[发明专利]基于残差建模和GNSS组合惯性导航系统的高精度定位系统

说明书

本发明公开了基于残差建模和GNSS组合惯性导航系统的高精度定位系统，该系统主要包括：预处理模块、点云配准模块和重定位模块。该方法主要基于残差建模，通过将残差分布建模为混合概率模型来提升匹配算法的准确性和鲁棒性，并利用期望最大化算法解耦隐变量、残差分布参数和刚性变换，并高效交替优化求解。给出结构化城区环境下精确的车道级地图信息。该方法在开放式、高动态的城区场景可输出实时、准确和鲁棒的定位结果，可广泛应用于无人驾驶定位导航和高级辅助驾驶技术等领域。

技术领域

本发明属于智能交通领域与高精度定位系统，特别涉及基于激光雷达和GNSS组合惯性导航系统的高精度定位系统。

背景技术

高精度定位是无人驾驶系统的核心模块。通过高精度定位系统，环境感知和运动决策模块可以从地图中读取出可通行区域，从而对输出结果进行校验同时将计算资源集中在可通性区域内，极大地增强了无人驾驶整个系统的安全性和实时性。高精度的定位系统的输入是当前帧点云、GNSS组合惯性导航系统和高精度三维地图，输出是当前帧点云在高精度三维地图中的刚性变换。尽管高精度定位系统较为复杂，其核心模块是点云配准算法，该算法输入两帧三维点云，输出两帧点云之间的刚性变换即定位结果。

然而，点云配准算法容易在开放式、高动态的交通场景中失效。究其原因，遮挡、动态障碍物、临时交通设施等为点云配准算法引入外点，而常见的点云配准算法通过高斯噪声假设构建目标函数，其对外点的脆弱性可以归因于用高斯噪声对外点的脆弱性。另一方面，现阶段点云配准算法仅使用IMU作为算法的初值，无法保证所求解的刚体变换受IMU信息约束，导致算法极易受高动态环境影响。

目前，为克服外点影响有三类方法。第一类方法使用固定设置的阈值去除幅值较大的外点，第二类方法对每项残差使用鲁棒估计进行修正，降低大幅值残差对目标函数的贡献，第三类方法是残差建模，通过为残差分配概率模型，在求解时同时优化概率模型的参数和刚性变换，从而达到自适应剔除外点的功能。然而，固定阈值和鲁棒估计中的超参数均需人为设置，无法适应于复杂多变的交通场景；残差建模技术通常使用单峰分布如拉普拉斯分布等，建模的精度和刚性变换的求解精度无法保证；且上述三类算法在求解过程中没有考虑IMU约束。综上所述，目前的点云配准算法无法作为无人驾驶高精度定位的核心模块，不具备在技术研发和应用上的推广。

发明内容

本发明的目的在于提供基于残差建模和GNSS组合导航系统的高精度定位系统，以解决上述问题。

为实现上述目的，本发明采用以下技术方案：

基于残差建模和GNSS组合惯性导航系统的高精度定位系统，包括预处理模块、点云配准模块和重定位模块；预处理模块、点云配准模块和重定位模块依次连接；

数据预处理模块用于特征计算和语义筛选；特征计算将点云转换为深度图，根据深度图快速计算法向量、曲率几何信息；语义筛选根据几何信息，将点云分为地面点云和障碍物点云，根据定位需求调整地面点和障碍物点的比例；

点云配准模块用于残差计算、目标函数构建、目标函数求解；残差计算通过最近邻搜索建立当前帧点云和地图点云之间的对应关系，使用基于双向点到面距离的残差模型提升定位算法性能；目标函数构建将残差分布建模为混合概率模型，并将GNSS惯性导航系统中的IMU作为刚性变换先验，构建出对遮挡、动态障碍物鲁棒的目标函数；目标函数求解通过期望最大化框架，将隐变量、残差分布参数和刚性变换解耦，并高效交替优化求解；

重定位模块用于质量分数计算和配准参数重置；质量分数计算模块根据定位的残差向量评估点云配准算法的可靠性；当可靠性较低时，配准参数重置模块对点云配准算法中的IMU信息和最大迭代次数进行调整，并将点云配准算法中的初始刚体变换设置为GNSS组合惯性导航系统中的GPS。

进一步的，数据预处理模块具体过程如下：