论文部分内容阅读
自动驾驶技术已经为人类生活提供诸多便利,如降低交通事故发生率,提高出行效率,减少园区作业中的人工成本等。其中,定位技术是自动驾驶技术中非常重要的一环,其关系到车辆位姿的正确判定,是路径规划、车辆控制等过程的重要基础和前提,因此保证定位的精度和稳定性是至关重要的。目前自动驾驶车辆定位主要依靠的是全球导航卫星系统(GNSS,Global Navigation Satellite System)和惯性导航系统(INS,Inertial Navigation System),二者融合可以实现多数情况下对自动驾驶汽车可靠定位,但是仍然存在两个重要问题:1)GNSS信号由于数据处理、数据传输会引入时延;2)GNSS信号处于遮挡区域时无法输出位置信息,而仅靠惯性导航会产生较大误差。本文构建了GNSS/INS组合导航算法,利用延时估计和补偿算法解决了其中存在的延时问题,同时构建了视觉-惯性里程计解决GNSS信号的遮挡问题。具体展开了以下研究:首先,本文根据惯性导航的基本原理完成了惯性导航算法推导及解算,该算法是构建GNSS/INS组合导航系统的重要基础。同时,推导了用于惯性传感器与视觉融合的IMU(Inertial Measurement Unit)预积分算法,该算法是构建视觉-惯性里程计的基础。然后基于构建的惯性导航系统对惯性导航误差模型进行分析,完成GNSS/INS组合导航系统状态模型的构建,并根据测量值与状态量的关系构建测量模型,利用卡尔曼滤波算法估计惯性导航误差,实现完整的GNSS/INS组合导航算法,并完成对该算法的实验验证。接下来,针对GNSS信息的延时问题,设计了基于运动学关系的延时估计算法,并基于残差重构算法实现延时补偿,采用真实数据集验证了算法的有效性。最后,针对GNSS信号处于遮挡区域时GNSS/INS组合导航失效的情况,设计了视觉与惯性传感器紧耦合系统,利用视觉信息限制惯性导航误差的累积和漂移,并设计实验进行了验证。根据实验中对误差的分析,GNSS/INS组合导航算法、延时估计与补偿算法、视觉-惯性里程计稳定有效,可以解决定位中前述遇到的问题,本文构建的融合定位架构对工程实践具有一定指导意义。