CN112014849B - 一种基于传感器信息融合的无人车定位修正方法 - Google Patents
一种基于传感器信息融合的无人车定位修正方法 Download PDFInfo
- Publication number
- CN112014849B CN112014849B CN202010870882.2A CN202010870882A CN112014849B CN 112014849 B CN112014849 B CN 112014849B CN 202010870882 A CN202010870882 A CN 202010870882A CN 112014849 B CN112014849 B CN 112014849B
- Authority
- CN
- China
- Prior art keywords
- encoder
- information
- time
- laser radar
- unmanned vehicle
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000012937 correction Methods 0.000 title claims abstract description 34
- 230000004927 fusion Effects 0.000 title claims abstract description 22
- 238000000034 method Methods 0.000 title claims abstract description 19
- 238000005259 measurement Methods 0.000 claims abstract description 56
- 238000006073 displacement reaction Methods 0.000 claims abstract description 39
- 230000001133 acceleration Effects 0.000 claims abstract description 8
- 230000002159 abnormal effect Effects 0.000 claims description 9
- 230000008859 change Effects 0.000 description 6
- 238000011161 development Methods 0.000 description 3
- 238000005070 sampling Methods 0.000 description 3
- 238000009825 accumulation Methods 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 206010039203 Road traffic accident Diseases 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000003912 environmental pollution Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
- G01S17/02—Systems using the reflection of electromagnetic waves other than radio waves
- G01S17/06—Systems determining position data of a target
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/10—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration
- G01C21/12—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning
- G01C21/16—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning by integrating acceleration or speed, i.e. inertial navigation
- G01C21/165—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning by integrating acceleration or speed, i.e. inertial navigation combined with non-inertial navigation instruments
