CN114114368A - 车辆定位方法、系统、设备及存储介质 - Google Patents
车辆定位方法、系统、设备及存储介质 Download PDFInfo
- Publication number
- CN114114368A CN114114368A CN202111505182.4A CN202111505182A CN114114368A CN 114114368 A CN114114368 A CN 114114368A CN 202111505182 A CN202111505182 A CN 202111505182A CN 114114368 A CN114114368 A CN 114114368A
- Authority
- CN
- China
- Prior art keywords
- positioning
- vehicle
- observation value
- uwb
- rtk
- 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
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
- G01S19/48—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
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
本发明提供了车辆定位方法、系统、设备及存储介质,其中,在车载端部署RTK定位系统和UWB定位系统,方法包括:利用RTK定位系统获取所在车辆的RTK定位观测值,利用UWB定位系统获取所在车辆的UWB定位观测值,获取RTK定位系统和UWB定位系统各自的置信度,在RTK定位观测值和UWB定位观测值中选择系统置信度满足设定条件的目标定位观测值,将目标定位观测值作为车端定位结果。本发明能够实现基于RTK‑UWB技术进行融合定位。在这种情况下,即使因为场景切换而导致系统误差的情况下,也可适时根据系统置信度选择误差较小精确度较高的定位观测值作为车辆定位结果,提升车辆定位精度。
Description
技术领域
本发明涉及驾驶定位领域,具体地说,涉及车辆定位方法、系统、设备及存储介质。
背景技术
自动驾驶汽车,又称无人驾驶汽车、电脑驾驶车、无人车、自驾车,为一种需要驾驶员辅助或者完全不需操控的车辆。作为自动化载具,自动驾驶汽车可以不需要人类操作即能感测其环境及导航。
而车辆在自动驾驶过程中如何更精确地进行自我定位,是业界需要考虑的一个课题。
需要说明的是,上述背景技术部分公开的信息仅用于加强对本发明的背景的理解,因此可以包括不构成对本领域普通技术人员已知的现有技术的信息。
发明内容
针对现有技术中的问题,本发明的目的在于提供车辆定位方法、系统、设备及存储介质,克服了现有技术的困难,能够根据系统置信度在RTK定位观测值和UWB定位观测值中选择误差较低可信度较高的目标定位观测值,实现基于RTK-UWB技术进行融合定位,提升车辆定位精度。
本发明的实施例提供一种车辆定位方法,应用于车载端,在车载端部署RTK定位系统和UWB定位系统,车辆定位方法包括:
利用RTK定位系统获取所在车辆的RTK定位观测值;
利用UWB定位系统获取所在车辆的UWB定位观测值;
获取RTK定位系统和UWB定位系统各自的置信度,在RTK定位观测值和UWB定位观测值中选择系统置信度满足设定条件的目标定位观测值,将目标定位观测值作为车端定位结果;
利用车端定位结果控制车辆执行相应的行驶行为。
可选地,在RTK定位观测值和UWB定位观测值中选择系统置信度满足设定条件的目标定位观测值,包括:
在RTK定位系统和UWB定位系统各自的系统置信度均位于设定的置信度区间内的情况下,在RTK定位观测值和UWB定位观测值中选择系统置信度相对较大的目标定位观测值。
可选地,在RTK定位观测值和UWB定位观测值中选择系统置信度满足设定条件的目标定位观测值,包括:
在RTK定位系统和UWB定位系统各自的系统置信度中其中之一位于设定的置信度区间内的情况下,在RTK定位观测值和UWB定位观测值中选择系统置信度位于设定的置信度区间内的目标定位观测值。
可选地,车辆定位方法还包括:
在RTK定位系统和UWB定位系统各自的系统置信度均不位于设定置信度区间内的情况下,将根据第一时刻的车端定位结果预估得到的第二时刻的车辆定位预估值作为车端定位结果;
其中,第一时刻为第二时刻之前的时刻,RTK定位观测值和UWB定位观测值均为第二时刻的定位观测值。
可选地,在RTK定位观测值和UWB定位观测值中选择系统置信度满足设定条件的目标定位观测值之前,车辆定位方法还包括:
对RTK定位观测值和UWB定位观测值进行时间同步。
可选地,车辆定位方法还包括:
在将目标定位观测值作为车端定位结果之前,获取根据第一时刻的车端定位结果预估得到的第二时刻的车辆定位预估值,其中,第一时刻为第二时刻之前的时刻,车辆定位预估值与目标定位观测值保持时间同步;
利用扩展卡尔曼滤波器,利用预设的误差协方差矩阵对第二时刻的车辆定位预估值与目标定位观测值值之间的误差进行收敛;
在收敛的情况下,将目标定位观测值作为车端定位结果。
可选地,车辆定位方法还包括:
利用车端定位结果和第二时刻的车辆定位预估值计算卡尔曼增益;
利用卡尔曼增益更新误差协方差矩阵。
可选地,车辆定位方法还包括:
将RTK定位观测值、UWB定位观测值和车端定位结果上传给云端;
在接收到云端对车端定位结果的误差进行告警的情况下,响应告警,控制车辆执行告警所对应的调控行为。
本发明实施例还提供一种车辆定位方法,应用于车载端所对应的云端,车辆定位方法包括:
从车载端接收车辆的第一RTK定位观测值、第一UWB定位观测值、以及在第一RTK定位观测值和第一UWB定位观测值中选择的系统置信度满足设定条件的第一目标定位观测值;
利用CORS站网数据解算出所述车辆的第二RTK定位观测值,及利用UWB站网数据解算出所述车辆的第二UWB定位观测值,并在所述第二RTK定位观测值和第二UWB定位观测值中选择系统置信度满足设定条件的第二目标定位观测值;
在第一目标定位观测值与第二目标定位观测值之间的误差超过误差阈值的情况下,向车载端下发告警信息。
可选地,在利用CORS站网数据解算出所述车辆的第二RTK定位观测值,及利用UWB站网数据解算出所述车辆的第二UWB定位观测值,并在所述第二RTK定位观测值和第二UWB定位观测值中选择系统置信度满足设定条件的第二目标定位观测值之前,所述车辆定位方法还包括:
从车载端接收上报的所述第一RTK定位观测值的系统置信度,作为所述第二RTK定位观测值的系统置信度;
在云端部署UWB定位系统的情况下,在所述云端的存储位置提取所述UWB定位系统的系统置信度。
本发明实施例还提供一种车辆定位系统,包括:
车载端,获取车辆的第一RTK定位观测值、第一UWB定位观测值、以及在第一RTK定位观测值和第一UWB定位观测值中选择系统置信度满足设定条件的第一目标定位观测值;
云端,从车载端接收第一RTK定位观测值、第一UWB定位观测值和第一目标定位观测值,并利用CORS站网数据解算出车辆的第二RTK定位观测值,及利用UWB站网数据解算出车辆的第二UWB定位观测值,并在第二RTK定位观测值和第二UWB定位观测值中选择系统置信度满足设定条件的第二目标定位观测值,在第一目标定位观测值与第二目标定位观测值之间的误差超过误差阈值的情况下,向车载端下发告警信息。
本发明实施例还提供一种车辆定位系统,应用于车载端,在车载端部署RTK定位系统和UWB定位系统,车辆定位系统包括:
第一定位模块,利用RTK定位系统获取所在车辆的RTK定位观测值;
第二定位模块,利用UWB定位系统获取所在车辆的UWB定位观测值;
第一融合定位模块,获取RTK定位系统和UWB定位系统各自的置信度,在RTK定位观测值和UWB定位观测值中选择系统置信度满足设定条件的目标定位观测值,将目标定位观测值作为车端定位结果;
控制模块,利用车端定位结果控制车辆执行相应的行驶行为。
本发明实施例还提供一种车辆定位系统,应用于车载端所对应的云端,车辆定位系统包括:
接收模块,从车载端接收车辆的第一RTK定位观测值、第一UWB定位观测值、以及在第一RTK定位观测值和第一UWB定位观测值中选择的系统置信度满足设定条件的第一目标定位观测值;
第二融合定位模块,利用CORS站网数据解算出车辆的第二RTK定位观测值,及利用UWB站网数据解算出所述车辆的第二UWB定位观测值,并在第二RTK定位观测值和第二UWB定位观测值中选择系统置信度满足设定条件的第二目标定位观测值;
下发模块,在第一目标定位观测值与第二目标定位观测值之间的误差超过误差阈值的情况下,向车载端下发告警信息。
本发明的实施例还提供一种车辆定位设备,包括:
处理器;
存储器,其中存储有处理器的可执行指令;
其中,处理器配置为经由执行可执行指令来执行上述车辆定位方法的步骤。
本发明的实施例还提供一种计算机可读存储介质,用于存储程序,程序被执行时实现上述车辆定位方法的步骤。
本发明的目的在于提供车辆定位方法、系统、设备及存储介质,能够通过在车载端同时部署RTK定位系统和UWB定位系统,根据系统置信度在RTK定位观测值和UWB定位观测值中选择误差较低可信度较高的目标定位观测值,实现基于RTK-UWB技术进行融合定位。在这种情况下,即使因为场景切换而导致系统误差的情况下,也可适时根据系统置信度选择误差较小精确度较高的定位观测值作为车辆定位结果,提升车辆定位精度。
附图说明
通过阅读参照以下附图对非限制性实施例所作的详细描述,本发明的其它特征、目的和优点将会变得更明显。
图1是本发明的车辆定位方法的实施例之一的流程图;
图2是本发明的车辆定位方法的实施例之二的流程图;
图3是本发明的车辆定位方法的实施例之三的时序图;
图4是本发明的车辆定位系统的一个实施例的结构图;
图5是本发明的车辆定位方法的应用场景示意图;
图6是本发明实施例的车辆定位系统的实施例之一的模块示意图;
图7是本发明实施例的车辆定位系统的实施例之二的模块示意图;
图8是本发明实施例的车辆定位系统的实施例之三的模块示意图;
图9是本发明实施例的车辆定位系统的实施例之四的模块示意图;
图10是本发明的车辆定位系统运行的示意图。
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实施方式。相反,提供这些实施方式使本发明全面和完整,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。
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转发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。
此外,附图中所示的流程仅是示例性说明,不是必须包括所有的步骤。例如,有的步骤可以分解,有的步骤可以合并或部分合并,且实际执行的顺序有可能根据实际情况改变。具体描述时使用的“第一”、“第二”以及类似的词语并不表示任何顺序、数量或者重要性,而只是用来区分不同的组成部分。需要说明的是,在不冲突的情况下,本发明的实施例及不同实施例中的特征可以相互组合。
在现有技术高精度定位技术是实现车辆自动驾驶的重要基础,自动驾驶领域常用的高精度定位方案包括:
基于实时动态差分技术RTK(Real Time Kinematic,RTK)和惯性测量单元IMU(Inertial measurement unit)的高精度定位系统;及
基于超宽带UWB(Ultra-wideband)技术和IMU的高精度定位系统。
其中,RTK是实时动态载波相位差分技术的简称,是一种通过基准站和流动站的同步观测,利用载波相位观测值实现快速高精度定位功能的差分测量技术。
其中,RTK是基于连续运行参考站CORS(Continuously Operating ReferenceStations)系统实现的。通常在一个区域内建立多个(一般为三个或三个以上)的全球导航卫星系统GNSS(Global Navigation Satellite System)基准站(CORS站),对该区域构成网状覆盖(CORS网)。
作业时,在已知高等级点上安置1台接收机作为基准站,对GPS卫星进行连续观测,并将观测数据和测站信息通过无线电传输设备实时地发送给流动站,流动站接收机在接收GPS卫星信号和采集卫星数据的同时,通过无线接收设备接收来自基准站的数据链,并在系统内对采集和接收的2组数据进行载波相位差分处理,实时解算出流动站的三维坐标及其精度。使用RTK技术利用基准站和流动站之间观测误差的空间相关性,通过差分的方式除去流动站观测数据的大部分误差,从而实现高精度定位。
IMU是测量车辆三轴姿态角(或角速率)以及加速度的装置
UWB是一种无载波通信技术,利用纳秒至微微秒级的非正弦波窄脉冲传输数。据UWB的定位原理是,通过布置数个已知坐标的定位基站,车辆按照一定的频率发射脉冲,不断和几个基站进行测距,通过一定的精确算法定出标签的位置。
UWB能在10米左右的范围内实现数百Mbit/s至数Gbit/s的数据传输速率,应用此技术可以实现高达10cm的定位精度。
本案发明人在使用上述两种方案进行自动驾驶测试过中发现,在车端同时具有RTK定位和UWB定位结果的环境场景下,在场景不断变化时,车辆因自身不同的定位系统切换会引入一定程度的系统误差。
此时,该如何降低定位误差并获得高精度的车辆定位结果,是本案所要解决的技术问题。
本发明实施例提供车辆定位方法、系统、设备及存储介质,其发明思想是,通过部署RTK-UWB融合定位方案,当车载端基于RTK和UWB定位引擎获得两个定位观测值的情况下,通过两个定位系统的观测置信度对这两个定位观测值进行选择,采信观测置信度较高的观测值。
图1为本发明通过对车辆定位方法的一种实施例的流程图,本方法的执行节点为车载端,在车载端部署RTK定位系统和UWB定位系统。如图1所示,本发明实施例提供的车辆定位方法包括如下步骤:
步骤110:利用RTK定位系统获取所在车辆的RTK定位观测值;
步骤120:利用UWB定位系统获取所在车辆的UWB定位观测值;
步骤130:获取RTK定位系统和UWB定位系统各自的系统置信度,在RTK定位观测值和UWB定位观测值中选择系统置信度满足设定条件的目标定位观测值,将目标定位观测值作为车端定位结果;
步骤140:利用车端定位结果控制车辆执行相应的行驶行为。
本发明实施例能够根据系统置信度在RTK定位观测值和UWB定位观测值中选择误差较低可信度较高的目标定位观测值,实现基于RTK-UWB技术进行融合定位。在这种情况下,即使因为场景切换而导致系统误差的情况下,也可适时根据系统置信度选择误差较小精确度较高的定位观测值作为车端定位结果,提升车辆定位精度。
在一种应用场景中,即使RTK定位技术受到强干扰、强遮挡的道路环境场景制约,例如车辆进/出隧道或车辆在高架林立环境中行驶,使用本发明实施例,也能够使用UWB定位技术实现车辆高精度定位。
在这种情况下,UWB定位系统以及RTK定位系统面对这些场景的系统置信度能够评价各定位结果在相应场景下的精确度,从而能够自动切换到合适的定位系统,并采信所选择定位系统的定位观测值,作为车端定位结果。
在可选实施例中,RTK定位系统的系统置信度及UWB定位系统的系统置信度具体形式为观测噪声方差矩阵。
在可选实施例中,在RTK定位观测值和UWB定位观测值中选择系统置信度满足设定条件的目标定位观测值,具体包括如下步骤:
在RTK定位系统和UWB定位系统各自的系统置信度均位于设定的置信度区间内的情况下,在RTK定位观测值和UWB定位观测值中选择系统置信度相对较大的目标定位观测值。
也就是,这里的设定条件是采信置信度较大的定位观测值。
在可选实施例中,在RTK定位观测值和UWB定位观测值中选择系统置信度满足设定条件的目标定位观测值,具体包括如下步骤:
在RTK定位系统和UWB定位系统各自的系统置信度中其中之一位于设定的置信度区间内的情况下,在RTK定位观测值和UWB定位观测值中选择系统置信度位于设定的置信度区间内的目标定位观测值。
在这种情况下,先根据置信度区间对RTK定位系统和UWB定位系统所设定的系统置信度进行初始判断,确定其可信度,从而提升定位结果的精确度。
在可选实施例中,车辆定位方法还包括如下步骤:
在RTK定位系统和UWB定位系统各自的系统置信度均不位于设定置信度区间内的情况下,将第二时刻的车辆定位预估值作为车端定位结果;
其中,第二时刻的车辆定位预估值是根据时序在前的第一时刻的车端定位结果预估得到的,RTK定位观测值和UWB定位观测值均为第二时刻的定位观测值。
在可选实施例中,在RTK定位观测值和UWB定位观测值中选择系统置信度满足设定条件的目标定位观测值之前,车辆定位方法还包括:
对RTK定位观测值和UWB定位观测值进行时间同步。
在可选实施例中,车辆定位方法还包括如下步骤:
在将目标定位观测值作为车端定位结果之前,获取根据第一时刻的车端定位结果预估得到的第二时刻的车辆定位预估值,其中,第一时刻为第二时刻之前的时刻,车辆定位预估值与目标定位观测值保持时间同步;
利用卡尔曼滤波器,利用预设的误差协方差矩阵对第二时刻的车辆定位预估值与目标定位观测值值之间的误差进行收敛;
在收敛的情况下,将目标定位观测值作为车端定位结果。
卡尔曼滤波器是一种最优线性状态估计方法(等价于“在最小均方误差准则下的最佳线性滤波器”),所谓状态估计就是通过数学方法寻求与观测数据最佳拟合的状态向量。
误差协方差矩阵表征第二时刻的车辆定位预估值与目标定位观测值值的相对权重,收敛是指两者的相对权重接近1,也就是目标定位观测值与车辆定位预估值趋于一致,则目标定位观测值是可信的。
在可选实施例中,车辆定位方法还包括如下步骤:
利用车端定位结果和第二时刻的车辆定位预估值计算卡尔曼增益;
利用卡尔曼增益更新误差协方差矩阵。
该更新的误差协方差矩阵用于下一时刻的车辆定位。
卡尔曼增益是赋予车辆定位观测值和估计值的相对权重,可以进行“调整”以获得特定的性能。增益高时,滤波器将更多的精力放在最新的观测值上,因此反应速度更快。增益较低时,滤波器会更紧密地遵循预测的估计值。
在可选实施例中,图1所示车辆定位方法的执行主体为车载端,此时车辆定位方法还包括:
将RTK定位观测值、UWB定位观测值和车端定位结果上传给云端;
在接收到云端对车端定位结果的误差进行告警的情况下,响应告警,控制车辆执行告警所对应的调控行为。
图2为本发明实施例提供的车辆定位方法的流程图,本方法的执行主体为车载端对应的云端,车辆定位方法包括:
步骤210:从车载端获取车辆的第一RTK定位观测值、第一UWB定位观测值以及在第一RTK定位观测值和第一UWB定位观测值中所选择的系统置信度满足设定条件的第一目标定位观测值;
步骤220:利用CORS站网数据解算出车辆的第二RTK定位观测值,及利用UWB站网数据解算出车辆的第二UWB定位观测值,并在第二RTK定位观测值和第二UWB定位观测值中选择系统置信度满足设定条件的第二目标定位观测值;
步骤230:在第一目标定位观测值与第二目标定位观测值之间的误差超过误差阈值的情况下,向车载端下发告警信息。
对于步骤220可以参考上文步骤120,在此不再赘述。
在可能的应用场景中,CORS站网中基站位置可能存在偏移,基站设备本身可能存在系统错误等,同样的UWB站网也可能存在这些问题。但是,对于车载端来说,它对这些问题是无感的。而云端能够获取CORS站网或UWB站网可能存在的瑕疵问题,因此认为它解算出的RTK定位观测值、UWB观测值及两者的融合定位结果是相对准确的,能够用来对车载端解算出的车端定位结果进行误差评估,并能够在车载端测得的车端定位结果存在较大误差的情况下,进行及时告警。
本发明实施例在车载端和云端分别部署了RTK-UWB融合定位算法引擎,云端通过较强的算力建立有效的云端的监控运营分析系统,实时根据CORS站网及UWB站网数据对车载端的定位结果进行误差识别,并在定位误差超过误差阈值的情况下,向车载端发送告警信息,提示车载端作出相应响应行为,从而满足自动驾驶功能安全需求。
在可选实施例中,云端定位所依据的CORS站网数据及UWB站网数据可以是预先保存在云端的实际站网数据,这与车载端依据的CORS站网数据集UWB站网数据在正常情况下是一致的。
在特殊情况下,云端定位所依据的CORS站网数据及UWB站网数据是最新的站网数据。
在可选实施例中,在利用CORS站网数据解算出车辆的第二RTK定位观测值,及利用UWB站网数据解算出车辆的第二UWB定位观测值,并在第二RTK定位观测值和第二UWB定位观测值中选择系统置信度满足设定条件的第二目标定位观测值之前,车辆定位方法还包括如下步骤:
从车载端接收上报的所述第一RTK定位观测值的系统置信度,作为所述第二RTK定位观测值的系统置信度;
在所述云端部署UWB定位系统的情况下,在所述云端的存储位置提取所述UWB定位系统的系统置信度。
在该实施例中,车载端上报第一RTK定位观测值和对应的RTK定位系统的系统置信度。车载端可以不部署RTK定位系统。在这种情况下,车载端上报的第一RTK的定位观测值直接作为第二RTK定位观测值。
在该实施例中,在云端部署UWB定位系统并存储UWB定位系统的系统置信度,从而云端能够利用自身部署的UWB定位系统解算出第二UWB定位观测值。
在可选实施例中,在云端部署基于虚拟参考站技术VRS(Virtual ReferenceStation)的VRS算法引擎。虚拟参考站技术也称虚拟基准站技术,是一种网络实时动态测量技术,通过在某一区域内建立构成网状覆盖的多个GPS基准站,在流动站附近建立一个虚拟基准站,根据周围各基准站上的实际观测值算出该虚拟基准站的虚拟观测值,实现用户站的高精度定位。
该VRS算法引擎用于,根据车载端上报的位置向车载端下发差分改正信息,使得车载端根据差分改正信息和GNSS原始观测量信息通过RTK定位系统解算得到动态亚米级、厘米级精度的RTK定位观测值。
图3为本发明实施例提供的车辆定位方法的时序图,本方法包括:
车载端RTK定位系统通过观测卫星导航系统GNSS(Global Navigation SatelliteSystem)的原始观测信息、接收差分改正信息,解算出RTK定位结果;
车载端UWB定位系统通过接收UWB基站播发的报文信息进行解算得出UWB定位结果;
车载端通过预设的融合定位算法引擎,对RTK和UWB定位结果分别进行置信度设置,通过置信度判断择优选择定位系统,对应输出融合定位结果,即RTK-UWB定位结果,即车端定位结果;
车载端上传RTK定位结果、UWB定位结果和融合定位结果至云端融合定位监管系统;
云端融合定位监管系统调用云端的RTK-UWB融合定位算法引擎,采用与车载端相同的融合定位算法解算出融合定位结果;
平台融合定位监管系统根据其设置的告警评定精度,超过其预设置的误差阈值后对车端进行自动告警。
云端通过自身的分析能力分别对CORS站网、UWB站网、差分服务及车端上报的RTK和UWB定位结果实时进行质量分析,对差分服务、UWB站点和车端定位状态和结果进行评定,如果超过了云端监控系统定义的告警门限,云端可通过移动通信网络给车端CAN总线播发质量告警信息,车辆结合自身的管理系统进行减速并开启指示灯,保障车辆安全。
在这种情况下,参考图4,本发明实施例提供的车辆定位系统可包括:
车载端410,获取车辆的第一RTK定位观测值、第一UWB定位观测值、以及在第一RTK定位观测值和第一UWB定位观测值中选择的系统置信度满足设定条件的第一目标定位观测值;
云端420,从车载端410接收第一RTK定位观测值、第一UWB定位观测值和第一目标定位观测值,并利用CORS站网数据解算出车辆的第二RTK定位观测值,及利用UWB站网数据解算出车辆的第二UWB定位观测值,并在第二RTK定位观测值和第二UWB定位观测值中选择系统置信度满足设定条件的第二目标定位观测值,在第一目标定位观测值与第二目标定位观测值之间的误差超过误差阈值的情况下,向车载端下发告警信息。
参考图5,车辆定位方法具体包括如下应用场景:
在开放环境(GNSS信号环境)中,GNSS信号较强,车载端利用CORS基站网进行自车定位;
在封闭环境(UWB信号环境)中,GNSS信号弱或不存在GNSS信号,此时利用隧道内存在的UWB信号进行自车定位;
在多路径环境(GNSS/UWB信号环境)切换场景,GNSS/UWB信号切换的情况下,车载端采用本发明实施例提供的RTK-UWB融合定位技术进行自车定位,云端负责对车端定位结果的误差进行评定。
这有效解决了在无/弱GNSS信号场景下实现高精度定位。
从图5可知,在云端部署有VRS算法引擎和UWB定位系统,对这两者的作用可以参考上文,在此不再赘述。
具体地,本发明实施例的车载端或云端部署的RTK-UWB融合定位算法具体说明如下。
首先,车辆坐标建模。
车辆近似在一个二维平面运动,由于车辆质心点、GNSS天线和UWB天线无法严格对齐,存在杆臂的概念,分别为L(G)和L(U)。定义两种坐标系,车身坐标系(v系)和导航坐标系(n系)。
其中,在车身坐标系中,纵向(车头)为Y轴,横向(车身)为X轴,原点为车身的参考点(质心),导航坐标系设置为经纬度坐标系,正东方为X轴,正北方为Y轴。
其中,参考点在导航系(n系)的速度和位置分别为Vn和Pn,GNSS天线在导航系(n系)的速度和位置分别为VGn和PGn,UWB天线在导航系(n系)系的位置为Pun。
RTK-UWB融合定位算法主要适用于进/出隧道同时有RTK和UWB定位结果的场景,降低因系统切换带来较大的系统误差。一般情况下,车辆行驶过程中,在进/出隧道场景环境车辆的速度基本保持不变,使用匀速模型进行建模。
使用匀速模型进行建模,车辆动态方程可以表示为:
Pn=Vn+nv
Vn=0+na
其中nv和na为均值为零的高斯白噪声,此处融合的问题,可以看成是通过观测量Vgn、Pgn、Pun,对参考点的状态向量X=[Pn Vn]T进行估计的问题。
其中,基于扩展卡尔曼滤波器EKF(Extended Kalman Filter)的RTK-UWB融合定位算法,基于KF滤波器理论框架,定义系统的状态向量为X=[Pn Vn θ]T,Vn和θ分别为参考点的标量速率和航向角,航向角定位为与正北方的偏转夹角。
建立系统状态转移方程为:
Q为系统噪声协方差矩阵,g(Xn)为非线性函数,做延伸卡尔曼滤波EKF(ExtendedKalman filter)需要做偏导将其线性化:
Xn+1=AXn
+Q
其中,RTK观测方程为:
wn为参考点的角速度,当角速度足够小或者杆臂值足够小的时候,wn·LG项可以忽略。
将RTK观测量写成状态向量的形式:
RTK观测向量不是状态向量的线性函数,需要用偏导线性化:
ZG=HGx+RG
UWB观测方程:
UWB观测方程属于非线性方程,因此需要将其线性化:
ZU=Hu·x+Ru
RG和RU分别为RTK和UWB的观测噪声方差矩阵,对应RTK和UWB观测的置信度,根据各系统置信度结果切换定位系统。
上述分别建立了系统状态转移方程、RTK和UWB观测方程,可使用标准EKF滤波器进行数据融合。
EKF系统动态模型:Xk=f(Xk-1,t)+G(t)·wk
EKF系统观测模型:Z(t)=h(Xk,t)+wk
根据对RTK和UWB定位系统上报的数据进行时间同步,对各自观测噪声协方差进行评定,系统可自动切换各定位结果。当两者数据都未收敛或置信度较低时,可输出预测的数据作为当前系统的输出。
本发明实施例解决覆盖全部道路环境场景的车辆RTK-UWB高精度定位方案因不同的定位系统切换所引入的系统误差(≥30CM),本方面实施例提出了一种RTK-UWB融合定位算法使各系统在均有定位结果输出的场景下实现数据融合,降低系统误差(<20CM)。
通过建立云端RTK-UWB定位监控运营管理系统,当出现系统误差时,云端可根据预设值的误差阈值对车端融合定位系统播发告警信息,使车辆及时开启告警灯提示其他车辆并减速。这有效地解决了车辆因自身算力有限而影响融合定位可靠性的问题。
图6是本发明的车辆定位系统的一种实施例的模块示意图。本发明的车辆定位系统应用于车载端,在车载端部署RTK定位系统和UWB定位系统。如图6所示,车辆定位系统包括但不限于:
第一定位模块610,利用RTK定位系统获取所在车辆的RTK定位观测值;
第二定位模块620,利用UWB定位系统获取所在车辆的UWB定位观测值;
第一融合定位模块630,获取RTK定位系统和UWB定位系统各自的置信度,在RTK定位观测值和UWB定位观测值中选择系统置信度满足设定条件的目标定位观测值,将目标定位观测值作为车端定位结果;
控制模块640,利用车端定位结果控制车辆执行相应的行驶行为。
上述模块的实现原理参见车辆定位方法中的相关介绍,此处不再赘述。
本发明的车辆定位系统能够通过在车载端同时部署RTK定位系统和UWB定位系统,根据系统置信度在RTK定位观测值和UWB定位观测值中选择误差较低可信度较高的目标定位观测值,实现基于RTK-UWB技术进行融合定位。在这种情况下,即使因为场景切换而导致系统误差的情况下,也可适时根据系统置信度选择误差较小精确度较高的定位观测值作为车辆定位结果,提升车辆定位精度。
可选地,第一融合定位模块630具体用于:
在RTK定位系统和UWB定位系统各自的系统置信度均位于设定的置信度区间内的情况下,在RTK定位观测值和UWB定位观测值中选择系统置信度相对较大的目标定位观测值。
可选地,第一融合定位模块630具体用于:
在RTK定位系统和UWB定位系统各自的系统置信度中其中之一位于设定的置信度区间内的情况下,在RTK定位观测值和UWB定位观测值中选择系统置信度位于设定的置信度区间内的目标定位观测值。
可选地,第一融合定位模块630具体用于:
在RTK定位系统和UWB定位系统各自的系统置信度均不位于设定置信度区间内的情况下,将根据第一时刻的车端定位结果预估得到的第二时刻的车辆定位预估值作为车端定位结果;
其中,第一时刻为第二时刻之前的时刻,RTK定位观测值和UWB定位观测值均为第二时刻的定位观测值。
可选地,第一融合定位模块630具体还用于:
在将目标定位观测值作为车端定位结果之前,获取根据第一时刻的车端定位结果预估得到的第二时刻的车辆定位预估值,其中,第一时刻为第二时刻之前的时刻,车辆定位预估值与目标定位观测值保持时间同步;
利用卡尔曼滤波器,利用预设的误差协方差矩阵对第二时刻的车辆定位预估值与目标定位观测值值之间的误差进行收敛;
在收敛的情况下,将目标定位观测值作为车端定位结果。
可选地,第一融合定位模块630具体还用于:
利用车端定位结果和第二时刻的车辆定位预估值计算卡尔曼增益;
利用卡尔曼增益更新误差协方差矩阵。
可选地,与图6相比,图7所示车辆定位系统还包括:
时间同步模块710,在RTK定位观测值和UWB定位观测值中选择系统置信度满足设定条件的目标定位观测值之前,对RTK定位观测值和UWB定位观测值进行时间同步。
可选地,与图6相比,图8所示车辆定位系统还包括:
上传模块810,将RTK定位观测值、UWB定位观测值和车端定位结果上传给云端;
调控模块820,在接收到云端对车端定位结果的误差进行告警的情况下,响应告警,控制车辆执行告警所对应的调控行为。
图9是本发明的车辆定位系统的另一个实施例的模块示意图,车辆定位系统应用于车载端所对应的云端,车辆定位系统包括:
接收模块910,从车载端接收车辆的第一RTK定位观测值、第一UWB定位观测值、以及在第一RTK定位观测值和第一UWB定位观测值中选择的系统置信度满足设定条件的第一目标定位观测值;
第二融合定位模块920,利用CORS站网数据解算出车辆的第二RTK定位观测值,及利用UWB站网数据解算出车辆的第二UWB定位观测值,并在第二RTK定位观测值和第二UWB定位观测值中选择系统置信度满足设定条件的第二目标定位观测值;
下发模块930,在第一目标定位观测值与第二目标定位观测值之间的误差超过误差阈值的情况下,向车载端下发告警信息。
可选地,接收模块910具体还用于:
在利用CORS站网数据解算出所述车辆的第二RTK定位观测值,及利用UWB站网数据解算出所述车辆的第二UWB定位观测值,并在所述第二RTK定位观测值和第二UWB定位观测值中选择系统置信度满足设定条件的第二目标定位观测值之前,从所述车载端接收上报的所述第一RTK定位观测值的系统置信度,作为所述第二RTK定位观测值的系统置信度;
第二融合定位模块920具体用于:
在所述云端部署UWB定位系统的情况下,在所述云端的存储位置提取所述UWB定位系统的系统置信度。
上述模的实现原理参见车辆定位方法中的相关介绍,此处不再赘述。
本发明实施例在车载端和云端分别部署了RTK-UWB融合定位算法引擎,云端通过较强的算力建立有效的云端的监控运营分析系统,实时根据CORS站网及UWB站网数据对车端定位结果进行误差识别,并在定位误差超过误差阈值的情况下,向车载端发送告警信息,提示车载端作出相应响应行为,从而满足自动驾驶功能安全需求。
本发明实施例还提供一种车辆定位设备,包括处理器。存储器,其中存储有处理器的可执行指令。其中,处理器配置为经由执行可执行指令来执行的车辆定位方法的步骤。
如上所示,该实施例的车辆定位设备能够通过在车载端同时部署RTK定位系统和UWB定位系统,根据系统置信度在RTK定位观测值和UWB定位观测值中选择误差较低可信度较高的目标定位观测值,实现基于RTK-UWB技术进行融合定位。在这种情况下,即使因为场景切换而导致系统误差的情况下,也可适时根据系统置信度选择误差较小精确度较高的定位观测值作为车辆定位结果,提升车辆定位精度。
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“平台”。
图10是本发明的车辆定位设备的结构示意图。下面参照图10来描述根据本发明的这种实施方式的电子设备1000。图10显示的电子设备1000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10所示,电子设备1000以通用计算设备的形式表现。电子设备1000的组件可以包括但不限于:至少一个处理单元1010、至少一个存储单元1020、连接不同平台组件(包括存储单元1020和处理单元1010)的总线1030、显示单元1040等。
其中,存储单元存储有程序代码,程序代码可以被处理单元1010执行,使得处理单元1010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,处理单元1010可以执行如图1或2中所示的步骤。
存储单元1020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)1021和/或高速缓存存储单元1022,还可以进一步包括只读存储单元(ROM)1023。
存储单元1020还可以包括具有一组(至少一个)程序模块1025的程序/实用工具1024,这样的程序模块1025包括但不限于:处理系统、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1030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1000也可以与一个或多个外部设备1070(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用户能与该电子设备1000交互的设备通信,和/或与使得该电子设备1000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1050进行。
并且,电子设备1000还可以通过网络适配器1060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1060可以通过总线1030与电子设备1000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1000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平台等。
本发明实施例还提供一种计算机可读存储介质,用于存储程序,程序被执行时实现的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,当程序产品在终端设备上运行时,程序代码用于使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。
根据本发明的实施方式的用于实现上述方法的程序产品,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。
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。
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处理的程序代码,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用户计算设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用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),连接到用户计算设备,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)。
综上,本发明的目的在于提供车辆定位方法、系统、设备及存储介质,能够通过在车载端同时部署RTK定位系统和UWB定位系统,根据系统置信度在RTK定位观测值和UWB定位观测值中选择误差较低可信度较高的目标定位观测值,实现基于RTK-UWB技术进行融合定位。在这种情况下,即使因为场景切换而导致系统误差的情况下,也可适时根据系统置信度选择误差较小精确度较高的定位观测值作为车辆定位结果,提升车辆定位精度。
以上内容是结合具体的优选实施方式对本发明所作的进一步详细说明,不能认定本发明的具体实施只局限于这些说明。对于本发明所属技术领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干简单推演或替换,都应当视为属于本发明的保护范围。
Claims (15)
1.一种车辆定位方法,其特征在于,应用于车载端,在所述车载端部署RTK定位系统和UWB定位系统,所述车辆定位方法包括:
利用所述RTK定位系统获取所在车辆的RTK定位观测值;
利用所述UWB定位系统获取所在车辆的UWB定位观测值;
获取所述RTK定位系统和UWB定位系统各自的置信度,在所述RTK定位观测值和UWB定位观测值中选择系统置信度满足设定条件的目标定位观测值,将所述目标定位观测值作为车端定位结果;
利用所述车端定位结果控制车辆执行相应的行驶行为。
2.根据权利要求1所述的车辆定位方法,其特征在于,在所述RTK定位观测值和UWB定位观测值中选择系统置信度满足设定条件的目标定位观测值,包括:
在所述RTK定位系统和UWB定位系统各自的系统置信度均位于设定的置信度区间内的情况下,在所述RTK定位观测值和UWB定位观测值中选择系统置信度相对较大的目标定位观测值。
3.根据权利要求1所述的车辆定位方法,其特征在于,在所述RTK定位观测值和UWB定位观测值中选择系统置信度满足设定条件的目标定位观测值,包括:
在所述RTK定位系统和UWB定位系统各自的系统置信度中其中之一位于设定的置信度区间内的情况下,在所述RTK定位观测值和UWB定位观测值中选择系统置信度位于所述设定的置信度区间内的目标定位观测值。
4.根据权利要求1所述的车辆定位方法,其特征在于,所述车辆定位方法还包括:
在所述RTK定位系统和UWB定位系统各自的系统置信度均不位于设定置信度区间内的情况下,将根据第一时刻的车端定位结果预估得到的第二时刻的车辆定位预估值作为车端定位结果;
其中,所述第一时刻为第二时刻之前的时刻,所述RTK定位观测值和UWB定位观测值均为所述第二时刻的定位观测值。
5.根据权利要求1所述的车辆定位方法,其特征在于,在所述RTK定位观测值和UWB定位观测值中选择系统置信度满足设定条件的目标定位观测值之前,所述车辆定位方法还包括:
对所述RTK定位观测值和UWB定位观测值进行时间同步。
6.根据权利要求1所述的车辆定位方法,其特征在于,所述车辆定位方法还包括:
在将所述目标定位观测值作为车端定位结果之前,获取根据第一时刻的车端定位结果预估得到的第二时刻的车辆定位预估值,其中,所述第一时刻为第二时刻之前的时刻,所述车辆定位预估值与所述目标定位观测值保持时间同步;
利用扩展卡尔曼滤波器,利用预设的误差协方差矩阵对所述第二时刻的车辆定位预估值与所述目标定位观测值值之间的误差进行收敛;
在收敛的情况下,将所述目标定位观测值作为所述车端定位结果。
7.根据权利要求6所述的车辆定位方法,其特征在于,所述车辆定位方法还包括:
利用所述车端定位结果和所述第二时刻的车辆定位预估值计算卡尔曼增益;
利用所述卡尔曼增益更新所述误差协方差矩阵。
8.根据权利要求1所述的车辆定位方法,其特征在于,所述车辆定位方法还包括:
将所述RTK定位观测值、UWB定位观测值和所述车端定位结果上传给云端;
在接收到所述云端对所述车端定位结果的误差进行告警的情况下,响应所述告警,控制车辆执行所述告警所对应的调控行为。
9.一种车辆定位方法,其特征在于,应用于车载端所对应的云端,所述车辆定位方法包括:
从车载端接收所述车辆的第一RTK定位观测值、第一UWB定位观测值、以及在所述第一RTK定位观测值和第一UWB定位观测值中选择的系统置信度满足设定条件的第一目标定位观测值;
利用CORS站网数据解算出所述车辆的第二RTK定位观测值,及利用UWB站网数据解算出所述车辆的第二UWB定位观测值,并在所述第二RTK定位观测值和第二UWB定位观测值中选择系统置信度满足设定条件的第二目标定位观测值;
在所述第一目标定位观测值与所述第二目标定位观测值之间的误差超过误差阈值的情况下,向所述车载端下发告警信息。
10.根据权利要求9所述的车辆定位方法,其特征在于,在利用CORS站网数据解算出所述车辆的第二RTK定位观测值,及利用UWB站网数据解算出所述车辆的第二UWB定位观测值,并在所述第二RTK定位观测值和第二UWB定位观测值中选择系统置信度满足设定条件的第二目标定位观测值之前,所述车辆定位方法还包括:
从所述车载端接收上报的所述第一RTK定位观测值的系统置信度,作为所述第二RTK定位观测值的系统置信度;
在所述云端部署UWB定位系统的情况下,在所述云端的存储位置提取所述UWB定位系统的系统置信度。
11.一种车辆定位系统,其特征在于,包括:
车载端,获取所述车辆的第一RTK定位观测值、第一UWB定位观测值、以及在所述第一RTK定位观测值和第一UWB定位观测值中选择系统置信度满足设定条件的第一目标定位观测值;
云端,从所述车载端接收所述第一RTK定位观测值、第一UWB定位观测值和第一目标定位观测值,并利用CORS站网数据解算出所述车辆的第二RTK定位观测值,及利用UWB站网数据解算出所述车辆的第二UWB定位观测值,并在所述第二RTK定位观测值和第二UWB定位观测值中选择系统置信度满足设定条件的第二目标定位观测值,在所述第一目标定位观测值与所述第二目标定位观测值之间的误差超过误差阈值的情况下,向所述车载端下发告警信息。
12.一种车辆定位系统,其特征在于,应用于车载端,在所述车载端部署RTK定位系统和UWB定位系统,所述车辆定位系统包括:
第一定位模块,利用所述RTK定位系统获取所在车辆的RTK定位观测值;
第二定位模块,利用所述UWB定位系统获取所在车辆的UWB定位观测值;
第一融合定位模块,获取所述RTK定位系统和UWB定位系统各自的置信度,在所述RTK定位观测值和UWB定位观测值中选择系统置信度满足设定条件的目标定位观测值,将所述目标定位观测值作为车端定位结果;
控制模块,利用所述车端定位结果控制车辆执行相应的行驶行为。
13.一种车辆定位系统,其特征在于,应用于车载端所对应的云端,所述车辆定位系统包括:
接收模块,从车载端接收所述车辆的第一RTK定位观测值、第一UWB定位观测值、以及在所述第一RTK定位观测值和第一UWB定位观测值中选择的系统置信度满足设定条件的第一目标定位观测值;
第二融合定位模块,利用CORS站网数据解算出所述车辆的第二RTK定位观测值,及利用UWB站网数据解算出所述车辆的第二UWB定位观测值,并在所述第二RTK定位观测值和第二UWB定位观测值中选择系统置信度满足设定条件的第二目标定位观测值;
下发模块,在所述第一目标定位观测值与所述第二目标定位观测值之间的误差超过误差阈值的情况下,向所述车载端下发告警信息。
14.一种网络用户异常行为的检测设备,其特征在于,包括:
处理器;
存储器,其中存储有所述处理器的可执行指令;
其中,所述处理器配置为经由执行所述可执行指令来执行权利要求1至10任意一项所述车辆定位方法的步骤。
15.一种计算机可读存储介质,用于存储程序,其特征在于,所述程序被处理器执行时实现权利要求1至10任意一项所述车辆定位方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111505182.4A CN114114368A (zh) | 2021-12-10 | 2021-12-10 | 车辆定位方法、系统、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111505182.4A CN114114368A (zh) | 2021-12-10 | 2021-12-10 | 车辆定位方法、系统、设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114114368A true CN114114368A (zh) | 2022-03-01 |
Family
ID=80364310
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111505182.4A Pending CN114114368A (zh) | 2021-12-10 | 2021-12-10 | 车辆定位方法、系统、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114114368A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114779307A (zh) * | 2022-06-17 | 2022-07-22 | 武汉理工大学 | 面向港区的uwb/ins/gnss的无缝定位方法 |
WO2024041156A1 (zh) * | 2022-08-25 | 2024-02-29 | 深圳市广通远驰科技有限公司 | 车辆定位校准方法、装置、计算机设备及存储介质 |
-
2021
- 2021-12-10 CN CN202111505182.4A patent/CN114114368A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114779307A (zh) * | 2022-06-17 | 2022-07-22 | 武汉理工大学 | 面向港区的uwb/ins/gnss的无缝定位方法 |
WO2024041156A1 (zh) * | 2022-08-25 | 2024-02-29 | 深圳市广通远驰科技有限公司 | 车辆定位校准方法、装置、计算机设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11294060B2 (en) | System and method for lidar-based vehicular localization relating to autonomous navigation | |
Milanés et al. | Autonomous vehicle based in cooperative GPS and inertial systems | |
CN104729506B (zh) | 一种视觉信息辅助的无人机自主导航定位方法 | |
Tuna et al. | Unmanned aerial vehicle-aided wireless sensor network deployment system for post-disaster monitoring | |
CN113124856B (zh) | 基于uwb在线锚点的视觉惯性紧耦合里程计及计量方法 | |
CN109435955B (zh) | 一种自动驾驶系统性能评估方法、装置、设备及存储介质 | |
Bonnifait et al. | Cooperative localization with reliable confidence domains between vehicles sharing GNSS pseudoranges errors with no base station | |
CN109031269B (zh) | 基于毫米波雷达的定位方法、系统、设备及存储介质 | |
CN114114368A (zh) | 车辆定位方法、系统、设备及存储介质 | |
CN113419518B (zh) | 一种基于vts的vil测试平台 | |
US20200278208A1 (en) | Information processing apparatus, movable apparatus, information processing method, movable-apparatus control method, and programs | |
Dehghan et al. | A new approach for Simultaneous Localization of UAV and RF Sources (SLUS) | |
Bijjahalli et al. | A novel vehicle-based GNSS integrity augmentation system for autonomous airport surface operations | |
US20210072041A1 (en) | Sensor localization from external source data | |
CN110988949A (zh) | 定位方法、定位装置、计算机可读存储介质与可移动设备 | |
Isaacs et al. | GPS-optimal micro air vehicle navigation in degraded environments | |
Scerri et al. | Transitioning multiagent technology to UAV applications. | |
Wang et al. | UGV‐UAV robust cooperative positioning algorithm with object detection | |
US11906970B2 (en) | Information processing device and information processing method | |
Huff et al. | Assured relative and absolute navigation of a swarm of small UAS | |
Sabatini et al. | RPAS navigation and guidance systems based on GNSS and other low-cost sensors | |
US20230103178A1 (en) | Systems and methods for onboard analysis of sensor data for sensor fusion | |
CN114035154A (zh) | 一种运动参数辅助的单站射频信号定位方法 | |
Sumithra et al. | An optimal innovation based adaptive estimation Kalman filter for accurate positioning in a vehicular ad-hoc network | |
Aparna et al. | IMU based Tracking of a Person using Nonlinear Autoregressive Exogenous (NARX) Algorithm in GPS-denied Areas |
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 |