CN115542307A - 一种基于高精度地图的高速场景多雷达航迹融合方法 - Google Patents

一种基于高精度地图的高速场景多雷达航迹融合方法 Download PDF

Info

Publication number
CN115542307A
CN115542307A CN202211121356.1A CN202211121356A CN115542307A CN 115542307 A CN115542307 A CN 115542307A CN 202211121356 A CN202211121356 A CN 202211121356A CN 115542307 A CN115542307 A CN 115542307A
Authority
CN
China
Prior art keywords
track
association
flight path
radar
coordinate system
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
Application number
CN202211121356.1A
Other languages
English (en)
Other versions
CN115542307B (zh
Inventor
雷伟
金烨
李春杰
焦彦利
赵凯
张龙
潘秀
庞宏杰
吕璇
杨宇鹏
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.)
Beijing Science And Technology Ruihang Electronic Technology Co ltd
Hebei Communications Planning Design and Research Institute Co Ltd
Original Assignee
Beijing Science And Technology Ruihang Electronic Technology Co ltd
Hebei Communications Planning Design and Research Institute 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 Beijing Science And Technology Ruihang Electronic Technology Co ltd, Hebei Communications Planning Design and Research Institute Co Ltd filed Critical Beijing Science And Technology Ruihang Electronic Technology Co ltd
Priority to CN202211121356.1A priority Critical patent/CN115542307B/zh
Publication of CN115542307A publication Critical patent/CN115542307A/zh
Application granted granted Critical
Publication of CN115542307B publication Critical patent/CN115542307B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • 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
    • G01S13/02—Systems using reflection of radio waves, e.g. primary radar systems; Analogous systems
    • G01S13/06—Systems determining position data of a target
    • 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
    • G01S13/88—Radar or analogous systems specially adapted for specific applications
    • 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
    • G01S13/88—Radar or analogous systems specially adapted for specific applications
    • G01S13/89—Radar or analogous systems specially adapted for specific applications for mapping or imaging
    • 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
    • G01S13/88—Radar or analogous systems specially adapted for specific applications
    • G01S13/93—Radar or analogous systems specially adapted for specific applications for anti-collision purposes
    • G01S13/931—Radar or analogous systems specially adapted for specific applications for anti-collision purposes of land vehicles
    • 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
    • G01S13/88—Radar or analogous systems specially adapted for specific applications
    • G01S13/93—Radar or analogous systems specially adapted for specific applications for anti-collision purposes
    • G01S13/931—Radar or analogous systems specially adapted for specific applications for anti-collision purposes of land vehicles
    • G01S2013/9315—Monitoring blind spots

Landscapes

  • Engineering & Computer Science (AREA)
  • Remote Sensing (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Physics & Mathematics (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • General Physics & Mathematics (AREA)
  • Electromagnetism (AREA)
  • Radar Systems Or Details Thereof (AREA)

Abstract

本发明提供了一种基于高精度地图的高速场景多雷达航迹融合方法，目标行驶在盲区或量测漏检时，可通过高精度地图进行航迹预测，而通过引入高精度地图这一先验信息，微分拟合出车道线信息，得到在不同位置时车辆的行驶方向信息，就能很大程度上保证航迹不会发散，进而保证车辆的位置、速度信息准确，航迹ID唯一性较高。

