Калибровка интегрированной системы «Одометр – Лидар – Гироскоп» в режиме реального времени для определения местоположения с использованием карт в отсутствие сигналов ГНСС

В последнее время значительное количество исследований сосредоточено на решении проблемы достоверного определения местоположения объектов в режиме реального времени в сложной окружающей обстановке. Решение этой задачи – важнейшее условие для разработки разного рода интеллектуальных транспортных систем (ИТС). С учетом ограничений функционирования глобальных навигационных спутниковых систем (ГНСС) в условиях города и пригородов, где пропадание сигнала – обычное явление, создание независимой системы позиционирования, обеспечивающей непрерывную выработку точных данных о местоположении объектов в отсутствие сигналов ГНСС, становится все более актуальной задачей. Для ее решения были проведены эксперименты в целях изучения комбинации лазерного дальномера (лидара), гироскопов и одометров. В настоящей работе с опорой на данные предыдущих исследований рассматривается коррекция показаний одометров с использованием дорожных карт, а также методика сегментирования дороги в режиме реального времени. Для оценки нового метода моделировалось отсутствие сигнала ГНСС в течение трех пятиминутных интервалов. При этом использовались реальные данные, полученные от движущегося объекта, обработка которых выполнялась в моделируемом режиме реального времени. Результаты экспериментов показали заметное улучшение точности навигации. В частности, применение метода калибровки в реальном времени снизило погрешность позиционирования на 0,9, 1,0 и 0,2 м в каждом из эпизодов пропадания сигнала ГНСС соответственно. Повышение точности во втором и третьем эпизодах было достигнуто за счет получения более точных данных о параметрах дороги. В работе предложен упрощенный алгоритм обработки данных лидара, благодаря которому достигнутые средние значения погрешности позиционирования составили 1,8 и 1,8 м, а ее максимальные значения – 4,0 и 3,8 м соответственно.

1. Report on the Performance and Level of Integrity for Safety and Liability Critical Multi-applications, European Global Navigation Satellite Systems Agency, 2015.

2. Report on the Technical Analysis of New Paradigms Increasing EGNSS Accuracy and Robustness in Vehicles, European Global Navigation Satellite Systems Agency, 2015.

3. Ninalalov, I., Merkuryev, I., Kubryak, O., and Astakhov, S., Methods for improving the accuracy of an autonomous orientation and navigation system based on micromechanical gyroscopes and optoelectronic sensors, Proc. 29th Saint Petersburg International Conference on Integrated Navigation Systems (ICINS), 2022, pp. 1–2.

4. Wang, Z., Wu, Y., and Niu, Q., Multi-sensor Fusion in Automated Driving: A Survey, IEEE Access, 2019, 8, pp 2847-2868.

5. Hassan, T., El-Mowafy, A., and Wang, K., A review of system integration and current integrity monitoring methods for positioning in intelligent transport systems, IET Intelligent Transport Systems, 2021, vol. 15, no. 1, pp. 43–60.

6. Golovan, A.A., INS/odometer integration: positional approach, Gyroscopy and Navigation, 2021, vol. 12, no. , pp. 186–194.

7. Yang, J.-C., Lin, C.-J., You, B.-Y., Yan, Y.-L., and Cheng T.-H., RTLIO: Real-time LiDAR-inertial odometry and mapping for UAVs, Sensors, 2021, 21(12), 3955. https://doi.org/10.3390/s21123955

8. Zhao, Z., Zhang, Y., Shi, J., Long, L., and Lu, Z., Robust lidar-inertial odometry with ground condition perception and optimization algorithm for UGV, Sensors, 2022, 22(19), 7424. doi: 10.3390/s22197424.

9. Zhang, S., Guo, Y., Zhu, Q., and Liu, Z., Lidar-IMU and wheel odometer based autonomous vehicle localization system, Proc. 2019 Chinese Control and Decision Conference (CCDC), 2019, pp. 4950–4955.

10. Zhou, B., Tang, Z., Qian, K., Fang, F., and Ma, X., A lidar odometry for outdoor mobile robots using NDT based scan matching in GPS-denied environments, Proc. 2017 IEEE 7th Annual International Conference on Cyber Technology in Automation, Control, and Intelligent Systems (CYBER), 2017, pp. 1230–1235.

11. Qin, C., Ye, H., Pranata, C.E., Han, J., Zhang, S., and Liu, M., LINS: A LiDAR-inertial state estimator for robust and efficient navigation, Proc. 2020 IEEE International Conference on Robotics and Automation (ICRA), 2020, pp. 8899–8906.

12. Zhang, C., Ma, X., and Qin, P., LiDAR-IMU-UWB-based collaborative localization, World Electric Vehicle Journal, 2022, vol. 13, no. 2, 32. https://doi.org/10.3390/wevj13020032

13. Zhen, W., Zeng, S., and Scherer, S., Robust localization and localizability estimation with a rotating laser scanner, Proc. 2017 IEEE International Conference on Robotics and Automation (ICRA), 2017, pp. 6240–6245.

14. Jiang, P., Chen, L., Guo, H., Yu, M., and Xiong, J., Novel indoor positioning algorithm based on LiDAR/inertial measurement unit integrated system, International Journal of Advanced Robotic Systems, 2021, vol. 18, no. 2, https://doi.org.10.1177/1729881421999923.

15. Jiang, L., Cai, B., Jian, W., and Tao, T., Grey theory based odometer scale factor calibration method for integrated navigation system, Proc. 2009 Second International Conference on Intelligent Computation Technology and Automation, 2009, vol. 3, pp. 507–510.

16. Li, L., Sun, H., Yang, S., Ding, X., Wang, J., Jiang, J., Pu, X., Ren, C., Hu, N., and Guo, Y., Online calibration and compensation of total odometer error in an integrated system, Measurement, 2018, vol. 123, pp. 69–79. https://doi.org/10.1016/j.measurement.2018.03.044

17. Wu, Y., Goodall, C., and El-Sheimy, N., Self-calibration for IMU/odometer land navigation: Simulation and test results, Proc. 2010 International Technical Meeting of The Institute of Navigation, 2010, pp. 839–849.

18. Hassan, T., Fath-Allah, T., Elhabiby, M., Awad, A., and El-Tokhey, M., Detection of GNSS no-line of sight signals using LiDAR sensors for intelligent transportation systems. Survey Review, 2022, vol. 54, no. 385, pp. 301–309. https://doi.org/10.1080/00396265.2021.1937458

19. Hassan, T., Fath-Allah, T., Elhabiby, M., Awad, A., and El-Tokhey, M., A real-time algorithm for continuous navigation in intelligent transportation systems using 19 LiDAR-gyroscope-odometer integration, Journal of Applied Geodesy, 2023, vol. 17(1), pp. 65–77. DOI: 10.1515/jag-2022-0022

20. Borges, G.A. and Aldon, M.-J., Line extraction in 2D range images for mobile robotics, Journal of Intelligent and Robotic Systems, 2004, vol. 40, no. 3, pp. 267–297.

21. Soloviev, A., Bates, D., and Van Graas, F., Tight coupling of laser scanner and inertial measurements for a fully autonomous relative navigation solution, Navigation, 2007, vol. 54, no. 3, pp. 189–205. 22. Velodyne LiDAR Inc., VLP-16 User Manual, 63-9243 Rev. E, 2019.