基于惯性里程计的车辆定位方法、装置、设备及介质与流程

本发明涉及车辆定位，尤其涉及一种基于惯性里程计的车辆定位方法、装置、设备及介质。

背景技术：

1、激光雷达惯性里程计作为当前主流的定位算法，通过惯性传感器进行车辆位姿预测。激光雷达从当前一帧点云中提取几何特征与地图进行匹配得到更精确的位姿。但是当场景退化，即激光一帧点云中缺乏几何特征时，激光雷达匹配就会失效。比如隧道等长直走廊场景，是典型的退化场景。此时点云只能提供车体横向约束，在纵向上缺乏几何约束，因此导致定位纵向误差快速累积，从而降低车辆定位精度。

2、目前常用的解决方法有：1、利用gnss(global navigation satellite system，全球导航卫星系统)提供绝对位姿约束，但是在隧道场景中gnss因遮挡没有信号无法使用。2、通过提高点云地图分辨率提高匹配成功率与精度，但是在地图同样缺少几何特征的情况下失效。3、结合轮速里程计优化位姿。但是在长隧道场景，里程计精度会越来越低，整体定位精度也会降低。

技术实现思路

1、本发明提供了一种基于惯性里程计的车辆定位方法、装置、设备及介质，通过融合轻量级的视觉特征在退化场景下为车辆提供足够的定位约束，有效解决了由于缺乏几何特征导致的激光雷达惯性里程计定位误差大的问题，从而提高了退化场景下的车辆定位精度。

2、根据本发明的一方面，提供了一种基于惯性里程计的车辆定位方法，所述方法包括：

3、从目标车辆的当前帧雷达点云信息中提取激光特征点，将所述激光特征点与激光点云地图进行匹配得到初始激光特征点投影误差；其中，所述激光点云地图基于历史帧雷达点云信息确定；

4、基于所述初始激光特征点投影误差对第一关联误差函数的优化过程确定所述目标车辆在当前时刻是否处于退化场景；其中，所述第一关联误差函数用于表征惯性传感器状态与激光特征点投影误差之间的函数关系；

5、若是，则确定当前帧相机图像信息中的当前视觉特征点，并将激光点云地图中与所述当前视觉特征点关联的点云信息投影到当前帧相机图像中，根据投影结果确定初始视觉特征点投影误差；

6、根据所述第一关联误差函数和第二关联误差函数确定综合关联误差函数，基于所述初始激光特征点投影误差和所述初始视觉特征点投影误差对所述综合关联误差函数进行优化得到目标惯性传感器状态信息；其中，所述第二关联误差函数用于表征惯性传感器状态与视觉特征点投影误差之间的函数关系，所述目标惯性传感器状态信息为所述激光特征点投影误差与所述视觉特征点投影误差之和最小时对应的惯性传感器状态信息；

7、根据所述目标惯性传感器状态信息对所述目标车辆进行定位。

8、根据本发明的另一方面，提供了一种基于惯性里程计的车辆定位装置，包括：

9、初始激光特征点投影误差确定模块，用于从目标车辆的当前帧雷达点云信息中提取激光特征点，将所述激光特征点与激光点云地图进行匹配得到初始激光特征点投影误差；其中，所述激光点云地图基于历史帧雷达点云信息确定；

10、退化场景判断模块，用于基于所述初始激光特征点投影误差对第一关联误差函数的优化过程确定所述目标车辆在当前时刻是否处于退化场景；其中，所述第一关联误差函数用于表征惯性传感器状态与激光特征点投影误差之间的函数关系；

11、初始视觉特征点投影误差确定模块，用于若是，则确定当前帧相机图像信息中的当前视觉特征点，并将激光点云地图中与所述当前视觉特征点关联的点云信息投影到当前帧相机图像中，根据投影结果确定初始视觉特征点投影误差；

12、目标惯性传感器状态信息确定模块，用于根据所述第一关联误差函数和第二关联误差函数确定综合关联误差函数，基于所述初始激光特征点投影误差和所述初始视觉特征点投影误差对所述综合关联误差函数进行优化得到目标惯性传感器状态信息；其中，所述第二关联误差函数用于表征惯性传感器状态与视觉特征点投影误差之间的函数关系，所述目标惯性传感器状态信息为所述激光特征点投影误差与所述视觉特征点投影误差之和最小时对应的惯性传感器状态信息；

13、第一车辆定位模块，用于根据所述目标惯性传感器状态信息对所述目标车辆进行定位。

14、根据本发明的另一方面，提供了一种电子设备，所述电子设备包括：

15、至少一个处理器；以及

16、与所述至少一个处理器通信连接的存储器；其中，

17、所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器能够执行本发明任一实施例所述的基于惯性里程计的车辆定位方法。

18、根据本发明的另一方面，提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机指令，所述计算机指令用于使处理器执行时实现本发明任一实施例所述的基于惯性里程计的车辆定位方法。

19、本发明实施例的技术方案，从目标车辆的当前帧雷达点云信息中提取激光特征点，将激光特征点与激光点云地图进行匹配得到初始激光特征点投影误差；其中，激光点云地图基于历史帧雷达点云信息确定；基于初始激光特征点投影误差对第一关联误差函数的优化过程确定目标车辆在当前时刻是否处于退化场景；其中，第一关联误差函数用于表征惯性传感器状态与激光特征点投影误差之间的函数关系；若是，则确定当前帧相机图像信息中的当前视觉特征点，并将激光点云地图中与当前视觉特征点关联的点云信息投影到当前帧相机图像中，根据投影结果确定初始视觉特征点投影误差；根据第一关联误差函数和第二关联误差函数确定综合关联误差函数，基于初始激光特征点投影误差和初始视觉特征点投影误差对综合关联误差函数进行优化得到目标惯性传感器状态信息；其中，第二关联误差函数用于表征惯性传感器状态与视觉特征点投影误差之间的函数关系，目标惯性传感器状态信息为激光特征点投影误差与视觉特征点投影误差之和最小时对应的惯性传感器状态信息；根据目标惯性传感器状态信息对目标车辆进行定位。本技术方案，通过融合轻量级的视觉特征在退化场景下为车辆提供足够的定位约束，有效解决了因缺乏几何特征导致的激光雷达惯性里程计定位误差大的问题，从而提高了退化场景下的车辆定位精度。

20、应当理解，本部分所描述的内容并非旨在标识本发明的实施例的关键或重要特征，也不用于限制本发明的范围。本发明的其它特征将通过以下的说明书而变得容易理解。

技术特征：

1.一种基于惯性里程计的车辆定位方法，其特征在于，所述方法包括：

2.根据权利要求1所述的方法，其特征在于，在从目标车辆的当前帧雷达点云信息中提取激光特征点之前，所述方法还包括：

3.根据权利要求2所述的方法，其特征在于，确定目标车辆的当前惯性传感器状态信息，包括：

4.根据权利要求2所述的方法，其特征在于，将所述激光特征点与激光点云地图进行匹配得到初始激光特征点投影误差，包括：

5.根据权利要求1所述的方法，其特征在于，基于所述初始激光特征点投影误差对第一关联误差函数的优化过程确定所述目标车辆在当前时刻是否处于退化场景，包括：

6.根据权利要求1所述的方法，其特征在于，在确定当前帧相机图像信息中的当前视觉特征点之后，所述方法还包括：

7.根据权利要求1所述的方法，其特征在于，在确定所述目标车辆在当前时刻是否处于退化场景之后，所述方法还包括：

8.一种基于惯性里程计的车辆定位装置，其特征在于，所述装置包括：

9.根据权利要求8所述的装置，其特征在于，所述装置还包括：

10.根据权利要求9所述的装置，其特征在于，所述当前惯性传感器状态确定模块，用于：

11.根据权利要求9所述的装置，其特征在于，所述初始激光特征点投影误差确定模块，用于：

12.根据权利要求8所述的装置，其特征在于，所述退化场景判断模块，用于：

13.根据权利要求8所述的装置，其特征在于，所述装置还包括：

14.根据权利要求8所述的装置，其特征在于，所述装置还包括：

15.一种电子设备，其特征在于，所述电子设备包括：

16.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机指令，所述计算机指令用于使处理器执行时实现权利要求1-7中任一项所述的基于惯性里程计的车辆定位方法。

技术总结
本发明实施例公开了一种基于惯性里程计的车辆定位方法、装置、设备及介质。该方法包括：从目标车辆的当前帧雷达点云信息中提取激光特征点，将激光特征点与激光点云地图进行匹配得到初始激光特征点投影误差；若基于对第一关联误差函数的优化过程确定目标车辆在当前时刻处于退化场景，则确定当前帧相机图像信息中的当前视觉特征点，并确定初始视觉特征点投影误差；根据第一关联误差函数和第二关联误差函数确定综合关联误差函数，基于初始激光特征点投影误差和初始视觉特征点投影误差对综合关联误差函数进行优化得到目标惯性传感器状态信息；根据目标惯性传感器状态信息对目标车辆进行定位。本技术方案，能够提高车辆在退化场景下的定位精度。

技术研发人员：袁学忠,闫坤,彭楚琳,陈光
受保护的技术使用者：中国第一汽车股份有限公司
技术研发日：
技术公布日：2024/1/25