处在计数模式时，屏幕会显示计数值和累计计数值，处在时间模式时，屏幕会显示等待时间值和累计时间倒数值。如果测定的值大于阈值时，立刻进入报警程序，否则继续往下执行，判断是否完成测量，若判定为真，则结束测量，若判定为假，则循环执行测量程序，程序返回到按键检测语句。每次测量前都会检测1s内的计数个数，自动选择模式。计数模式是利用传统的gm计数器计数法，设定为测量1s内的计数值，因为系统默认会开启计数功能，所以在进入计数模式子程序时，高压一直稳定地加载在盖格计数器阳极上，因此，第一步要确认关闭外部中断0，然后打开定时器1开启1s定时，同时再打开外部中断0，这样做的目的是防止打开定时器0以前，外部中断持续执行造成计数偏多。接着程序判断1s定时是否到达，若判定为假，程序停留在此处等待再判断，直到达到1s为止；若判定为真，关闭定时器1，关闭外部中断0，记录1s内计数值并显示在屏幕上。时间模式是利用time-to-count方法，设定为测量开启高压后第一个脉冲到达的时间值。系统进入时间模式以后，由于在自动判定选择模式时，外部中断0被关闭了，所以在打开定时器2之后需要再次打开外部中断。当第一个脉冲信号触发外部中断时，立刻关闭定时器2和高压，读取定时器2的值。处于时间模式时，表明辐照场的辐射强度较大，此时盖格计数器的死时间会给测量结果带来严重影响，因此，在时间模式子程序中，延时5ms规避分辨时间后再开启高压。本实施例的其他部分与上述实施例1相同，故不再赘述。以上所述，仅是本发明的较佳实施例，并非对本发明做任何形式上的限制，凡是依据本发明的技术实质对以上实施例所作的任何简单修改、等同变化，均落入本发明的保护范围之内。当前第1页12

无人驾驶汽车是一种智能汽车，通过车载传感系统感知道路环境并自行规划行驶路线抵达预设目的地。无人驾驶汽车整体一共分为三大模块，分别为感知模块、决策模块以及控制模块。在感知模块中，无人车对其自身的定位具有十分重要的作用，对于车辆后续行为具有极其重要的作用。随着人工智能的发展，无人车技术得到了极大的提升，但是受到目前的法律限制以及技术壁垒的限制，无人车商用化在短时间内是无法实现的。然而对于低速车，自动驾驶有很多的应用场景。

在现有技术下，当无人车在利用激光雷达slam定位过程中因为外界干扰(如临时大型车辆前方长期遮挡雷达视线)而发生点云匹配失败的问题，激光雷达slam定位算法需要将当前激光雷达扫描到的局部点云数据与事先已经获得的全局地图点云数据进行重新搜索匹配，由于点云数量巨大，重新全部搜索时间开销会很大，从而造成无人车原定停止。

基本内容：本发明提供一种低速无人车园区内组合导航方法及系统,其中方法包括使用雷达slam模块生成路径信息1,还包括以下步骤：进行联合地图采集,生成路径地图；使用rtk导航模块生成路径信息2；融合模块接受所述路径信息1和路径信息2,加权融合后生成目标轨迹。本发明将移动站定位天线改为前天线,同时将雷达坐标原点平移到导航前天线位置,保证了采集地图轨迹的一致性；其次联合采集地图,地图中同一个路点既包括雷达slam定位坐标也包括rtk-导航经纬度坐标；然后雷达slam模块与rtk-导航模块加载同一个地图进行一次路径规划,所得路径点均以车辆坐标系为原点；Zui后通过融合模块处理两个定位模块的局部路径,Zui终生成无人车的目标路径。

