一种基于地图辅助的自动驾驶视-惯融合定位方法

视觉同步定位与建图(Simultaneous Localization and Mapping, SLAM)方法广泛应用于自动驾驶领域。传统的方法利用车载摄像头表征车辆周围环境，同时估计自身位置，当车辆运动过快时，定位精度和鲁棒性会下降。针对此问题，本文提出一种地图辅助的视-惯融合定位方法。该方法在ORB-SLAM2(Oriented FAST and Rotated BRIEF SLAM2)的基础上拓展地图保存功能，将建图和定位拆分为两个独立模块，车辆首先以较慢的速度构建并保存具有视觉特征的地图，然后，在第2次运行时车载计算机调用预先保存的地图实现精确且稳定的定位性能。由于构建地图阶段采用了图优化算法融合惯性测量单元(Inertial Measurement Unit, IMU)的信息，地图误差得到有效校正。在KITTI数据集场景和实际场景中验证了所提方法的良好性能。实验结果表明，所提方法在4, 8, 16 m·s-1 驾驶速度下的定位精度分别为2.59，2.61，2.73 m，图像失帧率和路径丢失率分别为3.76%和1.38%，3.89%和1.69%，4.27%和1.84%。相比原始的ORB-SLAM2方法，系统定位精度和鲁棒性均得到了提高。     

基于改进UKF的BDS/IMU组合列车定位方法

为提高列车定位的精确性和连续性，采用北斗卫星接收机和惯性测量单元构建车载组合定位系统. 针对多传感器组合定位信息融合估计的非线性和鲁棒性需求，将抗差估计理论的等价权原理应用于标准无迹卡尔曼滤波（unscented Kalman filter，UKF）算法，构造了一种改进的UKF算法，通过对标准UKF算法的噪声协方差进行等价替换，从而起到调节滤波增益的作用，使得滤波算法对传感器观测粗差具有较强的抑制能力. 将改进的UKF算法与标准UKF算法应用于列车组合定位进行仿真比较，结果表明:传感器无观测异常时，改进UKF算法的滤波精度总体上略优于标准UKF算法；当传感器观测值含有随机粗差时，改进UKF算法的滤波精度及稳定性明显优于标准UKF算法，北向、东向位置平均估计误差分别降低了48.5%、48.8%，北向、东向速度平均估计误差分别降低了43.7%、48.9%.      

基于CKF的GNSS/INS列车组合定位鲁棒滤波算法

针对列车组合定位融合估计的非线性以及鲁棒性问题,分析了GNSS/INS列车组合定位的基本原理和系统结构,给出了非线性滤波算法CKF的基本过程,通过将H∞鲁棒滤波思想应用于标准CKF,提出了一种基于CKF的新型鲁棒滤波算法,从滤波器收敛判别及误差H∞范数界鲁棒性判别两方面探讨了滤波器的自主状态监测,并采用青藏铁路实测数据对算法进行了验证。分析结果表明:在该实测数据条件下,所提算法平均估计误差与标准UKF、CKF相比,分别降低了7.13%、4.85%;约束水平从31.5到1315.0时,估计误差均方根增大了8.56%,估计精度变化趋势较平缓,该算法有效。     

基于激光与视觉融合的车辆自主定位与建图算法

定位与建图是车辆未知环境自主驾驶的基础,激光雷达依赖于场景几何特征而视觉图像 易受光线干扰,依靠单一激光点云或视觉图像的定位与建图算法存在一定局限性。本文提出一 种激光与视觉融合SLAM(Simultaneous Localization And Mapping)的车辆自主定位算法,通过融 合互补的激光与视觉各自优势提升定位算法的整体性能。为发挥多源融合优势,本文在算法前 端利用激光点云获取视觉特征的深度信息,将激光-视觉特征以松耦合的方式输入位姿估计模块 提升算法的鲁棒性。针对算法后端位姿和特征点大范围优化过程中计算量过大的问题,提出基 于关键帧和滑动窗口的平衡选取策略,以及基于特征点和位姿的分类优化策略减少计算量。实 验结果表明：本文算法的平均定位相对误差为 0.11 m 和 0.002 rad,平均资源占用率为 22.18% (CPU)和 21.50%(内存),与经典的 A-LOAM(Advanced implementation of LOAM)和 ORB-SLAM2 (Oriented FAST and Rotated BRIEF SLAM2)算法相比在精确性和鲁棒性上均有良好表现。     

基于粒子滤波算法信息融合的磁悬浮列车定位研究

为提高磁悬浮列车的行车安全和效率,采用多传感器信息融合技术对中低速磁悬浮列车进行测速定位,以交叉感应回线测速定位和雷达传感器对进行相对定位,以查询应答器来实现绝对定位。利用粒子滤波算法对中低速磁悬浮列车测速定位的精度和可靠性进行分析,并用MATLAB仿真进行验证,证明该融合结构和融合算法能够提高列车的定位精度。     

多径环境下多终端协作高精度定位算法

为抑制非视距误差对定位精度的影响,提出了一种异构网络环境下利用移动终端间的协作信息提高定位精度的算法.该算法根据测量的TOA(time of arrival)与基于GIS定义的SF(sentinel function)之间的关系,对移动终端与基站间的传播进行非视距识别.仿真分析结果表明,在多径环境下,提出的多终端协作定位算法的定位精度比现有算法大为提高.在协作终端数为8,其中处于视距传播的终端数为5时,提出的算法将定位误差小于90 m的概率从53%提高到98%.     

