CN115060276A - 一种多环境适应性自动驾驶车辆定位设备、系统及方法 - Google Patents

Abstract

本发明公开了一种多环境适应性自动驾驶车辆定位设备、系统及方法，其包括处理器，处理器具有数据采集模块、数据存储模块和位姿解算模块；数据采集模块具有传感器时间同步单元和数据采集单元，传感器时间同步单元用于根据室外RTK‑GNSS信号的状态，按如下情形向数据采集单元发出触发信号：第一种情形下，室外RTK‑GNSS信号的状态良好，数据采集单元根据触发信号，同时采集RTK‑GNSS数据以及Lidar数据；第二种情形下，室外RTK‑GNSS信号丢失，数据采集单元根据触发信号，仅限于采集Lidar数据；位姿解算模块用于根据从数据采集模块接收到的RTK‑GNSS数据中的车辆初步位姿信息与Lidar数据中的Lidar点云信息、以及从数据存储模块调用到的局部点云地图信息，提供联合优化，获得最终车辆定位信息。

Description

一种多环境适应性自动驾驶车辆定位设备、系统及方法

技术领域

本发明涉及实时导航定位技术领域，特别是关于一种多环境适应性自动驾驶车辆定位设备、系统及方法。

背景技术

实时导航定位技术为自动驾驶车辆的实时控制、决策和路径规划提供了重要保障，是实现自动驾驶车辆智能化、无人化的真正关键技术。自动驾驶车辆常通过搭载的GNSS(Global Navigation Satellites System，全球卫星定位导航系统)以及Lidar(激光雷达)来实现高精度的姿态解算，为自动驾驶车辆提供定位支持。但是，RTK-GNSS导航定位系统具有定位信号易受障碍物遮挡的缺点，故在遮挡路段常常使用Lidar里程计对车辆进行位姿估计。Lidar里程计对自动驾驶车辆所处环境具有较高适应性，可以稳定运行于地下停车场、城市道路、乡间区域等，并且不受光照影响，能够实现全天工作。然而，Lidar里程计的定位精度受限于由Lidar获得的点云质量，当RTK-GNSS信号丢失且自动驾驶车辆周围具有动态障碍物时，定位效果将受到影响，定位精度将不可避免下降。

目前，常见的导航定位系统或面向室内场景、或面向室外场景、或既能用于室内场景又能用于室外场景，但是不具有动态障碍物剔除功能而稳定性和准确性差。

发明内容

本发明的目的在于提供一种多环境适应性自动驾驶车辆定位设备、系统及方法，其能够提高自动驾驶车辆实时导航定位系统的稳定性与准确性，同时又保证定位系统的适用性。

为实现上述目的，本发明提供一种多环境适应性自动驾驶车辆定位设备，其包括处理器，所述处理器具有数据采集模块、数据存储模块和位姿解算模块；

其中，所述数据采集模块具有传感器时间同步单元和数据采集单元，

所述传感器时间同步单元用于根据室外RTK-GNSS信号的状态，按如下情形向数据采集单元发出触发信号：

第一种情形下，室外RTK-GNSS信号的状态良好，所述数据采集单元根据所述触发信号，同时采集RTK-GNSS数据以及Lidar数据；

第二种情形下，室外RTK-GNSS信号丢失，所述数据采集单元根据所述触发信号，仅限于采集所述Lidar数据；

所述位姿解算模块用于根据从所述数据采集模块接收到的所述RTK-GNSS数据中的车辆初步位姿信息与所述Lidar数据中的Lidar点云信息、以及从所述数据存储模块调用到的局部点云地图信息，提供联合优化，获得最终车辆定位信息。

进一步地，所述位姿解算模块具有定位预处理单元、点云动态障碍物剔除单元以及位姿优化单元，其中，

所述定位预处理单元用于根据当前先验位姿信息，将已被剔除掉无效点的所述Lidar数据中的点云通过三维空间变换转换到全局坐标系下，获得第一点云，其中，所述全局坐标系为系统初始时刻对应的Lidar坐标系；所述当前先验位姿信息分如下情形确定：

所述第一种情形下，所述定位预处理单元用于将所述RTK-GNSS数据中的车辆初步位姿信息转换到系统初始时刻对应的Lidar坐标系下，并将转换好的位姿信息作为当前先验位姿信息；

所述第二种情形下，当前时刻所述定位预处理单元结合上一时刻所述位姿优化单元解算得到的后验位姿信息以及匀速模型假设得到当前时刻定位系统先验位姿信息；

点云动态障碍物剔除单元用于根据由所述位姿优化单元维护的局部点云地图，将所述第一点云中的车辆四周区域内点云动态障碍物进行剔除，获得第二点云；

位姿优化单元用于根据所述当前先验位姿信息以及所述第二点云，通过优化解算得到最终车辆定位信息。

进一步地，所述点云动态障碍物剔除单元将所述第一点云中的车辆四周区域内点云动态障碍物进行剔除的方法具体包括：

根据所述局部点云地图，建立k-d搜索树；

将所述第一点云中距离第一点云中心预设半径范围内的点云根据k-d搜索树进行筛选，当该点云在k-d搜索树中的筛选距离大于筛选阈值时，将该点作为动态障碍物点进行剔除。

进一步地，所述位姿优化单元优化解算的方法具体包括：

将系统初始时刻前的预设帧数的点云作为初始化局部点云地图，系统正常运行时，每运动预设长度选取一帧新关键帧，并剔除最开始的关键帧，保持关键帧序列长度始终保持在预设长度内，当局部点云地图包含点云帧个数不少于预设帧数时，根据所述第二点云以及局部点云地图信息，通过建立最优估计模型获得激光里程计位姿信息，并分如下情形获得所述最终车辆定位信息：

所述第一种情形下，通过联合优化融合所述RTK-GNSS数据和所述激光里程计位姿信息，实时纠正误差获得所述最终车辆定位信息；

所述第二种情形下，利用激光里程计技术，对已被剔除掉动态障碍物点云的所述Lidar数据中的点云信息进行处理，得到所述最终车辆定位信息。

进一步地，根据GNSS信号强度识别所述RTK-GNSS信号，其具体包括：

当RTK-GNSS定位系统的双天线接收到的卫星信号个数均大于预设值时，则判定为所述室外RTK-GNSS信号良好；否则判定为所述室外RTK-GNSS信号丢失。

本发明还提供一种包括如上所述的多环境适应性自动驾驶车辆定位设备的定位系统，其还包括GNSS设备和Lidar设备。

本发明提供一种多环境适应性自动驾驶车辆定位方法，其包括：

步骤S1，根据室外RTK-GNSS信号的状态，按如下情形发出触发信号：

第一种情形下，室外RTK-GNSS信号的状态良好，根据所述触发信号，同时采集RTK-GNSS数据以及Lidar数据；

第二种情形下，室外RTK-GNSS信号丢失，根据所述触发信号，仅限于采集所述Lidar数据；

步骤S2，根据所述RTK-GNSS数据中的车辆初步位姿信息与所述Lidar数据中的Lidar点云信息、以及局部点云地图信息，提供联合优化，获得最终车辆定位信息。

进一步地，所述步骤S2具体包括：

步骤S21，根据当前先验位姿信息，将已被剔除掉无效点的所述Lidar数据中的点云通过三维空间变换转换到全局坐标系下，获得第一点云，其中，所述全局坐标系为系统初始时刻对应的Lidar坐标系；所述当前先验位姿信息分如下情形确定：

所述第一种情形下，将所述RTK-GNSS数据中的车辆初步位姿信息转换到系统初始时刻对应的Lidar坐标系下，并将转换好的位姿信息作为当前先验位姿信息；

所述第二种情形下，将当前时刻结合上一时刻解算得到的后验位姿信息以及匀速模型假设得到当前时刻定位系统先验位姿信息；

步骤S22，根据所述局部点云地图，将所述第一点云中的车辆四周区域内点云动态障碍物进行剔除，获得第二点云；

步骤S23，根据所述当前先验位姿信息以及所述第二点云，通过优化解算得到最终车辆定位信息。

进一步地，所述步骤S22中将所述第一点云中的车辆四周区域内点云动态障碍物进行剔除的方法具体包括：

根据所述局部点云地图，建立k-d搜索树；

将所述第一点云中距离中心预设半径范围内的点云根据k-d搜索树进行筛选，当该点云在k-d搜索树中的筛选距离大于筛选阈值时，将该点作为动态障碍物点云。

进一步地，所述步骤S23中优化解算的方法具体包括：

将系统初始时刻前的预设帧数的点云作为初始化局部点云地图，系统正常运行时，每运动预设长度选取一帧新关键帧，并剔除最开始的关键帧，保持关键帧序列长度始终保持在预设长度内，当局部点云地图包含点云帧个数不少于预设帧数时，根据所述第二点云以及局部点云地图信息，通过建立最优估计模型获得激光里程计位姿信息，并分如下情形获得所述最终车辆定位信息：

