[發明專利]一種自動駕駛車輛的多傳感器融合定位建圖方法

在審

• 申請號: 202310415468.6
• 申請日: 2023-04-18
• 公開（公告）號: CN116608873A
• 公開（公告）日: 2023-08-18
• 發明（設計）人: 熊模英;蘭鳳崇;陳吉清
• 申請（專利權）人: 華南理工大學
• 主分類號: G01C21/32
• 分類號: G01C21/32;G01C21/28;G01C21/16;G01C21/00;G01S17/86;G01S17/89
• 代理公司: 廣州粵高專利商標代理有限公司 44102
• 代理人: 江裕強

本發明公開了一種自動駕駛車輛的多傳感器融合定位建圖方法，包括以下步驟：在獲取激光雷達、IMU和輪速里程計的原始數據后，先對積累激光雷達掃面的一個scan，同時IMU進行里程計積分和連續激光關鍵幀之間的預積分，輪速里程計同時進行車速預積分；當三種傳感器的初始數據都進行處理后，IMU預積分和車速預積分作為后端因子圖優化的優化因子；激光里程計部分通過IMU的里程計積分進行運動去畸變，同時檢測是否回環；通過iEKF方法將局部地圖中的歷史關鍵幀和當前幀進行點云配準與數據融合過程中的殘差計算，得到前端里程計位姿，最后將因子介入到因子圖優化模型中進行融合定位求解。

技術領域

本發明屬于激光雷達、慣性測量單元與輪速編碼器數據融合的技術領域，特別涉及一種自動駕駛車輛的多傳感器融合定位建圖方法。

背景技術

在無特征環境下，如隧道、礦井、地下管道等場景，傳統SLAM算法面臨著較大的挑戰。由于這些環境中缺乏典型的特征點，導致傳統的基于特征點的SLAM算法難以實現高精度的定位與建圖。此外，低照度環境也給激光雷達測量帶來困難，影響SLAM算法的性能。目前在自動駕駛領域針對這類場景的車輛定位問題的解決方案有通過大量消耗人力物力的基礎設施部署的方法以及采用價格昂貴的高精度傳感器的方案，但是其定位精度還是無法滿足此類場景下的車輛定位建圖問題。

由于激光雷達的測量不受光照條件和天氣條件的影響，并且能夠獲得周圍環境準確的距離信息，從原理上保證基于激光雷達的定位算法的精度，因此以激光雷達為核心傳感器的定位與建圖技術成為了絕大多數自動駕駛公司的方案。由于使用純激光雷達的定位與建圖方案無法解決環境退化、采樣頻率低等問題，所以該方案定位的魯棒性、精度以及輸出頻率都無法滿足自動駕駛面對各種復雜工況時的定位需求(CN202210285283.3)。

目前，IMU是激光雷達融合方案中最常用的輔助傳感器，一方面它可以提供高頻率的三軸加速度和三軸角速度，這可以彌補激光雷達采集頻率較低的問題，另一方面IMU的測量不受光照條件，紋理結構，天氣條件等外部環境的影響，可以增加激光和IMU融合SLAM算法的魯棒性。激光雷達和IMU的融合方式有松耦合和緊耦合兩種。基于激光雷達的松耦合方法通常是分別處理激光雷達和IMU的測量結果，并且之后對其結果進行加權融合。松耦合的方法把激光雷達和IMU的數據分開單獨處理，數據之間沒有進行相互更新，盡管這種方法的計算效率比較高，但是理論上的精度不如緊耦合的算法，所以，在現有技術中沒有一種適用于車輛在無特征隧道場景自動駕駛的既經濟又能夠精準定位的方法。

發明內容

本發明對現有的自動駕駛車輛在無GPS且無邊緣特征場景下車輛的定位建圖方法的技術問題，提出一種經濟且定位精度滿足自動駕駛車輛導航需求的多傳感器融合定位方法，涉及一種基于激光雷達、慣性測量單元(IMU)和輪式編碼器融合的在低照度、無特征隧道環境中的同時定位與建圖(SLAM)算法，可實現在無GPS信號、低照度、無特征隧道環境中提高地面車輛的精準魯棒定位的精準魯棒定位；

本發明至少通過如下技術方案之一實現。

一種自動駕駛車輛的多傳感器融合定位建圖方法，包括以下步驟：

步驟1、對車載傳感器進行標定；

步驟2、采集標定的傳感器接收的車輛運動過程中實際場景的激光雷達點云數據、IMU的位姿數據、輪速計車輪速度數據，并存儲在緩存區中；

步驟3、利用組合導航系統測量的姿態角初始化IMU的重力方向以消除不同地理位置重力的影響，降低姿態估計誤差；

步驟4、構建IMU預積分模型和車輪預積分模型，以獲取IMU預積分和車速預積分；

步驟5、激光點云預處理：對每一幀點云進行體素濾波，再結合IMU的里程計信息對點云去除畸變；

步驟6、點云配準與建立局部地圖，以得到前端里程計位姿；