CN119394301A 一种LiDAR-IMU耦合里程计方法、系统、电子设备和车辆 （武汉理工大学）

本发明公开了一种LiDAR_IMU耦合里程计方姿变换数据作为LiDAR点云配准的初始位姿估计糊处理器生成位姿变化比率以及位姿估计的方技术形成LIO里程计，与现有技术相比显著提高2获取n时刻的IMU采样数据和LiDAR的采样数据，利用n_2时刻到n_1时刻的时间段内的通过模糊信息处理手段对所述预测位姿数据进行模糊处理，生成对应;2.根据权利要求1所述的LiDAR_IMU耦合里程计方法，其特征在于，所述获取n时刻的假设第n个LiDAR采样时刻系统状态为其中是特殊欧式群的李代数，eso(3)描述中的旋转部分，se(3)表示物体的位姿，so(3)表示物体的姿利用n_2时刻到n_1时刻的时间段内的IMU采样数据的平均值和广义似然比检验，生成将所述位姿变化基准按照位姿变化率生成对应的IMU预3.根据权利要求1所述的LiDAR_IMU耦合在对位置变换比率进行模糊处理时，输入为系统加速度平均值的模all和基准位置变在对姿态变换比率进行模糊处理时，输入为系统角速度平均值的模对于位置变换方差的模糊处理手段，输入为系统加速度测量的广义似然比和基准位对于姿态变换方差的模糊处理手段，输入为系统角速度测量的广义似然比和基准姿4.根据权利要求3所述的LiDAR_IMU耦合里程计方法，其3基于Position_Ratio和基准位置变换At获得对n-1到n时刻间的预测位置变换，满;基于Posture_Ratio和基准姿态变换dp获得对n-1到n时刻间的预测姿态变换，满足;;;其中，Th-r表示在n_1时刻的位姿变换矩阵，AT表示在n时刻与n_1时刻之间的位姿变。5.根据权利要求1所述的LiDAR_IMU耦合里换数据T,作为LiDAR点云配准的初始位姿估计值，通过LiDAR点云配准迭代计算，获得n时刻的状态观测值，将所述位姿变换数据,和状态观测值进行融合，形成LiDAR_IMU耦;6.根据权利要求5所述的LiDAR_IMU耦合里程计方法4所述将所述LiDAR帧E。的特征点与所述;;7.根据权利要求6所述的LiDAR_IMU耦合里程;8.一种LiDAR_IMU耦合里程计系统，用于实现权利要求1至7中IMU预测位姿数据生成模块，用于获取n时位姿变换数据生成模块，通过模糊信息处理手段对所述预测位姿数据进行模糊处理，LiDAR_IMU耦合里程计融合模块，用于将所述位9.一种车辆，其特征在于，所述车辆中包括权利要求8所述的Li56[0002]在自动驾驶技术中，精准的定位技术是实现安全可靠的自动驾驶的核心基础之计将IMU航迹推算与LiDAR里程计的优势相结合，克服了LiDAR里程计依赖良好初始位姿估[0003]虽然LIO里程计技术能够提供优秀的增量式位姿估计，但是也面临一些问题的挑变化对IMU测量误差非常敏感，特别地对于一些低成本的IMU方案和LiDAR采样频率较低的获取n时刻的IMU采样数据和LiDAR的采样数据，利用n_2时刻到n_1时刻的时间段7假设第n个LiDAR采样时刻系统状态为其中是特n_2时刻到n_1时刻的时间段内的IMU采样数据作为位姿变化基准，所述位姿变化基准的李利用n_2时刻到n_1时刻的时间段内的IMU采样数据的平均值和广义似然比检验，将所述位姿变化基准按照位姿变化率生成对应的IMU预在对位置变换比率进行模糊处理时，输入为系统加速度平均值的模llall和基准位基于Position_Ratio和基准位置变换At获得对n-1到n时刻间的预测位置变基于Posture_Ratio和基准姿态变换dp获得对n-1到n时刻间的预测姿态变换，8利用IMU位姿预测器预测的位姿变换数据T,作为初始位姿估计，通过点云配准迭获取局部特征地图以及与局部特征地图对应的局部地图特征点，将所述LiDAR帧9特征集合中某一点；do()表示与地图中相邻的边缘特征点之间的匹配距离，dp()表示IMU预测位姿数据生成模块，用于获取n时刻的IMU采样数据和LiDAR的采样数据，刻的时间段内的IMU采样的平均值和广义似然比检验，结合模糊处理器来生成位姿变化比感知子系统：自动驾驶车辆通过搭载的传感器，如激光雷达（LiDAR）、摄像头下一步行动，规划可以分为任务规划（MissionPlanning）、行为规划（Behavioral[0041]如图1所示的LiDAR_IMU耦合里程计方法，该方法可应用于LiDAR_IMU耦合里程计步骤S3，将所述位姿变换数据作为LiDAR点云配准的初始位姿估计值，通过理和点云配准与数据融合协同解决数据的不确定性问题，增强对噪声和异常值的鲁棒性，[0043]步骤S1到步骤S3提供的技术方案结合IMU的高频率数据和Li能够在动态和复杂环境中实现高精度的位姿估计，模糊处理能够有效减小数据噪声的影[0044]如图1A所示，本申请实施例提供的LiDAR_IMU耦合里程计方法可运行于硬件系统[0047]如图1C所示，本申请实施例中的软件部分包含基于模糊信息处理的IMU位姿预测态变化量所述位姿变化基准的李代数标记为，相应的李群标记为;[0053]其中专Ese(3)是特殊欧式群的李代数，peso(3)描述中的旋转部分，se(3)表示PE描述中的平移部分，其相应的李群定义为[0054]IMU信息预处理的基本思路为：将上一个LiDAR周期内的状态变化量，即xn-2到xn-t间的状态变化量作为位姿变化基准。利用n-1到n时间段内的速度和三自由度的角线速度，令加速度测量值为，角速度测量值为。假设n-1到n时间段内的IMU采样集合为y，数量为Nms。则加速度测量平均值和角速度平均值分别为：[0058]步骤S21和S22通过模糊处理系统加速度和角速度的平均值，计算位置变换比率度测量的不确定性进行量化（步骤S23和S24生成位置变换方差增量G和姿态变换方差H，基于Position_Ratio和获得对n-1到n时刻间的预测位置变换，满足如下公基于Posture_Ratio和获得对n-1到n时刻间的预测姿态变换，满足如下公得到n时刻的状态观测值为：步骤S21到步骤S24提供的优化技术方案可步骤S21到步骤S24提供的优化技术方案中采用模糊信息处理手段对所述预测位姿数据进局部特征地图是局部地图中的特征的集合，定义为M=fM",M")，其中Me为局部将E。中提取出的特征点与局部地图中相应的特征点进行匹配，得到相应的匹配[0071]最后，基于EKF融合将IMU位姿预测器预测的位姿变换和LiDAR观测位姿变换特别对于一些低成本的IMU方案和LiDAR采样频率较低的情况，IMU航迹推算的位置变化结量作为位姿变化基准，利用n-1到n时间段内的IMU采样的平均值和广义似然比检[0073]本申请实施例中多处应用李群和李代数来描述三维空间刚体的位姿转换和位姿;[0080]其中，eso(3)描述中的旋转部分，可以将分解为模长0和方向向量aeR3，即。PE描述中的平移部分，其与平移向量t的关;;括根据所涉及的功能按基本同时的方式或按相反的顺序执行并实现功能，或者按照循环、[0086]如图2所示的LiDAR_IMU耦合里程计系统，用于实现所述的LiDAR_IMU耦合里程计IMU预测位姿数据生成模块，用于获取n时刻的IMU采样数据和LiDAR的采样数据，算机程序在所述电子设备上运行时，使得所述电子设备执行LiDAR_IMU耦合里程计方法的序或者从存储单元608加载到随机访问存储器603(RAM)中的计算机程序，来执行各种适当因特网的计算机网络和/或各种电信网络与其他设备交换信算机程序的部分或者全部可以经由ROM602和/或通信单元609而被载入和/或安装到设备算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理[0095]用于实施本发明的方法的程序代码可以采用一个或多个编程语言的任何组合来理器或控制器，使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部字数据通信(例如，通信网络)来将系统的部件相互连接。通信网络的示例包