CN119492374A 一种适用于智能清扫车的高精度低成本无缝定位系统及方法 （扬州金威环保科技有限公司）

号一种适用于智能清扫车的高精度低成本无一种适用于智能清扫车的高精度低成本无GNSS与IMU数据用扩展卡尔曼滤波预积分处理，发明有效解决智能清扫车不同场景下的高精度2步骤1：集成传感器系统，对智能清扫车进行全方位监测，包括安装三维激光雷达、步骤3：实现三维激光雷达SLAM与GNSS/IMU协同式感无缝定位，通过信息融合技2.根据权利要求1所述的一种适用于智能清扫车的高精度低成本无缝定位系统及方三维激光雷达用于采集车辆周边物体的点云数据、清扫车避障；在安装三维激光雷达时，需进行精确的水平和垂直方向校准，3差；GNSS接收天线应安装在智能清扫车车顶的中央，天线安装时需确保其与地面保持垂3.根据权利要求1所述的一种适用于智能清扫车的高精度低成本无缝定位系统及方根据智能清扫车的运动状态将传感器数据分为动态数据和静态数据；通过分析IMU其中，A.x表示在局部坐标系下在时刻k到时刻k+1的速度增量，Ra(0)表示从世界4坐标系到车体坐标系的旋转矩阵，t表示时间变量，aa(1)表示IMU测量的加速度增量，Aprx表示在局部坐标系下位置增量，av()表示t时刻车辆在局部坐标系下的速度向量增其中，xr表示表示经过卡尔曼滤波更新步骤后的时刻k状态向量估计值，Baw表示预测的协方差矩阵，Fi表示状态转移矩阵对状态向量的偏导数，表示更新后的时刻k协方差矩阵，g表示信息与IMU预积分得到的相对位置和速度信息组合成的观测向量zr，智能清扫车的位度信息与IMU预积分得到的相对位置和速度信息进行融合，从而得到更精确的智能清扫滤波最终迭代后的位置估计为xaw及其协方差矩阵pam；5再通过优化算法求解使得误差函数最小的变换矩阵，从而确定智P经过变换：计xum协方差矩阵为Run。4.根据权利要求1所述的一种适用于智能清扫车的高精度低成本无缝定位系统及方xna表示最终的融合位置估计；这个位置估计综合了GNSS/IMU在宏观定位和运动67数据包含了周围物体表面的三维坐标信息，通过点云数据可以构建出详细的环境三维模(x,y,z)是第i颗卫星的坐标，(s.)是智能清扫车的位置坐标，ar是接收8[0011]作为本发明进一步改进，步骤2中设采用多源传感器动静状态分类处理的过程可根据智能清扫车的运动状态将传感器数据分为动态数据和静态数据；通过分析世界坐标系到车体坐标系的旋转矩阵，t表示时间变量，aa()表示IMU测量的加速度增量，Aprx表示在局部坐标系下位置增量，av(1)表示t时刻通过卡尔曼滤波将预积分后的IMU数据与GNSS数据进行融合，则状态转移方9[0017]其中，表示基于k时刻状态估计和系统模型，对k+1时刻车辆状态的预测速度信息与IMU预积分得到的相对位置和速度信息进行融合，从而得到更精确的智能清置估计xum协方差矩阵为Run。[0021]作为本发明进一步改进，步骤3中三维激光雷达SLAM与G[0023]xna表示最终的融合位置估计；这个位置估计综合了GNSS/IMU在宏观定位和运动状态估计方面的优势以及三维激光雷达SLAM在局部环境定位和地图构建方面的优[0024]本发明一种适用于智能清扫车的高精度低成本无缝1.本发明大幅提高了智能清扫车的定位精度。通过多源传感器数据包含了周围物体表面的三维坐标信息，通过点云数据可以构建出详细的环境三维模(x,y,z)是第i颗卫星的坐标，(s.)是智能清扫车的位置坐标，ar是接收根据智能清扫车的运动状态将传感器数据分为动态数据和静态数据。通过分析世界坐标系到车体坐标系的旋转矩阵，t表示时间变量，aa()表示IMU测量的加速度增量，Aprx表示在局部坐标系下位置增量，av(1)表示t时刻[0043]通过卡尔曼滤波将预积分后的IMU数据与GNSS[0046]其中，表示基于k时刻状态估计和系统模型，对k+1时刻车辆状态的预测速度信息与IMU预积分得到的相对位置和速度信息进行融合，从而得到更精确的智能清置估计xum协方差矩阵为Run。[0055]xna表示最终的融合位置估计。这个位置估计综合了G