[发明专利]一种基于自适应选权的多源融合定位方法

说明书

本发明提供一种基于自适应选权的多源融合定位方法，方法步骤为：根据传感器初始数据获取初始节点；由初始节点生成初始位置变量节点和初始误差变量节点；惯性导航因子对位置变量节点进行拓展，误差因子则对误差变量节点进行拓展，并且由误差变量节点对惯性导航因子进行纠正；按照不同权重将卫星导航因子和视觉里程计因子的输出结果与位置变量节点中的定位结果进行数据融合。本发明将自适应选权的因子图模型应用于多源融合导航定位，用较为简便的方式实现了对传感器因子自适应选权的过程，能够通过动态调整权重实现卫星定位信息的故障排除和重新接入，并且在一定程度上减小定位误差。

技术领域

本发明涉及一种基于自适应选权的多源融合定位方法，属于多源融合导航定位领域。

背景技术

随着人工智能技术的发展，无人驾驶汽车成为未来汽车发展的趋势。对于无人车来说，解决定位问题是实现无人驾驶的基础。定位系统的精度直接影响了无人车的行驶安全和工作效率，依赖单一传感器完成导航定位功能的系统已经无法满足对定位精度的需求，此时便需要对多个传感器数据进行信息融合，多源融合技术由此诞生。多源融合技术可以利用各个传感器互补的特性，提高定位结果的精度，还能使定位系统能够适应各种环境，增强了系统的鲁棒性。

如今，卫星导航系统在种类繁多的导航定位系统中起着重要作用，当需要提供定位的绝对位置时，大部分车辆都将其作为首选目标。但卫星导航系统也存在固有的缺陷，系统需要在接收机收到卫星信号后对其进行解算才能得到定位结果，定位过程中系统对可见卫星的数量和卫星信号的强度都有一定的要求。且卫星信号难以穿透钢筋混凝土结构的建筑，导致卫星信号在城市峡谷、隧道、立交桥等半封闭环境中的信号衰减非常严重，有时还会出现接收不到信号的情况。当车辆在这些场景下行驶时，定位精度会受到极大的负面影响。因此，就需要对卫星定位信息的权重根据当前卫星性能进行调整，完成卫星定位信息的自主断开和接入，以减小定位误差。

在导航定位领域中传统的多源融合方法以卡尔曼滤波系列算法为主，其中包括为了减小线性化误差发展出的扩展卡尔曼滤波算法，和为了实现即插即用功能发展出的联邦卡尔曼滤波算法。本文使用的因子图算法也是多源融合算法中的一种，相比于卡尔曼滤波算法，因子图算法的线性化误差更小，并且结构变化更方便，易于实现即插即用功能。

发明内容

本发明针对传统权重选择方法结构复杂且计算量大的问题，提出了一种因子图模型下基于自适应选权的多源融合定位方法。该方法计算了因子图的位置变量节点中的定位结果与卫星导航因子的定位结果之间的位置差值，并利用位置差值构建权函数来完成自适应调整融合权重的作用。这种自适应选权方法能够完成卫星定位信息的故障排除和自主接入，还可以降低异常量的影响，在一定程度上提高精度。

本发明的目的是这样实现的：依靠惯性导航因子推动位置变量节点拓展，误差变量节点对惯性导航因子进行纠正，添加视觉里程计因子和卫星导航因子通过直接与位置变量节点进行数据融合的方式纠正定位结果，步骤如下：

步骤1：基于卫星定位提供的初始位置，确定因子图的初始节点f_prior；

步骤2：在初始节点f_prior基础上生成位置变量节点x₁和误差变量节点c₁，通过惯性导航因子和误差因子进行拓展，误差变量节点对惯性导航因子进行纠正；

步骤3：当获得新的量测信息时，结合卫星导航因子和视觉里程计因子与位置变量节点进行数据融合，实现定位；其中卫星导航因子在数据融合前要经过一个权重计算的过程，完成自适应选权功能。

本发明还包括这样一些特征：

1.步骤3的自适应选权具体步骤如下：