卫星弱观测条件下的多传感器融合高精度位姿估计算法制造技术

本发明专利技术公开了卫星弱观测条件下的多传感器融合高精度位姿估计算法，包括以下步骤：步骤(1)：视觉/惯性融合位姿估计算法；步骤(2)：激光雷达点云去畸变算法；步骤(3)：激光/惯性/视觉融合位姿估计算法；步骤(4)：北斗/激光雷达/视觉/惯导松耦合的全局轨迹优化算法，利用局部点云曲率变化提取出激光特征点信息，实现基于曲率大小的自适应平面特征和角点特征区分算；依据其他多源传感器解算出的位姿信息用于点云畸变位置的校正。

【技术实现步骤摘要】
卫星弱观测条件下的多传感器融合高精度位姿估计算法
本专利技术涉及多传感器融合高精度位姿估计算法领域，具体为卫星弱观测条件下的多传感器融合高精度位姿估计算法。
技术介绍
针对卫星拒止以及卫星观测条件较差的超大型城市复杂环境，设计基于LiDAR/IMU/Camera的多源传感器融合的紧耦合LIV(LiDAR-Inertial-Vision)定位框架。开展视觉/惯性融合位姿估计、低成本激光雷达畸变问题、激光/惯性融合位姿估计、激光/惯性/视觉融合位姿估计等内容的研究。
技术实现思路
针对上述问题，本专利技术提供了卫星弱观测条件下的多传感器融合高精度位姿估计算法。为实现上述目的，本专利技术提供如下技术方案：卫星弱观测条件下的多传感器融合高精度位姿估计算法，包括以下步骤：步骤(1)：视觉/惯性融合位姿估计算法；步骤(2)：激光雷达点云去畸变算法；步骤(3)：激光/惯性/视觉融合位姿估计算法；步骤(4)：北斗/激光雷达/视觉/惯导松耦合的全局轨迹优化算法。优选的，所述步骤(1)具体包括：针对惯性器件在图像序列帧之间的相对测量进行研究，开发基于地球坐标系力学编排INS和双速率求解的IMU预积分算法，实现INS与VO的时间和空间对齐，围绕视觉传感器前端位姿解算方法进行研究，实现基于灰度不变性假设的直接法和基于纹理特征突出的间接法；依据VIO在城市挑战场景中的位姿发散情况，研制基于视觉/惯性传感器下的VIO工作状态机，实现依据发散情况自主切换VIO中位姿解算算法，提升VIO在挑战环境下的精度与鲁棒性。优选的，所述步骤(2)具体包括：利用局部点云曲率变化提取出激光特征点信息，实现基于曲率大小的自适应平面特征和角点特征区分算；依据其他多源传感器解算出的位姿信息用于点云畸变位置的校正。优选的，所述步骤(3)具体包括：围绕视觉传感器前端特征提取与匹配过程，研究实现用于空间描述信息的LK光流算法和特征点算法；对激光传感器前端提取的点特征、线特征、面特征的参数化展开研究。优选的，所述步骤(4)具体包括：通过不同传感器解算得到的位姿作为图节点，空间几何约束构建节点间边约束来搭建图优化模型。面对RTK位姿解算的精度不固定问题，设计基于自适应的图网络权重调整算法。优选的，所述步骤(4)还包括：针对闭环检测过程，研究基于视觉传感器和激光传感器的场景相似计算方法，基于视觉传感器，实现基于SIFT、SURF、ORB的传统视觉词袋场景描述算法和基于深度学习的场景匹配算法进行研究；基于激光传感器，对点云地图分割和匹配过程进行研究。同时项目拟通过RTK解的置信度缩小场景匹配过程中的搜索范围，提升闭环检测精度，消除长时间运行过程中的累积误差，实现全局轨迹位姿精度的融合优化。与现有技术相比，本专利技术的有益效果如下：1、针对惯性器件在图像序列帧之间的相对测量进行研究，开发基于地球坐标系力学编排INS和双速率求解的IMU预积分算法，实现INS与VO的时间和空间对齐。围绕视觉传感器前端位姿解算方法进行研究，实现基于灰度不变性假设的直接法和基于纹理特征突出的间接法。依据VIO在城市挑战场景中的位姿发散情况，研制基于视觉/惯性传感器下的VIO工作状态机，实现依据发散情况自主切换VIO中位姿解算算法，提升VIO在挑战环境下的精度与鲁棒性。2、在局部优化算法中主要对点云配准中误差项进行研究，依据空间几何约束，实现基于点到直线配准、点到平面配准、直线到平面配准等多种ICP点云配准算法，验证ICP、PL-ICP、NICP、IMLS-ICP算法对畸变点云的抗干扰能力。在全局优化算法中，实现高斯牛顿的优化方法、NDT方法、分支定界匹配的优化算法和GO-ICP的点云配准算法，验证在离线情况下位姿解算精度提升。附图说明图1为本专利技术的卫星弱观测条件下的多传感器融合高精度位姿估计算法的流程示意图。具体实施方式下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。参照图1所示，本专利技术提供的卫星弱观测条件下的多传感器融合高精度位姿估计算法，包括以下步骤：步骤(1)：视觉/惯性融合位姿估计算法；步骤(2)：激光雷达点云去畸变算法；步骤(3)：激光/惯性/视觉融合位姿估计算法；步骤(4)：北斗/激光雷达/视觉/惯导松耦合的全局轨迹优化算法。本专利技术针对卫星拒止以及卫星观测条件较差的超大型城市复杂环境，设计基于LiDAR/IMU/Camera的多源传感器融合的紧耦合LIV(LiDAR-Inertial-Vision)定位框架。开展视觉/惯性融合位姿估计、低成本激光雷达畸变问题、激光/惯性融合位姿估计、激光/惯性/视觉融合位姿估计等内容的研究。在本专利技术一优选的实施例中，面向城市场景中光照变化和重复纹理的问题，研制基于视觉和惯性传感器的VIO算法，开发基于直接法和间接法的视觉惯性融合位姿解算算法。针对惯性器件在图像序列帧之间的相对测量进行研究，开发基于地球坐标系力学编排INS和双速率求解的IMU预积分算法，实现INS与VO的时间和空间对齐。围绕视觉传感器前端位姿解算方法进行研究，实现基于灰度不变性假设的直接法和基于纹理特征突出的间接法。依据VIO在城市挑战场景中的位姿发散情况，研制基于视觉/惯性传感器下的VIO工作状态机，实现依据发散情况自主切换VIO中位姿解算算法，提升VIO在挑战环境下的精度与鲁棒性。在本专利技术一优选的实施例中，针对车辆快速运动造成的点云畸变问题，围绕激光SLAM前端的数据关联进行分析。依据激光SLAM前端解算位姿流程，展开对畸变点云特征、存在畸变信息下的点云配准算法进行研究；围绕三维激光点云特征提取问题，利用局部点云曲率变化提取出激光特征点信息，实现基于曲率大小的自适应平面特征和角点特征区分算；依据其他多源传感器解算出的位姿信息用于点云畸变位置的校正。围绕点云配准问题，分别从局部优化算法和全局优化算法两个方面进行研究。在局部优化算法中主要对点云配准中误差项进行研究，依据空间几何约束，实现基于点到直线配准、点到平面配准、直线到平面配准等多种ICP点云配准算法，验证ICP、PL-ICP、NICP、IMLS-ICP算法对畸变点云的抗干扰能力。在全局优化算法中，实现高斯牛顿的优化方法、NDT方法、分支定界匹配的优化算法和GO-ICP的点云配准算法，验证在离线情况下位姿解算精度提升。在本专利技术一优选的实施例中，本专利技术将围绕激光/惯性/视觉传感器不同组合方式的融合位姿估计算法进行研究。面向城市场景中重复几何特征和弱纹理挑战情况，项目对不同传感器下的场景空间信息感知能力和数据融合方法展开研究。围绕视觉传感器前端特征提取与匹配过程，研究实现用于空间描述信息的LK光流算法和特征点算法；对激光传感器前端提取的点特征、线本文档来自技高网...

