CN109631886B - 车辆定位方法、装置、电子设备、存储介质 - Google Patents

车辆定位方法、装置、电子设备、存储介质 Download PDF

Info

Publication number
CN109631886B
CN109631886B CN201811631708.1A CN201811631708A CN109631886B CN 109631886 B CN109631886 B CN 109631886B CN 201811631708 A CN201811631708 A CN 201811631708A CN 109631886 B CN109631886 B CN 109631886B
Authority
CN
China
Prior art keywords
vehicle
moment
state variable
time
data
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
Application number
CN201811631708.1A
Other languages
English (en)
Other versions
CN109631886A (zh
Inventor
许赟
赵延宁
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Jiangsu Yunmanman Information Technology Co Ltd
Original Assignee
Jiangsu Manyun Logistics Information Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Jiangsu Manyun Logistics Information Co Ltd filed Critical Jiangsu Manyun Logistics Information Co Ltd
Priority to CN201811631708.1A priority Critical patent/CN109631886B/zh
Publication of CN109631886A publication Critical patent/CN109631886A/zh
Application granted granted Critical
Publication of CN109631886B publication Critical patent/CN109631886B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/10—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration
    • G01C21/12—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning
    • G01C21/16—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning by integrating acceleration or speed, i.e. inertial navigation
    • G01C21/165—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning by integrating acceleration or speed, i.e. inertial navigation combined with non-inertial navigation instruments
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
    • G01C21/34—Route searching; Route guidance
    • G01C21/3407—Route searching; Route guidance specially adapted for specific applications
    • G01C21/3415—Dynamic re-routing, e.g. recalculating the route when the user deviates from calculated route or after detecting real-time traffic data or accidents
    • 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
    • G01S19/48—Determining position by combining or switching between position solutions derived from the satellite radio beacon positioning system and position solutions derived from a further system
    • G01S19/49—Determining position by combining or switching between position solutions derived from the satellite radio beacon positioning system and position solutions derived from a further system whereby the further system is an inertial position system, e.g. loosely-coupled

Landscapes

  • Engineering & Computer Science (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Navigation (AREA)

Abstract

本发明提供一种车辆定位方法、装置、电子设备、存储介质，方法包括：采集车辆的惯性导航系统的在k时刻的加速度数据和角速度数据；基于所述惯性导航系统的加速度数据和角速度数据及车辆在k‑1时刻经更新的状态变量预测车辆在k时刻的状态变量，所述状态变量包括车辆的速度变量及位置变量；根据车轮传感器的滚动距离数据及地图数据确定车辆在k时刻的观测位置；根据所预测的车辆在k时刻的状态变量及所确定的车辆在k时刻的观测位置更新车辆在k时刻的状态变量，将车辆在k时刻经更新的状态变量作为车辆在k时刻的定位数据，k为大于1的整数。本发明提供的方法及装置实现精确车辆定位。