所述第一种情形下，根据联合优化，融合所述RTK-GNSS数据和所述激光里程计位姿信息，并实时纠正误差，获得所述最终车辆定位信息；

所述第二种情形下，利用激光里程计技术，对已被剔除掉动态障碍物点云的所述Lidar数据中的点云信息进行处理，得到所述最终车辆定位信息。

本发明由于采取以上技术方案，其具有以下优点：

1、根据对RTK-GNSS以及Lidar融合模式的判断进而选择合适的定位模式，表现出对室外、室内环境都具有较好适应性，以及良好车辆自主性；

2、根据对Lidar提供的点云进行动态障碍物剔除，能够有效降低外部无效噪声对定位系统的影响，提高定位系统的准确性以及稳定性。

附图说明

图1是本发明实施例提供的具有多环境适应性及动态障碍物剔除功能的面向自动驾驶车辆的定位系统的结构安装示意图。

图2是本发明的一个实施例提供的具有多环境适应性及动态障碍物剔除功能的面向自动驾驶车辆的定位系统的原理示意图。

图3是本发明的另一个实施例提供的具有多环境适应性及动态障碍物剔除功能的面向自动驾驶车辆的定位系统的原理示意图。

具体实施方式

在附图中，使用相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面结合附图对本发明的实施例进行详细说明。

在本发明的描述中，术语“中心”、“纵向”、“横向”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明保护范围的限制。

在不冲突的情况下，本发明各实施例及各实施方式中的技术特征可以相互组合，并不局限于该技术特征所在的实施例或实施方式中。

下面结合附图以及具体实施例对本发明做进一步的说明，需要指出的是，下面仅以一种最优化的技术方案对本发明的技术方案以及设计原理进行详细阐述，但本发明的保护范围并不仅限于此。

本文涉及下列术语，为便于理解，对其含义说明如下。本领域技术人员应当理解，下列术语也可能有其它名称，但在不脱离其含义的情形下，其它任何名称都应当被认为与本文所列术语一致。

如图1所示，图1示出的是一种定位系统，包括多环境适应性自动驾驶车辆定位设备1、GNSS设备2和Lidar设备3，其中：

多环境适应性自动驾驶车辆定位设备1用于通过判断RTK-GNSS信号丢失与否来确定定位模式的选取，解算输出高精度的位姿信息，为车辆提供定位支持。

作为多环境适应性自动驾驶车辆定位设备1的一种实现方式，如图2所示，其数据处理主板包括处理器11、GNSS模块12、以及Lidar模块13，其中：

GNSS模块12与安装于车辆的GNSS设备2连接，用于接收RTK-GNSS数据。GNSS设备2可以采用RTK-GNSS定位系统，其主要用于设置信号采样频率以及对RTK-GNSS定位系统提供的RTK-GNSS数据进行解析以及处理，输出车辆的初步位姿信息以及RTK-GNSS信号。其中，初步位姿信息包括由经纬度和高度表示的位置信息、以及由角度表示的姿态信息。GNSS模块12在室外RTK-GNSS信号的状态良好情形下为车辆提供绝对位姿定位信息。

Lidar模块13与安装于车辆的Lidar设备3连接，用于接收Lidar数据。具体地，Lidar设备3可以安装于车顶，通过固定设置定位销以及安装孔的方式，将GNSS设备2安装位置与Lidar设备3的安装位置相对固定。Lidar设备3在本实施例中采用的是多线Lidar，Lidar模块13主要用于设置Lidar扫描模式、采样频率以及对Lidar数据进行解析，为车辆提供四周三维环境信息。

