基于多传感器融合的多车定位方法、装置及计算机设备制造方法及图纸

上述基于多传感器融合的多车定位方法、装置及计算机设备，通过获取编队中定位无人车上安装的组合惯性导航传感器数据、感知数据以及被定位无人车的导航定位数据，对导航定位数据、感知数据以及被定位无人车上滤波器对当前时间步的预测数据进行关联，得到关联数据包；根据预先设置的自适应切换策略，选择关联数据包中的其中一种数据作为被定位无人车的观测数据，最后，将观测数据输入被定位无人车上的滤波器，得到编队中被定位无人车的定位结果。将多个传感器的数据综合分析可以更加准确地描述外界环境，由于多车通讯系统以及各种传感器数据在不同环境条件下的有效性存在差异，进行数据关联并通过环境条件自主切换定位源，提高了定位数据的可信度。高了定位数据的可信度。高了定位数据的可信度。

Multi vehicle positioning method, device and computer equipment based on multi-sensor fusion

【技术实现步骤摘要】
基于多传感器融合的多车定位方法、装置及计算机设备


[0001]本申请涉及无人车编队定位
，特别是涉及一种基于多传感器融合的多车定位方法、装置及计算机设备。

技术介绍

[0002]为了完成编队任务，编队中的任何一辆无人车都需要知道其他无人车之间的绝对位置才能完成相应的路径规划。通常，多车编队系统的位置信息交换通过主从式或分布式通讯架构完成多车之间的定位信息的交互，编队中任意无人车在获取其他任意无人车的绝对位姿、速度信息之后，才能完成相应的编队任务。
[0003]但单纯依靠电台交互GPS等信息的定位方法，使用的场景较为有限，无法胜任复杂多变的环境。当面临强电磁环境、虚假定位信息、声光电等多重环境干扰，通讯拒止、无法获取绝对位置的情况时有发生，而且是并发存在的。由此，多传感器融合技术应运而生，但是复杂环境下不同传感器数据的有效性与可信度不同，如何根据环境条件自适应的切换可信的数据是一个具有十分挑战的难题。同时，车间通讯时间坐标系原点异常、定位无人车多传感器触发周期不稳定性以及不同传感器数据的坐标系不一致也给数据融合结果的统一和滤波器的状态设计带来了挑战。

技术实现思路

[0004]基于此，有必要针对上述技术问题，提供一种能够依据通讯环境自主切换定位源的基于多传感器融合的多车定位方法和装置。
[0005]一种基于多传感器融合的多车定位方法，所述方法包括：
[0006]获取编队中定位无人车上安装的多个传感器的传感器数据；所述传感器数据包括：组合惯性导航传感器数据和目标感知传感器数据；
[0007]根据目标感知传感器数据确定被定位无人车的感知数据，通过无线通讯获取被定位无人车的导航定位数据；
[0008]对所述导航定位数据、所述感知数据以及被定位无人车上滤波器对当前时间步的预测数据进行关联，得到关联数据包；
[0009]根据预先设置的自适应切换策略，选择所述关联数据包中的其中一种数据作为被定位无人车的观测数据；
[0010]将所述观测数据输入所述被定位无人车上的滤波器，得到编队中被定位无人车的定位结果。
[0011]在其中一个实施例中，所述组合惯性导航传感器数据包括：所述定位无人车的导航定位数据和IMU积分定位数据；所述定位无人车的导航定位数据中包括定位协方差；所述目标感知传感器数据包括图像、毫米波雷达点云和激光雷达点云。
[0012]在其中一个实施例中，所述根据目标感知传感器数据确定被定位无人车的感知数据，包括：
[0013]将所述图像输入YOLO网络，得到带目标框的第一图像，将所述激光雷达点云投影到所述第一图像上，提取位于所述第一图像中目标框中的点云，采用最近邻聚类算法分别处理所述目标框中的点云，得到对应目标框的聚类中心点，结合所述第一图像和所述聚类中心点得到第二图像。
[0014]对所述激光雷达点云极坐标化，对极坐标化点云进行地面分割得到非地面障碍区域，采用最近邻聚类算法对所述非地面障碍区域中的正障碍点进行过分割，获得正障碍区域，对所述正障碍区域进行最近邻聚类得到第一激光雷达点云。
[0015]在其中一个实施例中，在对所述导航定位数据、所述感知数据以及被定位无人车上滤波器对当前时间步的预测数据进行关联，得到关联数据包之前，包括：
[0016]获取上一时间步被定位无人车的感知数据和导航定位数据；
[0017]通过比较被定位无人车上一帧和当前帧导航定位数据中的时间戳判断无线通讯是否正常，以及根据所述定位协方差判断导航定位是否正常。
[0018]在其中一个实施例中，所述导航定位数据、所述感知数据以及被定位无人车上滤波器对当前时间步的预测数据进行关联，得到关联数据包，包括：
[0019]当无线通讯且导航定位正常时：
[0020]将当前帧被定位无人车的导航定位数据与所述第二图像进行最优匹配，若匹配成功，则存储对应的第二图像数据；
[0021]根据所述第一激光雷达点云计算点云中心，将当前帧被定位无人车的导航定位数据与所述点云中心进行最优匹配，若匹配成功，则存储对应的第一激光雷达点云中心数据和被定位无人车对应的的点云特征；
[0022]将当前帧被定位无人车的导航定位数据与所述毫米波雷达点云进行最优匹配，若匹配成功，则存储对应的毫米波雷达点云数据。
[0023]在其中一个实施例中，对所述导航定位数据、所述感知数据以及被定位无人车上滤波器对当前时间步的预测数据进行关联，得到关联数据包，还包括：
[0024]当无线通讯或导航定位异常时：
[0025]根据所述第一激光雷达点云计算点云中心，将滤波器对当前时间步的预测数据与所述点云中心进行最优匹配，若匹配成功，得到被定位无人车对应的点云特征，计算被定位无人车的上一帧和当前帧的点云特征的比值，若所述比值小于预设阈值，则存储对应的第一激光雷达点云中心数据和被定位无人车对应的的点云特征；
[0026]将当前帧和上一帧的毫米波雷达点云进行最优匹配，若匹配成功，得到对应的被定位无人车的毫米波雷达点云，将所述毫米波雷达点云与滤波器对当前时间步的预测数据进行最优匹配，若匹配成功，则存储对应的毫米波雷达点云数据，若匹配失败，则将所述毫米波雷达点云与第一激光雷达点云进行最优匹配，若匹配成功，则存储对应的毫米波雷达点云数据；
[0027]将当前帧和上一帧的第二图像进行最优匹配，若匹配成功，得到对应的被定位无人车的第二图像，将所述第二图像与滤波器对当前时间步的预测数据进行最优匹配，若匹配成功，则存储对应的第二图像数据。
[0028]在其中一个实施例中，根据预先设置的自适应切换策略，选择所述关联数据中的一种作为观测数据，包括：
[0029]当无线通讯且导航定位正常时，选择所述导航定位数据作为被定位无人车的观测数据；
[0030]当无线通讯或导航定位异常时，自动切换到基于目标感知传感器进行无人车定位的模型，根据所述模型预先设置的数据优先级，并根据所述目标感知传感器的实际运行状态，从所述第二图像数据、第一激光雷达点云中心数据或者毫米波雷达数据中选择一种数据作为当前时刻的观测数据。
[0031]一种基于多传感器融合的多车定位装置，所述装置包括：
[0032]数据获取模块，用于获取编队中定位无人车上安装的多个传感器的传感器数据；所述传感器数据包括：组合惯性导航传感器数据和目标感知传感器数据；
[0033]数据确定模块，用于根据目标感知传感器数据确定被定位无人车的感知数据，通过无线通讯获取被定位无人车的导航定位数据；
[0034]数据关联模块，用于对所述导航定位数据、所述感知数据以及被定位无人车上滤波器对当前时间步的预测数据进行关联，得到关联数据包；
[0035]数据选择模块，用于根据预先设置的自适应切换策略，选择所述关联数据包中的其中一种数据作为被定位无人车的观测数据；
[0036]结果输出模块，用于将所述观测数据输入所述被定位无人车上的滤波器，得到编队中被定位无人车的定位结果。本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于多传感器融合的多车定位方法，其特征在于，所述方法包括：获取编队中定位无人车上安装的多个传感器的传感器数据；所述传感器数据包括：组合惯性导航传感器数据和目标感知传感器数据；根据所述目标感知传感器数据确定被定位无人车的感知数据，通过无线通讯获取被定位无人车的导航定位数据；对所述导航定位数据、所述感知数据以及被定位无人车上滤波器对当前时间步的预测数据进行关联，得到关联数据包；根据预先设置的自适应切换策略，选择所述关联数据包中的其中一种数据作为被定位无人车的观测数据；将所述观测数据输入所述被定位无人车上的滤波器，得到编队中被定位无人车的定位结果。2.根据权利要求1所述的方法，其特征在于，所述组合惯性导航传感器数据包括：所述定位无人车的导航定位数据和IMU积分定位数据；所述定位无人车的导航定位数据中包括定位协方差；所述目标感知传感器数据包括图像、毫米波雷达点云和激光雷达点云。3.根据权利要求2所述的方法，其特征在于，所述根据目标感知传感器数据确定被定位无人车的感知数据，包括：将所述图像输入YOLO网络，得到带目标框的第一图像，将所述激光雷达点云投影到所述第一图像上，提取位于所述第一图像中目标框中的点云，采用最近邻聚类算法分别处理所述目标框中的点云，得到对应目标框的聚类中心点，结合所述第一图像和所述聚类中心点得到第二图像；对所述激光雷达点云极坐标化，对极坐标化点云进行地面分割得到非地面障碍区域，采用最近邻聚类算法对所述非地面障碍区域中的正障碍点进行过分割，获得正障碍区域，对所述正障碍区域进行最近邻聚类得到第一激光雷达点云。4.根据权利要求3所述的方法，其特征在于，在对所述导航定位数据、所述感知数据以及被定位无人车上滤波器对当前时间步的预测数据进行关联，得到关联数据包之前，包括：获取上一时间步被定位无人车的感知数据和导航定位数据；通过比较被定位无人车上一帧和当前帧导航定位数据中的时间戳判断无线通讯是否正常，以及根据所述定位协方差判断导航定位是否正常。5.根据权利要求4所述的方法，其特征在于，对所述导航定位数据、所述感知数据以及被定位无人车上滤波器对当前时间步的预测数据进行关联，得到关联数据包，包括：当无线通讯且导航定位正常时：将当前帧被定位无人车的导航定位数据与所述第二图像进行最优匹配，若匹配成功，则存储对应的第二图像数据；根据所述第一激光雷达点云计算点云中心，将当前帧被定位无人车的导航定位数据与所述点云中心进行最优匹配，若匹配成功，则存储对应的第一激光雷达点云中心数据和被定位无人车对应的的点云特征；将当前帧被定位无人车的导航定位数据与所述毫米波雷达点云进行最优匹配，若匹配成功，则存储对应的毫米波雷达点云数据。
6.根据权利要求4所述的方法，其特征在于，对所述...

【专利技术属性】
技术研发人员：曾宇骏，呼晓畅，谢广磊，刘大学，徐昕，方强，
申请(专利权)人：中国人民解放军国防科技大学，
类型：发明
国别省市：