CN113359169A - 一种面向有交通灯十字路口的车辆协同定位方法 - Google Patents
一种面向有交通灯十字路口的车辆协同定位方法 Download PDFInfo
- Publication number
- CN113359169A CN113359169A CN202110796239.4A CN202110796239A CN113359169A CN 113359169 A CN113359169 A CN 113359169A CN 202110796239 A CN202110796239 A CN 202110796239A CN 113359169 A CN113359169 A CN 113359169A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- red light
- vehicles
- inertial navigation
- positioning
- 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
- 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
-
- 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
- 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
- G01S19/47—Determining position by combining measurements of signals from the satellite radio beacon positioning system with a supplementary measurement the supplementary measurement being an inertial measurement, e.g. tightly coupled inertial
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/02—Services making use of location information
- H04W4/023—Services making use of location information using mutual or relative location information between multiple location based services [LBS] targets or of distance thresholds
Abstract
本发明公开了一种面向有交通灯十字路口的车辆协同定位方法,包括以下步骤:确定车辆为等待红灯时的第一辆车;在实时采集车辆GNSS数据、惯性导航信息的基础上,利用相机增加车辆距停车线距离的测量数据,改善等待红灯时第一辆车的单车定位估计结果;进一步,针对经过十字路口的每辆车,通过无线通信技术获得其他车辆,尤其是等待红灯时第一辆车的单车定位估计结果,以及自车与其他车辆间的距离测量值,并根据车载GNSS和惯性导航量测信息,实现车辆的协同定位估计。本发明有效利用了车辆等红灯时距停车线的距离信息,并利用协同定位提升了十字路口中所有车辆的定位精度。
Description
技术领域
本发明涉及车辆定位技术,尤其涉及一种面向有交通灯十字路口的车辆协同定位方法。
背景技术
随着智能交通和无人驾驶技术的飞速发展,对车辆定位精确性的要求日益提高。而城市中有交通灯的十字路口是城市道路网络的重要节点,也是交通状况最复杂、交通事故频发的道路区域。传统车辆定位系统由于其本身技术的局限性,如卫星导航系统容易受到频繁变化的外部环境影响,在城市“高楼峡谷”或隧道等弱卫星信号覆盖区域存在信号干扰或缺失等问题;惯性导航系统(INS)长时间工作会发生速度漂移,误差随时间推移累积增加。因此传统定位系统由于其本身技术的局限性,难以满足城市中十字路口处对车辆位置信息的高实时、高可靠与高准确度需求。
为进一步提升车辆定位性能,车联网通信通过车联万物实现车辆间信息的实时交互,利用状态估计算法融合各节点位置信息实现所有车辆节点的协作定位。虽然目前的车辆协同定位方法通过融合车辆间通信信息进一步消减了传统单车定位技术的误差,但网联车辆协同定位的精度依然难以满足有交通灯十字路口中的车辆定位需求,并且没有有效利用有交通灯十字路口中的有效标志进行辅助定位。
发明内容
针对现有技术中存在的上述问题,本发明提出了一种面向有交通灯十字路口的车辆协同定位方法,该方法首先根据等红灯时第一辆车距停车线的距离,改善等红灯时第一辆车的单车定位精度,进而利用车辆间无线通信技术和车辆协同定位方法,提升经过十字路口的所有车辆的定位精度,该方法定位精度高,实时性好,并且易于实现工程实践。
本发明的技术方案是:
步骤1:首先判断车辆是否为等待红灯的第一辆车,若确定车辆为等待红灯的第一辆车,则根据实时采集的车辆GNSS数据、惯性导航信息以及车辆距停车线的距离,进行等待红灯时第一辆车的单车定位估计,包括以下子步骤:
1.1、确定车辆为等待红灯时的第一辆车;
1.2、实时采集车辆距红灯停止线的距离并获取红灯停止线位置;
1.3、实时采集车辆GNSS信息和惯性导航测量数据;
1.4、根据步骤1.2和步骤1.3中获取的红灯停止线位置、实时采集的车辆距红灯停止线距离、车载GNSS信息和惯性导航测量数据,利用扩展卡尔曼滤波方法实现车辆的单车定位;
步骤2:若步骤1中判断车辆不为等待红灯时的第一辆车,则根据实时采集的车辆GNSS数据、和惯性导航信息,利用扩展卡尔曼滤波方法实现车辆的单车定位;
步骤3:若当前时刻车辆与其他车辆存在UWB通信,则通过UWB无线通信获得步骤1及步骤2中其他车辆的单车定位结果,以及自车与其他车辆间的距离测量值,并根据自车的车载GNSS和惯性导航量测信息,利用车辆协同定位方法,实现自车i的定位估计,具体包括以下子步骤:
3.1、确定当前时刻自车与其他车辆存在UWB通信;
3.2、通过UWB无线通信模块实时采集自车距其他车辆的距离,以及获得其他车辆的单车定位估计结果;
3.3、实时采集车载GNSS信息和惯性导航测量数据;
3.4、判断自车是否为等待红灯的第一辆车,若确定车辆为等待红灯的第一辆车,则实时采集自车距停车线的距离;
3.5、根据步骤3.2、步骤3.3和步骤3.4采集的观测数据,基于扩展卡尔曼滤波方法实现自车i的定位估计,具体实现方法如下:
3.5.1、若步骤3.4中判断自车i为等待红灯的第一辆车,则k时刻扩展卡尔曼滤波算法中的观测量Zk为:
式中,分别为自车i车载惯性导航积分得到的速度和位置向量,分别为自车i车载GNSS采集得到的速度和位置向量,Xs为获取的红灯停止线位置,为计算惯性导航积分得到的位置与红灯停止线间的距离函数,d(k)为测得的车辆距红灯停止线的距离,为其他车辆的单车定位估计结果,为计算自车i惯性导航积分得到的位置与其他单车定位估计位置间的距离函数,dj→i(k)为UWB无线通信模块采集得到的自车i与其他车辆间的测距距离;
3.5.2、若步骤3.4中判断自车i不为等待红灯的第一辆车,则k时刻观测量Zk为:
3.5.3、选取惯性导航的姿态误差、速度误差、位置误差、陀螺仪常值漂移、陀螺仪漂移、加速度计常值漂移、加速度计漂移作为扩展卡尔曼滤波的状态向量θ0,首先初始化0时刻状态θ0及状态协方差P0;
3.5.4、根据k-1时刻状态预测k时刻状态,即:
θk-1|k=Fkθk-1+GkWk
式中,θk-1|k为k时刻状态预测值,θk-1为k-1时刻状态估计值,Fk为状态转移矩阵,Gk为系统噪声矩阵,Wk为系统噪声向量;
3.5.5、更新k时刻协方差预测值Pk-1|k,即:
Pk-1|k=FkPk-1Fk T+Qk
式中,Pk-1为k-1时刻的协方差,Qk为系统噪声向量Wk的方差阵;
3.5.6、计算k时刻卡尔曼增益Kk,即:
Kk=Pk-1|kHk T[HkPk-1|kHk T+Rk]-1
式中,Hk为观测矩阵,Rk为系统量测噪声方差阵;
3.5.7、计算k时刻状态估计值θk,包括惯性导航的姿态误差、速度误差、位置误差、陀螺仪常值漂移、陀螺仪漂移、加速度计常值漂移、加速度计漂移,即:
θk=θk-1+Kk[Zk-Hkθk-1|k]
3.5.8、计算k时刻自车i定位结果估计值为惯性导航积分得到的位置Xi i(k)减去3.5.7中得到的位置误差状态估计值。
与现有技术相比,本发明具有以下优点:
(1)本发明利用车辆间无线通信技术实现车辆的协同定位,在不增加道路基础设施的前提下,相比于传统单车定位,提升了定位精度;
(2)本发明利用有交通灯十字路口中车辆距停车线的距离修正单车定位结果,进而提升车辆协同系统中每辆车的定位准确性;
(3)本发明提出的方法可以实车应用,易于工程实践。
附图说明
图1为实施例有交通灯的十字路口示意图。
图2为本发明的方法流程图;
图3为本发明的详细流程图。
具体实施方式
下面结合附图和具体实施方式对本发明做进一步说明,其中的具体实施例以及说明仅用于解释本发明,但不作为对本发明的限定。
本发明公开了一种面向有交通灯十字路口的车辆协同定位方法,如图1所示在有交通灯的十字路口中,车辆等待红灯的场景,所提出方法的流程图如图2和图3所示,包括以下步骤:
步骤1:如图1中所示车1,首先判断车辆是否为等待红灯的第一辆车,若确定车辆为等待红灯的第一辆车,则根据实时采集的车辆GNSS数据、惯性导航信息以及车辆距停车线的距离,进行等待红灯时第一辆车的单车定位估计,具体过程如下:
1.1、确定车辆为等待红灯时的第一辆车;
1.2、实时采集车辆距红灯停止线的距离并获取红灯停止线位置;
1.3、实时采集车辆GNSS信息和惯性导航测量数据,其中,设置GNSS测量信息的频率为5Hz,惯性导航包括陀螺仪和加速度计两部分,频率均设置为100Hz;
1.4、根据1.2和1.3步中获取的红灯停止线位置、实时采集的车辆距红灯停止线距离、车载GNSS信息和惯性导航测量数据,利用扩展卡尔曼滤波方法实现车辆的单车定位;
步骤2:若步骤1中判断车辆不为等待红灯时的第一辆车,则根据实时采集的车辆GNSS数据、和惯性导航信息,利用扩展卡尔曼滤波方法实现车辆的单车定位;
步骤3:设置UWB通信频率为20Hz,若当前时刻车辆与其他车辆存在UWB通信,则通过UWB无线通信获得步骤1及步骤2中其他车辆的单车定位结果,以及自车与其他车辆间的距离测量值,并根据自车的车载GNSS和惯性导航量测信息,利用车辆协同定位方法,实现自车i的定位估计,具体过程如下:
3.1、确定当前时刻自车与其他车辆存在UWB通信;
3.2、通过UWB无线通信模块实时采集自车距其他车辆的距离,以及获得其他车辆的单车定位估计结果;
3.3、实时采集车载GNSS信息和惯性导航测量数据;
3.4、判断自车是否为等待红灯的第一辆车,若确定车辆为等待红灯的第一辆车,则实时采集自车距停车线的距离;
3.5、根据3.2、3.3和3.4步采集的观测数据,基于扩展卡尔曼滤波方法实现自车i的定位估计,具体实现方法如下:
3.5.1、若3.4步中判断自车i为等待红灯的第一辆车,则k时刻扩展卡尔曼滤波算法中的观测量Zk为:
式中,分别为自车i车载惯性导航积分得到的速度和位置向量,分别为自车i车载GNSS采集得到的速度和位置向量,Xs为获取的红灯停止线位置,为计算惯性导航积分得到的位置与红灯停止线间的距离函数,d(k)为测得的车辆距红灯停止线的距离,为其他车辆的单车定位估计结果,为计算自车i惯性导航积分得到的位置与其他单车定位估计位置间的距离函数,dj→i(k)为UWB无线通信模块采集得到的自车i与其他车辆间的测距距离;
3.5.2、若3.4步中判断自车i不为等待红灯的第一辆车,如图1中所示车2、车3或车4,则k时刻观测量Zk为:
3.5.3、选取惯性导航的姿态误差、速度误差、位置误差、陀螺仪常值漂移、陀螺仪漂移、加速度计常值漂移、加速度计漂移作为扩展卡尔曼滤波的状态向量θ0,首先初始化0时刻状态θ0及状态协方差P0;
3.5.4、根据k-1时刻状态预测k时刻状态,即:
θk-1|k=Fkθk-1+GkWk
式中,θk-1|k为k时刻状态预测值,θk-1为k-1时刻状态估计值,Fk为状态转移矩阵,Gk为系统噪声矩阵,Wk为系统噪声向量;
3.5.5、更新k时刻协方差预测值Pk-1|k,即:
Pk-1|k=FkPk-1Fk T+Qk
式中,Pk-1为k-1时刻的协方差,Qk为系统噪声向量Wk的方差阵;
3.5.6、计算k时刻卡尔曼增益Kk,即:
Kk=Pk-1|kHk T[HkPk-1|kHk T+Rk]-1
式中,Hk为观测矩阵,Rk为系统量测噪声方差阵;
3.5.7、计算k时刻状态估计值θk,包括惯性导航的姿态误差、速度误差、位置误差、陀螺仪常值漂移、陀螺仪漂移、加速度计常值漂移、加速度计漂移,即:
θk=θk-1+Kk[Zk-Hkθk-1|k]
3.5.8、计算k时刻自车i定位结果估计值为惯性导航积分得到的位置Xi i(k)减去3.5.7中得到的位置误差状态估计值。
Claims (4)
1.一种面向有交通灯十字路口的车辆协同定位方法,其特征在于,包括以下步骤:
步骤1:首先判断车辆是否为等待红灯的第一辆车,若确定车辆为等待红灯的第一辆车,则根据实时采集的车辆GNSS数据、惯性导航信息以及车辆距停车线的距离,进行等待红灯时第一辆车的单车定位估计;
步骤2:若步骤1中判断车辆不为等待红灯时的第一辆车,则根据实时采集的车辆GNSS数据和惯性导航信息,利用扩展卡尔曼滤波方法实现车辆的单车定位;
步骤3:若当前时刻车辆与其他车辆存在UWB通信,则通过UWB无线通信获得步骤1及步骤2中其他车辆的单车定位结果,以及自车与其他车辆间的距离测量值,并根据自车的车载GNSS和惯性导航量测信息,利用车辆协同定位方法,实现自车i的定位估计。
2.根据权利要求1所述的一种面向有交通灯十字路口的车辆协同定位方法,其特征在于,步骤1包括以下子步骤:
1.1、确定车辆为等待红灯时的第一辆车;
1.2、实时采集车辆距红灯停止线的距离并获取红灯停止线位置;
1.3、实时采集车辆GNSS信息和惯性导航测量数据;
1.4、根据步骤1.2和步骤1.3中获取的红灯停止线位置、实时采集的车辆距红灯停止线距离、车载GNSS信息和惯性导航测量数据,利用扩展卡尔曼滤波方法实现车辆的单车定位。
3.根据权利要求2所述的一种面向有交通灯十字路口的车辆协同定位方法,其特征在于,步骤3包括以下子步骤:
3.1、确定当前时刻自车与其他车辆存在UWB通信;
3.2、通过UWB无线通信模块实时采集自车距其他车辆的距离,以及获得其他车辆的单车定位估计结果;
3.3、实时采集自车车载GNSS信息和惯性导航测量数据;
3.4、判断自车是否为等待红灯的第一辆车,若确定车辆为等待红灯的第一辆车,则实时采集自车距停车线的距离;
3.5、根据步骤3.2、步骤3.3和步骤3.4采集的观测数据,基于扩展卡尔曼滤波方法实现自车i的定位估计。
4.根据权利要求3所述的一种面向有交通灯十字路口的车辆协同定位方法,其特征在于,步骤3.5包括以下子步骤:
3.5.1、若步骤3.4中判断自车i为等待红灯的第一辆车,则k时刻扩展卡尔曼滤波算法中的观测量Zk为:
式中,Vi i(k)、Xi i(k)分别为自车i车载惯性导航积分得到的速度和位置向量,Vg i(k)、Xg i(k)分别为自车i车载GNSS采集得到的速度和位置向量,Xs为获取的红灯停止线位置,f(Xi i(k),Xs)为计算惯性导航积分得到的位置与红灯停止线间的距离函数,d(k)为测得的车辆距红灯停止线的距离,为其他车辆的单车定位估计结果,为计算自车i惯性导航积分得到的位置与其他单车定位估计位置间的距离函数,dj→i(k)为UWB无线通信模块采集得到的自车i与其他车辆间的测距距离;
3.5.2、若步骤3.4中判断自车i不为等待红灯的第一辆车,则k时刻观测量Zk为:
3.5.3、选取惯性导航的姿态误差、速度误差、位置误差、陀螺仪常值漂移、陀螺仪漂移、加速度计常值漂移、加速度计漂移作为扩展卡尔曼滤波的状态向量θ0,首先初始化0时刻状态θ0及状态协方差P0;
3.5.4、根据k-1时刻状态预测k时刻状态,即:
θk-1|k=Fkθk-1+Gk Wk
式中,θk-1|k为k时刻状态预测值,θk-1为k-1时刻状态估计值,Fk为状态转移矩阵,Gk为系统噪声矩阵,Wk为系统噪声向量;
3.5.5、更新k时刻协方差预测值Pk-1|k,即:
Pk-1|k=FkPk-1Fk T+Qk
式中,Pk-1为k-1时刻的协方差,Qk为系统噪声向量Wk的方差阵;
3.5.6、计算k时刻卡尔曼增益Kk,即:
Kk=Pk-1|kHk T[HkPk-1|kHk T+Rk]-1
式中,Hk为观测矩阵,Rk为系统量测噪声方差阵;
3.5.7、计算k时刻状态估计值θk,包括惯性导航的姿态误差、速度误差、位置误差、陀螺仪常值漂移、陀螺仪漂移、加速度计常值漂移、加速度计漂移,即:
θk=θk-1+Kk[Zk-Hkθk-1|k]
3.5.8、计算k时刻自车i定位结果估计值为惯性导航积分得到的位置Xi i(k)减去步骤3.5.7中得到的位置误差状态估计值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110796239.4A CN113359169B (zh) | 2021-07-14 | 2021-07-14 | 一种面向有交通灯十字路口的车辆协同定位方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110796239.4A CN113359169B (zh) | 2021-07-14 | 2021-07-14 | 一种面向有交通灯十字路口的车辆协同定位方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113359169A true CN113359169A (zh) | 2021-09-07 |
CN113359169B CN113359169B (zh) | 2022-09-20 |
Family
ID=77539483
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110796239.4A Active CN113359169B (zh) | 2021-07-14 | 2021-07-14 | 一种面向有交通灯十字路口的车辆协同定位方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113359169B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114034316A (zh) * | 2021-10-29 | 2022-02-11 | 上海智能网联汽车技术中心有限公司 | 一种路侧系统的定位性能评估方法及系统 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107315413A (zh) * | 2017-07-12 | 2017-11-03 | 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 |
CN109849922A (zh) * | 2018-12-25 | 2019-06-07 | 青岛中汽特种汽车有限公司 | 一种用于智能车辆的基于视觉信息与gis信息融合的方法 |
CN110440801A (zh) * | 2019-07-08 | 2019-11-12 | 浙江吉利控股集团有限公司 | 一种定位感知信息获取方法、装置及系统 |
CN111678513A (zh) * | 2020-06-18 | 2020-09-18 | 山东建筑大学 | 一种超宽带/惯导紧耦合的室内定位装置与系统 |
-
2021
- 2021-07-14 CN CN202110796239.4A patent/CN113359169B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107315413A (zh) * | 2017-07-12 | 2017-11-03 | 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 |
CN109849922A (zh) * | 2018-12-25 | 2019-06-07 | 青岛中汽特种汽车有限公司 | 一种用于智能车辆的基于视觉信息与gis信息融合的方法 |
CN110440801A (zh) * | 2019-07-08 | 2019-11-12 | 浙江吉利控股集团有限公司 | 一种定位感知信息获取方法、装置及系统 |
CN111678513A (zh) * | 2020-06-18 | 2020-09-18 | 山东建筑大学 | 一种超宽带/惯导紧耦合的室内定位装置与系统 |
Non-Patent Citations (3)
Title |
---|
FANG HUI ET AL.: "Ground Feature Point Matching Based Global Localization for Driverless Vehicles", 《ROBOT》 * |
彭文正等: "多传感器信息融合的自动驾驶车辆定位与速度估计", 《传感技术学报》 * |
王龙等: "紧耦合INS/视觉相对位姿测量方法", 《中国惯性技术学报》 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114034316A (zh) * | 2021-10-29 | 2022-02-11 | 上海智能网联汽车技术中心有限公司 | 一种路侧系统的定位性能评估方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN113359169B (zh) | 2022-09-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106352867B (zh) | 用于确定车辆自身位置的方法和设备 | |
CN111949943B (zh) | 一种面向高级自动驾驶的v2x和激光点云配准的车辆融合定位方法 | |
CN109791050B (zh) | 通过航位推算和gnss辅助地图匹配的车辆导航 | |
CN110160542B (zh) | 车道线的定位方法和装置、存储介质、电子装置 | |
CN107132563B (zh) | 一种里程计结合双天线差分gnss的组合导航方法 | |
CN102529975B (zh) | 用于精确的分车道车辆定位的系统和方法 | |
JP5162849B2 (ja) | 不動点位置記録装置 | |
US11686582B2 (en) | Sensor plausibility using GPS road information | |
US7035733B1 (en) | Method and system for obtaining road grade data | |
WO2014192276A1 (ja) | 走行路情報生成装置 | |
Huang et al. | An expectation-maximization-based interacting multiple model approach for cooperative driving systems | |
CN112469970A (zh) | 用于估计在车辆的自定位方面的定位质量的方法、用于执行该方法的方法步骤的设备以及计算机程序 | |
CN112378410B (zh) | 车辆行驶盲区校准方法、装置、设备及存储介质 | |
JP4662797B2 (ja) | 車載ナビゲーション装置 | |
CN113029139B (zh) | 基于运动检测的机场飞行区车辆差分北斗/sins组合导航方法 | |
CN112346103A (zh) | 基于v2x的智能网联汽车动态协同定位方法与装置 | |
CN111221020A (zh) | 一种室内外定位方法、装置及系统 | |
CN113359169B (zh) | 一种面向有交通灯十字路口的车辆协同定位方法 | |
CN115046546A (zh) | 一种基于车道线识别的自动驾驶汽车定位系统及方法 | |
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 | |
Liu et al. | Finite-horizon urtss-based position estimation for urban vehicle localization | |
Noureldin et al. | a Framework for Multi-Sensor Positioning and Mapping for Autonomous Vehicles | |
Rae et al. | Reducing multipath effects in vehicle localization by fusing GPS with machine vision | |
Ng et al. | Implementation of kinematics bicycle model for vehicle localization using Android sensors | |
Gan et al. | A MM-aided inertial navigation for land vehicle in GNSS-denied environment |
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 |