CN102778237A - 一种车辆导航中的地图自学习系统 - Google Patents

Abstract

本发明提供了一种车辆导航中的地图自学习系统，运用曲线拟合和预测算法实现了车辆导航系统中电子导航地图的自学习功能，从而提高了车辆的定位精度，完善了电子导航地图。

Description

一种车辆导航中的地图自学习系统

技术领域

本发明涉及车辆导航，更具体地讲，涉及一种车辆导航中的地图自学习系统。 

背景技术

随着经济水平的提高，人们自行驶车辆出行的机会越来越多。但因对道路不熟悉，走弯路、走错路的情时常发生。现代电子技术的发展在汽车领域的大量应用，特别是汽车导航系统的推出，在很大程度上避了这种情况。驾驶员只要将目的地入导航系统，系统就会根据电子地自动计算出最合适的路线。在车辆驶中，驾驶员根本不用考虑该走哪路线，就能轻松快捷地到达目的地。 

电子导航地图是车辆导航系统的核心。它的数据交换文件包含道路网络即节点要素和路段要素等信息。车辆运行中需实时地根据车辆的位置、速度、方向等信息，结合车辆行驶的道路及电子导航地图的信息，实现车辆轨道与地图的最佳吻合，从而实现车辆的定位及显示。但由于道路网的不断发展扩大(以高速公路的飞速发展为例，1996年底，高速公路通车里程为3422km，到1998年底，高速公路总里程已达到6258km)，有可能出现使用中的电子导航地图与现有的道路网不完全一致及缺少某些新路信息的情况，使司机感到新路指示不清晰，而且也影响了结合道路信息进行车辆的定位。 

发明内容

本发明的目的在于提供一种车辆导航中的地图自学习系统，运用曲线拟合和预测算法实现了车辆导航系统中电子导航地图的自学习功能，从而提高了车辆的定位精度，完善了电子导航地图。 

为了解决上述技术问题，本发明提供一种地图自学习系统，包括如下内容： 

S1:坐标转换； 

S2:采用找最小距离点的方法对车载系统定位； 

S3:采用最小二乘拟合算法进行新路判断与标识； 

S4:GPS卫星因城市高楼、林荫道、涵洞等遮挡不能正常工作时，采用可以反映车辆机动运动和惯性运动的两点线性预测的方法对车辆定位。 

进一步，坐标转换步骤包括： 

S101：将基准点和方位点的WGS-84坐标投影到平面上，亦即将 (B₀，L₀)、(B_A，L_A)分别计算成(X₀，Y₀)、(X_A，Y_A) 

S102：利用静态测量方法求出基准点和方位点的基线矢量，即求出该基线在WGS-84坐标中的各种参数： 

坐标增量 $\left(\begin{array}{c}\mathrm{\ΔX}\\ \mathrm{\ΔY}\end{array}\right)=\left(\begin{array}{c}{X}_A\\ Y_A\end{array}\right)-\left(\begin{array}{c}{X}_0\\ Y_0\end{array}\right);$ 方位角 ${\mathrm{\α}}_{84}=\arctan {\left(\frac{\mathrm{\ΔY}}{\mathrm{\ΔX}}\right)}_{84};$ 边长 $s_{84}=\sqrt{{\left(\mathrm{\ΔX}\right)}^2+{\left(\mathrm{\ΔY}\right)}^2}$

S103：利用基准点和方位点的已知当地坐标求出该基线在当地坐标系的各种参数： 

坐标增量 

方位角 ${\mathrm{\α}}_l=\arctan {\left(\frac{\mathrm{\Δy}}{\mathrm{\Δx}}\right)}_l;$ 边长 $s_l={\left(\mathrm{\Δx}\right)}^2+{\left(\mathrm{\Δy}\right)}^2$

S104：由前式可以求出由WGS-84坐标系转换到当地坐标系的平移参数、旋转角和尺度因子 

平移参数 

旋转角0＝α₈₄-α₁；尺度因子 

S105：将测量点WGS-84坐标投影到平面上，即将(B_i，L_i)分别计算成(X_i，Y_i)； 

S106：求出测量点相对于基准点在WGS-84平面上的坐标增量 

${\left(\begin{array}{c}\mathrm{\Δ}{X}_i\\ \mathrm{\Δ}{Y}_i\end{array}\right)}_{84}=\left(\begin{array}{c}{X}_i\\ Y_i\end{array}\right)-\left(\begin{array}{c}{X}_0\\ Y_0\end{array}\right);$

