[发明专利]一种基于固定路线下的特征地图匹配与GPS定位信息融合方法

说明书

本发明涉及一种基于固定路线下的特征地图匹配与GPS定位信息融合，包括：获取已知路线的地图并进行储存，加载特征地图进行匹配定位。本发明是融合了激光雷达里程计和融合惯导姿态信息，达到了提高激光雷达里程计的定位精度、稳定性，以及实现在卫星受到干扰甚至无卫星信号环境下无人车辆导航定位的综合应用。在不同平台间通用性好，提升智能车辆在行驶工况突变时的快速识别和反应调整能力，在无人驾驶领域具有广泛的使用前景。

技术领域

本发明涉及无人车领域，是一种基于固定路线下的特征地图匹配与 GPS定位信息融合的新型定位方法。

背景技术

车辆定位技术是无人驾驶系统的重要组成，目前比较常用的定位方法是融合GNSS(全球导航卫星系统)的惯性导航定位系统，但其对卫星信号的依赖较大，在卫星信号较弱的环境，难以提供稳定精确的定位信息。 SLAM(同时定位与地图创建)技术则可以仅依靠感知传感器获取的周围环境信息来进行位姿估计，在卫星信号受到干扰的环境可以起到必要的补充定位作用。使用基于三维激光雷达的车辆定位方法，可以在卫星信号受到干扰甚至完全无卫星信号的环境仍能进行车辆的全局定位导航。与基于视觉的定位方法相比，激光雷达不受光线明暗变化的影响，有更强的环境适应性。融合惯导的姿态信息，将激光雷达SLAM的高位移精度与惯导低姿态漂移的特性相结合，从而较大程度地提高了算法的定位精度。最后为了满足无卫星信号环境下车辆全局导航定位的需求，研究了离线特征地图匹配定位方法，并与融合惯导后的激光雷达里程计算法相结合，以代替GNSS实现无人驾驶车辆的全局定位。

发明内容

鉴于上述的分析，本发明旨在提供一种基于固定路线下的特征地图匹配与GPS定位信息融合的新型定位方法，用以解决现有技术中无法在 GPS信号较差，或者在短时间内GPS丢失情况下，无人车仍能根据已有的特征地图实现全局规划，按照规划路径行驶的问题。

本发明的目的主要是通过以下技术方案实现的：

一种基于固定路线下的特征地图匹配与GPS定位信息融合的新型定位方法，包括以下步骤：

获取特征地图；

使用地图采集车，或者使用目前使用的无人车，对将要测试的路线进行特征地图的采集，获得较为清晰的、准确度较高的特征地图；

进一步的，特征地图又包括：子地图列表、特征概率地图、子地图索引、子地图位姿、子地图内锚点的位姿等。特征概率地图主要用于进行匹配定位和位姿跟踪，子地图索引、子地图位姿用于子地图的查询、加载和切换，子地图内锚点的位姿则用于将子地图匹配位姿转换为全球坐标系下的车辆位姿；

匹配定位；

该发明融合了惯导的姿态信息，将激光雷达SLAM的高位移精度与惯导低姿态漂移的特性相结合进行定位，实现了在GPS信号较差的时候为无人车进行导航；

进一步的，所述的匹配定位所用到的硬件设备，应使用激光雷达，因为与基于视觉的定位方法相比，激光雷达不受光线明暗变化的影响，有更强的环境适应性，能提供更广范围内的定位服务。

CPFG(Closet Probability and Feature Grid，最近邻概率特征栅格)算法：

一种基于特征概率栅格地图的激光雷达SLAM算法。该算法利用三维激光雷达数据，实时创建和更新线、面及高斯分布特征以及占据概率的栅格地图，并结合鲁棒化后的马氏距离作为优化函数进行实时位姿估计，实现了实时匹配地图，使得无人车的航行更为精准；

特征地图匹配定位中，首先利用初始定位源提供的全局定位信息，基于该信息，在地图中进行搜索，找到与当前点云最为匹配的位置。然后在车辆行驶过程中，利用4中的CPFG算法中点云与特征地图的匹配方法，跟踪车辆在离线特征地图中的位置，实现全局定位。其中初始定位源可以是人工指定、卫星信号还未受干扰时获得的车辆位姿、或者是上一次位姿跟踪失败到当前时刻利用激光雷达里程计推算得到的车辆位置。