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/20—Instruments for performing navigational calculations
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
- G01S17/86—Combinations of lidar systems with systems other than lidar, radar or sonar, e.g. with direction finders
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/10—Internal combustion engine [ICE] based vehicles
- Y02T10/40—Engine management systems
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Electromagnetism (AREA)
- Computer Networks & Wireless Communication (AREA)
- Automation & Control Theory (AREA)
- Navigation (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
Abstract
本发明公开了一种基于传感器信息融合的无人车定位修正方法,包括:获取上一时刻即t‑1时刻与当前时刻即t时刻的激光雷达激光帧信息、里程计编码器信息、惯性测量单元各轴加速度信息,分别计算其在t‑1时刻至t时刻的位移坐标变化量;分别将计算激光雷达位移坐标变化量、里程计编码器位移坐标变化量与惯性测量单元位移坐标变化量作差,得到两个误差值;将得到的两个误差值求比值,并通过误差值转换为激光雷达信息权重、里程计编码器信息权重,并获取无人车当前至上一时刻的运动变化量;利用预设的误差阈值对权重进行修正;更新当前时刻t所有传感器的坐标和运动状态。本发明减小了在环境较少特征约束下导致产生移动距离的测量误差,提高了定位准确度。
Description
技术领域
本发明涉及无人车传感定位技术领域,更具体地,涉及一种基于传感器信息融合的无人车定位修正方法。
背景技术
随着社会经济发展,汽车保有量在世界范围内大幅提高。随之而来的道路交通拥挤、道路环境污染、道路交通事故以及道路交通安全等问题成为世界各国关注的焦点,智能交通***的发展为全球面临的交通问题的解决带来希望。无人驾驶汽车的产生为这一问题的解决提供了新的思路,无人车定位的准确性与否决定着汽车能否顺利躲避道路上的障碍物,规避惨剧的发生,在道路安全提高方面有极其重大的意义。
随着国内制造激光性能、产能上的提升和成本降低使用激光定位用于无人车定位具有广阔的发展前景,因为其具有测量精度高、距离远、分辨率比较高、不受地面杂波影响和不受光线强弱影响,拥有良好的稳定性和鲁棒性等优势。但仅使用激光获取的当前定位信息,在扫描到图形变化不明显时会有定位丢失,不能与无人车移动速度同步,如在隧道,无人车无法利用GPS信号准确确定自身状态,单会对测量精度造成极大影响,导致控制器做出错误决定,不能完成定位任务。
因此,对于基于激光的无人车,前端定位信息越准确,后端的得到的结果鲁棒性越好,计算数据更有效,定位越精确。所以我们增加辅助测量设施,减小在环境较少特征约束下导致的测量误差,增强无人车适应环境的能力。
现有技术中,公开号为CN109946732A的发明专利公开了一种基于多传感器数据融合的无人车定位方法,该方法充分利用厘米级高精度地图、视觉和激光雷达传感器数据,在卫星定位信号被遮挡区域实现高精度定位。该发明是结合了厘米级的高精地图及视觉传感器对无人车航向角进行修正,没有对具体的位置坐标进行修正。
发明内容
本发明为克服上述现有技术由于环境影响,单纯依靠GPS信号定位不理想,多传感器融合信息融合没有进行信息的加权修正,定位效果不理想的缺陷,提供一种基于传感器信息融合的无人车定位修正方法。
本发明的首要目的是为解决上述技术问题,本发明的技术方案如下:
一种基于传感器信息融合的无人车定位修正方法,包括以下步骤:
S1:获取上一时刻即t-1时刻与当前时刻即t时刻的激光雷达激光帧信息、里程计编码器信息、惯性测量单元各轴加速度信息;
S2:分别计算激光雷达、里程计编码器、惯性测量单元在t-1时刻到t时刻的位移坐标变化量;
S3:以惯性测量单元信息为瞬间位移参考量,分别将计算激光雷达位移坐标变化量、里程计编码器位移坐标变化量与惯性测量单元位移坐标变化量作差,得到两个误差值,分别记为激光雷达相对惯性测量单元的陀螺仪t-1时刻至t时刻误差,里程计编码器相对惯性测量单元的陀螺仪t-1时刻至t时刻误差;
S4:将得到的两个误差值求比值,并通过误差值转换为激光雷达信息权重、里程计编码器信息权重,并获取无人车t-1时刻至t时刻的运动变化量;
S5:利用预设的误差阈值对激光雷达信息权重、里程计编码器信息权重进行修正;
S6:利用修正后的权重值对应结合在t-1时刻至t时刻的位移坐标变化量,结合无人车在t-1时刻的坐标,得到无人车t时刻的坐标,通过修正频率,更新当前时刻t所有传感器的坐标和运动速度。
本方案中,激光雷达在t-1时刻至t时刻的位移变化量为Δxlidar-t和Δylidar-t
里程计编码器在t-1时刻至t时刻的位移坐标变化量为Δxencoder-t和Δyencoder-t;
惯性测量单元在t-1时刻至t时刻的位移坐标变化量Δximu-t和Δyimu-t。
本方案中,所述激光雷达相对惯性测量单元的陀螺仪t-1时刻至t时刻误差表示为:
本方案中,里程计编码器相对惯性测量单元的陀螺仪t-1时刻至t时刻误差
本方案中,无人车t-1时刻至t时刻的运动变化量表示为
(Δxt,Δyt)=(λΔxlidar-t+(1-λ)Δxencoder-t,λΔylidar-t+(1-λ)Δyencoder-t)
其中,λ表示激光雷达权重值,取值范围为(0,1)。
本方案中,利用预设的误差阈值对激光雷达信息权重、里程计编码器信息权重进行修正具体为:
对激光雷达权重值加入修正项k,加入修正项后权重表达式为:
修正值的取值满足如下公式
当惯性测量单元正常,并且elidar_t<0.83和eencoder_t<0.83且误差比在(0.8,1.2)范围内,则k趋向于无穷大,偏向加大激光雷达信息的权重,使得激光雷达信息权重远远大于里程计编码器信息的权重,若误差比值不在(0.8,1.2)范围内,则k值为1,直接通过误差比值分别确定激光和里程计的权重大小,k的加入对激光和里程计的权重不产生任何影响;
当激光雷达异常,elidar_t>0.83和eencoder_t<0.83,k趋向于无穷小,偏向加大里程计编码器信息的权重;
当里程计编码器异常,elidar_t<0.83和eencoder_t>0.83,只利用激光雷达信息对无人车的运动进行更新;
当激光雷达和里程计编码器均异常,elidar_t>0.83和eencoder_t>0.83,则无人车停止运行,等待一下指令。
本方案中,无人车t时刻的坐标为:
(xt,yt)=(xt-1+λΔxlidar-t+(1-λ)Δxencoder-t,yt-1+λΔylidar-t+(1-λ)Δyencoder-t)
设定(xt-1,yt-1)表示t-1时刻信息融合得到的无人车坐标。
本方案中,所述激光雷达为UTM-30LX单线雷达。
本方案中,里程计编码器为轮式里程计360PPR增量式光电编码器。
本方案中,所述惯性测量单元包括:三个单轴的加速度计和三个单轴的陀螺。
与现有技术相比,本发明技术方案的有益效果是:
本发明通过利用激光雷达、里程计编码器、惯性测量单元作为辅助设备,对多传感器融合信息融合没有进行信息的加权修正,减小了在环境较少特征约束下导致产生移动距离的测量误差,提高了定位的准确度。
附图说明
图1为本发明方法流程图。
图2为本发明信息融合逻辑图。
图3为本发明实施例提供的一种无人车定位***原理框图。
具体实施方式
为了能够更清楚地理解本发明的上述目的、特征和优点,下面结合附图和具体实施方式对本发明进行进一步的详细描述。需要说明的是,在不冲突的情况下,本申请的实施例及实施例中的特征可以相互组合。
在下面的描述中阐述了很多具体细节以便于充分理解本发明,但是,本发明还可以采用其他不同于在此描述的其他方式来实施,因此,本发明的保护范围并不受下面公开的具体实施例的限制。
实施例1
如图1-图2所示,一种基于传感器信息融合的无人车定位修正方法,所述方法应用于无人车定位***,如图3所示,在一个具体的实施例中,所述无人车定位***包括激光雷达、里程计编码器、惯性测量单元、上位机、底层驱动模块,将激光雷达的信息、里程计编码器的信息、惯性测量单元的测量信息发送至上位机,使用激光雷达扫描到障碍物测出定位信息得到激光雷达的位移信息,将里程计编码器测量数据转换成无人车走过的位移,并且分别和使用线性化后的惯性测量单元加速度数据得到位置变化信息进行比较,得到激光雷达相对惯性测量单元陀螺仪的误差,以及里程计编码器相对于惯性测量单元陀螺仪的误差,经过对激光雷达移动位移信息进行校正,得到更加精确的定位信息,所述定位修正方法包括以下步骤:
