CN104864867A - 适用gnss的车辆在vsyr盲区定位误差修正方法 - Google Patents

Abstract

本发明公开一种适用GNSS的车辆在VSYR盲区定位误差修正方法，包括步骤：第一步、车辆进入GNSS的可见区域之后，同时开始GNSS定位和VSYR盲区定位；第二步、根据VSYR盲区道路情况，建立VSYR速度传感器误差模型和横摆角速度传感器误差模型；第三步、利用车辆定位点偏差修正车辆速度传感器参数K₀，利用车辆航向角偏差修正车辆横摆角速度传感器参数K_g。本发明利用GNSS长时间定位准确的特点修正车辆传感器的参数，缓解车辆传感器的误差累积问题，填补了解决GNSS盲区中使用车辆自主定位时产生的误差积累问题的空白。

Description

适用GNSS的车辆在VSYR盲区定位误差修正方法

技术领域

本发明涉及车辆定位技术领域，尤其涉及利用GNSS(Global Navigation Satellite System，全球导航卫星系统)的车辆在VSYR(Vehicle Speed & Yaw Rate，车辆速度-横摆角速度传感器定位方法)盲区定位积累误差参数的修正方法。

背景技术

当前存在着多种车辆定位技术，有GNSS、INS(Inertial Navigation System，惯性导航系统)等。其中GNSS系统凭借其覆盖范围广、定位精度高、实时性强等优点被广泛应用于车辆导航定位系统中。但是GNSS系统也存在着自身的缺陷，导致定位不够精确，尤其是当车辆行驶在一些有树木或者高楼遮挡的区域时，由于GNSS系统无法通过车载接收机捕获和跟踪从卫星发出的信号，因此会影响GNSS系统的定位精度甚至会导致GNSS系统失效，上述这种有GNSS信号遮挡的区域被称作是GNSS信号盲区。

INS系统是当前车辆盲区中运用最多的自主定位技术，但是因为INS系统输出的导航定位信息是使用积分推算得到的，随着时间的推移，定位误差会逐步增大，因此当应用于长时间的盲区自主定位中时，定位精度会显著下降。而GNSS具有定位精度高、实时性好等优点，利用GNSS得到的车辆定位误差50％可以保持在5m以下，90％可以保持在15m以下。

VSYR是基于车辆传感器的盲区自主定位方法，但存在误差积累的问题，且主要是由于车辆传感器的参数误差引起。

发明内容

在长时间的车辆定位中，由于VSYR方法存在误差积累问题，使用GNSS得到的定位精度远高于VSYR，因此可以使用GNSS来修正VSYR的车辆传感器参数，本发明提出一种适用GNSS的车辆在VSYR盲区定位误差修正方法，利用GNSS长时间内定位比较准确的特点，统计经过地图匹配后的GNSS定位点并以此来修正VSYR的车辆传感器参数，从而提高了车辆传感器的精确度，缓解盲区车辆自主定位的误差积累问题。

适用GNSS的车辆在VSYR盲区定位误差修正方法，包括以下步骤：第一步、车辆进入GNSS的可见区域之后，同时开始GNSS定位和VSYR盲区定位；第二步、根据VSYR盲区道路情况，建立VSYR速度传感器误差模型和横摆角速度传感器误差模型；第三步、利用车辆定位点偏差修正车辆速度传感器参数K₀，利用车辆航向角偏差修正车辆横摆角速度传感器参数K_g。

第二步的具体过程为：

(1)直道：车辆的起始位置为P₀，P₀处的行驶速度为v₀，经过一个采样时间T后，车辆行驶到P₁，车辆实际行驶过的路程为而通过VSYR方法得到的车辆行驶速度为v'₀，车辆经过时间T后到达P′₁点，行驶过的路程为则速度传感器误差模型为：

$\left\{\begin{array}{c}\left|\stackrel{\→}{P_0{P}_1}\right|=v_{0}T\\ \left|\stackrel{\→}{P_0{P}_1^{\′}}\right|=v_0^{\′}T=(K_0{v}_0+\mathrm{\δk})T\\ \left|\stackrel{\→}{P_0{P}_1^{\′}}\right|-\left|\stackrel{\→}{P_0{P}_1}\right|=(v_0^{\′}-v_0)T=[(K_0-1)v_0+\mathrm{\δk}]T\end{array}\right.$

