[发明专利]一种基于多传感器融合的精确定位系统

权利要求书

1.一种基于多传感器融合的精确定位系统，其特征在于，所述系统包括：

GPS传感器，用于收集GPS信息；

惯性测量单元，用于收集IMU信号；

摄像传感器，用于收集图像视频流；

中央处理器，用于对获取的图像视频流中图像质量进行判断分类；

跟据图像质量好的判断结果，则获取图像视频流，对图像视频流中每帧图像信息提取特征点进行计算处理，获得视觉里程计信息；

对图像视频流中每帧图像进行提取，获得图像特征向量；

根据图像质量差的判断结果，则只获取IMU信号信息以及GPS信号不断进行修正车辆的运动轨迹，并与电子地图进行融合，通过概率匹配方式不断进行修正偏转角的偏差，最终获得定位结果；

根据视觉里程计信息及IMU信号信息、GPS信号通过融合信号信息进行修正车辆的运动轨迹；

根据修正后的车辆运动轨迹与电子地图进行融合，通过概率匹配方式进行修正偏转角的偏差，获得定位区域；

获取若干个定位区域进行提取，获得所述定位区域的街景图像序列；

对所述定位区域的街景图像序列进行检测，截取街景图像序列中显著度高的部分，获取432*432的分辨率图像；

对当前时刻获得的图像也进行同样操作，获得两组分辨率一致的图像序列进行降采样及计算处理，获得特征维度数目为216的特征向量；

获取两组图像序列的特征向量进行计算、配对处理，获得图像序列配对结果；

基于图像序列配对结果，获取该街景图像序列所处的定位坐标，获得定位结果；

其中，所述的概率匹配方式包括：

获取电子地图中的一个节点表示一段路，当前时刻(t)车辆所处的路段定义为u_t，则车辆所在位置可以通过一个向量(d_t，θ_t)来表示，其中d表示在这段路上行驶的距离，θ表示路段对应的直线与车辆的运动方位所形成的夹角；

设t时刻下的惯性测量单元得到的观测值为y_t，而s_t为当前时刻以及上一时刻的车辆位置的元组：s_t＝(d_t，θ_t，d_t-1，θ_t-1)，则融合定位问题可以规约成后验概率的推断；

通过计算各个节点的概率，锁定的当前车辆疑似所在位置；p(u，s)表示(u，s)的联合概率分布，p(u|s)表示条件概率分布，1：t-1表示从1时刻到t-1时刻，以此类推；随着车辆行驶轨迹信息的增加，所能定位的区域会逐渐收敛到一个更加精确的位置：

p(u_t，s_t|y_1：t)

其中，所述获得两组分辨率一致的图像序列进行降采样及计算处理步骤包括：

将图像分为4个，在每个层次中根据上步计算所得的积分图像，计算出哈尔小波的前3阶响应值；

对前三阶响应值进行归一化处理；

将降采样后的图像分割为4*4的小块，每个块按照特定的下标汇总，对每一个层次的哈尔小波在特定的下标值响应上进行求和以及L1范数的计算，得到特征维度数目为216的特征向量。

2.如权利要求1所述的一种基于多传感器融合的精确定位系统，其特征在于，所述获取视觉里程计信息的步骤包括：

对于视频流中的图像进行FAST角点提取；

基于所提取的FAST角点进行计算所述FAST角点的BRIEF描述子；

基于BRIEF描述子进行特征点的匹配；

将得到的特征点通过进行去除局外点以及最小化重投影误差的方式，得到两帧图像之间的旋转平移矩阵，即视觉里程计信息。

3.如权利要求1所述的一种基于多传感器融合的精确定位系统，其特征在于，所述根据IMU信号信息、GPS信号及视觉里程计信息进行修正车辆的运动轨迹的步骤进一步包括：

对获取的IMU信号信息进行积分处理，计算出车辆当前运动位姿；

获取车辆当前运动位姿，结合GPS信号和视觉里程计信息，进行融合与轨迹修正。