基于多传感器信息融合的车辆高精度定位技术

doi:10.3969/j.issn.1004-132X.2022.19.013

中国机械工程 ›› 2022, Vol. 33 ›› Issue (19): 2381-2387.DOI: 10.3969/j.issn.1004-132X.2022.19.013

基于多传感器信息融合的车辆高精度定位技术

师小波1，4; 赵丁选2;孔志飞5;倪涛3;赵小龙2;郭庆贺2

1.燕山大学电气工程学院，秦皇岛，066004
2.燕山大学机械工程学院，秦皇岛，066004
3.燕山大学车辆与能源学院，秦皇岛，066004
4.河北建材职业技术学院，秦皇岛，066004
5.吉林大学机械与航空航天工程学院，长春，130022

出版日期:2022-10-10 发布日期:2022-10-20
通讯作者: 倪涛（通信作者），男，1978年生，教授。研究方向为智能驾驶、液压悬架控制。E-mail:nitao@jlu.edu.cn。
作者简介:师小波，男，1982年生，博士研究生。研究方向为车辆悬架控制、智能机器人。
基金资助:
河北省创新群体项目(E2020203174)；国家自然科学基金(U20A20332)

Vehicle High-precision Positioning Technique Based on Multi-sensors Information Fusion

SHI Xiaobo1，4;ZHAO Dingxuan2;KONG Zhifei5;NI Tao3;ZHAO Xiaolong2;GUO Qinghe2

1.School of Electrical Engineering，Yanshan University，Qinhuangdao，Hebei，066004
2.School of Mechanical Engineering，Yanshan University，Qinhuangdao，Hebei，066004
3.School of Vehicle and Energy，Yanshan University，Qinhuangdao，Hebei，066004
4.Hebei Construction Material Vocational and Technical College，Qinhuangdao，Hebei，066004
5.School of Mechanical and Aerospace Engineering，Jilin University，Changchun，130022

Online:2022-10-10 Published:2022-10-20

摘要/Abstract

摘要： 为解决多轴应急救援车辆在复杂环境行驶时的定位误差问题，设计了一种基于多信息融合的组合定位系统，该定位系统主要由前端里程计和后端优化模型组成。首先完成三轴车运动学建模，推导出基于惯性测量单元的运动学预测方程和基于全球定位系统的运动学观测方程，通过Kalman滤波器进行状态更新，完成前端里程计的构建；然后设计了基于迭代最近点匹配算法的外参标定工具，并构建了特征点云匹配模型，完成后端模型优化；最后进行了仿真与实验，研究结果表明，该系统定位误差为±3.45 cm，角度误差为±0.10°，准确性、稳定性均得到了很大的提高。

关键词: 组合定位系统, 前端里程计, 点云匹配, 信息融合

Abstract: In order to solve the positioning error problems of multi-axle emergency rescue vehicles driving in complex environments， a combined positioning system was designed based on multi-information fusion. The positioning system was mainly composed of a front-end odometer and a back-end optimization model. The three-axis vehicle kinematics modeling was completed， the inertial measurement unit-based kinematics prediction equation and global positional system-based kinematics observation equation were derived， the state was updated through the Kalman filter， and the construction of the front-end odometer was completed. The external reference calibration tool was designed based on iterative closest point matching algorithm， and a feature point cloud matching model was constructed to complete the back-end model optimization. Finally， after simulation and experiments were carried out， the results show that the positioning errors of the system are less than 3.45 cm， the angle errors are less than 0.10 degrees， the accuracy and stability are greatly improved.

Key words: combined positioning system, front-end odometer, point cloud matching, information fusion

中图分类号:

U495

师小波, 赵丁选, 孔志飞, 倪涛, 赵小龙, 郭庆贺. 基于多传感器信息融合的车辆高精度定位技术[J]. 中国机械工程, 2022, 33(19): 2381-2387.

SHI Xiaobo, ZHAO Dingxuan, KONG Zhifei, NI Tao, ZHAO Xiaolong, GUO Qinghe. Vehicle High-precision Positioning Technique Based on Multi-sensors Information Fusion[J]. China Mechanical Engineering, 2022, 33(19): 2381-2387.

