[发明专利]一种基于动态点云的长隧道场景下多传感器融合定位方法

权利要求书

1.一种基于动态点云的长隧道场景下多传感器融合定位方法，其特征在于，所述方法包含：

使用多源异构传感器采集长隧道场景下的多种特征数据，处理得到三维广义点云数据以及传感器数据，其中，所述多源异构传感器包含视觉相机、激光雷达、惯性测量单元、轮速计以及超宽带传感器；

基于所述三维广义点云数据以及所述传感器数据生成三维广义点云地图，并对所述三维广义点云地图进行区块划分，选取与车辆当前状态信息最接近的局部地图；

对所述三维广义点云数据以及所述局部地图进行扫描匹配，得到点云匹配结果，并将所述点云匹配结果以及所述传感器数据输入到无迹卡尔曼滤波中，得到车辆当前状态信息，作为车辆定位结果；

通过以下步骤得到所述传感器数据：对惯性测量单元数据进行预积分处理，得到惯性测量因子；对轮速计数据进行处理，得到轮速因子；对超宽带传感器数据进行距离结算，得到超宽带因子；

通过以下步骤生成所述三维广义点云地图：基于所述三维广义点云数据，提取长隧道场景下的结构特征和纹理特征信息，结合所述惯性测量因子、所述轮速因子以及所述超宽带因子，生成所述三维广义点云地图；

通过以下步骤得到所述局部地图：根据所述三维广义点云地图的坐标信息进行区块划分，统计每一个区块的点云中心点，搜寻与车辆当前状态信息最接近的区块及其周围若干区块，得到所述局部地图。

2.如权利要求1所述的一种基于动态点云的长隧道场景下多传感器融合定位方法，其特征在于，通过以下步骤得到所述三维广义点云数据：

测验所述多源异构传感器中每个传感器的精度，确定有效探测距离；

对所述多源异构传感器中的多种传感器进行时间同步处理和标定处理，确保各传感器之间数据的统一；

对激光雷达数据以及视觉相机数据进行特征提取，得到所述三维广义点云数据，其中，每个三维广义点需要包含三维坐标，强度，环数，时间戳，色彩。

3.如权利要求1所述的一种基于动态点云的长隧道场景下多传感器融合定位方法，其特征在于，惯性测量单元数据为，在时刻内，预积分处理包含以下表达式：

其中：表示的是角速度，线性加速度；表示的是旋转，速度和平移量；B表示本体坐标系；W表示世界坐标系。

4.如权利要求1-3中任一项所述的一种基于动态点云的长隧道场景下多传感器融合定位方法，其特征在于，所述方法包含：

步骤a、将所述车辆定位结果作为下一次扫描匹配的初始值；

步骤b、基于所述车辆定位结果对所述局部地图进行更新，并重复进行扫描匹配、无迹卡尔曼滤波、步骤a、步骤b，得到车辆的定位输出，直到完成整个自动驾驶过程，从而实现长隧道场景下的多传感器融合定位。

5.一种存储介质，其特征在于，其包含用于执行如权利要求1-4中任一项所述的方法步骤的一系列指令。

6.一种基于动态点云的长隧道场景下多传感器融合定位装置，其特征在于，执行如权利要求1-4中任一项的方法，所述装置包含：

多源异构数据采集模块，其用于使用多源异构传感器采集长隧道场景下的多种特征数据，处理得到三维广义点云数据以及传感器数据；

动态三维地图生成模块，其用于基于所述三维广义点云数据以及所述传感器数据生成三维广义点云地图，并对所述三维广义点云地图进行区块划分，选取与车辆当前状态信息最接近的局部地图；

多传感器融合定位模块，其用于对所述三维广义点云数据以及所述局部地图进行扫描匹配，得到点云匹配结果，并将所述点云匹配结果以及所述传感器数据输入到无迹卡尔曼滤波中，得到车辆当前状态信息，作为车辆定位结果。