CN115900732A - 基于路侧相机和车载单元的组合导航方法及系统 - Google Patents
基于路侧相机和车载单元的组合导航方法及系统 Download PDFInfo
- Publication number
- CN115900732A CN115900732A CN202310009769.9A CN202310009769A CN115900732A CN 115900732 A CN115900732 A CN 115900732A CN 202310009769 A CN202310009769 A CN 202310009769A CN 115900732 A CN115900732 A CN 115900732A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- navigation
- positioning
- gnss
- roadside
- 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
- 238000000034 method Methods 0.000 title claims abstract description 40
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 53
- 238000001914 filtration Methods 0.000 claims abstract description 34
- 238000004364 calculation method Methods 0.000 claims description 12
- 230000000007 visual effect Effects 0.000 claims description 10
- 238000004891 communication Methods 0.000 claims description 9
- 238000007667 floating Methods 0.000 claims description 9
- 230000033001 locomotion Effects 0.000 claims description 8
- 238000007781 pre-processing Methods 0.000 claims description 5
- 238000013527 convolutional neural network Methods 0.000 claims description 4
- 238000012545 processing Methods 0.000 abstract description 10
- 230000004927 fusion Effects 0.000 description 13
- 238000010586 diagram Methods 0.000 description 7
- 238000005516 engineering process Methods 0.000 description 7
- 230000008901 benefit Effects 0.000 description 6
- 238000005259 measurement Methods 0.000 description 6
- 238000004590 computer program Methods 0.000 description 5
- 238000012986 modification Methods 0.000 description 5
- 230000004048 modification Effects 0.000 description 5
- 238000011160 research Methods 0.000 description 5
- 230000000295 complement effect Effects 0.000 description 3
- 238000012937 correction Methods 0.000 description 3
- 230000008447 perception Effects 0.000 description 3
- 238000010295 mobile communication Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000012216 screening Methods 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000009012 visual motion Effects 0.000 description 1
Images
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/10—Internal combustion engine [ICE] based vehicles
