开云优惠体育网页版入口

专利名称：一种空地协作的高精同步定位与建图方法

专利类型：发明专利

专利申请号：CN202210532663.2

专利申请（专利权）人：东南大学
权利人地址：江苏省南京市玄武区四牌楼2号

专利发明（设计）人：李旭,胡悦,孔栋,徐启敏

专利摘要：本发明公开了一种空地协作的高精同步定位与建图方法。首先，构建了无人机系统和地面无人车辆系统，接着，利用同步定位与建图方法对地面无人车辆的位置进行实时递推，最后，利用空地协作多传感紧耦合观测来提供回环优化以减小累积误差。本发明公开的空地协作高精同步定位与建图方法，有效克服了现有方法易受累积误差影响且工作模式不灵活等缺陷。

主权利要求：
1.一种空地协同的高精同步定位与建图方法，其特征在于，具体步骤包括：步骤一：构建无人机系统与地面无人车辆系统
子步骤一：构建无人机系统
无人机上所安装的传感器包括但不限于：GNSS接收器、无线信号发射器以及通信模块，其中，GNSS接收器用于接收卫星信号确定无人机自身位置，无线信号发射器则用于测量无人机自身与地面无人系统之间的距离，通信模块用于传输无人机自身位置信息给地面无人车辆；
子步骤二：构建地面无人车辆系统
地面无人车辆所安装的传感器包括但不限于：GNSS接收器、INS、视觉传感器或激光雷达传感器、无线信号接收器以及通信模块，其中，GNSS接收器用于接收卫星信号，INS用于提供加速度和角速度信息，视觉或激光雷达用于进行SLAM定位，无线信号接收器用于接收无人机发射的无线信号，通信模块用于获取无人机的位置信息；
步骤二：利用SLAM进行位置递推
地面无人车辆的位置由视觉SLAM或激光雷达SLAM递推获得，记k?1时刻地面无人车辆的位置为(xk?1,yk?1,zk?1)，通过SLAM方法在k时刻得出的位移为Δxk,Δyk,Δzk，则k时刻通过SLAM得到地面无人车辆 的位置为：步骤三：利用全局位置回环优化
通过SLAM得到的位置会存在一定的累积误差，需要利用回环的思想加以优化，具体步骤如下：子步骤一：制定优化策略
为减轻地面无人车辆上计算单元的运算压力，当符合一定条件时才触发回环机制，回环的前提是可见卫星数量加上无人机数量大于一定阈值，回环的策略如下：(1)当地面无人车辆运行时间超过60秒时；
(2)当地面无人车辆运行距离超过200米时；
(3)当可见星数目急剧下降时；
在回环的前提下，当符合上述条件中的一个或几个时触发回环，并开始重新按上述条件评估；
子步骤二：构建可见星/惯导紧耦合观测
当可见卫星数目充足时，构建可见星/惯导的紧耦合观测方程，解算出此时地面无人车辆的全局位置(xk,yk,zk)；
子步骤三：构建机载无线传感模块/可见星/惯导紧耦合观测若可见星数目不足，则利用机载无人机作为补充信息源，建立如下的紧耦合观测方程：其中， 代表k时刻卫星的位置，上标m代表卫星的数目编号，下标k代表时刻，Δt代表卫星的钟差， 代表k时刻无人机的位置，(xk,yk,zk)代表k时刻地面无人车辆的位置，无人机载无线传感模块通过网络同步时间，由此解算出地面无人车辆的位置；
子步骤四：利用因子图进行回环优化
在回环前提下，记触发回环的时间为p，通过上述步骤算出的全局位置为Xp，上次触发回环的时间为q，其位置为Xq，在两者之间添加回环因子，其损失函数为：fLoop(Xp,Xq)＝d(Z?h(Xp,Xq))#(3)其中，Z代表回环因子观测量，即两个时刻紧耦合观测结果的差，h()为观测方程，利用因子图对此区间进行优化，从而减小甚至消除累积误差，在无需重复行驶过往路径的前提下提高定位和建图的精度。 说明书 : 一种空地协作的高精同步定位与建图方法技术领域[0001] 本发明属于地面无人车辆定位领域，尤其涉及一种空地协作的高精同步定位与建图方法。背景技术[0002] 信息融合、人工智能等前沿技术的发展，推动了以自动驾驶汽车、机器人等为代表的地面无人车辆的智能化升级，并使地面无人车辆逐渐渗透应用至灾后救援、智慧交通甚至军事探测等行业，在提高安全、提升效率、节能减排等方面发挥了重要作用。其中，实现精准的全局定位作为地面无人车辆智能化中的重要一环，是其路径规划、决策控制等智能化功能的基础。虽然全球导航卫星系统(GlobalNavigationSatelliteSystem,GNSS)已经可以在无遮挡情况下实现地面无人车辆的精准定位，但其面临半遮挡或者完全遮挡环境时，会因无法接收足够的卫星信号而失效。此外，惯性导航系统(InertialNavigationSystem,INS)虽然不受环境影响，能在短时间内提供位置信息，但其累积误差会随着时间迅速增大而导致失效。[0003] 同步定位与建图(SimultaneousLocalizationandMapping,SLAM)方法根据使用传感器不同可分为视觉SLAM和激光雷达SLAM，能够在GNSS失效时实现连续准确可靠的定位，其详细原理可见参考文献(JiZhang,SanjivSingh.Low?driftandreal?timelidarodometryandmapping[J].AutonomousRobots,2017.)。然而，无论是视觉SLAM还是激光雷达SLAM，都会因增量式定位方法而产生随时间增长的累积误差。SLAM中的回环检测方法可以用来减小甚至消除累积误差的影响，但回环检测依赖于实际物理空间的重复运动，即必须回到之前经过的某个地点，这给SLAM的实际应用带来了极大约束。因此，现有同步定位与建图方法在实际应用中，要么存在易因累积误差而导致定位与建图精度降低的缺陷，要么存在依赖固定路径回环而导致工作灵活性差的难题。发明内容[0004] 本发明提出了一种基于空地协作的高精同步定位与建图方法，有效破解了现有同步定位与建图方法依赖实际物理空间的重复运动形成回环来减小累积误差的难题，无论是视觉SLAM还是激光雷达SLAM均可运用，其具体特征为：(1)高精度。无人机搭载无线传感模块作为“动态基站”，以丰富可见星的观测值，再与车载INS进行紧耦合观测，进而提供准确的绝对位姿以辅助SLAM回环，从而克服了累积误差尤其是大尺度下累积误差的影响；(2)高灵活。无线辅助观测源无需预先设置，且无人机作为“动态基站”，其位置可以实时获。虼思筇岣吡薙LAM工作的灵活性。[0005] 本发明提出的空地协作的高精同步定位与建图方法，能够有效抑制累积误差的影响，破除现有方法依赖于固定路径减小累积误差而导致灵活性较差的制约，可有力推动SLAM技术的进一步落地应用。[0006] 下面对本发明的思路做进一步说明：[0007] 步骤一：构建无人机系统与地面无人车辆系统[0008] 子步骤一：构建无人机系统[0009] 本发明中，无人机上所安装的传感器包括但不限于：GNSS接收器、无线信号发射器以及通信模块，其中，GNSS接收器用于接收卫星信号确定无人机自身位置，无线信号发射器则用于测量无人机自身与地面无人系统之间的距离，通信模块用于传输无人机自身位置信息给地面无人车辆；[0010] 子步骤二：构建地面无人车辆系统[0011] 本发明中，地面无人车辆所安装的传感器包括但不限于：GNSS接收器、INS、视觉传感器或激光雷达传感器、无线信号接收器以及通信模块。其中，GNSS接收器用于接收卫星信号，INS用于提供加速度和角速度信息，视觉或激光雷达用于进行SLAM定位，无线信号接收器用于接收无人机发射的无线信号，通信模块用于获取无人机的位置信息；[0012] 步骤二：利用SLAM进行位置递推[0013] 地面无人车辆的位置由视觉SLAM或激光雷达SLAM递推获得。记k?1时刻地面无人车辆的位置为(xk?1,yk?1,zk?1)，通过SLAM方法在k时刻得出的位移为Δxk,Δyk,Δzk，则k时刻通过SLAM得到地面无人车辆 的位置为：[0014][0015] 步骤三：利用全局位置回环优化[0016] 然而，通过SLAM得到的位置会存在一定的累积误差，需要利用回环的思想加以优化，具体步骤如下：[0017] 子步骤一：制定优化策略[0018] 为减轻地面无人车辆上计算单元的运算压力，当符合一定条件时才触发回环机制，本发明中，回环的前提是可见卫星数量加上无人机数量大于一定阈值，回环的策略如下：[0019] (1)当地面无人车辆运行时间超过60秒时；[0020] (2)当地面无人车辆运行距离超过200米时；[0021] (3)当可见星数目急剧下降时；[0022] 在本发明回环的前提下，当符合上述条件中的一个或几个时触发回环，并开始重新按上述条件评估；[0023] 子步骤二：构建可见星/惯导紧耦合观测[0024] 当可见卫星数目充足时，构建可见星/惯导的紧耦合观测方程，解算出此时地面无人车辆的全局位置(xk,yk,zk)。其紧耦合观测方程可见参考文献(王新龙.SINS/GPS组合导航技术[M].北京航空航天大学出版社,2015.)；[0025] 子步骤三：构建机载无线传感模块/可见星/惯导紧耦合观测[0026] 若可见星数目不足，则利用机载无人机作为补充信息源，建立如下的紧耦合观测方程：[0027][0028] 其中， 代表k时刻卫星的位置，上标m代表卫星的数目编号，下标k代表时刻，Δt代表卫星的钟差， 代表k时刻无人机的位置，(xk,yk,zk)代表k时刻地面无人车辆的位置，无人机载无线传感模块通过网络同步时间，由此解算出地面无人车辆的位置；[0029] 子步骤四：利用因子图进行回环优化[0030] 在本发明的回环前提下，记触发回环的时间为p，通过上述步骤算出的全局位置为Xp，上次触发回环的时间为q，其位置为Xq，在两者之间添加回环因子，其损失函数为：[0031] fLoop(Xp,Xq)＝d(Z?h(Xp,Xq))#(6)[0032] 其中，Z代表回环因子观测量，即两个时刻紧耦合观测结果的差，h()为观测方程。利用因子图对此区间进行优化，因子图详细原理可见参考文献(马晓爽,刘锡祥,张同伟,等.基于因子图的AUV多传感器组合导航算法[J].中国惯性技术学报,2019,027(004):454?459.)，从而减小甚至消除累积误差，在无需重复行驶过往路径的前提下提高定位和建图的精度。[0033] 与现有技术相比，本发明的有益效果在于：破除了现有同步定位与建图方法依赖于重复路径运动来减小累积误差的缺陷，极大提高了精度和灵活性，有力推动了同步定位与建图方法的进一步发展。附图说明[0034] 图1是方法框架图；具体实施方式[0035] 信息融合、人工智能等前沿技术的发展，推动了以自动驾驶汽车、机器人等为代表的地面无人车辆的智能化升级，并使地面无人车辆逐渐渗透应用至灾后救援、智慧交通甚至军事探测等行业，在提高安全、提升效率、节能减排等方面发挥了重要作用。其中，实现精准的全局定位作为地面无人车辆智能化中的重要一环，是其路径规划、决策控制等智能化功能的基础。虽然全球导航卫星系统(GlobalNavigationSatelliteSystem,GNSS)已经可以在无遮挡情况下实现地面无人车辆的精准定位，但其面临半遮挡或者完全遮挡环境时，会因无法接收足够的卫星信号而失效。此外，惯性导航系统(InertialNavigationSystem,INS)虽然不受环境影响，能在短时间内提供位置信息，但其累积误差会随着时间迅速增大而导致失效。[0036] 同步定位与建图(SimultaneousLocalizationandMapping,SLAM)方法根据使用传感器不同可分为视觉SLAM和激光雷达SLAM，能够在GNSS失效时实现连续准确可靠的定位，其详细原理可见参考文献(JiZhang,SanjivSingh.Low?driftandreal?timelidarodometryandmapping[J].AutonomousRobots,2017.)。然而，无论是视觉SLAM还是激光雷达SLAM，都会因增量式定位方法而产生随时间增长的累积误差。SLAM中的回环检测方法可以用来减小甚至消除累积误差的影响，但回环检测依赖于实际物理空间的重复运动，即必须回到之前经过的某个地点，这给SLAM的实际应用带来了极大约束。因此，现有同步定位与建图方法在实际应用中，要么存在易因累积误差而导致定位与建图精度降低的缺陷，要么存在依赖固定路径回环而导致工作灵活性差的问题。[0037] 针对上述问题，本发明提出了一种基于空地协作的高精同步定位与建图方法，有效破解了现有同步定位与建图方法依赖实际物理空间的重复运动形成回环来减小累积误差的难题，无论是视觉SLAM还是激光雷达SLAM均可运用，其具体特征为：(1)高精度。无人机搭载无线传感模块作为“动态基站”，以丰富可见星的观测值，再与车载INS进行紧耦合观测，进而提供准确的绝对位姿以辅助SLAM回环，从而克服了累积误差尤其是大尺度下累积误差的影响；(2)高灵活。无线辅助观测源无需预先设置，且无人机作为“动态基站”，其位置可以实时获。虼思筇岣吡薙LAM工作的灵活性。[0038] 本发明提出的空地协作的高精同步定位与建图方法，能够有效抑制累积误差的影响，破除现有方法依赖于固定路径减小累积误差而导致灵活性较差的制约，可有力推动SLAM技术的进一步落地应用。[0039] 下面对本发明的思路做进一步说明：[0040] 步骤一：构建无人机系统与地面无人车辆系统[0041] 子步骤一：构建无人机系统[0042] 本发明中，无人机上所安装的传感器包括但不限于：GNSS接收器、无线信号发射器以及通信模块，其中，GNSS接收器用于接收卫星信号确定无人机自身位置，无线信号发射器则用于测量无人机自身与地面无人系统之间的距离，通信模块用于传输无人机自身位置信息给地面无人车辆；[0043] 子步骤二：构建地面无人车辆系统[0044] 本发明中，地面无人车辆所安装的传感器包括但不限于：GNSS接收器、INS、视觉传感器或激光雷达传感器、无线信号接收器以及通信模块。其中，GNSS接收器用于接收卫星信号，INS用于提供加速度和角速度信息，视觉或激光雷达用于进行SLAM定位，无线信号接收器用于接收无人机发射的无线信号，通信模块用于获取无人机的位置信息；[0045] 步骤二：利用SLAM进行位置递推[0046] 地面无人车辆的位置由视觉SLAM或激光雷达SLAM递推获得。记k?1时刻地面无人车辆的位置为(xk?1,yk?1,zk?1)，通过SLAM方法在k时刻得出的位移为Δxk,Δyk,Δzk，则k时刻通过SLAM得到地面无人车辆 的位置为：[0047][0048] 步骤三：利用全局位置回环优化[0049] 然而，通过SLAM得到的位置会存在一定的累积误差，需要利用回环的思想加以优化，具体步骤如下：[0050] 子步骤一：制定优化策略[0051] 为减轻地面无人车辆上计算单元的运算压力，当符合一定条件时才触发回环机制，本发明中，回环的前提是可见卫星数量加上无人机数量大于一定阈值，回环的策略如下：[0052] (1)当地面无人车辆运行时间超过60秒时；[0053] (2)当地面无人车辆运行距离超过200米时；[0054] (3)当可见星数目急剧下降时；[0055] 在本发明回环的前提下，当符合上述条件中的一个或几个时触发回环，并开始重新按上述条件评估；[0056] 子步骤二：构建可见星/惯导紧耦合观测[0057] 当可见卫星数目充足时，构建可见星/惯导的紧耦合观测方程，解算出此时地面无人车辆的全局位置(xk,yk,zk)。其紧耦合观测方程可见参考文献(王新龙.SINS/GPS组合导航技术[M].北京航空航天大学出版社,2015.)；[0058] 子步骤三：构建机载无线传感模块/可见星/惯导紧耦合观测[0059] 若可见星数目不足，则利用机载无人机作为补充信息源，建立如下的紧耦合观测方程：[0060][0061] 其中， 代表k时刻卫星的位置，上标m代表卫星的数目编号，下标k代表时刻，Δt代表卫星的钟差， 代表k时刻无人机的位置，(xk,yk,zk)代表k时刻地面无人车辆的位置，无人机载无线传感模块通过网络同步时间，由此解算出地面无人车辆的位置；[0062] 子步骤四：利用因子图进行回环优化[0063] 在本发明的回环前提下，记触发回环的时间为p，通过上述步骤算出的全局位置为Xp，上次触发回环的时间为q，其位置为Xq，在两者之间添加回环因子，其损失函数为：[0064] fLoop(Xp,Xq)＝d(Z?h(Xp,Xq))#(9)[0065] 其中，Z代表回环因子观测量，即两个时刻紧耦合观测结果的差，h()为观测方程。利用因子图对此区间进行优化，因子图详细原理可见参考文献(马晓爽,刘锡祥,张同伟,等.基于因子图的AUV多传感器组合导航算法[J].中国惯性技术学报,2019,027(004):454?459.)，从而减小甚至消除累积误差，在无需重复行驶过往路径的前提下提高定位和建图的精度。

专利地区：江苏

专利申请日期：2022-05-13

专利公开日期：2024-11-29

专利公告号：CN114923494B