导出引用管理器 EndNote|Ris|BibTeX

链接本文: https://www.cmemo.org.cn/CN/10.3969/j.issn.1004-132X.2022.19.013

https://www.cmemo.org.cn/CN/Y2022/V33/I19/2381

参考文献

［1］MICHAEL L， KOOKTAE L. Outdoor Target Positioning Using Wii Remote IR Camera and Signal Modulation［J］. Sensors， 2020， 20（8）：2163-2174.
［2］韩明瑞，周波，钱堃，等. 基于激光雷达的室外移动机器人三维定位和建图［J］. 华中科技大学学报（自然科学版）， 2015， 43（S1）：315-318.
HAN Mingrui， ZHOU Bo， QIAN Kun， et al. Three-dimensional Positioning and Mapping of Outdoor Mobile Robots Based on Lidar［J］. Journal of Huazhong University of Science and Technology（Natural Science Edition）， 2015， 43（S1）：315-318.
［3］胡胜豪. 室外移动机器人的定位与运动控制研究［D］. 哈尔滨：哈尔滨工业大学， 2016.
HU Shenghao. Research on Positioning and Motion Control of Outdoor Mobile Robot［D］. Harbin：Harbin Institute of Technology， 2016.
［4］汪涛. 智能行驶车辆定位技术研究［D］. 长春：吉林大学， 2017.
WANG Tao. Research on Intelligent Driving Vehicle Positioning Technology［D］. Changchun：Jilin University， 2017.
［5］LI Dengao， WEI Zheng， ZHAO Jumin， et al. Integrated Positioning Algorithm Based on GPS/WLAN［J］. Concurrency and Computation：Practice and Experience， 2019， 31（17）：30-46.
［6］JI Z， SANJIV S. Laser-Visual-Inertial Odometry and Mapping with High Robustness and Low Drift［J］. Journal of Field Robotics， 2018， 35（8）：1242-1264.
［7］HE Zhimin， PENG Lin， HAN Haiyun， et al. Research on Indoor and Outdoor Comprehensive Positioning Technology Based on Multi-source Information Assistance［J］. Procedia Computer Science， 2020， 166（9）：361-365.
［8］李旭，张为公. 基于联邦滤波的智能车辆多传感器组合导航的研究［J］. 中国机械工程， 2008， 19（12）：1446-1451.
LI Xu， ZHANG Weigong. Research on Intelligent Vehicle Multi-sensor Integrated Navigation Based on Federal Filtering［J］. China Mechanical Engineering， 2008， 19（12）：1446-1451.
［9］付廷强. 基于GNSS/IMU/视觉多传感融合的组合导航定位算法研究［D］. 上海：上海交通大学， 2019.
FU Tingqiang. Research on Integrated Navigation and Positioning Algorithm Based on GNSS/IMU/ Visual Multi-sensor Fusion［D］. Shanghai：Shanghai Jiaotong University， 2019.
［10］祝会忠，路阳阳，徐爱功，等. 长距离GPS/北斗卫星导航定位系统网络RTK方法［J］. 武汉大学学报（信息科学版）， 2020， 7（02）：1-9.
ZHU Huizhong， LU Yangyang， XU Aigong， et al. Long-range GPS/Beidou Satellite Navigation and Positioning System Network RTK Method［J］. Journal of Wuhan University（Information Science Edition）， 2020， 7（2）：1-9.
［11］ZHANG J， SINGH S. Low-drift and Real-time Lidar Odometry and Mapping［J］. Autonomous Robots， 2017， 41（3）：401-416.
［12］马芳武，史津竹，葛林鹤，等. 无人驾驶车辆单目视觉里程计的研究进展［J］. 吉林大学学报（工学版）， 2020， 50（3）：765-775.
MA Fangwu， SHI Jinzhu， GE Linhe， et al. Research Progress of Monocular Visual Odometer for Driverless Vehicles［J］. Journal of Jilin University（Engineering Science Edition）， 2020， 50（3）：765 -775.
［13］HAO Yushi， XU Aigong， WANG Xin， et al. A Modified Extended Kalman Filter for a Two-antenna GPS/INS Vehicular Navigation System［J］. Sensors， 2018， 18（11）：3809-3820.
［14］KIM D C， MIN K， KIM H， et al. Vehicle Sideslip Angle Estimation Using Deep Ensemble-based Adaptive Kalman Filter［J］. Mechanical Systems and Signal Processing， 2020， 144：106862.
［15］孙涛，徐正进，尤霖，等. 基于卡尔曼滤波器的智能车过弯时间优化控制算法［J］. 中国机械工程， 2015， 26（19）：2693-2697.
SUN Tao， XU Zhengjin， YOU Lin， et al. Intelligent Vehicle Cornering Time Optimization Control Algorithm Based on Kalman Filter［J］. China Mechanical Engineering， 2015， 26（19）：2693-2697.
［16］楼晓春. 基于扩展Kalman滤波器算法的移动机器人同步定位与建图［J］. 中国机械工程， 2011， 22（24）：2927-2930.
LOU Xiaochun. Synchronous Positioning and Mapping of Mobile Robots Based on Extended Kalman Filter Algorithm［J］. China Mechanical Engineering， 2011， 22（24）：2927-2930.
［17］张建华，张洪华，刘璇. 基于PageRank的SLAM后端优化研究［J］. 华中科技大学学报（自然科学版）， 2019， 47（4）：61-66.
ZHANG Jianhua， ZHANG Honghua， LIU Xuan. Research on SLAM Backend Optimization Based on PageRank［J］. Journal of Huazhong University of Science and Technology（Natural Science Edition）， 2019， 47（4）：61-66.
［18］CARLOS S B. CERIANI S， TADDEI P， et al. Global Matching of Point Clouds for Scan Registration and Loop Detection［J］. Robotics and Autonomous Systems， 2020， 123.
［19］葛平淑，王荣本，郭烈. 基于模糊逻辑的六轮月球车路径跟踪控制［J］. 吉林大学学报（工学版）， 2011， 41（2）：503-508.
GE Pingshu， WANG Rongben， GUO Lie. Path Tracking Control of Six-wheel Lunar Rover Based on Fuzzy Logic［J］. Journal of Jilin University（Engineering Science Edition）， 2011， 41（2）：503-508.
［20］YANG J L， LI H D， CAMPBELL D， et al. Go-ICP：a Globally Optimal Solution to 3D ICP Point-Set Registration. ［J］. IEEE Transactions on Pattern Analysis and Machine Intelligence， 2016， 38（11）：2241-2254.
［21］姜晓通，戴宁，张长东，等. 基于“滑移”主方向自适应采样的ICP 算法优化研究［J］. 中国机械工程， 2014， 25（4）：497-502.
JIANG Xiaotong， DAI Ning， ZHANG Changdong， et al. Research on ICP Algorithm Optimization Based on “Slap” Principal Direction Adaptive Sampling［J］. China Mechanical Engineering， 2014， 25（4）：497-502.

[1]	尹佳1, 郑健2, 刘尧3, 贾保国1, 段晓蕊1. 基于多源信息融合和集成学习的薄壁件铣削加工变形误差预测[J]. 中国机械工程, 2025, 36(06): 1261-1268.
[2]	张龙, 胡燕青, 赵丽娟, 张号. 多通道信息融合与深度迁移学习的旋转机械故障诊断[J]. 中国机械工程, 2023, 34(08): 966-975.
[3]	胡延平, 刘菲, 魏振亚, 赵林峰. 毫米波雷达与视觉传感器信息融合的车辆跟踪[J]. 中国机械工程, 2021, 32(18): 2181-2188.
[4]	周晓春, 梁军, 陈龙, 王亚飞, 龚进峰. 智能网联车即插即用组网模型及决策融合算法[J]. 中国机械工程, 2021, 32(16): 1983-1993.
[5]	姜武华1;辛鑫1;陈无畏1;谢有浩2. 基于信息融合的自动泊车系统车位线车位识别和决策规划[J]. 中国机械工程, 2020, 31(10): 1190-1196.
[6]	张伟伟1;糜泽阳1;肖凌云2;钱宇彬1. 基于深度卷积网络和在线学习跟踪的驾驶员打哈欠检测[J]. 中国机械工程, 2019, 30(08): 902-911.
[7]	张强, 王海舰, 李立莹, 刘志恒. 基于自适应神经-模糊推理系统模糊信息融合的采煤机截齿磨损在线监测[J]. 中国机械工程, 2016, 27(19): 2607-2614.
[8]	张强, 王海舰 , 李立莹, 闻学震, 阮越宣, . 基于多传感特征信息融合的采煤机截齿失效诊断[J]. 中国机械工程, 2016, 27(17): 2334-2340.
[9]	夏新涛, 朱文换, 陈士忠. 基于乏信息融合技术的机床加工误差的调整方法[J]. 中国机械工程, 2016, 27(13): 1802-1809.
[10]	张强, 王海舰, 井旺, 毛君, 袁智, 胡登高. 基于模糊神经网络信息融合的采煤机煤岩识别系统[J]. 中国机械工程, 2016, 27(02): 201-208.
[11]	姜万录, 刘思远. 多特征信息融合的贝叶斯网络故障诊断方法研究 [J]. 中国机械工程, 2010, 21(8): 940-945,967.
[12]	刘健, 吴雄喜, 计时鸣. 基于多信息融合的油液品质评价方法及其实现 [J]. 中国机械工程, 2010, 21(21): 2614-2618.
[13]	王檀彬;陈无畏;焦俊;汪明磊;. 多传感器融合的智能车辆导航研究[J]. J4, 2009, 20(11): 0-1385.
[14]	岳建锋;张翠宣;李亮玉;. 基于多信息融合理论的MIG焊机器人焊接质量控制[J]. J4, 2009, 20(09): 0-1016.
[15]	丁承君;段萍;睢佰龙;张明路;. 基于多源信息融合的移动机械手末端定位研究[J]. J4, 2009, 20(08): 0-1007.

基于多传感器信息融合的车辆高精度定位技术

Vehicle High-precision Positioning Technique Based on Multi-sensors Information Fusion

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics