多传感器融合定位方法技术

本发明专利技术提供一种多传感器融合定位方法，其包含：对超宽带测量数据进行处理，得到超宽带定位数据；对惯性导航数据以及卫星导航数据进行融合处理，得到融合定位数据；结合惯性导航数据以及先验地图，对激光点云数据进行处理，得到激光点云定位数据；融合里程计数据、融合定位数据、超宽带定位数据以及激光点云定位数据，得到目标对象的运动状态估计结果。本发明专利技术解决了现有技术中车辆的导航系统存在精度不高，尤其是复杂场景下的定位漂移问题；本发明专利技术利用对不同传感器的信息质量进行评估，并通过高效的多源数据融合和协同定位算法，提高了复杂场景(井工矿)下定位系统的鲁棒性。杂场景(井工矿)下定位系统的鲁棒性。杂场景(井工矿)下定位系统的鲁棒性。

【技术实现步骤摘要】
多传感器融合定位方法


[0001]本专利技术涉及高精度定位
，具体地说，涉及一种多传感器融合定位方法。

技术介绍

[0002]目前市场上对定位多是依靠IMU(Inertial Measurement Unit，惯性测量单元)/GNSS(Global Navigation Satellite System，全球导航卫星系统)进行信息融合，依靠融合RTK(Real
‑
time kinematic，实时动态载波相位差分技术)差分信号增强技术与专业的惯导组件实现厘米级的精度误差，但无法满足路况复杂情况下(高架桥、多岔路口等)定位系统的精度要求，尤其在涵洞与隧道场景下，丢失卫星信号仍然是定位系统失效的根本原因。
[0003]因此，本专利技术提供了一种多传感器融合定位方法。

技术实现思路

[0004]针对现有技术的不足，本专利技术提供了一种多传感器融合定位方法，所述方法包含：
[0005]对超宽带测量数据进行处理，得到超宽带定位数据；
[0006]对惯性导航数据以及卫星导航数据进行融合处理，得到融合定位数据；
[0007]结合所述惯性导航数据以及先验地图，对激光点云数据进行处理，得到激光点云定位数据；
[0008]融合里程计数据、所述融合定位数据、所述超宽带定位数据以及所述激光点云定位数据，得到目标对象的运动状态估计结果。
[0009]根据本专利技术的一个实施例，通过以下步骤得到所述超宽带定位数据：
[0010]对所述超宽带测量数据进行测距标定，以校正温度、气压、湿度、传感器误差因素对测距精度的影响，得到包含温度测距数据、气压测距数据、湿度测距数据以及传感器测距数据的测距数据；
[0011]基于所述测距数据，进行定位解算，得到包含目标对象三维位置的所述超宽带定位数据。
[0012]根据本专利技术的一个实施例，通过以下步骤对所述超宽带测量数据进行测距标定：
[0013]对所述超宽带测量数据进行数据统计，实时记录超宽带标签与超宽带基站的测量结果、激光测距仪或者全站仪的真实测量结果；
[0014]基于数据统计结果，利用主成分分析法和最小二乘法进行建模，并采用双边双向测距估计测量时间，得到所述测距数据。
[0015]根据本专利技术的一个实施例，通过以下步骤得到包含目标对象三维位置的所述超宽带定位数据：
[0016]对所述测距数据进行预处理后导入全局拓扑地图，以进行模式判定；
[0017]通过包含一维定位、二维定位以及三维定位的多模态定位处理，得到所述超宽带定位数据。
[0018]根据本专利技术的一个实施例，通过以下步骤得到所述融合定位数据：基于所述惯性
导航数据以及所述卫星导航数据各自输出的位置和速度信息差值作为量测值，采用扩展卡尔曼滤波，估计惯性器件和惯性导航的误差，然后对器件误差和导航误差进行校正，得到所述融合定位数据。
[0019]根据本专利技术的一个实施例，通过以下步骤得到所述激光点云定位数据：
[0020]对所述激光点云数据进行无效点剔除以及点云滤波，得到有效的点云信息，作为实时扫描定位的输入项；
[0021]对所述惯性导航数据进行数据同步和预积分处理，得到相邻时刻内惯性测量传感器的变换信息，作为扫描匹配初始值输入项；
[0022]获取所述先验地图，作为扫描定位的地图；
[0023]通过所述有效的点云信息、所述变换信息以及所述先验地图，实现扫描匹配，进行位姿优化，得到所述激光点云定位数据。
[0024]根据本专利技术的一个实施例，通过以下步骤得到目标对象的所述运动状态估计结果：
[0025]基于所述融合定位数据，建立位姿预估模型；
[0026]根据所述位姿预估模型，结合所述超宽带定位数据，对非视距误差进行识别；
[0027]基于所述里程计数据、所述融合定位数据、所述超宽带定位数据以及所述激光点云定位数据，构建滤波器观测方程；
[0028]根据所述滤波器观测方程，采用扩展卡尔曼滤波算法，得到包含位置、速度、姿态的所述运动状态估计结果。
[0029]根据本专利技术的一个实施例，通过以下表达式对非视距误差进行识别：
[0030]测距残差表示为：
[0031][0032]根据所述测距残差，判断是否存在所述非视距误差：
[0033][0034]其中：Δρ
i,k+1
为测距残差；为IMU预估测距残差；为UWB观测测距残差；δρ
max
为非视距经验阈值；i为UWB基站编号；k为测距时刻。
[0035]根据本专利技术的另一个方面，还提供了一种存储介质，其包含用于执行如上任一项所述的方法步骤的一系列指令。
[0036]根据本专利技术的另一个方面，还提供了一种多传感器融合定位系统，执行如上任一项所述的方法，所述系统包含：
[0037]超宽带定位子系统，其用于对超宽带测量数据进行处理，得到超宽带定位数据；
[0038]惯性卫星导航定位子系统，其用于对惯性导航数据以及卫星导航数据进行融合处理，得到融合定位数据；
[0039]激光点云定位子系统，其用于结合所述惯性导航数据以及先验地图，对激光点云数据进行处理，得到激光点云定位数据；
[0040]融合子系统，其用于融合里程计数据、所述融合定位数据、所述超宽带定位数据以
Wide Band，超宽带)、激光雷达等多种传感器的信息融合，实现井工矿特殊场景下的多传感器融合定位。
[0060]本方案在现有技术方案的基础上，融合更多的定位源，例如车辆速度(车辆通过安装轮速编码器，测量得到的车体速度)、UWB测距信息、激光SLAM(Simultaneous Localization and Mapping，即时定位与地图构建)定位信息，通过多传感器融合算法，实现弱/无GPS信息场景的高精度定位，提高了系统的鲁棒性。本专利技术可以适用于有地上(有GPS)和地下(弱GPS或无GPS)场景及其切换。
[0061]图1显示了根据本专利技术的一个实施例的多传感器融合定位方法流程图。
[0062]如图1所示，在步骤S1中，对超宽带测量数据进行处理，得到超宽带定位数据。
[0063]在一个实施例中，步骤S1中，通过以下步骤得到超宽带定位数据：对超宽带测量数据进行测距标定，以校正温度、气压、湿度、传感器误差因素对测距精度的影响，得到包含温度测距数据、气压测距数据、湿度测距数据以及传感器测距数据的测距数据；基于测距数据，进行定位解算，得到包含目标对象三维位置的所述超宽带定位数据。
[0064]图2显示了根据本专利技术的一个实施例的对超宽带测量数据进行自适应标定流程图。
[0065]在一个实施例中，步骤S1中，通过以下步骤对超宽带测量数据进行测距标定：对超宽带测量数据进行数据统计，实时记录超宽带标签与超宽带基站的测量结果、激光测距仪或者全站仪的真实测量结果。基于数据统计结果，利用主成分分析法和最小二乘法进行建模，并采本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种多传感器融合定位方法，其特征在于，所述方法包含：对超宽带测量数据进行处理，得到超宽带定位数据；对惯性导航数据以及卫星导航数据进行融合处理，得到融合定位数据；结合所述惯性导航数据以及先验地图，对激光点云数据进行处理，得到激光点云定位数据；融合里程计数据、所述融合定位数据、所述超宽带定位数据以及所述激光点云定位数据，得到目标对象的运动状态估计结果。2.如权利要求1所述的一种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超宽带定位数据：对所述超宽带测量数据进行测距标定，以校正温度、气压、湿度、传感器误差因素对测距精度的影响，得到包含温度测距数据、气压测距数据、湿度测距数据以及传感器测距数据的测距数据；基于所述测距数据，进行定位解算，得到包含目标对象三维位置的所述超宽带定位数据。3.如权利要求2所述的一种多传感器融合定位方法，其特征在于，通过以下步骤对所述超宽带测量数据进行测距标定：对所述超宽带测量数据进行数据统计，实时记录超宽带标签与超宽带基站的测量结果、激光测距仪或者全站仪的真实测量结果；基于数据统计结果，利用主成分分析法和最小二乘法进行建模，并采用双边双向测距估计测量时间，得到所述测距数据。4.如权利要求2或3所述的一种多传感器融合定位方法，其特征在于，通过以下步骤得到包含目标对象三维位置的所述超宽带定位数据：对所述测距数据进行预处理后导入全局拓扑地图，以进行模式判定；依据模式判定结果，通过包含一维定位、二维定位以及三维定位的多模态定位处理，得到所述超宽带定位数据。5.如权利要求1
‑
4中任一项所述的一种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融合定位数据：基于所述惯性导航数据以及所述卫星导航数据各自输出的位置和速度信息差值作为量测值，采用扩展卡尔曼滤波，估计惯性器件和惯性导航的误差，然后对器件误差和导航误差进行校正，得到所述融合定位数据。6.如权利要求1
‑
5中任一项所述的一种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激光点云定位数据：对所述激光点云数据进行无效点剔除以...

【专利技术属性】
技术研发人员：田滨，姜克跃，李九人，王嫣然，张亚琛，
申请(专利权)人：青岛慧拓智能机器有限公司，
类型：发明
国别省市：