CN116931005A - 一种基于v2x辅助的车辆高精度定位方法、装置和存储介质 - Google Patents
一种基于v2x辅助的车辆高精度定位方法、装置和存储介质 Download PDFInfo
- Publication number
- CN116931005A CN116931005A CN202311208648.3A CN202311208648A CN116931005A CN 116931005 A CN116931005 A CN 116931005A CN 202311208648 A CN202311208648 A CN 202311208648A CN 116931005 A CN116931005 A CN 116931005A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- intelligent network
- information
- road side
- positioning
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 53
- 230000002093 peripheral effect Effects 0.000 claims abstract description 5
- 238000006073 displacement reaction Methods 0.000 claims description 18
- 230000008859 change Effects 0.000 claims description 6
- 238000013135 deep learning Methods 0.000 claims description 6
- 206010039203 Road traffic accident Diseases 0.000 claims description 4
- 238000010276 construction Methods 0.000 claims description 4
- 230000008878 coupling Effects 0.000 claims description 3
- 238000010168 coupling process Methods 0.000 claims description 3
- 238000005859 coupling reaction Methods 0.000 claims description 3
- 239000000284 extract Substances 0.000 claims description 3
- 238000005516 engineering process Methods 0.000 abstract description 23
- 238000012795 verification Methods 0.000 abstract description 4
- 238000012545 processing Methods 0.000 description 10
- 238000004891 communication Methods 0.000 description 9
- 230000001413 cellular effect Effects 0.000 description 8
- 230000008569 process Effects 0.000 description 7
- 230000009286 beneficial effect Effects 0.000 description 5
- 230000006870 function Effects 0.000 description 5
- 230000003416 augmentation Effects 0.000 description 4
- 238000012937 correction Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 238000005259 measurement Methods 0.000 description 4
- 230000003993 interaction Effects 0.000 description 3
- 238000012360 testing method Methods 0.000 description 3
- 238000004590 computer program Methods 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000010295 mobile communication Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000006855 networking Effects 0.000 description 2
- 101000972822 Homo sapiens Protein NipSnap homolog 2 Proteins 0.000 description 1
- 206010063385 Intellectualisation Diseases 0.000 description 1
- 102100022564 Protein NipSnap homolog 2 Human genes 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000001133 acceleration Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000002238 attenuated effect Effects 0.000 description 1
- 238000009412 basement excavation Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 229920003087 methylethyl cellulose Polymers 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