Description

车辆定位方法、装置、电子设备、存储介质
技术领域
本发明涉及车辆定位领域，尤其涉及一种车辆定位方法、装置、电子设备、存储介质。
背景技术
随着车辆和定位技术的发展，精准获取车辆实时位置越来越重要，一方面对于车辆自身而言，司机需要知道自己所处的位置以及周围的环境，从而决策后面的行驶路径和驾驶行为；另一方面，对于远程监控中心而言，知道车辆的位置是实现远程监控的基础，尤其对于押运、出租、物流等行业，及时发现危险区域提前预警对于车、货、人都至关重要。
通常而言，车载GPS(Global Positioning System全球定位系统)设备能够满足获取车辆实时位置的需要，该设备主要通过收发GPS、北斗等卫星信号来计算实时位置，通常需要能够接收到3颗以上的卫星信号才能得出准确位置。但是收发卫星信号通常对环境有要求，一旦受到遮挡，就会大幅下降定位的精准度，如云层、高架，更极端的，倘若车辆进入隧道、地下车库等完全封闭的环境，GPS定位信号就会迅速减弱甚至完全消失，对于需要在此时获取车辆位置的场景是会出现一定风险而十分不利的。
目前为解决这个问题，车辆通常存在惯性导航系统，即加速度仪和陀螺仪，在车载GPS设备停止工作后，通过惯导系统测量车辆行进速度和方向，大致推算车辆位置。
与此类似，车辆同时还具备前/后轮传感器，可以监测前/后的滚动距离和转向角，依此来计算车辆行进距离和方向，并推算车辆位置。
然而，现有技术最大的缺点在误差，惯性导航系统存在累计误差，即加速度计和陀螺仪的测量均存在误差，同时每次的计算都依赖上一次的计算结果，由于高频率的采样，会导致误差迅速积累，无法实现较长时间的定位。
而前/后轮传感器则存在系统误差，由于地面摩擦力和轮胎滑移的存在，轮胎的转动速度通常高于车辆速度，并且该误差会由于地面材质，湿度，温度不同而有所变化，用于推算车辆位置同样会产生较大的误差。
由此可见，现有技术在车载GPS设备停止工作后，其无法实现精确的车辆定位。
发明内容
本发明为了克服上述相关技术存在的缺陷，提供一种车辆定位方法、装置、电子设备、存储介质，进而至少在一定程度上克服由于相关技术的限制和缺陷而导致的一个或者多个问题。
根据本发明的一个方面，提供一种车辆定位方法，包括：
采集车辆的惯性导航系统的在k时刻的加速度数据和角速度数据；
基于所述惯性导航系统的加速度数据和角速度数据及车辆在k-1时刻经更新的状态变量预测车辆在k时刻的状态变量，所述状态变量包括车辆的速度变量及位置变量；
根据车轮传感器的滚动距离数据及地图数据确定车辆在k时刻的观测位置；
根据所预测的车辆在k时刻的状态变量及所确定的车辆在k时刻的观测位置更新车辆在k时刻的状态变量，将车辆在k时刻经更新的状态变量作为车辆在k时刻的定位数据，k为大于1的整数。
可选地，采用卡尔曼滤波进行状态变量的预测和更新。
可选地，基于所述惯性导航系统的加速度数据和角速度数据及车辆在k-1时刻经更新的状态变量预测车辆在k时刻的状态变量还包括：
基于所述惯性导航系统的加速度数据和角速度数据及车辆在k-1时刻经更新的状态变量的协方差矩阵预测车辆在k时刻的状态变量的协方差矩阵。
可选地，车辆在k时刻的状态变量
Figure BDA0001928372280000021
根据如下公式预测：
Figure BDA0001928372280000022
其中，Fk为基于单位时间确定的状态转换矩阵，
Figure BDA0001928372280000023
为车辆在k-1时刻经更新的状态变量，
Figure BDA0001928372280000024
为指示加速度的控制变量，Bk为对应于所述控制变量且基于所述单位时间确定的控制矩阵，wk为第一不确定干扰项，所述单位时间为k时刻和k-1时刻之间的时间差。
可选地，车辆在k时刻的状态变量的协方差矩阵Pk根据如下公式预测：
Figure BDA0001928372280000031
其中，Fk为基于单位时间确定的状态转换矩阵，
Figure BDA0001928372280000032
为Fk的转置矩阵，Pk-1为车辆在k-1时刻经更新的状态变量的协方差矩阵，Qk为根据加速度方差及单位时间确定的第二不确定干扰项。
可选地，根据所预测的车辆在k时刻的状态变量及所确定的车辆在k时刻的观测位置更新车辆在k时刻的状态变量包括：
根据所预测的车辆在k时刻的状态变量、在k时刻的状态变量的协方差矩阵及所确定的车辆在k时刻的观测位置更新车辆在k时刻的状态变量及状态变量的协方差矩阵。
可选地，车辆在k时刻的状态变量及状态变量的协方差矩阵根据如下公式更新：
Figure BDA0001928372280000033
P′k＝Pk-K′HkPk；
其中，
Figure BDA0001928372280000034
为车辆在k时刻经更新的状态变量，
Figure BDA0001928372280000035
为车辆在k时刻的状态变量，K′为卡尔曼增益中间值，
Figure BDA0001928372280000038
为车辆在k时刻的观测位置，Hk为观测矩阵，P′k为车辆在k时刻经更新的状态变量的协方差矩阵，Pk为车辆在k时刻的状态变量的协方差矩阵。
可选地，所述卡尔曼增益中间值K′根据如下公式计算：
Figure BDA0001928372280000036
其中，Pk为车辆在k时刻的状态变量的协方差矩阵，Hk为观测矩阵，
Figure BDA0001928372280000037
