[发明专利]一种基于多传感器融合的无人车定位方法

说明书

本发明公开了一种基于多传感器融合的无人车定位方法，主要基于GPS、IMU、三维激光雷达传感器实现城市级的无人车定位。整个方法整体上是基于一个无迹卡尔曼滤波器实现，能够很好的拟合非线性系统，并且对高阶项的损失很小，计算复杂度低。状态预测部分利用IMU测量的运动信息来估计前后时刻的状态变化，校正部分则是利用每帧激光点云数据计算与地图的匹配位置来对IMU的估计状态进行校正，避免IMU随时间不断偏移，最终实现了一种低成本的可用于城市级定位的解决方案。

技术领域

本发明涉及无人驾驶领域，尤其涉及无人车定位、传感器和系统

背景技术

近年来，随着人工智能的兴起，无人驾驶也越来越多的出现在人们的视野，各类无人车也正为人类提供便捷的服务，但是无人车要保证清楚地执行自己的规划，就必须要明白自己身处何方。因此，无人车的定位技术可以说是无人驾驶技术的核心。

目前已有的全局定位大多是基于RTK的差分GNSS定位系统，这种系统在开阔环境下的定位精度可达厘米级，但是无人车往往需要在城市的高楼大厦下穿梭，由于受建筑物遮挡影响严重，无人车仅通过GNSS 定位系统的信号无法得到高精度的位置。

激光雷达定位技术在无人车定位中的作用逐渐凸显，它对环境的适应性强，对于GNSS定位系统来说是干扰的建筑物环境，对于激光雷达来说反而提供了丰富的定位特征；另一方面，在非常开阔的环境下，当激光雷达扫描不到有效的定位特征时，恰好是GNSS能够发挥最佳定位作用的时候。

这两者融合起来可以为无人车提供可靠的定位信息。

发明内容

本发明的目的是提供一种可以实现城市级高精度定位的方法，同时满足低成本应用的解决方案。

为解决上述提出的问题，本发明的技术方案是：一种基于多传感器融合的无人车定位方法，包括获取当前无人车位置对应的三维激光点云数据，其中所述的三维激光点云数据包括各个激光点的三维空间立体坐标以及所述的三维激光点云数据中各个激光点对应的反射强度值。

作为一种基于多传感器融合的无人车定位方法的优选方案，所述的三维激光点云数据由三维激光传感器或其他具有相同功能的传感器测量获得。

作为一种基于多传感器融合的无人车定位方法的优选方案，对所述的三维激光点云数据进行滤波处理以减少数据噪声得到降噪的激光采样数据，其中所述的滤波处理包括但不限于体素滤波、中值滤波、统计滤波。

作为一种基于多传感器融合的无人车定位方法的优选方案，根据预先计算的先验位置计算所述的降噪的激光采样数据与点云地图的最佳匹配转换关系，从而得到无人车在点云地图中的位置，其中所述的无人车在点云地图中的位置包括三维空间中的三维立体坐标以及三维空间中的三个旋转方向的变化。

作为一种基于多传感器融合的无人车定位方法的优选方案，所述的点云地图包括但不限于周围环境中的建筑物形状、地面路边沿的轮廓、道路两旁树木的结构以及花坛的外形，并且所述的点云地图中各个特征的位置坐标均统一在一个全球的坐标系下。

作为一种基于多传感器融合的无人车定位方法的优选方案，所述的全球的坐标系由全球导航卫星系统 (GNSS)通过投影变换计算得到，其中所述的投影变换是指通用横轴墨卡托投影以及包括在此基础上经过任何偏移；

作为一种基于多传感器融合的无人车定位方法的优选方案，所述的预先计算的先验位置在系统初始化时由全球导航卫星系统经过所述的投影变换计算得到，所属的预先计算的先验位置在系统正常运行时由系统的状态估计器根据系统的运动状态进行预测得到。

作为一种基于多传感器融合的无人车定位方法的优选方案，所述的系统状态估计器是一个以无迹卡尔曼滤波器为基础的贝叶斯滤波器，但不仅限于所述的无迹卡尔曼滤波器这种贝叶斯滤波器；