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
- G01S19/01—Satellite radio beacon positioning systems transmitting time-stamped messages, e.g. GPS [Global Positioning System], GLONASS [Global Orbiting Navigation Satellite System] or GALILEO
- G01S19/03—Cooperating elements; Interaction or communication between different cooperating elements or between cooperating elements and receivers
- G01S19/05—Cooperating elements; Interaction or communication between different cooperating elements or between cooperating elements and receivers providing aiding data
-
- 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
-
- 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
- G01S19/49—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 whereby the further system is an inertial position system, e.g. loosely-coupled
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/02—Services making use of location information
- H04W4/029—Location-based management or tracking services
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/30—Services specially adapted for particular environments, situations or purposes
- H04W4/40—Services specially adapted for particular environments, situations or purposes for vehicles, e.g. vehicle-to-pedestrians [V2P]
- H04W4/44—Services specially adapted for particular environments, situations or purposes for vehicles, e.g. vehicle-to-pedestrians [V2P] for communication between vehicles and infrastructures, e.g. vehicle-to-cloud [V2C] or vehicle-to-home [V2H]
-
- 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
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D30/00—Reducing energy consumption in communication networks
- Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks
Abstract
本发明公开了一种基于V2X辅助的车辆高精度定位方法、装置和存储介质，包括以下步骤：S1：判断智能网联车的全球导航卫星系统工作状态是否有效；S2：智能网联车接收路侧单元广播信息并进行身份校验；S3：路侧单元根据智能网联车感知硬件信息，广播对应高精地图的唯一识别编码和下载地址；S4：智能网联车下载本地未检索到的高精地图；S5：智能网联车通过地图匹配定位算法获取当前位置；S6：通过航迹推算实现智能网联车定位信息实时高频更新。本发明通过V2X技术辅助智能网联车在全球导航卫星系统失效状态下保持高精度定位，结合通过V2X技术获取的周边实时交通信息，可以有效提高车辆自主驾驶、导航、调度等应用的准确性和可靠性，具有广泛的应用前景。
Description
技术领域
本发明涉及定位与车路协同交叉领域，尤其涉及一种基于V2X辅助的车辆高精度定位方法、装置和存储介质。
背景技术
车辆高精度定位是车联网和自动驾驶的关键技术之一，它能够为车辆提供准确的位置和姿态信息，从而实现安全、高效、智能的驾驶。车辆高精度定位的需求和挑战随着不同的应用场景和业务而变化，辅助驾驶需要米级的定位精度，而自动驾驶车辆需要准确、实时地获取自身位置、感知周围环境，以做出准确的决策和规划行驶路径，因此需要亚米级甚至厘米级的定位精度，同时对定位技术的可靠性和安全性提出了非常高的要求。另外，车辆高精度定位技术在车辆安全方面起到关键作用。通过实时获取车辆位置和周围环境信息，高精度定位可以帮助车辆避免碰撞、识别障碍物和行人，提供更精确的安全警示和紧急制动等功能，这对于提高道路行驶的安全性和减少交通事故具有重要意义，有助于保护驾驶员和乘客的生命安全。此外，车辆高精度定位还对智能交通服务的开展和城市规划具有积极影响。高精度定位技术为实现车辆定位共享、出行平台等服务提供了基础数据，为智能交通系统的建设和发展提供了重要支持。同时，基于车辆高精度定位数据的分析和挖掘，可以为城市交通规划、交通流量预测等工作提供有力的参考和决策支持。
目前，主流的车辆定位技术主要包括：
（1）基于全球导航卫星系统的定位技术：全球导航卫星系统是最常用的定位方法，它利用卫星信号来计算车辆的位置坐标。全球导航卫星系统在室外空旷无遮挡的环境下可以达到米级甚至亚米级的精度，但在城市密集高楼区、隧道、桥梁、地下停车场等遮挡场景下，其信号会受到严重的衰减和多径效应，导致定位不稳定或不可用。为了提高全球导航卫星系统的定位精度和可靠性，可以采用实时动态载波相位差分（Real-Time Kinematic，以下简称RTK）技术，即通过地面差分基准参考站进行卫星观测，形成差分改正数据，再通过数据通信链路将差分改正数据播发到流动测量站（即车载终端），进而流动测量站根据收到的改正数进行定位。RTK技术可以将全球导航卫星系统的定位精度提升到厘米级，但也需要保证通信链路的稳定性和同步性。此外，还有一些其他的全球导航卫星系统增强技术，如卫星增强系统（Satellite-Based Augmentation System，以下简称SBAS）、精密点定位（PrecisePoint Position，以下简称PPP）、地面增强系统（Ground-Based Augmentation System，以下简称GBAS）等，它们都是通过提供额外的改正信息或参考信号来提高全球导航卫星系统定位精度或可用性。
（2）基于蜂窝网的定位技术：蜂窝网是车辆与外界通信的重要手段，可以直接利用蜂窝信号来进行定位。基于4G（第四代移动通信技术）的蜂窝定位，受信号带宽、同步以及网络部署的影响，定位精度一般在几十米左右。而随着5G（第五代移动通信技术）的到来，大带宽、多天线以及高精度同步技术等的支撑，可以使得基于蜂窝网的定位精度大大提高，目前在仿真或测试场景下，室内定位可达2~3米精度，可在室内及隧道环境下弥补卫星定位的不足。
现阶段，基于蜂窝网的定位技术在实际应用中受到信号传播路径、多径效应、干扰、同步误差等因素的影响，导致定位误差较大。此外，由于需要依赖蜂窝网络的信号和数据，如果蜂窝网络不可用或不稳定，会影响定位服务的可用性和可靠性。因此，在实际应用中，车辆大多采用RTK全球导航卫星系统进行高精度定位。但由于自动驾驶的测试验证大都局限于特定的区域，RTK全球导航卫星系统可以事先部署调试以满足测试验证需求。但在现实场景中，存在诸多全球导航卫星系统失效或者信号漂移的区域，如地下车库、城市高架下、市中心高楼密集区、隧道、涵洞等。获得准确可靠的定位信息是实现自动驾驶的前提和基础，如何在全球导航卫星系统失效的情况下，仍能提供高精度定位信息，保证自动驾驶的安全性，这对实时稳定的高精度定位技术提出了严峻的挑战。
发明内容
针对现有技术的不足，本发明提出一种基于V2X辅助的车辆高精度定位方法、装置和存储介质。具体技术方案如下：
一种基于V2X辅助的车辆高精度定位方法，包括以下步骤：
S1：根据全球导航卫星系统的接收信号及位移差判断智能网联车的全球导航卫星系统工作状态是否有效；若有效，则继续使用全球导航卫星系统进行定位；若失效，则继续下一步；
S2：所述智能网联车通过V2X模块接收周边路侧单元的广播信息，根据所述路侧单元的广播信息中的证书与签名进行路侧单元身份合法性校验；若所述路侧单元身份不合法，智能网联车继续通过V2X模块接收路侧单元的广播信息；若所述路侧单元身份合法，所述智能网联车通过V2X模块向身份合法的路侧单元发送自身感知硬件类型与规格参数；
S3：所述路侧单元接收感知硬件类型与规格参数信息，向所述智能网联车广播该类型感知硬件对应的周边区域高精地图的唯一识别编码和其下载地址信息；
S4：所述智能网联车接收所述唯一识别编码，并在本地保存的高精地图列表中进行检索，若所述唯一识别编码对应的高精地图已存于本地，则直接调用，若不存在，则通过所述下载地址信息下载该高精地图；
S5：所述智能网联车的车辆定位模块通过匹配定位算法，将车载感知设备采集的实时数据与所述高精地图进行匹配，匹配成功后获得智能网联车当前位置；
S6：所述智能网联车的车辆定位模块通过轮式里程计测量位移信息，通过惯性测量单元测量方位信息，在所述当前位置的基础上，通过累计位移信息和方位信息的变化值进行航迹推算，实现智能网联车定位信息的实时高频更新。
进一步地，所述S1具体包括以下子步骤：
S1.1：所述车辆定位模块获取当前智能网联车的全球导航卫星系统设备接收到的可用卫星数量；
S1.2：所述车辆定位模块计算所述智能网联车在单位时间内，轮式里程计测量得到的位移与全球导航卫星系统设备测量得到的位移的差值；
S1.3：判断智能网联车的全球导航卫星系统设备接收到的可用卫星数量，是否满足可用卫星数量不小于最少卫星数阈值，且位移差不大于最大误差阈值的条件；若满足该条件，则判定智能网联车的全球导航卫星系统工作状态有效；若不满足，则判定智能网联车的全球导航卫星系统工作状态失效。
进一步地，所述S1.3中，最少卫星数阈值为4，最大误差阈值为10m。
进一步地，所述S2中，所述感知硬件类型与规格参数包括：车载激光雷达型号及参数、车载相机型号及参数、车载毫米波雷达型号及参数中的一种或多种组合。
进一步地，所述S5中，所述匹配定位算法选自特征点匹配法、基于深度学习的语义特征匹配法中的任意一种。
进一步地，完成智能网联车的定位信息更新后，所述智能网联车通过V2X模块接收周边路侧单元的广播信息，提取其中的实时交通信息，结合所述高精地图和智能网联车的定位信息，进行实时路径规划；
所述实时交通信息通过以下方式获得：路侧感知设备采集原始交通数据，并通过网络将其发送至多接入边缘计算单元；多接入边缘计算单元根据接收到的原始交通数据，采用深度学习方法得到实时交通信息，并将其发送至路侧单元，路侧单元将所述实时交通信息通过网络对智能网联车进行周期性广播，智能网联车通过V2X模块接收路侧单元的广播信息，从而提取其中的实时交通信息。
进一步地，所述原始交通数据包括：路侧交通相机、路侧毫米波雷达、路侧激光雷达中的任一路侧感知设备采集的原始数据信息。
进一步地，所述实时交通信息包括：道路施工信息、交通事故信息、空余车位信息。
一种基于V2X辅助的车辆高精度定位装置，包括存储器和一个或多个处理器，所述存储器中存储有可执行代码，所述一个或多个处理器执行所述可执行代码时，用于实现所述的基于V2X辅助的车辆高精度定位方法。
一种计算机可读存储介质，其上存储有程序，该程序被处理器执行时，实现所述的基于V2X辅助的车辆高精度定位方法。
本发明的有益效果是：
本发明基于V2X技术辅助智能网联车进行高精度定位，解决了地下车库、城市高架下、市中心高楼密集区、隧道、涵洞等GNSS失效场景无法定位或定位误差大的问题，确保智能网联车可以持续获得可靠且稳定的位置信息，有助于提高智能网联车自主驾驶、导航、车辆调度等应用的准确性和可靠性。
附图说明
图1是本发明基于V2X辅助的车辆高精度定位方法的流程图。
图2是本发明实施例中，在GNSS失效状态下基于V2X辅助的车辆高精度定位的示意图。
图3是本发明实施例中，在GNSS失效状态下基于V2X辅助的车辆高精度定位的各对象信息交互图。
图4是本发明实施例中，基于V2X技术获取周边区域实时交通信息的各对象信息交互图。
图5是本发明基于V2X辅助的车辆高精度定位装置的结构示意图。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚，下面将结合本申请实施例中的附图，对本申请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申请的一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本申请保护的范围。
在以下的描述中，涉及到“一个具体实施例”，其描述了所有可能实施例的子集，但是可以理解，“一个具体实施例”，其描述了所有可能实施例的相同子集或不同子集，并且可以在不冲突的情况下相互结合。
除非另有定义，本文所使用的所有的技术的科学技术与属于本发明的技术领域的技术人员通常理解的含义相同。本文中所使用的术语只是为了描述本发明实施例的目的，不是旨在限制本发明。
在对本发明实施例进行进一步详细说明之前，对本发明实施例中涉及的名词和术语进行说明，本发明实施例中涉及的名词和术语适用于如下的解释。
（1）车辆与一切通信V2X，是Vehicle-to-Everything的英文缩写，是一种通过车辆与周围的各种实体进行双向通信和信息交换的技术。这些实体包括其他车辆（V2V）、基础设施（V2I）、行人（V2P）以及网络（V2N）。V2X是智能网联汽车中的信息交互关键技术，可用于实现车辆与其它设备信息共享与协同控制。
（2）路侧单元RSU，是Road Side Unit的英文缩写，是一种部署在道路旁边的设备单元，通过无线通信技术与车辆、行人和其他设备进行通信。RSU通常安装在道路边缘的固定位置，具备网络连接和计算能力，能够接收和传输交通数据、路况信息和其他相关信息。是车路协同系统实现道路基础设施网络化、智能化的关键设备，承担着道路与车辆、平台之间通信的重任，是实现智慧交通的重要通信设备。
（3）多接入边缘计算MEC，是Multi-access Edge Computing的英文缩写，是一种网络计算架构，将云计算的计算和存储能力移动到移动网络的边缘。它利用靠近用户和终端设备的边缘节点，提供低延迟和高带宽的计算和存储服务。MEC通过在网络边缘部署服务器、边缘节点和虚拟化技术，为移动应用和服务提供实时、交互式和响应性的计算环境。它还支持网络功能虚拟化和软件定义网络，使网络资源的分配和管理更灵活和高效。
（4）轮式里程计，是一种用于测量车辆运动距离的传感器或装置，通常安装在车辆的轮胎上。它利用轮胎旋转的原理，通过监测轮胎旋转的次数或角度变化，计算车辆在行驶过程中所覆盖的距离。
（5）惯性测量单元IMU，是Inertial Measurement Unit的英文缩写，是一种集成了多个惯性传感器的装置，用于测量和跟踪物体的加速度、角速度和方向。它常用于导航、姿态估计和运动控制等领域，提供关键的运动信息。
（6）激光雷达LiDAR，是Laser Radar的英文缩写，是以发射激光束并测量其反射回来的时间和特性，从而探测目标的位置、速度等特征量的雷达系统，通常包括激光发射器、接收器、时钟和相关的电子设备。
（7）全球导航卫星系统GNSS，是Global Navigation Satellite System的英文缩写，是由多颗人造卫星组成的空间系统，通过向地面用户提供导航信号来实现全球范围内的定位、导航和授时服务。目前主要有四个国际性的GNSS系统：美国的GPS（GlobalPositioning System）、俄罗斯的GLONASS（Global Navigation Satellite System）、欧盟的Galileo（Galileo Satellite Navigation System）和中国的北斗（BeiDou NavigationSatellite System）。此外，还有一些区域性或增强性的卫星导航系统，如印度的IRNSS（Indian Regional Navigation Satellite System）、日本的QZSS（Quasi-ZenithSatellite System）等。GNSS定位原理是基于测距法（Trilateration），即通过测量卫星信号到达接收机所需的时间来计算接收机与卫星之间的距离（伪距），然后根据卫星已知的位置坐标来确定接收机位置坐标。
基于上述架构，本发明实施例提出了一种基于V2X辅助的车辆高精度定位方法、装置和存储介质，可以克服GNSS失效场景定位误差大的问题，有助于提升车辆行驶过程中定位的准确性和连续性。
如图1、图2、图3所示，一种基于V2X辅助的车辆高精度定位方法，包括以下步骤：
步骤一：根据GNSS接收信号及位移差判断智能网联车的GNSS工作状态是否有效，进而确定智能网联车采用何种定位方式。具体通过以下子步骤实现：
步骤1.1：车辆定位模块获取当前智能网联车的GNSS设备接收到的可用卫星数量ns。
步骤1.2：车辆定位模块计算智能网联车在车辆单位时间T内，轮式里程计测量得到的位移d1与GNSS测量得到的位移d2的差值∆d。
步骤1.3：根据上述数据进行判断，是否满足可用卫星数量不小于最少卫星数阈值，且位移差不大于最大误差阈值的条件；在本实施例中，最少卫星数阈值为4，最大误差阈值为10m，此时需要满足的条件表达式为：。当满足该条件时，判定智能网联车的GNSS工作状态有效，不满足该条件时，判定智能网联车的GNSS工作状态失效。
根据智能网联车的GNSS工作状态，确定其采用何种定位方式。若智能网联车的GNSS工作状态有效，则智能网联车的车辆定位模块继续使用车载GNSS设备进行定位，每次定位结束后重复步骤一，直至停止定位。
