[发明专利]一种融合多源传感器信息的无人车定位方法

权利要求书

1.一种融合多源传感器信息的无人车定位方法，其特征在于，该方法包括以下步骤：

步骤1：获取待控制车辆的GPS位置信息和IMU信息，并将待控制车辆结合惯性导航系统与GPS信号获得的厘米级精度定位作为真值，以验证融合后的定位精度；

步骤2：根据GPS位置信息和IMU信息建立线性模型；

步骤3：获取线性模型下的融合多源传感器信息的无人车定位算法，并得到线性模型下的融合定位结果；

步骤4：根据GPS位置信息和IMU信息建立非线性模型；

步骤5：获取非线性模型下的融合多源传感器信息的无人车定位算法，并得到非线性模型下的融合定位结果；

步骤6：对非线性模型进一步加深非线性并重新建模得到单车模型；

步骤7：获取单车模型下的融合多源传感器信息的无人车定位算法，并得到单车模型下的融合定位结果；

所述的步骤2中，线性模型包括恒定速度模型与恒定加速度模型，其中，恒定速度模型的状态向量的表达式为：

其中，x、y、θ和v分别为t时刻车辆位置的横坐标、纵坐标、车辆航向角和速度；

恒定速度模型的状态方程和观测方程的表达式分别为：

其中，Δt为时间间隔，为经过Δt时间后的状态向量，为由GPS得到的观测值，x_gps为由GPS得到的车辆位置的横坐标，y_gps为由GPS得到的车辆位置的纵坐标；

恒定加速度模型的状态向量的表达式为：

其中，s和v分别为t时刻车辆的位移和速度；

恒定加速度模型的状态方程和观测方程的表达式分别为：

其中，a为车辆的加速度，为经过Δt时间后的状态向量，s(t)为t时刻车辆的位移，v(t)为t时刻车辆的速度，为观测值，即GPS测量得到的位移；

恒定加速度模型将加速度计测量的数值作为系统输入：

u(k)＝a(k)

其中，u(k)为系统输入，a(k)为加速度计测量的数值；

所述的步骤4中，非线性模型为基于恒定加速度与角速度的运动学模型，运动学模型的状态向量的表达式为：

其中，x_k、y_k、ψ_k、ω_k、v_k和a_k分别为k时刻车辆的横坐标、纵坐标、航向角、角速度、速度以及加速度；

运动学模型的状态方程和观测方程的表达式分别为：

其中，为k-1时刻车辆的状态向量，v_k-1为k-1时刻车辆的速度，dt为时间间隔，为观测值，x_g,k、y_g,k、a_a,k和ω_g,k分别为k时刻GPS观测得到的车辆横坐标、纵坐标、加速度计获得加速度以及陀螺仪测得的角速度。

2.根据权利要求1所述的一种融合多源传感器信息的无人车定位方法，其特征在于，所述的步骤1中，通过安装在车顶的GNSS天线收集GPS信息，通过惯性导航单元收集IMU信息，所述的GPS信息包括车辆的经纬度信息，且车辆的经纬度信可转换为车辆的横坐标和纵坐标，所述的IMU信息包括车辆的三轴角速度和加速度。