本实施例提供的定位系统具有多环境适应性，在面对多种不同运行环境时都能为自动驾驶车辆提供稳定可靠的位姿解算结果，同时能够保证定位系统在RTK-GNSS信号丢失且面临动态障碍物场景时的准确性和稳定性。

结合图3，本发明实施例提供的处理器11，其包括数据采集模块111、数据存储模块112和位姿解算模块113。其中：

数据采集模块111采集实时数据，具体地，其具有传感器时间同步单元1111和数据采集单元1112。

其中，传感器时间同步单元1111用于根据室外RTK-GNSS信号的状态，按如下情形向数据采集单元1112发出触发信号：

第一种情形下，室外RTK-GNSS信号的状态良好，数据采集单元1112根据所述触发信号，同时采集RTK-GNSS数据以及Lidar数据。

第二种情形下，室外RTK-GNSS信号丢失，数据采集单元1112根据所述触发信号，仅限于采集所述Lidar数据。其中，“室外RTK-GNSS信号丢失”可能是室外RTK-GNSS受遮挡，也可能是处于室内环境下，还可能是其他情形。

在一个实施例中，根据GNSS信号强度识别由GNSS模块所述RTK-GNSS信号，其具体包括：

当GNSS设备2的双天线接收到的卫星信号个数均大于预设值时，该预设值一般为8，则判定为所述室外RTK-GNSS信号良好；否则判定为所述室外RTK-GNSS信号丢失。

数据存储模块112用于将所述RTK-GNSS数据RTK-GNSS定位系统解析得到的车辆位姿信息、由Lidar得到的所述Lidar数据中的激光雷达点云信息、所述位姿解算模块113解算得到的位姿信息、以及局部点云地图信息进行本地化存储。通过数据存储模块112对数据的本地化存储，可以实现车辆作业后的数据再分析，能够根据具体环境进行针对性求解，可以得到具有更高精度的全局一致点云地图。

位姿解算模块113用于根据从数据采集模块111接收到的RTK-GNSS数据中的车辆初步位姿信息与所述Lidar数据中的Lidar点云信息、以及从数据存储模块112调用到的局部点云地图信息，提供联合优化，获得最终车辆定位信息。

在一个实施例中，所述位姿解算模块113具有定位预处理单元1131、点云动态障碍物剔除单元1132以及位姿优化单元1133，其中，

定位预处理单元1131用于根据当前先验位姿信息，将已被剔除掉无效点的所述Lidar数据中的点云通过三维空间变换转换到全局坐标系下，获得全局坐标系下的第一点云，其中，所述全局坐标系为系统初始时刻对应的Lidar坐标系；所述当前先验位姿信息分如下情形确定：

所述第一种情形下，所述定位预处理单元1131用于将所述RTK-GNSS数据中的车辆初步位姿信息转换到系统初始时刻对应的Lidar坐标系下，将系统初始时刻Lidar坐标系作为定位系统全局坐标系，并将转换好的车辆初步位姿信息作为当前先验位姿信息。

所述第二种情形下，当前时刻所述定位预处理单元1131结合上一时刻所述位姿优化单元1133解算得到的后验位姿信息并结合匀速模型，获得当前时刻定位系统先验位姿信息。其中，当系统为初始时刻时此先验估计为系统初始值。

其中，定位预处理单元1131剔除的无效点指的是Lidar数据中的“NAN”点，即为激光中的无穷远点。提出方法可以选用现有方法实现，在此不再一一列举。

点云动态障碍物剔除单元1132用于根据由位姿优化单元1133维护的局部点云地图，将所述第一点云中的车辆四周区域内点云动态障碍物进行剔除，获得第二点云。

例如，所述点云动态障碍物剔除单元1132将所述第一点云中的车辆四周区域内点云动态障碍物进行剔除时，其具体包括：

根据所述局部点云地图，建立k-d搜索树；

将所述第一点云中距离中心预设半径(例如：半径10m)范围内的点云根据k-d搜索树进行筛选，当该点云在k-d搜索树中的筛选距离大于筛选阈值时，将该点作为动态障碍物点云，该筛选阈值一般取0.01m。

