本发明涉及一种高安全高可靠的港口无人重卡融合定位系统，属于自动驾驶领域。
背景技术：
1、内外智驾公司都在不断追求更高水平的自动驾驶系统，从传统车辆到无人驾驶汽车的不断革新，既是自动驾驶系统架构的不断完善，也是定位、感知、决策、控制等子系统的逐渐稳定。
2、在任何场景下，首先，自车都需要知道自己在哪里，之后才可以通过感知、决策、控制等其他系统完成感知运行环境、做出功能决策、执行决策操作等行动。现如今，l4级无人驾驶乘用车已经获批在指定区域内试运营，运营道路内面临的挑战较少。然而，港口无人重卡因其特有的商用价值，导致重卡必须适应指定运营道路内的任意场景。
3、而当前主流的定位系统包括激光雷达、相机、差分定位模块(real-timekinematic，rtk)、惯性测量单元(inertial measurement unit，imu)、轮速计(wheelodometry)等硬件，这些部件输出的传感器参数精度，直接决定了融合定位系统最终定位精度的上限，而这些传感器受运行环境等其他外界因素干扰，会导致最终定位精度的降低。同时，定位系统中融合算法的优劣，会影响最终定位系统的准确性和稳定性。
4、因此，现有的自动驾驶系统，显然无法满足港口无人重卡的要求。
5、有鉴于此，确有必要对现有的自动驾驶系统进行改进，以解决上述问题。
技术实现思路
1、本发明的目的在于提供一种高安全高可靠的港口无人重卡融合定位系统，该系统能在保证定位系统的定位精度的同时，保证自车的安全性，并使之适用于园区道路、大桥道路、隧道等特殊场景。
2、为实现上述目的，本发明提供了一种港口无人重卡融合定位系统，包括：以信息冗余策略对定位系统的组件进行优化、以诊断-隔离-融合策略对定位系统的定位精度进行优化以及设定不同精度等级下的降级策略对未知场景的预防进行优化。
3、作为本发明的进一步改进，所述信息冗余策略包括：在载体的前轴中轴线和后轴中轴线上分别设置传感器，在确保两个传感器的时间戳基准时间相同的情况下，两个所述传感器同时同频率采集六轴加速度信息，建立误差模型并利用标定试验得到标定补偿值，利用所述标定板补偿值对两个传感器采集到的信息误差进行标定补偿。
4、作为本发明的进一步改进，所述诊断-隔离-融合策略包括诊断-隔离策略以及融合策略，所述诊断-隔离策略分为数据层、组件层、系统层，以诊断传感器数据中的各类测量误差和过程噪声，所述融合策略基于卡尔曼滤波器，结合传感器数据估计系统的状态，同时利用最优估计值和噪声协方差矩阵对预测方程实时更新。
5、作为本发明的进一步改进，数据层的诊断-隔离策略包括：将传感器采集到的数据进行零均值检验以及平稳性检验预处理，若零均值检验不通过，则可以利用3σ准则剔除序列中的异常值；若序列平稳性检验不通过，则对序列进行一阶差分处理，以使新序列满足平稳性要求。
6、作为本发明的进一步改进，组件层的诊断-隔离策略包括：将经第一层数据层诊断预处理后的数据传递至数据融合模块，采用allan方差分析方法对随机漂移误差进行辨别，将发生漂移的异常硬件隔离，并采用基于allan方差的自适应卡尔曼滤波对传感器数据进行融合补偿，提高定位系统精度。
7、作为本发明的进一步改进，系统层的诊断-隔离策略包括：将不同定位模块的位姿信息输入到组合定位模块进行数据融合，先通过诊断模块对多个位姿数据进行误差估计、时空一致性判断等，确保在数据融合之前传感器数据无异常；若某种定位模块输入的位姿信息与其余两种定位模块相比偏差超过阈值，隔离模块会将异常位姿信息暂时隔离，并对异常定位模块进行循环监测。
8、作为本发明的进一步改进，在所述融合策略中，联邦卡尔曼滤波器包括多个子滤波器和一个主滤波器，子滤波器通过状态方程和定位模块测量方程进行滤波，并将局部最优估计值估计协方差传递给主滤波器，主滤波器对所有子滤波器输出进行融合，输出全局最优估计值和估计协方差信息，之后用全局滤波输出的最优解来更新子滤波器和主滤波器的滤波值及协方差矩阵。
9、作为本发明的进一步改进，将定位系统中各模块按照不同的异常组件进行组合，以得到多种级别的定位精度，每一种定位精度均对应不同的降级策略。
10、作为本发明的进一步改进，所述降级策略分为四级，以对应定位系统的不同状态，当所述降级策略为第一级时，定位系统处于失效状态；当所述降级策略为第二级时，定位系统只具备局部定位能力；当所述降级策略为第三级时，定位系统的定位精度能满足安全行驶要求；当所述降级策略为第四级时，定位系统无故障。
11、作为本发明的进一步改进，所述冗余策略通过采用互补冗余架构以优化定位系统。
12、本发明的有益效果是：本发明的港口无人重卡融合定位系统通过引进信息冗余策略、诊断-隔离-融合策略以及降级策略对现有的定位系统进行优化，进一步提升了定位系统的定位精度，同时，当面对定位系统异常时，自车也可以通过降级策略来保证安全性，使之更能适用于园区道路、大桥道路、隧道等特殊场景。
1.一种港口无人重卡融合定位系统，其特征在于，包括：以信息冗余策略对定位系统的组件进行优化、以诊断-隔离-融合策略对定位系统的定位精度进行优化以及设定不同精度等级下的降级策略对未知场景的预防进行优化。
2.根据权利要求1所述的港口无人重卡融合定位系统，其特征在于，所述信息冗余策略包括：在载体的前轴中轴线和后轴中轴线上分别设置传感器，在确保两个传感器的时间戳基准时间相同的情况下，两个所述传感器同时同频率采集六轴加速度信息，建立误差模型并利用标定试验得到标定补偿值，利用所述标定板补偿值对两个传感器采集到的信息误差进行标定补偿。
3.根据权利要求2所述的港口无人重卡融合定位系统，其特征在于：所述诊断-隔离-融合策略包括诊断-隔离策略以及融合策略，所述诊断-隔离策略分为数据层、组件层、系统层，以诊断传感器数据中的各类测量误差和过程噪声，所述融合策略基于卡尔曼滤波器，结合传感器数据估计系统的状态，同时利用最优估计值和噪声协方差矩阵对预测方程实时更新。
4.根据权利要求3所述的港口无人重卡融合定位系统，其特征在于，数据层的诊断-隔离策略包括：将传感器采集到的数据进行零均值检验以及平稳性检验预处理，若零均值检验不通过，则可以利用3准则剔除序列中的异常值；若序列平稳性检验不通过，则对序列进行一阶差分处理，以使新序列满足平稳性要求。
5.根据权利要求3所述的港口无人重卡融合定位系统，其特征在于，组件层的诊断-隔离策略包括：将经第一层数据层诊断预处理后的数据传递至数据融合模块，采用allan方差分析方法对随机漂移误差进行辨别，将发生漂移的异常硬件隔离，并采用基于allan方差的自适应卡尔曼滤波对传感器数据进行融合补偿，提高定位系统精度。
6.根据权利要求3所述的港口无人重卡融合定位系统，其特征在于，系统层的诊断-隔离策略包括：将不同定位模块的位姿信息输入到组合定位模块进行数据融合，先通过诊断模块对多个位姿数据进行误差估计、时空一致性判断等，确保在数据融合之前传感器数据无异常；若某种定位模块输入的位姿信息与其余两种定位模块相比偏差超过阈值，隔离模块会将异常位姿信息暂时隔离，并对异常定位模块进行循环监测。
7.根据权利要求3所述的港口无人重卡融合定位系统，其特征在于：在所述融合策略中，联邦卡尔曼滤波器包括多个子滤波器和一个主滤波器，子滤波器通过状态方程和定位模块测量方程进行滤波，并将局部最优估计值估计协方差传递给主滤波器，主滤波器对所有子滤波器输出进行融合，输出全局最优估计值和估计协方差信息，之后用全局滤波输出的最优解来更新子滤波器和主滤波器的滤波值及协方差矩阵。
8.根据权利要求1所述的港口无人重卡融合定位系统，其特征在于：将定位系统中各模块按照不同的异常组件进行组合，以得到多种级别的定位精度，每一种定位精度均对应不同的降级策略。
9.根据权利要求1所述的港口无人重卡融合定位系统，其特征在于：所述降级策略分为四级，以对应定位系统的不同状态，当所述降级策略为第一级时，定位系统处于失效状态；当所述降级策略为第二级时，定位系统只具备局部定位能力；当所述降级策略为第三级时，定位系统的定位精度能满足安全行驶要求；当所述降级策略为第四级时，定位系统无故障。
10.根据权利要求1所述的港口无人重卡融合定位系统，其特征在于：所述冗余策略通过采用互补冗余架构以优化定位系统。
