[發(fā)明專(zhuān)利]一種基于特征點(diǎn)標(biāo)定的智能車(chē)定位方法

有效

• 申請(qǐng)?zhí)枺?/td>: 202010124025.8
• 申請(qǐng)日: 2020-02-27
• 公開(kāi)（公告）號(hào): CN111272165B
• 公開(kāi)（公告）日: 2020-10-30
• 發(fā)明（設(shè)計(jì)）人: 張新鈺;郭世純;高文舉;劉華平;李駿
• 申請(qǐng)（專(zhuān)利權(quán)）人: 清華大學(xué)
• 主分類(lèi)號(hào): G01C21/00
• 分類(lèi)號(hào): G01C21/00;G01C21/16;G01C21/20
• 代理公司: 北京方安思達(dá)知識(shí)產(chǎn)權(quán)代理有限公司 11472
• 代理人: 陳琳琳;武玥

本發(fā)明了提供一種基于特征點(diǎn)標(biāo)定的智能車(chē)定位方法，包括：判斷智能車(chē)是位于盲區(qū)還是非盲區(qū)；當(dāng)智能車(chē)位于GNSS非盲區(qū)，將GNSS信號(hào)、里程計(jì)數(shù)據(jù)和慣性測(cè)量單元數(shù)據(jù)組合，通過(guò)卡爾曼濾波獲取智能車(chē)當(dāng)前位姿，利用激光雷達(dá)掃描智能車(chē)周?chē)h(huán)境，提取角點(diǎn)、圓弧特征并通過(guò)處理得到角點(diǎn)、圓心作為特征點(diǎn)，計(jì)算特征點(diǎn)的全局坐標(biāo)和權(quán)重存入當(dāng)前特征點(diǎn)列表；將當(dāng)前特征點(diǎn)列表中的特征點(diǎn)加入已有特征點(diǎn)列表，將已有特征點(diǎn)列表中滿(mǎn)足條件的特征點(diǎn)加入可信任列表；當(dāng)智能車(chē)位于GNSS盲區(qū)，使用激光雷達(dá)獲取周?chē)尚湃瘟斜淼奶卣鼽c(diǎn)作為觀(guān)測(cè)量，融合里程計(jì)數(shù)據(jù)和慣性測(cè)量單元數(shù)據(jù)，通過(guò)粒子濾波方法獲取智能車(chē)當(dāng)前位姿，從而實(shí)現(xiàn)智能車(chē)從非盲區(qū)進(jìn)入盲區(qū)的定位無(wú)縫切換。

技術(shù)領(lǐng)域

本發(fā)明涉及智能車(chē)定位方法領(lǐng)域，具體是一種基于特征點(diǎn)標(biāo)定的智能車(chē)定位方法。

背景技術(shù)

智能車(chē)的定位研究是無(wú)人駕駛中的熱點(diǎn)和難點(diǎn)。在當(dāng)前的定位方式研究中，由于GNSS信號(hào)存在精度不足的問(wèn)題，常常以GNSS結(jié)合其他傳感器如里程計(jì)、IMU進(jìn)行融合定位，以取得更好的定位效果。但是當(dāng)智能車(chē)進(jìn)入隧道、枝葉濃密的林蔭道等環(huán)境下，GNSS信號(hào)質(zhì)量過(guò)差難以提供有效的定位信息，僅僅依賴(lài)?yán)锍逃?jì)和IMU進(jìn)行定位又會(huì)存在累積誤差和漂移，難以保證定位精度要求。

發(fā)明內(nèi)容

本發(fā)明的目的在于克服上述技術(shù)缺陷，提出了一種基于特征點(diǎn)標(biāo)定的智能車(chē)定位方法，在GNSS信號(hào)良好時(shí)，使用GNSS結(jié)合里程計(jì)和IMU通過(guò)卡爾曼濾波得到當(dāng)前定位位置，同時(shí)使用激光雷達(dá)觀(guān)察周?chē)屈c(diǎn)、圓弧等特征進(jìn)行記錄和標(biāo)定，待數(shù)據(jù)穩(wěn)定后轉(zhuǎn)換到全局坐標(biāo)系下儲(chǔ)存；當(dāng)GNSS信號(hào)質(zhì)量較差時(shí)，智能車(chē)通過(guò)激光雷達(dá)觀(guān)測(cè)先前標(biāo)定點(diǎn)對(duì)里程計(jì)和IMU推算信息通過(guò)粒子濾波過(guò)程進(jìn)行評(píng)價(jià)和校正，即使在無(wú)GNSS信號(hào)也也能在較長(zhǎng)一段時(shí)間內(nèi)仍保持較為準(zhǔn)確的定位效果，保證智能車(chē)的安全行駛和實(shí)時(shí)狀態(tài)監(jiān)測(cè)。該方法能夠解決智能車(chē)在進(jìn)入隧道、樓宇密集的城市道路、林蔭道等GNSS盲區(qū)時(shí)定位效果不穩(wěn)定的問(wèn)題。

為實(shí)現(xiàn)上述目的，本發(fā)明提出了一種基于特征點(diǎn)標(biāo)定的智能車(chē)定位方法，所述方法包括：

根據(jù)GNSS鎖星數(shù)確定GNSS信號(hào)質(zhì)量，由此判斷智能車(chē)是位于盲區(qū)還是非盲區(qū)；

當(dāng)智能車(chē)位于GNSS非盲區(qū)，將GNSS信號(hào)、里程計(jì)數(shù)據(jù)和慣性測(cè)量單元數(shù)據(jù)進(jìn)行組合，通過(guò)卡爾曼濾波獲取智能車(chē)當(dāng)前位姿，同時(shí)利用激光雷達(dá)掃描智能車(chē)周?chē)h(huán)境，提取角點(diǎn)、圓弧特征并通過(guò)處理得到角點(diǎn)、圓心作為特征點(diǎn)，計(jì)算特征點(diǎn)的全局坐標(biāo)和權(quán)重存入當(dāng)前特征點(diǎn)列表；

將當(dāng)前特征點(diǎn)列表中的特征點(diǎn)加入已有特征點(diǎn)列表，將已有特征點(diǎn)列表中滿(mǎn)足條件的特征點(diǎn)加入可信任列表；

當(dāng)智能車(chē)位于GNSS盲區(qū)，使用激光雷達(dá)獲取周?chē)尚湃瘟斜淼奶卣鼽c(diǎn)作為觀(guān)測(cè)量，融合里程計(jì)數(shù)據(jù)和慣性測(cè)量單元數(shù)據(jù)，通過(guò)粒子濾波方法獲取智能車(chē)當(dāng)前位姿，從而實(shí)現(xiàn)智能車(chē)從非盲區(qū)進(jìn)入盲區(qū)的定位無(wú)縫切換。

作為上述方法的一種改進(jìn)，所述當(dāng)智能車(chē)位于GNSS非盲區(qū)，將GNSS信號(hào)、里程計(jì)數(shù)據(jù)和慣性測(cè)量單元數(shù)據(jù)進(jìn)行組合，通過(guò)卡爾曼濾波獲取智能車(chē)當(dāng)前位姿；具體包括：

步驟1-1)通過(guò)智能車(chē)左后輪、右后輪的光電編碼器，計(jì)算智能車(chē)位移和航向角變化量，具體過(guò)程如下：

計(jì)算單位采樣時(shí)間T_S內(nèi)左后輪和右后輪位置增量Δd_L和Δd_R：

其中，ΔN_L和ΔN_R分別為左后輪和右后輪采樣時(shí)間內(nèi)脈沖增量，D為車(chē)輪當(dāng)量直徑，P為光碼盤(pán)光柵總數(shù)，m為編碼器減速率；

計(jì)算t_k-1時(shí)刻到t_k時(shí)刻智能車(chē)的位移變化量ΔD_k和航向角變化量