不依賴GPS的定位理論及方法研究.pdf

1、智能車，又稱無(wú)人駕駛智能車，是近些年汽車領(lǐng)域和車輛領(lǐng)域科學(xué)研究和產(chǎn)品發(fā)展的主要方向。智能車為了能夠完成人們期望的各類任務(wù)，定位精度和定位的可靠性是其最基本的問(wèn)題，也是相對(duì)復(fù)雜的問(wèn)題。本文主要研究GPS失效環(huán)境下的新型定位算法，旨在補(bǔ)償智能車在缺少GPS信號(hào)情況下也可以獲得精確的定位信息。
　　首先考慮在實(shí)際應(yīng)用過(guò)程中，多數(shù)情況下并不能對(duì)車輛進(jìn)行有效的建?；蛘哕囕v上并不方便安裝里程計(jì)，此時(shí)傳統(tǒng)基于里程計(jì)的車輛運(yùn)動(dòng)學(xué)模型將無(wú)法應(yīng)用于車

2、輛定位中。為了解決缺少里程計(jì)情況下的車輛定位問(wèn)題，本文提出一種車輛運(yùn)動(dòng)狀態(tài)估計(jì)模型。提出算法通過(guò)該模型估計(jì)車輛位置、姿態(tài)及其運(yùn)動(dòng)狀態(tài)（如速度）。提出算法用估計(jì)的運(yùn)動(dòng)狀態(tài)代替里程計(jì)，進(jìn)而估計(jì)車輛的位置。為了驗(yàn)證算法的效果，本文將提出算法同基于模型車輛定位算法進(jìn)行比較，先后通過(guò)仿真數(shù)據(jù)和悉尼大學(xué)維多利亞數(shù)據(jù)庫(kù)數(shù)據(jù)進(jìn)行對(duì)比。實(shí)驗(yàn)結(jié)果表明，提出算法可以達(dá)到基于里程計(jì)的算法同等的定位精度。
　　之后本文研究了視覺(jué)里程計(jì)并提出一種新的視覺(jué)里程

3、計(jì)算法。該算法通過(guò)解耦估計(jì)旋轉(zhuǎn)-平移增強(qiáng)該視覺(jué)里程計(jì)在動(dòng)態(tài)環(huán)境下的性能。理想的視覺(jué)里程計(jì)通過(guò)觀測(cè)靜態(tài)環(huán)境特征實(shí)現(xiàn)視覺(jué)系統(tǒng)的運(yùn)動(dòng)估計(jì)，但是實(shí)際環(huán)境中不可避免的存在動(dòng)態(tài)特征。因而如何消除動(dòng)態(tài)特征，減少其對(duì)視覺(jué)里程計(jì)性能的影響，是提高里程計(jì)性能的有效途徑。本文通過(guò)立體視覺(jué)系統(tǒng)將特征點(diǎn)劃分成“遠(yuǎn)點(diǎn)”和“近點(diǎn)”分別處理:在一致隨機(jī)估計(jì)（RANSAC）框架下，采用“遠(yuǎn)點(diǎn)”估計(jì)視覺(jué)系統(tǒng)的姿態(tài);進(jìn)而在姿態(tài)已知的前提下，使用“近點(diǎn)”計(jì)算攝像機(jī)平移。這樣通

4、過(guò)姿態(tài)約束降低了近距離運(yùn)動(dòng)物體對(duì)視覺(jué)里程計(jì)的影響。實(shí)驗(yàn)表明，在實(shí)際道路環(huán)境中，本文基于旋轉(zhuǎn)-平移解耦估計(jì)的算法較之傳統(tǒng)同時(shí)估計(jì)旋轉(zhuǎn)平移的算法，能有效剔除動(dòng)態(tài)特征，提高視覺(jué)里程計(jì)的性能。
　　為了獲得更高精度的定位結(jié)果，本文研究了車輛同時(shí)定位與地圖構(gòu)建(Simultaneous Localization And Mapping，SLAM)問(wèn)題。SLAM是將車輛和環(huán)境地圖看成一個(gè)整體，通過(guò)估計(jì)車輛位置構(gòu)建增量式地圖，再根據(jù)地圖估算車輛

5、位置。盡管已有的SLAM算法能夠有效降低累積誤差，但是這些算法大都存在線性化誤差過(guò)大的問(wèn)題。本文提出兩種新的SLAM算法:平方根正交容積變換卡爾曼濾波器的SLAM算法（SCQKF-SLAM）和基于正交容積粒子濾波器的SLAM算法(CQFastSLAM)。這兩個(gè)算法均通過(guò)融合正交容積變換(cubature rule)和高斯-拉格朗日規(guī)則（Gauss-Laguerre quadrature rule）求解出更高的非線性精度。通過(guò)綜合考慮計(jì)算