其中K₀为车辆速度传感器参数，K₀<1，δk为车辆速度传感器接收到的外界噪声误差；

车辆在P₀处的实际航向角为α，车辆行驶到P₁处的实际航向角也为α，航向角实际变化的角度为δα₀，而通过VSYR方法得到P₀处的航向角为α'₀，P′₁处的航向角为α′₁，航向角变化的角度为δα'₀，则横摆角速度传感器误差模型为：

$\left\{\begin{array}{c}\mathrm{\&delta;}{\mathrm{\&alpha;}}_0=\mathrm{\&alpha;}-\mathrm{\&alpha;}=0\\ \mathrm{\&delta;}{\mathrm{\&alpha;}}_0^{\&prime;}={\mathrm{\&alpha;}}_1^{\&prime;}-{\mathrm{\&alpha;}}_0^{\&prime;}=\mathrm{\&delta;gT}\\ \mathrm{\&delta;}{\mathrm{\&alpha;}}_0^{\&prime;}-\mathrm{\&delta;}{\mathrm{\&alpha;}}_0=\mathrm{\&delta;gT}\end{array}\right.$

其中δg为车辆横摆角速度传感器接收到的噪声误差；

(2)弯道：车辆的起始位置为P₀，P₀处的行驶速度为v₀，经过一个采样时间T后，车辆行驶到P₁，车辆实际行驶过的路程为而通过VSYR方法得到的车辆行驶速度为v'₀，车辆经过时间T后到达P′₁点，行驶过的路程为则速度传感器误差模型为：

$\left\{\begin{array}{c}\left|\stackrel{\&RightArrow;}{P_0{P}_1}\right|=v_{0}T\\ \left|\stackrel{\&RightArrow;}{P_0{P}_1^{\&prime;}}\right|=v_0^{\&prime;}T=(K_0{v}_0+\mathrm{\&delta;k})T\\ \left|\stackrel{\&RightArrow;}{P_0{P}_1^{\&prime;}}\right|-\left|\stackrel{\&RightArrow;}{P_0{P}_1}\right|=(v_0^{\&prime;}-v_0)T=[(K_0-1)v_0+\mathrm{\&delta;k}]T\end{array}\right.$

其中K₀为车辆速度传感器参数，K₀<1，δk为车辆速度传感器接收到的外界噪声误差；

车辆在P₀处的实际航向角为α₀，横摆角速度为ω₀，行驶到P₁处的航向角为α₁，实际转过的角度为δα₀，而通过VSYR方法得到P₀处的航向角为α'₀，P′₁处的航向角为α′₁，车辆转过的角度为δα'₀，则横摆角速度传感器误差模型为：

$\left\{\begin{array}{c}\mathrm{\&delta;}{\mathrm{\&alpha;}}_0={\mathrm{\&alpha;}}_1-{\mathrm{\&alpha;}}_0={\mathrm{\&omega;}}_{0}T\\ \mathrm{\&delta;}{\mathrm{\&alpha;}}_0^{\&prime;}={\mathrm{\&alpha;}}_1^{\&prime;}-{\mathrm{\&alpha;}}_0^{\&prime;}=(K_g{\mathrm{\&omega;}}_0+\mathrm{\&delta;g})T\\ \mathrm{\&delta;}{\mathrm{\&alpha;}}_0^{\&prime;}-\mathrm{\&delta;}{\mathrm{\&alpha;}}_0=[(K_g-1){\mathrm{\&omega;}}_0+\mathrm{\&delta;g}]T\end{array}\right.$

其中K_g为车辆横摆角速度传感器参数，K_g<1，δg为车辆横摆角速度传感器接收到的外界噪声误差。

第三步中K₀根据VSYR盲区道路情况分为直道K_0Z和弯道K_0w。

本发明利用GNSS长时间定位准确的特点修正车辆传感器的参数，缓解车辆传感器的误差累积问题，填补了解决GNSS盲区中使用车辆自主定位时产生的误差积累问题的空白。

附图说明

图1为直道场景下车辆盲区行驶示意图；

图2为直道场景下的VSYR方法误差模型；

图3为直道场景下车辆速度传感器的参数修正示意图；

图4为弯道场景下车辆盲区行驶示意图；

图5为弯道场景下的VSYR方法误差模型；

图6为弯道场景下车辆速度传感器的参数修正示意图；

图7弯道场景下车辆横摆角速度传感器的参数修正示意图。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

VSYR利用车内安装的传感器测得每一采样时刻的车辆行驶速度和车辆横摆角速度，由初始位置开始进行积分推算，从而得到车辆完整行驶轨迹，其中车辆的初始位置利用GNSS技术在车辆进入盲区前的最后时刻测得。然而，由于车辆传感器的参数精确度不高，VSYR在长时间运行后定位误差会产生累积，因此需要对于车辆传感器的参数进行修正。

(1)直道场景

如图1所示，定义区域M为GNSS信号盲区，区域M内的道路为直行道路L。在车辆进入盲区前，利用GNSS测得的最后的车辆位置为A点。当车辆驶出盲区后，用GNSS测得的第一个车辆位置为C点。车辆在A点时，通过速度传感器测得车辆的行驶速度为v_A，通过横摆角速度传感器测得车辆的航向角为α_A，当前行驶着的道路L与正北向的夹角为α，α_A＝α，通过GNSS定位测得A点的坐标为(x_A，y_A)。车辆驶入盲区后的第一个采样时刻为B点，假设B点的坐标为(x_B，y_B)，B点的车辆行驶速度为v_B，航向角为α_B。由于在B点无法继续使用GNSS进行定位，因此必须转为使用VSYR进行定位。因为盲区内为直行道路，可以认为在盲区行驶过程中车辆航向角没有发生改变，即α_A＝α_B。假定采样时间为T，如果T足够小，则认为在这段采样时间内车辆的行驶速度不发生改变，即车辆做匀速运动，因此车辆从A点到B点之间的速度可以认为恒定为v_A，则B点的车辆位置坐标如下：

$\left\{\begin{array}{c}{x}_B=x_A+v_{A}T\sin {\mathrm{\&alpha;}}_A\\ y_B=y_A+v_{A}T\cos {\mathrm{\&alpha;}}_A\end{array}\right.---\left(1\right)$

由于使用VSYR方法进行盲区自主定位主要依靠车辆传感器进行，而在现实生活中购买高精度的车辆传感器所需成本较高，一般精度的车辆传感器使用频率较高。使用此类传感器均存在着一定的参数误差，同时传感器的测量值也会受到外界噪声的影响，不过外界噪声的干扰相对于传感器的参数误差来说影响较小，可以忽略，因此，车辆传感器的参数误差是导致VSYR方法产生误差积累的主要原因。

直行场景下车辆行驶航向角不发生变动，因此速度传感器参数是影响VSYR方法定位精确度的主要因素，那么直行场景下的VSYR方法误差模型如图2所示。

(i)速度传感器误差分析

如图3所示，车辆行驶在一条直行道路L上。车辆的实际初始位置为P₀点，P₀处的真实行驶速度为v₀，而通过VSYR方法得到的车辆行驶速度为v'₀。当经过一个采样时间T后，车辆实际行驶到P₁点，而通过VSYR方法得到的车辆位置为P′₁点。则车辆实际行驶过的路程为而通过VSYR方法计算得到的行驶过的路程为速度传感器误差模型如下：

$\left\{\begin{array}{c}\left|\stackrel{\&RightArrow;}{P_0{P}_1}\right|=v_{0}T\\ \left|\stackrel{\&RightArrow;}{P_0{P}_1^{\&prime;}}\right|=v_0^{\&prime;}T=(K_0{v}_0+\mathrm{\&delta;k})T\\ \left|\stackrel{\&RightArrow;}{P_0{P}_1^{\&prime;}}\right|-\left|\stackrel{\&RightArrow;}{P_0{P}_1}\right|=(v_0^{\&prime;}-v_0)T=[(K_{0z}-1)v_0+\mathrm{\&delta;k}]T\end{array}\right.---\left(2\right)$

公式(2)中，K_0z为车辆速度传感器参数，理想情况下为1，但是由于受到温度和道路倾向等因素的影响，K_0z通常不能保证为1。δk为车辆速度传感器接收到的外界噪声误差，此处为均值为0的高斯白噪声，影响相对较小(0.1％)，可以忽略。由于车辆速度传感器参数不够精确，会造成每一采样时刻通过VSYR得到的车辆行驶路程与实际行驶路程之间产生误差，从而导致车辆行驶路程的误差累积。

(ii)横摆角速度传感器误差分析

如图2所示，车辆在P₀处的实际航向角为α，也就是道路L与正北向的夹角，而通过VSYR方法得到的航向角为α'₀。由于车辆行驶在直行道路上，所以此时的车辆真实横摆角速度为0。当经过一个采样时间T后，车辆实际行驶到P₁点，P₁处的实际航向角也为α，而通过VSYR方法得到的车辆位置为P′₁点，通过VSYR方法得到航向角为α′₁。因此车辆从P₀点行驶到P₁点期间，航向角实际变化的角度为δα₀，而通过VSYR方法得到的航向角变化的角度为δα'₀。横摆角速度传感器误差模型如下：

$\left\{\begin{array}{c}\mathrm{\&delta;}{\mathrm{\&alpha;}}_0=\mathrm{\&alpha;}-\mathrm{\&alpha;}=0\\ \mathrm{\&delta;}{\mathrm{\&alpha;}}_0^{\&prime;}={\mathrm{\&alpha;}}_1^{\&prime;}-{\mathrm{\&alpha;}}_0^{\&prime;}=\mathrm{\&delta;gT}\\ \mathrm{\&delta;}{\mathrm{\&alpha;}}_0^{\&prime;}-\mathrm{\&delta;}{\mathrm{\&alpha;}}_0=\mathrm{\&delta;gT}\end{array}\right.---\left(3\right)$

公式(3)中，δg为车辆横摆角速度传感器接收到的噪声误差，此处为均值为0的高斯白噪声，影响相对较小(0.1％)，可以忽略。

由于当车辆行驶在直行场景时，车辆航向角基本不发生改变，所以不考虑车辆横摆角速度传感器的参数误差问题，只对车辆速度传感器的参数进行修正。当车辆行驶在GNSS盲区外时，车辆不仅可以使用GNSS定位，也可以使用VSYR方法定位。使用VSYR方法定位时，由于车辆速度传感器存在参数误差，在经过长时间的行驶后，计算得到的车辆定位点会严重偏离车辆真实位置；而使用GNSS进行长时间的定位后，得到的车辆定位点与车辆真实位置基本吻合。使用这两种定位方式之间的车辆定位点偏差来修正VSYR方法的车辆速度传感器参数，车辆速度传感器的参数修正示意如图3所示。

车辆行驶在一条直行道路L上，点A为车辆真实初始位置，沿途有n个采样点，分别记作节点1，2，…，n。通过VSYR方法计算得到的车辆位置坐标分别为P_i(x_i，y_i)，而通过GNSS定位得到的相应车辆位置坐标分别为P′_i(x′_i，y′_i)，对GNSS定位点进行地图匹配，得到相应的车辆位置坐标分别为P″_i(x″_i，y″_i)，i＝1，2，3，…，n。当车辆从第i个采样点行驶到第i+1个采样点时，通过VSYR方法得到的相邻两采样点间的车辆行驶过的路程为S_i， $S_i=\left|\stackrel{\&RightArrow;}{P_i{P}_{i+1}}\right|=(K_{0z}{v}_i+\mathrm{\&delta;k})T=\sqrt{{(x_{i+1}-x_i)}^2+{(y_{i+1}-y_i)}^2},$ K_0z为修正前的车辆速度传感器参数，v_i为车辆在P_i点处真实的行驶速度，δk为车辆速度传感器接收到的外界噪声误差，可以用均值为0的高斯白噪声表示，影响相对较小(0.1％)，可以忽略；而通过地图匹配修正后的GNSS得到的相邻两采样点间车辆行驶过的路程修正后的车辆速度传感器参数K'_0z可以如下计算得到：

$K_{0z}^{\&prime;}=\frac{\underset{i=1}{\overset{n-1}{\mathrm{\&Sigma;}}}{S}_i^{\&prime;}}{\underset{i=1}{\overset{n-1}{\mathrm{\&Sigma;}}}{S}_i}{K}_{0z}=\frac{\underset{i=1}{\overset{n-1}{\mathrm{\&Sigma;}}}\sqrt{{(x_{i+1}^{\&prime;\&prime;}-x_i^{\&prime;\&prime;})}^2+{(y_{i+1}^{\&prime;\&prime;}-y_i^{\&prime;\&prime;})}^2}}{\underset{i=1}{\overset{n-1}{\mathrm{\&Sigma;}}}\sqrt{{(x_{i+1}-x_i)}^2+{(y_{i+1}-y_i)}^2}}{K}_{0z}---\left(4\right).$

(2)弯道场景

如图4所示，假定车辆在驶入GNSS盲区前，用GNSS测得的最后位置为A点(x_A，y_A)，此时的航向角为行驶速度为v_A，横摆角速度为ω_A，设采样时间为T，则经过时间T后，车辆进入GNSS盲区后的第一个位置B点(x_B，y_B)，此时的航向角为行驶速度为v_B，横摆角速度为ω_B，由微积分原理可知，当T足够小时，可以认为在一个采样时间段内，车辆的速度和横摆角速度都维持不变，则车辆在B点处的位置坐标和航向角可以如下计算得到：

由公式(5)可知，知道前一采样时刻的车辆位置坐标P_i(x_i，y_i)，行驶速度v_i，横摆角速度ω_i以及航向角则可以求得下一时刻的车辆位置坐标P_i+1(x_i+1，y_i+1)以及航向角

按照公式(6)类推，依次求得每个采样时刻的车辆位置坐标，从而获得GNSS盲区中车辆的完整行驶轨迹。

弯道场景下的VSYR方法误差模型如图5所示。

(i)速度传感器误差分析

车辆的实际初始位置为P₀点，P₀处的真实行驶速度为v₀，而通过VSYR方法得到的车辆行驶速度为v'₀。当经过一个采样时间T后，车辆实际行驶到P₁点，而通过VSYR方法得到的车辆位置为P′₁点。则车辆从P₀行驶到P₁期间，实际行驶过的路程为而通过VSYR方法计算得到的行驶过的路程为速度传感器误差公式与直道场景下相同，即公式(2)。与直道场景类似，由于车辆速度传感器参数不够精确，会造成每一采样时刻通过VSYR得到的车辆行驶路程与实际行驶路程之间产生误差，从而导致车辆行驶路程的误差累积。

(ii)横摆角速度传感器误差分析

车辆在P₀处的实际航向角为α₀，也就是P₀处的道路L的切线与正北向的夹角，此时车辆的真实横摆角速度为ω₀，通过VSYR方法得到的车辆航向角为α'₀。当经过一个采样时间T后，车辆实际行驶到P₁点，P₁点处的实际航向角为α₁，也就是P₁点处的道路L的切线与正北向的夹角，而通过VSYR方法得到的车辆位置为P′₁点，通过VSYR方法得到的车辆航向角为α′₁。因此，车辆从P₀点行驶到P₁点期间，实际转过的角度为δα₀，而通过VSYR方法得到的转过的角度为δα'₀。横摆角速度传感器误差模型如下：

$\left\{\begin{array}{c}\mathrm{\&delta;}{\mathrm{\&alpha;}}_0={\mathrm{\&alpha;}}_1-{\mathrm{\&alpha;}}_0={\mathrm{\&omega;}}_{0}T\\ \mathrm{\&delta;}{\mathrm{\&alpha;}}_0^{\&prime;}={\mathrm{\&alpha;}}_1^{\&prime;}-{\mathrm{\&alpha;}}_0^{\&prime;}=(K_g{\mathrm{\&omega;}}_0+\mathrm{\&delta;g})T\\ \mathrm{\&delta;}{\mathrm{\&alpha;}}_0^{\&prime;}-\mathrm{\&delta;}{\mathrm{\&alpha;}}_0=[(K_g-1){\mathrm{\&omega;}}_0+\mathrm{\&delta;g}]T\end{array}\right.---\left(7\right)$

公式(7)中，K_g为车辆横摆角速度传感器参数，理想情况下为1，同样由于受到温度和道路倾向等因素的影响，K_g通常并不能保证为1。δg为车辆横摆角速度传感器接收到的外界噪声误差，此处为均值为0的高斯白噪声，影响相对较小(0.1％)，可以忽略。由公式(7)可以看到，由于车辆横摆角传感器参数不精确，会造成每一采样时刻通过VSYR得到的车辆转过的角度与实际转过的角度产生误差，造成了车辆航向角误差的累积。

由于当车辆行驶在场景时，车辆航向角会随时发生改变，所以需要同时考虑车辆速度传感器和车辆横摆角速度传感器的参数误差问题。

a、车辆速度传感器参数修正

跟直道场景下的基于GNSS和地图匹配的VSYR参数修正算法类似，使用这两种定位方式之间的车辆定位点偏差来修正VSYR方法的车辆速度传感器参数。车辆速度传感器的参数修正示意如图6所示。

当车辆行驶在曲折路段上时，如果将路段划分得足够短，可以近似认为每个路段为直行道路，然后使用地图匹配算法将车辆GNSS定位点修正到实际行驶路段上。这里以A作为车辆真实初始位置，沿途有n个采样点，分别记作节点1，2，…，n，通过VSYR方法计算得到n个坐标点P_i(x_i，y_i)，同时由GNSS得到相应的n个坐标点P′_i(x′_i，y′_i)，然后通过地图匹配算法修正GNSS定位点，得到相应的修正后的n个坐标点P″_i(x″_i，y″_i)，用于划分曲折路段的节点记做M_i(m_i，n_i)，i＝1，2，3…，n。当车辆从P_i点行驶到P_i+1点时，通过VSYR方法得到的行驶过的路程 $S_i=\left|\stackrel{\&RightArrow;}{P_i{P}_{i+1}}\right|=(K_{0w}{v}_i+\mathrm{\&delta;k})T=\sqrt{{(x_{i+1}-x_i)}^2+{(y_{i+1}-y_i)}^2},$ v_i为车辆在P_i点处的真实行驶速度，K_0w为修正前的车辆速度传感器参数，δk为车辆速度传感器接收到的外界噪声误差，可以用均值为0的高斯白噪声表示，影响相对较小(0.1％)，可以忽略。通过地图匹配修正后的GNSS得到行驶过的路程 $S_i^{\&prime;}=\left|\stackrel{\&RightArrow;}{P_i^{\&prime;\&prime;}{M}_i}\right|+\left|\stackrel{\&RightArrow;}{M_i{P}_{i+1}^{\&prime;\&prime;}}\right|=\sqrt{{(m_i-x_i^{\&prime;\&prime;})}^2+{(n_i-y_i^{\&prime;\&prime;})}^2}+\sqrt{{(x_{i+1}^{\&prime;\&prime;}-m_i)}^2+{(y_{i+1}^{\&prime;\&prime;}-n_i)}^2},$ 修正后的车辆速度传感器参数

$K_{0w}^{\&prime;}=\frac{\underset{i=1}{\overset{n-1}{\mathrm{\&Sigma;}}}{S}_i^{\&prime;}}{\underset{i=1}{\overset{n-1}{\mathrm{\&Sigma;}}}{S}_i}{K}_{0w}=\frac{\underset{i=1}{\overset{n-1}{\mathrm{\&Sigma;}}}\sqrt{{(m_i-x_i^{\&prime;\&prime;})}^2+{(n_i-y_i^{\&prime;\&prime;})}^2}+\sqrt{{(x_{i+1}^{\&prime;\&prime;}-m_i)}^2+{(y_{i+1}^{\&prime;\&prime;}-n_i)}^2}}{\underset{i=1}{\overset{n-1}{\mathrm{\&Sigma;}}}\sqrt{{(x_{i+1}-x_i)}^2+{(y_{i+1}-y_i)}^2}}{K}_{0w}---\left(8\right).$

b、车辆横摆角速度传感器参数修正

使用VSYR方法进行定位由于车辆横摆角速度传感器存在参数误差，在经过长时间的运行后，计算得到的车辆航向角会严重偏离车辆真实行驶路段方向；而当使用GNSS进行定位时，在经过长时间的运行后，得到的车辆航向角与车辆真实行驶路段方向基本吻合。因此我们可以使用这两种定位方式之间产生的车辆航向角偏差来修正VSYR方法的车辆横摆角速度传感器参数。车辆横摆角速度传感器的参数修正示意如图7所示。

由VSYR方法计算得到n个坐标点P_i(x_i，y_i)，同时通过GNSS得到相应的n个坐标点P′_i(x′_i，y′_i)，曲折路段可以划分成n个直行路段L_i，i＝1，2，3…，n。这里以A作为车辆真实初始位置，为车辆真实初始航向角。当车辆从路段L_i切换到路段L_i+1时，通过VSYR方法计算得到车辆转过的角度为θ_i，θ_i＝(K_gω_i+δg)T，ω_i为车辆在P_i处的真实横摆角速度，K_g为修正前的车辆横摆角速度传感器参数，δg为横摆角速度传感器接收到的外界噪声误差，用均值为0的高斯白噪声表示，影响相对较小(0.1％)，可以忽略。通过GNSS得到车辆从路段L_i切换到路段L_i+1时转过的角度为θ′_i，因此修正后的车辆横摆角速度传感器参数

$K_g^{\&prime;}=\frac{\underset{i=1}{\overset{n-1}{\mathrm{\&Sigma;}}}{\mathrm{\&theta;}}_i^{\&prime;}}{\underset{i=1}{\overset{n-1}{\mathrm{\&Sigma;}}}{\mathrm{\&theta;}}_i}{K}_g=\frac{\underset{i=1}{\overset{n-1}{\mathrm{\&Sigma;}}}{\mathrm{\&theta;}}_i^{\&prime;}}{\underset{i=1}{\overset{n-1}{\mathrm{\&Sigma;}}}(K_g{\mathrm{\&omega;}}_i+\mathrm{\&delta;g})T}{K}_g---\left(9\right)$

本发明在GNSS可见的情况下，使用地图匹配技术修正GNSS的定位点，继而修正VSYR方法的车辆传感器参数。由于GPS是GNSS中最具代表性的技术，所以这里使用GPS来代表GNSS，共计通过约50次MATLAB仿真实验，取得其中的平均值，用于修正VSYR方法的车辆传感器参数。

Claims (3)

1.适用GNSS的车辆在VSYR盲区定位误差修正方法，其特征在于，包括以下步骤：

第一步、车辆进入GNSS的可见区域之后，同时开始GNSS定位和VSYR盲区定位；

第二步、根据VSYR盲区道路情况，建立VSYR速度传感器误差模型和横摆角速度传感器误差模型；

第三步、利用车辆定位点偏差修正车辆速度传感器参数K₀，利用车辆航向角偏差修正车辆横摆角速度传感器参数K_g。

2.根据权利要求1所述的适用GNSS的车辆在VSYR盲区定位误差修正方法，其特征在于，所述第二步的具体过程为：

(1)直道：车辆的起始位置为P₀，P₀处的行驶速度为v₀，经过一个采样时间T后，车辆行驶到P₁，车辆实际行驶过的路程为而通过VSYR方法得到的车辆行驶速度为v′₀，车辆经过时间T后到达P′₁点，行驶过的路程为则速度传感器误差模型为：