Description

一种基于高精度地图的高速场景多雷达航迹融合方法
技术领域
本发明属于雷达信息融合技术领域，具体涉及一种基于高精度地图的高速场景多雷达航迹融合方法。
背景技术
现代智慧高速公路通过全程组网布设毫米波雷达，可实现对全程车辆位置、速度等信息的实时监控。雷达间存在重叠区，高速全程存在雷达近距盲区和护栏遮挡盲区。单雷达可输出自身威力覆盖区域的车辆航迹信息、包括车辆的位置、速度、时码、航迹质量等信息，通过光纤传输给边缘计算节点或数据中心服务器，进行航迹融合，实现车辆ID唯一跟踪。传统雷达融合只依赖自身运动模型和量测信息对航迹进行预测和更新，当车辆进入盲区，没有量测信息时，只能按照目标运动模型进行预测。
传统方法短时间的预测还好，一旦盲区较大，需要较长时间进行预测更新航迹时，航迹极其容易发散，导致航迹信息失真，进而车辆驶出盲区后ID切换。
发明内容
有鉴于此，本发明的目的是提供一种基于高精度地图的高速场景多雷达航迹融合方法，可以提高航迹预测位置准确度，提高航迹的ID唯一率高。
一种基于高精度地图的高速场景多雷达航迹融合方法，包括：
S1：将高精度地图中的上、下行车道的4条边线按照雷达的威力覆盖区大小进行切分，切分出来的车道的地图区域要保证大于雷达的威力覆盖区；
S2：已知雷达自身经纬度坐标和波束指向的偏北角信息；将地图区域的4条边线在地图中的坐标信息转换到该雷达坐标系下；
S3：利用雷达坐标系下的2条上行车道边线和2条下行车道边线数据，分别对上行和下行车道中心线按照设定的步进值进行微分拟合，分别得到上行车道和下行车道的中心线；
S4：通过中心线上相邻两个微分点的位置坐标，求取中心线上每个微分点在雷达坐标系下的偏北角，作为车辆在该微分点处的速度方向；
S5：遍历上一帧融合后的东北天坐标系下的暂态航迹列表，对每条航迹当前帧的位置、速度信息进行预测；其中，对正常航迹按照车辆运动模型进行预测；对外推航迹进行预测时，进入步骤S6；
S6：先将航迹由东北天坐标系转到雷达坐标系，根据航迹中各点的Y轴坐标值，在车道中心线找到具有相同Y轴坐标值的微分点，然后确定该微分点的偏北角，即为车辆的速度方向；
然后，将航迹的坐标信息和速度信息由东北天坐标系转到原点不变，y轴方向为车辆所在位置车道方向的直角坐标系下；此时车辆的速度信息中的x轴速度分量置零，y轴速度分量按实际大小进行坐标转换，依据转换坐标系后的坐标信息和速度信息按照车辆运动模型进行外推航迹的预测，最后将预测后的外推航迹转换回东北天坐标系；
S7：根据寿命参数tick值对暂态航迹列表中各航迹设置预测模型噪声Q，并以此更新航迹的协方差矩阵P；
S8：将S5和S6中预测的航迹与量测航迹进行第一次关联，得到所有关联列表，关联列表包括预测航迹与量测航迹的索引和关联权值；
S9：提高S8中关联所使用的关联权值，将剩余未关联的预测航迹与量测航迹进行第二次关联，将关联结果合并到S8得到的关联列表；
S10：基于关联权值，从关联列表获取最优关联，得到最终的关联列表；
S11：对关联列表中关联的航迹进行更新，包括：根据被关联的量测航迹的tick值，自适应设置观测噪声R；
根据航迹协方差矩阵P、观测噪声R和观测矩阵H计算得到卡尔曼增益K；
根据量测航迹、观测矩阵H和航迹预测值，计算得到残差；
由卡尔曼增益K、残差和航迹预测值，更新航迹预测结果；
由卡尔曼增益K、观测矩阵H和航迹协方差矩阵P，更新航迹协方差矩阵P结果，且航迹质量参数中的寿命参数tick加1；
S12：对未取得关联的航迹中满足删除判定条件的航迹在暂态航迹列表中删除，不满足删除判定条件的航迹，且航迹预测是采用S5进行正常航迹预测得到的，重新采用S6的方法对航迹进行重新预测；
S13：对未取得关联的量测航迹进行初始航迹生成；
S14：对更新后的暂态航迹列表中，满足上报条件的航迹进行上报；返回S5，进行下一帧航迹的预测。
进一步的，所述S9中，对于关联权值全部增加设定的固定值，使得第二次关联的关联权值大于第一次的关联权值。
较佳的，所述步进值为10米。
较佳的，所述S10中，利用贪心算法依次从关联列表获取最优关联。
较佳的，所述S12中，将航迹质量参数中的外推次数age加1，该外推次数age为判断是否满足删除判定条件的其中一个条件。
本发明具有如下有益效果：
本发明提供了一种基于高精度地图的高速场景多雷达航迹融合方法，目标行驶在盲区或量测漏检时，可通过高精度地图进行航迹预测，而通过引入高精度地图这一先验信息，微分拟合出车道线信息，得到在不同位置时车辆的行驶方向信息，就能很大程度上保证航迹不会发散，进而保证车辆的位置、速度信息准确，航迹ID唯一性较高。
附图说明
图1为本发明的方法示意图。
具体实施方式
下面结合附图并举实施例，对本发明进行详细描述。
本发明提供了一种基于高精度地图的高速场景多雷达航迹融合方法，具体包括以下步骤：
S1：将高精度地图中的上、下行车道的4条边线按照雷达的威力覆盖区大小进行切分，切分出来的车道的地图区域要保证大于雷达的威力覆盖区；
S2：已知雷达自身经纬度坐标和波束指向的偏北角信息；将地图区域的4条边线在地图中的坐标信息转换到该雷达坐标系(直角坐标系)下；
S3：利用雷达坐标系下的2条上行车道边线和2条下行车道边线数据，分别对上行和下行车道中心线按照一定步进值(如10米)进行微分拟合，分别得到上行车道和下行车道的中心线；
S4：通过中心线上相邻两个微分点的位置坐标，求取中心线上每个微分点在雷达坐标系下的偏北角，作为车辆在该微分点处的速度方向；
S5：遍历上一帧融合后的东北天坐标系下的暂态航迹列表，对每条航迹当前帧的位置、速度信息进行预测；其中，对正常航迹按照车辆运动模型进行预测；对外推航迹(当车辆进入雷达盲区，需要对航迹下一帧进行外推)进行预测时，进入步骤S6；
S6：先将航迹由东北天坐标系转到雷达坐标系，根据航迹中各点的Y轴坐标值，在车道中心线找到具有相同Y轴坐标值的微分点，然后确定该微分点的偏北角，即为车辆的速度方向；
然后，将航迹的坐标信息和速度信息由东北天坐标系转到原点不变，y轴方向为车辆所在位置车道方向的直角坐标系下；此时车辆的速度信息中的横向(x轴)速度分量置零，y轴速度分量按实际大小进行坐标转换，依据转换坐标系后的坐标信息和速度信息按照车辆运动模型进行外推航迹的预测，最后将预测后的外推航迹转换回东北天坐标系。
S7：根据寿命参数tick值对暂态航迹列表中各航迹设置预测模型噪声Q，并以此更新航迹的协方差矩阵P；
S8：将S5和S6中预测的航迹与量测航迹进行一次小波门关联，得到所有关联列表，关联列表包括预测航迹与量测航迹的索引和关联权值；
S9：将剩余未关联的预测航迹与量测航迹进行二次大波门关联，为了防止大波门关联权值大于小波门的关联权值，将大波门的关联权值全部增加一个较大的固定值，将关联结果合并到S8得到的关联列表；
S10：基于关联权值，利用贪心算法依次从关联列表获取最优关联，得到最终的关联列表；
S11：对关联列表中关联的航迹进行更新，包括：根据被关联的量测航迹的tick值，自适应设置观测噪声R；
根据航迹协方差矩阵P、观测噪声R和观测矩阵H计算得到卡尔曼增益K；
根据量测航迹、观测矩阵H和航迹预测值，计算得到残差；
由卡尔曼增益K、残差和航迹预测值，更新航迹预测结果；
由卡尔曼增益K、观测矩阵H和航迹协方差矩阵P，更新航迹协方差矩阵P结果，且航迹质量参数中的寿命参数tick加1；
S12：对未取得关联的航迹中满足删除判定条件的航迹在暂态航迹列表中删除，不满足删除判定条件的航迹，且航迹预测是采用S5进行正常航迹预测得到的，说明该航迹未能关联，不属于正常航迹，应为外推航迹，因此摒弃之前S5的航迹预测结果，采用S6的方法进行重新预测。将航迹质量参数中的外推次数age加1，该外推次数age为判断是否满足删除判定条件的其中一个条件。
S13：对未取得关联的量测航迹进行初始航迹生成；
S14：对更新后的暂态航迹列表中，满足上报条件的航迹进行上报；返回S5，进行下一帧航迹的预测。
步骤S2、S3、S4中，在雷达直角坐标系下，Y值按照一定步进分别将上行2条边线和下行2条边线拟合出2条车道中心线，拟合方法为：分别在2条边线对应Y值处，通过线性插值法或拉格朗日插值法获取对应X值。然后通过相邻微分点的位置关系，计算得到每个微分点对应路段的偏角，偏角加上雷达偏北角，即得到微分点对应的偏北角。
步骤S8、S9中，首先进行小波门关联，并计算相关关联权值，并将小波门关联作为优选，但难免个别量测偏差较大，由于关联波门小，导致漏检，所以增加了大波门关联，但为了防止大波门关联时，可能产生的关联权值小于小波门的关联权值，所以在大波门的关联权值上增加一个较大的固定值，保证将小波门关联结果作为优选。
步骤S6、S12中，对为得到关联量测的航迹进行预测时，当车辆位于较大盲区，尤其盲区在弯路时，需要连续多帧预测，采用传统预测方法，预测结果与实际结果很容易偏差扩大，令航迹发散。所以不再采用航迹自身的速度矢量进行位置预测，而是通过匹配车道中心线的偏角，将航迹位置和速度信息坐标转换到车辆自车坐标系，坐标系原点不变，Y轴为车辆所在位置车道方向，进而将目标横向速度分量置零，只保留纵向速度分量，将目标按照车道方向进行预测，防止航迹由于自身横向速度分量不准，带来的预测信息发散。
综上所述，以上仅为本发明的较佳实施例而已，并非用于限定本发明的保护范围。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。

Claims (5)

1.一种基于高精度地图的高速场景多雷达航迹融合方法，其特征在于，包括：
S1：将高精度地图中的上、下行车道的4条边线按照雷达的威力覆盖区大小进行切分，切分出来的车道的地图区域要保证大于雷达的威力覆盖区；
S2：已知雷达自身经纬度坐标和波束指向的偏北角信息；将地图区域的4条边线在地图中的坐标信息转换到该雷达坐标系下；
S3：利用雷达坐标系下的2条上行车道边线和2条下行车道边线数据，分别对上行和下行车道中心线按照设定的步进值进行微分拟合，分别得到上行车道和下行车道的中心线；
S4：通过中心线上相邻两个微分点的位置坐标，求取中心线上每个微分点在雷达坐标系下的偏北角，作为车辆在该微分点处的速度方向；
S5：遍历上一帧融合后的东北天坐标系下的暂态航迹列表，对每条航迹当前帧的位置、速度信息进行预测；其中，对正常航迹按照车辆运动模型进行预测；对外推航迹进行预测时，进入步骤S6；
S6：先将航迹由东北天坐标系转到雷达坐标系，根据航迹中各点的Y轴坐标值，在车道中心线找到具有相同Y轴坐标值的微分点，然后确定该微分点的偏北角，即为车辆的速度方向；
然后，将航迹的坐标信息和速度信息由东北天坐标系转到原点不变，y轴方向为车辆所在位置车道方向的直角坐标系下；此时车辆的速度信息中的x轴速度分量置零，y轴速度分量按实际大小进行坐标转换，依据转换坐标系后的坐标信息和速度信息按照车辆运动模型进行外推航迹的预测，最后将预测后的外推航迹转换回东北天坐标系；
S7：根据寿命参数tick值对暂态航迹列表中各航迹设置预测模型噪声Q，并以此更新航迹的协方差矩阵P；
S8：将S5和S6中预测的航迹与量测航迹进行第一次关联，得到所有关联列表，关联列表包括预测航迹与量测航迹的索引和关联权值；
S9：提高S8中关联所使用的关联权值，将剩余未关联的预测航迹与量测航迹进行第二次关联，将关联结果合并到S8得到的关联列表；
S10：基于关联权值，从关联列表获取最优关联，得到最终的关联列表；
S11：对关联列表中关联的航迹进行更新，包括：根据被关联的量测航迹的tick值，自适应设置观测噪声R；
根据航迹协方差矩阵P、观测噪声R和观测矩阵H计算得到卡尔曼增益K；
根据量测航迹、观测矩阵H和航迹预测值，计算得到残差；
由卡尔曼增益K、残差和航迹预测值，更新航迹预测结果；
由卡尔曼增益K、观测矩阵H和航迹协方差矩阵P，更新航迹协方差矩阵P结果，且航迹质量参数中的寿命参数tick加1；
S12：对未取得关联的航迹中满足删除判定条件的航迹在暂态航迹列表中删除，不满足删除判定条件的航迹，且航迹预测是采用S5进行正常航迹预测得到的，重新采用S6的方法对航迹进行重新预测；
S13：对未取得关联的量测航迹进行初始航迹生成；
S14：对更新后的暂态航迹列表中，满足上报条件的航迹进行上报；返回S5，进行下一帧航迹的预测。
2.如权利要求1所述的一种基于高精度地图的高速场景多雷达航迹融合方法，其特征在于，所述S9中，对于关联权值全部增加设定的固定值，使得第二次关联的关联权值大于第一次的关联权值。
3.如权利要求1所述的一种基于高精度地图的高速场景多雷达航迹融合方法，其特征在于，所述步进值为10米。
4.如权利要求1所述的一种基于高精度地图的高速场景多雷达航迹融合方法，其特征在于，所述S10中，利用贪心算法依次从关联列表获取最优关联。
5.如权利要求1所述的一种基于高精度地图的高速场景多雷达航迹融合方法，其特征在于，所述S12中，将航迹质量参数中的外推次数age加1，该外推次数age为判断是否满足删除判定条件的其中一个条件。
CN202211121356.1A 2022-09-15 2022-09-15 一种基于高精度地图的高速场景多雷达航迹融合方法 Active CN115542307B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211121356.1A CN115542307B (zh) 2022-09-15 2022-09-15 一种基于高精度地图的高速场景多雷达航迹融合方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211121356.1A CN115542307B (zh) 2022-09-15 2022-09-15 一种基于高精度地图的高速场景多雷达航迹融合方法

Publications (2)

Publication Number Publication Date
CN115542307A true CN115542307A (zh) 2022-12-30
CN115542307B CN115542307B (zh) 2023-06-06

Family

ID=84728001

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211121356.1A Active CN115542307B (zh) 2022-09-15 2022-09-15 一种基于高精度地图的高速场景多雷达航迹融合方法

Country Status (1)

Country Link
CN (1) CN115542307B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115826022A (zh) * 2023-02-16 2023-03-21 安徽蔚来智驾科技有限公司 自动驾驶车辆的定位方法、装置、可读存储介质及车辆

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101334190B1 (ko) * 2012-11-22 2013-11-28 국방과학연구소 항적 연관 및 융합을 위한 최소 정보량 산출 방법 및 이의 저장 매체
CN106291533A (zh) * 2016-07-27 2017-01-04 电子科技大学 一种基于amd的分布式多传感器融合算法
CN106680806A (zh) * 2016-11-24 2017-05-17 清华大学 一种多雷达点迹融合方法
CN109085569A (zh) * 2018-08-13 2018-12-25 南京邮电大学 一种基于区域划分的多雷达航迹关联方法
CN112946624A (zh) * 2021-03-01 2021-06-11 西安交通大学 一种基于航迹管理方法的多目标跟踪算法
WO2022122500A1 (en) * 2020-12-09 2022-06-16 Symeo Gmbh Method, apparatus and radar system for tracking objects

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101334190B1 (ko) * 2012-11-22 2013-11-28 국방과학연구소 항적 연관 및 융합을 위한 최소 정보량 산출 방법 및 이의 저장 매체
CN106291533A (zh) * 2016-07-27 2017-01-04 电子科技大学 一种基于amd的分布式多传感器融合算法
CN106680806A (zh) * 2016-11-24 2017-05-17 清华大学 一种多雷达点迹融合方法
CN109085569A (zh) * 2018-08-13 2018-12-25 南京邮电大学 一种基于区域划分的多雷达航迹关联方法
WO2022122500A1 (en) * 2020-12-09 2022-06-16 Symeo Gmbh Method, apparatus and radar system for tracking objects
CN112946624A (zh) * 2021-03-01 2021-06-11 西安交通大学 一种基于航迹管理方法的多目标跟踪算法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
苏丽娜 等: "基于雷达数据的车辆换道行为识别研究" *
陈霞: "复杂环境下多雷达点迹融合" *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115826022A (zh) * 2023-02-16 2023-03-21 安徽蔚来智驾科技有限公司 自动驾驶车辆的定位方法、装置、可读存储介质及车辆

Also Published As

Publication number Publication date
CN115542307B (zh) 2023-06-06

Similar Documents

Publication Publication Date Title
CN105628033B (zh) 一种基于道路连通关系的地图匹配方法
EP3507942B1 (en) Wireless network optimization
CN112561191B (zh) 预测模型的训练、预测方法、装置、设备、程序和介质
CN111856541A (zh) 一种固定线路车辆轨迹监测系统及方法
US20130158794A1 (en) Methods and systems for generating a horizon for use in an advanced driver assistance system (adas)
CN108761576A (zh) 一种x波段气象雷达与雨量站数据融合方法及系统
JP2008267875A (ja) デジタル道路地図の生成方法及び地図生成システム
CN108415057A (zh) 一种无人车队与路侧单元协同工作的相对定位方法
CN110084491B (zh) 对流天气条件下基于最优穿越路径的航路阻塞度评估方法
CN111324848A (zh) 移动激光雷达测量系统车载轨迹数据优化方法
CN115542307A (zh) 一种基于高精度地图的高速场景多雷达航迹融合方法
EP4130668A1 (en) Method for determining lane line recognition abnormal event, and lane line recognition apparatus and system
CN104900061A (zh) 路段行程时间监测方法及装置
Schulze et al. Map-matching cell phone trajectories of low spatial and temporal accuracy
Shule et al. Tracking accuracy based generation rules of collective perception messages
CN110596639A (zh) 车辆跟踪定位方法、信息标记方法、系统及控制终端
Huang et al. Cv2x-loca: Roadside unit-enabled cooperative localization framework for autonomous vehicles
CN104463841A (zh) 衰减系数自适应的滤波方法及滤波系统
CN117029840A (zh) 一种移动车辆定位方法及系统
Xi et al. Simulation study of algorithms for aircraft trajectory prediction based on ADS-B technology
Ma et al. An approach to urban traffic condition estimation by aggregating GPS data
CN113375661A (zh) 一种无人驾驶系统的定位导航方法及系统
Lu et al. Research on the intelligent assignment model of urban traffic planning based on optimal path optimization algorithm
Li et al. An enhanced motorway control system for mixed manual/automated traffic flow
Zhang et al. A novel rerouting planning model for the terminal arrival routes under the influence of convective weather

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
CB03 Change of inventor or designer information
CB03 Change of inventor or designer information

Inventor after: Lei Wei

Inventor after: Yang Yupeng

Inventor after: Hu Xueyao

Inventor after: Jin Ye

Inventor after: Li Chunjie

Inventor after: Jiao Yanli

Inventor after: Zhao Kai

Inventor after: Zhang Long

Inventor after: Pan Xiu

Inventor after: Pang Hongjie

Inventor after: Lv Xuan

Inventor before: Lei Wei

Inventor before: Yang Yupeng

Inventor before: Jin Ye

Inventor before: Li Chunjie

Inventor before: Jiao Yanli

Inventor before: Zhao Kai

Inventor before: Zhang Long

Inventor before: Pan Xiu

Inventor before: Pang Hongjie

Inventor before: Lv Xuan