[发明专利]一种基于多源异构传感器的融合定位方法及系统

说明书

本发明提供了一种基于多源异构传感器的融合定位方法及系统，属于车辆融合定位技术领域。该方法用于定位目标车辆，所述目标车辆设置有多个激光雷达以及其他定位装置，该融合定位方法包括：将各个所述激光雷达采集的点云数据按照同一坐标系进行融合，得到融合点云数据；从所述融合点云数据识别每一所述激光雷达所对应的点云区域内的目标点云数据；针对每个所述激光雷达，对所述目标点云数据进行特征提取，得到该激光雷达对应的特征；将各个所述特征进行合并，并根据合并后的特征和所述其他定位装置所采集的定位信息确定所述目标车辆的第一位姿信息。本发明的融合定位方法及系统能够在保证定位精度。

技术领域

本发明属于车辆融合定位技术领域，特别是涉及一种基于多源异构传感器的融合定位方法及系统。

背景技术

车辆定位功能是实现自动驾驶最基本也是最重要的环节之一，定位的精度和可靠性会影响到自动驾驶整体功性能的表现。一般而言，自动驾驶需求的定位精度在10厘米左右，并且能够在空旷、遮挡或半遮挡等工况下应用。

当前，使用比较多的定位方法直接基于全球导航卫星系统(GNSS)，与惯性测量单元(IMU)和实时动态定位(RTK)做融合，给出车辆在全局坐标系下的经纬度，与高精地图匹配，得到车辆局部坐标下相对位置，例如，车辆距离车道线、停止线的位置。这种方法在空旷区域具有高精度的特点，但在树木、楼宇或通道对卫星信号有遮挡、半遮挡的情况下，尽管有IMU递推，但其定位精度仍会大幅下降，可靠性急剧下降。为解决这种场景下的定位问题，许多方案通过增加其他传感器，例如，轮速、激光或视觉等信息源，通过递推、同步定位与地图构建(SLAM)以及信息融合，来提高遮挡、半遮挡情况下的定位稳定性。受光线环境影响，视觉SLAM主要在环境光照变化较为稳定、不突变的场景下使用，目前，使用激光SLAM作为融合源的方案较多。

对于大型车辆来说，传感器安装布置时会考虑将两个机械旋转激光雷达安装在车辆的左右前角，来提升侧方目标感知的覆盖能力。机械旋转激光雷达具有360度的感知范围，但在该安装方式下受车体遮挡，每个激光雷达都至少会有90度～180度的点云浪费，不能参与SLAM点图匹配，降低了信噪比，影响建图和实时定位精度。按照激光定位的工作原理，需要先建图，再匹配定位。因此，激光图层的精度会影响实时定位的精度。激光SLAM建图需要回环检测修正，来提高图层精度，但精度随着行驶距离会有下降。

发明内容

本发明第一方面的一个目的是提供一种基于多源异构传感器的融合定位方法，能够在保证定位精度。

本发明的进一步的一个目的是要进一步提高算法稳定性以及建图和实时定位的精度。

本发明第二方面的一个目的是提供一种基于多源异构传感器的融合定位系统，能够在保证定位精度。

特别地，本发明提供了一种基于多源异构传感器的融合定位方法，用于定位目标车辆，所述目标车辆设置有多个激光雷达以及其他定位装置，所述方法包括：

将各个所述激光雷达采集的点云数据按照同一坐标系进行融合，得到融合点云数据；

从所述融合点云数据识别每一所述激光雷达所对应的点云区域内的目标点云数据；

针对每个所述激光雷达，对所述目标点云数据进行特征提取，得到该激光雷达对应的特征；

将各个所述特征进行合并，并根据合并后的特征和所述其他定位装置所采集的位姿信息确定所述目标车辆的第一位姿信息。

可选地，每一所述激光雷达所对应的点云区域内的目标点云数据包括该激光雷达采集的原始点云数据以及落入所述原始数据对应的点云区域内的其他所述激光雷达采集的点云数据。

可选地，将各个所述激光雷达采集的点云数据按照同一坐标系进行融合的步骤包括：

提取时间对齐的各个所述激光雷达的点云数据；