- Y02T10/40—Engine management systems
Landscapes
- Navigation (AREA)
Abstract
本发明公开了基于路侧相机和车载单元的组合导航方法及系统，当GNSS信号符合预设条件时，采用卡尔曼滤波算法，对车载GNSS和惯导的原始观测值采用紧组合的方式进行计算，得到车辆定位结果，作为最终的定位结果；当GNSS信号不符合预设条件（分为两种情况：GNSS信号受遮挡、GNSS不可用条件）时，使用路侧单元定位结果和车载单元的定位结果做松组合处理，在无GNSS环境中，通过路侧相机对目标进行定位，并对INS进行修正，得到更高精度的人、车等目标的位置信息，进一步提高定位的精度和鲁棒性。
Description
技术领域
本发明涉及自动驾驶技术领域，更具体地，涉及车辆的导航技术，尤其涉及一种基于路侧相机和车载单元的组合导航方法及系统。
背景技术
随着自动驾驶、无人机和机器人等技术的兴起，高精度、高可靠性、高可用性的低成本导航定位需求得到空前增长。相应地，导航定位技术也得到不断地发展和进步，在导航定位精度、连续性、可靠性和可用性等方面均得到显著提升。
在众多的导航定位技术中，卫星导航定位技术因其能在全球范围内为用户提供全天候的高精度位置、速度和时间信息而被广泛关注和应用。然而，在城市环境中，全球卫星导航系统（GNSS）信号不可避免地被树木、高架桥、建筑物以及隧道等遮挡。在GNSS复杂环境下要获取高精度、高可靠性且连续的导航定位信息，一种可行的方法就是进行多传感器融合。
由于GNSS和惯性导航系统(INS)之间具有优良的互补特性，将GNSS和INS信息有效融合可实现优势互补，从而大幅度提高各自的导航性能，因此GNSS/INS组合导航也成为导航领域中被广泛应用的组合导航技术之一。同时，由于相机具有自主无源、信息丰富、定位精度高、功耗低和廉价等诸多优点，近年来GNSS/INS/视觉组合导航也成为了研究的热点。一般来讲，在GNSS观测恶劣的城市环境中视觉特征往往非常丰富，这时视觉导航具有明显的优势；而在视觉特征很少的室外环境中，GNSS一般具有很好地信号跟踪质量，此时GNSS/INS组合导航就可以提供高精度的导航定位。此外，单目相机和低成本微惯性测量组合（MEMS-IMU）也具有优良的互补特性，二者的融合可以极大地提高定位系统的精度和鲁棒性。一方面，惯性测量单元（IMU）可以有效解决单目视觉的尺度缺失问题并且能提高视觉运动跟踪能力；另一方面，视觉观测可以极大地减少低成本MEMS-IMU的误差漂移。
目前基于多传感器融合定位的研究大多集中在车载单元，鲜有利用多路侧单元进行融合定位的相关研究。
发明内容
本发明提出了一种基于路侧相机和车载GNSS/INS的组合导航方法。用以解决或者至少部分解决现有技术中的导航方法存在的精度和可靠性不高的技术问题。
为了解决上述技术问题，本发明第一方面提供了基于路侧相机和车载单元的组合导航方法，车载单元包括GNSS和INS组合的导航系统，组合导航方法包括：
当GNSS信号符合预设条件时，采用卡尔曼滤波算法，对车载GNSS和惯导的原始观测值采用紧组合的方式进行计算，得到车辆定位结果，作为最终的定位结果；
当GNSS信号受遮挡的情况下，通过精密定位算法或伪距定位算法解算载体的浮点解或标准定位解，并通过卡尔曼滤波解算车辆的位置和速度信息，当GNSS不可用条件下，使用惯导进行滤波推算，得到载体位置和速度信息，载体为车辆；然后利用路侧单元对车辆进行定位，得到路侧单元的定位信息，并将车载导航系统得到的车辆位置和速度信息与路侧单元的定位信息进行组合导航，得到组合导航结果，作为最终定位结果。
在一种实施方式中，利用路侧单元对车辆进行定位，包括：
通过安装在路侧的相机拍摄得到的车辆周围的区域图像，经过预处理后，利用预先搭建的卷积神经网络，识别图像中的车辆，并得到车辆图像坐标；
根据车辆图像坐标和标定的相机内外参数，通过三角化计算车辆在世界坐标系下的坐标，作为车辆的定位信息；
通过通信模块将解算得到的车辆定位信息发送给车辆。
在一种实施方式中，当GNSS不可用条件下，使用惯导进行滤波推算，得到载体位置和速度信息，包括：
通过惯导模块测量载体在惯性空间的线运动和角运动信息，根据导航微分方程计算载体的位置、速度和姿态信息。
在一种实施方式中，将车载导航系统得到的车辆位置与路侧单元的定位信息进行组合导航，得到车辆定位结果，包括：
利用卡尔曼滤波器对路侧单元得到的定位信息和车载INS得到位置、速度信息进行融合，对导航误差和传感器误差进行在线估计，修正机械编排的导航结果并进行IMU误差补偿，得到组合导航结果；其中，机械编排用于完成INS的初始对准，并按照INS机械编排算法，完成姿态、速度和位置的更新。
基于同样的发明构思，本发明第二方面提供了基于路侧相机和车载单元的组合导航系统，包括GNSS/INS组合导航系统和路侧视觉/车载INS组合导航系统，
当GNSS信号符合预设条件时，采用GNSS/INS组合导航系统进行导航，该系统采用卡尔曼滤波算法，对车载GNSS和惯导的原始观测值采用紧组合的方式进行计算，得到车辆定位结果，作为最终的定位结果；
当GNSS信号不符合预设条件时，采用路侧视觉/车载INS组合导航系统进行导航，其中，当GNSS信号受遮挡的情况，通过精密定位算法或伪距定位算法解算载体的浮点解或标准定位解，并得到车辆的位置和速度信息，然后利用路侧单元对车辆进行定位，得到路侧单元的定位信息，将车载导航系统得到的车辆位置和速度信息与路侧单元的定位信息进行组合导航，得到组合导航结果，作为最终定位结果；当GNSS不可用条件下，使用惯导进行滤波推算，得到载体位置和速度信息，载体为车辆；然后利用路侧单元对车辆进行定位，得到路侧单元的定位信息，并将车载导航系统得到的车辆位置和速度信息与路侧单元的定位信息进行组合导航，得到组合导航结果，作为最终定位结果。
在一种实施方式中，GNSS/INS组合导航系统包括GNSS天线、GNSS接收机、IMU和时间同步模块。
在一种实施方式中，路侧视觉/车载INS组合导航系统包括路侧单元，路侧单元包括GNSS天线、GNSS接收板、时间同步模块、计算卡、工业相机、交换机、通信模块和电源
相对于现有技术，本发明的优点和有益的技术效果如下：
本发明提供的组合导航方法，在GNSS信号符合预设条件时，采用车载单元的GNSS和INS组合（元GNSS/INS）的导航系统进行卡尔曼滤波，得到车辆定位结果，在GNSS信号符合不预设条件时，基于组合导航原理，利用路侧单元和车载单元GNSS/INS具有良好的互补性，提出了一种基于车-路信息融合的组合导航算法。充分考虑了每个个体不同的感知特性，通过卡尔曼滤波的方法对路侧和车辆感知信息进行融合。通过本发明获得的结果更加科学，更加精确，提高了导航的可靠性。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的基于路侧相机和车载单元的组合导航方法的具体流程图；
图2为本发明实施例中路侧单元的结构图。
具体实施方式
目前基于多传感器融合定位的研究大多集中在车载单元，鲜有利用多路侧单元进行融合定位的相关研究。路层单元与车载单元的结合有几个比较困难的技术难点，首先是路侧单元计算能力的问题，然后是路侧单元和车载单元的时间同步问题，还有是数据传输方面的问题。
由于实际中城市道路情况复杂多变，大型车辆、路边栏杆等均会对基于车辆安装的相机视野造成遮挡，无法准确识别目标点，不可避免的影响视觉导航的结果。通过对路侧单元的环境感知信息进行关联和融合，可以得到更高精度的人、车等目标的位置集合，这样能够进一步提高定位的精度和鲁棒性；同时基于路侧单元和车载单元的融合感知是进一步提高车路协同系统的环境感知能力的一种方式，它通过增加环境感知范围并减少盲点，提高单个感知测量的准确性和完整性，同时提高融合定位的精度和可靠性。
为使本发明实施例的目的、技术方案和优点更加清楚，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，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
实施例一
本发明实施例提供了基于路侧相机和车载单元的组合导航方法，车载单元包括GNSS和INS组合的导航系统，组合导航方法包括：
当GNSS信号符合预设条件时，采用卡尔曼滤波算法，对车载GNSS和惯导的原始观测值采用紧组合的方式进行计算，得到车辆定位结果，作为最终的定位结果；
当GNSS信号受遮挡的情况下，通过精密定位算法或伪距定位算法解算载体的浮点解或标准定位解，并得到车辆的位置和速度信息，当GNSS不可用条件下，使用惯导进行滤波推算，得到载体位置和速度信息，载体为车辆；然后利用路侧单元对车辆进行定位，得到路侧单元的定位信息，并将车载导航系统得到的车辆位置和速度信息与路侧单元的定位信息进行组合导航，得到组合导航结果，作为最终定位结果。
具体来说，GNSS信号符合预设条件（信号较好）时，使用卡尔曼滤波算法，包括滤波初始化、时间更新、测量更新等，将车载GNSS和惯导原始观测值进行组合，得到车辆定位结果。
其中，GNSS与惯导的原始观测值的紧组合的方式即GNSS与INS组合导航中的紧耦合，在该种导航方式中，GNSS的伪距和载波相位观测值将与INS推算的相应值进行融合，并对系统的导航状态误差和IMU传感器误差进行最优估计。惯导系统的输出经过误差的校正之后，得到组合导航的解，即车辆定位结果。
当GNSS信号不符合预设条件（分为两种情况：GNSS信号受遮挡、GNSS不可用条件）时，使用路侧单元定位结果和车载单元的定位结果做松组合处理，在无GNSS环境中，通过路侧相机对目标进行定位，并对INS进行修正，得到更高精度的人、车等目标的位置信息，进一步提高定位的精度和鲁棒性。
松组合处理是指在GNSS信号不符合预设条件时将路侧单元与车载单元进行松耦合的组合导航，车载单元与路侧单元均独立工作并各自提供定位结果。具体实现过程中，可以将车载单元得到的位置、速度与姿态输入到滤波器中，同时，路侧单元的定位结果（位置、速度）也作为滤波器的输入，滤波器通过比较二者的差值，建立误差模型以估计INS（车载单元）的误差。利用这些误差对车载单元的定位结果进行修正，得到速度、位置、姿态的组合导航结果。松组合的导航方式易于实现，并且比较稳定。
具体实施过程中，在GNSS信号受遮挡的情况下，利用车载GNSS接收机及天线采集GNSS观测数据，在载波跟踪正常时，通过精密定位算法解算载体的浮点解；在载波失锁时采用伪距定位算法解算标准定位解。精密定位算法可采用实时载波差分定位模式定位或精密单点定位模式；伪距定位算法可采用实时伪距差分定位或标准单点定位模式，采用卡尔曼滤波算法获取概略位置及其位置方差评定其位置精度。
GNSS不可用条件下，需要使用INS进行滤波推算，采用卡尔曼滤波算法，递推得到载体位置及其位置方差评定其位置精度。
GNSS/INS组合导航算法包括但不限于RTK/INS、PPP/INS、RTD/INS、SPP/INS（其中，RTK为实时载波相位差分、PPP为精密单点定位、RTD为实时伪距差分、SPP为标准单点定位）组合定位算法。
将车载INS推算结果和路侧相机对车辆的定位结果进行组合解算，用路侧相机对车辆的定位结果对车载INS推算结果进行矫正。以各子系统的误差量作为状态，实现组合导航的滤波处理。从Kalman滤波器得到的估计值作为导航系统导航参数的输出，或作为INS参数的校正量。
本发明利用路侧相机和车载GNSS/INS具有良好的互补性，通过信息融合的方式，提出了一种基于车-路信息融合的组合导航算法，解决了复杂环境下GNSS不可用时，仅使用INS进行导航定位精度和可靠性较差的问题，提高了车辆定位精度。
在一种实施方式中，利用路侧单元对车辆进行定位，包括：
通过安装在路侧的相机拍摄得到的车辆周围的区域图像，经过预处理后，利用预先搭建的卷积神经网络，识别图像中的车辆，并得到车辆图像坐标；
根据车辆图像坐标和标定的相机内外参数，通过三角化计算车辆在世界坐标系下的坐标，作为车辆的定位信息；
通过通信模块将解算得到的车辆定位信息发送给车辆。
具体来说，预处理包括筛选、图像调光、调色等处理。通信模块可以为第五代移动通信网络（5G）模块或者路侧通信单元（RSU）。
在一种实施方式中，当GNSS不可用条件下，使用惯导进行滤波推算，得到载体位置和速度信息，包括：
通过惯导模块测量载体在惯性空间的线运动和角运动信息，根据导航微分方程计算载体的位置、速度和姿态信息。
在一种实施方式中，将车载导航系统得到的车辆位置与路侧单元的定位信息进行组合导航，得到车辆定位结果，包括：
利用卡尔曼滤波器对路侧单元得到的定位信息和车载INS得到位置、速度信息进行融合，对导航误差和传感器误差进行在线估计，修正机械编排的导航结果并进行IMU误差补偿，得到组合导航结果；其中，机械编排用于完成INS的初始对准，并按照INS机械编排算法，完成姿态、速度和位置的更新。
本发明提出的一种基于路侧相机和车载GNSS/INS组合导航方法的实现流程如图1所示，主要包括：
步骤1，GNSS/INS组合导航定位确定车辆的概略位置及精度评定指标；
步骤2，路侧单元对车辆进行拍摄、识别和定位；
步骤3，车载单元与路侧单元信息融合进行组合导航滤波解算。
本发明利用路侧相机和车载GNSS/INS具有良好的互补性，通过信息融合的方式，得到优化的组合导航定位结果，优化算法性能和可用性。采用本发明提供的组合导航方法不仅能够提高城市环境组合导航算法的可用性，而且是以一种较简单和不易受环境影响的方法满足自动驾驶的应用需求。
本发明提供的算法能够用计算机编程技术实现流程。参见图1，算法主要分为车载GNSS RTK/INS紧组合导航定位系统和路侧视觉/车载INS组合导航系统两部分。其中，车载GNSS RTK/INS紧组合导航定位系统主要包括六部分：
（1）IMU误差补偿：使用紧组合卡尔曼滤波器在线估计出来的零偏误差等对原始陀螺和加速度计数据在进行INS机械编排前进行误差补偿。
（2）INS机械编排：首先完成INS的初始对准，并按照INS机械编排算法，完成姿态、速度和位置的更新。
（3）GNSS数据处理：获得GNSS观测值，分别形成伪距和载波相位双差观测值。
（4）惯导辅助模糊度解算：使用伪距和载波相位双差观测方程，联立惯导提供的位置虚拟观测方程求解模糊度浮点解，然后使用LAMBDA方法固定模糊度。
（5）紧组合滤波状态估计：通过紧组合卡尔曼滤波器融合INS推算的双差几何距离与GNSS双差伪距或载波相位观测量，然后对系统的导航状态误差和IMU传感器误差进行最优估计。
（6）误差反馈和导航输出：利用紧组合滤波器估计出来的导航状态误差对INS机械编排的导航结果进行反馈修正，同时完成IMU原始观测值误差补偿。最后输出位置、速度和姿态等导航参数。
路侧视觉/车载INS组合导航系统主要包括四部分：
（1）路侧单元动态目标检测：通过神经网络等算法，从路侧相机拍摄的图像中对车辆目标物进行动态检测；
（2）图像三维定位：使用三角化等算法，对检测出的车辆目标物的位置等导航参数进行计算；
（3）车载INS定位：通过IMU测量载体在惯性空间的线运动和角运动信息，根据导航微分方程计算载体的位置、速度和姿态信息。
（4）组合导航算法：卡尔曼滤波器融合路侧相机和车载INS的位置、速度信息对导航误差和传感器误差进行在线估计，修正机械编排的导航结果并进行IMU误差补偿。
下面通过实施例，并结合附图，对本发明的技术方案作进一步具体的说明：
第一步，GNSS/INS组合导航定位确定车辆的概略位置及其精度。
1.1 GNSS信号良好时，使用卡尔曼滤波算法，包括滤波初始化、时间更新、测量更新等，将车载GNSS和惯导原始观测值进行组合，得到车辆定位结果。