位姿优化单元1133用于根据所述当前先验位姿信息以及所述第二点云，通过优化解算得到最终车辆定位信息。

其中，“通过优化解算得到最终车辆定位信息”的方法具体包括：

将系统初始时刻前的预设帧数(比如30帧)的点云作为初始化局部点云地图，系统正常运行时，每运动预设长度(比如2米)选取一帧新关键帧，并剔除最开始的关键帧，保持关键帧序列长度始终保持在预设帧数内。当局部点云地图包含点云帧个数不少于预设帧数时，将所述第二点云以及局部点云地图信息建立最优估计模型根据第二点云以及局部点云的对应关系，构建最优估计模型，获得激光里程计位姿信息，并分如下情形获得所述最终车辆定位信息：

所述第一种情形下，通过联合优化，比如因子图优化理论等优化方法，融合所述RTK-GNSS数据和所述激光里程计位姿信息，并实时纠正误差，获得高精度所述最终车辆定位信息，最后由所述最终车辆定位信息对所述第二点云进行转换，得到全局一致高精度地图。

所述第二种情形下，利用激光里程计技术，对已被剔除掉动态障碍物点云的所述Lidar数据中的点云信息进行处理，得到所述最终车辆定位信息。其中，“对已被剔除掉动态障碍物点云的所述Lidar数据中的点云信息进行处理，得到所述最终车辆定位信息”的方法指的是，对第二点云中角点特征以及面点特征在局部点云地图中进行对应点匹配，根据得到的匹配关系构建最小二乘估计问题，解算得到激光里程计位姿信息，该激光里程计位姿信息即为所述最终车辆定位信息。

上述实施例中，“构建最优估计模型，获得激光里程计位姿信息”的方法具体包括：

对第二点云中角点特征以及面点特征在局部点云地图中进行对应点匹配，根据得到的匹配关系构建最小二乘估计问题，解算得到激光里程计位姿信息。

本发明实施例提供的多环境适应性自动驾驶车辆定位方法包括：

步骤S1，根据室外RTK-GNSS信号的状态，按如下情形发出触发信号：

第一种情形下，室外RTK-GNSS信号的状态良好，根据所述触发信号，同时采集RTK-GNSS数据以及Lidar数据；

第二种情形下，室外RTK-GNSS信号丢失，根据所述触发信号，仅限于采集所述Lidar数据；

步骤S2，根据所述RTK-GNSS数据中的车辆初步位姿信息与所述Lidar数据中的Lidar点云信息、以及局部点云地图信息，提供联合优化，获得最终车辆定位信息。

在一个实施例中，步骤S2具体包括：

步骤S21，根据当前先验位姿信息，将已被剔除掉无效点的所述Lidar数据中的点云通过三维空间变换转换到全局坐标系下，获得第一点云，其中，所述全局坐标系为系统初始时刻对应的Lidar坐标系；所述当前先验位姿信息分如下情形确定：

所述第一种情形下，将所述RTK-GNSS数据中的车辆初步位姿信息转换到系统初始时刻对应的Lidar坐标系下，并将转换好的位姿信息作为当前先验位姿信息；

所述第二种情形下，将当前时刻结合上一时刻解算得到的后验位姿信息以及匀速模型假设得到当前时刻定位系统先验位姿信息；

步骤S22，根据所述局部点云地图，将所述第一点云中的车辆四周区域内点云动态障碍物进行剔除，获得第二点云；

步骤S23，根据所述当前先验位姿信息以及所述第二点云，通过优化解算得到最终车辆定位信息。

在一个实施例中，所述步骤S22中将所述第一点云中的车辆四周区域内点云动态障碍物进行剔除的方法具体包括：

根据所述局部点云地图，建立k-d搜索树；

将所述第一点云中距离中心预设半径范围内的点云根据k-d搜索树进行筛选，当该点云在k-d搜索树中的筛选距离大于筛选阈值时，将该点作为动态障碍物点云。

在一个实施例中，所述步骤S23中优化解算的方法具体包括：

将系统初始时刻前的预设帧数的点云作为初始化局部点云地图，系统正常运行时，每运动预设长度选取一帧新关键帧，并剔除最开始的关键帧，保持关键帧序列长度始终保持在预设长度内，当局部点云地图包含点云帧个数不少于预设帧数时，根据所述第二点云以及局部点云地图信息，通过建立最优估计模型获得激光里程计位姿信息，并分如下情形获得所述最终车辆定位信息：

