[发明专利]一种融合定位方法及系统

说明书

本发明提供一种融合定位方法及系统。本发明的方法用于对具有行进轮的目标主体进行定位，所述目标主体具有惯性导航模块和基于行进轮的速度测量模块，所述方法包括：在所述目标主体保持静止，行进轮旋转的情况下，测定惯性导航模块和速度测量模块的噪声方差；构建与所述目标主体的位置相关的卡尔曼滤波状态量和观测量；基于所述噪声方差以及所述状态量和观测量构建表征位置预测不确定性的噪声矩阵；实时测量所述观测量，并基于所测得的观测量基于卡尔曼滤波进行所述目标主体的位置预测。

技术领域

本发明涉及导航定位技术领域，更具体涉及组合导航技术领域。本发明可应用于室外无人驾驶系统、室内智能小车系统等需要移动主体定位信息的系统。

背景技术

车辆导航定位是无人驾驶系统的关键技术之一，精密、安全的无人驾驶系统需在任何时间和空间获得高精度的车辆定位信息。由于基于微机电系统(Micro-Electro-Mechanical System，MEMS)技术的惯性导航模块(Inertial Navigation System，INS)的加速度计测量结果受多种噪声影响，基于惯性导航模块航位推算的车辆定位结果误差随时间迅速累积，无法长时间定位，需与其他传感器结合使用。目前，惯性导航模块与速度计(里程计)和射频识别技术(Radio Frequency Identification，RFID)融合是一种可能的定位方案。以如图1所示的定位场景为例，路面设置RFID标签,车辆上安装车载RFID阅读器，惯性导航模块和速度计安装在车辆上。RFID标签提供离散的绝对位置坐标，惯性导航模块与速度计完成相对位置推算。由于RFID标签能够对惯性导航模块与速度计进行修正，在整体上降低了惯性导航模块与速度计长距离定位难度，是一种可行的高精度定位方法。然而，针对无人驾驶系统场景，此方案相关算法缺乏这一场景下可实现的构造方法，同时还存在进一步提升定位精度的空间。

目前，现有大量方案均是基于传感器误差的卡尔曼滤波融合定位算法，将惯性导航模块、速度计和RFID传感器在各个方向的系统误差作为卡尔曼滤波的状态量，以惯性导航模块推算位置与RFID位置的差值、惯性导航模块推算速度与速度计的差值作为观测量进行卡尔曼滤波得到定位结果。比如，孙伟等人在中国专利CN107402005A中公开的“一种基于惯性/里程计/RFID的高精度组合导航方法”，以及KIM IN-JUN(KR)等在美国专利US2005143916中公开的“Positioning apparatus and method combining RFID,GPS andINS”都是基于上述方法。

但是，现有的导航定位方案主要存在三个问题：

(1)观测量使用的是惯性导航模块推算的位置和速度，即，观测量构建方式直接采用惯性导航模块单独推算的位置和速度与其他传感器对应量相减，而由于惯性导航模块误差累积速度非常快，导致观测量严重远离实际误差，难以达到高精度的定位；

(2)缺少对噪声协方差矩阵构建，而卡尔曼滤波的精度和收敛性取决于过程噪声和观测噪声协方差矩阵，因此如何设计十分重要，但是现有技术均根据经验和实际效果进行调参，未给出如何根据其物理意义构建噪声协方差矩阵，以避免盲目调参的问题；

(3)在RFID标签处，以RFID内存储的绝对位置信息直接去修正如惯性导航模块等其他传感器。而在实际中，RFID阅读器天线存在一定的覆盖范围，当车辆阅读到RFID标签时，车辆与RFID标签之间存在一定的位置偏差，直接将RFID标签存储的绝对位置信息视为车辆当前位置，误差最大可达RFID标签与阅读器的最大通信距离，大大降低位置修正精度。

因此，现有的基于传感器误差的卡尔曼滤波融合定位方法都存在上述问题中的至少一种，在定位精度上均有更进一步提高的需要。

发明内容

申请人首先从理论上简述本发明的融合定位方法的原理，卡尔曼滤波状态量和观测量的形式，并概括说明本发明的方案如何解决了背景技术中提到的三个问题。

针对上述问题(1)：