代凯 申棋仁 吴官朴 赵阳 马芳武

（1.吉林大学 汽车仿真与控制国家重点实验室，长春130022；2.吉林大学 汽车工程学院，长春130022）

主题词：激光雷达 无人驾驶 同步定位和建图 多传感器融合

缩略语

SLAM Simultaneous Localization And Mapping

LiDAR Light Detection and Ranging

GNSS Global Navigation Satellite System

IMU Inertial Measurement Unit

RTK Real Time Kinematic

ESKF Error State Kalman Filter

LIO LiDAR Inertial Odometry

UWB Ultra Wide Band

V2I Vehicle-to-Infrastructure

LOAM LiDAR Odometry and Mapping

NDT Normal Distribution Transform

DR Dead Reckoning

VINS Visual Inertial System

MSCKF Multi-State Constraint Kalman Filter

1 引言

自动驾驶是当下研究的热点，车辆定位是自动驾驶必须解决的关键问题，良好的定位系统不仅能够有效帮助车辆完成自动驾驶功能，更能够有效提高车辆的安全性。目前，无人驾驶车辆广泛采用多传感器融合定位方案，以覆盖不同的行驶工况。主流方案有2种，分别为基于传感器的定位方法和基于车联网的定位方法[1]。使用多传感器融合定位时，主要采用的是基于GNSS、IMU、摄像头、激光雷达、车辆编码盘等传感器融合定位的方案。IMU/GPS 融合定位方法，能够弥补GPS 多路径干扰、信号丢失等问题，增强基于卫星定位方法的鲁棒性、稳定性。文献[2]提出了LiDAR/GNSS/IMU 组合导航系统，采用ESKF 滤波器融合64线激光雷达定位信息、GNSS-RTK 定位信息、IMU 信息，实现5～10 cm 的连续稳定车道级定位。文献[3]提出了紧耦合3D激光惯性里程计（LIO），有效解决了纯激光雷达定位长航程数据漂移、环境特征稀疏定位失效等问题。在基于车联网定位研究领域，文献[4]提出了基于多模型滤波算法的车辆协作定位增强方法，有利于提高车辆在“高楼峡谷”、隧道等弱卫星信号区域的定位精度；文献[5]提出了基于UWB的单锚点V2I定位算法，有利于提高基于GPS、V2I组网的车联网定位精度。

在众多的定位方法中，利用激光雷达构建地图，并基于地图定位的方法被广泛运用在无人驾驶车辆开发中。……