若智能网联车的GNSS工作状态失效，智能网联车的车辆定位模块切换至无GNSS状态定位模式，继续进行下一步骤。
步骤二：智能网联车通过V2X模块接收周边RSU的广播信息，根据RSU广播信息中的证书与签名进行RSU身份合法性校验。若RSU身份不合法，智能网联车继续通过V2X模块接收周围RSU的广播信息；若RSU身份合法，智能网联车通过V2X模块向完成身份合法性校验的RSU发送自身感知硬件类型与规格参数。感知硬件类型与规格参数包括：LiDAR型号及参数、车载相机型号及参数、车载毫米波雷达型号及参数中的一种或多种组合。
步骤三：RSU根据接收到的智能网联车感知硬件类型与规格参数信息，向智能网联车广播该类型感知硬件对应的周边区域高精地图的唯一识别编码MAP_ID和下载地址信息，本实施例中，下载地址信息为统一资源标识符URI。
步骤四：智能网联车根据RSU广播的MAP_ID，在本地保存的高精地图列表中进行检索，判断该MAP_ID对应的高精地图是否已经存于本地。若MAP_ID对应的高精地图在本地不存在，则智能网联车通过下载地址信息下载该高精地图，在本实施例中，智能网联车通过统一资源标识符URI下载该高精地图；若MAP_ID对应的高精地图已存在，则无需重新下载，直接调用该高精地图。
步骤五：智能网联车的车辆定位模块通过匹配定位算法，将车载感知设备采集的实时数据与高精地图进行匹配，获得智能网联车当前位置。车载感知设备包括：LiDAR、车载相机、车载毫米波雷达中的一种或多种组合；采集的数据与所选用的车载感知设备对应，分别为：LiDAR点云、图像、毫米波雷达点云中的一种或多种组合。匹配定位算法选自特征点匹配法、基于深度学习的语义特征匹配法中的任意一种，但不仅限于以上两种算法，只要能实现匹配定位功能的算法均可。若匹配不成功，则返回步骤二；若匹配成功，则继续下一步。
步骤六：智能网联车的车辆定位模块通过轮式里程计测量智能网联车的位移信息，通过IMU测量智能网联车的方位信息，在上述步骤五获得的智能网联车当前位置的基础上，通过累计位移信息和方位信息的变化值进行航迹推算，得到当前时刻相对于历史时刻的位姿变化量，进而得到当前时刻智能网联车的定位信息，实现车辆定位信息的实时高频更新。
使用航迹推算更新智能网联车定位信息的原因是：受限于LiDAR、车载相机、车载毫米波雷达的采集频率，使用高精地图匹配进行定位（步骤五）的实时性较低，而IMU和轮式里程计可高频率地提供姿态和运动信息，通过步骤六实现定位信息的高频更新。
如图4所示，完成当前时刻智能网联车的定位后，智能网联车还能通过V2X模块持续接收周边RSU的广播信息，提取其中的实时交通信息，结合上述高精地图和高精度的车辆定位信息，进行实时路径规划，有助于提高智能网联车自主驾驶、导航、车辆调度等应用的准确性和可靠性。
智能网联车具体通过以下方式获得实时交通信息：
首先，路侧感知设备采集原始交通数据，其中，路侧感知设备包括：路侧交通相机、路侧毫米波雷达、路侧激光雷达等用于采集数据的各类路侧传感器设备，而RSU主要用于V2X通信，不具备感知能力，无法采集原始交通数据，两者是完全不同的两类设备。原始交通数据包括：路侧交通相机、路侧毫米波雷达、路侧激光雷达中的任一路侧感知设备采集的原始数据信息。
然后，路侧感知设备将原始交通数据通过网络发送至MEC单元。MEC单元根据接收到的原始交通数据，采用深度学习方法生成周边的实时交通信息E，并将实时交通信息E通过网络发送至RSU。实时交通信息E包括但不限于：道路施工信息、交通事故信息、空余车位信息。
最后，RSU获取MEC单元检测的实时交通信息E，并通过网络对周边的智能网联车进行周期性广播，广播信息中包含实时交通信息E，智能网联车通过V2X模块接收RSU的广播信息，从而提取其中的实时交通信息。
本发明基于V2X技术辅助实现车辆在没有GNSS信号或GNSS信号较弱环境下的高精度定位，确保车辆可以持续获得其可靠且稳定的位置信息，避免定位数据波动导致车辆自动驾驶失效等异常情况的发生。
在基于V2X辅助的车辆高精度定位方法的基础上，本发明还提供了一种基于V2X辅助的车辆高精度定位装置。
如图5所示，本发明实施例提供的一种基于V2X辅助的车辆高精度定位装置，包括存储器和一个或多个处理器，存储器中存储有可执行代码，一个或多个处理器执行可执行代码时，用于实现上述实施例中的基于V2X辅助的车辆高精度定位方法。
本发明一种基于V2X辅助的车辆高精度定位装置可以应用在任意具备数据处理能力的设备上，该任意具备数据处理能力的设备可以为诸如计算机等设备或装置。基于V2X辅助的车辆高精度定位装置可以通过软件实现，也可以通过硬件或者软硬件结合的方式实现。以软件实现为例，作为一个逻辑意义上的装置，是通过其所在任意具备数据处理能力的设备的处理器，将非易失性存储器中对应的计算机程序指令读取到内存中运行形成的。从硬件层面而言，如图5所示，为本发明一种基于V2X辅助的车辆高精度定位装置所在任意具备数据处理能力的设备的一种硬件结构图，除了图5所示的处理器、内存、网络接口、以及非易失性存储器之外，实施例中本发明装置所在的任意具备数据处理能力的设备通常根据该任意具备数据处理能力的设备的实际功能，还可以包括其他硬件，对此不再赘述。
上述装置中各个单元的功能和作用的实现过程具体详见上述方法中对应步骤的实现过程，在此不再赘述。
对于装置实施例而言，由于其基本对应于方法实施例，所以相关之处参见方法实施例的部分说明即可。以上所描述的装置实施例仅仅是示意性的，其中所说明的作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本发明方案的目的。本领域普通技术人员在不付出创造性劳动的情况下，即可以理解并实施。
本发明实施例还提供一种计算机可读存储介质，其上存储有程序，该程序被处理器执行时，实现上述实施例中的基于V2X辅助的车辆高精度定位方法。
计算机可读存储介质可以是前述任一实施例的任意具备数据处理能力的设备的内部存储单元，例如硬盘或内存。计算机可读存储介质也可以是任意具备数据处理能力的设备的外部存储设备，例如所述设备上配备的插接式硬盘、智能存储卡（Smart MediaCard，SMC）、SD卡、闪存卡（Flash Card）等。进一步的，计算机可读存储介质还可以既包括任意具备数据处理能力的设备的内部存储单元也包括外部存储设备。计算机可读存储介质用于存储计算机程序以及任意具备数据处理能力的设备所需的其他程序和数据，还可以用于暂时地存储已经输出或者将要输出的数据。
