一种车辆融合定位系统及方法
阅读说明：本技术 一种车辆融合定位系统及方法 (Vehicle fusion positioning system and method ) 是由 马涛 于 2021-09-09 设计创作，主要内容包括：本发明为一种车辆融合定位系统,包括所述信息处理模块内存储车道线地图,同时能够接收各模块采集的测量信息,完成融合定位计算,将计算结果输出给智能驾驶车辆的其他系统；所述惯性测量模块,用于测量车辆的角速度和加速度信息；所述卫星导航信息接收模块,用于接收全球卫星导航系统卫星信息数据,并计算车辆的定位信息和/或伪距信息；所述轮速信息采集模块,用于采集车辆的车轮速度信息；所述车道线信息采集模块,用于采集当前车辆前方的车道线信息；同时还提供了一种车辆融合定位方法,能够有效的在城市复杂环境下的结构化道路上,利用静止的道路标线的绝对位置,消除融合定位的累积误差,保持智能车辆定位的准确性,计算量小,实时效果好。(The invention relates to a vehicle fusion positioning system, which comprises an information processing module, a positioning module and a positioning module, wherein the information processing module stores a lane line map, can receive measurement information acquired by each module, completes fusion positioning calculation and outputs a calculation result to other systems of an intelligent driving vehicle; the inertia measurement module is used for measuring the angular speed and acceleration information of the vehicle; the satellite navigation information receiving module is used for receiving satellite information data of a global satellite navigation system and calculating positioning information and/or pseudo-range information of a vehicle; the wheel speed information acquisition module is used for acquiring wheel speed information of a vehicle; the lane line information acquisition module is used for acquiring lane line information in front of the current vehicle; meanwhile, the vehicle fusion positioning method is provided, the accumulated error of fusion positioning can be eliminated by effectively utilizing the absolute position of the static road marking on the structured road under the urban complex environment, the positioning accuracy of the intelligent vehicle is kept, the calculated amount is small, and the real-time effect is good.)
技术领域
本发明涉及自动驾驶技术领域，具体地说，涉及一种车辆融合定位系统和方法。
背景技术
