[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

说明书

本发明涉及无人驾驶高精度定位技术领域，提供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；基于三维广义点云数据以及传感器数据生成三维广义点云地图，并对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；对三维广义点云数据以及局部地图进行扫描匹配，得到点云匹配结果，并将点云匹配结果以及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。本发明使用动态地图生成的方式，可以减少点云扫描匹配的时间消耗，提高在大规模场景下的定位效率。

技术领域

本发明涉及无人驾驶高精度定位技术领域，具体地说，涉及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。

背景技术

随着时代的发展，无人驾驶技术开始进入到越来越多的领域中。自动驾驶车辆在运行时，需要通过传感器采集环境信息从而获取车辆当前的运动状态。环境感知传感器主要包括激光雷达，视觉相机，惯性测量单元（IMU），轮速计和超宽带（UWB）等。通过这些传感器信息，实现自动驾驶车辆在测试区域内安全平稳的运行。

由于自动驾驶技术的发展，传统领域也逐渐使用无人驾驶进行产业升级。其中，无人驾驶车辆的状态获取是其中最重要的一环。在开阔无遮挡的场景下，可以使用全球导航卫星系统（GNSS）进行定位，获取车辆当前状态信息。但是在弱纹理弱GNSS场景下，无法准确地获取车辆当前状态信息。

因此，本发明提供了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。

发明内容

针对现有技术的不足，本发明提供了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，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；

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。

根据本发明的一个实施例，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。

根据本发明的一个实施例，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。

根据本发明的一个实施例，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。

根据本发明的一个实施例，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：表示的是旋转，速度和平移量。