[發(fā)明專利]移動激光雷達(dá)測量系統(tǒng)車載軌跡數(shù)據(jù)優(yōu)化方法

有效

• 申請?zhí)枺?/td>: 202010097598.6
• 申請日: 2020-02-17
• 公開（公告）號: CN111324848B
• 公開（公告）日: 2023-09-19
• 發(fā)明（設(shè)計(jì)）人: 郭明;潘登;郭可才;周騰飛
• 申請（專利權(quán)）人: 北京建筑大學(xué)
• 主分類號: G06F17/10
• 分類號: G06F17/10;G06F16/215
• 代理公司: 北京遠(yuǎn)大卓悅知識產(chǎn)權(quán)代理有限公司 11369
• 代理人: 卞靜靜

本發(fā)明公開了一種移動激光雷達(dá)測量系統(tǒng)車載軌跡數(shù)據(jù)優(yōu)化方法，通過車載移動測量系統(tǒng)獲取基于GNSS和IMU聯(lián)合解算的卡爾曼濾波車載軌跡數(shù)據(jù)，還包括：步驟一、基于卡爾曼濾波車載軌跡數(shù)據(jù)進(jìn)行運(yùn)動狀態(tài)分析，建立車輛運(yùn)動模型，根據(jù)位置、速度大小、運(yùn)動姿態(tài)、加速度參數(shù)判斷車輛的運(yùn)動狀態(tài)和自身的三維姿態(tài)；步驟二、根據(jù)運(yùn)動姿態(tài)將車輛運(yùn)動軌跡進(jìn)行粗分段，其中車輛拐彎軌跡被分為單獨(dú)段，根據(jù)運(yùn)動加速度進(jìn)一步進(jìn)行細(xì)分段，使每段運(yùn)動方向相同、運(yùn)動加速度變化值低于閾值；步驟三、針對分段結(jié)果，分別對段內(nèi)及段間車載軌跡數(shù)據(jù)進(jìn)行平滑處理化獲得優(yōu)化車載軌跡數(shù)據(jù)。本發(fā)明能夠強(qiáng)數(shù)據(jù)的平順性，消除存在的局部誤差，提高軌跡數(shù)據(jù)精度。

技術(shù)領(lǐng)域

本發(fā)明涉及車載移動測量系統(tǒng)。更具體地說，本發(fā)明涉及一種移動激光雷達(dá)測量系統(tǒng)車載軌跡數(shù)據(jù)優(yōu)化方法。

背景技術(shù)

隨著“數(shù)字城市”“自動駕駛”的概念日漸滲入人們的生活，尤其伴隨著“大數(shù)據(jù)”、“云平臺”的提出與發(fā)展，人們對更精確、更豐富、更及時的三維地理信息產(chǎn)品展現(xiàn)出驚人的需求，而三維地理信息產(chǎn)品的基礎(chǔ)便是海量數(shù)據(jù)的采集與獲取。針對這種情況車載移動測量技術(shù)應(yīng)運(yùn)而生。車載移動測量系統(tǒng)具有更新速度快、效率高、成本低、靈活性強(qiáng)等特點(diǎn)，可以快速獲取道路、建筑、電力線等地物空間三維點(diǎn)云信息，對三維場景進(jìn)行快速反映調(diào)查，在智能交通、城市規(guī)劃更新、地籍調(diào)查等領(lǐng)域應(yīng)用越來越廣泛。

車載軌跡是車載移動測量系統(tǒng)的重要組成部分，由慣性導(dǎo)航原件(IMU)和全球定位系統(tǒng)(GNSS)聯(lián)合解算而成，包括位置、速度、角度、加速度等多種運(yùn)動信息，是將掃描得到的點(diǎn)云數(shù)據(jù)轉(zhuǎn)換到大地坐標(biāo)系點(diǎn)云的基礎(chǔ)，軌跡數(shù)據(jù)的質(zhì)量是影響數(shù)據(jù)質(zhì)量的關(guān)鍵因素。雖然軌跡位置和姿態(tài)數(shù)據(jù)經(jīng)過聯(lián)合卡爾曼濾波處理，但是在局部區(qū)域還是存在起伏波動，對此需要對得到的軌跡數(shù)據(jù)進(jìn)行平滑處理，消除局部突變偏差，提高最后解算數(shù)據(jù)精度。

