[發明專利]一種基于小波神經網絡的視覺慣性衛星緊耦合定位方法

有效

• 申請號: 202010655871.2
• 申請日: 2020-07-09
• 公開（公告）號: CN111880207B
• 公開（公告）日: 2022-12-23
• 發明（設計）人: 高唱;曾慶喜;陳則王;呂查德;闞宇超
• 申請（專利權）人: 南京航空航天大學
• 主分類號: G06V20/10
• 分類號: G06V20/10;G06V10/25;G06T7/246;G06T7/254;G06T7/73;G06V10/82;G06N3/04;G06N3/08
• 代理公司: 南京經緯專利商標代理有限公司 32200
• 代理人: 陸燁

本發明公開了一種基于小波神經網絡的視覺慣性衛星緊耦合定位方法，具體為：安裝VO、IMU和GNSS，將三個傳感器采集的數據進行軌跡對齊，采用FAST特征點法和光流法跟蹤上一個時刻的圖像，得到相鄰兩個時刻圖像幀之間的視覺重投影誤差，對相鄰兩個時刻圖像幀之間IMU數據進行預積分，并進行協方差傳遞推導，得到IMU預積分殘差，判斷能否接收到GNSS信號，若否，將VO和IMU的殘差之和輸入至訓練好的小波神經網絡中，得到載體當前的最優位姿估計值；否則，將VO、IMU和GNSS計算到的殘差相加，構建非線性優化函數，求解該函數得到載體當前的最優位姿估計值。本發明魯棒性高，可以在GNSS信號長期失鎖時仍保持較高的定位精度。

技術領域

本發明屬于無人駕駛多傳感器數據融合技術領域。

背景技術

在復雜的道路交通環境下，無人車必須具備實時、全面、準確的定位特性，其定位誤差不能超過10cm，如果仍然使用單一的定位方式，無法適用于所有的場景，達到理想的定位效果。所以基于傳感器融合的定位方法是現在定位技術研究的主要方向。衛星慣導組合系統是目前應用最廣泛的定位系統。但是為了滿足無人車厘米級的定位要求，需要使用高性能的慣性測量單元(IMU)，限制了自主導航的發展。加入視覺里程計(VO)輔助定位，可以降低對IMU精度的要求，適合無人車低成本的發展趨勢。然而，全球導航衛星系統定位(GNSS)易受到干擾和遮擋，影響GNSS/IMU/VO定位精度。

目前，衛星慣導組合導航系統主要采用基于位置或基于速度的松組合導航方式。在松組合方式下，衛星和慣導各自保持獨立工作狀態。該組合方式實現簡單，應用廣泛，但是無法很好地解決信號缺失的問題。當無人車經過叢林高山或者在城市環境中受到遮擋時，很容易導致有效衛星少于4顆，此時衛星導航無法提供準確的位置與速度信息，因此無法實現衛星與慣導的信息融合。為了解決這一問題，有研究將人工智能算法應用到組合導航領域，可以減小傳感器的累積誤差，加快解算速度，是未來組合導航發展的一個參考方向。近年來，神經網絡算法已經被越來越多的應用到組合導航領域，基于神經網絡的組合導航系統可以解決單傳感器失效的問題，具有計算量小、實時性高、定位精度高的優點，具有很好的應用前景。但是目前的神經網絡大多是基于衛星慣導的松組合系統，組合定位系統并沒有充分的利用多傳感器采集到的測量信息，系統在GNSS長期失鎖的場景中不具備很高的定位精度。

發明內容

發明目的：為解決現有技術在GNSS長期失鎖的場景中不具備很高的定位精度的問題，本發明提供了一種基于小波神經網絡的視覺慣性衛星緊耦合定位方法。

技術方案：本方提供了一種基于小波神經網絡的視覺慣性衛星緊耦合定位方法，具體包括如下步驟：

步驟一：在載體上安裝雙目攝像機VO、慣性傳感器IMU和GNSS接收機，組成定位系統；

步驟二：對系統進行初始化，將VO坐標系和IMU坐標系均轉換到GNSS的世界坐標系下，并將VO、IMU和GNSS采集的數據進行時間同步；

步驟三：跟蹤第k時刻圖像幀中的FAST特征點，從而得到第k+1時刻圖像幀中的FAST特征點；

步驟四：基于相鄰兩幀圖像之間的FAST特征點，計算該相鄰兩幀圖像之間的VO重投影誤差；

步驟五：對第k時刻與第k+1時刻之間IMU測得數據進行預積分，得到IMU誤差傳遞模型，利用該模型對相鄰兩時刻之間IMU測得數據進行噪聲處理，從而計算出相鄰兩個時刻之間IMU的慣性殘差；

步驟六：根據步驟四中的重投影誤差和步驟五中的慣性殘差，計算得到第k+1時刻時載體位置的估計值；