需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
以上所述仅为本发明的优选实施例而已，使本领域技术人员能够理解或实现本发明并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化，且对这些实施例的多种修改对本领域的技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。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 (10)
1.一种基于V2X辅助的车辆高精度定位方法，其特征在于，包括以下步骤：
S1：根据全球导航卫星系统的接收信号及位移差判断智能网联车的全球导航卫星系统工作状态是否有效；若有效，则继续使用全球导航卫星系统进行定位；若失效，则继续下一步；
S2：所述智能网联车通过V2X模块接收周边路侧单元的广播信息，根据所述路侧单元的广播信息中的证书与签名进行路侧单元身份合法性校验；若所述路侧单元身份不合法，智能网联车继续通过V2X模块接收路侧单元的广播信息；若所述路侧单元身份合法，所述智能网联车通过V2X模块向身份合法的路侧单元发送自身感知硬件类型与规格参数；
S3：所述路侧单元接收感知硬件类型与规格参数信息，向所述智能网联车广播该类型感知硬件对应的周边区域高精地图的唯一识别编码和其下载地址信息；
S4：所述智能网联车接收所述唯一识别编码，并在本地保存的高精地图列表中进行检索，若所述唯一识别编码对应的高精地图已存于本地，则直接调用，若不存在，则通过所述下载地址信息下载该高精地图；
S5：所述智能网联车的车辆定位模块通过匹配定位算法，将车载感知设备采集的实时数据与所述高精地图进行匹配，匹配成功后获得智能网联车当前位置；
S6：所述智能网联车的车辆定位模块通过轮式里程计测量位移信息，通过惯性测量单元测量方位信息，在所述当前位置的基础上，通过累计位移信息和方位信息的变化值进行航迹推算。
2.根据权利要求1所述的基于V2X辅助的车辆高精度定位方法，其特征在于，所述S1具体包括以下子步骤：
S1.1：所述车辆定位模块获取当前智能网联车的全球导航卫星系统设备接收到的可用卫星数量；
S1.2：所述车辆定位模块计算所述智能网联车在单位时间内，轮式里程计测量得到的位移与全球导航卫星系统设备测量得到的位移的差值；
S1.3：判断智能网联车的全球导航卫星系统设备接收到的可用卫星数量，是否满足可用卫星数量不小于最少卫星数阈值，且位移差不大于最大误差阈值的条件；若满足该条件，则判定智能网联车的全球导航卫星系统工作状态有效；若不满足，则判定智能网联车的全球导航卫星系统工作状态失效。
3.根据权利要求2所述的基于V2X辅助的车辆高精度定位方法，其特征在于，所述S1.3中，最少卫星数阈值为4，最大误差阈值为10m。
4.根据权利要求1所述的基于V2X辅助的车辆高精度定位方法，其特征在于，所述S2中，所述感知硬件类型与规格参数包括：车载激光雷达型号及参数、车载相机型号及参数、车载毫米波雷达型号及参数中的一种或多种组合。
5.根据权利要求1所述的基于V2X辅助的车辆高精度定位方法，其特征在于，所述S5中，所述匹配定位算法选自特征点匹配法、基于深度学习的语义特征匹配法中的任意一种。
6.根据权利要求1所述的基于V2X辅助的车辆高精度定位方法，其特征在于，完成智能网联车的定位信息更新后，所述智能网联车通过V2X模块接收周边路侧单元的广播信息，提取其中的实时交通信息，结合所述高精地图和智能网联车的定位信息，进行实时路径规划；
所述实时交通信息通过以下方式获得：路侧感知设备采集原始交通数据，并通过网络将其发送至多接入边缘计算单元；多接入边缘计算单元根据接收到的原始交通数据，采用深度学习方法得到实时交通信息，并将其发送至路侧单元，路侧单元将所述实时交通信息通过网络对智能网联车进行周期性广播，智能网联车通过V2X模块接收路侧单元的广播信息，从而提取其中的实时交通信息。
7.根据权利要求6所述的基于V2X辅助的车辆高精度定位方法，其特征在于，所述原始交通数据包括：路侧交通相机、路侧毫米波雷达、路侧激光雷达中的任一路侧感知设备采集的原始数据信息。
8.根据权利要求6所述的基于V2X辅助的车辆高精度定位方法，其特征在于，所述实时交通信息包括：道路施工信息、交通事故信息、空余车位信息。
9.一种基于V2X辅助的车辆高精度定位装置，其特征在于，包括存储器和一个或多个处理器，所述存储器中存储有可执行代码，所述一个或多个处理器执行所述可执行代码时，用于实现权利要求1~8中任一项所述的基于V2X辅助的车辆高精度定位方法。
10.一种计算机可读存储介质，其特征在于，其上存储有程序，该程序被处理器执行时，实现权利要求1~8中任一项所述的基于V2X辅助的车辆高精度定位方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311208648.3A CN116931005B (zh) | 2023-09-19 | 2023-09-19 | 一种基于v2x辅助的车辆高精度定位方法、装置和存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311208648.3A CN116931005B (zh) | 2023-09-19 | 2023-09-19 | 一种基于v2x辅助的车辆高精度定位方法、装置和存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116931005A true CN116931005A (zh) | 2023-10-24 |
| CN116931005B CN116931005B (zh) | 2023-12-22 |
Family
ID=88384761
