基于激光与视觉融合的车辆自主定位与建图算法

定位与建图是车辆未知环境自主驾驶的基础,激光雷达依赖于场景几何特征而视觉图像易受光线干扰,依靠单一激光点云或视觉图像的定位与建图算法存在一定局限性。本文提出一种激光与视觉融合SLAM(Simultaneous Localization And Mapping)的车辆自主定位算法,通过融合互补的激光与视觉各自优势提升定位算法的整体性能。为发挥多源融合优势,本文在算法前端利用激光点云获取视觉特征的深度信息,将激光-视觉特征以松耦合的方式输入位姿估计模块提升算法的鲁棒性。针对算法后端位姿和特征点大范围优化过程中计算量过大的问题,提出基于关键帧和滑动窗口的平衡选取策略,以及基于特征点和位姿的分类优化策略减少计算量。实验结果表明:本文算法的平均定位相对误差为0.11 m和0.002 rad,平均资源占用率为22.18%(CPU)和21.50%(内存),与经典的A-LOAM(Advanced implementation of LOAM)和ORB-SLAM2(Oriented FAST and Rotated BRIEF SLAM2)算法相比在精确性和鲁棒性上均有良好表现。

基于可见光通信的车辆自主导航定位滤波算法

采用目前方法对车辆自主导航定位进行滤波时,没有结合车辆行驶过程中动态情况进行考虑,导致滤波效果差、峰值误差和均方根误差大、信噪比低的问题。提出基于可见光通信的车辆自主导航定位滤波算法,首先对可见光通信导航系统信道进行分析,然后结合分析结果对可见光通信的导航网络择优控制,最后确保车辆导航的正常运行后,在传统卡尔曼算法中引入自适应遗忘因子,利用改进的自适应扩展卡尔曼滤波导航定位算法,完成车辆自主导航定位滤波。实验结果表明,所提方法能够获取更优异的滤波结果、降低峰值误差和均方根误差、提高信噪比。

DGPS自主车辆定位及多功能处理软件研制

本文论述了车载ＧＰＳ自动车辆定位（ＡＶＬ）的有关研究与试验，着重分析了车辆定位的方法与定位的准确度问题，并利用作者自行开发的处理软件进行处理，证明了基于ＤＧＰＳ的ＡＶＬ的可行性，取得了满意的结果。

结合光流法的车辆运动估计优化方法

针对车辆自主定位实时准确的要求,提出一种结合光流法的车辆运动估计优化方法.采用改进的Lucas-Kanade算法跟踪FAST特征点计算其光流;进而对图像间偏移量进行坐标系转换,获得初始坐标系下车辆的运动估计值;基于偏移量与旋转角度误差服从正态分布的假设,优化更新采用光流法的车辆运动结果,最终映射到世界坐标系中获得车辆运行轨迹.通过测试多组不同车辆行驶轨迹,结果表明:该优化方法突出了光流法的实时性并且克服了其精度差的缺点,有效解决了由累积误差引起的轨迹漂移情况,能够提供车辆准确实时的定位输出.相较于基于特征点匹配的车辆定位其计算时间短,与常用的光流法比较,轨迹更加精确、光滑.