[发明专利]一种结合动态建图的多源融合导航方法

说明书

本发明公开了一种结合动态建图的多源融合导航方法，包括以下步骤：步骤1，构建高精度3D点云地图和引导线地图；步骤2，对步骤1中所构建的3D点云地图进行辅助的全球导航卫星系统或惯性测量元件或视觉组合导航解算；步骤3，采用隐马尔可夫链模型将定位轨迹匹配到步骤1中所构建的引导线地图上；步骤4，用匹配后的位姿修正3D点云地图和引导线地图。本发明提出的方法消除了组合导航系统中VO算法的不稳定性以及视觉定位中未充分挖掘图像中有用信息辅助定位的问题；有效提高了组合导航系统速度的可靠性；充分挖掘了图像中有用信息辅助定位，实现对构建的地图进行实时更新，并有效的用于载体的场景感知与定位。

技术领域

本发明涉及一种多源融合导航方法，特别是一种结合动态建图的多源融合导航方法。

背景技术

随着智能交通系统的发展，高性能车载导航定位技术需求不断增加。传统的GNSS/IMU组合导航是目前使用最为广泛的导航定位技术，在一定程度上解决了惯性测量元件（Inertial Measurement Unit，IMU）误差累积和全球导航卫星系统（Global NavigationSatellite System，GNSS）信号中断的问题。但是在城市峡谷环境下，随着GNSS信号中断时间变长，GNSS/IMU组合导航性能不断下降，不能满足精准定位的需求。视觉传感器具有体积小、功耗低、价格低廉，能够实现自主定位，地图构建，目标识别等优势，同时移动平台行驶受到道路等路面信息的约束，因此将视觉传感器和地图匹配来提高GNSS/IMU组合导航系统精度成为近年来研究的热点。

Chen和Chiang提出了一种用双目视觉传感器协助低精度惯性导航系统（InertialNavigation System，INS）/全球定位系统（Global Positioning System，GPS）组合系统的算法，利用视觉里程计（Visual Odometer，VO）的位置、速度信息辅助INS/GPS组合定位，虽然组合导航系统能够在一定程度上提高GPS信号中断时的定位精度，但是该系统的VO算法存在不稳定性，影响了系统最终定位的可靠性。Sun提出了一种使用非完整约束的基于两次扩展卡尔曼滤波的GNSS/IMU/VO组合导航方案，实验结果表明，在城市复杂环境下可以得到3.285m的三维位置误差。Liao、Li等人开发了一种基于扩展卡尔曼滤波的GNSS/INS/Vision紧耦合组合方案，提出了一种结合旋转二进制鲁棒独立基本特征(Binary RobustIndenpendent Elementary Features，BRIEF)描述子和稀疏光流跟踪法(Kanade-Lucas-Tomasi Tracking Method，KLT)的特征跟踪算法（参考：Liao J, Li X, Wang X, et al.Enhancing navigation performance through visual-inertial odometry in GNSS-degraded environment[J]. GPS Solutions, 2021, 25(2): 1-18.），实验结果证明在城市峡谷中，所提算法的导航性能相比于GNSS/INS松耦合组合导航有极大的提高，由于缺少地图辅助，当存在特征不匹配和复杂驾驶环境下的动态目标时，导航性能会变得比GNSS/INS松耦合组合导航更糟糕的情况。