详情

原文传递基于GNSS和视觉惯性信息融合的智能车定位研究

论文题名：	基于GNSS和视觉惯性信息融合的智能车定位研究
关键词：	无人驾驶;视觉地图;同步定位;地图构建;位姿估计
摘要：	近年来，随着5G、大数据和人工智能等技术的迅速发展，及其在汽车行业地广泛运用，推动着传统车企向智能化转型。智能汽车为实现无人驾驶功能，首先要感知和获取周围环境的信息，实现对自身位置的准确定位。智能车中常用方法采用高精度GNSS（Global Navigation Satellite System，全球导航卫星系统）实现定位，高精度GNSS在卫星信号良好时，定位精度可以达到厘米级，在信号遮挡区域，精度大幅下降，无法使用。现今，SLAM（simultaneous localization and mapping，同步定位与建图）技术成为学术界热门的研究方向，SLAM按传感器的不同可分为激光SLAM和视觉SLAM，激光SLAM相对比较成熟，定位精度较高，但传感器成本大。视觉SLAM定位精度相对较低，但视觉传感器的成本较低，获取的信息量丰富，多与其他传感器融合使用。现今，基于视觉信息的制图与定位方法成为学术领域的研究热点，有着良好的应用前景。但基于视觉信息的制图与定位方案较少在车辆平台使用，主要是车辆的位姿估计的精度较低，同时不适用于较大区域的建图，针对这些点，本文的主要研究内容如下：　　针对常用视觉SLAM方法在车辆平台位姿估计精度较低的问题，提出一种基于双目视觉惯性的位姿估计方法。前端采用网格划分的双阈值检测提取FAST特征点，后采用金字塔光流追踪，得到前后帧之间的特征匹配信息，粗略地估计出相机的位姿，接着通过视觉惯性初始化完成初始相机和IMU（Inertial Measurement Unit，惯性测量单元）的对齐，采用紧耦合形式，构建目标函数求解最优估计。最后与公开的开源算法对比，验证本文提出算法的有效性。　　其次，针对高精度GNSS在信号遮挡区定位精度低下，而基于视觉惯性的车辆位姿估计在大规模定位不可靠，提出了基于GNSS和视觉信息融合的制图定位。按照定位场景的不同，建立视觉地图的方式相应有两种：一是在信号遮挡区，直接利用VI-SLAM（Visual-Inertial Simultaneous Localization and Mapping，视觉惯性同时定位与建图）技术生成视觉特征地图；二是在信号未遮挡区，融合GNSS信息得到的地图。根据已建立的地图，仅利用视觉传感器信息就可以进行回环检测和重定位。　　此外，仅依靠VI-SLAM技术在室外遮挡区域内进行定位时，会存在累计误差，本文引入额外约束，对建立视觉地图进一步优化，提出一种地图对准与优化方法，利用卫星信号遮挡区的首尾高精度GNSS定位信息，求出两点的相对位姿关系，把这关系作为闭环约束，进一步来优化遮挡区内部的视觉地图。　　最后，对设计的基于GNSS和视觉信息融合的制图定位方法进一步验证。实验分为定量实验和定性实验。定量实验是在基于GNSS与视觉信息融合的定位方法的基础上，对本文提出的GNSS闭环约束进一步验证，通过添加GNSS闭环与单纯视觉闭环对比，并绘制绝对轨迹误差图，验证了GNSS闭环可以把误差控制在合理的范围内，取得良好的定位效果。定性试验是在真实的信号遮挡区上测试的，进一步证实了本文融合算法方案，可以构建全局一致性的视觉特征地图，提高定位精度，良好运用于一般路况定位。
作者：	赵小虎
专业：	车辆工程
导师：	邹斌
授予学位：	硕士
授予学位单位：	武汉理工大学
学位年度：	2021