不依賴GPS的定位理論及方法研究.pdf

1、智能車，又稱無人駕駛智能車，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題，也是相對復(fù)雜的問題。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信號情況下也可以獲得精確的定位信息。
　　首先考慮在實際應(yīng)用過程中，多數(shù)情況下并不能對車輛進(jìn)行有效的建?；蛘哕囕v上并不方便安裝里程計，此時傳統(tǒng)基于里程計的車輛運動學(xué)模型將無法應(yīng)用于車

2、輛定位中。為了解決缺少里程計情況下的車輛定位問題，本文提出一種車輛運動狀態(tài)估計模型。提出算法通過該模型估計車輛位置、姿態(tài)及其運動狀態(tài)（如速度）。提出算法用估計的運動狀態(tài)代替里程計，進(jìn)而估計車輛的位置。為了驗證算法的效果，本文將提出算法同基于模型車輛定位算法進(jìn)行比較，先后通過仿真數(shù)據(jù)和悉尼大學(xué)維多利亞數(shù)據(jù)庫數(shù)據(jù)進(jìn)行對比。實驗結(jié)果表明，提出算法可以達(dá)到基于里程計的算法同等的定位精度。
　　之后本文研究了視覺里程計并提出一種新的視覺里程

3、計算法。該算法通過解耦估計旋轉(zhuǎn)-平移增強(qiáng)該視覺里程計在動態(tài)環(huán)境下的性能。理想的視覺里程計通過觀測靜態(tài)環(huán)境特征實現(xiàn)視覺系統(tǒng)的運動估計，但是實際環(huán)境中不可避免的存在動態(tài)特征。因而如何消除動態(tài)特征，減少其對視覺里程計性能的影響，是提高里程計性能的有效途徑。本文通過立體視覺系統(tǒng)將特征點劃分成“遠(yuǎn)點”和“近點”分別處理:在一致隨機(jī)估計（RANSAC）框架下，采用“遠(yuǎn)點”估計視覺系統(tǒng)的姿態(tài);進(jìn)而在姿態(tài)已知的前提下，使用“近點”計算攝像機(jī)平移。這樣通

4、過姿態(tài)約束降低了近距離運動物體對視覺里程計的影響。實驗表明，在實際道路環(huán)境中，本文基于旋轉(zhuǎn)-平移解耦估計的算法較之傳統(tǒng)同時估計旋轉(zhuǎn)平移的算法，能有效剔除動態(tài)特征，提高視覺里程計的性能。
　　為了獲得更高精度的定位結(jié)果，本文研究了車輛同時定位與地圖構(gòu)建(Simultaneous Localization And Mapping，SLAM)問題。SLAM是將車輛和環(huán)境地圖看成一個整體，通過估計車輛位置構(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大的問題。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)。這兩個算法均通過融合正交容積變換(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。通過綜合考慮計算