CN110879071A - 基于车路协同的高精度定位系统及定位方法 - Google Patents
基于车路协同的高精度定位系统及定位方法 Download PDFInfo
- Publication number
- CN110879071A CN110879071A CN201911244038.2A CN201911244038A CN110879071A CN 110879071 A CN110879071 A CN 110879071A CN 201911244038 A CN201911244038 A CN 201911244038A CN 110879071 A CN110879071 A CN 110879071A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- module
- uwb
- positioning
- road
- 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.)
- Granted
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
- G01C21/26—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
Abstract
本发明公开了基于车路协同的高精度定位系统,车载定位终端,所述车载定位终端包括UWB模块、IMU模块、无线通信模块、运算与处理模块,所述车载定位终端用于处理来自UWB模块、IMU模块输出的本地信号,以及接收来自场端部分的远程信号,并进行相应的位置解算、融合和输出。本发明中,车端最小系统仅包含UWB、IMU、无线通信、运算与处理等核心模块,成本远低于采用激光或视觉SLAM的高精度定位系统。
Description
技术领域
本发明属于智能网联汽车技术领域,具体涉及基于车路协同的高精度定位系统及定位方 法。
背景技术
机场、物流园区,以及工厂等特定场景的载运无人化是近年来自动驾驶及相关技术最有 可能实现产业化的方向之一。上述场景中所涉及的业务流程,往往都需要载运车辆能够实现 在室内和室外相关区域的自动驾驶,而这也相应地对车辆的定位技术提出了较高的要求。
针对上述自动驾驶应用场景的高精度定位技术通常分为两大类,一类是通过差分GPS(或 其他GNSS系统)和UWB来实现车辆在室外和室内的定位,另一类则是基于激光或视觉 SLAM(同步定位与建图)来实现车辆的高精度定位。
第一类定位技术目前主要面临的挑战是如何应对室外GNSS卫星信号较差甚至被遮挡的 情况。如果被遮挡区域的面积较小,那么可以通过部署一定数量的UWB基站来解决,但如 果被遮挡区域的面积较大或较为分散,那么在该区域实现UWB信号全覆盖所需要的设备和 工程成本将大幅度增加。
因此,现阶段需要提供可用于解决上述问题的高精度定位系统及定位方法。
发明内容
本发明目的在于提供基于车路协同的高精度定位系统及定位方法,用于解决现有技术中 存在的技术问题,比如:自动驾驶车辆在室外GNSS卫星信号较差甚至被遮挡的情况下无法 精确定位,而如果在室外大面积部署UWB基站又会导致设备和工程成本较高。
为实现上述目的,本发明所采用的技术方案是:
基于车路协同的高精度定位方法,包括以下步骤:
S2:读取车辆当前所在路段设置的网络摄像头的实时视频信号,进一步基于计算机视觉 确定车辆当前所处的区域,然后根据车辆当前所处的区域选择对应的车辆位置观测方法,进 而获得第k时刻车辆位置的观测值,并根据车辆位置观测模型U对第k时刻车辆位置的预测 值进行修正,输出第k时刻车辆位置的最终估测结果:
优选的,在步骤S2中,所述车辆位置观测方法具体内容如下:
第一阶段:
当车辆位于第i个路网节点所属UWB基站信号的覆盖范围,此时车辆位置的观测值可以 通过基于UWB的三点定位法获得,具体地,第k时刻车辆位置的观测值可表示为:
Zk=MUWB(ui,1,ui,2,ui,3,ui,4);
其中,ui,1,ui,2,ui,3,ui,4为距离车辆最近的四个UWB基站,MUWB为 基于UWB的车辆位置解算模型。
第二阶段:
车辆离开第i个路网节点UWB基站信号的覆盖范围,并且进入第i个路网节点对应路段 网络摄像头ci,3的覆盖范围,此时车辆位置的观测值可通过计算机视觉获得,具体地,第k 时刻车辆位置的观测值可表示为:
zk=MCV(ci,3),其中,MCV为基于计算机视觉的车辆位置解算模型。
第三阶段:
车辆离开第i个路网节点ci,3网络摄像头的覆盖范围,并且进入可良好接收GNSS卫星 信号的开阔区域,此时车辆位置的观测值可通过基于卫星的三点定位法获得,具体地,第k 时刻车辆位置的观测值可表示为:
Zk=MGNSS(s1,s2,…,sn);
其中,s1,S2,...,Sn为车载定位终端当前搜索到信号可用的卫星,MGNSS为基 于卫星的车辆位置解算模型。
第四阶段:
车辆离开可良好接收GNSS卫星信号的开阔区域,并且进入第i+1个路网节点对应路段 网络摄像头ci+1,1的覆盖范围,类似地,第k时刻车辆位置的观测值可表示为:
Zk=MCV(ci+1,1)。
第五阶段:
当车辆离开第i+1个路网节点ci+1,1摄像头的覆盖范围,并且进入第i+1个路网节点所 属UWB基站信号的覆盖范围,类似地,第k时刻车辆位置的观测值可表示为:
zk=MUWB(ui+1,1,ui+1,2,ui+1,3,ui+1,4)。
优选的,所述基于计算机视觉的车辆位置解算模型MCV的具体内容如下:
S1:读取网络摄像头的实时视频,并进行去畸变处理;
S2:基于预先训练的模型对视频中的目标车辆进行识别,并计算目标车辆的像素坐标;
S3:通过透视变换将目标车辆的像素坐标转换为物理坐标,获得车辆位置的观测值zk。
优选的,在步骤S2中,所述车辆位置观测方法具体内容如下,
第一种情况:当车辆运行于场端部分第一节点的UWB基站的覆盖范围之内时,车辆通 过车载定位终端的UWB模块进行位置解算,并同IMU模块输出的位置信息进行融合,从而获取车辆的高精度定位信息;
第二种情况:当车辆已驶出上述第一节点的UWB基站覆盖范围,并已进入对应路段的 网络摄像头的监测范围时,上述第一节点所属的区域管理单元将根据该网络摄像头采集的实 时视频数据,对目标车辆进行识别、跟踪和位置估算,并将结果通过远程无线通信的方式下 发;车辆通过车载定位终端接收到来自场端部分的定位信息,并同IMU模块输出的位置信息 进行融合,从而获取车辆的高精度定位信息;
第三种情况:当车辆已驶出上述第一节点的网络摄像头的监测范围,并已进入第二节点 对应路段的网络摄像头的监测范围时,第二节点所属的区域管理单元将基于本节点的网络摄 像头采集的实时视频估算出车辆的位置,并下发给车辆;车辆的车载定位终端将该定位信息 同IMU模块输出的位置信息进行融合,从而获取车辆的高精度定位信息;
第四种情况:当车辆已驶出第一节点上述网络摄像头的监测范围,但尚未进入第二节点 对应路段的网络摄像头的监测范围时,车辆将通过车载终端的RTK模块进行位置解算,并同 IMU模块输出的位置信息进行融合,从而获取车辆的高精度定位信息;当车辆已进入第二节 点对应路段的网络摄像头的监测范围时,其定位方式与第三种情况相同相同;
第五种情况:当车辆已进入第二节点的UWB基站的覆盖范围,车辆将通过车载终端的 UWB模块进行位置解算,并同IMU模块输出的位置信息进行融合,从而获取车辆的高精度定位信息。
基于车路协同的高精度定位系统,包括:
车载定位终端,所述车载定位终端包括UWB模块、IMU模块、无线通信模块、运算与处理模块,所述车载定位终端用于处理来自UWB模块、IMU模块输出的本地信号,以及接 收来自场端部分的远程信号,并进行相应的位置解算、融合和输出;
UWB天线,用于接收来自UWB基站的定位信号;
若干个区域级子系统,所述若干个区域级子系统分别部署于路网的各个节点;
区域级子系统包括区域管理单元、UWB定位基站和网络摄像头,
所述区域管理单元负责该区域内车辆高精度定位的具体实现,以及相关场端设备的管理 和控制;
所述UWB定位基站向进入其覆盖范围的车辆发射定位信号,供车辆的车载终端根据三 点定位原理解算车辆的实时位置,
所述网络摄像头设置于路网节点,对路网节点的各个邻接路段进行实时视频监测,并将 采集的视频数据通过以太网发送到区域管理单元;
其中,所述运算与处理模块作为核心分别与所述UWB模块、IMU模块、无线通信模块连接,所述UWB模块与所述UWB天线连接。
优选的,所述区域管理单元包括POE交换机、UWB基站同步器、信号处理单元、无线通信单元和通信天线;
其中,所述信号处理单元、UWB基站同步器、UWB基站和网络摄像头分别与所述POE交换机连接;
所述信号处理单元、无线通信单元、通信天线依次连接。