S1:获取上一时刻即t-1时刻与当前时刻即t时刻的激光雷达激光帧信息、里程计编码器信息、惯性测量单元各轴加速度信息;
S2:分别计算激光雷达、里程计编码器、惯性测量单元在t-1时刻至t时刻的位移坐标变化量;
在一个具体的实施例中,所述激光雷达为UTM-30LX单线雷达。根据激光雷达的激光遇到障碍物后的折返时间,计算目标与自己的相对距离。激光光束可以准确测量视场中物体轮廓边沿与设备间的相对距离,这些轮廓信息组成所谓的点云并绘制出环境地图,通过地图扫描的帧间匹配,迭代最近点(Iterative Closest Point,ICP)算法帧间拼接对于激光雷达扫描出的数据,对相邻的两帧采取ICP最近点迭代方法得到无人车连续的位姿变化,算出激光雷达当前时刻坐标,前进距离信息通过USB串口传送到上位机。根据修正频率f,选取两个位置的相对位移信息,计算出激光雷达在t-1时刻至t时刻的位移变化量为Δxlidar-t和Δylidar-t,并且叠加t-1时刻坐标算出t时刻坐标(xlidar-t,ylidar-t)值。
里程计编码器因其价格低廉、采样速率高、短距离内能够提供精确的定位精度,是移动无人车最常用的定位方法。对于差分驱动的移动无人车而言,其轮式里程计是通过装在驱动车轮上的光电编码器旋转计数,检测出车轮在一定采样周期内转过的圈数来测定。本发明采用360PPR的增量式光电编码器,具有相差为90度的双路脉冲输出,可以通过双路脉冲的相位变化来判断车轮的旋转方向。360PPR的增量式光电编码器安装在驱动电机的轴伸上,直接测量无人车电机的转动。由转过的圈数和车轮的直径确定无人车前进的距离,前进距离信息通过USB串口传送到上位机。根据修正频率f,选取两个位置的运动状态信息,通过运动状态差分运动方式计算出里程计编码器在t-1时刻至t时刻的位移坐标变化量为Δxencoder-t和Δyencoder-t,并且叠加t-1时刻坐标算出t时刻坐标(xencoder-t,yencoder-t)值。
惯性测量单元是测量物体三轴姿态角(或角速率)以及加速度的装置。一般的,一个惯性测量单元包含了三个单轴的加速度计和三个单轴的陀螺仪,加速度计检测物体在载体坐标***独立三轴的加速度信号,而陀螺仪检测载体相对于导航坐标系的角速度信号,测量物体在三维空间中的角速度和加速度。根据修正频率f,通过上一时刻运动状态和惯性测量单元的传感器数据积分得到单周期内惯性测量单元的位移坐标变化量为Δximu-t和Δyimu-t,(即在t-1时刻到t时刻的位移坐标变化量),并且叠加上一时刻坐标算出t时刻坐标(ximu-t,yimu-t)值。
S3:以惯性测量单元信息为瞬间位移参考量,分别将计算激光雷达位移坐标变化量、里程计编码器位移坐标变化量与惯性测量单元位移坐标变化量作差,得到两个误差值,分别记为激光雷达相对惯性测量单元的陀螺仪t-1时刻至t时刻误差,里程计编码器相对惯性测量单元的陀螺仪t-1时刻至t时刻误差;
在一个具体的实施例中,里程计是基于安装在驱动车轮上的编码器将车轮旋转转化为相对地面的线性位移这一前提,因而具有一定的局限性,里程计的误差包括左右驱动车轮半径的差异、车轮半径平均值与标称值的差异、车轮安装位置的差异、有效轮间距的不确定性、有限的编码器精度和采样速率等,它对里程计误差的积累是恒定的,但里程计在短时间内具有较高的测量精度。同时陀螺仪是目前最广泛使用的姿态信息传感器,短时间能相对里程计的测量精度更高,但由于存在一些缺陷导致,该传感器不能长期稳定提供无人车的状态信息,例如漂移、累计误差等缺陷。针对陀螺仪存在的问题,我们将陀螺仪的瞬时信息作为判断激光雷达和里程计编码器提供信息的误差大小的参考依据。
在一个具体的实施例中,激光雷达的扫描周期为25ms,修正频率f为20Hz,周期时间是激光完成两次扫描时间,通过单周期内分别计算出三种传感器(激光雷达、里程计编码器、惯性测量单元)的运动信息,通过比较分别得到,激光雷达相对惯性测量单元的陀螺仪t-1时刻至t时刻误差表示为:
里程计编码器相对惯性测量单元的陀螺仪t-1时刻至t时刻误差表示为:
在一个具体的实施例中,设定无人车的最高时速为60千米每小时,利用单周期内激光雷达误差elidar和里程计编码器eencoder误差是否大于 分别说明激光雷达和获取里程计的编码器是否工作异常。
S4:将得到的两个误差值求比值,并通过误差值转换为激光雷达信息权重、里程计编码器信息权重,并获取无人车t-1时刻至t时刻的运动变化量;
无人车t-1时刻至t时刻的运动变化量表示为:
(Δxt,Δyt)=(λΔxlidar-t+(1-λ)Δxencoder-t,λΔylidar-t+(1-λ)Δyencoder-t)
其中,λ表示激光雷达权重值,取值范围为(0,1),
权重值λ可定义为当λ明显大于0.5时,表示轮式里程计的误差相对激光雷达定位误差过大,激光雷达信息更有效,里程计编码器信息影响当前定位相对较弱;同样当λ明显小于0.5时,轮式里程计的误差相对激光雷达定位误差较小,激光雷达信息相对无效,里程计编码器信息更影响当前定位;当λ接近0.5时,表示激光雷达和里程计编码器提供的信息都同等有效。
通过加入权重修正项,使传感器在正常工作下避免误差累积;
S5:利用预设的误差阈值对激光雷达信息权重、里程计编码器信息权重进行修正;
修正具体为:
对激光雷达权重值加入修正项k,加入修正项后权重表达式为:
修正值的取值满足如下公式
当惯性测量单元正常,并且elidar_t<0.83和eencoder_t<0.83且误差比在(0.8,1.2)范围内,则k趋向于无穷大,偏向加大激光雷达信息的权重,使得激光雷达信息权重远远大于里程计编码器信息的权重,若误差比值不在(0.8,1.2)范围内,则k值为1,直接通过误差比值分别确定激光和里程计的权重大小,k的加入对激光和里程计的权重不产生任何影响;
当激光雷达异常,elidar_t>0.83和eencoder_t<0.83,k趋向于无穷小,偏向加大里程计编码器信息的权重;
当里程计编码器异常,elidar_t<0.83和eencoder_t>0.83,只利用激光雷达信息对无人车的运动进行更新;
当激光雷达和里程计编码器均异常,elidar_t>0.83和eencoder_t>0.83,则无人车停止运行,等待一下指令。
S6:利用修正后的权重值对应结合在t-1时刻到t时刻的位移坐标变化量,结合无人车在t-1时刻的状态信息得到无人车t时刻的坐标,通过修正频率,更新当前时刻t所有传感器的坐标和运动状态。
本方案中,无人车t时刻的坐标为:
(xt,yt)=(xt-1+λΔxlidar-t+(1-λ)Δxencoder-t,yt-1+λΔylidar-t+(1-λ)Δyencoder-t)
设定(xt-1,yt-1)表示t-1时刻信息融合得到的无人车坐标。
显然,本发明的上述实施例仅仅是为清楚地说明本发明所作的举例,而并非是对本发明的实施方式的限定。对于所属领域的普通技术人员来说,在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明权利要求的保护范围之内。
Claims (6)
1.一种基于传感器信息融合的无人车定位修正方法,其特征在于,包括以下步骤:
S1:获取上一时刻即t-1时刻与当前时刻即t时刻的激光雷达激光帧信息、里程计编码器信息、惯性测量单元各轴加速度信息;
S2:分别计算激光雷达、里程计编码器、惯性测量单元在t-1时刻到t时刻的位移坐标变化量;激光雷达在t-1时刻至t时刻的位移变化量为Δxlidar-t和Δylidar-t,里程计编码器在t-1时刻至t时刻的位移坐标变化量为Δxencoder-t和Δyencoder-t;
惯性测量单元在t-1时刻至t时刻的位移坐标变化量Δximu-t和Δyimu-t;
S3:以惯性测量单元信息为瞬间位移参考量,分别将计算激光雷达位移坐标变化量、里程计编码器位移坐标变化量与惯性测量单元位移坐标变化量作差,得到两个误差值,分别记为激光雷达相对惯性测量单元陀螺仪t-1时刻至t时刻误差,里程计编码器相对惯性测量单元陀螺仪t-1时刻至t时刻误差;
所述激光雷达相对惯性测量单元陀螺仪t-1时刻至t时刻误差表示为:
里程计编码器相对惯性测量单元陀螺仪t-1时刻至t时刻误差
S4:将得到的两个误差值求比值,并通过误差值转换为激光雷达信息权重、里程计编码器信息权重,并获取无人车t-1时刻至t时刻的运动变化量;
S5:利用预设的误差阈值对激光雷达信息权重、里程计编码器信息权重进行修正;
具体为:
对激光雷达权重值加入修正项k,加入修正项后权重表达式为:
修正值的取值满足如下公式
当惯性测量单元正常,并且elidar_t<0.83和eencoder_t<0.83且误差比在(0.8,1.2)范围内,则k趋向于无穷大,偏向加大激光雷达信息的权重,使得激光雷达信息权重远远大于里程计编码器信息的权重,若误差比值不在(0.8,1.2)范围内,则k值为1,直接通过误差比值分别确定激光和里程计的权重大小;
当激光雷达异常,elidar_t>0.83和eencoder_t<0.83,k趋向于无穷小,偏向加大里程计编码器信息的权重;
当里程计编码器异常,elidar_t<0.83和eencoder_t>0.83,只利用激光雷达信息对无人车的运动进行更新;
当激光雷达和里程计编码器均异常,elidar_t>0.83和eencoder_t>0.83,则无人车停止运行,等待一下指令;
S6:利用修正后的权重值对应结合在t-1时刻至t时刻的位移坐标变化量,结合无人车在t-1时刻的坐标,得到无人车t时刻的坐标,通过修正频率,更新当前时刻所有传感器的坐标和运动速度。
