论文部分内容阅读
摘 要：首先介绍了目前智能网联汽车的主流导航定位方法，其次分别对GPS/IMU定位和激光SLAM定位技术及原理进行了介绍，最后应用两种导航定位方法的Matlab函数分别对车辆运行轨迹进行仿真，实现了智能网联汽车的高精度导航定位。
关键词：Matlab 智能网联 导航定位 仿真
Simulation of Intelligent Networked Car Navigation and Positioning Based on Matlab
Zhang Lin Ma Yan Zhang Hui
Abstract：Firstly， the current mainstream navigation and positioning methods for intelligent networked vehicles are introduced. Secondly， the GPS/IMU positioning and laser SLAM positioning technology and principles are introduced. Finally， the Matlab functions of the two navigation and positioning methods are applied to the vehicle trajectory. The simulation realizes the high-precision navigation and positioning of the intelligent networked car.
Key words：Matlab， intelligent network connection， navigation and positioning， simulation
1 導航定位方法
智能网联汽车是车联网与智能汽车的有机结合，配合先进的车载传感器、控制器、执行器等装置，与现代通信、网络技术融合，以实现车、人、路、后台等信息交互与安全、舒适、节能、高效驾驶出行为目标的新一代汽车[1]。智能网联汽车的导航定位目前是通过全球导航卫星系统GNSS、惯性导航、激光导航SLAM、以及视觉SLAM等方法，从而获取车辆的BLH坐标及行驶等信息。目前组合导航定位，即将全球导航卫星系统GNSS采用双天线结构的绝对定位法与对惯性导航获取车辆加速度和角速度参数进行时间积分的相对定位法相结合，为智能网联汽车最常用的定位方法[2]。
组合导航定位的原理如图1所示。由惯性导航模块、组合导航模块、感知单元、差分卫星接收模块组成[3]。由高精度GNSS天线接收导航定位卫星的信息传送到差分卫星接收机，同时将CORS服务器数据发送给组合导航模块，组合导航模块再由惯性导航模块计算的三轴陀螺仪和三轴加速计等信息，实时得到精确的导航定位及车辆行驶信息。
2 导航定位仿真技术
高精度定位以无人驾驶汽车为基础，需要采用多传感器融合定位方法，如GPS、激光雷达、IMU、高精度地图等[4]。在良好的路面环境下，车辆可以接受到来自GNSS和激光雷达的导航定位信号，但在一些复杂环境（如隧道或无信号地域）行驶时信号传输中断，需要由IMU惯性测量单元、车载传感器等进行定位预测，同时结合差分信号进行信号融合来实现车辆融合定位，基于此原理本文介绍GPS/IMU定位仿真和激光SLAM仿真。
2.1 GPS/IMU导航定位仿真技术
GPS与IMU的融合是高精度导航中一种重要的定位技术，通过陀螺仪与加速传感器分别对横向、纵向的测量，将高频率刷新信息（频率可达1000Hz）传送给IMU，从而IMU可提供接近实时的位置信息。通过对已测量信息进行修正，能够保证定位的推算准确性。通常GPS的数据传输较为准确，但更新频率较低;而IMU信号更新频率达100Hz[5]，但输出误差会随时间而增大，因此GPS与IMU的系统结合可使更新频率达到100Hz的定位输出，同时实现了整体系统的高精度导航定位。
Matlab软件定位工具箱提供了丰富的导航定位相关函数，GPS/IMU定位仿真常用的函数有：传感器模型函数、定位和姿态估计函数等，如表1所示。
利用GPS/IMU对车辆的定位仿真结果如图2所示，仿真四元数误差控制在0.1°以内，x、y和z轴方向的误差均在合理范围。
2.2 激光SLAM仿真技术
激光SLAM技术是指利用激光雷达为传感器，在行驶过程中建立环境模型从而计算出车辆自身位置的技术，其基本原理为：根据一帧帧连续运动的点云数据，推断出激光雷达自身的运动以及周围环境的情况。
激光雷达通过发射激光光束来测量周围环境中的障碍物的角度和位置信息，通过相应算法转换为激光雷达下的局部坐标，生成点云数据;将相邻帧点云对应匹配即为前端匹配，在给定车辆移动前、后帧测量的云数据中提取有意义的信息，通过迭代运算求得激光雷达的旋转平移参数，并进行校准;后端优化的目的主要是估计前端匹配中噪声对结果的误差影响;回环检测模块能够给出除了相邻帧以外的一些时间间隔更长的约束，有效消除后端优化无法消除的积累误差;最后通过每帧点云数据及相对应的位姿，拼接至全局地图中，输出六自由度的位姿及相应格式的地图，从而完成地图的更新。
利用激光SLAM对环境扫描10次实现的定位及优化仿真结果如图3所示。
3 结论
本文对智能网联汽车的GPS/IMU定位和激光SLAM定位技术进行了介绍及相应仿真，在Matlab的环境下，通过调用导航定位函数较好地实现了智能网联汽车的高精度导航定位功能，对智能网联汽车导航定位技术的应用起到了较好的辅助作用。
参考文献：
[1]任智. 中国智联网汽车的产业前景分析[J]. 广西质量监督导报，2019（08）：77-78.
[2]何在勇. 全球导航定位系统GNSS的技术与应用[J]. 科学技术创新，2018（28）： 14-15.
[3]崔胜民，卞合善. 智能网联汽车导航定位技术[M]. 北京：中国邮电出版社，2021.
[4]李治国. 基于惯导/激光雷达的无人车融合定位技术研究[J]. 软件，2020，1（41）： 138-142.
[5]叶萍. MEMS IMU/GNSS超紧组合导航技术研究[D]. 上海：上海交通大学，2011.
关键词：Matlab 智能网联 导航定位 仿真
Simulation of Intelligent Networked Car Navigation and Positioning Based on Matlab
Zhang Lin Ma Yan Zhang Hui
Abstract：Firstly， the current mainstream navigation and positioning methods for intelligent networked vehicles are introduced. Secondly， the GPS/IMU positioning and laser SLAM positioning technology and principles are introduced. Finally， the Matlab functions of the two navigation and positioning methods are applied to the vehicle trajectory. The simulation realizes the high-precision navigation and positioning of the intelligent networked car.
Key words：Matlab， intelligent network connection， navigation and positioning， simulation
1 導航定位方法
智能网联汽车是车联网与智能汽车的有机结合，配合先进的车载传感器、控制器、执行器等装置，与现代通信、网络技术融合，以实现车、人、路、后台等信息交互与安全、舒适、节能、高效驾驶出行为目标的新一代汽车[1]。智能网联汽车的导航定位目前是通过全球导航卫星系统GNSS、惯性导航、激光导航SLAM、以及视觉SLAM等方法，从而获取车辆的BLH坐标及行驶等信息。目前组合导航定位，即将全球导航卫星系统GNSS采用双天线结构的绝对定位法与对惯性导航获取车辆加速度和角速度参数进行时间积分的相对定位法相结合，为智能网联汽车最常用的定位方法[2]。
组合导航定位的原理如图1所示。由惯性导航模块、组合导航模块、感知单元、差分卫星接收模块组成[3]。由高精度GNSS天线接收导航定位卫星的信息传送到差分卫星接收机，同时将CORS服务器数据发送给组合导航模块，组合导航模块再由惯性导航模块计算的三轴陀螺仪和三轴加速计等信息，实时得到精确的导航定位及车辆行驶信息。
2 导航定位仿真技术
高精度定位以无人驾驶汽车为基础，需要采用多传感器融合定位方法，如GPS、激光雷达、IMU、高精度地图等[4]。在良好的路面环境下，车辆可以接受到来自GNSS和激光雷达的导航定位信号，但在一些复杂环境（如隧道或无信号地域）行驶时信号传输中断，需要由IMU惯性测量单元、车载传感器等进行定位预测，同时结合差分信号进行信号融合来实现车辆融合定位，基于此原理本文介绍GPS/IMU定位仿真和激光SLAM仿真。
2.1 GPS/IMU导航定位仿真技术
GPS与IMU的融合是高精度导航中一种重要的定位技术，通过陀螺仪与加速传感器分别对横向、纵向的测量，将高频率刷新信息（频率可达1000Hz）传送给IMU，从而IMU可提供接近实时的位置信息。通过对已测量信息进行修正，能够保证定位的推算准确性。通常GPS的数据传输较为准确，但更新频率较低;而IMU信号更新频率达100Hz[5]，但输出误差会随时间而增大，因此GPS与IMU的系统结合可使更新频率达到100Hz的定位输出，同时实现了整体系统的高精度导航定位。
Matlab软件定位工具箱提供了丰富的导航定位相关函数，GPS/IMU定位仿真常用的函数有：传感器模型函数、定位和姿态估计函数等，如表1所示。
利用GPS/IMU对车辆的定位仿真结果如图2所示，仿真四元数误差控制在0.1°以内，x、y和z轴方向的误差均在合理范围。
2.2 激光SLAM仿真技术
激光SLAM技术是指利用激光雷达为传感器，在行驶过程中建立环境模型从而计算出车辆自身位置的技术，其基本原理为：根据一帧帧连续运动的点云数据，推断出激光雷达自身的运动以及周围环境的情况。
激光雷达通过发射激光光束来测量周围环境中的障碍物的角度和位置信息，通过相应算法转换为激光雷达下的局部坐标，生成点云数据;将相邻帧点云对应匹配即为前端匹配，在给定车辆移动前、后帧测量的云数据中提取有意义的信息，通过迭代运算求得激光雷达的旋转平移参数，并进行校准;后端优化的目的主要是估计前端匹配中噪声对结果的误差影响;回环检测模块能够给出除了相邻帧以外的一些时间间隔更长的约束，有效消除后端优化无法消除的积累误差;最后通过每帧点云数据及相对应的位姿，拼接至全局地图中，输出六自由度的位姿及相应格式的地图，从而完成地图的更新。
利用激光SLAM对环境扫描10次实现的定位及优化仿真结果如图3所示。
3 结论
本文对智能网联汽车的GPS/IMU定位和激光SLAM定位技术进行了介绍及相应仿真，在Matlab的环境下，通过调用导航定位函数较好地实现了智能网联汽车的高精度导航定位功能，对智能网联汽车导航定位技术的应用起到了较好的辅助作用。
参考文献：
[1]任智. 中国智联网汽车的产业前景分析[J]. 广西质量监督导报，2019（08）：77-78.
[2]何在勇. 全球导航定位系统GNSS的技术与应用[J]. 科学技术创新，2018（28）： 14-15.
[3]崔胜民，卞合善. 智能网联汽车导航定位技术[M]. 北京：中国邮电出版社，2021.
[4]李治国. 基于惯导/激光雷达的无人车融合定位技术研究[J]. 软件，2020，1（41）： 138-142.
[5]叶萍. MEMS IMU/GNSS超紧组合导航技术研究[D]. 上海：上海交通大学，2011.