S107:将上式计算的坐标增量转换到当地坐标系的坐标增量 

$\left(\begin{array}{c}\mathrm{\Δ}{X}_i\\ \mathrm{\Δ}{Y}_i\end{array}\right)=(1+m)\left(\begin{array}{cc}\cos \mathrm{\θ}& \sin \mathrm{\θ}\\ -\sin \mathrm{\θ}& \cos \mathrm{\θ}\end{array}\right){\left(\begin{array}{c}\mathrm{\Δ}{X}_i\\ \mathrm{\Δ}{Y}_i\end{array}\right)}_{84};$

S108:最后求出测量点在当地坐标系中的坐标 

$\left(\begin{array}{c}{X}_i\\ Y_i\end{array}\right)={\left(\begin{array}{c}{X}_0\\ Y_0\end{array}\right)}_{84}+{\left(\begin{array}{c}\mathrm{\Δ}{x}_i\\ \mathrm{\Δ}{y}_i\end{array}\right)}_l-\left(\begin{array}{c}{D}_x\\ D_y\end{array}\right)=\left(\begin{array}{c}{x}_0\\ y_0\end{array}\right)+{\left(\begin{array}{c}\mathrm{\Δ}{x}_i\\ \mathrm{\Δ}{y}_i\end{array}\right)}_l.$

附图说明

图1是本发明提供的一种地图自学习系统主程序流程框图； 

图2是实验结果。 

其中，(a)是启动地图自学习系统前汽车的运动轨迹；(b)是启动地图自学习系统后汽车的运动轨迹；(c)是自学习后的地图。 

具体实施方式

图1是本发明提供的一种地图自学习系统主程序流程框图。电子导航地图自学习系统具有实现车载系统定位、新路判断、地图数据文件修改及地图完善的功 能。具体方案为： 

(1)采用找最小距离点的方法对车载系统定位； 

(2)采用最小二乘拟合算法进行新路判断与标识； 

(3)GPS卫星因城市高楼、林荫道、涵洞等遮挡不能正常工作时，采用可以反映车辆机动运动和惯性运动的两点线性预测的方法对车辆定位。该系统的主程序流程框图如图1所示。 

图2是实验结果。运用文中所论述的数学模型开发的地图自学习系统安装于车载系统后，在一些道路上进行了运行实验，实验结果如图2所示。这说明本文所述的地图自学习系统既能为行驶中的车辆提供实时连续定位，又可靠地实现了对现有导航地图的完善，有很强的实用性。 

表1为基准点0和方位点A的坐标。GPS在定位中所提供的是WGS-84坐标，而工程应用中采用的是当地坐标，这就需要进行坐标转换，将WGS-84坐标转换成当地坐标。本文采用了一种基准点坐标系，即采用基准点作为坐标原点和一已知点作为方位点，求出各个测量点的当地坐标。各符号的意义见表1。 

表1是基准点0和方位点A的坐标 

Claims (6)