在车辆定位技术中，采用惯性导航、卫星导航与轮速计组成融合定位系统是一种十分通用的手段，很多场景下都能够获得较为满意的定位性能。相比于采用单一导航设备，具有全自主，全天候，不受外界信息干扰的优点。但是，自动驾驶技术的发展对融合定位系统的性能提出了更高的要求，融合定位设备需要实现实时不间断的全场景厘米级定位，采用惯性导航、卫星导航与轮速计组成的融合定位设备很难满足上述要求。在卫星信号长时间丢失的情况下，惯性/轮速计融合定位的定位误差会随着车辆行驶里程的增加而累积，使定位结果逐渐偏移车辆的真实位置，从而导致自动驾驶无法继续进行。为解决这一问题，通常采用的技术方案包括增加地图匹配、增加激光雷达定位、增加视觉导航等技术手段或几种手段的叠加。但是，地图匹配的连续高精度定位需要行驶路线有明显的几何特征，车辆实际行驶路线难以保证特征需求；激光雷达相对定位同样具有误差累积的问题，绝对定位需要事先进行建图；视觉导航同样具有误差累积的问题，需要闭环路径通过回环校验才能消除累积误差，车辆实际行驶路线难以保证闭环路径。
发明内容
本发明的目的在于提供一种车辆融合定位系统，提出一种自动驾驶中基于惯性/卫星/轮速/车道线地图的融合定位系统及方法。通过智能驾驶车辆采集到的当前道路车道线信息，结合惯性导航和卫星导航的定位信息以及轮速计的速度信息，进一步在当前定位点坐标附近进行基于道路车道线地图的车辆横向定位，以此来校正当前车辆的准确位置。
为实现上述目的，本发明提供如下技术方案：一种车辆融合定位系统，其特征在于：包括信息处理模块、惯性测量模块、卫星导航信息接收模块、轮速信息采集模块、车道线信息采集模块；
其中，所述信息处理模块内存储车道线地图，同时能够接收各模块采集的测量信息，完成融合定位计算，将计算结果输出给智能驾驶车辆的其他系统；
所述惯性测量模块，用于测量车辆的角速度和加速度信息；
所述卫星导航信息接收模块，用于接收全球卫星导航系统卫星信息数据，并计算车辆的定位信息和/或伪距信息；
所述轮速信息采集模块，用于采集车辆的车轮速度信息；
所述车道线信息采集模块，用于采集当前车辆前方的车道线信息。
本发明进一步设置，所述信息处理模块为独立计算机、微处理器芯片集成电路中的其中一个。
本发明进一步设置，所述轮速信息采集模块采集至少一个轮子的轮速信息。
本发明进一步设置，所述车道线信息采集模块为视觉采集模块或激光雷达采集模块。
本发明还提供了一种车辆融合定位方法，包括以下步骤：
步骤1-通过安装在智能驾驶车辆上的惯性测量模块、卫星导航信息接收模块和轮速信息采集模块采集车辆的运动信息。
步骤2-信息处理模块通过一次融合定位过程计算出车辆的当前位置估计值；
步骤3-通过前向安装的车道线采集模块，动态的获取到车辆前方车道线信息；
步骤4-信息处理模块对采集的车道线信息进行处理，识别出车辆前方的车道线情况，计算车辆与车道线的相对距离，并根据采集到的车道线的具体情况以及车道线地图中的车道线的具体位置，计算出车辆的绝对位置信息或部分绝对位置信息。
步骤5-利用步骤4计算的绝对位置信息或部分绝对位置信息，进行第二次融合定位计算，得到修正后的融合定位结果以及系统误差的修正量，完成一个周期融合定位过程。
本发明进一步设置，所述一次融合定位过程和第二次融合定位过程均为非线性滤波方法。
本发明进一步设置，所述非线性滤波方法为卡尔曼滤波方法、互补滤波方法、扩展卡尔曼滤波方法中一种。
本发明进一步设置，步骤4中在计算出车辆的绝对位置信息或部分绝对位置信息时，包括至少以下两种情况：
情况一、当采集到的车道线信息为车辆前方两侧的两条车道线或单侧的一条车道线时，识别出的车道线距离为车辆距两条或其中一条车道线的距离，并通过一次融合定位过程计算出的车辆当前位置估计值以及车道线地图中的车道线绝对位置，计算出车辆当前所属车道，进而计算出车辆位置点在车道线纵向的绝对位置；
情况二、当采集到的车道线信息具有端点时，包含车道线从端点迎着车辆方向延伸到车辆两侧和车道线从端点远离车辆方向延伸到远处两种情况，识别出车辆与车道线的端点距离，并通过一次融合定位过程计算出的车辆当前位置估计值以及车道线地图中的车道线绝对位置，计算出车辆当前与车道线端点的位置关系，进而计算出车辆的绝对位置。
本发明包括如下至少一种有益效果：
1、能够有效的在城市复杂环境下的结构化道路上，利用静止的道路标线的绝对位置，在卫星导航信号失效情况下，消除融合定位的累积误差，保持智能车辆定位的准确性，计算量小，实时效果好。
2、利用车道线地图进行位置修正的过程中不需要在地图的局部搜索极大相似区域，且当前车道线存在污损、残缺，无法完整的进行图像阈值分割时，本方法仍然能够通过单侧车道线给出的相对距离，完成定位误差修正，鲁棒性较好，实用区域广泛。
附图说明
此处所说明的附图用来提供对本申请的进一步理解，构成本申请的一部分，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：
图1为本发明实施例1中车辆融合定位系统原理框图
图2为本发明实施例2中车辆融合定位方法的流程图
图3本发明实施例2中车辆与车道线距离测量，以及车辆在车道线方向的定位示意图1。
图4本发明实施例2中车辆前方车道线有端线时的车辆定位示意图2。
具体实施方式
以下将配合附图及实施例来详细说明本申请的实施方式，以便对本申请如何应用技术手段来解决技术问题并达成技术功效的实现过程能充分理解并据以实施。
