[发明专利]一种基于互相关熵配准的无人车定位融合方法

说明书

本发明公开了一种基于互相关熵配准的无人车定位融合方法，首先使用轮速传感器和陀螺仪的数据进行无人车航迹推算；然后将GPS定位数据与航迹推算数据使用基于互相关熵的ICP算法进行配准，得到经过长时修正的航迹推算定位结果；进而根据融合长时修正的航迹推算结果，给定新的可能带有较大误差的GPS定位结果，输出融合后的定位结果。本发明利用到的传感设备要求简单，没有使用到无人车的环境感知信息。轮速传感器的使用给系统提供了稳定的车速信息，相对于基于IMU等惯性器件测量车体速度的方案更为鲁棒和简练，减弱了因速度的观测不准确而导致的积分漂移现象。本发明计算复杂度低，适应性强，能够在绝大多数无人驾驶汽车中应用，实现实时稳定的定位融合。

技术领域

本发明属于无人驾驶汽车技术中的定位与导航领域，具体涉及一种基于互相关熵配准的无人车定位融合方法。

背景技术

近年来随着汽车产业的高速发展，交通事故已经成为全球性的问题，全世界每年交通事故的死伤人数估计超过50多万人，因此集自动控制、人工智能、模式识别等技术于一体的无人驾驶应用而生。无人车定位技术是无人驾驶技术中关键组成部分之一。为了实时得到无人驾驶汽车的当前位置，无人驾驶汽车上装备了各种主动传感器与被动传感器，包括相机、轮速编码器、GPS和IMU等。在早期的研究中，使用GPS进行定位的方法得到了大量的应用。但是，GPS的使用受周围环境因素的影响巨大。当周围环境出现GPS信号遮挡甚至屏蔽时，其定位结果就会十分不可靠，特别是有可能出现的GPS定位跳变问题，其将会对无人车的运动规划和控制带来不可预估的影响。以IMU、陀螺仪等为代表的惯性器件则不会出现此问题，然而，利用惯性器件进行定位和导航时，定位结果会极大的受到累计误差的影响，当系统较长时间工作时，惯性定位系统的定位误差极大，失去利用价值。而使用相机或激光等传感器进行定位的方法大部分需要提前建立相应的场景地图，并且此类方法将消耗较大的计算量。

发明内容

本发明的目的在于克服上述现有技术的缺点，提供一种高效、实时、鲁棒的基于互相关熵配准的无人车定位融合方法，无人车能够通过轮速传感器和陀螺仪的数据将GPS定位数据平滑化，得到更为可靠的融合定位结果

为达到上述目的，本发明采用以下技术方案予以实现：

一种基于互相关熵配准的无人车定位融合方法，包括以下步骤：

首先使用轮速传感器和陀螺仪的数据进行无人车航迹推算；然后将GPS定位数据与航迹推算数据使用基于互相关熵的ICP算法进行配准，得到经过长时修正的航迹推算定位结果；进而根据融合长时修正的航迹推算结果，给定新的带有较大误差的GPS定位结果，输出融合后的定位结果。

本发明进一步的改进在于：

具体包括以下步骤：

1)使用无人驾驶汽车的轮速编码器数据和陀螺仪的车辆航向数据进行航迹推算；以此得到车辆积分推演的定位结果；

2)将通过GPS得到的定位序列点和航迹推算的定位序列点使用基于互相关熵的ICP算法进行配准，得到经过长时修正的航迹推算定位结果；

3)当有新的GPS数据输入时，选取在航迹推算位置序列中的对应点作为融合后的定位结果进行输出。

步骤1)的具体方法如下：

1.1)确定航迹推算更新间隔；根据输出频率较低的传感器确定航迹推算的更新间隔T；对于另一个输出频率较高的传感器，在更新时取最新的输出结果作为当前帧数据；

1.2)设置航迹推算起点为无人车定位程序启动时的GPS位置P₀＝(x₀,y₀)；并设置陀螺仪的起始航向值为0或GPS给出的航向；