论文部分内容阅读
在智能车的研究中，定位是一个基本问题，是实现车辆自主导航的前提。GPS(Global Positioning System)定位是智能车定位常用的一种方法，但实际中GPS信号容易被遮挡而导致定位失效。对于遮挡区范围较小的情况，可利用航位推算或惯性导航加以解决，但对于遮挡区范围较大的情况则需要考虑其它方法。本文针对这一问题，提出一种基于地图匹配的定位方法，通过数据融合获取可靠的车辆位姿。论文主要工作如下：
1)调查研究了现有的各种定位方法，并在此基础上总结了现有方法的不足，据此提出了本文的研究方向和内容。
2)提出了一种基于传感器记忆地图的智能车定位方法。传感器记忆地图不仅可以克服传统地图表示方法在环境表示和存储容量等方面的不足，而且也为地图生成和地图匹配带来方便。在传感器配置方面，通过对室外具体应用场景的分析，提出将激光雷达安装在车辆顶部、摄像头安装在车辆底部以降低室外复杂环境光线等因素的影响，提高系统可靠性。
3)提出了一种有效的地图生成和优化算法，用于创建GPS信号遮挡区内高精度的环境地图。其中提出一种基于鲁棒ICP(Iterative ClosetPoints)算法的帧间匹配方法，将多种对应点搜索策略结合到匹配算法中，增强了算法的鲁棒性，可有效估计两数据帧之间的配准关系。在地图优化中，设计了统一的地图优化框架将地图帧之间的帧间匹配约束和遮挡区两端的GPS数据约束进行融合，并通过约束线性化将地图优化问题建模为一个较易解决的线性优化问题，再借助迭代方法提高精度。仿真和实际实验证明了优化算法能有效提高地图精度。
4)提出了一种地图匹配和数据融合相结合的定位方法，以保证定位的可靠性和实时性。分析了地图匹配的基本思想，推导了基于地图匹配的车辆定位公式。数据融合采用IJKF(Unscented Kalman Filter)算法，将地图匹配和航位推算进行融合。其中设计了目标系统的状态方程和观测方程，并分析了数据融合中的关键问题--不同数据本身的不确定度(或误差)，为数据之间的有效融合奠定了基础。在地图匹配方法中，车辆进入遮挡区时的初始位姿误差以及地图生成前后环境信息的变化是导致地图匹配失效的两个重要问题。利用仿真平台对这两个问题进行了验证和分析，证明了所提方法具有较好的鲁棒性。
5)在典型实际场景中对所提定位方法进行了实验分析，其中分别采用激光雷达和摄像头两种外部传感器来完成地图生成和地图匹配。实验结果证明了所提方法的有效性。
理论分析和实验结果表明所提定位方法可以有效地解决GPS信号遮挡区内的智能车定位问题。该方法可与现有的基于GPS的方法相结合以获得行驶路径上可靠连续的定位信息。所提方法在理论和实际应用中都具有一定的借鉴意义和参考价值，对于拓展智能车的具体应用范围具有十分积极的作用。