为观测矩阵的转置矩阵，Rk为观测噪声协方差。
可选地，所述根据车轮传感器的滚动距离数据及地图数据确定车辆在k时刻的观测位置包括：
计算地图道路数据中各道路之间的夹角和各道路的长度；
根据所述车轮传感器的滚动距离数据与各道路的长度之间进行比较以确定车辆在k时刻所在的道路；
计算所述车轮传感器的滚动距离数据与该道路前各道路的总长度之差作为车辆在所确定道路的位置；
根据车辆在所确定道路的位置、所确定道路与前一道路之间的夹角、该道路前各道路的长度及该车辆在k-1时刻的位置确定车辆在k时刻的观测位置。
根据本发明的又一方面，还提供一种车辆定位装置，包括：
采集模块，用于采集车辆的惯性导航系统的在k时刻的加速度数据和角速度数据；
预测模块，用于基于所述惯性导航系统的加速度数据和角速度数据及车辆在k-1时刻经更新的状态变量预测车辆在k时刻的状态变量，所述状态变量包括车辆的速度变量及位置变量；
确定模块，用于根据车轮传感器的滚动距离数据及地图数据确定车辆在k时刻的观测位置；
更新模块，用于根据所预测的车辆在k时刻的状态变量及所确定的车辆在k时刻的观测位置更新车辆在k时刻的状态变量，将车辆在k时刻经更新的状态变量作为车辆在k时刻的定位数据，k为大于1的整数。
根据本发明的又一方面，还提供一种电子设备，所述电子设备包括：处理器；存储介质，其上存储有计算机程序，所述计算机程序被所述处理器运行时执行如上所述的步骤。
根据本发明的又一方面，还提供一种存储介质，所述存储介质上存储有计算机程序，所述计算机程序被处理器运行时执行如上所述的步骤。
相比现有技术，本发明的优势在于：
本发明通过采集性导航系统的加速度仪和陀螺仪数据，来预测单位时间后车辆的状态变量，并通过采集车轮传感器的滚动距离数据结合地图数据确定车辆的观测位置，从而更新前述的状态变量，由此，可以获得准确的车辆定位数据，降低噪声，并减小采用单一的数据进行位置估计产生的误差。
附图说明
通过参照附图详细描述其示例实施方式，本发明的上述和其它特征及优点将变得更加明显。
图1示出了根据本发明实施例的车辆定位方法的流程图。
图2示出了根据本发明实施例的采用卡尔曼滤波进行车辆状态变量的预测更新的示意图。
图3示出了根据本发明实施例的根据车轮传感器的滚动距离数据及地图数据确定车辆在k时刻的观测位置的示意图。
图4示出了根据本发明实施例的车辆定位装置的模块图。
图5示意性示出本发明示例性实施例中一种计算机可读存储介质示意图。
图6示意性示出本发明示例性实施例中一种电子设备示意图。
具体实施方式
现在将参考附图更全面地描述示例实施方式。然而，示例实施方式能够以多种形式实施，且不应被理解为限于在此阐述的范例；相反，提供这些实施方式使得本发明将更加全面和完整，并将示例实施方式的构思全面地传达给本领域的技术人员。所描述的特征、结构或特性可以以任何合适的方式结合在一个或更多实施方式中。
此外，附图仅为本发明的示意性图解，并非一定是按比例绘制。图中相同的附图标记表示相同或类似的部分，因而将省略对它们的重复描述。附图中所示的一些方框图是功能实体，不一定必须与物理或逻辑上独立的实体相对应。可以采用软件形式来实现这些功能实体，或在一个或多个硬件模块或集成电路中实现这些功能实体，或在不同网络和/或处理器装置和/或微控制器装置中实现这些功能实体。
附图中所示的流程图仅是示例性说明，不是必须包括所有的步骤。例如，有的步骤还可以分解，而有的步骤可以合并或部分合并，因此，实际执行的顺序有可能根据实际情况改变。
图1示出了根据本发明实施例的车辆定位方法的流程图。车辆定位方法包括如下步骤：
步骤S110：采集车辆的惯性导航系统的在k时刻的加速度数据和角速度数据；
步骤S120：基于所述惯性导航系统的加速度数据和角速度数据及车辆在k-1时刻经更新的状态变量预测车辆在k时刻的状态变量，所述状态变量包括车辆的速度变量及位置变量；
步骤S130：根据车轮传感器的滚动距离数据及地图数据确定车辆在k时刻的观测位置；
步骤S140：根据所预测的车辆在k时刻的状态变量及所确定的车辆在k时刻的观测位置更新车辆在k时刻的状态变量，将车辆在k时刻经更新的状态变量作为车辆在k时刻的定位数据，k为大于1的整数。
在本发明提供的车辆定位方法中，通过采集性导航系统的加速度仪和陀螺仪数据，来预测单位时间后车辆的状态变量，并通过采集车轮传感器的滚动距离数据结合地图数据确定车辆的观测位置，从而更新前述的状态变量，由此，可以获得准确的车辆定位数据，降低噪声，并减小采用单一的数据进行位置估计产生的误差。
在本发明的一些实施例中，可以采用卡尔曼滤波进行状态变量的预测和更新。
在本发明的一些实施例中，前述的预测和更新除了状态变量外，还对状态变量的协方差进行处理。具体而言，步骤S120基于所述惯性导航系统的加速度数据和角速度数据及车辆在k-1时刻经更新的状态变量预测车辆在k时刻的状态变量还包括：基于所述惯性导航系统的加速度数据和角速度数据及车辆在k-1时刻经更新的状态变量的协方差矩阵预测车辆在k时刻的状态变量的协方差矩阵。步骤S140:根据所预测的车辆在k时刻的状态变量及所确定的车辆在k时刻的观测位置更新车辆在k时刻的状态变量还可以包括：根据所预测的车辆在k时刻的状态变量、在k时刻的状态变量的协方差矩阵及所确定的车辆在k时刻的观测位置更新车辆在k时刻的状态变量及状态变量的协方差矩阵。
具体而言，前述的状态变量
Figure BDA0001928372280000061
和状态变量的协方差矩阵Pk：
