【技术实现步骤摘要】
本专利技术涉及自动驾驶，尤其涉及一种自动驾驶融合定位方法及自动驾驶融合定位系统。
技术介绍
1、近年来，自动驾驶技术研究已成为热点和趋势。自动驾驶技术包含环境感知、定位导航、路径规划和决策控制，而车辆高精度定位技术是实现车辆决策与控制的前提。自动驾驶车辆常用定位技术分为两类：1）基于全球卫星导航系统（global navigation satellitesystem，简称gnss）定位。gnss定位精度较高，但容易受到高楼、隧道、高架和地下车库等使用环境的遮蔽影响而失效。2）基于自主式传感器定位。slam（simultaneous localizationand mapping，同时定位与建图）算法是利用激光雷达或相机实现自动驾驶车辆实时定位，存在累计漂移的问题，而基于imu或轮速计的航迹推算是一种低成本定位方式，其优点是能根据传感器数据在短时间内提供较高精度的车辆定位信息，但航迹推算定位算法的误差会随时间不断累积，因此并不适合长时间单独定位。
2、面对复杂的交通场景，基于高精地图的信息辅助，自动驾驶车辆更易判断自身位置、可行驶区域、行驶方向、前车相对位置，同时能够获得超视距的感知能力，探知前方坡度、曲率、横坡。高精地图能够为自动驾驶系统提供感知、定位、决策、路径规划、控制的全链路辅助。
3、综上，单一传感器难以满足自动驾驶车辆的定位精度和鲁棒性要求。因此，如何提供一种基于高精度矢量地图的自动驾驶融合定位方法以提高自动驾驶车辆定位精度和鲁棒性成为本领域技术人员亟待解决的技术问题。
<
1、本专利技术提供了一种自动驾驶融合定位方法及自动驾驶融合定位系统，解决相关技术中存在的自动驾驶车辆定位精度以及鲁棒性均难以满足要求的问题。
2、作为本专利技术的第一个方面，提供一种自动驾驶融合定位方法，其中，包括：
3、获取imu惯性测量数据，并根据所述imu惯性测量数据进行车辆状态预测后获得的车辆状态预测位姿构建imu预积分残差；
4、获取激光点云数据，并根据所述车辆状态预测位姿对所述激光点云数据进行畸变矫正处理后构建激光里程计残差；
5、获取矢量地图信息，并根据所述车辆状态预测位姿对所述矢量地图信息进行矢量区域提取以及矢量数据筛选后构建矢量地图匹配残差；
6、根据所述imu预积分残差、激光里程计残差以及矢量地图匹配残差进行联合位姿优化，获得车辆优化位姿。
7、进一步地，根据所述imu惯性测量数据进行车辆状态预测后获得的车辆状态预测位姿构建imu预积分残差，包括：
8、根据前一时刻的车辆优化位姿并结合所述imu惯性测量数据进行车辆状态预测，获得车辆状态预测位姿；
9、根据车辆状态预测位姿构建imu预积分量；
10、根据所述imu预积分量构建imu预积分残差。
11、进一步地，根据所述imu预积分量构建imu预积分残差，包括：
12、将所述imu预积分量作为测量值，并对两时刻之间的状态量进行约束，获得imu预积分残差，其中imu预积分残差的计算公式为：
13、，
14、其中，表示预积分残差，表示平移残差，表示旋转残差，表示速度残差，表示加速度计零偏的残差，表示陀螺仪零偏的残差，表示i时刻世界坐标系到imu坐标系的旋转矩阵，表示j时刻imu坐标系到世界坐标系的平移变换，表示i时刻imu坐标系到世界坐标系的平移变换，表示i时刻世界坐标系下的速度，表示世界坐标系下的重力加速度，表示与平移相关的预积分量，表示j时刻imu坐标系到i时刻imu坐标系的旋转矩阵，表示j时刻imu坐标系到世界坐标系的旋转矩阵，表示j时刻世界坐标系下的速度，表示与旋转相关的预积分量，表示j时刻加速度计零偏，表示i时刻加速度计零偏，表示j时刻陀螺仪零偏，表示i时刻陀螺仪零偏。
15、进一步地，根据所述车辆状态预测位姿对所述激光点云数据进行畸变矫正处理后构建激光里程计残差，包括：
16、根据所述车辆状态预测位姿对所述激光点云数据进行点云畸变矫正，获得去畸变点云数据；
17、对所述去畸变点云数据进行点云特征提取，获得包括角点、突变点和平面点在内的点云特征点；
18、根据帧采样预设规则对所述激光点云数据进行采样形成关键帧，并根据所述关键帧对应的点云特征点构建局部地图；
19、将当前激光点云数据所形成的当前帧与所述局部地图进行匹配，以构建激光里程计残差。
20、进一步地，将当前激光点云数据所形成的当前帧与所述局部地图进行匹配，以构建激光里程计残差，包括：
21、根据当前帧与局部地图的相对约束关系进行点云特征点的位姿变换；
22、在所述局部地图中寻找当前帧的角点特征对应的直线以及当前帧的平面点特征对应的平面；
23、根据角点到直线以及平面点到平面的距离构建激光里程计残差。
24、进一步地，根据所述车辆状态预测位姿对所述矢量地图信息进行矢量区域提取以及矢量数据筛选后构建矢量地图匹配残差，包括：
25、根据所述车辆状态预测位姿搜索全局矢量地图数据库，获得包括当前车辆位置的矢量地图，并将包括当前车辆位置的矢量地图内的矢量作为候选矢量；
26、对所述候选矢量进行矢量数据筛选，获得矢量数据筛选结果；
27、将当前激光点云数据所形成的当前帧与所述矢量数据筛选结果进行匹配，以构建矢量匹配残差。
28、进一步地，对所述候选矢量进行矢量数据筛选，获得矢量数据筛选结果，包括：
29、根据当前帧对应的激光点云数据确定候选矢量的有效性，并获得有效矢量；
30、统计有效矢量的数量，并对空间区域进行均匀划分以统计每个均匀区域内的有效矢量的数据，获得矢量数据筛选结果。
31、进一步地，将当前激光点云数据所形成的当前帧与所述矢量数据筛选结果进行匹配，以构建矢量匹配残差，包括：
32、根据矢量数据筛选结果选择与之匹配的不同类型特征，并利用点到直线、点到平面以及点到曲面的距离构建矢量匹配残差；其中，
33、对于立柱、路灯和树木的匹配：i）表现形式为直线方程，利用线段k近邻算法在角点和突变点中寻找直线的对应点；ii）表现形式为平面方程，利用平面最近邻算法在角点和突变点中寻找平面的对应点；iii）表现形式为曲面方程，利用利用线段k近邻算法在角点和突变点中寻找曲面的对应点；
34、对于红绿灯的匹配，表现形式为平面，利用平面k近邻算法在平面点中寻找平面的对应点；
35、对于交通标志牌和广告牌的匹配，表现形式为平面，利用平面k近邻算法在平面点中寻找平面的对应点；
36、对于房屋墙角的匹配，表现形式为直线，利用线段k近邻算法在角点中寻找直线的对应点；
37、对于房屋墙角的匹配，表现形式为平面，利用平面k近邻算法在平面点中寻找平面的对应点；
38、对于防护栏的匹配本文档来自技高网...
【技术保护点】
1.一种自动驾驶融合定位方法，其特征在于，包括：
2.根据权利要求1所述的自动驾驶融合定位方法，其特征在于，根据所述IMU惯性测量数据进行车辆状态预测后获得的车辆状态预测位姿构建IMU预积分残差，包括：
3.根据权利要求2所述的自动驾驶融合定位方法，其特征在于，根据所述IMU预积分量构建IMU预积分残差，包括：
4.根据权利要求1所述的自动驾驶融合定位方法，其特征在于，根据所述车辆状态预测位姿对所述激光点云数据进行畸变矫正处理后构建激光里程计残差，包括：
5.根据权利要求4所述的自动驾驶融合定位方法，其特征在于，将当前激光点云数据所形成的当前帧与所述局部地图进行匹配，以构建激光里程计残差，包括：
6.根据权利要求1所述的自动驾驶融合定位方法，其特征在于，根据所述车辆状态预测位姿对所述矢量地图信息进行矢量区域提取以及矢量数据筛选后构建矢量地图匹配残差，包括：
7.根据权利要求6所述的自动驾驶融合定位方法，其特征在于，对所述候选矢量进行矢量数据筛选，获得矢量数据筛选结果，包括：
8.根据权利要求6所述
9.根据权利要求1所述的自动驾驶融合定位方法，其特征在于，根据所述IMU预积分残差、激光里程计残差以及矢量地图匹配残差进行联合位姿优化，获得车辆优化位姿，包括：
10.一种自动驾驶融合定位系统，用于实现权利要求1至9中任意一项所述的自动驾驶融合定位方法，其特征在于，包括：
...【技术特征摘要】
1.一种自动驾驶融合定位方法，其特征在于，包括：
2.根据权利要求1所述的自动驾驶融合定位方法，其特征在于，根据所述imu惯性测量数据进行车辆状态预测后获得的车辆状态预测位姿构建imu预积分残差，包括：
3.根据权利要求2所述的自动驾驶融合定位方法，其特征在于，根据所述imu预积分量构建imu预积分残差，包括：
4.根据权利要求1所述的自动驾驶融合定位方法，其特征在于，根据所述车辆状态预测位姿对所述激光点云数据进行畸变矫正处理后构建激光里程计残差，包括：
5.根据权利要求4所述的自动驾驶融合定位方法，其特征在于，将当前激光点云数据所形成的当前帧与所述局部地图进行匹配，以构建激光里程计残差，包括：
6.根据权利要求1所述的自动驾驶融合定位方法，...
【专利技术属性】
技术研发人员：秦晓辉，周云水，庞涛，秦兆博，谢国涛，王晓伟，徐彪，
申请(专利权)人：江苏集萃清联智控科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。