發(fā)明內(nèi)容

本發(fā)明的一個目的是解決至少上述問題，并提供至少后面將說明的優(yōu)點(diǎn)。

本發(fā)明還有一個目的是提供一種移動激光雷達(dá)測量系統(tǒng)車載軌跡數(shù)據(jù)優(yōu)化方法，其能夠強(qiáng)數(shù)據(jù)的平順性，消除存在的局部誤差，提高軌跡數(shù)據(jù)精度。

為了實(shí)現(xiàn)根據(jù)本發(fā)明的這些目的和其它優(yōu)點(diǎn)，提供了一種移動激光雷達(dá)測量系統(tǒng)車載軌跡數(shù)據(jù)優(yōu)化方法，通過車載移動測量系統(tǒng)獲取基于GNSS和IMU聯(lián)合解算的卡爾曼濾波車載軌跡數(shù)據(jù)，還包括：

步驟一、基于卡爾曼濾波車載軌跡數(shù)據(jù)進(jìn)行運(yùn)動狀態(tài)分析，建立車輛運(yùn)動模型，根據(jù)位置、速度大小、運(yùn)動姿態(tài)、加速度參數(shù)判斷車輛的運(yùn)動狀態(tài)和自身的三維姿態(tài)；

步驟二、根據(jù)運(yùn)動姿態(tài)將車輛運(yùn)動軌跡進(jìn)行粗分段，其中車輛拐彎軌跡被分為單獨(dú)段，根據(jù)運(yùn)動加速度進(jìn)一步進(jìn)行細(xì)分段，使每段運(yùn)動方向相同、運(yùn)動加速度變化值低于閾值；

步驟三、針對分段結(jié)果，分別對段內(nèi)及段間車載軌跡數(shù)據(jù)進(jìn)行平滑處理化獲得優(yōu)化車載軌跡數(shù)據(jù)。

優(yōu)選的是，步驟二包括：

步驟a、段內(nèi)車載軌跡數(shù)據(jù)進(jìn)行最小二乘法的多項(xiàng)式平滑原理優(yōu)化，段間車載軌跡數(shù)據(jù)利用基于B樣條曲線的平滑原理優(yōu)化，獲得初步優(yōu)化車載軌跡數(shù)據(jù)；

步驟b、再次根據(jù)運(yùn)動姿態(tài)、運(yùn)動加速度將車輛運(yùn)動軌跡分段，并重復(fù)步驟a，進(jìn)行預(yù)定次的迭代平滑處理，獲得平滑優(yōu)化車載軌跡數(shù)據(jù)。

優(yōu)選的是，粗分段后根據(jù)運(yùn)動距離將長段軌跡進(jìn)行切割分段后使每段運(yùn)動距離值低于閾值再進(jìn)行細(xì)分段。

優(yōu)選的是，段內(nèi)車載軌跡數(shù)據(jù)的優(yōu)化方式為：先將窗口內(nèi)數(shù)據(jù)進(jìn)行多項(xiàng)式擬合，確定多項(xiàng)式系數(shù)，基于最小二乘方法確定各控制點(diǎn)權(quán)系數(shù)，進(jìn)行移動窗口加權(quán)平均進(jìn)行平滑濾波。

優(yōu)選的是，段間車載軌跡數(shù)據(jù)的優(yōu)化方式為：確定B樣條曲線基函數(shù)并進(jìn)行遞歸處理。

優(yōu)選的是，粗分段時，運(yùn)動姿態(tài)的偏航角持續(xù)變化超過20°認(rèn)為是車輛拐彎，被分為單獨(dú)段。