[发明专利]一种融合多源传感器信息的无人车定位方法

说明书

本发明涉及一种融合多源传感器信息的无人车定位方法，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；步骤2：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：建立非线性模型；步骤5：获取运动学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：建立单车模型；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，与现有技术相比，本发明具有提高无人车定位精度和适用性强等优点。

技术领域

本发明涉及自动驾驶技术领域，尤其涉及一种融合多源传感器信息的无人车定位方法。

背景技术

近年随着中国经济增长，汽车已经不仅仅只是便捷的交通工具，汽车的智能网联化已经成为人们的另一种需求，因此无人车由于其便携性和可拓展性受到广大科研工作者和产业界的关注。其中无人车定位是研究无人车领域的基础模块，使用不同的感知传感器需要采用不同的研究方法。目前市面上单纯地使用GPS完成定位工作的方案，其特点是全天候，覆盖区域大，然而面对卫星信号受到干扰时，会产生很大误差，另外单纯使用IMU完成定位工作地方案由于此技术为相对定位技术，其定位误差会随着时间地累积越来越大。

发明内容

本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种融合多源传感器信息的无人车定位方法。

本发明的目的可以通过以下技术方案来实现：

一种融合多源传感器信息的无人车定位方法，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。

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：