括：步骤一、基于卡尔曼滤波车载轨迹数据进行运动状态分析，建立车辆运动模型，根据位置、速度大小、运动姿态、加速度参数判断车辆的运动状态和自身的三维姿态；步骤二、根据运动姿态将车辆运动轨迹进行粗分段，其中车辆拐弯轨迹被分为单独段，根据运动加速度进一步进行细分段，使每段运动方向相同、运动加速度变化值低于阈值；步骤三、针对分段结果，分别对段内及段间车载轨迹数据进行平滑处理化获得优化车载轨迹数据。本发明能够强数据的平顺性，消除存在的局部误差，提高轨迹数据精度。

技术领域

本发明涉及车载移动测量系统。更具体地说，本发明涉及一种移动激光雷达测量系统车载轨迹数据优化方法。

背景技术

随着“数字城市”“自动驾驶”的概念日渐渗入人们的生活，尤其伴随着“大数据”、“云平台”的提出与发展，人们对更精确、更丰富、更及时的三维地理信息产品展现出惊人的需求，而三维地理信息产品的基础便是海量数据的采集与获取。针对这种情况车载移动测量技术应运而生。车载移动测量系统具有更新速度快、效率高、成本低、灵活性强等特点，可以快速获取道路、建筑、电力线等地物空间三维点云信息，对三维场景进行快速反映调查，在智能交通、城市规划更新、地籍调查等领域应用越来越广泛。

车载轨迹是车载移动测量系统的重要组成部分，由惯性导航原件(IMU)和全球定位系统(GNSS)联合解算而成，包括位置、速度、角度、加速度等多种运动信息，是将扫描得到的点云数据转换到大地坐标系点云的基础，轨迹数据的质量是影响数据质量的关键因素。虽然轨迹位置和姿态数据经过联合卡尔曼滤波处理，但是在局部区域还是存在起伏波动，对此需要对得到的轨迹数据进行平滑处理，消除局部突变偏差，提高最后解算数据精度。

发明内容

本发明的一个目的是解决至少上述问题，并提供至少后面将说明的优点。

本发明还有一个目的是提供一种移动激光雷达测量系统车载轨迹数据优化方法，其能够强数据的平顺性，消除存在的局部误差，提高轨迹数据精度。

为了实现根据本发明的这些目的和其它优点，提供了一种移动激光雷达测量系统车载轨迹数据优化方法，通过车载移动测量系统获取基于GNSS和IMU联合解算的卡尔曼滤波车载轨迹数据，还包括：

步骤一、基于卡尔曼滤波车载轨迹数据进行运动状态分析，建立车辆运动模型，根据位置、速度大小、运动姿态、加速度参数判断车辆的运动状态和自身的三维姿态；

步骤二、根据运动姿态将车辆运动轨迹进行粗分段，其中车辆拐弯轨迹被分为单独段，根据运动加速度进一步进行细分段，使每段运动方向相同、运动加速度变化值低于阈值；

步骤三、针对分段结果，分别对段内及段间车载轨迹数据进行平滑处理化获得优化车载轨迹数据。

优选的是，步骤二包括：

步骤a、段内车载轨迹数据进行最小二乘法的多项式平滑原理优化，段间车载轨迹数据利用基于B样条曲线的平滑原理优化，获得初步优化车载轨迹数据；

步骤b、再次根据运动姿态、运动加速度将车辆运动轨迹分段，并重复步骤a，进行预定次的迭代平滑处理，获得平滑优化车载轨迹数据。

优选的是，粗分段后根据运动距离将长段轨迹进行切割分段后使每段运动距离值低于阈值再进行细分段。

优选的是，段内车载轨迹数据的优化方式为：先将窗口内数据进行多项式拟合，确定多项式系数，基于最小二乘方法确定各控制点权系数，进行移动窗口加权平均进行平滑滤波。

优选的是，段间车载轨迹数据的优化方式为：确定B样条曲线基函数并进行递归处理。

优选的是，粗分段时，运动姿态的偏航角持续变化超过20°认为是车辆拐弯，被分为单独段。