多源数据融合的定位方法、系统及车辆与流程

本发明涉及定位导航，具体涉及一种多源数据融合的定位方法、系统及车辆。

背景技术：

1、随着智能驾驶及自主导航技术的快速发展，高精度、高可靠性的定位能力已成为核心基础需求。目前，常用的定位技术包括卫星导航定位、惯性导航定位、蜂窝网络定位、地磁定位及视觉定位等。

2、然而，上述各类定位技术均存在固有的适用局限性。卫星导航定位在室外开阔环境下精度较高，但在城市峡谷、隧道、地下车库等遮挡或封闭环境中，信号严重衰减甚至完全丢失，导致定位失效。惯性导航定位具有短时自主性强的优势，但其误差随时间累积，长时间运行后定位精度急剧下降。蜂窝网络定位覆盖范围广，但定位精度有限，难以满足高精度需求。地磁定位不受光照及卫星信号影响，适用于室内及地下场景，但在强磁干扰环境下可靠性显著降低。视觉定位在纹理丰富的环境中表现良好，但在弱光、强光或纹理单一场景下特征提取困难，定位精度难以保证。

3、为克服单一定位源的局限性，现有技术中已出现多源融合定位方案。但现有方案仍存在以下不足：

4、第一，多数方案采用固定的定位源组合及固定的融合权重，缺乏根据实际场景动态调整的能力。当环境条件发生变化时，固定配置无法适应，导致融合精度下降甚至发散。

5、第二，现有方案通常对所有定位源一视同仁地进行融合，未充分考虑不同场景下各定位源的可用性差异，缺乏场景感知与定位源选择之间的联动机制。

6、第三，当某一定位源因环境突变或传感器故障而出现异常输出时，现有方案缺乏有效的异常检测与自适应处理机制，异常数据可能污染融合结果，影响整体定位可靠性。

7、因此，亟需一种能够根据场景自适应选择定位源组合、动态调整融合权重并具备异常处理能力的多源数据融合定位方案。

技术实现思路

1、鉴于上述现有技术的不足，本技术的目的在于提供一种多源数据融合的定位方法、系统及车辆，旨在解决现有多源融合定位方案缺乏场景自适应能力、融合权重固定且缺乏异常处理机制的技术问题。

2、第一方面，本技术实施例提供一种多源数据融合的定位方法，其包括：

3、实时采集目标的惯性测量数据、卫星导航定位数据、蜂窝网络定位数据、地磁矢量数据及视觉图像数据，并分别进行预处理；

4、对预处理后的各数据分别进行独立解算，构建对应的惯性定位源、卫星导航定位源、蜂窝网络定位源、地磁定位源及视觉定位源；

5、基于预处理后的视觉图像数据，识别当前场景类型；

6、根据所述场景类型，从已构建的各定位源中确定当前启用的定位源组合及各定位源的工作模式；

7、基于因子图优化框架，将惯性定位源以运动约束的形式纳入因子图，将其余各启用定位源的解算结果作为观测约束，进行加权融合解算，输出目标的位置、姿态及速度信息。

8、在上述技术方案中，通过视觉感知实现场景识别，并据此动态确定定位源组合及工作模式，使定位策略能够随环境变化自适应调整，避免了固定配置在场景切换时的性能退化；同时，基于因子图优化框架将惯性定位源以运动约束形式纳入、其余定位源以观测约束形式纳入，充分利用了各定位源在时间连续性与空间绝对性上的互补特性，有效提升了融合定位的精度与鲁棒性。

9、一种实施例中，所述场景类型包括室外开阔场景、半遮挡场景、室内盲区场景、弱光场景及强磁干扰场景；所述基于预处理后的视觉图像数据，识别当前场景类型，具体包括：通过语义分割提取视觉图像中的环境特征，基于所述环境特征判定当前场景类型。

10、在上述技术方案中，将场景划分为五种典型类型，覆盖了卫星信号退化、光照不足及磁场干扰等主要定位失效场景，为后续定位源选择提供了明确的决策依据；通过语义分割提取环境特征进行场景判定，相较于基于信号强度的间接判断方式，具有更直观、更准确的场景感知能力。

11、一种实施例中，所述根据所述场景类型，从已构建的各定位源中确定当前启用的定位源组合及各定位源的工作模式，具体包括：

12、在室外开阔场景下，以卫星导航定位源和蜂窝网络定位源为主定位源，以地磁定位源、惯性定位源及视觉定位源为辅助定位源；

13、在半遮挡场景下，以地磁定位源、视觉定位源及惯性定位源为主定位源，以蜂窝网络定位源为辅助定位源；

14、在室内盲区场景下，以地磁定位源、视觉定位源及惯性定位源为主定位源；

15、在弱光场景下，停用视觉定位源，以卫星导航定位源、蜂窝网络定位源、地磁定位源及惯性定位源为主定位源；

16、在强磁干扰场景下，停用地磁定位源，以卫星导航定位源、蜂窝网络定位源、视觉定位源及惯性定位源为主定位源。

17、在上述技术方案中，针对每种场景类型制定了差异化的定位源配置策略，优先启用当前场景下可靠性最高的定位源作为主定位源，将可靠性次之的定位源作为辅助定位源进行补充约束，并对当前场景下明显不可用的定位源予以停用，从而在保障定位精度的同时避免了不可靠数据对融合结果的污染。

18、一种实施例中，所述对预处理后的各数据分别进行独立解算，构建对应的定位源，具体包括：

19、对惯性测量数据进行预积分解算，构建惯性定位源；

20、对卫星导航定位数据进行伪距及载波相位解算，构建卫星导航定位源；

21、对蜂窝网络定位数据进行到达时间差或到达角解算，构建蜂窝网络定位源；

22、对地磁矢量数据进行地磁特征匹配解算，构建地磁定位源；

23、对视觉图像数据进行特征提取及视觉里程计解算，构建视觉定位源。

24、在上述技术方案中，各定位源采用与其数据特性相匹配的解算算法进行独立解算，保证了各定位源输出的解算精度；同时，独立解算的方式使各定位源之间互不耦合，任一定位源的异常不会通过解算过程传播至其他定位源，为后续融合阶段的异常隔离提供了基础。

25、一种实施例中，所述基于因子图优化框架进行加权融合解算，具体包括：在因子图中，惯性定位源以运动约束因子的形式体现，用于连接相邻时刻的状态节点；其余各启用定位源以观测约束因子的形式体现，用于约束当前时刻的状态估计；根据场景类型及各观测约束因子对应定位源的实时质量评估结果，动态分配各观测约束因子的融合权重；对因子图进行迭代优化求解，输出最优状态估计。

26、在上述技术方案中，将惯性定位源建模为运动约束因子、其余定位源建模为观测约束因子，符合因子图框架中运动模型与观测模型的标准建模范式，使因子图结构清晰、物理意义明确；融合权重根据场景类型与实时质量评估结果动态分配，使高质量定位源获得更大的约束贡献，低质量定位源的负面影响被有效抑制，从而在不同场景下均能获得接近最优的融合精度。

27、一种实施例中，还包括异常自适应处理：实时监测各定位源的工作状态及输出质量；当检测到任一定位源异常时，降低该定位源对应的约束因子融合权重，并相应提升其余可用定位源的约束因子融合权重；当所述异常消除后，恢复至异常前的融合权重配置。

28、在上述技术方案中，通过实时监测与自适应权重调整机制，实现了异常定位源的软隔离，避免了异常数据对融合结果的污染；同时，异常消除后自动恢复权重配置，无需人工干预，保障了定位系统在复杂动态工况下的持续自主运行能力。

29、一种实施例中，所述预处理具体包括：

30、对惯性测量数据进行去噪及零偏补偿；

31、对卫星导航定位数据进行载噪比筛选及多路径抑制；

32、对蜂窝网络定位数据进行残差剔除；

33、对地磁矢量数据进行低通滤波及硬磁补偿；

34、对视觉图像数据进行去畸变及曝光归一化。

35、在上述技术方案中，针对各类传感器数据的典型误差源分别设计了相应的预处理策略，从数据源头提升了各定位源输入数据的质量，为后续独立解算及融合解算的精度提供了基础保障。

36、第二方面，本技术实施例提供一种多源数据融合的定位系统，其包括：

37、多源感知模块，包括惯性测量单元、卫星导航接收单元、蜂窝网络定位单元、地磁采集单元及视觉感知单元，用于分别采集对应的传感器数据并进行预处理；

38、定位源构建模块，用于对预处理后的各数据分别进行独立解算，构建对应的定位源；

39、场景识别模块，用于基于所述视觉感知单元采集的图像数据，识别当前场景类型；

40、融合解算模块，用于根据所述场景类型，从已构建的各定位源中确定当前启用的定位源组合及各定位源的工作模式，基于因子图优化框架进行加权融合解算，输出目标的位置、姿态及速度信息。

41、在上述技术方案中，通过模块化架构将多源数据采集、独立解算、场景识别及融合解算解耦为独立功能模块，各模块职责明确、接口清晰，便于系统的开发、调试及后续功能扩展。

42、一种实施例中，所述融合解算模块包括：

43、质量评估子模块，用于实时评估各定位源的数据质量并输出置信度指标；

44、权重分配子模块，用于根据场景类型及所述置信度指标，动态分配各定位源的融合权重；

45、优化求解子模块，用于构建因子图并进行迭代优化，输出最优状态估计。

46、在上述技术方案中，将融合解算过程细分为质量评估、权重分配及优化求解三个子模块，实现了融合策略的精细化管控；质量评估为权重分配提供量化依据，权重分配为优化求解提供约束配置，三者形成闭环，确保融合结果在当前工况下趋近最优。

47、第三方面，本技术实施例提供一种车辆，包括上述的多源数据融合的定位系统。

48、在上述技术方案中，所述车辆搭载上述多源数据融合的定位系统，能够在城市道路、隧道、地下车库、弱光环境及强磁干扰区域等多种复杂工况下持续提供高精度、高可靠性的定位服务，满足智能驾驶及自主导航对定位能力的严苛要求。