1.2在GNSS信号受遮挡的情况下，利用车载GNSS接收机及天线采集GNSS观测数据，通过精密定位算法或伪距定位算法解算载体的浮点解或标准定位解。精密定位算法可采用实时载波差分定位模式定位或精密单点定位模式；伪距定位算法可采用实时伪距差分定位或标准单点定位模式，采用卡尔曼滤波算法获取概略位置。
1.3 GNSS不可用条件下，需要使用INS进行滤波推算，采用卡尔曼滤波算法，递推得到载体位置及其位置方差评定其位置精度。
GNSS/INS组合导航算法包括但不限于RTK/INS、PPP/INS、RTD/INS、SPP/INS（其中，RTK为实时载波相位差分、PPP为精密单点定位、RTD为实时伪距差分、SPP为标准单点定位）组合定位算法。
第二步，路侧单元对车辆进行拍摄、识别和定位。
2.1 通过安装在路侧的相机拍摄得到的车辆周围的区域图像，经过筛选和图像调光、调色等预处理后，搭建卷积神经网络，识别图像中的车辆，并得到其图像坐标。
2.2通过2.1提取识别的车辆图像坐标，根据标定的相机内外参数，通过三角化计算车辆在世界坐标系下的坐标。
2.3 路侧单元通过第五代移动通信网络（5G）模块或路侧通信单元（RSU）将解算的车辆定位信息发送给车辆；
第三步，车载单元与路侧单元信息融合进行定位。
3.1 将车载INS滤波预测结果和路侧解算结果转化为组合导航滤波的观测方程；
3.2 组合导航滤波更新，得到优化的组合导航定位结果。
本发明具有如下优点：(1)使用方便，利用路侧相机进行视觉辅助定位，成本低；(2)作业效率高，实时性能好，数据采集自动化；(3)能够显著提高城市环境下导航性能的可用性、可靠性和精度，提高车载导航、自动驾驶的行业的应用范围和作业效率。
实施例二
基于同样的发明构思，本实施例提供了基于路侧相机和车载单元的组合导航系统，包括GNSS/INS组合导航系统和路侧视觉/车载INS组合导航系统，
当GNSS信号符合预设条件时，采用GNSS/INS组合导航系统进行导航，该系统采用卡尔曼滤波算法，对车载GNSS和惯导的原始观测值采用紧组合的方式进行计算，得到车辆定位结果，作为最终的定位结果；
当GNSS信号不符合预设条件时，采用路侧视觉/车载INS组合导航系统进行导航，其中，当GNSS信号受遮挡的情况，通过精密定位算法或伪距定位算法解算载体的浮点解或标准定位解，并得到车辆的位置和速度信息，然后利用路侧单元对车辆进行定位，得到路侧单元的定位信息，将车载导航系统得到的车辆位置和速度信息与路侧单元的定位信息进行组合导航，得到组合导航结果，作为最终定位结果；当GNSS不可用条件下，使用惯导进行滤波推算，得到载体位置和速度信息，载体为车辆；然后利用路侧单元对车辆进行定位，得到路侧单元的定位信息，并将车载导航系统得到的车辆位置和速度信息与路侧单元的定位信息进行组合导航，得到组合导航结果，作为最终定位结果。
具体来说，车载GNSS RTK/INS组合导航系统和路侧视觉/车载INS组合导航系统。当有GNSS信号时，可通过车载GNSS RTK/INS紧组合导航系统进行高精度定位；在无GNSS信号环境下，如隧道、密林等环境下，车载GNSS/INS导航定位系统中有INS模块能够工作，定位精度随时间增加不断下降。通过路侧单元进行动态目标识别，并通过多相机三角化对目标进行定位，最后通过5G模块将定位信息传输给汽车，并通过松组合的方式与车载INS模块进行组合导航，能够大幅度提高定位精度。
在一种实施方式中，GNSS/INS组合导航系统包括GNSS天线、GNSS接收机、IMU和时间同步模块。
车载单元主要包括，GNSS天线、GNSS接收机、IMU、时间同步模块等。在GNSS信号良好时，使用GNSS/INS紧组合，将车载GNSS和惯导原始观测值进行组合，得到车辆定位结果。其中主要包括IMU误差补偿、INS机械编排算法、GNSS数据处理、惯导辅助模糊度解算、GNSS/INS紧组合Kalman滤波状态估计等算法。当GNSS信号弱甚至没有时，INS子系统和路侧单元相互独立的进行定位结算，然后两者的定位结果再通过一个前馈式互补型卡尔曼滤波器整合到一起，得到车辆的定位结果。
在一种实施方式中，路侧视觉/车载INS组合导航系统包括路侧单元，路侧单元包括GNSS天线、GNSS接收板、时间同步模块、计算卡、工业相机、交换机、通信模块和电源。
具体来说，路层单元的结构如图2所示。首先通过GNSS天线和接收板获取PPS脉冲信号，并传入到时间同步模块，该模块将脉冲信号进行倍频处理，并传输给工业相机作为其触发信号进行拍照。获得的图像数据通过计算卡中编写好的目标识别、三角化等算法计算出车辆的定位信息，并通过5G模块传输给车辆。
由于本发明实施例二所介绍的系统为实施本发明实施例一中基于路侧相机和车载单元的组合导航方法所采用的系统，故而基于本发明实施例一所介绍的方法，本领域所属人员能够了解该系统的具体结构及变形，故而在此不再赘述。凡是本发明实施例一中方法所采用的系统都属于本发明所欲保护的范围。
本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质（包括但不限于磁盘存储器、CD-ROM、光学存储器等）上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备（系统）、和计算机程序产品的流程图和／或方框图来描述的。应理解可由计算机程序指令实现流程图和／或方框图中的每一流程和／或方框、以及流程图和／或方框图中的流程和／或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和／或方框图一个方框或多个方框中指定的功能的装置。
尽管已描述了本发明的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例做出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。
显然，本领域的技术人员可以对本发明实施例进行各种改动和变型而不脱离本发明实施例的精神和范围。这样，倘若本发明实施例的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。
Claims (7)
1.基于路侧相机和车载单元的组合导航方法，其特征在于，车载单元包括GNSS和INS组合的导航系统，组合导航方法包括：
当GNSS信号符合预设条件时，采用卡尔曼滤波算法，对车载GNSS和惯导的原始观测值采用紧组合的方式进行计算，得到车辆定位结果，作为最终的定位结果；
当GNSS信号受遮挡的情况下，通过精密定位算法或伪距定位算法解算载体的浮点解或标准定位解，并通过卡尔曼滤波解算车辆的位置和速度信息，当GNSS不可用条件下，使用惯导进行滤波推算，得到载体位置和速度信息，载体为车辆；然后利用路侧单元对车辆进行定位，得到路侧单元的定位信息，并将车载导航系统得到的车辆位置和速度信息与路侧单元的定位信息进行组合导航，得到组合导航结果，作为最终定位结果。
2.如权利要求1所述的基于路侧相机和车载单元的组合导航方法，其特征在于，利用路侧单元对车辆进行定位，包括：
通过安装在路侧的相机拍摄得到的车辆周围的区域图像，经过预处理后，利用预先搭建的卷积神经网络，识别图像中的车辆，并得到车辆图像坐标；
根据车辆图像坐标和标定的相机内外参数，通过三角化计算车辆在世界坐标系下的坐标，作为车辆的定位信息；
通过通信模块将解算得到的车辆定位信息发送给车辆。
3.如权利要求1所述的基于路侧相机和车载单元的组合导航方法，其特征在于，当GNSS不可用条件下，使用惯导进行滤波推算，得到载体位置和速度信息，包括：
通过惯导模块测量载体在惯性空间的线运动和角运动信息，根据导航微分方程计算载体的位置、速度和姿态信息。
4.如权利要求1所述的基于路侧相机和车载单元的组合导航方法，其特征在于，将车载导航系统得到的车辆位置与路侧单元的定位信息进行组合导航，得到车辆定位结果，包括：
利用卡尔曼滤波器对路侧单元得到的定位信息和车载INS得到位置、速度信息进行融合，对导航误差和传感器误差进行在线估计，修正机械编排的导航结果并进行IMU误差补偿，得到组合导航结果；其中，机械编排用于完成INS的初始对准，并按照INS机械编排算法，完成姿态、速度和位置的更新。
5.基于路侧相机和车载单元的组合导航系统，其特征在于，包括GNSS/INS组合导航系统和路侧视觉/车载INS组合导航系统，
当GNSS信号符合预设条件时，采用GNSS/INS组合导航系统进行导航，该系统采用卡尔曼滤波算法，对车载GNSS和惯导的原始观测值采用紧组合的方式进行计算，得到车辆定位结果，作为最终的定位结果；
当GNSS信号不符合预设条件时，采用路侧视觉/车载INS组合导航系统进行导航，其中，当GNSS信号受遮挡的情况，通过精密定位算法或伪距定位算法解算载体的浮点解或标准定位解，并得到车辆的位置和速度信息，然后利用路侧单元对车辆进行定位，得到路侧单元的定位信息，将车载导航系统得到的车辆位置和速度信息与路侧单元的定位信息进行组合导航，得到组合导航结果，作为最终定位结果；当GNSS不可用条件下，使用惯导进行滤波推算，得到载体位置和速度信息，载体为车辆；然后利用路侧单元对车辆进行定位，得到路侧单元的定位信息，并将车载导航系统得到的车辆位置和速度信息与路侧单元的定位信息进行组合导航，得到组合导航结果，作为最终定位结果。
6.如权利要求5所述的基于路侧相机和车载单元的组合导航系统，其特征在于，GNSS/INS组合导航系统包括GNSS天线、GNSS接收机、IMU和时间同步模块。
7.如权利要求5所述的基于路侧相机和车载单元的组合导航系统，其特征在于，路侧视觉/车载INS组合导航系统包括路侧单元，路侧单元包括GNSS天线、GNSS接收板、时间同步模块、计算卡、工业相机、交换机、通信模块和电源。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310009769.9A CN115900732A (zh) | 2023-01-05 | 2023-01-05 | 基于路侧相机和车载单元的组合导航方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310009769.9A CN115900732A (zh) | 2023-01-05 | 2023-01-05 | 基于路侧相机和车载单元的组合导航方法及系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN115900732A true CN115900732A (zh) | 2023-04-04 |
Family
ID=86495686
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310009769.9A Pending CN115900732A (zh) | 2023-01-05 | 2023-01-05 | 基于路侧相机和车载单元的组合导航方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115900732A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117553811A (zh) * | 2024-01-08 | 2024-02-13 | 武汉大学 | 基于路侧相机与车载gnss/ins的车路协同定位导航方法及系统 |
Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107782321A (zh) * | 2017-10-10 | 2018-03-09 | 武汉迈普时空导航科技有限公司 | 一种基于视觉和高精度地图车道线约束的组合导航方法 |
| CN110164166A (zh) * | 2018-02-11 | 2019-08-23 | 北京图森未来科技有限公司 | 一种车辆定位系统、方法和装置 |
| CN110632635A (zh) * | 2019-09-29 | 2019-12-31 | 北京邮电大学 | 自动驾驶车辆的定位方法、装置、电子设备及可读介质 |
| CN210119237U (zh) * | 2019-06-17 | 2020-02-28 | 深圳数翔科技有限公司 | 路侧自动驾驶车辆定位导航系统 |
| CN111928845A (zh) * | 2020-06-22 | 2020-11-13 | 深圳市金溢科技股份有限公司 | 车辆定位校准方法、rsu设备以及mec设备以及系统 |
| CN113625323A (zh) * | 2021-06-18 | 2021-11-09 | 北京千方科技股份有限公司 | 一种基于车路协同的车辆实时定位系统、方法、介质及车辆 |
| CN114279453A (zh) * | 2022-03-04 | 2022-04-05 | 智道网联科技(北京)有限公司 | 基于车路协同的自动驾驶车辆定位方法、装置及电子设备 |
| CN114565669A (zh) * | 2021-12-14 | 2022-05-31 | 华人运通(上海)自动驾驶科技有限公司 | 一种场端多相机融合定位方法 |
| CN114844586A (zh) * | 2021-02-02 | 2022-08-02 | 千寻位置网络有限公司 | 一种时钟同步系统、方法、装置、设备及计算机存储介质 |
| CN114877883A (zh) * | 2022-03-22 | 2022-08-09 | 武汉大学 | 车路协同环境下考虑通信延迟的车辆定位方法及系统 |
| CN115248037A (zh) * | 2022-05-06 | 2022-10-28 | 北京理工大学 | 一种测距、测向、测速相结合的智能车协同定位方法 |
-
2023
- 2023-01-05 CN CN202310009769.9A patent/CN115900732A/zh active Pending
Patent Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107782321A (zh) * | 2017-10-10 | 2018-03-09 | 武汉迈普时空导航科技有限公司 | 一种基于视觉和高精度地图车道线约束的组合导航方法 |
| CN110164166A (zh) * | 2018-02-11 | 2019-08-23 | 北京图森未来科技有限公司 | 一种车辆定位系统、方法和装置 |
| CN210119237U (zh) * | 2019-06-17 | 2020-02-28 | 深圳数翔科技有限公司 | 路侧自动驾驶车辆定位导航系统 |
| CN110632635A (zh) * | 2019-09-29 | 2019-12-31 | 北京邮电大学 | 自动驾驶车辆的定位方法、装置、电子设备及可读介质 |
| CN111928845A (zh) * | 2020-06-22 | 2020-11-13 | 深圳市金溢科技股份有限公司 | 车辆定位校准方法、rsu设备以及mec设备以及系统 |
| CN114844586A (zh) * | 2021-02-02 | 2022-08-02 | 千寻位置网络有限公司 | 一种时钟同步系统、方法、装置、设备及计算机存储介质 |
| CN113625323A (zh) * | 2021-06-18 | 2021-11-09 | 北京千方科技股份有限公司 | 一种基于车路协同的车辆实时定位系统、方法、介质及车辆 |
| CN114565669A (zh) * | 2021-12-14 | 2022-05-31 | 华人运通(上海)自动驾驶科技有限公司 | 一种场端多相机融合定位方法 |
| CN114279453A (zh) * | 2022-03-04 | 2022-04-05 | 智道网联科技(北京)有限公司 | 基于车路协同的自动驾驶车辆定位方法、装置及电子设备 |
| CN114877883A (zh) * | 2022-03-22 | 2022-08-09 | 武汉大学 | 车路协同环境下考虑通信延迟的车辆定位方法及系统 |
| CN115248037A (zh) * | 2022-05-06 | 2022-10-28 | 北京理工大学 | 一种测距、测向、测速相结合的智能车协同定位方法 |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117553811A (zh) * | 2024-01-08 | 2024-02-13 | 武汉大学 | 基于路侧相机与车载gnss/ins的车路协同定位导航方法及系统 |
| CN117553811B (zh) * | 2024-01-08 | 2024-04-19 | 武汉大学 | 基于路侧相机与车载gnss/ins的车路协同定位导航方法及系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US10788830B2 (en) | Systems and methods for determining a vehicle position | |
| Alonso et al. | Accurate global localization using visual odometry and digital maps on urban environments | |
| WO2021248636A1 (zh) | 一种自动驾驶对象探测和定位系统及方法 | |
| CN111065043B (zh) | 一种基于车路通信的隧道内车辆融合定位系统及方法 | |
| CN107728175A (zh) | 基于gnss和vo融合的无人驾驶车辆导航定位精度矫正方法 | |
| CN114636993A (zh) | 一种激光雷达与imu的外参标定方法、装置及设备 | |
| CN113899375B (zh) | 车辆定位方法和装置、存储介质及电子设备 | |
| CN110032201A (zh) | 一种基于卡尔曼滤波的imu机载视觉姿态融合的方法 | |
| WO2020124624A1 (zh) | 一种紧耦合的自动驾驶感知方法及系统 | |
| CN113063425A (zh) | 车辆定位方法、装置、电子设备及存储介质 | |
| CN114396943A (zh) | 一种融合定位方法与终端 | |
| CN210038170U (zh) | 一种紧耦合的自动驾驶感知系统 | |
| CN115900732A (zh) | 基于路侧相机和车载单元的组合导航方法及系统 | |
| CN110243364A (zh) | 无人机航向确定方法、装置、无人机及存储介质 | |
| CN115435779A (zh) | 一种基于gnss/imu/光流信息融合的智能体位姿估计方法 | |
| CN113405555B (zh) | 一种自动驾驶的定位传感方法、系统及装置 | |
| CN107449392A (zh) | 基于惯性测量单元的边坡变形测量方法 | |
| TW202018256A (zh) | 多定位系統切換與融合校正方法及其裝置 | |
| CN112862818A (zh) | 惯性传感器和多鱼眼相机联合的地下停车场车辆定位方法 | |
| CN116753948A (zh) | 一种基于视觉惯性gnss ppp耦合的定位方法 | |
| CN115790613A (zh) | 一种视觉信息辅助的惯性/里程计组合导航方法及装置 | |
| CN109341685B (zh) | 一种基于单应变换的固定翼飞机视觉辅助着陆导航方法 | |
| CN117553811B (zh) | 基于路侧相机与车载gnss/ins的车路协同定位导航方法及系统 | |
| Trojnacki et al. | Determination of motion parameters with inertial measurement units–Part 1: mathematical formulation of the algorithm | |
| Nakamura et al. | Fusion of VSLAM/GNSS/INS for Augmented Reality Navigation in Ports |
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 | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20230404 |
|
| RJ01 | Rejection of invention patent application after publication |