2.根据权利要求1所述的一种基于传感器信息融合的无人车定位修正方法,其特征在于,其特征在于,无人车t-1时刻至t时刻的运动变化量表示为
(Δxt,Δyt)=(λΔxlidar-t+(1-λ)Δxencoder-t,λΔylidar-t+(1-λ)Δyencoder-t)
其中,λ表示激光雷达权重值,取值范围为(0,1)。
3.根据权利要求1所述的一种基于传感器信息融合的无人车定位修正方法,其特征在于,其特征在于,无人车t时刻的坐标为:
(xt,yt)=(xt-1+λΔxlidar-t+(1-λ)Δxencoder-t,yt-1+λΔylidar-t+(1-λ)Δyencoder-t)设定(xt-1,yt-1)表示t-1时刻信息融合得到的无人车坐标。
4.根据权利要求1所述的一种基于传感器信息融合的无人车定位修正方法,其特征在于,其特征在于,所述激光雷达为UTM-30LX单线雷达。
5.根据权利要求1所述的一种基于传感器信息融合的无人车定位修正方法,其特征在于,其特征在于,里程计编码器为轮式里程计360PPR增量式光电编码器。
6.根据权利要求1所述的一种基于传感器信息融合的无人车定位修正方法,其特征在于,其特征在于,所述惯性测量单元包括:三个单轴的加速度计和三个单轴的陀螺。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010678487 | 2020-07-15 | ||
CN2020106784874 | 2020-07-15 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112014849A CN112014849A (zh) | 2020-12-01 |
CN112014849B true CN112014849B (zh) | 2023-10-20 |
Family
ID=73503227
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010870882.2A Active CN112014849B (zh) | 2020-07-15 | 2020-08-26 | 一种基于传感器信息融合的无人车定位修正方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112014849B (zh) |
Families Citing this family (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112595329B (zh) * | 2020-12-25 | 2023-02-28 | 北京百度网讯科技有限公司 | 车辆位置的确定方法、装置和电子设备 |
WO2022193106A1 (zh) * | 2021-03-16 | 2022-09-22 | 电子科技大学 | 一种通过惯性测量参数将gps与激光雷达融合定位的方法 |
CN112985394B (zh) * | 2021-05-12 | 2021-08-06 | 腾讯科技(深圳)有限公司 | 定位方法和装置、存储介质 |
CN113432586A (zh) * | 2021-06-24 | 2021-09-24 | 国网浙江省电力有限公司双创中心 | 地下管道巡检设备的轨迹测绘方法及地下管道巡检设备 |
CN113483762A (zh) * | 2021-07-05 | 2021-10-08 | 河南理工大学 | 一种位姿优化方法及设备 |
CN115993089B (zh) * | 2022-11-10 | 2023-08-15 | 山东大学 | 基于pl-icp的在线四舵轮agv内外参标定方法 |
CN117168472B (zh) * | 2023-10-31 | 2024-02-13 | 北京理工大学前沿技术研究院 | 无人驾驶车辆的重定位方法、***、存储介质及设备 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2012071796A1 (zh) * | 2010-11-29 | 2012-06-07 | 嘉兴亚特园林机械研究所 | 一种移动机器人定位***及其定位方法 |
CN105628026A (zh) * | 2016-03-04 | 2016-06-01 | 深圳大学 | 一种移动物体的定位定姿方法和*** |
CN109946732A (zh) * | 2019-03-18 | 2019-06-28 | 李子月 | 一种基于多传感器数据融合的无人车定位方法 |
CN110243358A (zh) * | 2019-04-29 | 2019-09-17 | 武汉理工大学 | 多源融合的无人车室内外定位方法及*** |
-
2020
- 2020-08-26 CN CN202010870882.2A patent/CN112014849B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2012071796A1 (zh) * | 2010-11-29 | 2012-06-07 | 嘉兴亚特园林机械研究所 | 一种移动机器人定位***及其定位方法 |
CN105628026A (zh) * | 2016-03-04 | 2016-06-01 | 深圳大学 | 一种移动物体的定位定姿方法和*** |
CN109946732A (zh) * | 2019-03-18 | 2019-06-28 | 李子月 | 一种基于多传感器数据融合的无人车定位方法 |
CN110243358A (zh) * | 2019-04-29 | 2019-09-17 | 武汉理工大学 | 多源融合的无人车室内外定位方法及*** |
Also Published As
Publication number | Publication date |
---|---|
CN112014849A (zh) | 2020-12-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112014849B (zh) | 一种基于传感器信息融合的无人车定位修正方法 | |
EP4382864A1 (en) | Positioning method and positioning apparatus | |
CN110411444B (zh) | 一种地面下采掘移动设备用惯性导航定位***与定位方法 | |
CN105865461B (zh) | 一种基于多传感器融合算法的汽车定位***及方法 | |
CN107063305B (zh) | 用惯导、压力传感器修正下坡悬空后轮里程计误差的方法 | |
US20120173185A1 (en) | Systems and methods for evaluating range sensor calibration data | |
CN110307836B (zh) | 一种用于无人清扫车辆贴边清扫的精确定位方法 | |
CN111380573B (zh) | 用于校准运动的对象传感器的取向的方法 | |
TWI522258B (zh) | Based on electronic map, global navigation satellite system and vehicle motion detection technology Lane identification method | |
CN105573310B (zh) | 一种煤矿巷道机器人定位与环境建模方法 | |
KR101878685B1 (ko) | 지도 정보를 이용한 차량 측위 시스템 및 방법 | |
CN112147651B (zh) | 一种异步多车协同目标状态鲁棒估计方法 | |
KR102539287B1 (ko) | 라이다 센서의 신뢰성에 따른 차량 제어 장치 및 방법 | |
CN110231027B (zh) | 一种基于多传感器数据融合的定位***及定位方法 | |
JP3555003B2 (ja) | 移動機の位置計測装置 | |
TW201420399A (zh) | 利用車身訊號偵測車道曲率之方法及其系統 | |
CN114137975A (zh) | 一种超声波辅助融合定位的无人车导航纠偏方法 | |
CN115060257B (zh) | 一种基于民用级惯性测量单元的车辆变道检测方法 | |
CN107228663A (zh) | 一种自动导引运输车的定位***和方法 | |
CN112229422A (zh) | 基于fpga时间同步的里程计快速标定方法及*** | |
CN108801253A (zh) | 机器人建图定位***及机器人 | |
JP2018067034A (ja) | 移動体制御装置、移動体制御方法、および、移動体制御装置用プログラム | |
CN111857121A (zh) | 基于惯导和激光雷达的巡逻机器人行走避障方法及*** | |
TWI635302B (zh) | 載具即時精準定位系統 | |
CN110926483A (zh) | 一种用于自动驾驶的低成本传感器组合定位***及方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |