| 摘 要： | 基于地图匹配的无人车定位方法的精度取决于已创建地图的精度，受外界的影响较小，适用于复杂场景下的无人车定位。然而目前采用的激光雷达点云匹配算法是以单一的特征为核心进行匹配，对于大规模点云匹配准确率较低，导致三维点云地图与实际环境偏差较大，造成基于地图匹配的无人车定位方法精度不高的问题。针对上述问题，提出了一种基于三维点云地图和误差状态卡尔曼滤波（ESKF）的无人车融合定位方法。该方法由三维点云地图构建和ESKF融合定位2个部分组成。在三维点云地图构建部分，通过正态分布变换（NDT）算法进行帧间点云匹配，提高大规模点云匹配准确率，并在根据激光里程计数据建立的位姿图顶点和约束边的基础上添加闭环约束构建图优化问题，采用列文伯格-马夸尔特（LM）算法进行求解，以减少位姿的累计漂移，提高三维点云地图精度。在ESKF融合定位部分，采用ESKF融合惯性测量单元（IMU）数据和三维点云地图数据，实现对无人车先验位姿（位置、姿态和速度）的修正并输出后验位姿。实验结果表明，与基于地图匹配的定位方法相比，该方法定位轨迹相对位姿误差最大值减小了0.176 9 m，平均误差减小了0.027 1 m，均方根误差减小...
|