所述第一种情形下，根据联合优化，融合所述RTK-GNSS数据和所述激光里程计位姿信息，并实时纠正误差，获得所述最终车辆定位信息；

所述第二种情形下，利用激光里程计技术，对已被剔除掉动态障碍物点云的所述Lidar数据中的点云信息进行处理，得到所述最终车辆定位信息。

本发明能有效提高自动驾驶车辆在各种环境下的适用性，并因为具有点云动态障碍物剔除模块，能够同时达到提高定位系统定位精度、稳定性的效果。

最后需要指出的是：以上实施例仅用以说明本发明的技术方案，而非对其限制。本领域的普通技术人员应当理解：可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。

Claims (10)

1.一种多环境适应性自动驾驶车辆定位设备(1)，其特征在于，包括处理器(11)，所述处理器(11)具有数据采集模块(111)、数据存储模块(112)和位姿解算模块(113)；

其中，所述数据采集模块(111)具有传感器时间同步单元(1111)和数据采集单元(1112)，

所述传感器时间同步单元(1111)用于根据室外RTK-GNSS信号的状态，按如下情形向数据采集单元(1112)发出触发信号：

第一种情形下，室外RTK-GNSS信号的状态良好，所述数据采集单元(1112)根据所述触发信号，同时采集RTK-GNSS数据以及Lidar数据；

第二种情形下，室外RTK-GNSS信号丢失，所述数据采集单元(1112)根据所述触发信号，仅限于采集所述Lidar数据；

所述位姿解算模块(113)用于根据从所述数据采集模块(111)接收到的所述RTK-GNSS数据中的车辆初步位姿信息与所述Lidar数据中的Lidar点云信息、以及从所述数据存储模块(112)调用到的局部点云地图信息，提供联合优化，获得最终车辆定位信息。

2.如权利要求1所述的多环境适应性自动驾驶车辆定位设备(1)，其特征在于，所述位姿解算模块(113)具有定位预处理单元(1131)、点云动态障碍物剔除单元(1132)以及位姿优化单元(1133)，其中，

所述定位预处理单元(1131)用于根据当前先验位姿信息，将已被剔除掉无效点的所述Lidar数据中的点云通过三维空间变换转换到全局坐标系下，获得第一点云，其中，所述全局坐标系为系统初始时刻对应的Lidar坐标系；所述当前先验位姿信息分如下情形确定：

所述第一种情形下，所述定位预处理单元(1131)用于将所述RTK-GNSS数据中的车辆初步位姿信息转换到系统初始时刻对应的Lidar坐标系下，并将转换好的位姿信息作为当前先验位姿信息；

所述第二种情形下，当前时刻所述定位预处理单元(1131)结合上一时刻所述位姿优化单元(1133)解算得到的后验位姿信息以及匀速模型假设得到当前时刻定位系统先验位姿信息；

点云动态障碍物剔除单元(1132)用于根据由所述位姿优化单元(1133)维护的局部点云地图，将所述第一点云中的车辆四周区域内点云动态障碍物进行剔除，获得第二点云；

位姿优化单元(1133)用于根据所述当前先验位姿信息以及所述第二点云，通过优化解算得到最终车辆定位信息。

3.如权利要求2所述的多环境适应性自动驾驶车辆定位设备(1)，其特征在于，所述点云动态障碍物剔除单元(1132)将所述第一点云中的车辆四周区域内点云动态障碍物进行剔除的方法具体包括：

根据所述局部点云地图，建立k-d搜索树；

将所述第一点云中距离第一点云中心预设半径范围内的点云根据k-d搜索树进行筛选，当该点云在k-d搜索树中的筛选距离大于筛选阈值时，将该点作为动态障碍物点进行剔除。

4.如权利要求2所述的多环境适应性自动驾驶车辆定位设备(1)，其特征在于，所述位姿优化单元(1133)优化解算的方法具体包括：

将系统初始时刻前的预设帧数的点云作为初始化局部点云地图，系统正常运行时，每运动预设长度选取一帧新关键帧，并剔除最开始的关键帧，保持关键帧序列长度始终保持在预设长度内，当局部点云地图包含点云帧个数不少于预设帧数时，根据所述第二点云以及局部点云地图信息，通过建立最优估计模型获得激光里程计位姿信息，并分如下情形获得所述最终车辆定位信息：

所述第一种情形下，通过联合优化融合所述RTK-GNSS数据和所述激光里程计位姿信息，实时纠正误差获得所述最终车辆定位信息；

所述第二种情形下，利用激光里程计技术，对已被剔除掉动态障碍物点云的所述Lidar数据中的点云信息进行处理，得到所述最终车辆定位信息。

5.如权利要求1-4中任一项所述的多环境适应性自动驾驶车辆定位设备(1)，其特征在于，根据GNSS信号强度识别所述RTK-GNSS信号，其具体包括：

当GNSS设备(2)的双天线接收到的卫星信号个数均大于预设值时，则判定为所述室外RTK-GNSS信号良好；否则判定为所述室外RTK-GNSS信号丢失。

6.一种包括如权利要求1-6中任一项多环境适应性自动驾驶车辆定位设备(1)的定位系统，其特征在于，还包括GNSS设备(2)和Lidar设备(3)。

7.一种多环境适应性自动驾驶车辆定位方法，其特征在于，包括：

步骤S1，根据室外RTK-GNSS信号的状态，按如下情形发出触发信号：

第一种情形下，室外RTK-GNSS信号的状态良好，根据所述触发信号，同时采集RTK-GNSS数据以及Lidar数据；

第二种情形下，室外RTK-GNSS信号丢失，根据所述触发信号，仅限于采集所述Lidar数据；

步骤S2，根据所述RTK-GNSS数据中的车辆初步位姿信息与所述Lidar数据中的Lidar点云信息、以及局部点云地图信息，提供联合优化，获得最终车辆定位信息。

8.如权利要求7所述的多环境适应性自动驾驶车辆定位方法，其特征在于，所述步骤S2具体包括：

步骤S21，根据当前先验位姿信息，将已被剔除掉无效点的所述Lidar数据中的点云通过三维空间变换转换到全局坐标系下，获得第一点云，其中，所述全局坐标系为系统初始时刻对应的Lidar坐标系；所述当前先验位姿信息分如下情形确定：

所述第一种情形下，将所述RTK-GNSS数据中的车辆初步位姿信息转换到系统初始时刻对应的Lidar坐标系下，并将转换好的位姿信息作为当前先验位姿信息；

所述第二种情形下，将当前时刻结合上一时刻解算得到的后验位姿信息以及匀速模型假设得到当前时刻定位系统先验位姿信息；

步骤S22，根据所述局部点云地图，将所述第一点云中的车辆四周区域内点云动态障碍物进行剔除，获得第二点云；

步骤S23，根据所述当前先验位姿信息以及所述第二点云，通过优化解算得到最终车辆定位信息。

9.如权利要求8所述的多环境适应性自动驾驶车辆定位方法，其特征在于，所述步骤S22中将所述第一点云中的车辆四周区域内点云动态障碍物进行剔除的方法具体包括：

根据所述局部点云地图，建立k-d搜索树；

将所述第一点云中距离中心预设半径范围内的点云根据k-d搜索树进行筛选，当该点云在k-d搜索树中的筛选距离大于筛选阈值时，将该点作为动态障碍物点云。

10.如权利要求8所述的多环境适应性自动驾驶车辆定位设备(1)，其特征在于，所述步骤S23中优化解算的方法具体包括：

将系统初始时刻前的预设帧数的点云作为初始化局部点云地图，系统正常运行时，每运动预设长度选取一帧新关键帧，并剔除最开始的关键帧，保持关键帧序列长度始终保持在预设长度内，当局部点云地图包含点云帧个数不少于预设帧数时，根据所述第二点云以及局部点云地图信息，通过建立最优估计模型获得激光里程计位姿信息，并分如下情形获得所述最终车辆定位信息：

所述第一种情形下，根据联合优化，融合所述RTK-GNSS数据和所述激光里程计位姿信息，并实时纠正误差，获得所述最终车辆定位信息；

所述第二种情形下，利用激光里程计技术，对已被剔除掉动态障碍物点云的所述Lidar数据中的点云信息进行处理，得到所述最终车辆定位信息。

Images