[发明专利]复杂环境下的高精度定位方法

说明书

本发明公开了一种复杂环境下的高精度定位方法，包括获取GNSS传感器、VISON视觉传感器、SINS惯性传感器和WHEEL轮式里程计的原始观测数据并预处理和同步；进行VISON/SINS/WHEEL联合动态初始化；将视觉传感器数据、惯性传感器数据、轮式里程计数据与GNSS传感器数据进行对齐；构建惯性传感器和轮式里程计的预积分模型；将GNSS原始观测残差、视觉残差、惯性预积分模型、轮式里程计模型和平面约束进行聚合，构建非线性残差模型；实时求解构建的非线性残差模型，完成复杂环境下的高精度定位。本发明不仅实现了复杂环境下的高精度定位过程，而且本发明方法的可靠性高、精确性好且鲁棒性好。

技术领域

本发明属于导航技术领域，具体涉及一种复杂环境下的高精度定位方法。

背景技术

随着经济技术的发展和人们生活水平的提高，定位和导航服务已经广泛应用于人们的生产和生活当中，给人们的生产和生活带来了无尽的便利。因此，保证定位和导航的精确性，就成为了研究人员的研究重点。

目前，在实际应用中，实际环境存在许多弱GNSS（Global Navigation SatelliteSystem，全球导航卫星系统）信号或无GNSS信号的区域，比如隧道、高架、车库等；在这些区域，如果单纯使用纯GNSS定位，则定位系统无法实时提供高精度的定位结果。因此，目前一般采用融合多种传感器的综合定位方式，来保证实时定位的鲁棒性和高可靠性。

但是，目前的多源融合定位方法，一般都存在部分缺陷：目前采用的VIO（Visual-Inertial Odometry，视觉-惯性轨迹法）与GNSS融合的方法，在无GNSS信号区域，定位系统退化为纯VIO系统，由于地面载体近似平面，单目VIO系统会出现额外的不可观自由度，导致定位漂移；此外，目前的VIO与GNSS的融合多以松耦合或半紧组合为主，在复杂环境下无法提供高鲁棒的定位结果。

发明内容

本发明的目的在于提供一种可靠性高、精确性好且鲁棒性好的复杂环境下的高精度定位方法。

本发明提供的这种复杂环境下的高精度定位方法，包括如下步骤：

S1. 获取GNSS传感器、VISON视觉传感器、SINS惯性传感器和WHEEL轮式里程计的原始观测数据，并对传感器数据进行预处理和同步；

S2. 根据获取的传感器数据，进行VISON/SINS/WHEEL联合动态初始化；

S3. 根据步骤S2的初始化结果，将视觉传感器数据、惯性传感器数据、轮式里程计数据与GNSS传感器数据进行对齐；

S4. 构建惯性传感器和轮式里程计的预积分模型；

S5. 基于构建的预积分模型，将GNSS原始观测残差、视觉残差、惯性预积分模型、轮式里程计模型和平面约束进行聚合，构建非线性残差模型；

S6. 实时求解构建的非线性残差模型，完成复杂环境下的高精度定位。

所述的步骤S1，具体包括如下步骤：

GNSS传感器的原始观测数据包括卫星星历数据、载波相位原始观测数据、GNSS基站差分数据、实时模糊度解算数据和多普勒原始观测数据；VISON视觉传感器的原始观测数据为摄像头实时传输的灰度图像数据；SINS惯性传感器的原始观测数据为IMU输出数据；WHEEL轮式里程计的原始观测数据为车辆实时的左右轮转速数据；对GNSS原始观测数据进行预处理，剔除异常数据；然后基于PPS授时系统，对四种传感器数据进行时间同步。

所述的步骤S2，具体包括如下步骤：

A. 在滑窗中，利用纯视觉SFM（Structure From Motion，运动恢复结构）方法，计算得到相对尺度的相机位姿和特征点坐标；

B. 根据步骤A得到的计算结果，标定陀螺仪的零漂值；