Figure BDA0001928372280000062
其中，
Figure BDA0001928372280000063
是车辆在k时刻的状态变量，px，py为车辆在k时刻x轴与y轴的坐标，vx，vy为车辆在k时刻x轴与y轴上的速度，∑ij表示两者的协方差Cov(i,j)，i、j分别在p和v中取，∑ij用以衡量两者的总体误差，Pk为k时刻的协方差矩阵。
k时刻与k-1时刻的状态关系有：
Figure BDA0001928372280000071
其中，Δt为单位时间，也就是k时刻与k-1时刻的时间差。Fk为状态转换矩阵，
Figure BDA0001928372280000072
Figure BDA0001928372280000073
为车辆在k-1时刻的状态变量。
然后，根据随机向量的协方差矩阵的公式：
∑(Ax)＝A∑(x)AT
结合上式得到：
Figure BDA0001928372280000074
其中，Pk-1为车辆在k-1时刻的状态变量的协方差矩阵。结合车辆的惯性导航系统的在k时刻的加速度数据a，根据运动学公式，得到车辆在k时刻的位置
Figure BDA0001928372280000075
Figure BDA0001928372280000076
vk＝vk-1+aΔt
写成矩阵形式：
Figure BDA0001928372280000077
其中，
Figure BDA0001928372280000078
是控制矩阵，
Figure BDA0001928372280000079
是控制变量
Figure BDA00019283722800000710
角速度用于确定加速度、速度的方向，即在x轴和y轴上的加速度，考虑第一不确定干扰项wk，最终先验估计预测方程为：
Figure BDA00019283722800000711
每一次的状态更新，是在原来的最优估计的基础上，下一次的状态落在一个新的高斯分布区域，需要采用噪声协方差Qk作为第二不确定干扰项。状态变量的协方差Pk的预测根据如下公式获得：
Figure BDA0001928372280000081
其中，Qk为：
Figure BDA0001928372280000082
σvel＝σacc*Δt
Figure BDA0001928372280000083
σ表示方差，σpos表示位置方差，σvel表示速度方差，σacc表示加速度方差。至此，先验状态估计结束。
Figure BDA0001928372280000084
取决于三部分：1)上一次的最优估计，即上一轮卡尔曼滤波的结果；2)确定性的外界影响值，即加速度；3)环境中不确定的干扰，即误差。先验估计协方差矩阵Pk，首先根据k-1次卡尔曼估计(后验估计)的协方差矩阵进行递推，再与外界这次更新中可能对系统造成的不确定性的影响求和得到。
至此，利用
Figure BDA0001928372280000085
和Pk能够对车辆进行跟踪，但由于惯性导航系统误差的存在，且该误差会迅速积累，导致预估不准确，需要另外一条途径来纠正先验误差。通常情况下，可用GPS数据作为量测结果进行修正，在GPS定位信号弱或者完全消失的情况下，考虑采用车辆的前后轮传感器作为量测结果。
其中，考虑到在车辆行驶过程中，尤其是在隧道中，车辆通常无法超出道路区域行驶，因此考虑可采用地图道路数据，由于车轮滚动距离与地图道路数据都较为精准，可采用车轮滚动距离数据，假设为s，结合地图道路数据，计算车辆位置作为量测结果
Figure BDA0001928372280000086
在本发明的一些实施例中，所述根据车轮传感器的滚动距离数据及地图数据确定车辆在k时刻的观测位置包括：计算地图道路数据中各道路之间的夹角和各道路的长度；根据所述车轮传感器的滚动距离数据与各道路的长度之间进行比较以确定车辆在k时刻所在的道路；计算所述车轮传感器的滚动距离数据与该道路前各道路的总长度之差作为车辆在所确定道路的位置；根据车辆在所确定道路的位置、所确定道路与前一道路之间的夹角、该道路前各道路的长度及该车辆在k-1时刻的位置确定车辆在k时刻的观测位置。
以图3为例，假设道路数据坐标为p1＝(0，0)，
Figure BDA0001928372280000091
Figure BDA0001928372280000092
那么p1,p2的连线形成的道路的夹角为30°，距离为4，p2,p3的连线形成的道路的夹角为45°，距离为2。
若s为2，即小于4，那么显然
Figure BDA0001928372280000093
Figure BDA0001928372280000094
若s为5，即大于4，那么显然
Figure BDA0001928372280000095
在本发明的各个实施例中，上述步骤具体的推导过程如下：
假设地图道路数据坐标为p1，p2，p3……pn，p1为本次计算车辆位置的起点，其后p2，p3……pn为道路中心线数据的拐点坐标，将相邻各点之间的连线(作为道路)，计算各道路与x轴的夹角θi和长度li。
Figure BDA0001928372280000096
Figure BDA0001928372280000097
以pi为起点(即车辆当前位置)，若单位时间内车轮滚动距离s小于等于li，则
zposX＝pix+s*cosθi
ZposY＝piy+s*sinθi
若s大于li且小于等于li+li+1，则
zposX＝p(i+1)x+(s-li)*cosθi+1
zposY＝p(i+1)y+(s-li)*sinθi+1
依次类推，由此，可以获得车辆在k时刻的观测位置
Figure BDA0001928372280000098
获得车辆在k时刻的观测位置
Figure BDA0001928372280000099
后，车辆在k时刻的状态变量及状态变量的协方差矩阵根据如下公式更新：
Figure BDA00019283722800000910
P′k＝Pk-K′HkPk；
其中，
Figure BDA00019283722800000911
为车辆在k时刻经更新的状态变量，
Figure BDA00019283722800000912
为车辆在k时刻的状态变量，K′为卡尔曼增益中间值，
Figure BDA00019283722800000913
为车辆在k时刻的观测位置，Hk为观测矩阵，P′k为车辆在k时刻经更新的状态变量的协方差矩阵，Pk为车辆在k时刻的状态变量的协方差矩阵。其中，观测矩阵
Figure BDA0001928372280000101
具体而言，所述卡尔曼增益中间值K′根据如下公式计算：
Figure BDA0001928372280000102
其中，Pk为车辆在k时刻的状态变量的协方差矩阵，Hk为观测矩阵，
Figure BDA0001928372280000103
为观测矩阵的转置矩阵，Rk为观测噪声协方差。在这次观测中，同样存在误差噪声，由于
Figure BDA0001928372280000104
服从高斯分布，可用观测噪声协方差来衡量测量水平
Figure BDA0001928372280000105
其中，I为单位矩阵，σpos表示位置方差。
卡尔曼增益中间值K′根据卡尔曼增益K计算，卡尔曼增益K根据如下公式计算：
Figure BDA0001928372280000106
具体而言，上述各步骤的原理可以参见图2，根据惯性导航系统(惯导系统)获得状态转换矩阵Fk、控制矩阵Bk、控制变量
Figure BDA0001928372280000107
及第二不确定干扰项Qk，结合k-1时刻的状态变量及状态变量的协方差矩阵预测k时刻的状态变量及状态变量的协方差矩阵，根据车轮传感器及地图数据获得观测矩阵Hk、观测噪声协方差Rk及观测位置
Figure BDA0001928372280000108
对所预测的k时刻的状态变量及状态变量的协方差矩阵进行更新，将更新后的结果作为车辆在k时刻的定位数据，且将所更新的k时刻的状态变量及状态变量的协方差矩阵作为下一次预测的前一时刻的状态变量及状态变量的协方差矩阵，由此实现状态变量及状态变量的协方差矩阵的迭代循环，从而减小误差，获得车辆的精确定位。
以上仅仅是示意性地描述本发明的具体实现方式，上述各步骤可以单独执行或组合执行，在不违背本发明构思的前提下，皆在本发明的保护范围之内。
图4示出了根据本发明实施例的车辆定位装置的示意图。图4示出了根据本发明实施例的车辆定位装置的模块图。车辆定位装置200包括采集模块210、预测模块220、确定模块230、更新模块240。
采集模块210用于采集车辆的惯性导航系统的在k时刻的加速度数据和角速度数据；
预测模块220用于基于所述惯性导航系统的加速度数据和角速度数据及车辆在k-1时刻经更新的状态变量预测车辆在k时刻的状态变量，所述状态变量包括车辆的速度变量及位置变量；
确定模块230用于根据车轮传感器的滚动距离数据及地图数据确定车辆在k时刻的观测位置；
更新模块240用于根据所预测的车辆在k时刻的状态变量及所确定的车辆在k时刻的观测位置更新车辆在k时刻的状态变量，将车辆在k时刻经更新的状态变量作为车辆在k时刻的定位数据，k为大于1的整数。
在本发明的示例性实施方式的车辆定位装置中，通过采集性导航系统的加速度仪和陀螺仪数据，来预测单位时间后车辆的状态变量，并通过采集车轮传感器的滚动距离数据结合地图数据确定车辆的观测位置，从而更新前述的状态变量，由此，可以获得准确的车辆定位数据，降低噪声，并减小采用单一的数据进行位置估计产生的误差。
图4仅仅是示意性的示出本发明提供的车辆定位装置200，在不违背本发明构思的前提下，模块的拆分、合并、增加都在本发明的保护范围之内。
在本发明的示例性实施例中，还提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被例如处理器执行时可以实现上述任意一个实施例中所述车辆定位方法的步骤。在一些可能的实施方式中，本发明的各个方面还可以实现为一种程序产品的形式，其包括程序代码，当所述程序产品在终端设备上运行时，所述程序代码用于使所述终端设备执行本说明书上述车辆定位方法部分中描述的根据本发明各种示例性实施方式的步骤。
参考图5所示，描述了根据本发明的实施方式的用于实现上述方法的程序产品700，其可以采用便携式紧凑盘只读存储器(CD-ROM)并包括程序代码，并可以在终端设备，例如个人电脑上运行。然而，本发明的程序产品不限于此，在本文件中，可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。
所述程序产品可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以为但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。
所述计算机可读存储介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了可读程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。可读存储介质还可以是可读存储介质以外的任何可读介质，该可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。可读存储介质上包含的程序代码可以用任何适当的介质传输，包括但不限于无线、有线、光缆、RF等等，或者上述的任意合适的组合。
可以以一种或多种程序设计语言的任意组合来编写用于执行本发明操作的程序代码，所述程序设计语言包括面向对象的程序设计语言—诸如Java、C++等，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在租户计算设备上执行、部分地在租户设备上执行、作为一个独立的软件包执行、部分在租户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中，远程计算设备可以通过任意种类的网络，包括局域网(LAN)或广域网(WAN)，连接到租户计算设备，或者，可以连接到外部计算设备(例如利用因特网服务提供商来通过因特网连接)。
在本发明的示例性实施例中，还提供一种电子设备，该电子设备可以包括处理器，以及用于存储所述处理器的可执行指令的存储器。其中，所述处理器配置为经由执行所述可执行指令来执行上述任意一个实施例中所述车辆定位方法方法的步骤。
所属技术领域的技术人员能够理解，本发明的各个方面可以实现为系统、方法或程序产品。因此，本发明的各个方面可以具体实现为以下形式，即：完全的硬件实施方式、完全的软件实施方式(包括固件、微代码等)，或硬件和软件方面结合的实施方式，这里可以统称为“电路”、“模块”或“系统”。
下面参照图6来描述根据本发明的这种实施方式的电子设备500。图6显示的电子设备500仅仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。
如图6所示，电子设备500以通用计算设备的形式表现。电子设备500的组件可以包括但不限于：至少一个处理单元510、至少一个存储单元520、连接不同系统组件(包括存储单元520和处理单元510)的总线530、显示单元540等。
其中，所述存储单元存储有程序代码，所述程序代码可以被所述处理单元510执行，使得所述处理单元510执行本说明书上述车辆定位方法部分中描述的根据本发明各种示例性实施方式的步骤。例如，所述处理单元510可以执行如图1或2所示的步骤。
所述存储单元520可以包括易失性存储单元形式的可读介质，例如随机存取存储单元(RAM)5201和/或高速缓存存储单元5202，还可以进一步包括只读存储单元(ROM)5203。
所述存储单元520还可以包括具有一组(至少一个)程序模块5205的程序/实用工具5204，这样的程序模块5205包括但不限于：操作系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。
总线530可以为表示几类总线结构中的一种或多种，包括存储单元总线或者存储单元控制器、外围总线、图形加速端口、处理单元或者使用多种总线结构中的任意总线结构的局域总线。
电子设备500也可以与一个或多个外部设备600(例如键盘、指向设备、蓝牙设备等)通信，还可与一个或者多个使得租户能与该电子设备500交互的设备通信，和/或与使得该电子设备500能与一个或多个其它计算设备进行通信的任何设备(例如路由器、调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口550进行。并且，电子设备500还可以通过网络适配器560与一个或者多个网络(例如局域网(LAN)，广域网(WAN)和/或公共网络，例如因特网)通信。网络适配器560可以通过总线530与电子设备500的其它模块通信。应当明白，尽管图中未示出，可以结合电子设备500使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。
通过以上的实施方式的描述，本领域的技术人员易于理解，这里描述的示例实施方式可以通过软件实现，也可以通过软件结合必要的硬件的方式来实现。因此，根据本发明实施方式的技术方案可以以软件产品的形式体现出来，该软件产品可以存储在一个非易失性存储介质(可以是CD-ROM，U盘，移动硬盘等)中或网络上，包括若干指令以使得一台计算设备(可以是个人计算机、服务器、或者网络设备等)执行根据本发明实施方式的上述车辆定位方法。
相比现有技术，本发明的优势在于：
本发明通过采集性导航系统的加速度仪和陀螺仪数据，来预测单位时间后车辆的状态变量，并通过采集车轮传感器的滚动距离数据结合地图数据确定车辆的观测位置，从而更新前述的状态变量，由此，可以获得准确的车辆定位数据，降低噪声，并减小采用单一的数据进行位置估计产生的误差。
本领域技术人员在考虑说明书及实践这里公开的发明后，将容易想到本发明的其它实施方案。本申请旨在涵盖本发明的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本发明的一般性原理并包括本发明未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本发明的真正范围和精神由所附的权利要求指出。

Claims (10)

1.一种车辆定位方法，其特征在于，包括：
采集车辆的惯性导航系统的在k时刻的加速度数据和角速度数据；
采用卡尔曼滤波，基于所述惯性导航系统的加速度数据和角速度数据及车辆在k-1时刻经更新的状态变量预测车辆在k时刻的状态变量，所述状态变量为车辆的速度变量及位置变量；
根据车轮传感器的滚动距离数据及地图数据确定车辆在k时刻的观测位置；
采用卡尔曼滤波，根据所预测的车辆在k时刻的状态变量及所确定的车辆在k时刻的观测位置更新车辆在k时刻的状态变量，将车辆在k时刻经更新的状态变量作为车辆在k时刻的定位数据，k为大于1的整数，
其中，所述根据车轮传感器的滚动距离数据及地图数据确定车辆在k时刻的观测位置包括：
计算地图道路数据中各道路之间的夹角和各道路的长度；
根据所述车轮传感器的滚动距离数据与各道路的长度之间进行比较以确定车辆在k时刻所在的道路；
计算所述车轮传感器的滚动距离数据与该道路前各道路的总长度之差作为车辆在所确定道路的位置；
根据车辆在所确定道路的位置、所确定道路与前一道路之间的夹角、该道路前各道路的长度及该车辆在k-1时刻的位置确定车辆在k时刻的观测位置。
2.如权利要求1所述的车辆定位方法，其特征在于，基于所述惯性导航系统的加速度数据和角速度数据及车辆在k-1时刻经更新的状态变量预测车辆在k时刻的状态变量还包括：
基于所述惯性导航系统的加速度数据和角速度数据及车辆在k-1时刻经更新的状态变量的协方差矩阵预测车辆在k时刻的状态变量的协方差矩阵。
3.如权利要求2所述的车辆定位方法，其特征在于，车辆在k时刻的状态变量
Figure FDA0002891842370000011
根据如下公式预测：
Figure FDA0002891842370000012
其中，Fk为基于单位时间确定的状态转换矩阵，
Figure FDA0002891842370000021
为车辆在k-1时刻经更新的状态变量，
Figure FDA0002891842370000022
为指示加速度的控制变量，Bk为对应于所述控制变量且基于所述单位时间确定的控制矩阵，wk为第一不确定干扰项，所述单位时间为k时刻和k-1时刻之间的时间差。
4.如权利要求3所述的车辆定位方法，其特征在于，车辆在k时刻的状态变量的协方差矩阵Pk根据如下公式预测：
Figure FDA0002891842370000023
其中，Fk为基于单位时间确定的状态转换矩阵，
Figure FDA0002891842370000024
为Fk的转置矩阵，Pk-1为车辆在k-1时刻经更新的状态变量的协方差矩阵，Qk为根据加速度方差及单位时间确定的第二不确定干扰项。
5.如权利要求2所述的车辆定位方法，其特征在于，根据所预测的车辆在k时刻的状态变量及所确定的车辆在k时刻的观测位置更新车辆在k时刻的状态变量包括：
根据所预测的车辆在k时刻的状态变量、在k时刻的状态变量的协方差矩阵及所确定的车辆在k时刻的观测位置更新车辆在k时刻的状态变量及状态变量的协方差矩阵。
6.如权利要求5所述的车辆定位方法，其特征在于，车辆在k时刻的状态变量及状态变量的协方差矩阵根据如下公式更新：
Figure FDA0002891842370000025
P′k＝Pk-K′HkPk；
其中，
Figure FDA0002891842370000026
为车辆在k时刻经更新的状态变量，
Figure FDA0002891842370000027
为车辆在k时刻的状态变量，K′为卡尔曼增益中间值，
Figure FDA0002891842370000028
为车辆在k时刻的观测位置，Hk为观测矩阵，P′k为车辆在k时刻经更新的状态变量的协方差矩阵，Pk为车辆在k时刻的状态变量的协方差矩阵。
7.如权利要求6所述的车辆定位方法，其特征在于，所述卡尔曼增益中间值K′根据如下公式计算：
Figure FDA0002891842370000029
其中，Pk为车辆在k时刻的状态变量的协方差矩阵，Hk为观测矩阵，
Figure FDA00028918423700000210
为观测矩阵的转置矩阵，Rk为观测噪声协方差。
8.一种车辆定位装置，其特征在于，包括：
采集模块，用于采集车辆的惯性导航系统的在k时刻的加速度数据和角速度数据；
预测模块，用于采用卡尔曼滤波，基于所述惯性导航系统的加速度数据和角速度数据及车辆在k-1时刻经更新的状态变量预测车辆在k时刻的状态变量，所述状态变量为车辆的速度变量及位置变量；
确定模块，用于根据车轮传感器的滚动距离数据及地图数据确定车辆在k时刻的观测位置；
更新模块，用于采用卡尔曼滤波，根据所预测的车辆在k时刻的状态变量及所确定的车辆在k时刻的观测位置更新车辆在k时刻的状态变量，将车辆在k时刻经更新的状态变量作为车辆在k时刻的定位数据，k为大于1的整数，其中，
所述根据车轮传感器的滚动距离数据及地图数据确定车辆在k时刻的观测位置包括：
计算地图道路数据中各道路之间的夹角和各道路的长度；
根据所述车轮传感器的滚动距离数据与各道路的长度之间进行比较以确定车辆在k时刻所在的道路；
计算所述车轮传感器的滚动距离数据与该道路前各道路的总长度之差作为车辆在所确定道路的位置；
根据车辆在所确定道路的位置、所确定道路与前一道路之间的夹角、该道路前各道路的长度及该车辆在k-1时刻的位置确定车辆在k时刻的观测位置。
9.一种电子设备，其特征在于，所述电子设备包括：
处理器；
存储器，其上存储有计算机程序，所述计算机程序被所述处理器运行时执行如权利要求1至7任一项所述的方法。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器运行时执行如权利要求1至7任一项所述的方法。
CN201811631708.1A 2018-12-28 2018-12-28 车辆定位方法、装置、电子设备、存储介质 Active CN109631886B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811631708.1A CN109631886B (zh) 2018-12-28 2018-12-28 车辆定位方法、装置、电子设备、存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811631708.1A CN109631886B (zh) 2018-12-28 2018-12-28 车辆定位方法、装置、电子设备、存储介质

Publications (2)

Publication Number Publication Date
CN109631886A CN109631886A (zh) 2019-04-16
CN109631886B true CN109631886B (zh) 2021-07-27

Family

ID=66079285

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811631708.1A Active CN109631886B (zh) 2018-12-28 2018-12-28 车辆定位方法、装置、电子设备、存储介质

Country Status (1)

Country Link
CN (1) CN109631886B (zh)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110596639A (zh) * 2019-07-22 2019-12-20 深圳市金溢科技股份有限公司 车辆跟踪定位方法、信息标记方法、系统及控制终端
CN111121938A (zh) * 2020-01-02 2020-05-08 深圳市汉德网络科技有限公司 一种实时监测车辆载重的方法、终端设备及计算机可读存储介质
CN111522044B (zh) * 2020-05-06 2023-02-17 扬州哈工科创机器人研究院有限公司 一种车辆定位方法及装置
CN111751857A (zh) * 2020-07-08 2020-10-09 中国第一汽车股份有限公司 一种车辆位姿的估算方法、装置、存储介质及系统

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107014371A (zh) * 2017-04-14 2017-08-04 东南大学 基于扩展自适应区间卡尔曼的无人机组合导航方法与装置
CN107247275A (zh) * 2017-05-27 2017-10-13 上海交通大学 基于公交车的城市gnss脆弱性监测系统及其方法

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102004009463A1 (de) * 2004-02-27 2005-09-15 Robert Bosch Gmbh Verfahren zum Speichern von Verkehrswegeabschnitten repräsentierenden Kartendaten in einem Navigationssystem und Navigationssystem
EP2503293B1 (en) * 2011-03-22 2015-05-20 Harman Becker Automotive Systems GmbH Labelling of map elements in digital maps
CN104677375B (zh) * 2015-03-18 2017-07-28 沈阳美行科技有限公司 一种隧道道路提前引导系统
CN107942364A (zh) * 2016-10-13 2018-04-20 阿里巴巴集团控股有限公司 车辆定位方法和车辆定位系统

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107014371A (zh) * 2017-04-14 2017-08-04 东南大学 基于扩展自适应区间卡尔曼的无人机组合导航方法与装置
CN107247275A (zh) * 2017-05-27 2017-10-13 上海交通大学 基于公交车的城市gnss脆弱性监测系统及其方法

Also Published As

Publication number Publication date
CN109631886A (zh) 2019-04-16

Similar Documents

Publication Publication Date Title
CN109631886B (zh) 车辆定位方法、装置、电子设备、存储介质
US11015957B2 (en) Navigation system
US9273966B2 (en) Technique for calibrating dead reckoning positioning data
US7643939B2 (en) Methods and systems for implementing an iterated extended Kalman filter within a navigation system
US11003185B2 (en) Method and apparatus for calibrating a vehicle control parameter, vehicle controller and autonomous vehicle
CN110554376A (zh) 用于运载工具的雷达测程法
JP6643883B2 (ja) Ｇｐｓドリフトの処理方法、およびそのシステム
CN109781117B (zh) 一种组合定位方法和系统
Saadeddin et al. Performance enhancement of low-cost, high-accuracy, state estimation for vehicle collision prevention system using ANFIS
JP5164645B2 (ja) カルマンフィルタ処理における繰り返し演算制御方法及び装置
Kim et al. A vehicular positioning with GPS/IMU using adaptive control of filter noise covariance
EP4071739A1 (en) Information processing device, control method, program, and storage medium
JP5732377B2 (ja) ナビゲーション装置
CN113566850B (zh) 惯性测量单元的安装角度标定方法、装置和计算机设备
KR102093743B1 (ko) 센서 융합을 이용한 차선 레벨 자동차 위치 정보 측위 시스템
CN112611377B (zh) 一种用于小车室外导航的状态预测方法、装置及存储介质
KR20230148346A (ko) 칼만 필터를 사용하여 적어도 하나의 시스템 상태를 결정하는 방법
CN114001730A (zh) 融合定位方法、装置、计算机设备和存储介质
KR101964059B1 (ko) 실내 주차장 안내 시스템을 위한 바퀴 속력 센서 기반 차량 측위 시스템
Zhu et al. Improved Gaussian process regression-based method to bridge GPS outages in INS/GPS integrated navigation systems
JP2021018112A (ja) 自己位置推定装置
Alaeiyan et al. GPS/INS integration via faded memory Kalman filter
CN111002991B (zh) 一种车载导航信息处理的方法、装置及计算机存储介质
Han et al. Development of GNSS/WSS/YRS integration algorithm for land vehicle positioning
JP2023144961A (ja) 評価方法、及び評価システム

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
TA01 Transfer of patent application right

Effective date of registration: 20210706

Address after: 210012 3rd floor, building a, Wanbo Science Park, 66 Huashen Avenue, Yuhuatai District, Nanjing City, Jiangsu Province

Applicant after: Jiangsu manyun Logistics Information Co.,Ltd.

Address before: 210012 3-5 / F, building 4, 170-1 software Avenue, Yuhuatai District, Nanjing City, Jiangsu Province

Applicant before: JIANGSU MANYUN SOFTWARE TECHNOLOGY Co.,Ltd.

TA01 Transfer of patent application right
GR01 Patent grant
GR01 Patent grant
CP01 Change in the name or title of a patent holder

Address after: 210012 3rd floor, building a, Wanbo Science Park, 66 Huashen Avenue, Yuhuatai District, Nanjing City, Jiangsu Province

Patentee after: Jiangsu Yunmanman Information Technology Co.,Ltd.

Address before: 210012 3rd floor, building a, Wanbo Science Park, 66 Huashen Avenue, Yuhuatai District, Nanjing City, Jiangsu Province

Patentee before: Jiangsu manyun Logistics Information Co.,Ltd.

CP01 Change in the name or title of a patent holder