优选的,还包括RTK模块和GNSS天线连接,所述RTK模块与所述运算与处理模块连接,所述RTK模块与所述GNSS天线,用于接收来自各类卫星的定位信号。
优选的,所述各类卫星包括北斗、GPS、GLONASS、伽利略。
优选的,还包括输入模块、输出模块、存储模块和电源模块,所述运算与处理模块分别 与所述输入模块、输出模块、存储模块和电源模块连接。
本发明的有益技术效果是:(1)车端最小系统仅包含UWB、IMU、无线通信、运算与处理等核心模块,成本远低于采用激光或视觉SLAM的高精度定位系统(所需的车载传感设备或计算平台成本较高)。
2)场端系统(包含区域管理单元、UWB基站和网络摄像头)采用模块化和分布式的架 构,通过规划路网节点可适配不同面积的园区,且易于复制和扩展。场端系统的安装和配置 均围绕园区路网的关键节点进行,既避免了在园区全面部署UWB基站所带来的设备和工程 实施成本的增加,同时也为后期车辆行驶路线的调整预留了足够的灵活度(避免了沿车辆当 前行驶路线部署UWB基站所带来的局限性)。
3)场端系统中部署于各路网节点和路段的网络摄像头,还可用于园区安防监控,以及为 车辆提供超视距的道路障碍物识别和跟踪,有效地提高了设备的利用率,减少了重复性投入。
4)针对园区面积不大,且车辆室外运行区域GNSS信号普遍较差的应用场景(例如位 于市区的产业/物流园区等),通过合理规划园区路网(合理设置路网节点的数量和分布),可 以在不依赖GNSS和差分定位的情况下,通过UWB、IMU和场端视觉的协同,实现室内和 室外车辆的高精度定位,并且不会显著增加场端设备和工程实施的成本(相对于室外全场部 署UWB基站的方案)。
5)针对园区面积较大,且同时存在开阔区域和GNSS信号被遮挡区域的应用场景(例 如机场等),可以在1)的基础上,通过给车载终端加装RTK模块的方式,可以将传统的RTK 定位方法(用于开阔区域)和本文所述的基于车路协同的定位方法(用于GNSS信号被遮挡 的区域)结合起来,从而实现全场景覆盖的车辆高精度定位。
附图说明
图1显示为本发明的实施例2的定位系统的一种总体框架示意图。
图2显示为本发明的实施例2的车载定位终端的结构示意图。
图3显示为本发明的实施例2的车载定位终端与车载其他设备连接结构示意图。
图4显示为本发明的实施例2的场端定位设备结构示意图。
图5显示为本发明的实施例1的步骤流程示意图。
具体实施方式
下面结合本发明的附图1-5,对本发明实施例中的技术方案进行清楚、完整地描述,显然, 所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例, 本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明 保护的范围。
实施例1:
基于车路协同的高精度定位方法,具体内容如下,
第一种情况:当车辆运行于场端部分第一节点的UWB基站的覆盖范围之内时,车辆通 过车载定位终端的UWB模块进行位置解算,并同IMU模块输出的位置信息进行融合,从而获取车辆的高精度定位信息;
第二种情况:当车辆已驶出上述第一节点的UWB基站覆盖范围,并已进入对应路段的 网络摄像头的监测范围时,上述第一节点所属的区域管理单元将根据该网络摄像头采集的实 时视频数据,对目标车辆进行识别、跟踪和位置估算,并将结果通过远程无线通信的方式下 发;车辆通过车载定位终端接收到来自场端部分的定位信息,并同IMU模块输出的位置信息 进行融合,从而获取车辆的高精度定位信息;
第三种情况:当车辆已驶出上述第一节点的网络摄像头的监测范围,并已进入第二节点 对应路段的网络摄像头的监测范围时,第二节点所属的区域管理单元将基于本节点的网络摄 像头采集的实时视频估算出车辆的位置,并下发给车辆;车辆的车载定位终端将该定位信息 同IMU模块输出的位置信息进行融合,从而获取车辆的高精度定位信息;
第四种情况:当车辆已驶出第一节点上述网络摄像头的监测范围,但尚未进入第二节点 对应路段的网络摄像头的监测范围时,车辆将通过车载终端的RTK模块进行位置解算,并同 IMU模块输出的位置信息进行融合,从而获取车辆的高精度定位信息;当车辆已进入第二节 点对应路段的网络摄像头的监测范围时,其定位方式与第三种情况相同相同;
第五种情况:当车辆已进入第二节点的UWB基站的覆盖范围,车辆将通过车载终端的 UWB模块进行位置解算,并同IMU模块输出的位置信息进行融合,从而获取车辆的高精度定位信息。
在上述基础上进一步的,本方案获取车辆位置高精度定位信息的流程如下:
根据车辆当前所处的区域选择合适的车辆位置观测方法(具体选择和切换过程如图5所 示,其中在下述第二和第四阶段采用了本发明所提出的基于场端网络摄像头的车辆位置观测 方法),进而获得第k时刻车辆位置的观测值,并根据车辆位置观测模型U对第k时刻车辆 位置的预测值进行修正,输出第k时刻车辆位置的最终估测结果:
如图5所示,车辆从第i个路网节点(区域管理单元)运行到第i+1个路网节点的过程中, 车辆位置观测方法的选择和切换,具体分为以下五个阶段:
第一阶段:
当车辆位于第i个路网节点所属UWB基站信号的覆盖范围,此时车辆位置的观测值可以 通过基于UWB的三点定位法获得,具体地,第k时刻车辆位置的观测值可表示为:
zk=MUWB(ui,1,ui,2,ui,3,ui,4);
其中,ui,1,ui,2,ui,3,ui,4为距离车辆最近的四个UWB基站,MUWB为 基于UWB的车辆位置解算模型。
第二阶段:
车辆离开第i个路网节点UWB基站信号的覆盖范围,并且进入第i个路网节点对应路段 网络摄像头ci,3的覆盖范围,此时车辆位置的观测值可通过计算机视觉获得,具体地,第k 时刻车辆位置的观测值可表示为(MCV为基于计算机视觉的车辆位置解算模型):
zk=MCV(ci,3)。
第三阶段:
车辆离开第i个路网节点ci,3网络摄像头的覆盖范围,并且进入可良好接收GNSS卫星 信号的开阔区域,此时车辆位置的观测值可通过基于卫星的三点定位法获得,具体地,第k 时刻车辆位置的观测值可表示为:
zk=MGNSS(s1,s2,…,sn);
其中,s1,s2,...,sn为车载定位终端当前搜索到信号可用的卫星,MGNSS为基 于卫星的车辆位置解算模型。
第四阶段:
车辆离开可良好接收GNSS卫星信号的开阔区域,并且进入第i+1个路网节点对应路段 网络摄像头ci+1,1的覆盖范围,类似地,第k时刻车辆位置的观测值可表示为:
zk=MCV(Ci+1,1)。
第五阶段:
当车辆离开第i+1个路网节点ci+1,1摄像头的覆盖范围,并且进入第i+1个路网节点所 属UWB基站信号的覆盖范围,类似地,第k时刻车辆位置的观测值可表示为:
zk=MUWB(ui+1,1,ui+1,2,ui+1,3,ui+1,4)。
实施例2:
基于车路协同的高精度定位系统,主要包括车端和场端两大部分。其中,车辆由车载定 位终端(包含UWB、IMU、无线通信、运算与处理等核心模块,可选装RTK模块)、UWB天 线(前后各一对)和GNSS天线(前后各一对,选装件)组成。场端部分由若干个区域级子 系统(通常部署于园区路网的各个关键节点)组成,每个区域级子系统又包括一个区域管理 单元(RMU)、若干UWB定位基站和网络摄像头。
在图1所示的定位系统中,车端和场端部分各自核心组件的功能如下:
车端部分
1)车载定位终端
车载定位终端至少包括一个UWB模块、一个IMU模块、一个无线通信模块和一个运算 与处理模块,可选装RTK模块。该终端主要用于处理来自UWB、IMU、RTK等模块输出的 本地信号,以及接收来自场端部分的远程信号,并进行相应的位置解算、融合和输出。
2)UWB天线
用于接收来自UWB基站的定位信号。
3)GNSS天线(选装件)
用于接收来自各类(北斗、GPS、GLONASS、伽利略)卫星的定位信号。
场端部分
场端部分由若干个区域级子系统组成,分别部署于园区路网的各个关键节点。每个区域 级子系统由一个区域管理单元、若干UWB定位基站和网络摄像头组成。
1)区域管理单元
区域管理单元(或边缘计算单元)负责该区域内车辆高精度定位的具体实现,以及相关 场端设备的管理和控制。具体的功能包括:
对区域内UWB基站的发射信号进行同步控制(以提高定位精度);
采集区域内网络摄像头的信号,并进行车辆目标识别、跟踪和位置估算;
对相关场端设备(UWB基站和摄像头)进行实时状态监测和故障诊断。
2)UWB定位基站
UWB定位基站(多个)向进入其覆盖范围的车辆发射定位信号,供后者的车载终端根据 三点定位原理解算车辆的实时位置。如图1所示,UWB定位基站通常部署于园区路网的关键 节点(如交叉路口)及其周边,当车辆进入到这些定位基站覆盖的区域时,即可通过UWB 实现高精度定位。
3)网络摄像头
网络摄像头(多个)通常部署于园区路网的关键节点,其镜头朝向该节点的各个邻接路 段,对这些邻接路段进行实时视频监测,并将采集的视频数据通过以太网发送到区域管理单 元,供后者进行车辆、行人和其他目标的识别、跟踪、位置估算等。
如图2所示,本方案定位系统的具体架构中,RTK模块、GNSS天线1和2均为选装件,是否加装取决于实际应用场景。
如图3所示,为本方案的车载定位终端同车载其他设备连接实例。
如图4所示,为本方案场端定位设备的具体构架。
在本发明的描述中,需要理解的是,术语“逆时针”、“顺时针”“纵向”、“横向”、“上”、 “下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”、“内”、“外”等指示的方 位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本发明,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对 本发明的限制。
Claims (9)
2.根据权利要求1所述的基于车路协同的高精度定位方法,其特征在于,在步骤S2中,所述车辆位置观测方法具体内容如下:
第一阶段:
当车辆位于第i个路网节点所属UWB基站信号的覆盖范围,此时车辆位置的观测值可以通过基于UWB的三点定位法获得,具体地,第k时刻车辆位置的观测值可表示为:
Zk=MUWB(ui,1,ui,2,ui,3,ui,4);
其中,ui,1,ui,2,ui,3,ui,4为距离车辆最近的四个UWB基站,MUWB为基于UWB的车辆位置解算模型。
第二阶段:
车辆离开第i个路网节点UWB基站信号的覆盖范围,并且进入第i个路网节点对应路段网络摄像头ci,3的覆盖范围,此时车辆位置的观测值可通过计算机视觉获得,具体地,第k时刻车辆位置的观测值可表示为:
zk=MCV(ci,3),其中,MCV为基于计算机视觉的车辆位置解算模型。
第三阶段:
车辆离开第i个路网节点ci,3网络摄像头的覆盖范围,并且进入可良好接收GNSS卫星信号的开阔区域,此时车辆位置的观测值可通过基于卫星的三点定位法获得,具体地,第k时刻车辆位置的观测值可表示为:
Zk=MGN5S(s1,s2,…,sn);
其中,s1,s2,...,sn为车载定位终端当前搜索到信号可用的卫星,MGNSS为基于卫星的车辆位置解算模型。
第四阶段:
车辆离开可良好接收GNSS卫星信号的开阔区域,并且进入第i+1个路网节点对应路段网络摄像头ci+1,1的覆盖范围,类似地,第k时刻车辆位置的观测值可表示为:
Zk=MCV(ci+1,1)。
第五阶段:
当车辆离开第i+1个路网节点ci+1,1摄像头的覆盖范围,并且进入第i+1个路网节点所属UWB基站信号的覆盖范围,类似地,第k时刻车辆位置的观测值可表示为:
Zk=MUWB(ui+1,1,ui+1,2,ui+1,3,ui+1,4)。
3.根据权利要求2所述的基于车路协同的高精度定位方法,其特征在于,所述基于计算机视觉的车辆位置解算模型MCV的具体内容如下:
S1:读取网络摄像头的实时视频,并进行去畸变处理;
S2:基于预先训练的模型对视频中的目标车辆进行识别,并计算目标车辆的像素坐标;
S3:通过透视变换将目标车辆的像素坐标转换为物理坐标,获得车辆位置的观测值zk。
4.根据权利要求1所述的基于车路协同的高精度定位方法,其特征在于,在步骤S2中,所述车辆位置观测方法具体内容如下,
第一种情况:当车辆运行于场端部分第一节点的UWB基站的覆盖范围之内时,车辆通过车载定位终端的UWB模块进行位置解算,并同IMU模块输出的位置信息进行融合,从而获取车辆的高精度定位信息;
第二种情况:当车辆已驶出上述第一节点的UWB基站覆盖范围,并已进入对应路段的网络摄像头的监测范围时,上述第一节点所属的区域管理单元将根据该网络摄像头采集的实时视频数据,对目标车辆进行识别、跟踪和位置估算,并将结果通过远程无线通信的方式下发;车辆通过车载定位终端接收到来自场端部分的定位信息,并同IMU模块输出的位置信息进行融合,从而获取车辆的高精度定位信息;
第三种情况:当车辆已驶出上述第一节点的网络摄像头的监测范围,并已进入第二节点对应路段的网络摄像头的监测范围时,第二节点所属的区域管理单元将基于本节点的网络摄像头采集的实时视频估算出车辆的位置,并下发给车辆;车辆的车载定位终端将该定位信息同IMU模块输出的位置信息进行融合,从而获取车辆的高精度定位信息;
第四种情况:当车辆已驶出第一节点上述网络摄像头的监测范围,但尚未进入第二节点对应路段的网络摄像头的监测范围时,车辆将通过车载终端的RTK模块进行位置解算,并同IMU模块输出的位置信息进行融合,从而获取车辆的高精度定位信息;当车辆已进入第二节点对应路段的网络摄像头的监测范围时,其定位方式与第三种情况相同相同;
第五种情况:当车辆已进入第二节点的UWB基站的覆盖范围,车辆将通过车载终端的UWB模块进行位置解算,并同IMU模块输出的位置信息进行融合,从而获取车辆的高精度定位信息。
5.基于车路协同的高精度定位系统,其特征在于,包括:
车载定位终端,所述车载定位终端包括UWB模块、IMU模块、无线通信模块、运算与处理模块,所述车载定位终端用于处理来自UWB模块、IMU模块输出的本地信号,以及接收来自场端部分的远程信号,并进行相应的位置解算、融合和输出;
UWB天线,用于接收来自UWB基站的定位信号;
若干个区域级子系统,所述若干个区域级子系统分别部署于路网的各个节点;
区域级子系统包括区域管理单元、UWB定位基站和网络摄像头,
所述区域管理单元负责该区域内车辆高精度定位的具体实现,以及相关场端设备的管理和控制;
所述UWB定位基站向进入其覆盖范围的车辆发射定位信号,供车辆的车载终端根据三点定位原理解算车辆的实时位置,
所述网络摄像头设置于路网节点,对路网节点的各个邻接路段进行实时视频监测,并将采集的视频数据通过以太网发送到区域管理单元;
其中,所述运算与处理模块作为核心分别与所述UWB模块、IMU模块、无线通信模块连接,所述UWB模块与所述UWB天线连接。
6.根据权利要求5所述的基于车路协同的高精度定位系统,其特征在于,所述区域管理单元包括POE交换机、UWB基站同步器、信号处理单元、无线通信单元和通信天线;
其中,所述信号处理单元、UWB基站同步器、UWB基站和网络摄像头分别与所述POE交换机连接;
所述信号处理单元、无线通信单元、通信天线依次连接。
7.根据权利要求5所述的基于车路协同的高精度定位系统,其特征在于,还包括RTK模块和GNSS天线连接,所述RTK模块与所述运算与处理模块连接,所述RTK模块与所述GNSS天线,用于接收来自各类卫星的定位信号。
8.根据权利要求5所述的基于车路协同的高精度定位系统,其特征在于,所述各类卫星包括北斗、GPS、GLONASS、伽利略。
9.根据权利要求5所述的基于车路协同的高精度定位系统,其特征在于,还包括输入模块、输出模块、存储模块和电源模块,所述运算与处理模块分别与所述输入模块、输出模块、存储模块和电源模块连接。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911244038.2A CN110879071B (zh) | 2019-12-06 | 2019-12-06 | 基于车路协同的高精度定位系统及定位方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911244038.2A CN110879071B (zh) | 2019-12-06 | 2019-12-06 | 基于车路协同的高精度定位系统及定位方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110879071A true CN110879071A (zh) | 2020-03-13 |
CN110879071B CN110879071B (zh) | 2021-05-25 |
Family
ID=69730158
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911244038.2A Active CN110879071B (zh) | 2019-12-06 | 2019-12-06 | 基于车路协同的高精度定位系统及定位方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110879071B (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111964681A (zh) * | 2020-07-29 | 2020-11-20 | 中国安全生产科学研究院 | 一种巡检机器人的实时定位系统 |
CN111964680A (zh) * | 2020-07-29 | 2020-11-20 | 中国安全生产科学研究院 | 一种巡检机器人的实时定位方法 |
CN112229392A (zh) * | 2020-09-25 | 2021-01-15 | 福建华电可门发电有限公司 | 一种高冗余的室内煤场导航方法及系统 |
CN113099529A (zh) * | 2021-03-29 | 2021-07-09 | 千寻位置网络(浙江)有限公司 | 室内车辆导航方法、车载终端、场端服务器及系统 |
WO2022088018A1 (zh) * | 2020-10-30 | 2022-05-05 | 网络通信与安全紫金山实验室 | 定位方法、装置、设备、系统以及存储介质 |
CN115113255A (zh) * | 2022-08-30 | 2022-09-27 | 广州辰创科技发展有限公司 | 一种车辆定位追踪装置以及方法、车辆 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20130329041A1 (en) * | 2012-06-08 | 2013-12-12 | Uri Schatzberg | Device, system and method of orientation estimation of a mobile device |
CN109697877A (zh) * | 2019-02-18 | 2019-04-30 | 河北省交通规划设计院 | 基于北斗高精定位的车路协同方法及系统 |
CN109709593A (zh) * | 2018-12-28 | 2019-05-03 | 国汽(北京)智能网联汽车研究院有限公司 | 基于“云-端”紧耦合的智能网联汽车车载终端平台 |
CN109714421A (zh) * | 2018-12-28 | 2019-05-03 | 国汽(北京)智能网联汽车研究院有限公司 | 基于车路协同的智能网联汽车运行系统 |
CN109946730A (zh) * | 2019-03-06 | 2019-06-28 | 东南大学 | 一种车路协同下基于超宽带的车辆高可靠融合定位方法 |
-
2019
- 2019-12-06 CN CN201911244038.2A patent/CN110879071B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20130329041A1 (en) * | 2012-06-08 | 2013-12-12 | Uri Schatzberg | Device, system and method of orientation estimation of a mobile device |
CN109709593A (zh) * | 2018-12-28 | 2019-05-03 | 国汽(北京)智能网联汽车研究院有限公司 | 基于“云-端”紧耦合的智能网联汽车车载终端平台 |
CN109714421A (zh) * | 2018-12-28 | 2019-05-03 | 国汽(北京)智能网联汽车研究院有限公司 | 基于车路协同的智能网联汽车运行系统 |
CN109697877A (zh) * | 2019-02-18 | 2019-04-30 | 河北省交通规划设计院 | 基于北斗高精定位的车路协同方法及系统 |
CN109946730A (zh) * | 2019-03-06 | 2019-06-28 | 东南大学 | 一种车路协同下基于超宽带的车辆高可靠融合定位方法 |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111964681A (zh) * | 2020-07-29 | 2020-11-20 | 中国安全生产科学研究院 | 一种巡检机器人的实时定位系统 |
CN111964680A (zh) * | 2020-07-29 | 2020-11-20 | 中国安全生产科学研究院 | 一种巡检机器人的实时定位方法 |
CN112229392A (zh) * | 2020-09-25 | 2021-01-15 | 福建华电可门发电有限公司 | 一种高冗余的室内煤场导航方法及系统 |
WO2022088018A1 (zh) * | 2020-10-30 | 2022-05-05 | 网络通信与安全紫金山实验室 | 定位方法、装置、设备、系统以及存储介质 |
CN113099529A (zh) * | 2021-03-29 | 2021-07-09 | 千寻位置网络(浙江)有限公司 | 室内车辆导航方法、车载终端、场端服务器及系统 |
CN115113255A (zh) * | 2022-08-30 | 2022-09-27 | 广州辰创科技发展有限公司 | 一种车辆定位追踪装置以及方法、车辆 |
Also Published As
Publication number | Publication date |
---|---|
CN110879071B (zh) | 2021-05-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110879071B (zh) | 基于车路协同的高精度定位系统及定位方法 | |
CN112068548B (zh) | 5g环境下面向特殊场景的无人驾驶车辆路径规划方法 | |
CN107093328B (zh) | 基于机器视觉的停车场导航系统及方法 | |
CN106303442B (zh) | 追踪路径拓扑结构建立方法、目标对象追踪方法及设备 | |
CN111316284A (zh) | 车道线检测方法、装置、系统与车辆、存储介质 | |
US11541880B2 (en) | Information processing method, server, and intelligent mobile robot | |
CN112050810B (zh) | 一种基于计算机视觉的室内定位导航方法及系统 | |
EP3913328B1 (en) | Vehicle positioning system and method, and vehicle | |
US20220137636A1 (en) | Systems and Methods for Simultaneous Localization and Mapping Using Asynchronous Multi-View Cameras | |
CN109275121A (zh) | 一种基于自适应扩展卡尔曼滤波的车辆轨迹跟踪方法 | |
CN112711055B (zh) | 一种基于边缘计算的室内外无缝定位系统及方法 | |
US20230067379A1 (en) | Methods and systems for managing parking lots in smart cities based on the internet of things | |
CN109976327A (zh) | 一种巡逻机器人 | |
US20220322033A1 (en) | System for automatically determining the position and velocity of objects | |
CN110517527A (zh) | 异构多源无线传感网络及其自主无人泊车方法 | |
WO2021114261A1 (zh) | 停车场引导方法 | |
US11499833B2 (en) | Inferring lane boundaries via high speed vehicle telemetry | |
CN111951598B (zh) | 一种车辆跟踪监测方法、装置及系统 | |
Tadic et al. | GHOST: A novel approach to smart city infrastructures monitoring through GNSS precise positioning | |
Merino et al. | Data fusion in ubiquitous networked robot systems for urban services | |
CN113727434B (zh) | 一种基于边缘计算网关的车路协同辅助定位系统及方法 | |
CN115407803A (zh) | 一种基于无人机的目标监控方法及装置 | |
CN115824215A (zh) | 一种用于水渠河道线路巡检无人机的三维航迹规划方法 | |
CN108898877A (zh) | 一种基于北斗定位的大型地下停车场停车位的智能搜索系统 | |
CN114379544A (zh) | 一种基于多传感器前融合的自动泊车系统、方法及装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |