[發(fā)明專(zhuān)利]一種基于車(chē)載慣性的激光雷達(dá)與視覺(jué)組合導(dǎo)航算法

有效

• 申請(qǐng)?zhí)枺?/td>: 201911193672.8
• 申請(qǐng)日: 2019-11-28
• 公開(kāi)（公告）號(hào): CN110849362B
• 公開(kāi)（公告）日: 2022-01-04
• 發(fā)明（設(shè)計(jì)）人: 陳友生
• 申請(qǐng)（專(zhuān)利權(quán)）人: 湖南率為控制科技有限公司
• 主分類(lèi)號(hào): G01C21/16
• 分類(lèi)號(hào): G01C21/16;G01C21/32;G01S17/87
• 代理公司: 北京慕達(dá)星云知識(shí)產(chǎn)權(quán)代理事務(wù)所(特殊普通合伙) 11465
• 代理人: 曹鵬飛

本發(fā)明公開(kāi)了一種基于車(chē)載慣性的激光雷達(dá)與視覺(jué)組合導(dǎo)航算法，首先，利用張正友標(biāo)定算法進(jìn)行深度相機(jī)的標(biāo)定，根據(jù)標(biāo)定后的相機(jī)對(duì)載體車(chē)行駛過(guò)程的視頻進(jìn)行關(guān)鍵幀提取，利用提取的幀信息與初始對(duì)準(zhǔn)后的慣導(dǎo)信息進(jìn)行卡爾曼濾波算法的優(yōu)化，實(shí)現(xiàn)初步的導(dǎo)航定位；同時(shí)，激光雷達(dá)通過(guò)測(cè)距信息，在基站的輔助下得到初步定位信息，然后把慣導(dǎo)指示航跡所確定的序列在數(shù)字地圖匹配搜索范圍內(nèi)進(jìn)行遍歷搜索，與激光雷達(dá)匹配序列進(jìn)行最小距離度量，然后通過(guò)卡爾曼濾波算法的優(yōu)化確定激光雷達(dá)組合導(dǎo)航的定位信息，最后，將兩者的定位信息傳送到濾波器，通過(guò)兩種算法的互補(bǔ)濾波對(duì)車(chē)載定位進(jìn)行優(yōu)化，然后將優(yōu)化參數(shù)反饋校正慣導(dǎo)，同時(shí)實(shí)時(shí)對(duì)點(diǎn)云地圖進(jìn)行更新。

技術(shù)領(lǐng)域

本發(fā)明涉及視覺(jué)車(chē)載導(dǎo)航技術(shù)領(lǐng)域，更具體的說(shuō)是涉及一種基于車(chē)載慣性的激光雷達(dá)與視覺(jué)組合導(dǎo)航算法。

背景技術(shù)

近年來(lái)隨著經(jīng)濟(jì)的快速發(fā)展，計(jì)算機(jī)視覺(jué)技術(shù)的日趨成熟，以及互聯(lián)網(wǎng)、人工智能、云計(jì)算等新興技術(shù)的快速發(fā)展，自動(dòng)駕駛行業(yè)的發(fā)展要求越來(lái)越強(qiáng)，而自動(dòng)駕駛技術(shù)的發(fā)展必須依靠高精度的導(dǎo)航定位，因此，基于車(chē)載導(dǎo)航的研究也成為一大研究熱點(diǎn)，確實(shí)是自動(dòng)駕駛的迫切需求。

目前，車(chē)載導(dǎo)航主要依靠車(chē)載GPS(全球定位系統(tǒng))配合電子地圖來(lái)進(jìn)行的，在進(jìn)行導(dǎo)航過(guò)程中主要涉及四個(gè)環(huán)節(jié)衛(wèi)星信號(hào)、信號(hào)接收、信號(hào)處理和地圖數(shù)據(jù)庫(kù)，而信號(hào)接收最為關(guān)鍵，但GPS信號(hào)又易受到信號(hào)的干擾，容易遭受黑客攻擊，導(dǎo)致信號(hào)丟失，此外，在一些偏遠(yuǎn)山區(qū)，由于信號(hào)質(zhì)量差，將無(wú)法實(shí)現(xiàn)載體車(chē)駕駛過(guò)程中的同步更新，因此新型的車(chē)載導(dǎo)航系統(tǒng)得到迫切需求。隨著近年來(lái)硬件設(shè)計(jì)和制造的進(jìn)步，低成本的輕量化微電子機(jī)械(MEMS)IMU已經(jīng)普遍存在，這使得高精度定位成為可能，也為視覺(jué)導(dǎo)航領(lǐng)域的發(fā)展提供了一定的技術(shù)支持。因此，利用可提供豐富的環(huán)境信息，具有體積小、重量輕、能效高特性的相機(jī)作為INS的輔助來(lái)源，產(chǎn)生視覺(jué)慣性導(dǎo)航系統(tǒng)(VINS)成為新型研究趨勢(shì)。

雖然視覺(jué)傳感器在大多數(shù)紋理豐富的場(chǎng)景中效果很好，但是如果遇到玻璃，白墻等特征較少的場(chǎng)景，基本上無(wú)法工作，此外，視覺(jué)相機(jī)的工作頻率具有一定的限制，在高速行駛過(guò)程中，視覺(jué)更新存在更新延遲現(xiàn)象。

因此，如何實(shí)現(xiàn)復(fù)雜環(huán)境下車(chē)載視覺(jué)慣性導(dǎo)航的精確定位是本領(lǐng)域技術(shù)人員亟需解決的問(wèn)題。

發(fā)明內(nèi)容

有鑒于此，本發(fā)明提供了一種基于車(chē)載慣性的激光雷達(dá)與視覺(jué)組合導(dǎo)航算法，針對(duì)復(fù)雜環(huán)境下車(chē)載導(dǎo)航定位，主要基于車(chē)載導(dǎo)航現(xiàn)狀，綜合考慮慣導(dǎo)、深度相機(jī)、激光雷達(dá)的優(yōu)勢(shì)，進(jìn)行優(yōu)勢(shì)互補(bǔ)，實(shí)現(xiàn)在復(fù)雜環(huán)境下高精度的導(dǎo)航定位與點(diǎn)云圖的構(gòu)建。

為了實(shí)現(xiàn)上述目的，本發(fā)明采用如下技術(shù)方案：

一種基于車(chē)載慣性的激光雷達(dá)與視覺(jué)組合導(dǎo)航算法，包括如下具體步驟：

步驟1：利用張正友標(biāo)定法對(duì)車(chē)載的深度相機(jī)進(jìn)行標(biāo)定，獲得標(biāo)定相機(jī)；

步驟11：打印一張間距已知的棋盤(pán)格紙張，并固定貼覆于平板上；

步驟12：利用所述深度相機(jī)采集所述棋盤(pán)格紙張若干圖片，一般采集10-20張所述圖片；

步驟13：對(duì)所述圖片檢測(cè)特征點(diǎn)，所述特征點(diǎn)為Harris特征；

步驟14：根據(jù)所述特征點(diǎn)采用解析解估算方法計(jì)算出內(nèi)部參數(shù)和外部參數(shù)，所述內(nèi)部參數(shù)為與所述深度相機(jī)自身特性相關(guān)的參數(shù)，包括焦距、像素等，所述外部參數(shù)為世界坐標(biāo)系中的參數(shù)，包括所述深度相機(jī)的位置、旋轉(zhuǎn)方向等；其中包括5個(gè)所述內(nèi)部參數(shù)和6個(gè)所述外部參數(shù)；

步驟15：根據(jù)極大似然估計(jì)策略對(duì)所述內(nèi)部參數(shù)和所述外部參數(shù)進(jìn)行優(yōu)化，獲得優(yōu)化參數(shù)；

步驟2：對(duì)車(chē)載的慣導(dǎo)系統(tǒng)進(jìn)行初對(duì)準(zhǔn)，獲得對(duì)準(zhǔn)矩陣；

步驟21：根據(jù)所述載體車(chē)所在位置的緯度L、重力加速度g、地球自轉(zhuǎn)角速度w_ie和載體運(yùn)動(dòng)引起的相對(duì)地球旋轉(zhuǎn)角度w_eg，計(jì)算出捷聯(lián)慣導(dǎo)矩陣