CN112147651A - 一种异步多车协同目标状态鲁棒估计方法 - Google Patents
一种异步多车协同目标状态鲁棒估计方法 Download PDFInfo
- Publication number
- CN112147651A CN112147651A CN202010883589.XA CN202010883589A CN112147651A CN 112147651 A CN112147651 A CN 112147651A CN 202010883589 A CN202010883589 A CN 202010883589A CN 112147651 A CN112147651 A CN 112147651A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- cooperative
- target
- time
- state
- 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
- 238000000034 method Methods 0.000 title claims abstract description 18
- 239000011159 matrix material Substances 0.000 claims abstract description 28
- 238000012937 correction Methods 0.000 claims abstract description 8
- 238000005259 measurement Methods 0.000 claims description 10
- 230000008447 perception Effects 0.000 claims description 9
- 230000006870 function Effects 0.000 claims description 5
- 230000008569 process Effects 0.000 claims description 5
- 238000006243 chemical reaction Methods 0.000 claims description 4
- 238000004891 communication Methods 0.000 description 7
- 238000009826 distribution Methods 0.000 description 6
- 238000004364 calculation method Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 230000007704 transition Effects 0.000 description 2
- 230000003044 adaptive effect Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000006855 networking Effects 0.000 description 1
Images
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
- G01S19/393—Trajectory determination or predictive tracking, e.g. Kalman filtering
-
- 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
- G01S19/396—Determining accuracy or reliability of position or pseudorange measurements
-
- 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
Abstract
Description
技术领域
本发明属于智能车辆定位与目标跟踪技术领域,尤其涉及一种异步多车协同目标状态鲁棒估计方法。
背景技术
环境感知系统是智能汽车的重要组成部分,为了实现车辆自适应巡航、碰撞预警及车辆自动驾驶控制等功能,环境感知系统需要准确地检测并估计智能车辆周围环境中的各类目标的准确位置及运动状态信息。
目前主流的单车环境感知系统主要采用激光雷达、相机等传感器对车辆周围环境进行感知,但是激光雷达和相机传感器容易受目标间相互遮挡及障碍物遮挡的影响,同时对远距离目标车的状态估计准确度会下降。利用多传感器融合可以提升状态估计的准确性,然而会导致单车成本的迅速增加,为自动驾驶汽车的量产带来了巨大的挑战。
随着车联网技术的成熟与普及,越来越多的车辆通过车间通信技术能够在车辆之间完成信息的共享。基于车车通信,主车可以利用协同车辆发布的信息,在不增加自身传感器数量的情况下,提升目标车辆的状态估计精度。因此,可以减少单车传感器的数量,从而降低自动驾驶车辆的制造成本。然而,为利用协同车辆发布的信息,需要知道主车与协同车之间的相对位置。目前广泛使用的GPS定位系统容易受高楼、天气等因素的影响,存在定位精度不高、定位稳定性较差的问题。利用GPS定位系统计算的主车与协同车之间的相对位置不够准确,在定位信息不够准确的情况下融合协同车发布的信息,反而可能导致目标车状态估计精度的下降。同时,由于感知时刻的不同步与通信延迟的影响,主车与协同车对同一目标的感知数据存在异步特性,简单忽略异步性也会显著降低协同状态估计的效果。
发明内容
针对现有技术中的不足,本发明提出了一种异步多车协同目标状态鲁棒估计方法,能够解决当主车与协同车之间相对位置不够准确和感知数据不同步情况下的协同状态估计问题,通过应用期望最大化算法同时估计协同车与目标车的状态,将车车通信与车载传感器相融合,提升周边车辆状态估计的精度和可靠性。
本发明所采用的技术方案如下:
一种异步多车协同目标状态鲁棒估计方法,
步骤1,主车和协同车分别以一定的周期获得同一辆目标车的观测数据和自身定位数据;
步骤6,基于步骤5中tc时刻协同车的状态和协方差矩阵目标车的状态和协方差矩阵根据观测数据利用期望最大化算法计算tc时刻修正后的协同车和目标车的状态、tc时刻主车与协同车坐标系之间的夹角及th时刻修正后的目标车的状态。
进一步,观测数据包括目标车在主车坐标系中的位置和目标车在协同车坐标系中的位置,分别是主车和协同车利用各自的车载传感器获得的;定位数据为主车和协同车各自的GPS坐标。
进一步,所述步骤4包括:
其中,a为基准椭球体的长半径,b为基准椭球体的短半径;
进一步,根据权利要求1所述的一种异步多车协同目标状态鲁棒估计方法,其特征在于,所述步骤6包括:
其中,err(φ)为误差函数,表示为,
本发明的有益效果:
与现有技术相比,本发明能通过车车通信与车载传感器融合的方法对周边车辆的状态进行估计,尤其是当主车与协同车之间的相对位置不够准确和感知时刻不同步的情况下,通过期望最大化算法对主车和协同车的夹角进行估计,从而修正主车和协同车的相对位置,进而利用修正的相对位置进行滤波,改善对目标车的状态估计。
附图说明
图1为本发明的流程图示意图;
图2是本发明的协同车与目标车状态估计的概率图模型示意图。
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用于解释本发明,并不用于限定本发明。
下面将结合附图和具体的实施方式对本发明的技术方案做进一步详细解释,以车车通信与车载传感器融合的多车协同状态估计为例,但本发明保护范围不限于下述实施例。
步骤1,主车和协同车分别以一定的周期利用自身的车载传感器获得同一辆目标车的观测数据和自身定位数据;
步骤2,协同车利用车载定位设备获得自身定位数据,且协同车将其测得的目标车的观测数据和协同车的自身定位数据通过车车通信发送给主车,主车将接收的数据存放在缓存中;协同车发送给主车的目标车的观测数据具体是目标车在协同车坐标系中的位置,协同车的自身定位数据具体是协同车通过车载定位设备获得的GPS坐标
其中,L为旋转方程,计算方法为:
其中,err(φ)为误差函数,表示为,
以上实施例仅用于说明本发明的设计思想和特点,其目的在于使本领域内的技术人员能够了解本发明的内容并据以实施,本发明的保护范围不限于上述实施例。所以,凡依据本发明所揭示的原理、设计思路所作的等同变化或修饰,均在本发明的保护范围之内。
Claims (4)
1.一种异步多车协同目标状态鲁棒估计方法,其特征在于,包括以下步骤:
步骤1,主车和协同车分别以一定的周期获得同一辆目标车的观测数据和自身定位数据;
2.根据权利要求1所述的一种异步多车协同目标状态鲁棒估计方法,其特征在于,观测数据包括目标车在主车坐标系中的位置和目标车在协同车坐标系中的位置,分别是主车和协同车利用各自的车载传感器获得的;定位数据为主车和协同车各自的GPS坐标。
3.根据权利要求1所述的一种异步多车协同目标状态鲁棒估计方法,其特征在于,所述步骤4包括:
其中,a为基准椭球体的长半径,b为基准椭球体的短半径;
4.根据权利要求1所述的一种异步多车协同目标状态鲁棒估计方法,其特征在于,所述步骤6包括:
其中,err(φ)为误差函数,表示为,
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010883589.XA CN112147651B (zh) | 2020-08-28 | 2020-08-28 | 一种异步多车协同目标状态鲁棒估计方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010883589.XA CN112147651B (zh) | 2020-08-28 | 2020-08-28 | 一种异步多车协同目标状态鲁棒估计方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112147651A true CN112147651A (zh) | 2020-12-29 |
CN112147651B CN112147651B (zh) | 2023-10-10 |
Family
ID=73890053
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010883589.XA Active CN112147651B (zh) | 2020-08-28 | 2020-08-28 | 一种异步多车协同目标状态鲁棒估计方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112147651B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112781893A (zh) * | 2021-01-04 | 2021-05-11 | 重庆长安汽车股份有限公司 | 一种车载传感器性能测试数据的空间同步方法、装置及存储介质 |
CN113602265A (zh) * | 2021-08-17 | 2021-11-05 | 东风汽车集团股份有限公司 | 基于车车通信的处理协同换道方法及系统 |
CN113744532A (zh) * | 2021-09-14 | 2021-12-03 | 东风汽车集团股份有限公司 | 一种基于车路协同的城市交通客车盲区预警方法及装置 |
CN115480280A (zh) * | 2022-11-14 | 2022-12-16 | 北京航空航天大学合肥创新研究院(北京航空航天大学合肥研究生院) | 基于车辆伪基站的协同定位方法及存储介质 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20130030606A1 (en) * | 2011-07-25 | 2013-01-31 | GM Global Technology Operations LLC | Autonomous convoying technique for vehicles |
CN108528453A (zh) * | 2018-05-08 | 2018-09-14 | 北京航空航天大学 | 一种面向车车协同信息不确定度的跟驰车辆控制方法 |
DE102017108130A1 (de) * | 2017-04-13 | 2018-10-18 | Volkswagen Aktiengesellschaft | Verfahren zur Datenfusion eines Datensatzes, entsprechende Recheneinheit und Fahrzeug welches mit einer entsprechenden Recheneinheit ausgestattet ist sowie Computerprogramm |
CN109900490A (zh) * | 2017-12-11 | 2019-06-18 | 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 |
CN110703272A (zh) * | 2019-09-27 | 2020-01-17 | 江苏大学 | 一种基于车车通信和gmphd滤波的周边目标车辆状态估计方法 |
CN111220998A (zh) * | 2020-02-26 | 2020-06-02 | 江苏大学 | 一种基于车车通信的多目标协同跟踪的方法 |
-
2020
- 2020-08-28 CN CN202010883589.XA patent/CN112147651B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20130030606A1 (en) * | 2011-07-25 | 2013-01-31 | GM Global Technology Operations LLC | Autonomous convoying technique for vehicles |
DE102017108130A1 (de) * | 2017-04-13 | 2018-10-18 | Volkswagen Aktiengesellschaft | Verfahren zur Datenfusion eines Datensatzes, entsprechende Recheneinheit und Fahrzeug welches mit einer entsprechenden Recheneinheit ausgestattet ist sowie Computerprogramm |
CN109900490A (zh) * | 2017-12-11 | 2019-06-18 | 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 |
CN108528453A (zh) * | 2018-05-08 | 2018-09-14 | 北京航空航天大学 | 一种面向车车协同信息不确定度的跟驰车辆控制方法 |
CN110703272A (zh) * | 2019-09-27 | 2020-01-17 | 江苏大学 | 一种基于车车通信和gmphd滤波的周边目标车辆状态估计方法 |
CN111220998A (zh) * | 2020-02-26 | 2020-06-02 | 江苏大学 | 一种基于车车通信的多目标协同跟踪的方法 |
Non-Patent Citations (2)
Title |
---|
SAKR, AH 等: "Cooperative Localization via DSRC and Multi-Sensor Multi-Target Track Association", 《 2016 IEEE 19TH INTERNATIONAL CONFERENCE ON INTELLIGENT TRANSPORTATION SYSTEMS (ITSC)》, pages 66 - 71 * |
XIAOBO CHEN等: "Robust Cooperative Multi-Vehicle Tracking with Inaccurate Self-Localization Based on On-Board Sensors and Inter-Vehicle Communication", 《SENSORS》, vol. 20, no. 11, pages 1 - 19 * |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112781893A (zh) * | 2021-01-04 | 2021-05-11 | 重庆长安汽车股份有限公司 | 一种车载传感器性能测试数据的空间同步方法、装置及存储介质 |
CN112781893B (zh) * | 2021-01-04 | 2022-09-06 | 重庆长安汽车股份有限公司 | 一种车载传感器性能测试数据的空间同步方法、装置及存储介质 |
CN113602265A (zh) * | 2021-08-17 | 2021-11-05 | 东风汽车集团股份有限公司 | 基于车车通信的处理协同换道方法及系统 |
CN113744532A (zh) * | 2021-09-14 | 2021-12-03 | 东风汽车集团股份有限公司 | 一种基于车路协同的城市交通客车盲区预警方法及装置 |
CN115480280A (zh) * | 2022-11-14 | 2022-12-16 | 北京航空航天大学合肥创新研究院(北京航空航天大学合肥研究生院) | 基于车辆伪基站的协同定位方法及存储介质 |
CN115480280B (zh) * | 2022-11-14 | 2023-02-24 | 北京航空航天大学合肥创新研究院(北京航空航天大学合肥研究生院) | 基于车辆伪基站的协同定位方法及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN112147651B (zh) | 2023-10-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112147651B (zh) | 一种异步多车协同目标状态鲁棒估计方法 | |
CN106840179B (zh) | 一种基于多传感器信息融合的智能车定位方法 | |
US8775063B2 (en) | System and method of lane path estimation using sensor fusion | |
WO2022127532A1 (zh) | 一种激光雷达与imu的外参标定方法、装置及设备 | |
US11525682B2 (en) | Host vehicle position estimation device | |
CN110208842A (zh) | 一种车联网环境下车辆高精度定位方法 | |
CN110906923A (zh) | 车载多传感器紧耦合融合定位方法、系统、存储介质及车辆 | |
CN111429716A (zh) | 用于确定自车的位置的方法 | |
CN109782289B (zh) | 一种基于基线几何结构约束的水下航行器定位方法 | |
BR112015012788B1 (pt) | Aparelho e método de estimativa de localização de veículo | |
JP2009019992A (ja) | 位置検出装置及び位置検出方法 | |
TWI522258B (zh) | Based on electronic map, global navigation satellite system and vehicle motion detection technology Lane identification method | |
CN111220998B (zh) | 一种基于车车通信的多目标协同跟踪的方法 | |
CN112346103A (zh) | 基于v2x的智能网联汽车动态协同定位方法与装置 | |
CN112698302A (zh) | 一种颠簸路况下的传感器融合目标检测方法 | |
CN109900490B (zh) | 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 | |
KR20220024791A (ko) | 차량의 궤적을 결정하기 위한 방법 및 장치 | |
CN112284416A (zh) | 一种自动驾驶定位信息校准装置、方法及存储介质 | |
CN114758504A (zh) | 一种基于滤波校正的网联车超速预警方法及系统 | |
CN111753901B (zh) | 一种数据融合方法、装置、系统及计算机设备 | |
CN113306559A (zh) | 在路形估计中对于垂直道路曲度的补偿 | |
CN114740448B (zh) | 用于车载雷达的目标状态估计方法、装置及存储介质 | |
Mamchenko et al. | Algorithm for sensor data merging using analytical module for priority sensor selection | |
CN113514069B (zh) | 一种实时自动驾驶定位方法及系统 | |
CN115046547A (zh) | 一种复杂城市环境下的自动驾驶汽车定位系统及方法 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |