[发明专利]一种基于车载惯性的激光雷达与视觉组合导航算法

说明书

本发明公开了一种基于车载惯性的激光雷达与视觉组合导航算法，首先，利用张正友标定算法进行深度相机的标定，根据标定后的相机对载体车行驶过程的视频进行关键帧提取，利用提取的帧信息与初始对准后的惯导信息进行卡尔曼滤波算法的优化，实现初步的导航定位；同时，激光雷达通过测距信息，在基站的辅助下得到初步定位信息，然后把惯导指示航迹所确定的序列在数字地图匹配搜索范围内进行遍历搜索，与激光雷达匹配序列进行最小距离度量，然后通过卡尔曼滤波算法的优化确定激光雷达组合导航的定位信息，最后，将两者的定位信息传送到滤波器，通过两种算法的互补滤波对车载定位进行优化，然后将优化参数反馈校正惯导，同时实时对点云地图进行更新。

技术领域

本发明涉及视觉车载导航技术领域，更具体的说是涉及一种基于车载惯性的激光雷达与视觉组合导航算法。

背景技术

近年来随着经济的快速发展，计算机视觉技术的日趋成熟，以及互联网、人工智能、云计算等新兴技术的快速发展，自动驾驶行业的发展要求越来越强，而自动驾驶技术的发展必须依靠高精度的导航定位，因此，基于车载导航的研究也成为一大研究热点，确实是自动驾驶的迫切需求。

目前，车载导航主要依靠车载GPS(全球定位系统)配合电子地图来进行的，在进行导航过程中主要涉及四个环节卫星信号、信号接收、信号处理和地图数据库，而信号接收最为关键，但GPS信号又易受到信号的干扰，容易遭受黑客攻击，导致信号丢失，此外，在一些偏远山区，由于信号质量差，将无法实现载体车驾驶过程中的同步更新，因此新型的车载导航系统得到迫切需求。随着近年来硬件设计和制造的进步，低成本的轻量化微电子机械(MEMS)IMU已经普遍存在，这使得高精度定位成为可能，也为视觉导航领域的发展提供了一定的技术支持。因此，利用可提供丰富的环境信息，具有体积小、重量轻、能效高特性的相机作为INS的辅助来源，产生视觉惯性导航系统(VINS)成为新型研究趋势。

虽然视觉传感器在大多数纹理丰富的场景中效果很好，但是如果遇到玻璃，白墙等特征较少的场景，基本上无法工作，此外，视觉相机的工作频率具有一定的限制，在高速行驶过程中，视觉更新存在更新延迟现象。

因此，如何实现复杂环境下车载视觉惯性导航的精确定位是本领域技术人员亟需解决的问题。

发明内容

有鉴于此，本发明提供了一种基于车载惯性的激光雷达与视觉组合导航算法，针对复杂环境下车载导航定位，主要基于车载导航现状，综合考虑惯导、深度相机、激光雷达的优势，进行优势互补，实现在复杂环境下高精度的导航定位与点云图的构建。

为了实现上述目的，本发明采用如下技术方案：

一种基于车载惯性的激光雷达与视觉组合导航算法，包括如下具体步骤：

步骤1：利用张正友标定法对车载的深度相机进行标定，获得标定相机；

步骤11：打印一张间距已知的棋盘格纸张，并固定贴覆于平板上；

步骤12：利用所述深度相机采集所述棋盘格纸张若干图片，一般采集10-20张所述图片；

步骤13：对所述图片检测特征点，所述特征点为Harris特征；

步骤14：根据所述特征点采用解析解估算方法计算出内部参数和外部参数，所述内部参数为与所述深度相机自身特性相关的参数，包括焦距、像素等，所述外部参数为世界坐标系中的参数，包括所述深度相机的位置、旋转方向等；其中包括5个所述内部参数和6个所述外部参数；

步骤15：根据极大似然估计策略对所述内部参数和所述外部参数进行优化，获得优化参数；

步骤2：对车载的惯导系统进行初对准，获得对准矩阵；

步骤21：根据所述载体车所在位置的纬度L、重力加速度g、地球自转角速度w_ie和载体运动引起的相对地球旋转角度w_eg，计算出捷联惯导矩阵