多传感器融合定位:时间问题简述及测量时延和时序问题的解决方案

时间戳和采集时间之间的差距:

主要是摄像头会有这个情况,imu其实采集时间可以认为就是时间戳

最佳状态:数据被采集的那一刻被打上时间戳

可接受:数据采集和被打时间戳之间有固定时延

困难:变化的时延


时间同步


最佳:硬件同步

可接受:不同的传感器有相同的时钟(例如,在系统时钟下运行),但是不同传感器采集频率不同

困难:不同传感器有不同的时钟


时间校准

1)首先保证时钟源是一致的

因为时钟源都有钟漂,而且每个时钟源钟漂不同,所以即使把各个传感器时间戳在初始时刻对齐,运行一段时间之后,之前对齐的结果就会偏离。解决这个问题的办法就是在硬件上把时钟源统一,常见的做法是做一个脉冲发生器,所有传感器都被这个脉冲触发,每次触发都校正一次自己的时钟,这样就可以消除时钟源的累计误差。

自动驾驶的传感器配置里,GNSS是一个必备的传感器,它自带秒脉冲发生器,所以可以直接使用。而且GNSS信号能够达到定位要求时,自身时钟也会受到卫星上原子钟的校正,从而进一步提高精度。大家可能对GNSS的定位功能比较熟悉,其实它的授时功能是和定位同等重要的功能,现在很多系统里都已经改变说法,不再把这类东西只称作定位系统,而是称作定位授时系统。感兴趣的可以自行去搜一些资料看看。

2)获取同一时刻的信息

在解决硬件同步以后,我们只能保证 时间差没有累计漂移了,但是各个传感器的采集时刻并不是相同的。比如,在kitti数据集了,雷达和IMU都是10HZ,也就是100ms的周期,但是雷达每次采集的时间要比IMU慢个几十毫秒,当我们想获得在雷达采集时刻的车体角速度和加速度信息时,就要根据雷达前后时刻的IMU信息,通过插值计算出一个等效值(匀速模型),这就是获取同一时刻信息的含义。由于kitti已经做好了第一步,所以我们本次的工作就是围绕第二步来做的


考虑延迟和无序测量的滤波器处理:

延迟和无序是指,带有t1时刻时间戳的数据,在t2时刻才被我们系统接收,但时间戳本身没有任何问题

(而标定中,我们对时间的标定,实际是要解决这个时间戳和真正的采集时间不一样的问题)


由于传输和计算延迟,必须考虑到测量延迟和无序。

解决的办法是,我们按照时间顺序维护两个滤波器和一个固定长度的缓冲区(缓冲区里存放是滤波器状态、滤波器测量值和IMU数据)。

滤波器-1:计算出实时PVA(位置 速度和方向)及其协方差通过执行时间更新并在接收到新的IMU数据时即时整合IMU数据

滤波器-2对延迟测量进行处理

0)当接收到t1处的新测量数据时,我们执行以下操作。

1)从缓冲器中获取t1处的滤波状态。更新滤波器-2中的滤波状态

2)在滤波器-2中执行t1处的测量更新

3)利用缓冲区中的IMU数据在filter-2中执行时间更新,直到到达当前时间(tnow)。或者我们在t2处停止(如果在缓冲区的t2处发现了另一个测量,其中t2比t1晚。这样t1和t2处的测量数据就会以错误的顺序接收)

4)如果t2处有另一个测量,在t2处执行测量更新。然后重复步骤3,发现更多的测量结果接收顺序错误。

5)当我们完成时间更新,到达当前时间时,过滤器的状态在缓冲区中,过滤器-1的状态根据新的结果从t1开始更新到当前时间。

ta、tb和tc分别代表IMU时间序列、测量发生时间序列和测量接收时间序列。矩形和星号代表两个接收顺序不对的测量数据。

注意 这里的测量,指lidar的数据或gnss的数据(或者其他传感器),也就是图里面的矩形和星号。

现在我们来尝试进行这个过程:

滤波器1实时的根据新来的imu测量对其状态和协方差进行更新。

时间来到t1时,lidar得到了数据,这个数据被打上了t1的时间戳,但并不是在t1就被融合系统接收到,而是在之后的时刻t3被接受

时间来到t2,gnss得到了数据,这个数据被打上了t2的时间戳,但并不是在t2就被融合系统接收到,而是在之后的时刻t4被接受

其中t4反而比t3更前。


现在开始:

刚才的0)当接收到t1处的新测量数据时

什么叫接受到t1处的新测量数据呢?实际上 我们是在t3时刻接收到这个数据,我们发现这个数据的时间戳是t1,这叫“接收到t1时刻的新测量数据”,此时当前时刻为t3

1)从缓冲器中获取t1处的滤波状态。更新滤波器-2中的滤波状态。

现在时刻是t3,但我们接收到了t1时刻的数据,所以我们从缓冲器里拿一下之前t1时候的滤波器状态,把这个状态给滤波器2

2)在滤波器-2中执行t1处的测量更新。

用刚才提取到的t1时刻的滤波器状态,在其基础上使用新拿来的测量,对滤波器状态进行更新

3)利用缓冲区中的IMU数据在filter-2中执行时间更新,直到到达当前时间(tnow)。

用刚才更新后的滤波器状态,从缓冲区里拿一下t1之后的那些imu数据,进行imu数据的更新(实际上应该叫预测),直至一步步的到达当前时间t3,如果一路顺利,那就成功,但现在,在一路预测上我们发现,当预测到t2时,这里还有一个传感器的测量。这意味着,我们发现了一对测量数据被以错误的顺序接收,所以我们不要直接预测到当前时间t3,而是预测到t2时刻就停止

4)如果t2处有另一个测量,在t2处执行测量更新。然后重复步骤3,发现更多的测量结果接收顺序错误。

t2这里有一个测量,所以我们用刚才滤波器预测到t2时刻的状态,在其基础上用t2时刻的测量对滤波器状态进行更新,然后重复步骤三

5)当我们完成时间更新,到达当前时间时,过滤器的状态在缓冲区中,过滤器-1的状态根据新的结果从t1开始更新到当前时间。

我们结束了这个循环,现在,滤波器2也更新到当前时间t3了,我们将这个状态存在缓存区里,并且把滤波器1从t1到t3的状态都更新一遍

最终,滤波器1始终是实时的更新着,每当我们收到了一个测量(比如t3时刻),我们就用滤波器2(我更愿意称其为「暂存滤波器」)来进行测量的更新,从而就可以解决传感器接受的时延甚至是无序问题

©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 221,635评论 6 515
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 94,543评论 3 399
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 168,083评论 0 360
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 59,640评论 1 296
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 68,640评论 6 397
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 52,262评论 1 308
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 40,833评论 3 421
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 39,736评论 0 276
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 46,280评论 1 319
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 38,369评论 3 340
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 40,503评论 1 352
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 36,185评论 5 350
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 41,870评论 3 333
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 32,340评论 0 24
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 33,460评论 1 272
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 48,909评论 3 376
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 45,512评论 2 359

推荐阅读更多精彩内容