查看更多>>摘要:多传感器融合定位是解决卫星遮挡、通信中断等组合导航失效场景下车辆自主定位的有效手段.然而,在环境信息稀疏及相似等场景下,特征退化严重,多传感器融合定位面临巨大挑战.基于此,设计了一种基于逐级优化策略的多传感器融合定位算法,以提高特征退化场景下车辆自主定位精度.首先,为解决实时动态测量技术(Real Time Kinematic,RTK)信号丢失情况下全球导航卫星系统(Global Navigation Satellite System,GNSS)定位精度过低导致初始定位失败的问题,设计融合运动模型和GNSS位置的初始定位算法,提高初始定位精度,实现一级位姿优化;其次,针对特征退化场景中特征点稀疏问题,设计基于平面配准和点云配准融合的位姿优化算法,通过提高稀疏特征点权重以提高定位精度;最后,通过采用误差状态卡尔曼滤波的方式融合惯性测量单元(Inertial Measurement Unit,IMU)数据,输出最终的高精度定位信息.为验证算法有效性,在典型特征退化场景下进行试验测试,试验选取了内蒙古自治区鄂尔多斯市多个矿区场景,分析GNSS定位、LIO-SAM里程计定位、Fast-LIO里程计定位、CT-ICP里程计定位和本文算法定位结果,并与RTK定位结果进行对比.试验结果表明:所提出的改进算法均能对最终结果产生积极影响,算法能够实现较鲁棒的定位.在典型特征退化场景下平均定位误差0.31 m,平均翻滚角误差0.21°,平均俯仰角误差0.52°,平均航向角误差2.93°,相比于其他定位结果,定位误差由米级降低到分米级别,具备明显优势.