[发明专利]一种基于GMM辅助的车辆融合定位方法及系统

说明书

本发明涉及一种基于GMM辅助的车辆融合定位方法及系统，该方法包括：根据IMU的角速度和加速度测量信息，计算IMU预积分项；根据轮速传感器的速度测量信息和IMU的角速度测量信息，结合车辆二自由度模型，计算动力学预积分项；获得GNSS测量信号后，利用IMU预积分项和动力学预积分项构建IMU因子和动力学因子；根据GNSS接收机原始观测信息，结合系统状态，构建伪距因子；基于GNSS接收机时钟误差，构建时钟漂移因子；联合构建的各因子，构造因子图，其中，IMU因子、动力学因子和时钟漂移因子噪声均是高斯建模，伪距因子噪声采用GMM建模；优化求解因子图，估计车辆的定位信息。与现有技术相比，本发明能有效抑制GNSS异常测量对定位的影响，低成本、鲁棒地实现高精度定位。

技术领域

本发明涉及自动驾驶车辆定位技术领域，尤其是涉及一种基于GMM辅助的车辆融合定位方法及系统。

背景技术

自动驾驶三大核心技术分别为感知、规划和控制，其中感知层由定位、检测和识别算法组成，用于理解车辆周围的位置和驾驶环境。精确和鲁棒的全局定位对于车辆实现自动驾驶至关重要，也是规划、决策和运动控制的基础。目前，车辆定位大多借助全球卫星导航系统(Global Navigation Satellite System，GNSS)、惯性测量单元(InertialMeasurement Unit，IMU)和轮速传感器的方式，由于其成本相对较低，因而被广泛用于为车辆提供定位信息。

由于IMU和轮速的里程计算法，是相对定位，因此，最终的定位精度是由GNSS这一绝对定位算法的精度决定的，GNSS在开阔场景可获得较好的定位精度，然而，在城市峡谷、隧道、林荫等场景中，由于多径效应和非视距(Non Line of Sight，NLOS)接收的影响，导致较多的异常测量。针对这一问题，常见的解决方法有：

1、从硬件设计上如扼流环、双极化天线和天线阵列等方法，减轻信号干扰以提高GNSS的精度，但是这种方法成本较高；

2、利用信号强度、卫星仰角等GNSS测量信息或者基于激光雷达、相机等传感器，对卫星能见度进行分类，从而排除NLOS接收或者校正NLOS接收提高GNSS定位性能，但此类方法的性能强烈依赖卫星能见度分类的质量，且常常只能检测到部分NLOS接收，精度受限。

此外，现有的GNSS/IMU/轮速的融合定位方法中，大多仅仅基于车辆平面运动假设，忽略了车辆的俯仰和侧倾运动，并不适用于崎岖地形中的车辆定位，无法保证定位的精确性。

发明内容

本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种基于GMM(Gaussian Mixed Model，高斯混合模型)辅助的车辆融合定位方法及系统，能够有效抑制GNSS异常测量对定位的影响，低成本地实现高精度定位。

本发明的目的可以通过以下技术方案来实现：一种基于GMM辅助的车辆融合定位方法，包括以下步骤：

S1、根据IMU的角速度和加速度测量信息，计算基于IMU的车辆位置、速度和姿态的预积分项，即得到IMU预积分项；

S2、根据轮速传感器的速度测量信息和IMU中陀螺仪的三轴角速度测量信息，并结合车辆二自由度模型，计算基于车辆动力学的车辆位置的预积分项，即得到动力学预积分项；

S3、获得GNSS测量信号后，利用IMU预积分项和动力学预积分项构建IMU因子和动力学因子；

并根据GNSS接收机的原始观测信息，结合系统状态，构建伪距因子；

基于GNSS接收机时钟误差，构建时钟漂移因子；

S4、联合IMU因子、动力学因子、伪距因子和时钟漂移因子，构造因子图，其中，IMU因子、动力学因子和时钟漂移因子的噪声均是高斯建模，伪距因子的噪声采用GMM建模；

之后通过优化求解因子图，估计得到车辆的定位信息。