【技术实现步骤摘要】
基于多传感器融合的智能网联汽车复合定位方法及装置
[0001]本专利技术属于智能驾驶/智能网联汽车
,面向V2X(Vehicle to Everything)通信环境的城市交叉口,具体涉及一种基于多传感器数据融合的智能网联汽车(Intelligent Connected Vehicle,ICV)复合定位方法与装置。
技术介绍
[0002]当前人们的日常生活与前沿的军事领域对位置服务的依赖日益增强,高精度的定位数据为出行导航、抗震救灾以及国防建设等技术提供基础。从国内外智能交通系统的发展概况可知,定位服务不再仅仅服务于人类驾驶员,而是逐步向智能网联汽车领域延伸。目前,在开阔且没有信号干扰的场地针对智能网联汽车的复合定位方法主要基于全球导航卫星系统(Global Navigation Satellite System,GNSS)实现。该类方法需要在车身安装GNSS接收机,用于获取卫星星历,包括位置信息以及时间信息。车身安装的GNSS接收机基于位置信息计算其到卫星间的距离,同时结合时间信息计算信号传输的时间误差,能够实现米级的车辆定位。
[0003]智慧城市建设与规划推动了城市的网联化发展,对车辆定位方法的通用性与精度提出了更高的要求。增加精确位置已知的基础设施修正星历间的公共误差可以有效提高车辆定位的精度,因此,结合第四代移动通信技术的差分定位成为主流方案。差分定位在原有GNSS基础之上增加了差分基准站与差分解算模块,差分基准站与车载GNSS接收机同时接收星历信息,抵消星历间的公共误差,目前主流的差分定位方 ...
【技术保护点】
【技术特征摘要】
1.一种基于多传感器融合的智能网联汽车复合定位方法,其特征在于,该方法包括如下步骤:步骤1:智能网联汽车状态定义激光雷达与摄像机分别为单个局部滤波器,定义每个局部滤波器定位智能网联汽车的状态如下:X(t)=[δx,δy,δv
x
,δv
y
]
T
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(1)其中,δx,δy为智能网联汽车横纵向位置偏差;δv
x
,δv
y
为智能网联汽车横纵向速度偏差,其标准状态方程如下:其中,f(
·
)是具有离散形式的非线性状态转移函数;w(k)为零均值高斯白噪声,假设其协方差为Q(k);B(t)u(t)为局部滤波器的控制输入,为获取智能网联汽车的位置与速度的观测值,构建激光雷达与摄像机的量测模型,如下:其中,Z
C
(k)表示摄像机的量测模式,Z
L
(k)表示激光雷达的量测模式;x
m
、y
m
、v
xm
与v
ym
分别表示由高精地图获取的智能网联汽车位置与速度数据;x
Camera
、y
Camera
、v
xCamera
与v
yCamera
分别表示由摄像机获取的智能网联汽车位置与速度数据;x
Lidar
、y
Lidar
、v
xLidar
与v
yLidar
分别表示由激光雷达获取的智能网联汽车位置与速度数据;步骤2:基于无迹卡尔曼滤波的智能网联汽车定位数据融合初始化激光雷达与摄像机代表的局部滤波器X
s
,如公式(4)所示。其中,表示局部滤波器X
s
的初始均值;P
s
(0)表示局部滤波器X
s
的初始方差;分别获取激光雷达与摄像机定位智能网联汽车的结果作为观测值,通过无迹变换得到k
‑
1时刻2n+1个σ点的状态,如公式(5)所示。定义无迹变换采用的参数如公式(6)所示。1时刻2n+1个σ点的状态,如公式(5)所示。定义无迹变换采用的参数如公式(6)所示。其中,分别表示第0个和第s个σ点的状态;α是正极小量;是通过矩阵P
s
(k
‑
1)的下三角分解获得的平方根的第j列,其向量维数为n。
在k时刻计算下一步复合定位方法的预测结果,如公式(7)所示。通过复合定位方法预测的结果更新激光雷达与摄像机传感器的量测结果,如公式(8)所示。更新方程中权重值定义如公式(9)所示。定义如公式(9)所示。其中,H
s
(k)表示测量矩阵;表示局部滤波器X
s
第k次观测的中间变量;表示局部滤波器X
s
第k次观测结果;表示局部滤波器X
s
第k次观测结果的协方差;R
s
(k)表示系统噪声;最后计算各局部滤波器的最优状态估计和协方差矩阵并将每个局部滤波器的结果输入至补偿融合层,如公式(10)所示。其中,K
s
(k)表示卡尔曼滤波增益;步骤3:智能网联汽车定位数据融合补偿智能网联汽车安装的GNSS接收机实时获取经纬度数据,并分别计算激光雷达、摄像机传感器与接收机的相对定位误差平均值,将高精度地图下智能网联汽车的位置数据P
m
=[x
m
,y
m
,v
xm
,v
ym
]作为局部滤波器的参考,分别与激光雷达与摄像机的观测结果做差,获取路侧定位平台中单传感器定位智能网联汽车的偏差量,如公式(11)所示。
其中,ΔY=[Δx,Δy,Δv
x
,Δv
y
]
T
为激光雷达与摄像机分别定位车辆坐标的状态误差补偿值;分别为激光雷达与摄像机复合定位智能网联汽车的结果;为智能网联汽车的经纬度数据;采用均值理论处理所有局部滤波器的结果,如公式(12)所示。其中,与表示第1个与第2个滤波器结果,在此分别表示激光雷达与摄像机对智能网联汽车的量测结果;表示补偿前智能网联汽车的位置与速度状态,补偿方法如公式(13)、(14)所示。Y
*Sensors
=[x
*
,y
*
,v
*x
,v
*y
]
T
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(13)其中,Y
*Sensors
表示补偿后智能网联汽车状态;x
*
,y
*
,v
*x
,v
*y
表示补偿后的智能网联汽车期望横纵向位置与速度;步骤4:结合路侧定位平台经纬度数据的智能网联汽车定位联合优化将补偿后的传感器定位数据与路侧定位平台的经纬度数据相结合,通过UKF进行异构优化。联合优化层中智能网联汽车状态向量X'(t)与离...
【专利技术属性】
技术研发人员:王庞伟,刘程,俞宏胜,张名芳,叶荣盛,
申请(专利权)人:北方工业大学,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。