与本专利的差异点：

上述专利与本专利的差异点主要体现在以下两点，

目的

美国ASCO阿斯卡电磁阀型号大全

WT8551AOO1MMS DC24V

HB8316D15VMB

H78344G44

EFL8316G304

8210G56

S100

8320G174

HT8320G186

PA11B

19000006

8342G703

SCG353A047

430-04155

8344G072

8210G037

MP-C-080 272610-058-D AC220V

G551A002MS

EF8320GOO3MS

8320G192

8320G184MS

SCG551A001MS 230/50-60, VALVE

WSEMET B320A202

EFG551H417 24VDC

8320G174

WBIS8314A300CSA

EF8344G370

上述专利的目标是利用rtk-导航与slam导航模块融合生成无人车的目标路径，本专利的目标是将gps传感器与激光雷达传感器融合解决无人车激光雷达slam算法点云失配时无人车的快速重新匹配定位问题，实现无人车在slam过程中具有持续定位能力。

技术路线

上述专利在采集地图的过程中，需要使用gps-rtk来获取无人车在全局地图的jingque位置信息，并没有考虑到在gps信号较差的路段如何解决jingque定位的问题，也没有考虑在激光雷达slam失配的情况下快速重新匹配的问题。本专利考虑了园区内任意环境下的gps的信号状态，并且解决了在gps信号较差的路段配合激光雷达实现快速jingque定位问题。

基本内容：此专利是一种结合gps和雷达里程计的slam方法，包括如下步骤：1)采集差分gps数据和来自激光雷达的点云数据；2)处理gps数据获得位移(x,y,z)和姿态rpy角；3)匹配gps数据和lidar的点云数据，通过时间戳对齐的方式实现数据匹配；4)结合步骤2)处理gps得到的位姿数据和lidar的点云数据检验gps数据的可靠性；5)使用雷达里程计算法loam获取(x,y,z)和rpy角；6)在gps数据可靠的地方，使用gps获取的位姿作为Zui终的位姿；在gps数据不可靠的路段，利用该路段起点和终点的gps位姿优化loam算法的位姿来获取Zui终的位姿；7)使用步骤6)输出的位姿转换激光雷达的点云数据到世界坐标系下，获取Zui终的全局地图。本发明适用于大范围城市三维地图的构建。

与本发明的差异点：

本发明与上述专利的不同之处主要有两个方面，

目的

上述专利注重于利用gps与loam算法的融合实现无人车全局一致性地图的生成。本发明的主要目标是利用gps、激光雷达多传感器融合解决无人车在园区内激光雷达的快速jingque定位的问题，使无人车可以在园区内实现slam持续jingque定位。

技术层面不同

上述专利主要步骤是：上述专利在生成全局一致性地图的过程中，根据gps的信号状态来选择此路段的Zui终位姿是选择gps的位姿还是采用loam算法的位姿作为Zui终位姿，并没有考虑到gps信号状态较差且loam算法点云失配时的情况。

本发明考虑了gps信号以及激光雷达点云匹配的全部状态，当无人车在slam定位过程中发生点云失配的情况时，即使在gps信号较差的路段，也可以利用gps与激光雷达的融合位姿信息对slam定位的匹配算法ndt(normaldistributionstransform)提供补偿，缩小ndt点云匹配算法的点云搜索范围，从而解决slam导航过程中匹配丢失无法再匹配的问题。

基本内容：本发明公开了一种基于sins/gps和里程计辅助的视觉slam方法,包括如下步骤：当全球卫星定位系统信号可用时,将gps与捷联惯性导航系统输出信息进行数据融合,得到姿态、速度、位置等信息；当gps信号不可用时,将里程计与sins输出信息进行数据融合,得到姿态、速度、位置等信息；利用双目摄像机拍摄得到环境图片,对其进行特征提取和特征匹配；利用上述得到的先验姿态、速度、位置信息和环境特征实现定位与地图构建,完成视觉slam算法。本发明利用sins、gps和里程计辅助视觉slam,能够实现室外和室内两种环境下的定位与地图构建,应用范围广泛,且能够提高定位的精度和鲁棒性。

上述专利注重于利用传感器融合数据实现室外和室内两种环境下的定位与地图构建。本发明的主要目标是利用gps传感器与激光雷达多传感器融合实现无人车激光雷达slam快速重新匹配定位，使无人车在园区的全场景内实现激光雷达slam的持续jingque定位。