[發明專利]一種面向無人駕駛汽車的多特征融合地圖的制作方法

有效

• 申請號: 201811206107.6
• 申請日: 2018-10-17
• 公開（公告）號: CN109341706B
• 公開（公告）日: 2020-07-03
• 發明（設計）人: 張亮;危遲;熊偉成
• 申請（專利權）人: 張亮
• 主分類號: G01C21/32
• 分類號: G01C21/32
• 代理公司: 深圳市壹壹壹知識產權代理事務所(普通合伙) 44521
• 代理人: 師勇

1.一種面向無人駕駛汽車的多特征融合地圖的制作方法，其特征在于，包括以下步驟：

101)利用車載激光雷達設備采集各傳感器數據；

102)利用IMU數據和激光測量數據生成三維點云地圖；

103)利用IMU數據和相機數據生成視覺特征地圖；

104)對GPS數據預處理，將大地坐標轉換為空間直角坐標；

105)使用連續時間SLAM算法進行全局優化融合；

106)生成多特征融合地圖；

在步驟102中，IMU數據包含采集時段中任一時刻t_i對應的旋轉角速度ω_i及線性加速度a_i，下一時刻t_i+1的位置T_i+1和姿態R_i+1，根據當前的時刻t_i對應全局坐標系下的位置T_i、姿態R_i及IMU測量的角速度和線性加速度進行積分得到；

激光測量數據包含采集時段內所有的三維點集，按照幀進行組織，時刻段[t_j-1,t_j]的激光器局部坐標系下的三維點集合為幀LF_j，下一幀LF_j+1與當前幀LF_j進行匹配，得到相對位姿；下一幀LF_j+1與三維地圖點集LM進行匹配，得到全局坐標系下的位姿；

使用激光SLAM算法對IMU數據和激光測量數據進行融合，得到最優估計后的車輛運動軌跡以及三維點云地圖；

在步驟103中，相機的圖像數據中包含采集時段中任一時刻t_k對應的二維圖像數據、在圖像中提取特征點集合以及對應的特征描述子；對t_k時刻提取的任一特征點f_kj，其圖像坐標為(u_j,v_j)，其在下一時刻t_k+1中，對應的圖像坐標為(u_n,v_n)，根據當前時刻t_i對應的全局坐標系下的位置T_k和姿態R_k計算出下一時刻t_k+1對應的位置和姿態，由此得到運動軌跡；

利用IMU數據和相機數據，采用視覺SLAM算法得到運動軌跡以及視覺特征地圖；

在步驟105中，使用連續時間SLAM算法，統一描述運動軌跡，將運動軌跡建模為一個連續時間函數T(t)，如下式所示；

T(t)＝(R(t),p(t))

在上式中，R(t)為任一時刻t的姿態，p(t)為任一時刻t的位置；

根據T(t)，在給定觀測量的情況下，求解函數f(Θ)的最大后驗估計：

其中，f_i(Θ_i)為所需要求解的未知狀態量Θ_i的目標函數，未知狀態量Θ_i包括軌跡以及周圍環境路標點，z_i(Θ)為在所需求解的狀態量下應當發生的觀測，為實際的觀測量；

根據GPS數據、三維點云地圖數據、視覺特征地圖數據以及各傳感器相對位姿關系，構建優化目標函數，采用非線性優化方式進行統一全局優化融合。

2.根據權利要求1所述的制作方法，其特征在于，

在步驟104中，將相對坐標系下的數據轉換至絕對坐標系，GPS數據中包含采集時段中任一時刻t_m的在WGS84坐標系下的大地坐標(L_m,B_m,H_m)，及3*3協方差矩陣Cov_m；根據GPS信號強弱進行GPS數據篩選，去除信號較差的GPS觀測值，得到穩定可靠的GPS數據，隨后進行坐標轉換，將大地坐標(L_m,B_m,H_m)轉換為空間直角坐標(X_m,Y_m,Z_m)。

3.根據權利要求1所述的制作方法，其特征在于，在步驟106中，全局優化融合后，進行空間索引構建和數據結構組織，得到全局坐標下包括三維空間點坐標、視覺特征等的多特征融合地圖。