基于滑动窗因子图优化的多源导航信息融合

自动驾驶作为未来汽车产业的演进方向,其核心技术自主导航具有至关重要的地位。基于多传感器数据融合,采用滑动窗因子图优化对自主导航技术展开研究。前端通过融合惯性测量单元(Inertia Measurement Unit,IMU)与激光雷达(Light Detection and Ranging,LIDAR),输出车辆位姿以及局部点云地图,算法后端在IMU预积分和LIDAR里程计约束的基础上添加全球导航卫星系统(Global Navigation Satellite System,GNSS)因子与回环检测因子,使用滑动窗因子图优化算法进行多源导航信息融合,有效地对前端的累积误差进行修正,提升了算法精度及鲁棒性。跑车实验结果表明,当导航系统遭遇传感器故障时,运用滑动窗因子图理论构建的多源导航信息融合算法稳定,基本不受传感器故障影响,显著增强了导航系统可扩展能力。