CN115290071A - 相对定位融合方法、装置、设备及存储介质 - Google Patents
相对定位融合方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN115290071A CN115290071A CN202210945678.1A CN202210945678A CN115290071A CN 115290071 A CN115290071 A CN 115290071A CN 202210945678 A CN202210945678 A CN 202210945678A CN 115290071 A CN115290071 A CN 115290071A
- Authority
- CN
- China
- Prior art keywords
- data
- odometer
- current
- fusion
- pose data
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/005—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 with correlation of navigation data from several sources, e.g. map or contour matching
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C22/00—Measuring distance traversed on the ground by vehicles, persons, animals or other moving solid bodies, e.g. using odometers, using pedometers
Abstract
本发明属于定位技术领域,公开了一种相对定位融合方法、装置、设备及存储介质。该方法包括:接收视觉里程计采集的当前里程计数据;从融合滤波器中获取当前时刻的位姿数据;获取视觉里程计于上一帧采集的历史里程计数据;根据当前里程计数据和历史里程计数据确定当前时刻的待融合位姿数据;根据位姿数据和待融合位姿数据将当前里程计数据转换至融合滤波器所处坐标系下,得到目标位姿数据;将目标位姿数据作为测量值,对融合滤波器进行更新。通过上述方式,提供了包含视觉里程计的相对定位融合策略,提高了定位系统的定位精度和鲁棒性。
Description
技术领域
本发明涉及定位技术领域,尤其涉及一种相对定位融合方法、装置、设备及存储介质。
背景技术
相对定位估算车辆自身相对起始点的位置与姿态,一般使用惯导或轮速计提供的控制信息积分计算出轨迹。相对定位具有不依赖外部预建地图、轨迹连续、并且短时间(或短距离)内定位精度高的特点,在自动驾驶中的短期规划和控制模块中作为定位信息输入广泛使用。与相对定位相对的绝对定位具有依赖外部预建地图、长时间定位无累积误差、精度高的特点,绝对定位例如GNSS定位、SLAM定位、UWB定位,在长期规划中作为定位信息输入广泛使用。
单个传感器提供的相对定位的精度和可靠性均有很大的局限性,例如轮速计在路面打滑的情况下精度很差,惯导即使在车辆静止的情况下也会产生漂移。一般的处理策略是利用卡尔曼滤波器融合多个传感器采集的数据,但是目前相对定位方式中未有效利用视觉里程计资源,定位精度和鲁棒性存在局限性。
上述内容仅用于辅助理解本发明的技术方案,并不代表承认上述内容是现有技术。
发明内容
本发明的主要目的在于提供一种相对定位融合方法、装置、设备及存储介质,旨在解决目前相对定位方式中未有效利用视觉里程计资源,定位精度和鲁棒性存在局限性的技术问题。
为实现上述目的,本发明提供了一种相对定位融合方法,所述方法包括以下步骤:
接收视觉里程计采集的当前里程计数据;
从融合滤波器中获取当前时刻对应的位姿数据;
获取所述视觉里程计于上一帧采集的历史里程计数据;
根据所述当前里程计数据和所述历史里程计数据确定所述当前时刻对应的待融合位姿数据;
根据所述位姿数据和所述待融合位姿数据将所述当前里程计数据转换至所述融合滤波器所处坐标系下,得到目标位姿数据;
将所述目标位姿数据作为测量值,对所述融合滤波器进行更新。
可选地,所述当前里程计数据包括当前采集时刻和当前里程计位姿数据,所述历史里程计数据包括历史采集时刻和历史里程计位姿数据;
所述根据所述当前里程计数据和所述历史里程计数据确定所述当前时刻对应的待融合位姿数据,包括:
根据所述当前采集时刻、所述历史采集时刻以及所述当前时刻分别确定所述当前里程计数据对应的第一权重和所述历史里程计数据对应的第二权重;
根据所述第一权重、所述当前里程计位姿数据、所述第二权重以及所述历史里程计位姿数据确定所述当前时刻对应的待融合位姿数据。
可选地,所述根据所述当前里程计数据和所述历史里程计数据确定所述当前时刻对应的待融合位姿数据,包括:
根据所述当前里程计数据和所述历史里程计数据确定里程计位姿数据随时间变化的斜率数据;
根据所述当前时刻、所述当前里程计数据和所述斜率数据确定所述当前时刻对应的待融合位姿数据。
可选地,所述根据所述位姿数据和所述待融合位姿数据将所述当前里程计数据转换至所述融合滤波器所处坐标系下,得到目标位姿数据,包括:
根据所述位姿数据和所述待融合位姿数据确定里程计坐标系与所述融合滤波器所处坐标系之间的变换矩阵;
根据所述变换矩阵将所述当前里程计数据转换至所述融合滤波器所处坐标系下,得到目标位姿数据。
可选地,所述接收视觉里程计采集的当前里程计数据之后,所述方法还包括:
判断所述当前里程计数据是否为第一帧数据;
若所述当前里程计数据不为第一帧数据,则执行所述从融合滤波器中获取当前时刻对应的位姿数据的步骤。
可选地,所述从融合滤波器中获取当前时刻对应的位姿数据之后,所述方法还包括:
判断所述当前时刻与所述当前里程计数据对应的采集时刻是否相同;
若是,则对所述当前时刻进行调整。
可选地,所述将所述目标位姿数据作为测量值,对所述融合滤波器进行更新,包括:
获取多传感器采集的定位数据;
基于所述融合滤波器对所述定位数据和所述测量值进行融合,更新所述融合滤波器的目标定位结果。
此外,为实现上述目的,本发明还提出一种相对定位融合装置,所述相对定位融合装置包括:
接收模块,用于接收视觉里程计采集的当前里程计数据;
获取模块,用于从融合滤波器中获取当前时刻对应的位姿数据;
所述获取模块,还用于获取所述视觉里程计于上一帧采集的历史里程计数据;
确定模块,用于根据所述当前里程计数据和所述历史里程计数据确定所述当前时刻对应的待融合位姿数据;
转换模块,用于根据所述位姿数据和所述待融合位姿数据将所述当前里程计数据转换至所述融合滤波器所处坐标系下,得到目标位姿数据;
更新模块,用于将所述目标位姿数据作为测量值,对所述融合滤波器进行更新。
此外,为实现上述目的,本发明还提出一种相对定位融合设备,所述相对定位融合设备包括:存储器、处理器及存储在所述存储器上并可在所述处理器上运行的相对定位融合程序,所述相对定位融合程序配置为实现如上文所述的相对定位融合方法。
此外,为实现上述目的,本发明还提出一种存储介质,所述存储介质上存储有相对定位融合程序,所述相对定位融合程序被处理器执行时实现如上文所述的相对定位融合方法。
本发明通过接收视觉里程计采集的当前里程计数据;从融合滤波器中获取当前时刻对应的位姿数据;获取视觉里程计于上一帧采集的历史里程计数据;根据当前里程计数据和历史里程计数据确定当前时刻对应的待融合位姿数据;根据位姿数据和待融合位姿数据将当前里程计数据转换至融合滤波器所处坐标系下,得到目标位姿数据;将目标位姿数据作为测量值,对融合滤波器进行更新。通过上述方式,有效地利用了视觉里程计短期精度高的特点,保障了融合滤波器数据源的准确度,提供了包含视觉里程计的相对定位融合策略,提高了定位系统的定位精度和鲁棒性,在自动驾驶场景下,不需增加整车配置和已有硬件,通过软件更新即可实现,具备扩展性,为自动驾驶提供更准确的定位策略。
附图说明
图1是本发明实施例方案涉及的硬件运行环境的相对定位融合设备的结构示意图;
图2为本发明相对定位融合方法第一实施例的流程示意图;
图3为本发明相对定位融合方法中融合滤波器与视觉里程计对应关系示意图;
图4为本发明相对定位融合方法第二实施例的流程示意图;
图5为本发明相对定位融合方法第三实施例的流程示意图;
图6为本发明相对定位融合方法相对定位融合效果示意图;
图7为本发明相对定位融合装置第一实施例的结构框图。
本发明目的的实现、功能特点及优点将结合实施例,参照附图做进一步说明。
具体实施方式
应当理解,此处所描述的具体实施例仅用以解释本发明,并不用于限定本发明。
参照图1,图1为本发明实施例方案涉及的硬件运行环境的相对定位融合设备结构示意图。
如图1所示,该相对定位融合设备可以包括:处理器1001,例如中央处理器(Central Processing Unit,CPU),通信总线1002、用户接口1003,网络接口1004,存储器1005。其中,通信总线1002用于实现这些组件之间的连接通信。用户接口1003可以包括显示屏(Display)、输入单元比如键盘(Keyboard),可选用户接口1003还可以包括标准的有线接口、无线接口。网络接口1004可选的可以包括标准的有线接口、无线接口(如无线保真(Wireless-Fidelity,Wi-Fi)接口)。存储器1005可以是高速的随机存取存储器(RandomAccess Memory,RAM),也可以是稳定的非易失性存储器(Non-Volatile Memory,NVM),例如磁盘存储器。存储器1005可选的还可以是独立于前述处理器1001的存储装置。
本领域技术人员可以理解,图1中示出的结构并不构成对相对定位融合设备的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件布置。
如图1所示,作为一种存储介质的存储器1005中可以包括操作系统、网络通信模块、用户接口模块以及相对定位融合程序。
在图1所示的相对定位融合设备中,网络接口1004主要用于与网络服务器进行数据通信;用户接口1003主要用于与用户进行数据交互;本发明相对定位融合设备中的处理器1001、存储器1005可以设置在相对定位融合设备中,所述相对定位融合设备通过处理器1001调用存储器1005中存储的相对定位融合程序,并执行本发明实施例提供的相对定位融合方法。
本发明实施例提供了一种相对定位融合方法,参照图2,图2为本发明相对定位融合方法第一实施例的流程示意图。
本实施例中,所述相对定位融合方法包括以下步骤:
步骤S10:接收视觉里程计采集的当前里程计数据。
可以理解的是,本实施例的执行主体为相对定位融合设备,所述相对定位融合设备可以为安装于车辆、飞行器、移动机器人等可移动产品上的定位设备,还可以为其他具备相同或相似功能的设备,本实施例对此不加以限制。
需要说明的是,视觉里程计是指利用相机拍摄到的连续图像帧之间的视差估算相对移动。视觉里程计的输入是图像,主要包含两个部分:前端和后端,其中前端完成图像特征点的提取与匹配,后端根据特征点的匹配估算车辆位姿。视觉里程计的输出是当前位置点相对起始点的位置与姿态,即位姿数据。
应当理解的是,视觉里程计对应的坐标系表示为o坐标系,当前里程计数据是视觉里程计于最新计帧时刻采集的新的一帧数据,表示为(t2,Tot2),其中,Tot2表示在视觉里程计坐标系o中,t2时刻的位姿数据。
步骤S20:从融合滤波器中获取当前时刻对应的位姿数据。
需要说明的是,融合滤波器对应的坐标系表示为世界坐标系w,参照图3,图3为本发明相对定位融合方法中融合滤波器与视觉里程计对应关系示意图,从融合滤波器中获取当前时刻的位姿数据,表示为(t,Twt),其中,Twt表示在融合滤波器所处的世界坐标系w下,t时刻的位姿数据。可选地,当前时刻表示的是融合滤波器上一更新时刻。
步骤S30:获取所述视觉里程计于上一帧采集的历史里程计数据。
可以理解的是,参照图3,从存储区域内获取上一帧的历史里程计数据,表示为(t1,Tot1),其中,Tot1表示在视觉里程计坐标系o中,t1时刻的位姿数据。
步骤S40:根据所述当前里程计数据和所述历史里程计数据确定所述当前时刻对应的待融合位姿数据。
在一种实现方式中,根据当前里程计数据和历史里程计数据进行插值处理,得到当前时刻对应的待融合位姿数据。
可选地,所述步骤S40,包括:根据所述当前里程计数据和所述历史里程计数据确定里程计位姿数据随时间变化的斜率数据;根据所述当前时刻、所述当前里程计数据和所述斜率数据确定所述当前时刻对应的待融合位姿数据。
需要说明的是,本实施例中根据当前里程计数据和历史里程计数据构建位姿数据与时间之间的曲线,确定该曲线对应的斜率数据,通过以下公式计算待融合位姿数据:
Tot=Tot2-(t2-t)*m;
其中,Tot表示待融合位姿数据,t表示当前采集时刻,t2表示当前里程计数据对应的当前采集时刻,m表示斜率数据,Tot2表示当前里程计数据对应的当前里程计位姿数据,Tot1表示历史里程计位姿数据。
步骤S50:根据所述位姿数据和所述待融合位姿数据将所述当前里程计数据转换至所述融合滤波器所处坐标系下,得到目标位姿数据。
应当理解的是,通过坐标转换得到目标位姿数据,表示为Twt2,将Twt2作为测量值,完成融合滤波器的更新。
具体地,所述步骤S50,包括:根据所述位姿数据和所述待融合位姿数据确定里程计坐标系与所述融合滤波器所处坐标系之间的变换矩阵;根据所述变换矩阵将所述当前里程计数据转换至所述融合滤波器所处坐标系下,得到目标位姿数据。
需要说明的是,通过以下公式计算目标位姿数据:
Twt2=Twt*(Tot.inverse()*Tot2);
其中,Twt2表示目标位姿数据,Twt表示世界坐标系下当前时刻的位姿数据,Tot表示待融合位姿数据,Tot2表示当前里程计数据对应的位姿数据。
步骤S60:将所述目标位姿数据作为测量值,对所述融合滤波器进行更新。
应当理解的是,视觉里程计输出的是当前位置点相对起始点的位姿数据,存在累积误差,在短时间内的相对位置准确。因此本实施例中计算视觉里程计在短时间内的相对位姿,根据相对位姿确定测量值更新融合滤波器,利用了视觉里程计短期精度高的特点,保障了融合滤波器数据源的准确度。
具体地,所述步骤S60,包括:获取多传感器采集的定位数据;基于所述融合滤波器对所述定位数据和所述测量值进行融合,更新所述融合滤波器的目标定位结果。
需要说明的是,本实施例的侧重点在于融合视觉里程计采集的数据,对于多传感器,可以包含轮速计、惯导和相机,还可以额外包含其他传感器如激光雷达等,本实施例对此不加以限制。在具体实现中,本实施例中的融合滤波器可以使用卡尔曼滤波器,也可以使用无迹卡尔曼滤波器。
在具体实现中,以多传感器为惯导和轮速计为例进行说明。其中,轮速计只能计算出二维平面的运动,而且会受到路面湿滑、车辆轮径标定等的影响;一般惯导的累积误差会随着时间迅速增大,高精惯导的累积误差随时间增幅会小点,但价格昂贵。本实施例的主要系统组成包括:视觉里程计、惯导、轮速计、融合滤波器;其中,视觉里程计利用相机图像输出相对定位,惯导输出部分线性加速度和角速度,轮速计输出车辆四个车轮的速度和方向,以及车辆的偏航角角速度,融合滤波器则利用车辆运动模型和上述传感器的输入,估算最优的相对定位。
本实施例通过接收视觉里程计采集的当前里程计数据;从融合滤波器中获取当前时刻对应的位姿数据;获取视觉里程计于上一帧采集的历史里程计数据;根据当前里程计数据和历史里程计数据确定当前时刻对应的待融合位姿数据;根据位姿数据和待融合位姿数据将当前里程计数据转换至融合滤波器所处坐标系下,得到目标位姿数据;将目标位姿数据作为测量值,对融合滤波器进行更新。通过上述方式,有效地利用了视觉里程计短期精度高的特点,保障了融合滤波器数据源的准确度,提供了包含视觉里程计的相对定位融合策略,提高了定位系统的定位精度和鲁棒性,在自动驾驶场景下,不需增加整车配置和已有硬件,通过软件更新即可实现,具备扩展性,为自动驾驶提供更准确的定位策略。
参考图4,图4为本发明相对定位融合方法第二实施例的流程示意图。
基于上述第一实施例,本实施例相对定位融合方法的所述当前里程计数据包括当前采集时刻和当前里程计位姿数据,所述历史里程计数据包括历史采集时刻和历史里程计位姿数据;
所述步骤S40,包括:
步骤S401:根据所述当前采集时刻、所述历史采集时刻以及所述当前时刻分别确定所述当前里程计数据对应的第一权重和所述历史里程计数据对应的第二权重。
应当理解的是,通过以下公式计算第一权重和第二权重:
其中,w1表示第一权重,w2表示第二权重,t表示当前时刻,t1表示历史采集时刻,t2表示当前采集时刻。
步骤S402:根据所述第一权重、所述当前里程计位姿数据、所述第二权重以及所述历史里程计位姿数据确定所述当前时刻对应的待融合位姿数据。
需要说明的是,通过以下公式计算当前时刻对应的待融合位姿数据:
Tot=w1*Tot1+w2*Tot2;
其中,Tot表示待融合位姿数据,w1表示第一权重,w2表示第二权重,Tot2表示当前里程计位姿数据,Tot1表示历史里程计位姿数据。
本实施例中根据当前采集时刻、历史采集时刻以及当前时刻分别确定当前里程计数据对应的第一权重和历史里程计数据对应的第二权重;根据第一权重、当前里程计位姿数据、第二权重以及历史里程计位姿数据确定当前时刻对应的待融合位姿数据。通过上述方式,通过插值确定在视觉里程坐标系下当前时刻的位姿数据,利用视觉里程计短期精度高的特点,基于视觉里程计在短时间内的相对位姿进行融合滤波器更新,保障了融合滤波器数据源的准确度,提供了包含视觉里程计的相对定位融合策略,提高了定位系统的定位精度和鲁棒性。
参考图5,图5为本发明相对定位融合方法第三实施例的流程示意图。
基于上述第一实施例,本实施例相对定位融合方法的所述步骤S10之后,所述方法还包括:
步骤S101:判断所述当前里程计数据是否为第一帧数据。
若所述当前里程计数据不为第一帧数据,则执行所述步骤S20的步骤。
可以理解的是,在视觉里程计采集数据的过程中,按照帧号数据为采集的里程计数据标记帧号,判断当前里程计数据的帧号是否为第一帧数据对应的帧号,若是,则对本帧的当前里程计数据进行存储,作为下帧里程计数据的参考数据。
步骤S201:判断所述当前时刻与所述当前里程计数据对应的采集时刻是否相同。
需要说明的是,判断t=t2是否成立,若否,则继续执行所述步骤S30。
步骤S202:若是,则对所述当前时刻进行调整。
应当理解的是,若t=t2,则适当将t前移dt,假设dt为0.02,则调整后的t=t-0.02。将调整后的当前时刻作为t继续执行所述步骤S30。
需要说明的是,本实施例的优势在于提高了定位系统的精度和可靠性,参照图6,图6为本发明相对定位融合方法相对定位融合效果示意图,其中,曲线4为车辆真实轨迹,曲线1为惯导单独积分得到的轨迹,曲线2为轮速计单独积分得到的轨迹,曲线5为视觉里程计单独积分得到的轨迹,而曲线3为通过卡尔曼滤波融合惯导、轮速计和视觉里程计后得到的轨迹,从图中可以看出,融合后的轨迹优于单个传感器积分的轨迹,更接近真值。
本实施例中根据不为第一帧的视觉里程计数据进行融合滤波器更新,避免了融合滤波器对第一帧视觉里程计数据进行更新融合处理,同时处理了融合滤波器当前时刻与最新视觉里程计帧时刻相同的情况,避免了该帧数据的浪费。
此外,本发明实施例还提出一种存储介质,所述存储介质上存储有相对定位融合程序,所述相对定位融合程序被处理器执行时实现如上文所述的相对定位融合方法。
由于本存储介质采用了上述所有实施例的全部技术方案,因此至少具有上述实施例的技术方案所带来的所有有益效果,在此不再一一赘述。
参照图7,图7为本发明相对定位融合装置第一实施例的结构框图。
如图7所示,本发明实施例提出的相对定位融合装置包括:
接收模块10,用于接收视觉里程计采集的当前里程计数据。
获取模块20,用于从融合滤波器中获取当前时刻对应的位姿数据。
所述获取模块20,还用于获取所述视觉里程计于上一帧采集的历史里程计数据。
确定模块30,用于根据所述当前里程计数据和所述历史里程计数据确定所述当前时刻对应的待融合位姿数据。
转换模块40,用于根据所述位姿数据和所述待融合位姿数据将所述当前里程计数据转换至所述融合滤波器所处坐标系下,得到目标位姿数据。
更新模块50,用于将所述目标位姿数据作为测量值,对所述融合滤波器进行更新。
应当理解的是,以上仅为举例说明,对本发明的技术方案并不构成任何限定,在具体应用中,本领域的技术人员可以根据需要进行设置,本发明对此不做限制。
本实施例通过接收视觉里程计采集的当前里程计数据;从融合滤波器中获取当前时刻对应的位姿数据;获取视觉里程计于上一帧采集的历史里程计数据;根据当前里程计数据和历史里程计数据确定当前时刻对应的待融合位姿数据;根据位姿数据和待融合位姿数据将当前里程计数据转换至融合滤波器所处坐标系下,得到目标位姿数据;将目标位姿数据作为测量值,对融合滤波器进行更新。通过上述方式,有效地利用了视觉里程计短期精度高的特点,保障了融合滤波器数据源的准确度,提供了包含视觉里程计的相对定位融合策略,提高了定位系统的定位精度和鲁棒性,在自动驾驶场景下,不需增加整车配置和已有硬件,通过软件更新即可实现,具备扩展性,为自动驾驶提供更准确的定位策略。
需要说明的是,以上所描述的工作流程仅仅是示意性的,并不对本发明的保护范围构成限定,在实际应用中,本领域的技术人员可以根据实际的需要选择其中的部分或者全部来实现本实施例方案的目的,此处不做限制。
另外,未在本实施例中详尽描述的技术细节,可参见本发明任意实施例所提供的相对定位融合方法,此处不再赘述。
在一实施例中,所述当前里程计数据包括当前采集时刻和当前里程计位姿数据,所述历史里程计数据包括历史采集时刻和历史里程计位姿数据;
所述确定模块30,还用于根据所述当前采集时刻、所述历史采集时刻以及所述当前时刻分别确定所述当前里程计数据对应的第一权重和所述历史里程计数据对应的第二权重;根据所述第一权重、所述当前里程计位姿数据、所述第二权重以及所述历史里程计位姿数据确定所述当前时刻对应的待融合位姿数据。
在一实施例中,所述确定模块30,还用于根据所述当前里程计数据和所述历史里程计数据确定里程计位姿数据随时间变化的斜率数据;根据所述当前时刻、所述当前里程计数据和所述斜率数据确定所述当前时刻对应的待融合位姿数据。
在一实施例中,所述转换模块40,还用于根据所述位姿数据和所述待融合位姿数据确定里程计坐标系与所述融合滤波器所处坐标系之间的变换矩阵;根据所述变换矩阵将所述当前里程计数据转换至所述融合滤波器所处坐标系下,得到目标位姿数据。
在一实施例中,所述所述获取模块20,还用于判断所述当前里程计数据是否为第一帧数据;若所述当前里程计数据不为第一帧数据,则执行所述从融合滤波器中获取当前时刻对应的位姿数据的步骤。
在一实施例中,所述获取模块20,还用于判断所述当前时刻与所述当前里程计数据对应的采集时刻是否相同;若是,则对所述当前时刻进行调整。
在一实施例中,所述更新模块50,还用于获取多传感器采集的定位数据;基于所述融合滤波器对所述定位数据和所述测量值进行融合,更新所述融合滤波器的目标定位结果。
此外,需要说明的是,在本文中,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者系统不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者系统所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括该要素的过程、方法、物品或者系统中还存在另外的相同要素。
上述本发明实施例序号仅仅为了描述,不代表实施例的优劣。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件,但很多情况下前者是更佳的实施方式。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质(如只读存储器(Read Only Memory,ROM)/RAM、磁碟、光盘)中,包括若干指令用以使得一台终端设备(可以是手机,计算机,服务器,或者网络设备等)执行本发明各个实施例所述的方法。
以上仅为本发明的优选实施例,并非因此限制本发明的专利范围,凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换,或直接或间接运用在其他相关的技术领域,均同理包括在本发明的专利保护范围内。
Claims (10)
1.一种相对定位融合方法,其特征在于,所述相对定位融合方法包括:
接收视觉里程计采集的当前里程计数据;
从融合滤波器中获取当前时刻对应的位姿数据;
获取所述视觉里程计于上一帧采集的历史里程计数据;
根据所述当前里程计数据和所述历史里程计数据确定所述当前时刻对应的待融合位姿数据;
根据所述位姿数据和所述待融合位姿数据将所述当前里程计数据转换至所述融合滤波器所处坐标系下,得到目标位姿数据;
将所述目标位姿数据作为测量值,对所述融合滤波器进行更新。
2.如权利要求1所述的相对定位融合方法,其特征在于,所述当前里程计数据包括当前采集时刻和当前里程计位姿数据,所述历史里程计数据包括历史采集时刻和历史里程计位姿数据;
所述根据所述当前里程计数据和所述历史里程计数据确定所述当前时刻对应的待融合位姿数据,包括:
根据所述当前采集时刻、所述历史采集时刻以及所述当前时刻分别确定所述当前里程计数据对应的第一权重和所述历史里程计数据对应的第二权重;
根据所述第一权重、所述当前里程计位姿数据、所述第二权重以及所述历史里程计位姿数据确定所述当前时刻对应的待融合位姿数据。
3.如权利要求1所述的相对定位融合方法,其特征在于,所述根据所述当前里程计数据和所述历史里程计数据确定所述当前时刻对应的待融合位姿数据,包括:
根据所述当前里程计数据和所述历史里程计数据确定里程计位姿数据随时间变化的斜率数据;
根据所述当前时刻、所述当前里程计数据和所述斜率数据确定所述当前时刻对应的待融合位姿数据。
4.如权利要求1所述的相对定位融合方法,其特征在于,所述根据所述位姿数据和所述待融合位姿数据将所述当前里程计数据转换至所述融合滤波器所处坐标系下,得到目标位姿数据,包括:
根据所述位姿数据和所述待融合位姿数据确定里程计坐标系与所述融合滤波器所处坐标系之间的变换矩阵;
根据所述变换矩阵将所述当前里程计数据转换至所述融合滤波器所处坐标系下,得到目标位姿数据。
5.如权利要求1所述的相对定位融合方法,其特征在于,所述接收视觉里程计采集的当前里程计数据之后,所述方法还包括:
判断所述当前里程计数据是否为第一帧数据;
若所述当前里程计数据不为第一帧数据,则执行所述从融合滤波器中获取当前时刻对应的位姿数据的步骤。
6.如权利要求1所述的相对定位融合方法,其特征在于,所述从融合滤波器中获取当前时刻对应的位姿数据之后,所述方法还包括:
判断所述当前时刻与所述当前里程计数据对应的采集时刻是否相同;
若是,则对所述当前时刻进行调整。
7.如权利要求1-6中任一项所述的相对定位融合方法,其特征在于,所述将所述目标位姿数据作为测量值,对所述融合滤波器进行更新,包括:
获取多传感器采集的定位数据;
基于所述融合滤波器对所述定位数据和所述测量值进行融合,更新所述融合滤波器的目标定位结果。
8.一种相对定位融合装置,其特征在于,所述相对定位融合装置包括:
接收模块,用于接收视觉里程计采集的当前里程计数据;
获取模块,用于从融合滤波器中获取当前时刻对应的位姿数据;
所述获取模块,还用于获取所述视觉里程计于上一帧采集的历史里程计数据;
确定模块,用于根据所述当前里程计数据和所述历史里程计数据确定所述当前时刻对应的待融合位姿数据;
转换模块,用于根据所述位姿数据和所述待融合位姿数据将所述当前里程计数据转换至所述融合滤波器所处坐标系下,得到目标位姿数据;
更新模块,用于将所述目标位姿数据作为测量值,对所述融合滤波器进行更新。
9.一种相对定位融合设备,其特征在于,所述设备包括:存储器、处理器及存储在所述存储器上并可在所述处理器上运行的相对定位融合程序,所述相对定位融合程序配置为实现如权利要求1至7中任一项所述的相对定位融合方法。
10.一种存储介质,其特征在于,所述存储介质上存储有相对定位融合程序,所述相对定位融合程序被处理器执行时实现如权利要求1至7任一项所述的相对定位融合方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210945678.1A CN115290071A (zh) | 2022-08-08 | 2022-08-08 | 相对定位融合方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210945678.1A CN115290071A (zh) | 2022-08-08 | 2022-08-08 | 相对定位融合方法、装置、设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115290071A true CN115290071A (zh) | 2022-11-04 |
Family
ID=83829010
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210945678.1A Pending CN115290071A (zh) | 2022-08-08 | 2022-08-08 | 相对定位融合方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115290071A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115655302A (zh) * | 2022-12-08 | 2023-01-31 | 安徽蔚来智驾科技有限公司 | 激光里程计的实现方法、计算机设备、存储介质及车辆 |
CN116136416A (zh) * | 2023-02-07 | 2023-05-19 | 北京甲板智慧科技有限公司 | 基于多特征融合滤波的实时轨迹优化方法和装置 |
-
2022
- 2022-08-08 CN CN202210945678.1A patent/CN115290071A/zh active Pending
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115655302A (zh) * | 2022-12-08 | 2023-01-31 | 安徽蔚来智驾科技有限公司 | 激光里程计的实现方法、计算机设备、存储介质及车辆 |
CN116136416A (zh) * | 2023-02-07 | 2023-05-19 | 北京甲板智慧科技有限公司 | 基于多特征融合滤波的实时轨迹优化方法和装置 |
CN116136416B (zh) * | 2023-02-07 | 2023-11-17 | 北京甲板智慧科技有限公司 | 基于多特征融合滤波的实时轨迹优化方法和装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109341706B (zh) | 一种面向无人驾驶汽车的多特征融合地图的制作方法 | |
CN113945206B (zh) | 一种基于多传感器融合的定位方法及装置 | |
CN110160542B (zh) | 车道线的定位方法和装置、存储介质、电子装置 | |
CN109211251B (zh) | 一种基于激光和二维码融合的即时定位与地图构建方法 | |
CN115290071A (zh) | 相对定位融合方法、装置、设备及存储介质 | |
Matthaei et al. | Map-relative localization in lane-level maps for ADAS and autonomous driving | |
CN111551186A (zh) | 一种车辆实时定位方法、系统及车辆 | |
CN110530372B (zh) | 定位方法、路径确定方法、装置、机器人及存储介质 | |
CN111121754A (zh) | 移动机器人定位导航方法、装置、移动机器人及存储介质 | |
CN111077549B (zh) | 位置数据修正方法、装置和计算机可读存储介质 | |
CN110308470B (zh) | 车辆定位方法及车辆定位系统 | |
CN114111775B (zh) | 一种多传感器融合定位方法、装置、存储介质及电子设备 | |
JP2017090239A (ja) | 情報処理装置、制御方法、プログラム及び記憶媒体 | |
CN113933818A (zh) | 激光雷达外参的标定的方法、设备、存储介质及程序产品 | |
CN110927762A (zh) | 一种定位修正方法、装置及系统 | |
CN114440928A (zh) | 激光雷达与里程计的联合标定方法、机器人、设备和介质 | |
CN110988949A (zh) | 定位方法、定位装置、计算机可读存储介质与可移动设备 | |
CN107764273B (zh) | 一种车辆导航定位方法及系统 | |
CN114179825A (zh) | 多传感器融合获取量测值置信度方法及自动驾驶车辆 | |
CN109916417B (zh) | 一种地图建立方法、装置、计算机设备及其存储介质 | |
KR101177374B1 (ko) | 상호작용 다중모델 필터를 이용한 차량 위치 추정방법 | |
CN116399324A (zh) | 建图方法、装置及控制器、无人驾驶车辆 | |
CN110637209A (zh) | 估计机动车的姿势的方法、设备和具有指令的计算机可读存储介质 | |
CN117387604A (zh) | 基于4d毫米波雷达和imu融合的定位与建图方法及系统 | |
Eising et al. | 2.5 D vehicle odometry estimation |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |