-
Die
Erfindung betrifft ein Verfahren zur Positionsbestimmung eines Fahrzeugs
auf einem Wegenetz unter Verwendung von Positions- und/oder Koppelsensoren
und einer digitalen Karte.
-
Aus
folgenden Patentdokumenten
US
6,560,531 B1 ,
US
6,218,980 B1 ,
US
6,615,135 B2 ,
EP
0 762 363 A1 ,
US 4,144,571 und
WO 01/61271 A2 sind verschiedene Verfahren zur Positionsbestimmung
eines Fahrzeugs bekannt. Teilweise erfolgt die Positionsbestimmung
von Flugzeugen, ohne dass sich diese in einem vorgegebenen Wegenetz
bewegen. Teilweise erfolgt die Positionsbestimmung mit Hilfe sogenannter
Map-Matching-Verfahren.
-
Aus "Patent Abstracts
of Japan" zu der
JP 2001-272239 A ist ein Fahrzeugnavigationssystem bekannt, welches
ein so genanntes Map-Matching
durchführt.
Die durch Koppelung mittels verschiedener Sensoren zu erwartende
Fahrzeugposition wird in einem Kalmanfilter mit Positionssignalen
eines GPS-Empfängers
des Navigationssystems verglichen, und das Vergleichsergebnis wird
an den GPS-Empfänger
rückgekoppelt,
um die Präzision
der Ortsbestimmung zu erhöhen.
-
Bei
Map-Matching auf Basis von digitalen Karten wird das Wegenetz normalerweise
in von der aktuellen Position aus fahrbare Pfaden zerlegt. Es wird
dann versucht, durch einen Matching-Schritt das tatsächlich gefahrene
Positionsprofil mit einem der Pfade optimal zur Deckung zu bringen.
Der Erfindung liegt die Erkenntnis zu Grunde, dass es für die Filterung
ungünstig
ist, ein aus Messgrößen von
Positions- und/oder Koppelsensoren resultierendes Profil unmittelbar
mit einem entsprechenden aus so einer digitalen Karte abgeleiteten Profil
zu vergleichen.
-
Dieses
Problem wird durch das Verfahren mit den Merkmalen von Anspruch
1 gelöst.
-
Der
Erfindung liegt die Erkenntnis zugrunde, dass es sinnvoller ist,
anstelle eines 2-D-Matchings einer Positionskette in einer Ebene
(lon/lat), die Messgrößen als
Profilfunktion der Wegstrecke s eines Pfades abzubilden und damit
nur in einer Dimension entlang der Wegstrecke s zu matchen. Diese
Vorgehensweise kann analog sowohl für die Koordinatenwerte (lon
oder lat) als auch für
weitere Messgrößen wie
z.B. Streckenkrümmung
oder Nordwinkel gematcht werden.
-
Als
weiteres wird vorgeschlagen, diese als Funktion der Wegstrecke s
dargestellten Messgrößen – auch Messprofile
genannt – wie
auch Vergleichsverläufe
aus der Karte vor dem Matchingschritt zu filtern.
-
Durch
die Filterung, die z.B. mittels eines Tiefpasses oder durch Berechnung
eines gleitenden Mittels erfolgen kann, werden die aus der digitalen
Karte abgeleiteten Profilgrößen, die
bei einer Wegenetzdarstellung mittels Pfaden normalerweise nicht
stetig differenzierbar sind, zu Funktionen, die mindestens einmal
oder mehrfach stetig differenzierbar sind und damit eine Signalformcharakteristik
ohne diskrete Verläufe
erhalten. Dadurch können
die Profilgrößen leicht
und genau mit den Messgrößen verglichen
werden, vorzugsweise durch Korrelation oder durch rekursive Filterung.
-
Auch
die Messgrößen können vorgefiltert
werden, bevor sie mit den Profilgrößen verglichen werden, um die
Signalformcharakteristiken der gefilterten Größen möglichst gut aneinander anzupassen.
Dabei kann die Vorfilterung mittels Tiefpass oder mittels Berechnung
eines gleitenden Mittels erfolgen oder anderer Filter erfolgen.
Insbesondere werden Filter so gewählt dass Fehler in den Profilgrößen oder
in den Messgrößen aufgrund
von Messfehlern oder Kartendatenmängeln reduziert werden und
eine Angleichen der Signalformen für ein nachfolgendes erfolgreiches
Matching erreicht wird. Durch die Unterschiede in den Messgrößen und
den Profilgrößen werden
regelmäßig unterschiedliche
Filter für
die jeweilige Vorfilterung verwendet.
-
Bevorzugte
Weiterbildungen der Erfindung sind in den Unteransprüchen angegeben.
-
Weitere
Merkmale und Vorteile der Erfindung ergeben sich aus der nachfolgenden
Beschreibung von Ausführungsbeispielen
anhand der Zeichnung. In der Zeichnung zeigen:
-
1 ein
Wegenetz mit drei verschiedenen Pfaden, 2D-Schätzposition und Pfad-bezogener
Streckenkoordinate,
-
2 eine
Folge von Messungen einer Profilgröße (gepunktet) und Profilverlauf
aus digitaler Karte (durchgezogen),
-
3 einen
Zusammenhang zwischen Schätzposition
und erwarteter Messung, sowie eine Positionskorrektur via eingetroffener
Messung und lokaler Profilsteigung,
-
4 die
Verrechnung der Mess- und Schätzfehlervarianzen,
-
5 einen
aus einer Kartendarstellung resultierenden Polygonzug (Pfeil s)
in der x,y-Ebene und einen realen Fahrtverlauf (Linie mit Rundungen),
-
6 Profile
der geometrischen Beschreibungsgrößen x, y, ψ, κ für das Beispiel aus 5 als
Funktion der Wegstrecke (aus geraden Linien zusammengesetzte Kurven:
abgeleitet aus Polygonverläufen
der digitalen Karte; Kurven mit Rundungen: typischer Verlauf aus
realer Fahrt),
-
7 eine
Variante für
den Informationsfluss beim Profil-Matching,
-
8 die
Angleichung der Signalcharakteristika durch ein geeignetes Anpassfilter,
-
9 ein
Beispiel für
ein (Sub-)Optimalfilter, und
-
10 eine
Methode zur Kompensation von GPS-Offsets vor der Korrelation.
-
Die
Positionsbestimmung eines Fahrzeugs auf einem Wegenetz unter Nutzung
von Positionssensorik und digitaler Karte des Wegenetzes erfolgt
in drei Schritten:
- 1. Extraktion einzelner 'linearer' Pfade aus dem Wegenetz
als mögliche 'Kandidaten' für die tatsächlich gefahrene
Trajektorie – diese
Kandidaten müssen
naturgemäß in der
Nähe der
gemessenen Positionen liegen.
- 2. Optimale 'Projektion' der Messungen auf
die einzelnen Fahrweg-Kandidaten, d.h. für jeden möglichen Pfad wird eine auf
ihm liegende beste Schätzposition
bestimmt. Weiterhin wird ein Bewertungsmaß für die Übereinstimmungsgüte zwischen
Messreihe und Geometrie der Pfade ermittelt.
- 3. Berechnung der Wahrscheinlichkeiten für die einzelnen Pfade (und
damit der Positionskandidaten) – dies geschieht
unter Betrachtung der Konkurrenzsituation der betrachteten Alternativen.
-
Für Schritt
1 gibt es entsprechende Kartenzugriffs-Software, und für Schritt
3 sind ebenfalls Lösungen bekannt.
-
Schritt
2, eindimensionales Map-Matching genannt, wird nachfolgend näher beschrieben.
-
Ausgangsbasis
für die
in der Navigation genutzten vorgestellten Map-Matching-Verfahren
ist die Vorstellung, dass die Position des Fahrzeugs irgendwo auf
dem von einer digitalen Karte dargestellten Streckennetz liegt.
Bedingt durch Sensor- und Kartenfehler liegt eine z.B. mit GPS und
Koppelsensorik ermittelte, geographische (2D)-Position, in 1 mit
* gekennzeichnet, nicht genau auf diesem Netz. Vielmehr muss durch den
als Map-Matching bezeichneten Verfahrensschritt erst die Zuordnung
Messposition – Kartenposition
ermittelt werden. Anstelle einer Beschreibung der Fahrzeugposition
in der Ebene wird bei dem hier dargestellten Verfahren von der Vorstellung
ausgegangen, dass sich das Fahrzeug linear entlang dem Verlauf eines
eindimensionalen Fahrweges (des Netzes) bewegt. Die Position auf
dem Fahrweg bzw. Pfad kann dann mit der Wegkoordinate s eindeutig
beschrieben werden. Dabei wird die mögliche Mehrdeutigkeit der Zuordnung
auf verschiedene Pfade zunächst
außer
Acht gelassen und der korrekte Pfad (in 1 Pfad Nr.
1) als bekannt angenommen.
-
Das
Matchingproblem für
einen bestimmten Pfad reduziert sich damit auf die Frage, bei welcher
Streckenkoordinate s (entlang des Pfades) die Position am wahrscheinlichsten
anzunehmen ist (Schätzposition
s), gegeben eine vorangegangene Sequenz von Messungen über Positionen,
Geschwindigkeiten, Drehraten usw..
-
Andere
bekannte Methoden des Map-Matching bilden eine Folge von 2D-Positionsmessungen
auf einen kartierten Fahrweg im Sinne einer verallgemeinerten Projektion
ab (üblicherweise unter
Nutzung von Verfahren der kleinsten Quadrate), dabei werden weitere
Größen wie
die Übereinstimmung
des Richtungswinkels, der Streckenkrümmung kaum genutzt.
-
Im
vorliegend beschriebenen Verfahren werden alle relevanten Messgrößen, also
neben den Koordinaten geografische Länge und Breite auch der Streckenwinkel
und die Krümmung
einheitlich als Profilfunktionen der Streckenkoordinaten s angeschrieben
und in dem Verfahren parallel in identischer Weise genutzt.
-
Der
Ansatz, mehrere Messgrößen als
parallele 'Informationskanäle' im Matching zu nutzen,
hat den Vorteil, dass sich Fehler in einzelnen Kanälen weniger
stark auswirken, andererseits kann bei Ausfall von einzelnen Messkanälen das
Matching auf Basis der Verbleibenden weitergeführt werden. Dies ist insbesondere interessant
für einen
temporären
Ausfall der GPS-Messungen
z.B. auf Grund von Abschattungen. Das 1D-Matching wird dann allein
auf Basis des Krümmungsprofils
der Strecke fortgeführt.
-
Die
Grundzüge
des Profilvergleichsverfahrens werden im folgenden Abschnitt anhand
eines einfachen Beispiels zunächst
für einen 'Messkanal' veranschaulicht – siehe
hierzu 2.
-
Gegeben
sei ein Streckenverlauf, mit dessen Streckenkoordinate s eine physikalische
Größe eindeutig
verknüpft
ist (als Beispiel hier der Richtungswinkel ψ).
-
Ein
Fahrzeug, das sich entlang dieser Route bewegt und dabei permanent
seinen Kurswinkel ermittelt, könnte
durch Vergleich des gemessenen mit einem kartierten (Kurswinkel)-Profil
seine Position bestimmen. Dazu müsste
das gefahrene Profil entlang dem (in einem Rechner abgespeicherten)
Profil 'verschoben' werden.
-
Für eine bestimmte
Verschiebung Δs*
wird die (schraffiert dargestellte) Differenz F(Δs) zwischen Mess- und Referenzprofil
minimal.
-
Wenn
von Mehrdeutigkeitsproblemen, Messfehlern usw. zunächst abgesehen
wird, ist damit die tatsächliche
Längsposition
s eindeutig bestimmbar (Wegverschiebung Δs* in 2).
-
Üblicherweise
werden für
derartige Aufgabenstellungen Korrelationsverfahren eingesetzt, bei
denen der Profilfehler (bzw. die daraus abgeleitete Kreuz-Korrelationsfunktion)
für jede
in Frage kommende Verschiebung Δs
berechnet werden muss. Wegen dieses Umstandes ist die direkte Berechnung
der Korrelationsfunktion recht aufwändig, insbesondere wenn die
Messungen entlang der Fahrstrecke s nicht äquidistant anfallen, wie im
vorliegenden Fall.
-
Nun
kann anhand 2 leicht erkannt werden, dass
der kumulierte Profilfehler, bzw. die Korrelationsfunktion einer
aus k Messungen gebildeten Messreihe (Fläche zwischen den beiden Kurven)
nicht komplett neu berechnet werden muss, wenn eine neue Messung
zum Zeitpunkt tk+1 hinzutritt (rautenförmiger Abschnitt zwischen
den Kurven + Abweichung). Als eine erste Möglichkeit der Vereinfachung
des Korrelationsverfahrens kann die Fehlerfunktion F(Δs) bzw. die
daraus abgeleitete Kreuzkorrelationsfunktion R(Δs) rekursiv formuliert werden: Rk+1(Δs) = Rk(Δs)
+ rk+1(Δs), (1)d.h. die
Kreuzkorrelierte zum Zeitpunkt tk+1 berechnet
sich als Summe der Kreuzkorrelierten Rk des
vorhergehenden Messzeitpunkts (enthält die Information aus der
gesamten Mess-Historie bis tk), ergänzt um einen
Anteil rk+1, der allein aus der neuen Messung
ermittelt wird. Die gesuchte, optimale Verschiebung Δs*k+1 ergibt sich wieder beim Minimum der Fehlerfunktion
Fk+1 bzw. beim Maximum der Kreuzkorrelationsfunktion
Rk+1 in Bezug auf Δs. Sowohl R als auch r sind
dabei allerdings als (numerische) Funktion der Variablen Δs anzuschreiben und
als solche in der Handhabung etwas 'sperrig'. Zusätzlich ergibt sich die Notwendigkeit,
die Information aus weiter zurückliegenden
Messungen durch geeignete Gewichtungsmechanismen allmählich aus
der fortgeschriebenen Funktion wieder auszublenden, um die Ortsschätzung nicht übermäßig auf
veraltete Informationen abzustützen.
-
Mit
dem hier beschriebenen Verfahren wird nun zur weiteren Vereinfachung
vorgeschlagen, als Information über
die bisherige Messreihe nur die resultierende Ortsschätzung s
und als Güteparameter
deren erwartete Standardabweichung σs fortzuschreiben.
-
Gegenüber dem
vollständigen
Korrelationsverfahren besteht der Unterschied dieses reduzierten
Verfahrens darin, dass nicht die gesamte Korrelationsfunktion R(Δs), sondern
nur die Lage (s^) und lokale
Gestalt (σs) ihres Maximums fortgeschrieben wird, denn
letztlich wird nur diese Information bei der Bestimmung der Längsposition
s weiterverwendet. Dabei wird von der Annahme ausgegangen, dass
das Verfahren in der lokalen Umgebung des Maximums verbleibt, d.h.
seinen Veränderungen
von Messung zu Messung folgt. Diese Annahme ist bei ausreichender
Versorgung mit Messdaten sicher erfüllt – bei längerem Ausbleiben von Messinformation
sind beide Verfahren (Korrelation und reduziertes Verfahren) gleichermaßen auf
die reine Fortschreibung auf Basis einer Wegmessung (z.B. Odometer)
angewiesen.
-
Die
Wirkungsweise des reduzierten Verfahrens und die Bedeutung der fortgeschriebenen
Parameter wird anhand von 3 nochmals
verdeutlicht.
-
Die
bisherige Messreihe (bis Zeitpunkt t
k) sei
zu einer Positionserwartung
s^ k+1 für
den Zeitpunkt t
k+1 verrechnet worden. Aus
dem kartierten Profil wird dann bei dieser Position die zu erwartende
Messung ψ
1 k+1 abgelesen. Trifft
nun die Messung bei einem anderen Wert ψ
k+1 ein,
kann mit der Differenz zwischen eingetroffener und erwarteter Messung
sowie der lokalen Profilsteigung eine Korrektur Δs für die Position errechnet werden
(punktierte Hilfslinien in
3) – im Extremfall
bringt diese Korrektur die Positionsschätzung an den Ort, wo das kartierte
Profil genau der Messung entspricht. Wie an
3 leicht
erkannt werden kann, ist dies in erster Näherung erfüllt, wenn Δs berechnet wird nach
-
Es
handelt sich deshalb um einen 'Extremfall', weil der Schätzwert
s^ k+1 komplett
auf die der neuen Messung entsprechenden Position korrigiert wird.
Dies ist aber nur dann sinnvoll, wenn sowohl das Kartenprofil als
auch die Messung selbst fehlerfrei sind. Wenn mit Fehlern gerechnet
werden muss, empfiehlt es sich, den neuen Schätzwert als Vermittlung zwischen
dem bisherigen Schätzwert
und der neuen Messung nach folgender Vorschrift zu bestimmen:
-
Der
Parameter α bestimmt
hierbei, in welchem Umfang die neue Messung im Verhältnis zur
fortgeschriebenen 'Alt'-Information genutzt
wird. Wesentliche Eigenschaft eines Kalmanfilters ist es nun, diesen
Faktor im Verlauf des Verfahrens den aktuell gegebenen Fehlercharakteristika
optimal anzupassen.
-
4 macht
deutlich, wie die Bewertung der zwei verschiedenen Informationen
aufgrund ihrer Fehlercharakteristika zustande kommt:
Das Filter
habe aus den bisherigen Informationen Schätzposition s und deren Fehlervarianz σ
2 s bestimmt. Die Messung habe die dargestellte
Fehlervarianz σ
2 ψ, in der auch Fehler
des ψ-Profils subsumiert
sind, denn die Auswirkungen eines Fehlers in ψ(s) sind identisch zu der eines
Fehlers bei der ψ-Messung.
Entsprechend dem stochastischen Kalkül des Kalmanfilters wird der
Korrekturfaktor von Gleichung (3) in diesem skalaren Beispiel wie
folgt bestimmt:
-
Der
mit Gleichung (4) berechnete Faktor α/c entspricht der Filterkorrekturmatrix
K der Kalmanfilter-Herleitung für
den vektoriellen Fall, wie man durch Vergleich leicht feststellen
kann. Der oben abgeleitete Parameter α macht die Filtereigenschaften
anschaulich deutlich:
Ist die Güte des bisherigen Schätzwerts
hoch im Verhältnis
zur Messung (d.h. kleines σs, großes σψ),
dann wird α sehr
klein – der
Information aus der Messung wird weniger vertraut als der fortgeschriebenen
Alt-Information.
-
Sind
die Verhältnisse
umgekehrt, wird α nahe
bei 1 liegen – der
neue Schätzwert
wird fast ausschließlich
aus der Messinformation gebildet.
-
Die
Profilsteigung c = dψ/ds
bestimmt, wie sich ein Messfehler auf einen Fehler in der Positionsschätzung transformiert – bei einer
kleinen Steigung sind auch verhältnismäßig gute
Messungen weniger wert, da sich der Fehler in Bezug s auf stark
vergrößert.
-
Das
Matching-Verfahren zur rekursiven Schätzung der Längsposition s^ lässt
sich dann z.B. mittels eines Kalmanfilters auf Basis nichtlinearer,
aus einer digitalen Karte extrahierbarer Profilgrößen realisieren.
-
Entsprechend
lässt sich
auch der einkanalige Fall, d.h. der Nutzung nur einer Verlaufsgröße für den Profilvergleich,
ganz analog auf mehre Kanäle
bzw. Verlaufsgrößen erweitern.
In dem entsprechenden Kalman-Filterentwurf bedeutet dies lediglich
die Hinzunahme weiterer Messgrößen.
-
Es
folgt eine Beschreibung der Messgrößenfilterung und Darstellung
als Funktion der Wegkoordinate.
-
Digitale
Karten bilden den Verlauf einer realen Straße in einer Knoten-Kanten-Topologie
(Netz) ab. Die Digitalisierungspunkte sind durch Geradenstücke verbunden.
Dieser polygonzugartige Verlauf stellt das geometrische Abbild der
Straße
dar. 5 zeigt einen solchen Kartenausschnitt in der
typischen Polygonrepräsentation.
-
Mit
der Vorstellung, dass ein Fahrzeug sich in der Regel auf der Straße aufhält, kommt
man zu der idealisierten Modellvorstellung, es bewege sich exakt
auf dem Polygonzug im eindimensionalen Straßenmodell. Die hierbei vernachlässigte Querabweichung
des Fahrzeugs von der Straßenachse
wirkt sich wie ein geringfügiger
zusätzlicher
Offset aus und kann modellseitig wie der GPS-Offsetfehler (Δx, Δy) behandelt
werden.
-
Der
hier verfolgte Ansatz ist nun, die mittels der Sensorik erfassten
Messwerte als Funktionen des gefahrenen Weges in Form von Profilen
anzuschreiben und mit den aus dem Straßenmodell (Karte) zu erwartenden
Werten zu vergleichen. Die Messabweichungen werden dann im Kalmanfilter
zu einer Schätzung
für die wahre
Position s entlang des Polygonzugs verrechnet.
-
Für den Profilvergleich
können
parallel verschiedene Messgrößen genutzt
werden, z.B. die folgenden vier Größen:
- 1.
Die x-Koordinate (z.B. entsprechend der GPS-Messung der geografischen
Länge)
- 2. Die y-Koordinate (z.B. entsprechend der GPS-Messung der geografischen
Breite)
- 3. Der Richtungswinkel ψ des
Fahrzeugs (z.B. entsprechend der GPS-Messung des Kurswinkels)
- 4. Die lokale Streckenkrümmung κ (aus der
z.B. via Gyro gemessenen Gierrate ω, verrechnet mit der Fahrzeuggeschwindigkeit
v)
-
An
einem einfachen Beispiel-Polygonzug in 5 wird nun
die Erstellung der Profilgrößen aus
der digitalen Karte erläutert.
-
Von
einem Fahrzeug, das sich an der Stelle s0 befinde
und sich in Richtung der Kante fortbewegt, kann erwartet werden,
dass es in etwa als Winkellage die Orientierung der Straße aufweist.
In dem dargestellten eindimensionalen Koordinatensystem bezüglich des
Weges s lassen sich dann alle vier Profilgrößen als Funktionen des entlang
dem Polygonzug abgetragenen Weges s modellieren. 6 veranschaulicht
die Transformation der Größen x, y, ψ, κ in die wegbezogene
Darstellung.
-
Der
Richtungswinkel des kartierten Verlaufs ändert sich sprunghaft an den
Stützpunkten
des Polygonzugs. Das Profil ψ(s)
ergibt sich daher als Treppenfunktion, deren Sprünge die Winkeländerungen
reproduzieren.
-
Die
Krümmung
ist die Differentiation des Winkelprofils nach dem Weg s. Somit
ergibt sich ein Profil diracscher Delta-Funktionen. Winkel- und Krümmungsprofil
sind nicht stetig differenzierbar und besitzen damit für das Filter
unangenehme Eigenschaften.
-
Dies
wird dadurch abgemildert, dass die diskreten Verläufe aus
der digitalen Karte durch eine Vorfilterung geglättet werden, so dass Verläufe entstehen,
die eher den real gefahrenen Profilen (Kurven mit Rundungen in 6)
der Messkanäle
entsprechen.
-
Im
allgemeinen Fall können
Vorfilter in beide Signalwege (der gemessenen Profile und der Kartenprofile)
integriert werden, wenn damit am Ausgang vergleichbare Signalverläufe erzielt
werden. Vorfilter in beiden Signalwegen sind in 7 als
Blöcke
fi bzw. gi dargestellt.
-
Die
jeweiligen gemessenen Profile mi(s) werden
dann in einem Korrelator mit den aus der Karte abgeleiteten Profilen
ki(s) verglichen und so verschoben, dass
eine Längsposition s^ gefunden wird, bei der
alle Profilvergleiche die beste Übereinstimmung
erbringen.
-
Wichtig
für die
Korrektheit der (ggf. integrierten) Vorfilterung ist, dass die in
der Korrelation verwendeten Größen aus
Karte und Messung vergleichbare Eigenschaften besitzen. So wird
man versuchen, den typisch stufenförmigen Profilverlauf der digitalen
Karte (siehe 6) mit einem geeigneten Filter so
zu transformieren, dass er zu den eher verschliffenen Signalformen
eines real gefahrenen Profils kompatibel ist, wie in 8 veranschaulicht.
-
Im
Beispiel von 8 ist dargestellt, dass zur
Angleichung des stufenförmigen
Winkelprofils aus der digitalen Karte an das kontinuierliche Profil
eines bei Fahrt auf der entsprechenden Strecke gemessenen Verlaufs
ein Anpassfilter z.B. mit der Charakteristik eines Tiefpasses, gleitenden
Mittels o.ä.
erforderlich wäre.
Optional können
beide Verläufe
noch durch weitere, für
beide Kanäle
identische Filter aufbereitet werden, die für die Korrelation wesentliche
Signalanteile gegenüber
erwartbaren Störsignalen
(z.B. Rauschen, konstante Offsets ...) hervorheben. Diese Filter
sind in 8 als Selektivfilter in beide
Signalwege eingefügt.
-
Der
anschließende
Vergleich der Profile kann entweder durch eine Korrelation oder
durch ein rekursives Filterverfahren, wie weiter oben beschrieben,
durchgeführt
werden. Als rekursives Filter kann beispielsweise ein nichtlineares
Optimalfilter (wie z.B. das Extended Kalmanfilter) genutzt werden.
In diesem Fall muss keine algorithmische Trennung zwischen Vorfilterung
und Korrelation erfolgen – beide
Aufgaben können
im Schätzfilter
integriert werden, wie in 9 veranschaulicht.
-
Der
Profilkorrelator sucht dann diejenige Längsposition s^, bei der die während der Fahrt gemessenen Profile
mit den aus der Karte abgeleiteten am Besten übereinstimmen.
-
Neben
der in erster Linie interessierenden Schätzung für die Längspositions können in
diesem Filter auch weitere Schätzgrößen (wie
z. B. vorzugsweise der aktuelle Positionsversatz oder Offset-Fehler
der GPS-Messung) bei diesem Vergleich ermittelt werden.
-
Dazu
werden die geschätzten
Offsets x^ 0, y^ 0 der GPS-Messung
in beiden Koordinaten zweckmäßigerweise
vor dem Profilvergleich auf die GPS-Messwerte angebracht, so dass
die GPS-Verfälschung
weit gehend kompensiert wird.
-
Eine
Schätzung
des GPS-Offsets in den Koordinaten x bzw. y kann z.B. dadurch erfolgen,
dass die Differenzen zwischen den gemessenen GPS-Werten x, y und
den am Ort s^ aus der Karte
ermittelten Koordinatenwerten x(s^),
y(s^) gebildet werden und über eine
längere
Zeit gemittelt bzw. Tiefpass-gefiltert werden.
-
Da
der Profilkorrelator diesen Vergleich mit neu eintreffenden Messwerten
laufend neu durchführt, kann
bei der Ermittlung der geschätzten
Längsposition s^ jeweils der zuletzt ermittelten
Schätzwert
genutzt werden, der zweckmäßigerweise
um den inzwischen gefahrenen Weg korrigiert wird. Hierzu können Messungen
der Radsensorik und/oder die Geschwindigkeitsmessungen des GPS genutzt
werden (zusätzliche
Eingangsgröße in den
Korrelator in 10).
-
Das
Verfahren zur Positionsbestimmung eines Fahrzeugs wird nachfolgend
zusammengefasst beschrieben.
-
Die
im vorhergehenden Abschnitt eingeführten Profilgrößen eines
Straßenverlaufs
lassen sich in zwei Gruppen einteilen:
- – von der
Sensorik erfasste Messwerte mi(s)
- – die
entsprechenden, aus dem Straßenmodell
(Karte)abgeleiteten Profilgrößen ki(s)
-
Diese
Profilgrößen werden
als Funktion des Fahrweges s angeschrieben. Die Profilgrößen können jeweils
mit einer geeigneten Vorfilterung fi bzw.
gi vorverarbeitet werden, so dass
- – beide
Profile miteinander kompatibel sind, d.h. im Idealfall bis auf eine
Verschiebung miteinander übereinstimmen
(Filterkomponente, die in f und g unterschiedlich ist)
- – ggf.
durch ein zusätzliches
Selektivfilter Nutzsignalanteile gegenüber Störsignalen betont werden, um
den nachfolgenden Korrelationsschritt zu begünstigen (Filterkomponente,
die in fi bzw. gi in
gleicher Weise enthalten ist).
-
Der
nachgeschaltete Profil-Korrelator (siehe 7 bzw. 9)
ermittelt, bei welcher Schätzposition s^ die gemessenen Profile
am Besten mit den Kartenprofilen übereinstimmen. Dabei können Kenngrößen über die
aktuelle Signalqualität
der Schätz- und Messgrößen genutzt
werden, um eine optimale Gewichtung der verschiedenen Messkanäle beim
Profilvergleich zu gewährleisten.
-
Diese
Vergleichs- und Verschiebeoperation wird mit laufendem Eintreffen
von Messungen jeweils erneut durchgeführt. In einer rekursiven Formulierung
des Profilvergleichs wird dabei üblicherweise
die Schätzposition s^ aus dem vorangegangenen
Schritt zunächst
um den inzwischen zurückgelegten
Weg Δs (z.B.
aus der Radsensorik ableitbar) hochgerechnet und dann um einen Wert
nachkorrigiert, der aus dem neuen Profilvergleich bestimmt wird.
Welches Gewicht dabei dem hochgerechneten Wert im Verhältnis zu
der Information aus dem Profilvergleich gegeben wird, kann wiederum
aus Kenngrößen der
Signalqualität
abgeleitet werden, wie dies z.B. in einem Extended Kalmanfilter
implizit erfolgt.
