CN105809126B - Dsrc与车载传感器融合的智能车辆目标跟踪系统及方法 - Google Patents
Dsrc与车载传感器融合的智能车辆目标跟踪系统及方法 Download PDFInfo
- Publication number
- CN105809126B CN105809126B CN201610126332.3A CN201610126332A CN105809126B CN 105809126 B CN105809126 B CN 105809126B CN 201610126332 A CN201610126332 A CN 201610126332A CN 105809126 B CN105809126 B CN 105809126B
- Authority
- CN
- China
- Prior art keywords
- target
- vehicle
- state
- module
- dsrc
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/25—Fusion techniques
- G06F18/251—Fusion techniques of input or preprocessed data
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Bioinformatics & Computational Biology (AREA)
- General Engineering & Computer Science (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Multimedia (AREA)
- Traffic Control Systems (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明请求保护一种DSRC与车载传感器融合的智能车辆目标跟踪系统及方法,涉及智能车辆目标跟踪及车载通信技术领域。包括基于车载传感器的目标检测模块、DSRC通信模块、目标跟踪模块及车辆定位模块。目标检测模块通过车载传感器检测主车周围车辆、行人等目标的位置信息;DSRC通信模块接收通信范围内具有基于DSRC的信息发布功能的目标车辆发布的目标车辆自身运动状态和身份信息;目标跟踪模块根据检测到的目标观测数据进行数据关联,根据接收的目标车辆的状态与身份信息对关联结果进行修正,再对修正的关联结果跟踪滤波,得到更准确的周围目标运动状态。车辆定位模块用于获取主车运动状态供发布。本发明提高了智能车辆的目标跟踪精度。
Description
技术领域
本发明属于计算机和自动化技术,特别是智能车辆目标跟踪技术领域,具体涉及一种利用DSRC(Dedicated Short Range Communications,专用短程无线通信)通信技术与车载传感器观测相结合的多目标跟踪方法。
背景技术
目标跟踪系统是智能车辆的重要组成部分,为了实现碰撞预警及车辆自动驾驶控制,需要准确地检测并估计智能车辆周围环境中的各类目标,包括车辆、行人等的准确位置及运动状态信息。
中国专利申请:车辆控制设备、目标引导车辆指定设备和车辆控制方法(申请号:201180017118.X)公开了一种利用车辆通信单元和雷达装置来识别引导车辆,该方法是以通过两种检测的匹配来确定,没有考虑多目标场景雷达装置检测不到通信检测到的目标情况。中国专利申请:车辆确定系统及车辆确定装置(申请号:201180072498.7)公开了一种利用通信装置及确定装置检测周边的他车,该方法通过两种模式不同的相对信息来确定发信车,没有考虑不同传感器精度导致结果不够精确,而且没把两部分检测结果总和考虑。中国专利申请:车辆跟踪方法及系统(申请号:201210497216.4)公开了一种基于目标已有的运动信息预测目标在当前帧出现的轨迹和位置,该方法评价每个候选框置信度,对跟踪结果进行修正,没有考虑目标车辆发布自身信息场景。中国专利申请:使用传感器融合进行目标跟踪的系统和方法(申请号:200610139627.0)公开了一种基于多传感器和通信装置,该方法接收周围车辆检测的信息,没有使用周围目标车辆的身份信息对跟踪进行改善。中国专利申请:组合的车辆到车辆通信和目标检测感测(申请号:201010113351.5)公开了一种基于目标感测及车到车通信装置,该方法通过车到车通信装置收集数据并与目标感测数据融合,没有使用周围目标车辆的身份信息对数据关联结果进行修正改善。
