CN114739381A - 一种机场车辆导航系统及方法 - Google Patents

一种机场车辆导航系统及方法 Download PDF

Info

Publication number
CN114739381A
CN114739381A CN202210194521.XA CN202210194521A CN114739381A CN 114739381 A CN114739381 A CN 114739381A CN 202210194521 A CN202210194521 A CN 202210194521A CN 114739381 A CN114739381 A CN 114739381A
Authority
CN
China
Prior art keywords
data
vehicle
matched
time
objects
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
Application number
CN202210194521.XA
Other languages
English (en)
Inventor
宋志伟
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.)
Cangqing Intelligent Technology Shanghai Co ltd
Original Assignee
Cangqing Intelligent Technology Shanghai 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 Cangqing Intelligent Technology Shanghai Co ltd filed Critical Cangqing Intelligent Technology Shanghai Co ltd
Priority to CN202210194521.XA priority Critical patent/CN114739381A/zh
Publication of CN114739381A publication Critical patent/CN114739381A/zh
Pending legal-status Critical Current

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
    • G01C21/005—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 with correlation of navigation data from several sources, e.g. map or contour matching
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W60/00—Drive control systems specially adapted for autonomous road vehicles
    • B60W60/001—Planning or execution of driving tasks
    • 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
    • G01C21/20—Instruments for performing navigational calculations
    • 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
    • G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
    • G01S13/86—Combinations of radar systems with non-radar systems, e.g. sonar, direction finder
    • 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
    • G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
    • G01S13/86—Combinations of radar systems with non-radar systems, e.g. sonar, direction finder
    • G01S13/867—Combination of radar systems with cameras
    • 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
    • G01S5/00—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations
    • G01S5/02—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations using radio waves
    • G01S5/0257—Hybrid positioning
    • G01S5/0263—Hybrid positioning by combining or switching between positions derived from two or more separate positioning systems
    • G01S5/0264—Hybrid positioning by combining or switching between positions derived from two or more separate positioning systems at least one of the systems being a non-radio wave positioning system
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W2556/00—Input parameters relating to data
    • B60W2556/45—External transmission of data to or from the vehicle
    • B60W2556/50—External transmission of data to or from the vehicle of positioning data, e.g. GPS [Global Positioning System] data

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)
  • Human Computer Interaction (AREA)
  • Transportation (AREA)
  • Mechanical Engineering (AREA)
  • Traffic Control Systems (AREA)

Abstract

本发明提供了一种机场车辆导航系统及方法，其中系统包括：第一服务器，A‑SMGCS系统，车辆调度系统，车端系统，其中第一服务器与A‑SMGCS系统及车辆调度系统连接，经A‑SMGCS系统获取参考数据，经车辆调度系统获取调度数据，第一服务器经第一处理方法，对参考数据及调度数据进行融合，获取第一融合数据并存储；车端系统与第一服务器连接，且车端系统包括：数据融合模块，无线通信模块，传感器模块，自动驾驶模块，其中数据融合模块通过无线通信模块接入第一服务器获取第一融合数据；数据融合模块获取传感器模块采集的传感数据，按第二处理方法使其与第一融合数据进行融合，以获取导航矫正数据；自动驾驶模块经数据融合模块获取导航矫正数据，以规划导航路径。

Description

一种机场车辆导航系统及方法
技术领域
本发明涉及车辆自动导航技术领域，尤其涉及在机场环境中协同机场A-SMGCS系统对车辆进行导航的系统及方法。
背景技术
自动驾驶汽车通常通过自身装载的传感器（如激光雷达、摄像头等）来获取周围环境的信息。获取的信息包括自身的位置和周围的障碍物（如其它车辆、行人等）。目前，车载传感器能达到100到200米的较为精准的检测距离，一般环境中已能满足检测到障碍物并进行刹车的安全范围，包括路口检测行人穿行和横向形式车辆的情况。
然而在机场环境中，航空器的安全距离要求更高。200米的检测距离不能满足安全要求，需要更早的时间检测到飞机的位置和速度进行事先的路径规划和挑战。
因此如何整合机场已有的场监雷达和应答设备，利用这些已有设备所获得的信息与自动驾驶车辆自身的感知信息进行融合，达到对机场环境中的车辆和飞行器更加精确的位置检测，保证安全的同时提高工作效率，是本领域亟待解决的技术难题之一。
发明内容
本发明的主要目的在于提供一种机场车辆导航系统及方法，以利用A-SMGCS系统来矫正车辆自动驾驶状态下的导航路径规划。
为了实现上述目的，根据本发明的一个方面，提供了一种机场车辆导航方法，其步骤包括：
第一服务器与A-SMGCS系统及车辆调度系统连接，经A-SMGCS系统获取参考数据，经车辆调度系统获取调度数据，所述第一服务器经第一处理方法，对参考数据及调度数据进行融合，获取第一融合数据并存储；
车辆数据融合模块通过无线通信模块接入第一服务器获取第一融合数据；
数据融合模块获取车辆传感器模块采集的传感数据，按第二处理方法使其与第一融合数据进行融合，以获取导航矫正数据；
车辆自动驾驶模块经数据融合模块获取导航矫正数据，以规划导航路径。
其中在优选实施方式下，所述参考数据包括：
Figure 100002_DEST_PATH_IMAGE001
: 物体 id；
Figure 886173DEST_PATH_IMAGE002
: 检测到物体时的时间；
Figure 100002_DEST_PATH_IMAGE003
: 物体中心位姿；
Figure 968399DEST_PATH_IMAGE004
: 物体大小；
Figure 100002_DEST_PATH_IMAGE005
:物体速度；c: 检测结果的协方差。
其中在优选实施方式下，所述物体id包括：
全局id : 机场设备的固定唯一编号；
局部id : 车载传感器检测到的局部物体，在没有与第一融合数据融合前分配的id。
其中在优选实施方式下，所述第一处理方法步骤包括：
设定：
输入：
Figure 987302DEST_PATH_IMAGE006
输出：
Figure 100002_DEST_PATH_IMAGE007
开始：
Figure 573004DEST_PATH_IMAGE008
, 当前时间
Figure 100002_DEST_PATH_IMAGE009
系统时间
执行：
S1接收第
Figure 815897DEST_PATH_IMAGE010
次检测结果
Figure 100002_DEST_PATH_IMAGE011
;
S2当前时间
Figure 119840DEST_PATH_IMAGE012
系统时间;
S3对第每个检测物体
Figure 100002_DEST_PATH_IMAGE013
按如下预测后得到
Figure 926122DEST_PATH_IMAGE014
，
根据
Figure 100002_DEST_PATH_IMAGE015
预测物体在
Figure 382642DEST_PATH_IMAGE016
时刻的结果
Figure 100002_DEST_PATH_IMAGE017
S4对
Figure 45704DEST_PATH_IMAGE018
中每个物体按照S3的方法进行预测，得到预测后的
Figure 100002_DEST_PATH_IMAGE019
;
S5
Figure 525358DEST_PATH_IMAGE020
和
Figure 400911DEST_PATH_IMAGE019
根据物体全局id进行匹配；若
Figure 100002_DEST_PATH_IMAGE021
与
Figure 961205DEST_PATH_IMAGE022
匹配成功，则将
Figure 100002_DEST_PATH_IMAGE023
与
Figure 749164DEST_PATH_IMAGE024
合并进
Figure 230960DEST_PATH_IMAGE019
；若有
Figure 644624DEST_PATH_IMAGE021
与
Figure 793846DEST_PATH_IMAGE019
中物体都不能匹配，则直接将
Figure 18285DEST_PATH_IMAGE023
放入
Figure 100002_DEST_PATH_IMAGE025
若有
Figure 721799DEST_PATH_IMAGE022
与
Figure 939153DEST_PATH_IMAGE020
中物体都不能匹配，且已连续N次循环没有匹配，达到次数域值，则将
Figure 677302DEST_PATH_IMAGE024
从
Figure 338222DEST_PATH_IMAGE019
中去除；
S6
Figure 794611DEST_PATH_IMAGE026
输出
Figure 100002_DEST_PATH_IMAGE027
返回S1循环。
其中在优选实施方式下，所述第二处理方法步骤包括：
设定：
输入：
Figure 284498DEST_PATH_IMAGE006
输出：
Figure 142733DEST_PATH_IMAGE028
开始：
Figure 455114DEST_PATH_IMAGE008
, 当前时间
Figure 664378DEST_PATH_IMAGE009
系统时间
执行：
S1接收第
Figure 223536DEST_PATH_IMAGE010
次检测结果
Figure 936277DEST_PATH_IMAGE011
S2当前时间
Figure 125950DEST_PATH_IMAGE012
系统时间
S3对第每个检测物体
Figure 100002_DEST_PATH_IMAGE029
按如下预测后得到
Figure 573243DEST_PATH_IMAGE030
根据
Figure 100002_DEST_PATH_IMAGE031
预测物体在
Figure 467249DEST_PATH_IMAGE016
时刻的结果
Figure 50809DEST_PATH_IMAGE032
，预测方法可以是EKF等
S4对
Figure 411383DEST_PATH_IMAGE018
中每个物体按照S3的方法进行预测，得到预测后的
Figure 100002_DEST_PATH_IMAGE033
S5
Figure 595239DEST_PATH_IMAGE020
和
Figure 761779DEST_PATH_IMAGE019
根据物体位置进行匹配，若
Figure 199844DEST_PATH_IMAGE021
与
Figure 731320DEST_PATH_IMAGE022
匹配成功，若两个物体的id相同或只有一个id是全局id，则将
Figure 871314DEST_PATH_IMAGE023
与
Figure 310386DEST_PATH_IMAGE024
合并进
Figure 117805DEST_PATH_IMAGE019
；若两个id都是全局id且不相同，直接将
Figure 367652DEST_PATH_IMAGE023
放入
Figure 198204DEST_PATH_IMAGE034
则将
Figure 440967DEST_PATH_IMAGE023
与
Figure 837313DEST_PATH_IMAGE024
合并进
Figure 772908DEST_PATH_IMAGE019
，同时id采用
Figure 638227DEST_PATH_IMAGE024
中的id；若有
Figure 684680DEST_PATH_IMAGE021
与
Figure 935533DEST_PATH_IMAGE019
中物体都不能匹配，则直接将
Figure 979713DEST_PATH_IMAGE023
放入
Figure 581595DEST_PATH_IMAGE019
；若有
Figure 916893DEST_PATH_IMAGE022
与
Figure 287831DEST_PATH_IMAGE020
中物体都不能匹配，且已连续N次循环没有匹配，达到次数域值，则将
Figure 299650DEST_PATH_IMAGE024
从
Figure 388828DEST_PATH_IMAGE019
中去除；
S6
Figure 262238DEST_PATH_IMAGE026
输出
Figure 487683DEST_PATH_IMAGE027
返回S1循环。
为了实现上述目的，根据本发明的另一方面，提供了一种机场车辆导航系统，其包括：第一服务器，A-SMGCS系统，车辆调度系统，车端系统，其中所述第一服务器与A-SMGCS系统及车辆调度系统连接，经A-SMGCS系统获取参考数据，经车辆调度系统获取调度数据，所述第一服务器经第一处理方法，对参考数据及调度数据进行融合，获取第一融合数据并存储；
所述车端系统与第一服务器连接，且所述车端系统包括：数据融合模块，无线通信模块，传感器模块，自动驾驶模块，其中所述数据融合模块通过无线通信模块接入第一服务器获取第一融合数据；数据融合模块获取传感器模块采集的传感数据，按第二处理方法使其与第一融合数据进行融合，以获取导航矫正数据；
所述自动驾驶模块经数据融合模块获取导航矫正数据，以规划导航路径。
其中在优选实施方式下，所述参考数据包括：
Figure 935981DEST_PATH_IMAGE001
: 物体 id；
Figure 246877DEST_PATH_IMAGE002
: 检测到物体时的时间；
Figure 720715DEST_PATH_IMAGE003
: 物体中心位姿；
Figure 269508DEST_PATH_IMAGE004
: 物体大小；
Figure 623129DEST_PATH_IMAGE005
:物体速度；c: 检测结果的协方差。
其中在优选实施方式下，所述物体id包括：
全局id : 机场设备的固定唯一编号；
局部id : 车载传感器检测到的局部物体，在没有与第一融合数据融合前分配的id。
其中在优选实施方式下，所述第一处理方法步骤包括：
设定：
输入：
Figure 421320DEST_PATH_IMAGE006
输出：
Figure 902112DEST_PATH_IMAGE007
开始：
Figure 102149DEST_PATH_IMAGE008
, 当前时间
Figure 626671DEST_PATH_IMAGE009
系统时间
执行：
S1接收第
Figure 912159DEST_PATH_IMAGE010
次检测结果
Figure 931062DEST_PATH_IMAGE011
;
S2当前时间
Figure 985605DEST_PATH_IMAGE012
系统时间;
S3对第每个检测物体
Figure 946608DEST_PATH_IMAGE013
按如下预测后得到
Figure 719392DEST_PATH_IMAGE014
，
根据
Figure 276406DEST_PATH_IMAGE015
预测物体在
Figure 451036DEST_PATH_IMAGE016
时刻的结果
Figure 317361DEST_PATH_IMAGE017
S4对
Figure 577441DEST_PATH_IMAGE018
中每个物体按照S3的方法进行预测，得到预测后的
Figure 938146DEST_PATH_IMAGE019
;
S5
Figure 967282DEST_PATH_IMAGE020
和
Figure 535666DEST_PATH_IMAGE019
根据物体全局id进行匹配；若
Figure 17463DEST_PATH_IMAGE021
与
Figure 181859DEST_PATH_IMAGE022
匹配成功，则将
Figure 268764DEST_PATH_IMAGE023
与
Figure 742471DEST_PATH_IMAGE024
合并进
Figure 711564DEST_PATH_IMAGE019
；若有
Figure 663339DEST_PATH_IMAGE021
与
Figure 683379DEST_PATH_IMAGE019
中物体都不能匹配，则直接将
Figure 327987DEST_PATH_IMAGE023
放入
Figure 784376DEST_PATH_IMAGE025
若有
Figure 743105DEST_PATH_IMAGE022
与
Figure 335760DEST_PATH_IMAGE020
中物体都不能匹配，且已连续N次循环没有匹配，达到次数域值，则将
Figure 167581DEST_PATH_IMAGE024
从
Figure 111266DEST_PATH_IMAGE019
中去除；
S6
Figure 670424DEST_PATH_IMAGE026
输出
Figure 586427DEST_PATH_IMAGE027
返回S1循环。
其中在优选实施方式下，所述第二处理方法步骤包括：
设定：
输入：
Figure 307258DEST_PATH_IMAGE006
输出：
Figure 477253DEST_PATH_IMAGE028
开始：
Figure 574522DEST_PATH_IMAGE008
, 当前时间
Figure 672929DEST_PATH_IMAGE009
系统时间
执行：
S1接收第
Figure 564661DEST_PATH_IMAGE010
次检测结果
Figure 233671DEST_PATH_IMAGE011
S2当前时间
Figure 337893DEST_PATH_IMAGE012
系统时间
S3对第每个检测物体
Figure 759647DEST_PATH_IMAGE029
按如下预测后得到
Figure 87860DEST_PATH_IMAGE030
根据
Figure 493434DEST_PATH_IMAGE031
预测物体在
Figure 948817DEST_PATH_IMAGE016
时刻的结果
Figure 693919DEST_PATH_IMAGE032
，预测方法可以是EKF等
S4对
Figure 193034DEST_PATH_IMAGE018
中每个物体按照S3的方法进行预测，得到预测后的
Figure 820324DEST_PATH_IMAGE033
S5
Figure 63087DEST_PATH_IMAGE020
和
Figure 210165DEST_PATH_IMAGE019
根据物体位置进行匹配，若
Figure 145760DEST_PATH_IMAGE021
与
Figure 260347DEST_PATH_IMAGE022
匹配成功，若两个物体的id相同或只有一个id是全局id，则将
Figure 41221DEST_PATH_IMAGE023
与
Figure 308386DEST_PATH_IMAGE024
合并进
Figure 149303DEST_PATH_IMAGE019
；若两个id都是全局id且不相同，直接将
Figure 751185DEST_PATH_IMAGE023
放入
Figure 335750DEST_PATH_IMAGE034
则将
Figure 457421DEST_PATH_IMAGE023
与
Figure 469240DEST_PATH_IMAGE024
合并进
Figure 292839DEST_PATH_IMAGE019
，同时id采用
Figure 681095DEST_PATH_IMAGE024
中的id；若有
Figure 657273DEST_PATH_IMAGE021
与
Figure 43254DEST_PATH_IMAGE019
中物体都不能匹配，则直接将
Figure 619729DEST_PATH_IMAGE023
放入
Figure 546097DEST_PATH_IMAGE019
；若有
Figure 626049DEST_PATH_IMAGE022
与
Figure 261560DEST_PATH_IMAGE020
中物体都不能匹配，且已连续N次循环没有匹配，达到次数域值，则将
Figure 59752DEST_PATH_IMAGE024
从
Figure 993073DEST_PATH_IMAGE019
中去除；
S6
Figure 927531DEST_PATH_IMAGE026
输出
Figure 717632DEST_PATH_IMAGE027
返回S1循环。
通过本发明提供的该机场车辆导航系统及方法，能够有效利用A-SMGCS系统来矫正车辆自动驾驶状态下的导航路径规划，从而极大的提高具有无人驾驶功能的汽车对于障碍物检测的距离和精度，能够及时的获取车载传感器所不能获取信息，提前应对。因此，比传统的仅仅依赖车载传感器的检测方法安全性更高，也更有效率。由于在机场环境中，场监雷达具有很大的三维感知距离和覆盖范围，能够收集到处于地面的自动驾驶车辆无法获取的信息（由于遮挡或者感知距离有限）。此外，预先装配的各个车辆和飞行器上的应答系统甚至能够在还未被场监雷达扫描到时即获得其相应的位置。从部署的成本上来说，由于场监雷达和应答系统是机场环境中已有的装备，因此不需要额外的部署成本和工程，只需将相应的信息导入到本发明提出的系统中进行信息融合即可，从而大大节省本技术的实施成本。
附图说明
构成本申请的一部分的附图用来提供对本发明的进一步理解，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：
图1为本发明的机场车辆导航系统示意图。
具体实施方式
下面对本发明的具体实施方式进行详细地说明。以下示例将有助于本领域的技术人员进一步理解本发明，但不以任何形式限制本发明。应当指出的是，对本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进。这些都属于本发明的保护范围。
需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本发明。
为了使本领域的技术人员更好的理解本发明方案，下面将结合本发明实施例中的附图，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的实施例，而不是全部的实施例。基于本发明中的实施例，在本领域普通技术人员没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本发明的保护范围。
需要说明的是，本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含。
在典型的机场环境中，为了保证机场特别是航空器的安全，机场现有的高级地面交通管理系统（A-SMGCS）已经整合了多种类型的场侧设备和车载设备，对机场上所有车辆和航空器进行实时的位置检测。这些设备包括：
(1) 一个或多个S波段场监雷达（Surface Monitoring Radar，Primary Radar），
(2)多点定位系统（MLAT）：如在航空器和车辆上安装应答机，在场监雷达的盲区部署地面站（发射机和接收机），利用应答信号到达接收机的时间差（TDOA定位）来实现精确定位，并根据应答码中的地址码对目标进行识别。多点定位应答机兼容A/C、S、ADS-B等模式的应答信号；
(3)ADS-B（Automatic Dependent Surveillance Broadcast），如下图所示，一般用于航空器，机载ADS-B设备广播包含自身位置的信息。
而A-SMGCS则将上述三种监测技术结合起来，对三种信息进行相关综合的处理，并对航空器和车辆进行编号识别及跟踪。
另一方面，由于自动驾驶车辆通常利用车载的传感器（如激光雷达、摄像头等）进行定位和障碍物检测。这种方法存在若干技术缺陷：
1）车载传感器存在较大的盲区。车载传感器通常都是利用光、电磁波、声波等的直线传播的原理进行位置和障碍物检测，而且必须安装在车体上。因此，容易被障碍物遮挡而无法感知遮挡物后的障碍物。
而这一缺陷在开阔的道路上不太明显，而在复杂的机场环境中，遮挡物大量存在时将会存在很大的安全隐患。因此车载传感器在机场环境中的检测效率远远小于开阔道路上。
2）车载传感器对于动态物体的检测能力有限。车载传感器由于检测频率以及处理能力的限制。因此，当环境中具有动态物体时，车载传感器可能无法及时的检测到，而发生安全事故。
3）车载传感器的成本较高。但仅采用车载传感器进行位置和障碍物检测时，需要在每辆车辆中都安装相应的传感器。而车载传感器通常具有较高的成本，因此整体的成本会因为自动驾驶车辆的增加而增加。同时，大量的车载传感器工作在临近区域是，还可能发生互相干扰的情况，增加了技术解决该问题的难度。
为此本发明提出了一种机场车辆导航系统及方法，其目的一方面能够减小自动驾驶车辆的盲区。如场监雷达安装在较高的塔楼上，居高临下的位置遮挡物较小，特别是在机场环境不存在高大楼房的情况下，能够坚持雷达周围区域中的车辆和飞行器；并且雷达所采用的电磁波检测的距离也比车载传感器要远的多。
其次，当车辆或飞行器在场监雷达不能检测到的区域时，多点定位系统和ADS-B系统通过车辆和飞行器的应答，可以自动的上报各自的位置。因此，对于车辆和飞行器基本不存在盲区。
此外由于场监雷达、多点定位系统或ADS-B系统对车辆或飞行器的位置进行连续的追踪，因此即使该车辆或飞行器处于车载传感器的盲区，依然可以对该车或飞行器的行驶方向进行预测。利用相应的预测结果能够让自动驾驶车辆提前应对，提高自动驾驶车辆的安全性和通行效率。
再而在机场环境中，场监雷达、多点定位系统和ADS-B系统都是现成的系统，不需要重新部署，而且相应的信号可以供多辆自动驾驶车辆共同使用。借助该系统，无需在自动驾驶车辆上安装过多的传感器，因此成本会比完全依赖车载传感器的自动驾驶系统要低得多。
如图1所示，为了实现上述目的，根据本发明的一个方面，提供了一种机场车辆导航系统，其包括：第一服务器，A-SMGCS系统，车辆调度系统，车端系统，其中所述第一服务器与A-SMGCS系统及车辆调度系统连接，经A-SMGCS系统获取参考数据，经车辆调度系统获取调度数据，所述第一服务器经第一处理方法，对参考数据及调度数据进行融合，获取第一融合数据并存储；所述车端系统与第一服务器连接，且所述车端系统包括：数据融合模块，无线通信模块，传感器模块，自动驾驶模块，其中所述数据融合模块通过无线通信模块接入第一服务器获取第一融合数据；数据融合模块获取传感器模块采集的传感数据，按第二处理方法使其与第一融合数据进行融合，以获取导航矫正数据；所述自动驾驶模块经数据融合模块获取导航矫正数据，以规划导航路径。
其中本实施例下，该车端系统可通过无线通信模块订阅该第一服务器上的第一融合数据，以保持数据的实施更新，并进行预先的路径规划和路径调整，避免与航空器和其它车辆产生近距离的安全隐患。
具体来说本实施例下，为了实现不同传感器检测结果的数据融合，本发明对各个传感检测结果进行预处理，得到统一的物体检测结果数据结构，即参考数据包括
Figure DEST_PATH_IMAGE035
，其中：
Figure 285011DEST_PATH_IMAGE036
: 物体 id，分为如下取值不重叠的两类id：
全局id : 机场设备的固定唯一编号，从场监雷达、多点定位系统、ADS-B检测的结果中含有此类型id；
局部id : 车载传感器检测到的局部物体，在没有与服务端检测结果融合前分配的id；
Figure 100002_DEST_PATH_IMAGE037
: 检测到物体时的时间
Figure 84340DEST_PATH_IMAGE038
: 物体中心位姿（位置和方向）：(经度、纬度、高度、方向)
Figure DEST_PATH_IMAGE039
: 物体大小：(长、宽、高)
Figure 420774DEST_PATH_IMAGE040
: 物体速度：矢量速度
c: 检测结果的协方差：(
Figure DEST_PATH_IMAGE041
：位姿协方差，
Figure 912936DEST_PATH_IMAGE042
: 速度协方差)，协方差的范围由不同传感器的特性确定，如激光雷达的位置检测可信度高，而毫米波雷达的速度检测可信度高。
其中在该第一服务器执行的所述第一处理方法步骤包括：
设定：
输入：
Figure 170873DEST_PATH_IMAGE006
输出：
Figure 508313DEST_PATH_IMAGE007
开始：
Figure 682943DEST_PATH_IMAGE008
, 当前时间
Figure 549267DEST_PATH_IMAGE009
系统时间
执行：
S1接收第
Figure 12610DEST_PATH_IMAGE010
次检测结果
Figure 373315DEST_PATH_IMAGE011
;
S2当前时间
Figure DEST_PATH_IMAGE043
系统时间;
S3对第每个检测物体
Figure 199189DEST_PATH_IMAGE013
按如下预测后得到
Figure 236415DEST_PATH_IMAGE014
，
根据
Figure 734523DEST_PATH_IMAGE015
预测物体在
Figure 148187DEST_PATH_IMAGE016
时刻的结果
Figure 235092DEST_PATH_IMAGE017
S4对
Figure 708799DEST_PATH_IMAGE018
中每个物体按照S3的方法进行预测，得到预测后的
Figure 943471DEST_PATH_IMAGE019
;
S5
Figure 645979DEST_PATH_IMAGE020
和
Figure 649707DEST_PATH_IMAGE044
根据物体全局id进行匹配；若
Figure 28736DEST_PATH_IMAGE021
与
Figure 485125DEST_PATH_IMAGE022
匹配成功，则将与
Figure 443853DEST_PATH_IMAGE024
合并进
Figure 52820DEST_PATH_IMAGE044
；若有
Figure 133909DEST_PATH_IMAGE021
与
Figure 77594DEST_PATH_IMAGE044
中物体都不能匹配，则直接将
Figure DEST_PATH_IMAGE045
放入
Figure 653063DEST_PATH_IMAGE025
若有
Figure 365804DEST_PATH_IMAGE022
与
Figure 555477DEST_PATH_IMAGE020
中物体都不能匹配，且已连续N次循环没有匹配，达到次数域值，则将
Figure 986458DEST_PATH_IMAGE024
从
Figure 349307DEST_PATH_IMAGE044
中去除；
S6
Figure 679005DEST_PATH_IMAGE026
输出
Figure 836317DEST_PATH_IMAGE027
返回S1循环。
其中在该车端系统执行的，所述第二处理方法步骤包括：
设定：
输入：
Figure 754595DEST_PATH_IMAGE006
输出：
Figure 389975DEST_PATH_IMAGE028
开始：
Figure 280571DEST_PATH_IMAGE008
, 当前时间
Figure 359517DEST_PATH_IMAGE009
系统时间
执行：
S1接收第
Figure 499511DEST_PATH_IMAGE010
次检测结果
Figure 204162DEST_PATH_IMAGE011
S2当前时间
Figure 746001DEST_PATH_IMAGE043
系统时间
S3对第每个检测物体
Figure 261428DEST_PATH_IMAGE029
按如下预测后得到
Figure 888718DEST_PATH_IMAGE046
根据
Figure 865901DEST_PATH_IMAGE031
预测物体在
Figure 527827DEST_PATH_IMAGE016
时刻的结果
Figure 948575DEST_PATH_IMAGE032
，预测方法可以是EKF等
S4对
Figure 266424DEST_PATH_IMAGE018
中每个物体按照S3的方法进行预测，得到预测后的
Figure DEST_PATH_IMAGE047
S5
Figure 844036DEST_PATH_IMAGE020
和
Figure 360468DEST_PATH_IMAGE044
根据物体位置进行匹配，匹配算法可是是ICP等，其中，
若
Figure 404647DEST_PATH_IMAGE021
与
Figure 757262DEST_PATH_IMAGE022
匹配成功，若两个物体的id相同或只有一个id是全局id，则将
Figure 341827DEST_PATH_IMAGE045
与
Figure 712766DEST_PATH_IMAGE024
合并进
Figure 990163DEST_PATH_IMAGE044
，合并方法根据协方差误差范围最小的为准，同时id设定为全局id；
若两个id都是全局id且不相同，直接将
Figure 564495DEST_PATH_IMAGE045
放入
Figure 156013DEST_PATH_IMAGE048
则将
Figure 381458DEST_PATH_IMAGE045
与
Figure 564178DEST_PATH_IMAGE024
合并进
Figure 406232DEST_PATH_IMAGE044
，合并方法根据协方差误差范围最小的为准，同时id采用
Figure 83332DEST_PATH_IMAGE024
中的id；
若有
Figure 366546DEST_PATH_IMAGE021
与
Figure 985746DEST_PATH_IMAGE044
中物体都不能匹配，则直接将
Figure 783938DEST_PATH_IMAGE045
放入
Figure 248417DEST_PATH_IMAGE044
；
若有
Figure 464766DEST_PATH_IMAGE022
与
Figure 254868DEST_PATH_IMAGE020
中物体都不能匹配，且已连续N次循环没有匹配，达到次数域值，则将
Figure 478039DEST_PATH_IMAGE024
从
Figure 11788DEST_PATH_IMAGE044
中去除；
S6
Figure 66332DEST_PATH_IMAGE026
输出
Figure 778067DEST_PATH_IMAGE027
返回S1循环。
籍此利用这些机场已有的A-SMGCS系统，来为自动驾驶车辆实时进行预先的路径规划和路径调整，能够避免与航空器和其它车辆产生近距离的安全隐患。
同时融合后的第一融合数据存储在多模式混合车辆调度系统中。该调度系统负责与自动驾驶车辆进行通讯和任务分配、及分发“第一融合数据”。基于“第一融合数据”该调度系统将对自动驾驶车辆的任务分配进行优化，而后将优化后的任务分配方案和车辆、航空器的信息，通过机场LTE专网发送到对应的自动驾驶车辆。该系统可运行在本地部署的云服务器上。每辆自动驾驶车辆可以订阅调度系统中的“第一融合数据”，并对收到的的数据与车载传感器的采集数据进行二次融合，及获得导航矫正数据，从而进一步修正与该自动驾驶车辆相关的其它车辆和航空器的信息。
由此融合后的信息发送到自动驾驶汽车的自动驾驶模块，可以优化和调整自动驾驶汽车的行驶路径以及进行必要的避障，以提高自动驾驶汽车的安全性和行驶效率。
此外，本发明对上述模块中使用的数据融合算法、调度算法、路径规划和导航避障算法不做特殊的限定，也不对各个模块间的数据传输方式以及各个系统所运行的硬件系统不做特殊限定，任何使用上述方式实现机场环境中的车路协同位置检测方案，都应视为本发明的揭露范围。
本发明的一个方面，还提供了一种机场车辆导航方法，其步骤包括：
第一服务器与A-SMGCS系统及车辆调度系统连接，经A-SMGCS系统获取参考数据，经车辆调度系统获取调度数据，所述第一服务器经第一处理方法，对参考数据及调度数据进行融合，获取第一融合数据并存储；
车辆数据融合模块通过无线通信模块接入第一服务器获取第一融合数据；数据融合模块获取车辆传感器模块采集的传感数据，按第二处理方法使其与第一融合数据进行融合，以获取导航矫正数据；
车辆自动驾驶模块经数据融合模块获取导航矫正数据，以规划导航路径。
其中为了实现不同传感器检测结果的数据融合，本发明对各个传感检测结果进行预处理，得到统一的物体检测结果数据结构，即参考数据包括
Figure DEST_PATH_IMAGE049
，其中：
Figure 285272DEST_PATH_IMAGE050
: 物体 id，分为如下取值不重叠的两类id：
全局id : 机场设备的固定唯一编号，从场监雷达、多点定位系统、ADS-B检测的结果中含有此类型id；
局部id : 车载传感器检测到的局部物体，在没有与服务端检测结果融合前分配的id；
Figure 357133DEST_PATH_IMAGE037
: 检测到物体时的时间
Figure DEST_PATH_IMAGE051
: 物体中心位姿（位置和方向）：(经度、纬度、高度、方向)
Figure 548074DEST_PATH_IMAGE052
: 物体大小：(长、宽、高)
Figure DEST_PATH_IMAGE053
: 物体速度：矢量速度
c: 检测结果的协方差：(
Figure 211136DEST_PATH_IMAGE054
：位姿协方差，
Figure DEST_PATH_IMAGE055
: 速度协方差)，协方差的范围由不同传感器的特性确定，如激光雷达的位置检测可信度高，而毫米波雷达的速度检测可信度高。
其中在该第一服务器执行的所述第一处理方法步骤包括：
设定：
输入：
Figure 487528DEST_PATH_IMAGE056
输出：
Figure DEST_PATH_IMAGE057
开始：
Figure 159818DEST_PATH_IMAGE058
, 当前时间
Figure DEST_PATH_IMAGE059
系统时间
执行：
S1接收第
Figure 923375DEST_PATH_IMAGE010
次检测结果
Figure 711333DEST_PATH_IMAGE060
;
S2当前时间
Figure 458709DEST_PATH_IMAGE043
系统时间;
S3对第每个检测物体
Figure DEST_PATH_IMAGE061
按如下预测后得到
Figure 669111DEST_PATH_IMAGE062
，
根据
Figure DEST_PATH_IMAGE063
预测物体在
Figure 834644DEST_PATH_IMAGE064
时刻的结果
Figure DEST_PATH_IMAGE065
S4对
Figure 573930DEST_PATH_IMAGE066
中每个物体按照S3的方法进行预测，得到预测后的
Figure 746285DEST_PATH_IMAGE044
;
S5
Figure DEST_PATH_IMAGE067
和
Figure 245531DEST_PATH_IMAGE044
根据物体全局id进行匹配；若
Figure 983680DEST_PATH_IMAGE068
与
Figure DEST_PATH_IMAGE069
匹配成功，则将
Figure 175758DEST_PATH_IMAGE045
与
Figure 632147DEST_PATH_IMAGE070
合并进
Figure 590876DEST_PATH_IMAGE044
；若有
Figure 245848DEST_PATH_IMAGE068
与
Figure 264619DEST_PATH_IMAGE044
中物体都不能匹配，则直接将
Figure 693458DEST_PATH_IMAGE045
放入
Figure DEST_PATH_IMAGE071
若有
Figure 49353DEST_PATH_IMAGE069
与
Figure 762094DEST_PATH_IMAGE067
中物体都不能匹配，且已连续N次循环没有匹配，达到次数域值，则将
Figure 487518DEST_PATH_IMAGE070
从
Figure 918500DEST_PATH_IMAGE044
中去除；
S6
Figure 219031DEST_PATH_IMAGE072
输出
Figure DEST_PATH_IMAGE073
返回S1循环。
其中在该车端系统执行的，所述第二处理方法步骤包括：
设定：
输入：
Figure 317437DEST_PATH_IMAGE056
输出：
Figure 225481DEST_PATH_IMAGE074
开始：
Figure 143759DEST_PATH_IMAGE058
, 当前时间
Figure 44719DEST_PATH_IMAGE059
系统时间
执行：
S1接收第
Figure 732052DEST_PATH_IMAGE010
次检测结果
Figure 263527DEST_PATH_IMAGE060
S2当前时间
Figure 154254DEST_PATH_IMAGE043
系统时间
S3对第每个检测物体
Figure DEST_PATH_IMAGE075
按如下预测后得到
Figure 390063DEST_PATH_IMAGE046
根据
Figure 931903DEST_PATH_IMAGE076
预测物体在
Figure 181750DEST_PATH_IMAGE064
时刻的结果
Figure DEST_PATH_IMAGE077
，预测方法可以是EKF等
S4对
Figure 543461DEST_PATH_IMAGE066
中每个物体按照S3的方法进行预测，得到预测后的
Figure 786224DEST_PATH_IMAGE047
S5
Figure 448149DEST_PATH_IMAGE067
和
Figure 868897DEST_PATH_IMAGE044
根据物体位置进行匹配，匹配算法可是是ICP等，其中，
若
Figure 983484DEST_PATH_IMAGE068
与
Figure 29937DEST_PATH_IMAGE069
匹配成功，若两个物体的id相同或只有一个id是全局id，则将
Figure 546369DEST_PATH_IMAGE045
与
Figure 138019DEST_PATH_IMAGE070
合并进
Figure 677584DEST_PATH_IMAGE044
，合并方法根据协方差误差范围最小的为准，同时id设定为全局id；
若两个id都是全局id且不相同，直接将
Figure 262150DEST_PATH_IMAGE045
放入
Figure 633088DEST_PATH_IMAGE048
则将
Figure 644906DEST_PATH_IMAGE045
与
Figure 750397DEST_PATH_IMAGE070
合并进
Figure 873074DEST_PATH_IMAGE044
，合并方法根据协方差误差范围最小的为准，同时id采用
Figure 364098DEST_PATH_IMAGE070
中的id；
若有
Figure 546817DEST_PATH_IMAGE068
与
Figure 60975DEST_PATH_IMAGE044
中物体都不能匹配，则直接将
Figure 738075DEST_PATH_IMAGE045
放入
Figure 83606DEST_PATH_IMAGE044
；
若有
Figure 702806DEST_PATH_IMAGE069
与
Figure 500998DEST_PATH_IMAGE067
中物体都不能匹配，且已连续N次循环没有匹配，达到次数域值，则将
Figure 981789DEST_PATH_IMAGE070
从
Figure 181826DEST_PATH_IMAGE044
中去除；
S6
Figure 909611DEST_PATH_IMAGE072
输出
Figure 195099DEST_PATH_IMAGE073
返回S1循环。
综上所述，通过本发明提供的该机场车辆导航系统及方法，能够有效利用A-SMGCS系统来矫正车辆自动驾驶状态下的导航路径规划，从而极大的提高具有无人驾驶功能的汽车对于障碍物检测的距离和精度，能够及时的获取车载传感器所不能获取信息，提前应对。因此，比传统的仅仅依赖车载传感器的检测方法安全性更高，也更有效率。由于在机场环境中，场监雷达具有很大的三维感知距离和覆盖范围，能够收集到处于地面的自动驾驶车辆无法获取的信息（由于遮挡或者感知距离有限）。此外，预先装配的各个车辆和飞行器上的应答系统甚至能够在还未被场监雷达扫描到时即获得其相应的位置。从部署的成本上来说，由于场监雷达和应答系统是机场环境中已有的装备，因此不需要额外的部署成本和工程，只需将相应的信息导入到本发明提出的系统中进行信息融合即可，从而大大节省本技术的实施成本。
以上公开的本发明优选实施例只是用于帮助阐述本发明。优选实施例并没有详尽叙述所有的细节，也不限制该发明仅为所述的具体实施方式。显然，根据本说明书的内容，可作很多的修改和变化。本说明书选取并具体描述这些实施例，是为了更好地解释本发明的原理和实际应用，从而使所属技术领域技术人员能很好地理解和利用本发明。本发明仅受权利要求书及其全部范围和等效物的限制，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
本领域技术人员可以理解，除了以纯计算机可读程序代码方式实现本发明提供的系统、装置及其各个模块以外，完全可以通过将方法步骤进行逻辑编程来使得本发明提供的系统、装置及其各个模块以逻辑门、开关、专用集成电路、可编程逻辑控制器以及嵌入式微控制器等的形式来实现相同程序。所以，本发明提供的系统、装置及其各个模块可以被认为是一种硬件部件，而对其内包括的用于实现各种程序的模块也可以视为硬件部件内的结构；也可以将用于实现各种功能的模块视为既可以是实现方法的软件程序又可以是硬件部件内的结构。
此外实现上述实施例方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成，该程序存储在一个存储介质中，包括若干指令用以使得单片机、芯片或处理器（processor）执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器（ROM，Read-Only Memory）、随机存取存储器（RAM，RandomAccess Memory）、磁碟或者光盘等各种可以存储程序代码的介质。
此外，本发明实施例的各种不同的实施方式之间也可以进行任意组合，只要其不违背本发明实施例的思想，其同样应当视为本发明实施例所公开的内容。

Claims (10)

1.一种机场车辆导航方法，其特征在于步骤包括：
第一服务器与A-SMGCS系统及车辆调度系统连接，经A-SMGCS系统获取参考数据，经车辆调度系统获取调度数据，所述第一服务器经第一处理方法，对参考数据及调度数据进行融合，获取第一融合数据并存储；
车辆数据融合模块通过无线通信模块接入第一服务器获取第一融合数据；
数据融合模块获取车辆传感器模块采集的传感数据，按第二处理方法使其与第一融合数据进行融合，以获取导航矫正数据；
车辆自动驾驶模块经数据融合模块获取导航矫正数据，以规划导航路径。
2.根据权利要求1所述的机场车辆导航方法，其特征在于，所述参考数据包括：
Figure DEST_PATH_IMAGE001
: 物体 id；
Figure 155964DEST_PATH_IMAGE002
: 检测到物体时的时间；
Figure DEST_PATH_IMAGE003
: 物体中心位姿；
Figure 702483DEST_PATH_IMAGE004
: 物体大小；
Figure DEST_PATH_IMAGE005
: 物体速度；c: 检测结果的协方差。
3.根据权利要求2所述的机场车辆导航方法，其特征在于，所述物体id包括：
全局id : 机场设备的固定唯一编号；
局部id : 车载传感器检测到的局部物体，在没有与第一融合数据融合前分配的id。
4.根据权利要求3所述的机场车辆导航方法，其特征在于，所述第一处理方法步骤包括：
设定：
输入：
Figure 797347DEST_PATH_IMAGE006
输出：
Figure DEST_PATH_IMAGE007
开始：
Figure 11291DEST_PATH_IMAGE008
, 当前时间
Figure DEST_PATH_IMAGE009
系统时间
执行：
S1接收第
Figure 667662DEST_PATH_IMAGE010
次检测结果
Figure DEST_PATH_IMAGE011
;
S2当前时间
Figure 701477DEST_PATH_IMAGE012
系统时间;
S3对第每个检测物体
Figure DEST_PATH_IMAGE013
按如下预测后得到
Figure 600032DEST_PATH_IMAGE014
，
根据
Figure DEST_PATH_IMAGE015
预测物体在
Figure 668482DEST_PATH_IMAGE016
时刻的结果
Figure DEST_PATH_IMAGE017
S4对
Figure 761334DEST_PATH_IMAGE018
中每个物体按照S3的方法进行预测，得到预测后的
Figure DEST_PATH_IMAGE019
;
S5
Figure 282445DEST_PATH_IMAGE020
和
Figure 1003DEST_PATH_IMAGE019
根据物体全局id进行匹配；若
Figure DEST_PATH_IMAGE021
与
Figure 173227DEST_PATH_IMAGE022
匹配成功，则将
Figure DEST_PATH_IMAGE023
与
Figure 686248DEST_PATH_IMAGE024
合并进
Figure 964827DEST_PATH_IMAGE019
；若有
Figure 487076DEST_PATH_IMAGE021
与
Figure 795697DEST_PATH_IMAGE019
中物体都不能匹配，则直接将
Figure 745199DEST_PATH_IMAGE023
放入
Figure DEST_PATH_IMAGE025
若有
Figure 490170DEST_PATH_IMAGE022
与
Figure 816109DEST_PATH_IMAGE020
中物体都不能匹配，且已连续N次循环没有匹配，达到次数域值，则将
Figure 979237DEST_PATH_IMAGE024
从
Figure 99640DEST_PATH_IMAGE019
中去除；
S6
Figure 364530DEST_PATH_IMAGE026
输出
Figure DEST_PATH_IMAGE027
返回S1循环。
5.根据权利要求3所述的机场车辆导航方法，其特征在于，所述第二处理方法步骤包括：
设定：
输入：
Figure 431843DEST_PATH_IMAGE006
输出：
Figure 698745DEST_PATH_IMAGE028
开始：
Figure 255628DEST_PATH_IMAGE008
, 当前时间
Figure 991503DEST_PATH_IMAGE009
系统时间
执行：
S1接收第
Figure 393666DEST_PATH_IMAGE010
次检测结果
Figure 282118DEST_PATH_IMAGE011
S2当前时间
Figure 9903DEST_PATH_IMAGE012
系统时间
S3对第每个检测物体
Figure DEST_PATH_IMAGE029
按如下预测后得到
Figure 436336DEST_PATH_IMAGE030
根据
Figure DEST_PATH_IMAGE031
预测物体在
Figure 625878DEST_PATH_IMAGE016
时刻的结果
Figure 618105DEST_PATH_IMAGE032
，预测方法可以是EKF等
S4对
Figure 251212DEST_PATH_IMAGE018
中每个物体按照S3的方法进行预测，得到预测后的
Figure DEST_PATH_IMAGE033
S5
Figure 181253DEST_PATH_IMAGE020
和
Figure 190797DEST_PATH_IMAGE019
根据物体位置进行匹配，若
Figure 37530DEST_PATH_IMAGE021
与
Figure 356385DEST_PATH_IMAGE022
匹配成功，若两个物体的id相同或只有一个id是全局id，则将
Figure 288569DEST_PATH_IMAGE023
与
Figure 367383DEST_PATH_IMAGE024
合并进
Figure 68623DEST_PATH_IMAGE019
；若两个id都是全局id且不相同，直接将
Figure 309111DEST_PATH_IMAGE023
放入
Figure 479324DEST_PATH_IMAGE034
则将
Figure 96250DEST_PATH_IMAGE023
与
Figure 917576DEST_PATH_IMAGE024
合并进
Figure 63386DEST_PATH_IMAGE019
，同时id采用
Figure 485009DEST_PATH_IMAGE024
中的id；若有
Figure 640047DEST_PATH_IMAGE021
与
Figure 315879DEST_PATH_IMAGE019
中物体都不能匹配，则直接将
Figure 898170DEST_PATH_IMAGE023
放入
Figure 557821DEST_PATH_IMAGE019
；若有
Figure 1703DEST_PATH_IMAGE022
与
Figure 797621DEST_PATH_IMAGE020
中物体都不能匹配，且已连续N次循环没有匹配，达到次数域值，则将
Figure 816393DEST_PATH_IMAGE024
从
Figure 432182DEST_PATH_IMAGE019
中去除；
S6
Figure 178290DEST_PATH_IMAGE026
输出
Figure 828714DEST_PATH_IMAGE027
返回S1循环。
6.一种机场车辆导航系统，其特征在于包括：第一服务器，A-SMGCS系统，车辆调度系统，车端系统，其中所述第一服务器与A-SMGCS系统及车辆调度系统连接，经A-SMGCS系统获取参考数据，经车辆调度系统获取调度数据，所述第一服务器经第一处理方法，对参考数据及调度数据进行融合，获取第一融合数据并存储；
所述车端系统与第一服务器连接，且所述车端系统包括：数据融合模块，无线通信模块，传感器模块，自动驾驶模块，其中所述数据融合模块通过无线通信模块接入第一服务器获取第一融合数据；数据融合模块获取传感器模块采集的传感数据，按第二处理方法使其与第一融合数据进行融合，以获取导航矫正数据；
所述自动驾驶模块经数据融合模块获取导航矫正数据，以规划导航路径。
7.根据权利要求6所述的机场车辆导航系统，其特征在于，所述参考数据包括：
Figure 18387DEST_PATH_IMAGE001
: 物体 id；
Figure 387051DEST_PATH_IMAGE002
: 检测到物体时的时间；
Figure 687582DEST_PATH_IMAGE003
: 物体中心位姿；
Figure 943246DEST_PATH_IMAGE004
: 物体大小；
Figure 38241DEST_PATH_IMAGE005
: 物体速度；c: 检测结果的协方差。
8.根据权利要求7所述的机场车辆导航系统，其特征在于，所述物体id包括：
全局id : 机场设备的固定唯一编号；
局部id : 车载传感器检测到的局部物体，在没有与第一融合数据融合前分配的id。
9.根据权利要求8所述的机场车辆导航系统，其特征在于，所述第一处理方法步骤包括：
设定：
输入：
Figure 894201DEST_PATH_IMAGE006
输出：
Figure 732844DEST_PATH_IMAGE007
开始：
Figure 623440DEST_PATH_IMAGE008
, 当前时间
Figure 138604DEST_PATH_IMAGE009
系统时间
执行：
S1接收第
Figure 216281DEST_PATH_IMAGE010
次检测结果
Figure 593036DEST_PATH_IMAGE011
;
S2当前时间
Figure 72559DEST_PATH_IMAGE012
系统时间;
S3对第每个检测物体
Figure 774935DEST_PATH_IMAGE013
按如下预测后得到
Figure 90641DEST_PATH_IMAGE014
，
根据
Figure 271087DEST_PATH_IMAGE015
预测物体在
Figure 136275DEST_PATH_IMAGE016
时刻的结果
Figure 743974DEST_PATH_IMAGE017
S4对
Figure 796243DEST_PATH_IMAGE018
中每个物体按照S3的方法进行预测，得到预测后的
Figure 29647DEST_PATH_IMAGE019
;
S5
Figure 483762DEST_PATH_IMAGE020
和
Figure 262363DEST_PATH_IMAGE019
根据物体全局id进行匹配；若
Figure 801928DEST_PATH_IMAGE021
与
Figure 899128DEST_PATH_IMAGE022
匹配成功，则将
Figure 207749DEST_PATH_IMAGE023
与
Figure 422830DEST_PATH_IMAGE024
合并进
Figure 449692DEST_PATH_IMAGE019
；若有
Figure 775631DEST_PATH_IMAGE021
与
Figure 453606DEST_PATH_IMAGE019
中物体都不能匹配，则直接将
Figure 574009DEST_PATH_IMAGE023
放入
Figure 822587DEST_PATH_IMAGE025
若有
Figure 952217DEST_PATH_IMAGE022
与
Figure 235431DEST_PATH_IMAGE020
中物体都不能匹配，且已连续N次循环没有匹配，达到次数域值，则将
Figure 543047DEST_PATH_IMAGE024
从
Figure 278922DEST_PATH_IMAGE019
中去除；
S6
Figure 946663DEST_PATH_IMAGE026
输出
Figure 84384DEST_PATH_IMAGE027
返回S1循环。
10.根据权利要求8所述的机场车辆导航系统，其特征在于，所述第二处理方法步骤包括：
设定：
输入：
Figure 812168DEST_PATH_IMAGE006
输出：
Figure 284607DEST_PATH_IMAGE028
开始：
Figure 756039DEST_PATH_IMAGE008
, 当前时间
Figure 748266DEST_PATH_IMAGE009
系统时间
执行：
S1接收第
Figure 646952DEST_PATH_IMAGE010
次检测结果
Figure 108151DEST_PATH_IMAGE036
S2当前时间
Figure 117696DEST_PATH_IMAGE012
系统时间
S3对第每个检测物体
Figure 964429DEST_PATH_IMAGE029
按如下预测后得到
Figure 34016DEST_PATH_IMAGE030
根据
Figure 231779DEST_PATH_IMAGE031
预测物体在
Figure 294282DEST_PATH_IMAGE016
时刻的结果
Figure 261101DEST_PATH_IMAGE032
，预测方法可以是EKF等
S4对
Figure 501590DEST_PATH_IMAGE018
中每个物体按照S3的方法进行预测，得到预测后的
Figure 921070DEST_PATH_IMAGE033
S5
Figure 23149DEST_PATH_IMAGE020
和
Figure 844474DEST_PATH_IMAGE019
根据物体位置进行匹配，若
Figure 521443DEST_PATH_IMAGE021
与
Figure 428220DEST_PATH_IMAGE022
匹配成功，若两个物体的id相同或只有一个id是全局id，则将
Figure 583257DEST_PATH_IMAGE023
与
Figure 508357DEST_PATH_IMAGE024
合并进
Figure 356227DEST_PATH_IMAGE019
；若两个id都是全局id且不相同，直接将
Figure 750300DEST_PATH_IMAGE023
放入
Figure 709028DEST_PATH_IMAGE034
则将
Figure 504946DEST_PATH_IMAGE023
与
Figure 743291DEST_PATH_IMAGE024
合并进
Figure 624660DEST_PATH_IMAGE019
，同时id采用
Figure 121500DEST_PATH_IMAGE024
中的id；若有
Figure 37504DEST_PATH_IMAGE021
与
Figure 210865DEST_PATH_IMAGE019
中物体都不能匹配，则直接将
Figure 313950DEST_PATH_IMAGE023
放入
Figure 348902DEST_PATH_IMAGE019
；若有
Figure 119412DEST_PATH_IMAGE022
与
Figure 965140DEST_PATH_IMAGE020
中物体都不能匹配，且已连续N次循环没有匹配，达到次数域值，则将
Figure 821100DEST_PATH_IMAGE024
从
Figure 659743DEST_PATH_IMAGE019
中去除；
S6
Figure DEST_PATH_IMAGE037
输出
Figure 753601DEST_PATH_IMAGE038
返回S1循环。
CN202210194521.XA 2022-03-01 2022-03-01 一种机场车辆导航系统及方法 Pending CN114739381A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210194521.XA CN114739381A (zh) 2022-03-01 2022-03-01 一种机场车辆导航系统及方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210194521.XA CN114739381A (zh) 2022-03-01 2022-03-01 一种机场车辆导航系统及方法

Publications (1)

Publication Number Publication Date
CN114739381A true CN114739381A (zh) 2022-07-12

Family

ID=82275065

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210194521.XA Pending CN114739381A (zh) 2022-03-01 2022-03-01 一种机场车辆导航系统及方法

Country Status (1)

Country Link
CN (1) CN114739381A (zh)

Similar Documents

Publication Publication Date Title
US20210358311A1 (en) Automated system of air traffic control (atc) for at least one unmanned aerial vehicle (uav)
CN102566581B (zh) 基于轨迹的感测与规避
US10730521B2 (en) System for autonomous lane merging
CN110099831B (zh) 车辆控制系统、车辆控制方法及存储介质
US20100100325A1 (en) Site map interface for vehicular application
US20150127249A1 (en) Method and system for creating a current situation depiction
CN109765909B (zh) V2x系统应用在港口的方法
EP3822140B1 (en) Operational design domain validation coverage for road and lane type
US20190354117A1 (en) Positioning of Unmanned Aerial Vehicles using Millimeter-Wave Beam Infrastructure
Liu et al. Cooperation of V2I/P2I communication and roadside radar perception for the safety of vulnerable road users
US11423780B2 (en) Traffic control system
CN113866758B (zh) 一种场面监视方法、系统、装置及可读存储介质
CN111508281B (zh) 一种星载平台对ads-b目标进行分类引导的方法
JP2019164698A (ja) 車両制御装置および車両制御システム
WO2022003343A1 (en) Systems and methods for interactive vehicle transport networks
CN104539906A (zh) 图像/激光测距/abs-b监控一体化系统
WO2020080995A1 (en) Traffic management system and an unmanned aerial vehicle compatible with such a system
CN114739381A (zh) 一种机场车辆导航系统及方法
CN116095270A (zh) 用于受基础设施支持地辅助机动车的方法、设备、系统和存储介质
JP2022169493A (ja) オンデマンド路側ａｉサービスの方法とシステム
CN114882717B (zh) 一种基于车路协同的物体检测系统和方法
CN113771845A (zh) 预测车辆轨迹的方法、装置、车辆和存储介质
CN114973667B (zh) 通信感知计算一体化道路基础设施系统及其处理方法
WO2023145494A1 (ja) 情報処理装置及び情報処理方法
US20240079795A1 (en) Integrated modular antenna system

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