[发明专利]一种基于改进卡尔曼滤波器的无人矿卡融合定位方法

说明书

本发明公开了一种基于改进卡尔曼滤波器的无人矿卡融合定位方法，包括基于组合导航定位法获取定位数据作为控制量；以及基于环境特征匹配法获取定位数据作为观测量；将控制量和观测量同时导入基于改进卡尔曼滤波器的状态模型和测量模型进行融合定位，得到融合后的定位结果作为当前的定位数据。本发明通过改进现有的卡尔曼滤波的状态模型与测量模型，将传统的组合导航定位作为系统的控制量，环境特征匹配法作为观测量，在一维条件下实现上述两种定位方法的融合。从而能够进行具有更高的定位精度、更低的成本和更高的稳定性的融合定位，对提升无人矿卡的智能驾驶性能具有重要的意义。同时解决了单一定位方法容易受到天气、建筑等外界干扰。

技术领域

本发明涉及自动驾驶和融合定位技术领域，特别涉及一种基于改进卡尔曼滤波器的无人矿卡融合定位方法。

背景技术

随着露天矿山作业方式向着自动化、智能化以及无人化方向发展，为了能在这种环境下执行任务，实现无人矿车的自主导航、路径规划以及运动控制，连续精确的定位显得尤为重要。目前国内外关于无人矿车的定位主要采用全球导航卫星系统(GlobalNavigation Satellite System,GNSS)与惯性导航系统(Inertial Navigation System,INS)的传统组合导航定位方法，由其提供高精度的全局车辆定位。

现有技术的不足之处在于，露天矿山环境GNSS信号容易丢失，基于GNSS/INS组合导航系统的车辆定位性能会迅速下降。因此，缺失GNSS信号条件下的低速无人车定位有问题。同时，环境特征匹配法作为无人驾驶的定位方法，单一传感器的定位精度、适用范围以及可靠性毕竟有限。考虑到多种传感器定位互补性与冗余可靠性提升等因素，基于多传感器环境特征匹配的定位技术受到无人驾驶领域的广泛关注。其中，激光雷达广泛使用于自动驾驶车辆中，测距精度高，但是价格昂贵，且使用寿命尚没有达到量产标准。相反，通过视觉进行定位具有很多优点，是一种低成本高性能的导航方案。近些年，基于摄像头的视觉状态估计技术发展迅速，科研人员提出了多种采用单目与双目相机定位算法。其中单目相机不能直接获得深度信息，需要复杂的初始化过程，双目立体视觉根据图像特征计算视差得到目标的深度信息，需要高性能处理器，实时性较低。然而，由于无人车车载计算平台的计算能力有限。

发明内容

本发明的目的克服现有技术存在的不足，为实现以上目的，采用一种基于改进卡尔曼滤波器的无人矿卡融合定位方法，以解决上述背景技术中提出的问题。

一种基于改进卡尔曼滤波器的无人矿卡融合定位方法，包括：

基于组合导航定位法获取定位数据作为控制量；以及

基于环境特征匹配法获取定位数据作为观测量；

将控制量和观测量同时导入基于改进卡尔曼滤波器的状态模型和测量模型进行融合定位，得到融合后的定位结果作为当前的定位数据。

作为本发明的进一步的方案：所述基于组合导航定位法获取定位数据作为控制量的具体步骤包括：

根据组合导航定位法采集定位数据u，并对定位数据u进行误差处理，定位数据u满足于：

其中，

式中，U(k)为无人车实际定位值，k为获取次数，E为第k-1次获取时的误差；

根据连续两次定位数据相减可以消除误差E，得到状态模型为：

U(k)＝U(k-1)+Δu(k|k-1)+Q(k)；

式中，Δu(k|k-1)表示无人车定位数据的变化趋势，Q(k)为过程激励噪声协方差。

作为本发明的进一步的方案：所述基于环境特征匹配法获取定位数据作为观测量的具体步骤包括：