[发明专利]一种面向遮挡测评环境的多传感高精度融合测量方法

说明书

本发明公开了一种面向遮挡测评环境的多传感高精度融合测量方法，通过多传感器融合的方案解决GNSS信号受遮挡情况下车辆的可靠连续定位。通过在路侧布设主动特征来增加激光雷达的观测量，以提升激光SLAM在点云稀疏情况下的定位精度；同时引入UWB距离观测量来识别激光雷达扫描到的主动特征编号，并结合车载惯性传感器来提升定位频率；最后通过因子图算法来实时准确地估计出车辆的位置信息。具有成本低、精度高、实时性好的优点。

技术领域

本发明属于车辆导航定位领域，具体涉及一种面向遮挡测评环境的多传感高精度融合测量方法。

背景技术

近年来，智能交通系统在全球范围内得到了飞速的发展，它能将新进的传感器技术、数据通讯传输技术、信息技术等各种技术综合运用于交通系统中，从而有效地实现对交通系统的综合管理，最大限度地实现人、车、路的和谐统一。而对于大部分智能交通系统而言，获取准确、可靠的位置信息是发挥其功能的前提。

目前，在车辆导航定位领域中应用最为广泛的是全球导航卫星系统(GNSS)技术。在无遮挡的环境下，GNSS能全天候地为车辆提供三维的位置、速度、姿态等信息，但是在密闭的交通环境中，由于卫星信号受到遮挡，GNSS会存在长期失效的现象从而无法实现连续可靠的定位。

惯性测量单元(IMU)是一种不依赖于外部信息也不向外发射能量的自主式导航系统，它通过测量载体的加速度和角速度信息并进行积分运算后就能得到载体的位置、速度和姿态信息。由于与GNSS的互补性，通常将它们与GNSS集成在一起来提高导航的精度。但由于惯性传感器的特性，IMU在长期独立运行后会积累巨大的误差，这些误差可能会导致定位性能的急剧下降。

近些年来，同步定位和建图(SLAM)技术在GNSS信号受遮挡的场景下取得了长足的发展。SLAM技术中常用的传感器之一是激光雷达(Lidar)，它具有广阔的视角、低光环境下的鲁棒性以及远距离捕捉环境细节的能力。然而，激光雷达SLAM只估计局部帧中的位姿，没有全局帧，这意味着位姿估计是局部准确的，但随着时间的推移容易累积误差。此外，当车辆行驶至特征点较少的区域时，激光雷达SLAM也会由于稀疏的点云而导致定位精度的降低。

发明内容

为弥补卫星受遮挡情况下GNSS无法提供车辆可靠位置信息的问题，本发明提出了一种基于Lidar/UWB/IMU的车辆融合定位方法。本方法通过在激光雷达点云稀疏的路段布设固定位置的特殊形状物体，便于激光雷达检测，该物体所在位置已经事先准确测量，检测到物体的特征点后就可以知道物体的准确位置信息，并可以解算与该物体的相对位置关系，相当于主动地为激光雷达提供特征信息，因此本专利中将该特殊形状的物体称为主动特征。同时主动特征顶部搭载了UWB，可以提供编号信息以区分不同的主动特征，并且增加额外的UWB距离观测信息。为了进一步提升定位输出精度和频率，本发明还使用了低成本的IMU用以提供车辆的运动信息。本发明的融合算法采用因子图算法，它能充分利用Lidar、UWB和IMU的历史观测信息，并能实现车辆在实际行驶中各传感器的“即插即用”，具有输出频率高、精度好的显著优点。具体步骤如下：

步骤1：布置路侧主动特征与UWB基站

本发明在激光雷达点云稀疏的区域每隔10-20m等间距的布置主动特征及UWB基站。其中主动特征为低成本的白色圆柱体泡沫，将主动特征安装在相应支架上，在每个主动特征的顶部都安装相应的UWB基站。以正东方向为OX，正北方向为OY，地球表面一个固定点为原点建立坐标系。各个主动特征及UWB基站在该坐标系下的位置可通过提前标定获取。将UWB标签和激光雷达安装在行驶车辆的顶端。

步骤2：激光雷达观测量识别