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311208648.3A Active CN116931005B (zh) | 2023-09-19 | 2023-09-19 | 一种基于v2x辅助的车辆高精度定位方法、装置和存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116931005B (zh) |
Citations (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20170127258A1 (en) * | 2015-10-30 | 2017-05-04 | Leauto Intelligent Technology (Beijing) Co. Ltd. | Navigating device and vehicle |
| DE102017104477A1 (de) * | 2016-03-04 | 2017-09-07 | GM Global Technology Operations LLC | Progressive pflege von landkarten bei einer mobilen navigationseinheit |
| CN109709593A (zh) * | 2018-12-28 | 2019-05-03 | 国汽(北京)智能网联汽车研究院有限公司 | 基于“云-端”紧耦合的智能网联汽车车载终端平台 |
| CN109714421A (zh) * | 2018-12-28 | 2019-05-03 | 国汽(北京)智能网联汽车研究院有限公司 | 基于车路协同的智能网联汽车运行系统 |
| US20190302275A1 (en) * | 2018-03-30 | 2019-10-03 | Beijing Baidu Netcom Science Technology Co., Ltd. | Vehicle positioning method, apparatus and device |
| CN110806594A (zh) * | 2019-10-12 | 2020-02-18 | 北京航空航天大学 | 一种基于5g通信的车辆间协同导航定位方法 |
| CN113112817A (zh) * | 2021-04-13 | 2021-07-13 | 天津职业技术师范大学(中国职业培训指导教师进修中心) | 一种基于车联网和跟驰行为的隧道车辆定位和预警系统及其方法 |
| AU2021106247A4 (en) * | 2021-08-20 | 2021-11-04 | Beihang University | Vehicle fusion positioning method based on V2X and laser point cloud registration for advanced automatic driving |
| CN114137953A (zh) * | 2021-10-12 | 2022-03-04 | 杭州电子科技大学 | 基于三维激光雷达的电力巡检机器人系统及建图方法 |
| CN114641041A (zh) * | 2022-05-18 | 2022-06-17 | 之江实验室 | 一种面向边缘智能的车联网切片方法及装置 |
| CN115127543A (zh) * | 2022-07-22 | 2022-09-30 | 上海于万科技有限公司 | 一种激光建图优化中异常边剔除方法及系统 |
| CN115775464A (zh) * | 2022-12-02 | 2023-03-10 | 苏州龙卷风云科技有限公司 | 一种基于多源信息收集智能网联车路径规划系统及其方法 |
| CN116412854A (zh) * | 2022-01-05 | 2023-07-11 | 深圳市威宇智通科技有限公司 | 基于5g车联网的路面信息数据采集系统 |
-
2023
- 2023-09-19 CN CN202311208648.3A patent/CN116931005B/zh active Active
Patent Citations (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20170127258A1 (en) * | 2015-10-30 | 2017-05-04 | Leauto Intelligent Technology (Beijing) Co. Ltd. | Navigating device and vehicle |
| DE102017104477A1 (de) * | 2016-03-04 | 2017-09-07 | GM Global Technology Operations LLC | Progressive pflege von landkarten bei einer mobilen navigationseinheit |
| US20190302275A1 (en) * | 2018-03-30 | 2019-10-03 | Beijing Baidu Netcom Science Technology Co., Ltd. | Vehicle positioning method, apparatus and device |
| CN109709593A (zh) * | 2018-12-28 | 2019-05-03 | 国汽(北京)智能网联汽车研究院有限公司 | 基于“云-端”紧耦合的智能网联汽车车载终端平台 |
| CN109714421A (zh) * | 2018-12-28 | 2019-05-03 | 国汽(北京)智能网联汽车研究院有限公司 | 基于车路协同的智能网联汽车运行系统 |
| CN110806594A (zh) * | 2019-10-12 | 2020-02-18 | 北京航空航天大学 | 一种基于5g通信的车辆间协同导航定位方法 |
| CN113112817A (zh) * | 2021-04-13 | 2021-07-13 | 天津职业技术师范大学(中国职业培训指导教师进修中心) | 一种基于车联网和跟驰行为的隧道车辆定位和预警系统及其方法 |
| AU2021106247A4 (en) * | 2021-08-20 | 2021-11-04 | Beihang University | Vehicle fusion positioning method based on V2X and laser point cloud registration for advanced automatic driving |
| CN114137953A (zh) * | 2021-10-12 | 2022-03-04 | 杭州电子科技大学 | 基于三维激光雷达的电力巡检机器人系统及建图方法 |
| CN116412854A (zh) * | 2022-01-05 | 2023-07-11 | 深圳市威宇智通科技有限公司 | 基于5g车联网的路面信息数据采集系统 |
| CN114641041A (zh) * | 2022-05-18 | 2022-06-17 | 之江实验室 | 一种面向边缘智能的车联网切片方法及装置 |
| CN115127543A (zh) * | 2022-07-22 | 2022-09-30 | 上海于万科技有限公司 | 一种激光建图优化中异常边剔除方法及系统 |
| CN115775464A (zh) * | 2022-12-02 | 2023-03-10 | 苏州龙卷风云科技有限公司 | 一种基于多源信息收集智能网联车路径规划系统及其方法 |
Non-Patent Citations (4)
| Title |
|---|
| YANG WANG ET AL.: "Architecture and key terminal technologies of 5G-based internet of vehicles", COMPUTERS AND ELECTRICAL ENGINEERING, vol. 95 * |
| 朱凯男等: "面向智能网联汽车边缘网络的分布式端-边协同算法", 无线电通信技术, vol. 48, no. 1 * |
| 缪立新;王发平;: "V2X车联网关键技术研究及应用综述", 汽车工程学报, no. 01 * |
| 黄袁斌;孙永荣;沈雪松;陈武;: "高精度车载导航定位系统的研究", 交通与计算机, no. 06 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116931005B (zh) | 2023-12-22 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US11092696B2 (en) | Grouping for efficient cooperative positioning calculations | |
| EP3904908A1 (en) | Method and system for map improvement using feedback from positioning based on radar and motion sensors | |
| KR101755944B1 (ko) | Gps, uwb 및 v2x를 접목하여 차량의 위치를 결정하는 자율 주행 방법 및 시스템 | |
| US10955556B2 (en) | Fast GPS recovery using map vector data | |
| KR100532589B1 (ko) | 무선인식/위성측위/관성항법을 결합한 통합 측위 장치 및그 방법 | |
| CN109118794A (zh) | 车辆定位方法、装置和终端设备 | |
| CN110208823B (zh) | 确定用于基于卫星确定车辆位置的数据简档的方法 | |
| US20160370469A1 (en) | On-board unit and spoofing detecting method | |
| CN103543458B (zh) | 用于传感器的功率模式控制 | |
| CN111065042B (zh) | 改善路侧单元位置确定的方法、路侧单元和提供位置信息的系统 | |
| CN111913200B (zh) | 车辆群体差分定位方法、rsu设备、融合感知设备及系统 | |
| US11755032B2 (en) | Method for detecting a road class | |
| KR102395294B1 (ko) | 차량용 항법장치 및 방법, 그리고 항법시스템 | |
| JP6671570B1 (ja) | 位置推定装置および位置推定方法 | |
| JP2024516328A (ja) | 車路協調の位置決め方法、装置、車載位置決めシステム及び路側機器 | |
| CN113063425B (zh) | 车辆定位方法、装置、电子设备及存储介质 | |
| JP2018513370A (ja) | 自動車用アドホックリアルタイムキネマティックロービングネットワーク | |
| Tang et al. | Improving performance of pedestrian positioning by using vehicular communication signals | |
| Schlingelhof et al. | Advanced positioning technologies for co-operative systems | |
| CN108885269A (zh) | 导航方法、导航装置和导航系统 | |
| CN112585425A (zh) | 用于定位车辆的方法 | |
| CN116931005B (zh) | 一种基于v2x辅助的车辆高精度定位方法、装置和存储介质 | |
| JP7123117B2 (ja) | 自車位置信頼度演算装置、自車位置信頼度演算方法、車両制御装置、及び車両制御方法 | |
| Yu | Improved positioning of land vehicle in ITS using digital map and other accessory information | |
| JP6946660B2 (ja) | 測位装置 |
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 |