论文部分内容阅读
实时定位是自动驾驶领域的基础性技术之一,提供车辆在世界坐标系中的位置以及自身的朝向等关键信息。为迅速搭建可靠的实时定位模块,许多公司与研究机构通常使用结合卫星信号与惯性测量单元(IMU)的高精度组合导航设备。该实时定位方案存在诸多不可忽视的弊端,包括较差的环境适应能力以及高昂的硬件成本。因此,越来越多的自动驾驶从业人员开始使用以同时定位与建图(SLAM,Simultaneous Localization And Mapping)技术为核心的算法框架支撑实时定位需求。然而这种方式依然存在算法鲁棒性不强、计算延时过长等显著问题。目前该领域内缺乏一套公开的针对自动驾驶车辆常用硬件配置的多传感器融合SLAM框架。基于以上分析,本文设计了一种面向自动驾驶的多传感器融合SLAM框架,并提出了全新的多传感器融合模式:1)提出了通用帧的概念,用于减少因数据同步与近似带来的误差;2)通过传感器冗余的设计方案提升了整套系统在实时定位过程中的鲁棒性;3)引入零速零偏标定,利用特殊行驶状况优化对于IMU零偏的估计;4)提出分时优化概念,保证计算延迟维持在可接受的范围内。在上述框架的基础之上,针对预积分约束、视觉约束与激光约束提出了新的解决方案:1)提出了融合IMU与轮速计的新型预积分约束;2)更好地利用自动驾驶场景中的路面信息提升视觉SLAM技术计算结果的准确性;3)考虑特征点法与直接法的融合,提高视觉SLAM技术在不同类型环境中的鲁棒性;4)在激光约束中融入视觉语义信息与结构语义信息,提高激光SLAM技术计算的实时性与计算结果的精度。本文中提出的SLAM框架已作为实时定位解决方案实际应用于自动驾驶车辆,行驶里程已超过1000公里,基本满足了自动驾驶所需的效率与精度要求。