CN108897026A - 卫星导航信号受遮挡情况下的合作车辆定位方法及装置 - Google Patents
卫星导航信号受遮挡情况下的合作车辆定位方法及装置 Download PDFInfo
- Publication number
- CN108897026A CN108897026A CN201810984434.8A CN201810984434A CN108897026A CN 108897026 A CN108897026 A CN 108897026A CN 201810984434 A CN201810984434 A CN 201810984434A CN 108897026 A CN108897026 A CN 108897026A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- model
- sensing unit
- ultra
- sensor node
- 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.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S19/00—Satellite radio beacon positioning systems; Determining position, velocity or attitude using signals transmitted by such systems
- G01S19/38—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system
- G01S19/39—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system the satellite radio beacon positioning system transmitting time-stamped messages, e.g. GPS [Global Positioning System], GLONASS [Global Orbiting Navigation Satellite System] or GALILEO
- G01S19/42—Determining position
- G01S19/45—Determining position by combining measurements of signals from the satellite radio beacon positioning system with a supplementary measurement
- G01S19/46—Determining position by combining measurements of signals from the satellite radio beacon positioning system with a supplementary measurement the supplementary measurement being of a radio-wave signal type
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Computer Networks & Wireless Communication (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Navigation (AREA)
- Position Fixing By Use Of Radio Waves (AREA)
Abstract
本发明提供了一种卫星导航信号受遮挡情况下的合作车辆定位方法及装置,其中方法包括:获取待定位车辆的真实运动模型和移动预测模型;利用路侧传感单元获取脉冲无线电及超宽带测距数据;计算待定位车辆到路侧传感单元中的传感器节点的接收功率;利用GNSS转发器获取待定位车辆的绝对定位数据;获取车道约束模型;利用待定位车辆的真实运动模型和移动预测模型、脉冲无线电及超宽带测距数据、待定位车辆到路侧传感单元中的传感器节点的接收功率、待定位车辆的绝对定位数据以及车道约束模型计算待定位车辆的分布式粒子滤波;根据待定位车辆的分布式粒子滤波进行待定位车辆的位置估计计算,得到待定位车辆的定位信息。
Description
技术领域
本发明涉及车辆定位领域,尤其涉及一种卫星导航信号受遮挡情况下的合作车辆定位方法及装置。
背景技术
全球导航卫星系统(GNSS)被广泛应用于各个领域,是一种卫星无线电导航系统,其基于广播特定扩频信号的卫星星座。
在城市环境中会存在的信号遮挡等问题,在卫星导航信号受到遮挡的情况下,对车辆定位的结果则不够精确,因此,急需一种可以在卫星导航信号受到遮挡的情况下还可以精确定位车辆的方案。
发明内容
本发明旨在提供一种克服上述问题或者至少部分地解决上述问题的卫星导航信号受遮挡情况下的合作车辆定位方法及装置,以提高车联网中每辆车的定位精度。
为达到上述目的,本发明的技术方案具体是这样实现的:
本发明的一个方面提供了一种卫星导航信号受遮挡情况下的合作车辆定位方法,包括:获取待定位车辆的真实运动模型和移动预测模型;利用路侧传感单元获取脉冲无线电及超宽带测距数据;计算待定位车辆到路侧传感单元中的传感器节点的接收功率;利用GNSS转发器获取待定位车辆的绝对定位数据;获取车道约束模型;利用待定位车辆的真实运动模型和移动预测模型、脉冲无线电及超宽带测距数据、待定位车辆到路侧传感单元中的传感器节点的接收功率、待定位车辆的绝对定位数据以及车道约束模型计算待定位车辆的分布式粒子滤波;根据待定位车辆的分布式粒子滤波进行待定位车辆的位置估计计算,得到待定位车辆的定位信息。
其中,利用待定位车辆的真实运动模型和移动预测模型、脉冲无线电及超宽带测距数据、待定位车辆到路侧传感单元中的传感器节点的接收功率、待定位车辆的绝对定位数据以及车道约束模型计算待定位车辆的分布式粒子滤波包括:确定合作感知信息集合,其中,合作感知信息集合包括以下至少之一:待定位车辆的真实运动模型和移动预测模型、脉冲无线电及超宽带测距数据、待定位车辆到路侧传感单元中的传感器节点的接收功率、待定位车辆的绝对定位数据以及待定位车辆的估计位置和误差;利用移动预测模型确定与待定位车辆相邻的车辆的分布式粒子滤波;汇总测量结果数据,其中,测量结果数据至少包括以下之一:待定位车辆和与待定位车辆相邻的车辆的真实运动模型和移动预测模型、脉冲无线电及超宽带测距数据以及待定位车辆和与待定位车辆相邻的车辆到路侧传感单元中的传感器节点的接收功率以及待定位车辆和与待定位车辆相邻的车辆的绝对定位数据;对测量结果数据进行权重更新;对测量结果数据进行重采样,获得待定位车辆的定位信息,并将待定位车辆的定位信息进行广播。
其中,获得待定位车辆的定位信息包括:利用车道约束模型计算对待定位车辆的定位信息进行计算,得到修正的待定位车辆的定位信息。
本发明另一方面提供了一种卫星导航信号受遮挡情况下的合作车辆定位装置,包括:第一获取模块,用于获取待定位车辆的真实运动模型和移动预测模型;第二获取模块,用于利用路侧传感单元获取脉冲无线电及超宽带测距数据;第一计算模块,用于计算待定位车辆到路侧传感单元中的传感器节点的接收功率;第三获取模块,用于利用GNSS转发器获取待定位车辆的绝对定位数据;第四获取模块,用于获取车道约束模型;第二计算模块,用于利用待定位车辆的真实运动模型和移动预测模型、脉冲无线电及超宽带测距数据、待定位车辆到路侧传感单元中的传感器节点的接收功率、待定位车辆的绝对定位数据以及车道约束模型计算待定位车辆的分布式粒子滤波;定位模块,用于根据待定位车辆的分布式粒子滤波进行待定位车辆的位置估计计算,得到待定位车辆的定位信息。
其中,第二计算模块通过如下方式利用待定位车辆的真实运动模型和移动预测模型、脉冲无线电及超宽带测距数据、待定位车辆到路侧传感单元中的传感器节点的接收功率、待定位车辆的绝对定位数据以及车道约束模型计算待定位车辆的分布式粒子滤波:第二计算模块,还用于确定合作感知信息集合,其中,合作感知信息集合包括以下至少之一:待定位车辆的真实运动模型和移动预测模型、脉冲无线电及超宽带测距数据、待定位车辆到路侧传感单元中的传感器节点的接收功率、待定位车辆的绝对定位数据以及待定位车辆的估计位置和误差;利用移动预测模型确定与待定位车辆相邻的车辆的分布式粒子滤波;汇总测量结果数据,其中,测量结果数据至少包括以下之一:待定位车辆和与待定位车辆相邻的车辆的真实运动模型和移动预测模型、脉冲无线电及超宽带测距数据以及待定位车辆和与待定位车辆相邻的车辆到路侧传感单元中的传感器节点的接收功率以及待定位车辆和与待定位车辆相邻的车辆的绝对定位数据;对测量结果数据进行权重更新;对测量结果数据进行重采样,获得待定位车辆的定位信息,并将待定位车辆的定位信息进行广播。
其中,定位模块通过如下方式获得待定位车辆的定位信息:定位模块,还用于利用车道约束模型计算对待定位车辆的定位信息进行计算,得到修正的待定位车辆的定位信息。
由此可见,本发明提供的卫星导航信号受遮挡情况下的合作车辆定位方法及装置,可以实现在卫星导航信号受到遮挡的情况下时,通过合作车辆(待定位车辆的相邻车辆)来对待定位车辆进行精确定位。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域的普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他附图。
图1为本发明实施例提供的卫星导航信号受遮挡情况下的合作车辆定位方法的流程图;
图2为本发明实施例提供的卫星导航信号受遮挡情况下的合作车辆定位装置的结构示意图。
具体实施方式
下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例,然而应当理解,可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反,提供这些实施例是为了能够更透彻地理解本公开,并且能够将本公开的范围完整的传达给本领域的技术人员。
图1示出了本发明实施例提供的卫星导航信号受遮挡情况下的合作车辆定位方法的流程图,参见图1,本发明实施例提供的卫星导航信号受遮挡情况下的合作车辆定位方法,包括:
S101,获取待定位车辆的真实运动模型和移动预测模型。
具体地,为了保证模型独立于运动,本发明可以采用动态双轮模型作为移动预测模型。
S102,利用路侧传感单元获取脉冲无线电及超宽带测距数据。
具体地,路侧传感单元可以采用脉冲无线电和超宽带传感器,这种路侧传感器可以提供车辆到传感器节点的距离信息。根据其测距协议,估计车辆i时刻ti,k位置(或xj)到节点j j∈S→i,k∪Γ→i,k的距离zj→i,k,为其中,是标准偏差为的测距测量噪声。
S103,计算待定位车辆到路侧传感单元中的传感器节点的接收功率。
具体地,在接收到的传感器合作性信息中,车辆i在在ti,k时刻(此时,车辆j(j∈S→i,k∪Γ→i,k)在(或者xj)位置)所量测的RSSI值zj→i,k(单位:dB)假设遵循如下对数距离路径损耗模型:其中P(d0)[dBm]是参考距离d0处的平均接收功率,np是路径损耗指数,σSh是阴影标准差。
S104,利用GNSS转发器获取待定位车辆的绝对定位数据;
S105,获取车道约束模型。
值得说明的是,上述步骤S101-S105的执行是并行的,并不具有特定的顺序,即步骤S101-S105的步骤之间并无顺序关系,可以先执行任一步骤。这在本发明中并不做出具体限制。
具体地,为了提高车联网中每辆车的定位精度,本发明提出了合作定位方法,将来自车与车之间通信设备的相对测量量与来自每辆车的车载定位信息如全球导航卫星系统(GNSS)、惯性测量单元(IMU)和轮速传感器的绝对测量量相融合。在卫星导航信号受遮挡环境(如常见的隧道环境)中,随着时间的推移GNSS无信号时间延长以及惯性传感器误差积累导致位置估计的快速发散。通过额外的车辆到基础设施测量,在隧道内部可以使用相邻车辆、路侧传感单元和车道约束提高合作定位的绝对精度。
S106,利用待定位车辆的真实运动模型和移动预测模型、脉冲无线电及超宽带测距数据、待定位车辆到路侧传感单元中的传感器节点的接收功率、待定位车辆的绝对定位数据以及车道约束模型计算待定位车辆的分布式粒子滤波。
具体地,作为本发明实施例的一个可选实施方式,本步骤S106,利用待定位车辆的真实运动模型和移动预测模型、脉冲无线电及超宽带测距数据、待定位车辆到路侧传感单元中的传感器节点的接收功率、待定位车辆的绝对定位数据以及车道约束模型计算待定位车辆的分布式粒子滤波包括:
确定合作感知信息集合,其中,合作感知信息集合包括以下至少之一:待定位车辆的真实运动模型和移动预测模型、脉冲无线电及超宽带测距数据、待定位车辆到路侧传感单元中的传感器节点的接收功率、待定位车辆的绝对定位数据以及待定位车辆的估计位置和误差;
利用移动预测模型确定与待定位车辆相邻的车辆的分布式粒子滤波;
汇总测量结果数据,其中,测量结果数据至少包括以下之一:待定位车辆和与待定位车辆相邻的车辆的真实运动模型和移动预测模型、脉冲无线电及超宽带测距数据以及待定位车辆和与待定位车辆相邻的车辆到路侧传感单元中的传感器节点的接收功率以及待定位车辆和与待定位车辆相邻的车辆的绝对定位数据;
对测量结果数据进行权重更新;
对测量结果数据进行重采样,获得待定位车辆的定位信息,并将待定位车辆的定位信息进行广播。
S107,根据待定位车辆的分布式粒子滤波进行待定位车辆的位置估计计算,得到待定位车辆的定位信息。
具体地,作为本发明实施例的一个可选实施方式,获得待定位车辆的定位信息包括:利用车道约束模型计算对待定位车辆的定位信息进行计算,得到修正的待定位车辆的定位信息。由于车辆的运动被车道的边界约束,该信息可以作为车辆定位的辅助条件。本发明可以通过实时的图像传感器(例如视觉传感器)来获取车道边界的位置信息,并且结合车道级电子地图,上述粒子滤波的结果就可以通过车道宽度、位置来进行检验。因此车道边界的绝对和相对位置信息就可以作为上述估计的约束条件。这样,定位估计的先验概率密度就可以从数值上利用车道边界进行截断,这一约束条件可以限制模型的有效状态,即粒子滤波中在范围外的粒子可以被删去。所以受约束的概率密度利用剩余的有效采样点进行构建,这个截断后的概率密度被用来计算滤波器的最小均方误差输出。
由此可见,通过本发明实施例提供的卫星导航信号受遮挡情况下的合作车辆定位方法,可以实现在卫星导航信号受到遮挡的情况下时,通过合作车辆(待定位车辆的相邻车辆)来对待定位车辆进行精确定位。
图2示出了本发明实施例提供的卫星导航信号受遮挡情况下的合作车辆定位装置的结构示意图,该卫星导航信号受遮挡情况下的合作车辆定位装置应用于上述方法,以下仅对卫星导航信号受遮挡情况下的合作车辆定位装置的结构进行简单说明,其他未尽事宜,请参照上述卫星导航信号受遮挡情况下的合作车辆定位方法中的相关描述,参见图2,本发明实施例提供的卫星导航信号受遮挡情况下的合作车辆定位装置,包括:
第一获取模块201,用于获取待定位车辆的真实运动模型和移动预测模型;
第二获取模块202,用于利用路侧传感单元获取脉冲无线电及超宽带测距数据;
第一计算模块203,用于计算待定位车辆到路侧传感单元中的传感器节点的接收功率;
第三获取模块204,用于利用GNSS转发器获取待定位车辆的绝对定位数据;
第四获取模块205,用于获取车道约束模型;
第二计算模块206,用于利用待定位车辆的真实运动模型和移动预测模型、脉冲无线电及超宽带测距数据、待定位车辆到路侧传感单元中的传感器节点的接收功率、待定位车辆的绝对定位数据以及车道约束模型计算待定位车辆的分布式粒子滤波;
定位模块207,用于根据待定位车辆的分布式粒子滤波进行待定位车辆的位置估计计算,得到待定位车辆的定位信息。
作为本发明实施例的一个可选实施方式,第二计算模块206通过如下方式利用待定位车辆的真实运动模型和移动预测模型、脉冲无线电及超宽带测距数据、待定位车辆到路侧传感单元中的传感器节点的接收功率、待定位车辆的绝对定位数据以及车道约束模型计算待定位车辆的分布式粒子滤波:第二计算模块206,还用于确定合作感知信息集合,其中,合作感知信息集合包括以下至少之一:待定位车辆的真实运动模型和移动预测模型、脉冲无线电及超宽带测距数据、待定位车辆到路侧传感单元中的传感器节点的接收功率、待定位车辆的绝对定位数据以及待定位车辆的估计位置和误差;利用移动预测模型确定与待定位车辆相邻的车辆的分布式粒子滤波;汇总测量结果数据,其中,测量结果数据至少包括以下之一:待定位车辆和与待定位车辆相邻的车辆的真实运动模型和移动预测模型、脉冲无线电及超宽带测距数据以及待定位车辆和与待定位车辆相邻的车辆到路侧传感单元中的传感器节点的接收功率以及待定位车辆和与待定位车辆相邻的车辆的绝对定位数据;对测量结果数据进行权重更新;对测量结果数据进行重采样,获得待定位车辆的定位信息,并将待定位车辆的定位信息进行广播。
作为本发明实施例的一个可选实施方式,定位模块207通过如下方式获得待定位车辆的定位信息:定位模块207,还用于利用车道约束模型计算对待定位车辆的定位信息进行计算,得到修正的待定位车辆的定位信息。
由此可见,通过本发明实施例提供的卫星导航信号受遮挡情况下的合作车辆定位装置,可以实现在卫星导航信号受到遮挡的情况下时,通过合作车辆(待定位车辆的相邻车辆)来对待定位车辆进行精确定位。
本领域内的技术人员应明白,本申请的实施例可提供为方法、系统、或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
在一个典型的配置中,计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。
存储器可能包括计算机可读介质中的非永久性存储器,随机存取存储器(RAM)和/或非易失性内存等形式,如只读存储器(ROM)或闪存(flash RAM)。存储器是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括,但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带,磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质,可用于存储可以被计算设备访问的信息。按照本文中的界定,计算机可读介质不包括暂存电脑可读媒体(transitory media),如调制的数据信号和载波。
以上仅为本申请的实施例而已,并不用于限制本申请。对于本领域技术人员来说,本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等,均应包含在本申请的权利要求范围之内。
Claims (6)
1.一种卫星导航信号受遮挡情况下的合作车辆定位方法,其特征在于,包括:
获取待定位车辆的真实运动模型和移动预测模型;
利用路侧传感单元获取脉冲无线电及超宽带测距数据;
计算待定位车辆到所述路侧传感单元中的传感器节点的接收功率;
利用GNSS转发器获取所述待定位车辆的绝对定位数据;
获取车道约束模型;
利用所述待定位车辆的真实运动模型和移动预测模型、所述脉冲无线电及超宽带测距数据、所述待定位车辆到所述路侧传感单元中的传感器节点的接收功率、所述待定位车辆的绝对定位数据以及所述车道约束模型计算所述待定位车辆的分布式粒子滤波;
根据所述待定位车辆的分布式粒子滤波进行待定位车辆的位置估计计算,得到所述待定位车辆的定位信息。
2.根据权利要求1所述的方法,其特征在于,利用所述待定位车辆的真实运动模型和移动预测模型、所述脉冲无线电及超宽带测距数据、所述待定位车辆到所述路侧传感单元中的传感器节点的接收功率、所述待定位车辆的绝对定位数据以及所述车道约束模型计算所述待定位车辆的分布式粒子滤波包括:
确定合作感知信息集合,其中,所述合作感知信息集合包括以下至少之一:所述待定位车辆的真实运动模型和移动预测模型、所述脉冲无线电及超宽带测距数据、所述待定位车辆到所述路侧传感单元中的传感器节点的接收功率、所述待定位车辆的绝对定位数据以及所述待定位车辆的估计位置和误差;
利用移动预测模型确定与所述待定位车辆相邻的车辆的分布式粒子滤波;
汇总测量结果数据,其中,所述测量结果数据至少包括以下之一:所述待定位车辆和与所述待定位车辆相邻的车辆的真实运动模型和移动预测模型、所述脉冲无线电及超宽带测距数据以及所述待定位车辆和与所述待定位车辆相邻的车辆到所述路侧传感单元中的传感器节点的接收功率以及所述待定位车辆和与所述待定位车辆相邻的车辆的绝对定位数据;
对所述测量结果数据进行权重更新;
对所述测量结果数据进行重采样,获得所述待定位车辆的定位信息,并将所述待定位车辆的定位信息进行广播。
3.根据权利要求2所述的方法,其特征在于,所述获得所述待定位车辆的定位信息包括:
利用所述车道约束模型计算对所述待定位车辆的定位信息进行计算,得到修正的所述待定位车辆的定位信息。
4.一种卫星导航信号受遮挡情况下的合作车辆定位装置,其特征在于,包括:
第一获取模块,用于获取待定位车辆的真实运动模型和移动预测模型;
第二获取模块,用于利用路侧传感单元获取脉冲无线电及超宽带测距数据;
第一计算模块,用于计算待定位车辆到所述路侧传感单元中的传感器节点的接收功率;
第三获取模块,用于利用GNSS转发器获取所述待定位车辆的绝对定位数据;
第四获取模块,用于获取车道约束模型;
第二计算模块,用于利用所述待定位车辆的真实运动模型和移动预测模型、所述脉冲无线电及超宽带测距数据、所述待定位车辆到所述路侧传感单元中的传感器节点的接收功率、所述待定位车辆的绝对定位数据以及所述车道约束模型计算所述待定位车辆的分布式粒子滤波;
定位模块,用于根据所述待定位车辆的分布式粒子滤波进行待定位车辆的位置估计计算,得到所述待定位车辆的定位信息。
5.根据权利要求4所述的装置,其特征在于,所述第二计算模块通过如下方式利用所述待定位车辆的真实运动模型和移动预测模型、所述脉冲无线电及超宽带测距数据、所述待定位车辆到所述路侧传感单元中的传感器节点的接收功率、所述待定位车辆的绝对定位数据以及所述车道约束模型计算所述待定位车辆的分布式粒子滤波:
所述第二计算模块,还用于确定合作感知信息集合,其中,所述合作感知信息集合包括以下至少之一:所述待定位车辆的真实运动模型和移动预测模型、所述脉冲无线电及超宽带测距数据、所述待定位车辆到所述路侧传感单元中的传感器节点的接收功率、所述待定位车辆的绝对定位数据以及所述待定位车辆的估计位置和误差;利用移动预测模型确定与所述待定位车辆相邻的车辆的分布式粒子滤波;汇总测量结果数据,其中,所述测量结果数据至少包括以下之一:所述待定位车辆和与所述待定位车辆相邻的车辆的真实运动模型和移动预测模型、所述脉冲无线电及超宽带测距数据以及所述待定位车辆和与所述待定位车辆相邻的车辆到所述路侧传感单元中的传感器节点的接收功率以及所述待定位车辆和与所述待定位车辆相邻的车辆的绝对定位数据;对所述测量结果数据进行权重更新;对所述测量结果数据进行重采样,获得所述待定位车辆的定位信息,并将所述待定位车辆的定位信息进行广播。
6.根据权利要求5所述的装置,其特征在于,所述定位模块通过如下方式获得所述待定位车辆的定位信息:
所述定位模块,还用于利用所述车道约束模型计算对所述待定位车辆的定位信息进行计算,得到修正的所述待定位车辆的定位信息。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810984434.8A CN108897026A (zh) | 2018-08-28 | 2018-08-28 | 卫星导航信号受遮挡情况下的合作车辆定位方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810984434.8A CN108897026A (zh) | 2018-08-28 | 2018-08-28 | 卫星导航信号受遮挡情况下的合作车辆定位方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108897026A true CN108897026A (zh) | 2018-11-27 |
Family
ID=64358543
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810984434.8A Pending CN108897026A (zh) | 2018-08-28 | 2018-08-28 | 卫星导航信号受遮挡情况下的合作车辆定位方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108897026A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110244721A (zh) * | 2019-06-05 | 2019-09-17 | 杭州飞步科技有限公司 | 自动驾驶控制方法、装置、设备及存储介质 |
CN111060944A (zh) * | 2019-12-26 | 2020-04-24 | 广东工业大学 | 一种基于current-ellipse模型的车辆动态跟踪方法 |
CN111915921A (zh) * | 2020-08-11 | 2020-11-10 | 大陆投资(中国)有限公司 | 利用路侧设备的车道级精度定位方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN202939308U (zh) * | 2012-10-31 | 2013-05-15 | 河北德海电子科技有限公司 | 卫星导航信号转发器 |
CN103454614A (zh) * | 2013-08-28 | 2013-12-18 | 上海永畅信息科技有限公司 | 基于粒子滤波的车辆间相对定位方法 |
CN104076382A (zh) * | 2014-07-22 | 2014-10-01 | 中国石油大学(华东) | 一种基于多源信息融合的车辆无缝定位方法 |
EP3062124A1 (en) * | 2015-02-27 | 2016-08-31 | Guidance Automation Limited | Determining a position of an agent |
CN107077781A (zh) * | 2014-09-23 | 2017-08-18 | 罗伯特·博世有限公司 | 用于建立道路交通参与者的运动模型的方法和设备 |
CN108020813A (zh) * | 2016-11-04 | 2018-05-11 | 富士通株式会社 | 定位方法、定位装置和电子设备 |
-
2018
- 2018-08-28 CN CN201810984434.8A patent/CN108897026A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN202939308U (zh) * | 2012-10-31 | 2013-05-15 | 河北德海电子科技有限公司 | 卫星导航信号转发器 |
CN103454614A (zh) * | 2013-08-28 | 2013-12-18 | 上海永畅信息科技有限公司 | 基于粒子滤波的车辆间相对定位方法 |
CN104076382A (zh) * | 2014-07-22 | 2014-10-01 | 中国石油大学(华东) | 一种基于多源信息融合的车辆无缝定位方法 |
CN107077781A (zh) * | 2014-09-23 | 2017-08-18 | 罗伯特·博世有限公司 | 用于建立道路交通参与者的运动模型的方法和设备 |
EP3062124A1 (en) * | 2015-02-27 | 2016-08-31 | Guidance Automation Limited | Determining a position of an agent |
CN108020813A (zh) * | 2016-11-04 | 2018-05-11 | 富士通株式会社 | 定位方法、定位装置和电子设备 |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110244721A (zh) * | 2019-06-05 | 2019-09-17 | 杭州飞步科技有限公司 | 自动驾驶控制方法、装置、设备及存储介质 |
CN110244721B (zh) * | 2019-06-05 | 2022-04-12 | 杭州飞步科技有限公司 | 自动驾驶控制方法、装置、设备及存储介质 |
CN111060944A (zh) * | 2019-12-26 | 2020-04-24 | 广东工业大学 | 一种基于current-ellipse模型的车辆动态跟踪方法 |
CN111915921A (zh) * | 2020-08-11 | 2020-11-10 | 大陆投资(中国)有限公司 | 利用路侧设备的车道级精度定位方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
KR101755944B1 (ko) | Gps, uwb 및 v2x를 접목하여 차량의 위치를 결정하는 자율 주행 방법 및 시스템 | |
Qin et al. | Vehicles on RFID: Error-cognitive vehicle localization in GPS-less environments | |
CN105021187B (zh) | 低功耗室外定位方法 | |
EP2876463B1 (en) | Method for determining location of vehicle | |
US20140100781A1 (en) | Positioning network availability and reliability based routing | |
CN108897026A (zh) | 卫星导航信号受遮挡情况下的合作车辆定位方法及装置 | |
CN111435159A (zh) | 一种进行定位的方法和设备 | |
CN114624741A (zh) | 一种定位精度评估方法及装置 | |
CN102165330A (zh) | 用于城市导航的增强型数据库信息 | |
US9848304B2 (en) | Positioning of mobile device | |
US11899117B2 (en) | Moving body positioning system, method, and program | |
Elazab et al. | Integrated cooperative localization for connected vehicles in urban canyons | |
Lee et al. | Indoor localization by Kalman filter based combining of UWB-positioning and PDR | |
CN107764273B (zh) | 一种车辆导航定位方法及系统 | |
CN109188478A (zh) | 一种利用地图辅助的城市环境卫星定位导航方法及装置 | |
CN108474835A (zh) | 室内定位和追踪系统 | |
CN109005497A (zh) | 确定信号盲区的方法、确定用户位置的方法及装置 | |
JP2021009109A (ja) | 測位方法、測位システム、制御装置、および移動局 | |
Choi et al. | An adaptive tracking estimator for robust vehicular localization in shadowing areas | |
KR101835432B1 (ko) | 열차 위치 측정 방법 및 장치 | |
CN113917512B (zh) | 自动驾驶车辆的定位方法、装置、电子设备及存储介质 | |
CN113884096A (zh) | 一种室内导航的系统及方法 | |
CN112771352A (zh) | 车辆定位方法和装置 | |
CN110780262A (zh) | 一种融合rssi和aoa的室内定位方法 | |
CN116736327B (zh) | 定位数据优化方法、装置、电子设备和可读存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20181127 |
|
RJ01 | Rejection of invention patent application after publication |