$\left\{\begin{array}{c}\left|\stackrel{\&RightArrow;}{P_0,P_1}\right|=v_{0}T\\ \left|\stackrel{\&RightArrow;}{P_0{P}_1^{\&prime;}}\right|=v_0^{\&prime;}T=(K_0{v}_0+\mathrm{\&delta;k})T\\ \left|\stackrel{\&RightArrow;}{P_0{P}_1^{\&prime;}}\right|-\left|\stackrel{\&RightArrow;}{P_0{P}_1}\right|=(v_0^{\&prime;}-v_0)T=[(K_0-1)v_0+\mathrm{\&delta;k}]T\end{array}\right.$

其中K₀为车辆速度传感器参数，K₀<1，δk为车辆速度传感器接收到的外界噪声误差；

车辆在P₀处的实际航向角为α，车辆行驶到P₁处的实际航向角也为α，航向角实际变化的角度为δα₀，而通过VSYR方法得到P₀处的航向角为α'₀，P′₁处的航向角为α′₁，航向角变化的角度为δα'₀，则横摆角速度传感器误差模型为：

$\left\{\begin{array}{c}{\mathrm{\&delta;\&alpha;}}_0=\mathrm{\&alpha;}-\mathrm{\&alpha;}=0\\ {\mathrm{\&delta;\&alpha;}}_0^{\&prime;}={\mathrm{\&alpha;}}_1^{\&prime;}-{\mathrm{\&alpha;}}_0^{\&prime;}=\mathrm{\&delta;gT}\\ {\mathrm{\&delta;\&alpha;}}_0^{\&prime;}-{\mathrm{\&delta;\&alpha;}}_0=\mathrm{\&delta;gT}\end{array}\right.$

其中δg为车辆横摆角速度传感器接收到的噪声误差；

(2)弯道：车辆的起始位置为P₀，P₀处的行驶速度为v₀，经过一个采样时间T后，车辆行驶到P₁，车辆实际行驶过的路程为而通过VSYR方法得到的车辆行驶速度为v'₀，车辆经过时间T后到达P′₁点，行驶过的路程为则速度传感器误差模型为：

$\left\{\begin{array}{c}\left|\stackrel{\&RightArrow;}{P_0,P_1}\right|=v_{0}T\\ \left|\stackrel{\&RightArrow;}{P_0{P}_1^{\&prime;}}\right|=v_0^{\&prime;}T=(K_0{v}_0+\mathrm{\&delta;k})T\\ \left|\stackrel{\&RightArrow;}{P_0{P}_1^{\&prime;}}\right|-\left|\stackrel{\&RightArrow;}{P_0{P}_1}\right|=(v_0^{\&prime;}-v_0)T=[(K_0-1)v_0+\mathrm{\&delta;k}]T\end{array}\right.$

其中K₀为车辆速度传感器参数，K₀<1，δk为车辆速度传感器接收到的外界噪声误差；

车辆在P₀处的实际航向角为α₀，横摆角速度为ω₀，行驶到P₁处的航向角为α₁，实际转过的角度为δα₀，而通过VSYR方法得到P₀处的航向角为α'₀，P′₁处的航向角为α′₁，车辆转过的角度为δα'₀，则横摆角速度传感器误差模型为：

$\left\{\begin{array}{c}{\mathrm{\&delta;\&alpha;}}_0={\mathrm{\&alpha;}}_1-{\mathrm{\&alpha;}}_0={\mathrm{\&omega;}}_{0}T\\ {\mathrm{\&delta;\&alpha;}}_0^{\&prime;}={\mathrm{\&alpha;}}_1^{\&prime;}-{\mathrm{\&alpha;}}_0^{\&prime;}=(K_g{\mathrm{\&omega;}}_0+\mathrm{\&delta;g})T\\ {\mathrm{\&delta;\&alpha;}}_0^{\&prime;}-{\mathrm{\&delta;\&alpha;}}_0=[(K_g-1){\mathrm{\&omega;}}_0+\mathrm{\&delta;g}]T\end{array}\right.$

其中K_g为车辆横摆角速度传感器参数，K_g<1，δg为车辆横摆角速度传感器接收到的外界噪声误差。

3.根据权利要求1所述的适用GNSS的车辆在VSYR盲区定位误差修正方法，其特征在于，所述第三步中K₀根据VSYR盲区道路情况分为直道K_0Z和弯道K_0w。