1.一种车辆导航中的地图自学习系统，其特征在于包括：

系统定位：采用找最小距离点的方法对车载系统定位；

新路判断与标识：采用最小二乘拟合算法进行新路判断与标识；

GPS失效时：GPS卫星因城市高楼、林荫道、涵洞等遮挡不能正常工作时，采用可以反映车辆机动运动和惯性运动的两点线性预测的方法对车辆定位；

坐标转换：采用了一种基准点坐标系，即采用基准点作为坐标原点和一已知点作为方位点，求出各个测量点的当地坐标；

新路的拟合算法：采用最小二乘法来拟合出新路。

2.根据权利要求1所述的车辆导航中的地图自学习系统，其特征在于所述的自学习系统的控制方法如下：

1)采用找最小距离点的方法对车载系统定位；

2)采用最小二乘拟合算法进行新路判断与标识；

3)GPS卫星因城市高楼、林荫道、涵洞等遮挡不能正常工作时，采用可以反映车辆机动运动和惯性运动的两点线性预测的方法对车辆定位。

3.根据权利要求1所述的车辆导航中的地图自学习系统，其特征在于所述的坐标转换的具体步骤如下：

1)将基准点和方位点的WGS-84坐标投影到平面上，亦即将(B₀，L₀)、(B_A，L_A )分别计算成(X₀，Y₀)、(X_A，Y_A)；

2)利用静态测量方法求出基准点和方位点的基线矢量，即求出该基线在WGS-84坐标中的各种参数：

坐标增量 $\left(\begin{array}{c}\mathrm{\ΔX}\\ \mathrm{\ΔY}\end{array}\right)=\left(\begin{array}{c}{X}_A\\ Y_A\end{array}\right)-\left(\begin{array}{c}{X}_0\\ Y_0\end{array}\right);$ 方位角 ${\mathrm{\α}}_{84}=\arctan {\left(\frac{\mathrm{\ΔY}}{\mathrm{\ΔX}}\right)}_{84};$ 边长 $s_{84}=\sqrt{{\left(\mathrm{\ΔX}\right)}^2+{\left(\mathrm{\ΔY}\right)}^2};$

3)利用基准点和方位点的已知当地坐标求出该基线在当地坐标系的各种参数：

坐标增量

方位角 ${\mathrm{\α}}_l=\arctan {\left(\frac{\mathrm{\Δy}}{\mathrm{\Δx}}\right)}_l;$ 边长 $s_l=\sqrt{{\left(\mathrm{\Δx}\right)}^2+{\left(\mathrm{\Δy}\right)}^2}$ ；

4)求出由WGS-84坐标系转换到当地坐标系的平移参数、旋转角和尺度因子：

平移参数

旋转角0＝α₈₄-α₁；尺度因子

；

将测量点WGS-84坐标投影到平面上，即将(B_i，L_i)分别计算成(X_i，Y_i)；

5)求出测量点相对于基准点在WGS-84平面上的坐标增量

${\left(\begin{array}{c}\mathrm{\Δ}{X}_i\\ \mathrm{\Δ}{Y}_i\end{array}\right)}_{84}=\left(\begin{array}{c}{X}_i\\ Y_i\end{array}\right)-\left(\begin{array}{c}{X}_0\\ Y_0\end{array}\right);$

6)将上式计算的坐标增量转换到当地坐标系的坐标增量

$\left(\begin{array}{c}\mathrm{\Δ}{X}_i\\ \mathrm{\Δ}{Y}_i\end{array}\right)=(1+m)\left(\begin{array}{cc}\cos \mathrm{\θ}& \sin \mathrm{\θ}\\ -\sin \mathrm{\θ}& \cos \mathrm{\θ}\end{array}\right){\left(\begin{array}{c}\mathrm{\Δ}{X}_i\\ \mathrm{\Δ}{Y}_i\end{array}\right)}_{84};$

7)最后求出测量点在当地坐标系中的坐标

$\left(\begin{array}{c}{X}_i\\ Y_i\end{array}\right)={\left(\begin{array}{c}{X}_0\\ Y_0\end{array}\right)}_{84}+{\left(\begin{array}{c}\mathrm{\Δ}{x}_i\\ \mathrm{\Δ}{y}_i\end{array}\right)}_l-\left(\begin{array}{c}{D}_x\\ D_y\end{array}\right)=\left(\begin{array}{c}{x}_0\\ y_0\end{array}\right)+{\left(\begin{array}{c}\mathrm{\Δ}{x}_i\\ \mathrm{\Δ}{y}_i\end{array}\right)}_l.$

4.根据权利要求1所述的车辆导航中的地图自学习系统，其特征在于所述的最小距离点定位方法如下：

计算机接收GPS经纬度信息，P为接收到的点，a与P点的距离小于地图上任何其它点到P点的距离；找到这一最小距离后，判断这一间距Dmin是否小于定位误差Em，如果Dmin>Em，认为接收误差较大，给予修正或去除；若Dmin<Em，认为汽车在a点行驶；若接收点连续出现m个不在原行驶道路上的趋势，且地图数据文件中没有这些点的信息，那么则认为汽车行驶在新路上。

5.根据权利要求1所述的车辆导航中的地图自学习系统，其特征在于所述的新路的拟合算法如下：

设(x₁，y₁)，(x₂，y₂)，…，(x_m，y_m)是m个离散点，由它们拟合的曲线为y＝a₀+a₁x+a₂x²+…+a_nxⁿ；

式中系数a₀，a₁，…，a_n由以下的法方程组求得

$\left[\begin{array}{cccc}m& \underset{i=1}{\overset{m}{\mathrm{\&Sigma;}}}{x}_i& \&CenterDot;\&CenterDot;\&CenterDot;& \underset{i=1}{\overset{m}{\mathrm{\&Sigma;}}}{x}_i^n\\ \underset{i=1}{\overset{m}{\mathrm{\&Sigma;}}}{x}_i& \underset{i=1}{\overset{m}{\mathrm{\&Sigma;}}}{x}_i^2& \&CenterDot;\&CenterDot;\&CenterDot;& \underset{i=1}{\overset{m}{\mathrm{\&Sigma;}}}{x}_i^{n+1}\\ \&CenterDot;& \&CenterDot;& \&CenterDot;& \&CenterDot;\\ \&CenterDot;& \&CenterDot;& \&CenterDot;& \&CenterDot;\\ \&CenterDot;& \&CenterDot;& \&CenterDot;& \&CenterDot;\\ \underset{i=1}{\overset{m}{\mathrm{\&Sigma;}}}{x}_i^n& \underset{i=1}{\overset{m}{\mathrm{\&Sigma;}}}{x}_i^{n+1}& \&CenterDot;\&CenterDot;\&CenterDot;& \underset{i=1}{\overset{m}{\mathrm{\&Sigma;}}}{x}_i^{2n}\end{array}\right]\left[\begin{array}{c}{\mathrm{\&alpha;}}_0\\ {\mathrm{\&alpha;}}_1\\ \&CenterDot;\\ \&CenterDot;\\ \&CenterDot;\\ {\mathrm{\&alpha;}}_n\end{array}\right]=\left[\begin{array}{c}\underset{i=1}{\overset{m}{\mathrm{\&Sigma;}}}{y}_i\\ \underset{i=1}{\overset{m}{\mathrm{\&Sigma;}}}{y}_i{x}_i\\ \&CenterDot;\\ \&CenterDot;\\ \&CenterDot;\\ \underset{i=1}{\overset{m}{\mathrm{\&Sigma;}}}{y}_i{x}_i^n\end{array}\right];$

考虑到道路在短距离内一般为直线以及车辆运行的连续性，在判断GPS接收的方向信息基本不变的情况下，可将n次多项式取为1次，做线性拟合，从而得到新路的信息，并保存起来，用来对地图进行完善。

6.根据权利要求1所述的车辆导航中的地图自学习系统，其特征在于所述的两点线性预测算法如下：

当GPS卫星因城市中高楼、林荫道、涵洞等遮挡不能正常工作时，采用可以反映车辆机动运动及惯性运动的两点线性预测的方法对车辆定位；设GPS定位位置的误差数据为θ_q(t)，则θ_q(t)的N点线性多项式滤波预测器的一般形式为：

${\widehat{\mathrm{\&theta;}}}_q=a_0+a_{1}t;$

式中a₀、a₁为预测器的系数；t为时间；为预测值，其最小方差估计为

${\widehat{\mathrm{\&theta;}}}_q(t_k/t_k)=a_0+a_{1}t$

$\left[\begin{array}{c}{a}_0\\ a_1\end{array}\right]={\left[\begin{array}{cc}N& \underset{k=1}{\overset{N}{\mathrm{\&Sigma;}}}{t}_k\\ \underset{k=1}{\overset{N}{\mathrm{\&Sigma;}}}{t}_k& \underset{k=1}{\overset{N}{\mathrm{\&Sigma;}}}{t}_k^2\end{array}\right]}^{-1}\left[\begin{array}{c}\underset{k=1}{\overset{N}{\mathrm{\&Sigma;}}}\mathrm{\&theta;}\left(t_k\right)\\ \underset{k=1}{\overset{N}{\mathrm{\&Sigma;}}}\mathrm{\&theta;}\left(t_k\right)t_k\end{array}\right];$

式中N等于2；在tk+1时刻，GPS定位信息位置误差的预测值为

${\widehat{\mathrm{\&theta;}}}_q(t_{k+1}/t_k)=a_0+a_1{t}_{k+1};$

由此可在GPS接收不到定位信息时，利用前两点的位置信息进行预测，实现定位。

Images