【技术保护点】
1.卫星弱观测条件下的多传感器融合高精度位姿估计算法，其特征在于：包括以下步骤：/n步骤(1)：视觉/惯性融合位姿估计算法；/n步骤(2)：激光雷达点云去畸变算法；/n步骤(3)：激光/惯性/视觉融合位姿估计算法；/n步骤(4)：北斗/激光雷达/视觉/惯导松耦合的全局轨迹优化算法。/n

【技术特征摘要】
1.卫星弱观测条件下的多传感器融合高精度位姿估计算法，其特征在于：包括以下步骤：
步骤(1)：视觉/惯性融合位姿估计算法；
步骤(2)：激光雷达点云去畸变算法；
步骤(3)：激光/惯性/视觉融合位姿估计算法；
步骤(4)：北斗/激光雷达/视觉/惯导松耦合的全局轨迹优化算法。


2.根据权利要求1所述的卫星弱观测条件下的多传感器融合高精度位姿估计算法，其特征在于：所述步骤(1)具体包括：针对惯性器件在图像序列帧之间的相对测量进行研究，开发基于地球坐标系力学编排INS和双速率求解的IMU预积分算法，实现INS与VO的时间和空间对齐，围绕视觉传感器前端位姿解算方法进行研究，实现基于灰度不变性假设的直接法和基于纹理特征突出的间接法；依据VIO在城市挑战场景中的位姿发散情况，研制基于视觉/惯性传感器下的VIO工作状态机，实现依据发散情况自主切换VIO中位姿解算算法，提升VIO在挑战环境下的精度与鲁棒性。


3.根据权利要求2所述的卫星弱观测条件下的多传感器融合高精度位姿估计算法，其特征在于：所述步骤(2)具体包括：利用局部点云曲率变化提取出激光特征点信息，实现基于曲率大小的自适应平面特征和角点特征区分算；依据其他多源传感器解算出的位姿信息...

【专利技术属性】
技术研发人员：黄昊，
申请(专利权)人：复三人工智能科技上海有限公司，
类型：发明
国别省市：上海;31