本发明针对智能车辆目标跟踪系统中,车载传感器在受遮挡及干扰情况下检测范围受限、跟踪精度及可靠性不高的问题,提出一种DSRC与车载传感器融合的智能车辆目标跟踪系统及方法,利用DSRC通信获取主车通信范围内能够发布自身状态和身份信息的目标车辆状态和身份信息,扩展了检测范围并对主车车载传感器获得的目标检测数据关联及跟踪滤波结果进行改善,以提高智能车辆目标跟踪精度。
发明内容
为了解决目前智能车辆目标跟踪系统在主车通信范围内有目标车辆发布自身信息的场景下,传统的目标跟踪方法未能充分利用目标车辆发布的身份信息和状态信息,导致在目标跟踪过程中数据关联结果不够准确,跟踪精度不高的问题,本发明提出一种利用DSRC与车载传感器融合的智能车辆目标跟踪系统及方法。
该系统包括基于车载传感器的目标检测模块、DSRC通信模块、目标跟踪模块和车辆定位模块。系统利用目标检测模块检测主车周围的车辆、行人等目标的状态信息,通过DSRC通信模块接收处理通信范围内能够发布自身状态和身份信息的目标车辆发布的信息,包含由该车辆采集到的自身的运动状态信息以及该车辆的身份信息;车辆定位模块通过卫星定位设备采集主车自身位置信息,并估计出运动状态,供DSRC通信模块发布;目标跟踪模块利用基于车载传感器的目标检测模块检测的目标观测数据以及DSRC通信模块接收的主车周围的部分目标车辆的位置与身份信息对车辆周围的目标进行融合跟踪,以获得更准确的周围目标的运动状态信息,来克服现有技术的上述缺陷。
本发明解决上述技术问题的方案是:在主车运行过程中,系统的基于车载传感器的目标检测模块通过车载传感器如雷达、视觉传感器等检测主车周围的车辆、行人等目标的状态信息;同时,车辆定位模块通过卫星定位设备采集主车自身位置信息,并通过Kalman滤波估计出主车运动状态,包括位置、速度及加速度;DSRC通信模块接收主车通信范围内能够发布自身状态和身份信息的目标车辆发布的信息,包括目标车辆自身的运动状态和身份信息,同时发布主车主车运动状态及身份信息;目标跟踪模块首先利用现有数据关联算法对目标车辆状态一步预测与车载传感器的量测进行数据,再根据DSRC通信模块接收的主车通信范围内能够发布自身状态和身份信息的目标车辆发布的运动状态和身份信息对关联结果进行修正,对修正的关联结果进行跟踪滤波,最后将滤波结果与DSRC通信模块接收的目标车辆运动状态融合,获得更准确的周围目标的运动状态,以提高智能车辆目标跟踪系统的检测范围与精度。
本发明的优点及有益效果如下:
本发明提出一种DSRC与车载传感器融合的智能车辆目标跟踪系统及方法。DSRC是一种适合高速运动下的移动目标的双向无线通信技术,本发明提出的智能车辆目标跟踪系统利用DSRC通信装置接收主车通信范围内能够发布自身运动状态和身份信息的目标车辆发布的信息,能够解决车载传感器易受遮挡影响等问题,扩展了主车感知范围;通过接收到的目标车辆发布的运动状态和身份信息,对数据关联结果和跟踪滤波结果进行修正,以改善传统目标跟踪方法的精度。通过上述两个方面,本发明可以有效提高智能车辆目标跟踪系统性能,对更有效地估计周围车辆的威胁程度、规划智能车辆行驶路径具有重要意义与使用价值。
附图说明
图1本发明DSRC与车载传感器融合的智能车辆目标跟踪系统总体框架;
图2本发明DSRC与车载传感器融合的智能车辆目标跟踪方法流程图;
图3本发明数据关联方法流程图;
图4本发明目标跟踪滤波流程图。
具体实施方式
以下结合附图,对本发明作进一步说明:
如图1所示,本发明提出的利用DSRC与车载传感器融合的智能车辆目标跟踪方法,利用车-车通信技术,获取目标车辆运动状态信息,提高主车检测范围,并通过对传统跟踪方法改进,提高目标跟踪精度,为威胁估计与驾驶决策提供支持。
以下结合附图和具体实例对本发明的具体实施方式进行描述。
1、如图1所示为本发明提出的一种DSRC与车载传感器融合的智能车辆目标跟踪系统的总体架构。该系统由基于车载传感器的目标检测模块、DSRC通信模块、车辆定位模块和目标跟踪模块组成。其中,目标检测模块通过车载传感器检测周围目标车辆和行人,获取目标的位置。DSRC通信模块接收主车通信范围内能够发布自身运动状态和身份信息的目标车辆发布的自身的运动状态和身份信息,同时发布主车的运动状态和身份信息。车辆定位模块通过卫星定位设备采集主车自身位置信息并估计出运动状态,包括位置、速度及加速度,供DSRC通信模块发布。目标跟踪模块用于根据基于车载传感器的目标检测模块检测到的目标观测数据进行数据关联,再根据DSRC通信模块接收的通信范围内能够发布自身状态和身份信息的目标车辆的位置与身份信息对关联结果进行修正,最后对修正后的关联结果进行跟踪滤波,得到周围目标运动状态信息,来改善智能车辆目标跟踪精度。
2、如图2所示为本发明提出的一种利用DSRC与车载传感器融合的智能车辆目标跟踪方法流程图,该方法包括以下步骤:
(1)车载传感器目标检测:在当前时刻k,车载传感器检测主车周围的目标,得到主车坐标系中的目标位置观测向量其中mk为k时刻主车车载传感器探测到的目标的个数,相应的观测误差方差阵为
(2)主车位置检测与状态估计:在当前时刻k,主车的车载卫星定位装置采集主车位置,通过Kalman滤波器进行滤波,得到地理坐标系中表示的主车运动状态的最优估计及其估计误差
(3)DSRC通信模块信息发布与接收:DSRC通信模块发布步骤(2)中获得的主车运动状态和身份信息,同时接收通信范围内能够发布自身状态和身份信息的目标车辆的运动状态与身份信息,设地理坐标系中表示的目标车辆i的运动状态及其误差为与组合后得到地理坐标系中表示的目标车辆运动状态与误差协方差阵其中nk为DSRC通信模块接收到信息的目标车辆个数。
(4)目标跟踪:首先进行坐标变换与时间配准。令目标车辆运动的状态方程与观测方程为
其中,Xk为目标车辆运动状态,包括位置、速度及加速度,Φ为状态转移矩阵,Γ为过程噪声输入矩阵,ω~N(0,Qk)为过程噪声,Zk为目标状态的观测值,H为观测矩阵,v~N(0,Rk)为观测噪声。
将步骤(3)中得到的地理坐标系中表示的目标车辆运动状态与误差协方差阵转换到主车坐标系,并与车载传感器量测在时间上配准,得到主车坐标系中的目标车辆运动状态与误差协方差阵,记为及
坐标及时间统一后,根据目标检测模块获得的量测和DSRC通信模块获得的目标车辆状态利用目标跟踪算法进行跟踪,获得更高精度的主车周围目标车辆运动状态。其中目标跟踪算法包括数据关联和跟踪滤波两部分。
3、如图3所示为本发明提出的一种利用DSRC与车载传感器融合的智能车辆目标跟踪算法的数据关联方法流程,其步骤包括:
(1)目标车辆状态一步预测:根据公式(1)的目标车辆运动模型及前一时刻目标车
辆状态估计对k时刻目标车辆状态进行一步
预测,其中lk为跟踪系统保持跟踪的目标个数,或轨迹条数。预测值和预测误差方差阵分别
为:
(2)目标车辆状态预测与车载传感器量测数据关联。此处采用最近邻算法为例进行说明,但本专利不仅限于该算法。用最近邻算法对目标车辆状态预测与车载传感器量测进行关联,使的mk个量测中使得传感器量测与目标状态预测之间的统计距离之和达到最小的lk个量测作为数据关联的结果传感器量测与目标i状态预测的统计距离d2(i,j)计算公式为:
d2(i,j)=ek(i,j)Sk -1(i,j)ek T(i,j), (4)
其中ek(i,j)为跟踪滤波器残差,即传感器量测与目标i状态预测之间的差值,Sk -1(i,j)为ek(i,j)的协方差矩阵:
(3)根据DSRC接收的目标车辆运动状态重构目标车辆状态预测。用DSRC通信模块接收到并转换到主车坐标系的目标车辆运动状态置换当前时刻目标车辆的状态预测中具有相同身份的目标车辆的状态,并更新误差协方差阵。具体方法是:
对中的每一分量对应的目标车辆的身份ci,如果中有一分量对应的目标车辆身份cj与其相同,即满足ci=cj,则用置换中的并用置换中的重构后的目标车辆状态预测及其误差方差记为及
(4)重构的目标车辆状态预测与车载传感器量测数据关联。采用与步骤(2)相同的方法,用最近邻算法对步骤(3)所述的重构后的目标车辆状态预测与车载传感器量测进行关联,关联结果记为
(5)计算修正后的关联结果。利用步骤(4)获得的关联结果对步骤(3)获得的关联结果进行修正,修正结果为:
其中为误差方差阵
4、如图4所示为本发明提出的一种利用DSRC与车载传感器融合的智能车辆目标跟踪方法的目标跟踪滤波流程。以修正后的关联结果为量测,利用Kalman滤波作为跟踪滤波器,得到目标车辆运动状态的最优估计,,其步骤包括:
(1)计算跟踪滤波器滤波增益:
(2)目标车辆运动状态估计:
(3)目标车辆运动状态的估计误差计算:
(4)目标车辆状态估计与DSRC接收的目标车辆状态融合:对中的每一分量对应的目标车辆的身份ci,如果中有一分量对应的目标车辆身份cj与其相同,即满足ci=cj,则用与的Markov估计置换中的并用估计误差置换中的计算方法如下:
以上这些实施例应理解为仅用于说明本发明而不用于限制本发明的保护范围。在阅读了本发明的记载的内容之后,技术人员可以对本发明作各种改动或修改,这些等效变化和修饰同样落入本发明权利要求所限定的范围。
Claims (3)
1.一种DSRC与车载传感器融合的智能车辆目标跟踪系统,其特征在于:包括基于车载传感器的目标检测模块、DSRC通信模块、目标跟踪模块与车辆定位模块,其中:
基于车载传感器的目标检测模块用于通过车载传感器检测主车周围车辆、行人目标的位置信息;
DSRC通信模块用于通过DSRC通信装置接收其通信范围内能够发布自身状态和身份信息的目标车辆发布的信息,包括由该目标车辆采集到的其自身的运动状态信息以及该车辆的身份信息,并发布主车的运动状态及身份信息;
目标跟踪模块用于根据基于车载传感器的目标检测模块检测到的目标观测数据进行数据关联,再根据DSRC通信模块接收的通信范围内能够发布自身状态和身份信息的目标车辆的位置与身份信息对关联结果进行修正,最后对修正后的关联结果进行跟踪滤波,得到周围目标运动状态信息;目标跟踪模块利用目标跟踪算法对目标进行跟踪,包括步骤:
(1.1)根据目标车辆运动模型及目标车辆前一时刻状态对当前时刻目标车辆运动状态进行预测;
(1.2)当前时刻目标车辆状态预测与车载传感器量测进行数据关联;
(1.3)根据DSRC通信模块接收的目标车辆的运动状态与身份信息,对步骤(1.2)的关联结果进行修正;
(1.4)用修正后的关联结果进行Kalman滤波,将滤波结果与DSRC通信模块接收的目标车辆的运动状态进行融合;
车辆定位模块用于通过卫星定位设备采集主车自身位置信息并估计出运动状态,包括位置、速度及加速度,供DSRC通信模块发布。
2.一种DSRC与车载传感器融合的智能车辆目标跟踪方法,其特征在于:包括以下步骤:
(2.1)车载传感器数据采集,获得主车周围的车辆、行人目标位置的量测数据;
(2.2)车辆定位模块通过卫星定位设备采集主车自身位置信息并估计出运动状态,包括位置、速度及加速度,供DSRC通信模块发布;
(2.3)DSRC通信模块接收通信范围内能够发布自身状态和身份信息的目标车辆的运动状态与身份信息,并发布主车的运动状态及身份信息;
(2.4)根据基于车载传感器的目标检测模块和DSRC通信模块得到的目标位置量测、运动状态与身份信息,利用目标跟踪算法对目标进行跟踪,跟踪算法包括数据关联和跟踪滤波两个部分,所述步骤(2.4)利用目标跟踪算法对目标进行跟踪,其步骤包括:
(3.1)根据目标车辆运动模型及目标车辆前一时刻状态对当前时刻目标车辆运动状态进行预测;
(3.2)当前时刻目标车辆状态预测与车载传感器量测进行数据关联;
(3.3)根据DSRC通信模块接收的目标车辆的运动状态与身份信息,对步骤(3.2)的关联结果进行修正;
(3.4)用修正后的关联结果进行Kalman滤波,将滤波结果与DSRC通信模块接收的目标车辆的运动状态进行融合。
3.根据权利要求2所述的DSRC与车载传感器融合的智能车辆目标跟踪方法,其特征在于:所述步骤(3.3)DSRC通信模块接收的目标车辆的运动状态与身份信息对目标车辆状态预测与车载传感器量测数据关联结果进行修正,其步骤包括:
(4.1)利用DSRC通信模块接收的目标车辆的运动状态与身份信息重构目标车辆状态预测,重构方法是用DSRC通信模块接收的目标车辆的运动状态置换当前时刻目标车辆的状态预测中具有相同身份的目标的状态;
(4.2)重构的目标车辆状态预测与车载传感器量测进行数据关联;
(4.3)将步骤(4.2)的数据关联结果与步骤(3.2)的数据关联结果进行融合,实现对步骤(3.2)中目标车辆状态预测与车载传感器量测数据关联结果的修正。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610126332.3A CN105809126B (zh) | 2016-03-04 | 2016-03-04 | Dsrc与车载传感器融合的智能车辆目标跟踪系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610126332.3A CN105809126B (zh) | 2016-03-04 | 2016-03-04 | Dsrc与车载传感器融合的智能车辆目标跟踪系统及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105809126A CN105809126A (zh) | 2016-07-27 |
CN105809126B true CN105809126B (zh) | 2019-04-09 |
Family
ID=56467807
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610126332.3A Active CN105809126B (zh) | 2016-03-04 | 2016-03-04 | Dsrc与车载传感器融合的智能车辆目标跟踪系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105809126B (zh) |
Families Citing this family (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106926796B (zh) * | 2017-01-23 | 2022-04-15 | 斑马信息科技有限公司 | 车辆服务系统及其服务方法 |
CN107024216B (zh) * | 2017-03-14 | 2020-08-04 | 重庆邮电大学 | 引入全景地图的智能车辆融合定位系统及方法 |
CN107063275B (zh) * | 2017-03-24 | 2020-05-12 | 重庆邮电大学 | 基于路侧设备的智能车辆地图融合系统及方法 |
CN107315413B (zh) * | 2017-07-12 | 2020-07-21 | 北京航空航天大学 | 一种车车通信环境下考虑车辆间相对位置的多车协同定位算法 |
CN109426252B (zh) * | 2017-08-29 | 2021-09-21 | 上海汽车集团股份有限公司 | 一种车辆跟踪方法及装置 |
CN109900490B (zh) * | 2017-12-11 | 2020-11-03 | 上海交通大学 | 基于自主式和协同式传感器的车辆运动状态检测方法及系统 |
CN108875600A (zh) * | 2018-05-31 | 2018-11-23 | 银江股份有限公司 | 一种基于yolo的车辆信息检测和跟踪方法、装置及计算机存储介质 |
CN110245565A (zh) | 2019-05-14 | 2019-09-17 | 东软集团股份有限公司 | 车辆跟踪方法、装置、计算机可读存储介质及电子设备 |
CN110677491B (zh) * | 2019-10-10 | 2021-10-19 | 郑州迈拓信息技术有限公司 | 用于车辆的旁车位置估计方法 |
CN112837527A (zh) * | 2019-11-22 | 2021-05-25 | 罗伯特·博世有限公司 | 目标识别系统及其方法 |
CN111220998B (zh) * | 2020-02-26 | 2022-10-28 | 江苏大学 | 一种基于车车通信的多目标协同跟踪的方法 |
CN111985379A (zh) * | 2020-08-13 | 2020-11-24 | 中国第一汽车股份有限公司 | 基于车载雷达的目标追踪方法、装置、设备及车辆 |
CN112363167A (zh) * | 2020-11-02 | 2021-02-12 | 重庆邮电大学 | 一种基于毫米波雷达与单目相机融合的扩展目标跟踪方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101079188A (zh) * | 2007-07-05 | 2007-11-28 | 海信集团有限公司 | 一种车载终端及包含该车载终端的公交系统 |
CN101655561A (zh) * | 2009-09-14 | 2010-02-24 | 南京莱斯信息技术股份有限公司 | 基于联合卡尔曼滤波的多点定位数据与雷达数据融合方法 |
CN102139696A (zh) * | 2010-02-02 | 2011-08-03 | 通用汽车环球科技运作有限责任公司 | 疏堵 |
CN104808220A (zh) * | 2015-04-02 | 2015-07-29 | 北京交通大学 | 一种基于无线信息交互的车辆定位完好性监测方法 |
CN104867356A (zh) * | 2015-06-04 | 2015-08-26 | 重庆邮电大学 | 一种基于DSRC和Telematics的车辆威胁评估系统 |
-
2016
- 2016-03-04 CN CN201610126332.3A patent/CN105809126B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101079188A (zh) * | 2007-07-05 | 2007-11-28 | 海信集团有限公司 | 一种车载终端及包含该车载终端的公交系统 |
CN101655561A (zh) * | 2009-09-14 | 2010-02-24 | 南京莱斯信息技术股份有限公司 | 基于联合卡尔曼滤波的多点定位数据与雷达数据融合方法 |
CN102139696A (zh) * | 2010-02-02 | 2011-08-03 | 通用汽车环球科技运作有限责任公司 | 疏堵 |
CN104808220A (zh) * | 2015-04-02 | 2015-07-29 | 北京交通大学 | 一种基于无线信息交互的车辆定位完好性监测方法 |
CN104867356A (zh) * | 2015-06-04 | 2015-08-26 | 重庆邮电大学 | 一种基于DSRC和Telematics的车辆威胁评估系统 |
Non-Patent Citations (1)
Title |
---|
Target tracking and fusion in vehicular networks;G Thomaidis 等;《2011 IEEE Intelligent Vehicles Symposium (IV)》;20110609;第1080-1085页 |
Also Published As
Publication number | Publication date |
---|---|
CN105809126A (zh) | 2016-07-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105809126B (zh) | Dsrc与车载传感器融合的智能车辆目标跟踪系统及方法 | |
CN105741546B (zh) | 路侧设备与车传感器融合的智能车辆目标跟踪系统及方法 | |
CN107315413B (zh) | 一种车车通信环境下考虑车辆间相对位置的多车协同定位算法 | |
CN108492564B (zh) | 基于路网匹配测量高速公路车辆行驶速度的方法及系统 | |
CN103703497B (zh) | 车辆确定系统及车辆确定装置 | |
CN1940591B (zh) | 使用传感器融合进行目标跟踪的系统和方法 | |
CN104136298B (zh) | 测定车辆的速度和/或位置的方法和装置 | |
KR102177912B1 (ko) | 차량 식별 | |
Liebner et al. | Active safety for vulnerable road users based on smartphone position data | |
US20150153178A1 (en) | Car navigation system and method in which global navigation satellite system (gnss) and dead reckoning (dr) are merged | |
CN103064086A (zh) | 一种基于深度信息的车辆跟踪方法 | |
Song et al. | A fusion strategy for reliable vehicle positioning utilizing RFID and in-vehicle sensors | |
CN105992210A (zh) | 移动伪基站定位方法、系统、定位设备及定位服务器 | |
CN107274721B (zh) | 一种智能交通系统中多车辆协作定位方法 | |
CN110568456B (zh) | 基于超宽带辅助的列车卫星定位欺骗干扰检测方法 | |
CN111224710B (zh) | 基于卫星空间分布检验的虚拟应答器捕获方法及捕获系统 | |
CN108120438A (zh) | 一种基于imu和rfid信息融合的室内目标快速跟踪方法 | |
CN110007327A (zh) | 用于确定车辆的停车位的方法 | |
CA2876131C (en) | Gnss jammer detection system with optical tracking and identification | |
CN110068793A (zh) | 一种定位跟踪方法 | |
AU2020277192A1 (en) | Method and device for determining trajectories of mobile elements | |
US11567186B2 (en) | Compensating radio tracking with comparison to image based tracking | |
CN117014815A (zh) | 一种多传感器多车辆协同定位系统与方法 | |
EP3657197B1 (en) | Vehicle positioning based on wireless signal transmission | |
CN102645646B (zh) | 一种多信源不确定融合定位方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |