[发明专利]一种面向港口环境的多源数据融合的无人驾驶汽车实时定位方法

说明书

本发明公开了面向港口环境的多源数据融合的无人驾驶汽车实时定位方法，包括以下步骤，(1)通过惯性传感器观测的无人车惯性信息，计算出当前时刻的预测状态，(2)将先验点云地图与当前场景点云进行点云匹配，并根据预测状态的数值匹配出配准结果，包括无人车的位置信息和点云；(3)根据预测状态数据和配准结果，校正得到无人车状态的分布，并取其分布的均值作为定位结果。在先验地图点云较稀疏时，能保持好的定位效果，且不依赖GPS或RTK就能实现实时局部定位，保证了无人驾驶汽车的定位性能高，为无人车的安全提供了保障。

技术领域

本发明属于人工智能技术领域，尤其是涉及一种面向港口环境的多源数据融合的无人驾驶汽车实时定位方法。

背景技术

近年来，全球范围内掀起了自动驾驶技术研究的热潮。自动驾驶技术经过十多年发展，逐渐从实验室研究，到封闭环境技术竞赛，再到固定场景示范应用，虽然取得了长足的进展，但距离实际应用仍有加大距离。车企普遍采用的由低级辅助驾驶到高级辅助驾驶，再到限定场景自动驾驶，最后到达全自动驾驶的路途并不十分顺利。

L4级别(超高度自动驾驶)和L5级别(全自动驾驶)的自动驾驶座位智能驾驶技术的理想目标，是人工智能皇冠中各国和厂商奋力竞争摘取的最璀璨的明珠，是无人驾驶市场领域高效的生产力，奠定我国在未来新兴产业国际市场的领导地位具有十分重要的意义。

在面向港口环境的无人驾驶应用场景中，有大量的集装箱卡车且一般行驶速度较低，在场景中还有大量金属箱体和其他金属障碍物。无人车定位是自动驾驶系统的核心基础功能，同时也是限制自动驾驶技术发展的瓶颈技术之一，在港口的运行环境下，无人车依靠单一传感器难以达到理想的定位效果。高精度卫星导航接收机、惯性导航设备、激光雷达、视觉等传感器可以实现绝对或相对定位，但是在港口场景中，上述的装置接收的信号弱或无法接收到信号时会影响无人车的实时定位，从而影响无人车的安全运行。

因此，亟需一种能够解决上述技术问题，通过融合实时点云和惯导信息，可以实现无人车精准、稳定、实时定位，为进一步的导航规划奠定了基础。

发明内容

本发明的目的是提供一种结构简单、融合实时点云和惯导信息的多源数据、确保在传感器失灵的情况下，依然能够完成无人车的实时定位、无人车安全性高的面向港口环境的多源数据融合的无人驾驶汽车实时定位方法。

本发明的技术方案如下：

一种面向港口环境的多源数据融合的无人驾驶汽车实时定位方法，包括以下步骤：

(1)预测无人车的当前时刻状态：通过惯性传感器观测无人车惯性信息，根据前一时刻的状态和当前时刻的惯性传感器的测量值，得出服从高斯分布的当前时刻的预测状态的均值μ′和协方差∑′；

(2)点云配准：将所述步骤(1)中得到的无人车的预测状态的均值μ′和协方差∑′作为预测值，对先验点云地图与当前场景点云进行点云匹配，得到当前场景点云和场景之间的坐标变换矩阵，利用该变换矩阵对匹配前的预测值进行转换，输出匹配后配准结果，所述配准结果包括点云和无人车的位置信息；

(3)状态校正：根据所述步骤(1)的预测状态数据和步骤(2)的配准结果，校正得到校准后的无人车状态。

在上述技术方案中，所述步骤(1)中预测出服从高斯分布的当前时刻的状态信息的步骤如下：

(1-1)对惯性传感器的滤波参数初始化，确定在当前时刻t的噪声协方差R_t和惯性元件的偏置参数b_t，计算出当前时刻t的协方差值∑，由如下公式计算；

∑＝VDV^T；

其中，D为对角阵，V为特征向量，R_t为惯性传感器在测量过程中环境和系统不可测变量对测量结果造成的干扰所服从的高斯分布的协方差矩阵；