[发明专利]一种SLAM室外大场景精准定位方法

说明书

本发明公开了一种SLAM室外大场景精准定位方法，包括以下步骤：使用IMU和Wheel Odemetry更新的状态，传播IMU和Wheel Odemetry的不确定性，当有GNSS或者LIDAR测量结果到达时计算GNSS/Lidar的卡尔曼增益，计算误差状态Error State，校正预测状态Predicted State，计算校正协方差，计算当前位置，当GNSS或者LIDAR测量结果没有到达时，继续使用IMU和Wheel Odemetry更新的状态，传播IMU和Wheel Odemetry的不确定性。本发明提高了该定位系统和方法的准确性。

技术领域

本发明涉及SLAM室外大场景精准定位技术领域，尤其涉及一种SLAM室外大场景精准定位方法。

背景技术

铁水运输所在场景特点：覆盖范围大、钢铁结构建筑物多、遮挡严重、场景复杂。

GPS在该场景下，可靠性大打折扣；IMU、Lidar、WheelOdmetry不可避免的存在积分误差；使用单一传感器进行精准定位无法达到效果。

发明内容

基于背景技术存在的技术问题，本发明提出了一种SLAM室外大场景精准定位方法。

本发明提出的一种SLAM室外大场景精准定位方法，包括以下步骤：

S1：使用IMU和WheelOdemetry更新的状态；

S2：传播IMU和WheelOdemetry的不确定性；

S3：当有GNSS或者LIDAR测量结果到达时进入S4，否则进入S1；

S4：计算GNSS/Lidar的卡尔曼增益(KalmanGain)；

S5：计算误差状态ErrorState；

S6：校正预测状态PredictedState；

S7：计算校正协方差；

S8：计算当前位置。

优选地，各传感器需要进行各自的校准及联合标定。

优选地，IMU和WheelOdemetry获取高频率状态跟新信息，GNSS和LIDAR获取低频率测量结果，进而进行校正。

优选地，计算卡尔曼增益时，使用基于迭代的卡尔曼滤波，迭代卡尔曼滤波器主要目的在于克服EKF线性化过程中对高阶误差的舍弃而造成的估计不准确，迭代主要是指在量测更新过程中添加了一步迭代，直到状态收敛。

优选地，S6除了通过ErrorState的计算进行校正，还可通过高精地图的关键帧和Lidar进行校正。

本发明中的有益效果为：

1.该定位系统和方法所需的传感器：IMU、GNSS、Lidar、Wheel Odmetry，都是市面上最常见的传感器，降低了该定位系统和方法的成本，且该定位方法不仅准确，而且误差低，从而提高了该定位系统和方法的准确性。

2.该定位系统和方法不仅能通过ErrorState的计算进行校正，还可通过高精地图的关键帧和Lidar进行校正，而且当有GNSS或者LIDAR测量结果到达时才能进入S4，否则需要回到S1，从而进一步降低了定位的误差，进而提高了该定位系统和方法的准确性，

3.通过该定位系统和方法避免了积分误差的存在和单一传感器不能够精准定位的情况，而且各传感器需要进行各自的校准及联合标定，避免传感器本身对定位的影响，另外IMU和WheelOdemetry获取高频率状态跟新信息，GNSS和LIDAR获取低频率测量结果，进而进行校正，进一步提高了该定位系统和方法的准确性。

附图说明