公开(公告)号：CN115265560A

公开(公告)日：2022-11-01

申请号：CN202210904189.1

申请日：2022-07-28

Applicant: 重庆长安汽车股份有限公司

Inventor： 肖乔木 ,  熊周兵

IPC: G01C21/32 ,  G01C21/20

Abstract: 本发明公开了一种基于视觉SLAM的高精定位方法、系统及存储介质，包括：步骤1.传感器数据预处理；步骤2.在摄像头数据预处理完成后，对数据进行前端里程计处理和回环检测处理；所述视觉里程计处理为估算相邻两个图像间相机运动轨迹，以及确定出局部地图；回环检测处理为将任意两张图做一遍特征匹配，根据特征点的匹配情况来确定两幅图是否存在关联；步骤3.将回环处理后的数据和前端里程计处理后的数据进行后端非线性优化处理，所述后端非线性优化处理为对视觉SLAM中的噪声进行降噪处理；步骤4.构建SLAM高精定位地图。本发明能够在GNSS信号失锁或者雷达感知出现故障时，仍能够为自动驾驶提供有效的高精度定位。

公开(公告)号：CN112666535A

公开(公告)日：2021-04-16

申请号：CN202110036133.4

申请日：2021-01-12

Applicant: 重庆长安汽车股份有限公司

Inventor： 彭祥军 ,  王宽 ,  秦海龙 ,  肖乔木 ,  闫耀威 ,  林鑫余

IPC: G01S7/48

Abstract: 本发明公开一种多雷达数据融合的环境感知方法及系统，包括获取点云信息，点云畸变补偿，坐标系转换，建立栅格地图，目标聚类和筛选，目标可视化。本方法考虑到激光雷达的点云特点，根据距离远近设置了不同的阈值，并结合实际使用的效果确定不同距离阈值的确定，有效解决了目标过分割和欠分割的问题，在其它感知系统失效的简单场景能独立工作。另外本方法还具有个可扩展、实用性强的特点。

公开(公告)号：CN110906923A

公开(公告)日：2020-03-24

申请号：CN201911192614.3

申请日：2019-11-28

Applicant: 重庆长安汽车股份有限公司

Inventor： 肖乔木 ,  刘紫扬 ,  熊周兵 ,  陈卓

IPC: G01C21/00 ,  G01C21/16 ,  G01S17/87

Abstract: 本发明公开了一种车载多传感器紧耦合融合定位方法、系统、存储介质及车辆，包括：步骤1.获取激光雷达、GPS、IMU以及底盘数据，并对激光雷达、IMU、GPS以及底盘数据进行时间同步和空间同步；步骤2.对激光雷达数据和IMU数据进行紧耦合处理，并匹配计算得到车辆位置姿态；步骤3.对车辆底盘数据进行运动学推算，得到车辆位置姿态；步骤4.获取GPS定位数据，并对GPS数据进行UTM转换，得到车辆位置姿态；步骤5.建立卡尔曼状态和观测模型，并进行融合运算，得到车辆的最终定位结果。本发明能够保证自动驾驶汽车在较高速度的运动状态下或者恶劣环境下，依然能够稳定获得精度较高的定位数据。

公开(公告)号：CN110749457A

公开(公告)日：2020-02-04

申请号：CN201911062854.1

申请日：2019-10-31

Applicant: 重庆长安汽车股份有限公司

Inventor： 刘紫扬 ,  熊周兵 ,  肖乔木 ,  陈卓

IPC: G01M17/007 ,  G01S17/931 ,  G01S19/42

Abstract: 本发明公开了一种智能驾驶汽车对路面坑洼拥包预警方法、系统及智能驾驶汽车，包括：步骤1、利用车载激光雷达对车辆前方路况进行实时扫描，以获取路面的点云数据集；利用车辆差分GPS实现车道级定位，利用轮编码器和方向盘转角传感器分别读取轮脉冲信号和偏航角速度信号，并推算出车辆航迹；步骤2、计算出坑洼或拥包的几何中心位置及最大半径；结合车辆位置来预测车辆车轮是否会压过坑洼或拥包，并将坑洼或拥包的几何中心位置转换为全局坐标位置并发送至道路养护系统；步骤3、判断车辆是否处于人类驾驶员接管条件下，如果是，系统发出预警提示，以提示前方有坑洼或拥包；如果车辆处于ACC或IACC辅助驾驶条件下，车辆则进行路径规划，以实现避障功能。

公开(公告)号：CN110906923B

公开(公告)日：2023-03-14

申请号：CN201911192614.3

申请日：2019-11-28

Applicant: 重庆长安汽车股份有限公司

Inventor： 肖乔木 ,  刘紫扬 ,  熊周兵 ,  陈卓

IPC: G01C21/00 ,  G01C21/16 ,  G01S17/87

Abstract: 本发明公开了一种车载多传感器紧耦合融合定位方法、系统、存储介质及车辆，包括：步骤1.获取激光雷达、GPS、IMU以及底盘数据，并对激光雷达、IMU、GPS以及底盘数据进行时间同步和空间同步；步骤2.对激光雷达数据和IMU数据进行紧耦合处理，并匹配计算得到车辆位置姿态；步骤3.对车辆底盘数据进行运动学推算，得到车辆位置姿态；步骤4.获取GPS定位数据，并对GPS数据进行UTM转换，得到车辆位置姿态；步骤5.建立卡尔曼状态和观测模型，并进行融合运算，得到车辆的最终定位结果。本发明能够保证自动驾驶汽车在较高速度的运动状态下或者恶劣环境下，依然能够稳定获得精度较高的定位数据。