实施例1：
如图1所示，本实施例为一种车辆融合定位系统，包括信息处理模块、惯性测量模块、卫星导航信息接收模块、轮速信息采集模块、车道线信息采集模块；
其中，所述信息处理模块与其他模块之间信息互通，信息处理模块能够接收各模块采集的测量信息，另外在信息处理模块中内存储有车道线地图，车道线地图主要为车辆运行区域的车道线地图，但是又不仅仅包括车辆运行区域，也可以存储有全球的车道线地图，同时信息处理模块能够通过车道线信息采集模块实时获得附近区域的车道线地图，另外能够将实时获得车辆运行附近区域的车道线地图进行存储和更新，信息处理模块的作用还在于实时接收各模块采集的测量信息后，完成融合定位计算，将计算结果输出给智能驾驶车辆的其他系统。所述信息处理模块为独立计算机或处理器芯片集成电路中的其中一个。
定位系统还包括所述惯性测量模块，用于测量车辆的角速度和加速度信息；所述卫星导航信息接收模块，用于接收全球卫星导航系统卫星信息数据，并计算车辆的定位信息和/或伪距信息；所述轮速信息采集模块，用于采集车辆的车轮速度信息；所述车道线信息采集模块，用于采集当前车辆前方的车道线信息。所述轮速信息采集模块采集至少一个轮子的轮速信息。即能够采集单个轮子或多个轮子，采集上限为车辆种类的轮子数量。所述车道线信息采集模块为视觉采集模块或激光雷达采集模块。
实施例2：
基于实施例1中的定位系统，本发明在实施例2中提供了一种车辆融合定位方法，包括以下步骤：
步骤1-通过安装在智能驾驶车辆上的惯性测量模块、卫星导航信息接收模块和轮速信息采集模块采集车辆的运动信息。
步骤2-信息处理模块通过一次融合定位过程计算出车辆的当前位置估计值；但由于环境对卫星导航信息接收模块天线遮挡严重，导致卫星导航信息接收模块失效，无法采集到正确的定位信息，从而导致一次卡尔曼滤波融合定位结果与车辆真实位置之间存在一定偏差，因此需要进行下述步骤；
步骤3-通过前向安装的车道线采集模块，动态的获取到车辆前方车道线信息；
步骤4-信息处理模块对采集的车道线信息进行处理，识别出车辆前方的车道线情况，计算车辆与车道线的相对距离，并根据采集到的车道线的具体情况以及车道线地图中的车道线的具体位置，计算出车辆的绝对位置信息或部分绝对位置信息。
步骤5-利用步骤4计算的绝对位置信息或部分绝对位置信息，进行第二次融合定位计算，得到修正后的融合定位结果以及系统误差的修正量，完成一个周期融合定位过程。
在上述步骤中步骤1和步骤3可以是同步进行的；
其中所述一次融合定位过程和第二次融合定位过程均为非线性滤波方法，其中所述非线性滤波方法为卡尔曼滤波方法、互补滤波方法、扩展卡尔曼滤波方法中一种。
步骤4中在计算出车辆的绝对位置信息或部分绝对位置信息时，包括至少以下两种情况：
情况一、当采集到的车道线信息为车辆前方两侧的两条车道线或单侧的一条车道线时，识别出的车道线距离为车辆距两条或其中一条车道线的距离，并通过一次融合定位过程计算出的车辆当前位置估计值以及车道线地图中的车道线绝对位置，计算出车辆当前所属车道，进而计算出车辆位置点在车道线纵向的绝对位置，具体可以参考图3；
情况二、当采集到的车道线信息具有端点时，包含车道线从端点迎着车辆方向延伸到车辆两侧和车道线从端点远离车辆方向延伸到远处两种情况，识别出车辆与车道线的端点距离，并通过一次融合定位过程计算出的车辆当前位置估计值以及车道线地图中的车道线绝对位置，计算出车辆当前与车道线端点的位置关系，进而计算出车辆的绝对位置，具体如图4所示；
本发明能够有效的在城市复杂环境下的结构化道路上，利用静止的道路标线的绝对位置，在卫星导航信号失效情况下，消除融合定位的累积误差，保持智能车辆定位的准确性，计算量小，实时效果好。此外利用车道线地图进行位置修正的过程中不需要在地图的局部搜索极大相似区域，且当前车道线存在污损、残缺，无法完整的进行图像阈值分割时，本方法仍然能够通过单侧车道线给出的相对距离，完成定位误差修正，鲁棒性较好，实用区域广泛。
如在说明书及权利要求当中使用了某些词汇来指称特定组件。本领域技术人员应可理解，硬件制造商可能会用不同名词来称呼同一个组件。本说明书及权利要求并不以名称的差异来作为区分组件的方式，而是以组件在功能上的差异来作为区分的准则。如在通篇说明书及权利要求当中所提及的“包含”为一开放式用语，故应解释成“包含但不限定于”。“大致”是指在可接收的误差范围内，本领域技术人员能够在一定误差范围内解决所述技术问题，基本达到所述技术效果。
上述说明示出并描述了本发明的若干优选实施例，但如前所述，应当理解本发明并非局限于本文所披露的形式，不应看作是对其他实施例的排除，而可用于各种其他组合、修改和环境，并能够在本文发明构想范围内，通过上述教导或相关领域的技术或知识进行改动。而本领域人员所进行的改动和变化不脱离本发明的精神和范围，则都应在本发明所附权利要求的保护范围内。