基于GPS与图像融合的智能车辆高精度定位算法

车辆自定位是实现智能车辆环境感知的核心问题之一.全球定位系统(Global Positioning System,GPS)定位误差通常在10 m左右,不能满足智能车辆的定位需求;惯性导航系统成本较高,不适于智能车辆的推广.本文在视觉地图基础上,提出一种基于GPS与图像融合的智能车辆定位算法.该算法以计算当前位置距离视觉地图中最近一个数据采集点的位姿为目标,首先运用GPS信息进行初定位,在视觉地图中选取若干采集点作为初步候选,其次运用Oriented FAST and Rotated BRIEF(ORB)全局特征进行特征匹配,得到一个候选定位结果,最后通过待检测图像中的局部特征点与候选定位结果中的三维局部特征点建立透视n点模型(Perspective-n-Point,Pn P),得到车辆当前的位姿,并以此对候选定位结果进行修正,得到最终定位结果.实验在长为5 km的路段中进行,并在不同天气及不同智能车辆平台测试.经验证,平均定位精度为11.6 cm,最大定位误差为37 cm,同时对不同天气具有较强鲁棒性.该算法满足了智能车定位需求,且大幅降低了高精度定位成本.     

基于GPRS技术的北斗卫星定位算法研究

随着5G通信系统的发展，卫星定位导航系统中出现了许多新的机遇和挑战。为了消除或减弱北斗定位中各种误差的影响，提出了一种基于GPRS技术的北斗卫星定位算法。该算法根据北斗卫星导航系统原理，获取导航定位数据，提取有用信息，根据误差消除结果，改进北斗卫星定位算法，修正定位误差。实验结果表明，该算法的定位精度和效率能够满足实时动态定位系统的实际需要。     

基于GNSS／DSRC融合的协同车辆定位方法

以全球导航卫星系统（GNSS）定位与专用短程无线通信（DSRC）协同定位的集成信息融合为目标,在DSRC协同定位层面,基于水平精度因子最小化原则,提出了一种邻车节点的优选策略。在GNSS/DSRC融合定位层面,采用分散式融合估计思想,设计了一种松耦合模式下的车辆组合定位方法,基于GNSS、DSRC 并行滤波进行全局估计,利用反馈策略改善了对不同定位条件的适应能力。利用车路协同仿真平台对协同车辆定位方法进行了仿真验证。验证结果表明：邻车节点优选策略显著提升了DSRC定位精度,将其用于GNSS/DSRC融合定位,在常规运行条件下,带反馈机制的分散式估计精度优于单传感器模式与无反馈分散式估计精度;在给定的GNSS 多径干扰条件下,东向、北向位置估计的均方根误差与单GNSS模式相比分别降低了42．6％和37．0％,与集中式融合估计相比分别降低了24．8％和20．3％。协同车辆定位方法的定位性能优于常规定位方案,对GNSS多径干扰条件具有良好的适应能力,具备更优的精确性、可用性及工程应用价值。     

智能汽车两阶段UWB定位算法

为了提高智能汽车行驶的可靠性，以超宽带(UWB)为研究对象，研究了智能汽车两阶段UWB定位算法；分析了智能汽车UWB定位算法的基本原理与误差来源；建立了测距值筛选与加权位置解算两阶段UWB定位算法，在测距值筛选阶段，采用高斯筛选剔除小概率、大干扰事件，在加权位置解算过程中，根据多测距点的位置坐标加权计算得到最终的位置坐标，以有效减小非视距、多径效应所带来的误差，通过使用抗多径天线以有效减小多径效应所带来的误差，并分别建立了静态补偿和运动补偿策略，以有效减小设备晶振偏差等硬件问题造成的误差；在MATLAB/Simulink仿真平台中搭建一定测距方差约束下的UWB随机测距值仿真环境，对算法进行了仿真测试并与三边定位算法、三边质心定位算法进行仿真比较，分析基站数量对定位精度的影响；搭建实物UWB测试系统，对UWB设备定位精度进行了评估与误差补偿，并对两阶段UWB定位算法进行了实车测试。仿真结果表明:东向和北向的定位误差均值最小分别可达0.382 3、0.447 0 m；补偿后的UWB定位轨迹更接近RT3002所示的轨迹，东向和北向轨迹误差的平均值分别为0.049 2、0.017 8 m，均方根误差分别为0.069 8、0.0264 m。可见，提出的智能汽车两阶段UWB定位算法能够满足智能汽车的定位需求，具有高精度、低成本、稳定性好等优点。      

��������С���任��GPS��̬�˲����㷨

针对应用卡尔曼滤波器进行车辆GPS导航信号的动态滤波时难以建立精确的数学模型以及传统小波变换在实时性方面存在不足,提出了基于提升小波变换的GPS动态滤波新算法.该算法采用提升小波变换对车辆GPS导航信号进行分解;用3σ准则和多项式插值方法对各层提升小波变换系数进行粗差探测与数据修复;采用模平方软阈值去噪算法对各层提升小波变换系数进行去噪;最后进行提升小波逆变换,从而实现车辆GPS导航信号的动态滤波。仿真实验结果表明,该算法的导航定位精度优于卡尔曼滤波算法;虽然在导航定位精度方面稍比传统小波变换算法的性能高,但比传统小波变换算法速度快一倍;显然该算法对车辆GPS导航系统是有效的.     

基于半监督极限学习机的隧道内车辆RSSI定位方法

为了提高公路隧道突发事件的判别效率，实现道路交通状态全天候监测，以智能公路上泛在无线传感网络为基础，研究了基于信号强度指示值(RSSI)的网联车辆定位问题；考虑到隧道内车辆的连续运动特性，提出了一种带有局部线性嵌入(LLE)算法的半监督极限学习机(SSELM)实现RSSI指纹定位；离线阶段利用LLE对少量已标记位置的RSSI样本和大量无标记样本进行降维处理，辨识表征目标位置信息的高维数据对应的低维流形，再基于改进的半监督学习拟合降维后的RSSI与位置的映射关系；在线阶段将实时采集的RSSI数据进行流形降维后，输入校准好的SSELM中估计目标位置；采用无迹卡尔曼滤波平滑估计位置。试验结果表明:相比于已有半监督学习算法，提出的方法在不同车辆行驶速度和部署间距下均能取得较优的定位性能；当已标记数据占比(减少了50%~90%)、未标记数据数量(0~1 000个)和检测器部署间距(10~25 m)等关键指标变化后，本文方法的定位性能仍然保持最佳，其平均误差最低为3.09 m；计算复杂度上，当已标记数据为30%，即仅采集96个参考点样本时，其平均定位误差为3.8 m，训练时间低至8.7 s。可见，带有局部线性嵌入算法的半监督极限学习机在稀疏或密集传感器部署环境中，对不同行驶速度的车辆均能提供理想的定位性能，且训练时间短、样本依赖性低，是进行隧道内网联车辆辅助定位的一种有效方法。      

基于车路协同的车辆定位算法研究

为解决道路交叉口车辆由于定位信号缺失或者延迟引起的车辆定位偏差较大的问题,提出了基于车路协同的协同地图匹配算法（cooperative map-matching,CMM）. 首先利用扩展Kalman滤波（extended Kalman filter,EKF）融合GPS与车载航位推算系统（vehicular dead reckoning,DR）信息作为协同地图匹配的预先定位;然后基于短程通讯技术实现车辆信息的交换与共享,在电子地图的基础上,利用道路约束实现车辆进一步定位. 为了验证算法的有效性,搭建了模拟真实场景的仿真环境进行实验. 研究结果表明:采用EKF融合GPS/DR数据的交叉口车辆定位平均偏差为9.09 m,相比GPS 的14.31 m,定位偏差减小30.87%;采用CMM算法的交叉口车辆,当参与CMM车辆数为7时,平均位置偏差为4.5 m,参与CMM车辆数为10辆时,平均位置偏差为2.75 m,相比EKF定位偏差减小69.74%.      

GPS／DR／MM车辆组合导航定位系统研究

为了克服卫星信号盲区GPS定位间断或失效以及航位推算（DR）定位误差随时间积累等缺陷,设计了一种基于嵌入式系统的GPS／DR／MM车辆组合导航定位系统。通过Kalman滤波对多传感器信息进行最优估计,并应用地图匹配（MM）技术,以得到最佳定位信息。系统的各模块任务使用t~C／OS—II嵌入式操作系统统一调度。经测试,该系统能实现车辆的可靠、准确定位,并且能精确地在上位机的导航地图上实时显示出车辆当前的位置和其他状态信息。该组合导航定位技术在智能交通系统（ITS）领域具有较高的应用价值。     

基于DenseNet结构的轨道暗光环境实时增强算法

车载视觉系统是未来城市轨道交通安全运行的重要保障，列车在封闭环境或夜间运行时所处的弱光照环境会严重影响车载视觉系统的检测效果. 为此，提出了一种针对铁路封闭环境或夜间行车环境下低照度图像的实时视觉增强算法. 该算法以密集连接网络（densely connected network，DenseNet）结构为骨干网建立特征尺寸不变网络，提取图像光照、颜色等信息输出光照增强率图，并基于非线性映射函数调整每个像素的光照强度，通过分级结构将低照度输入图像的曝光率由低层到高层不断增强. 建立的深度学习网络模型采用自监督的方式训练网络参数，利用低照度图像自身特征和先验知识构建损失函数，其由曝光损失、色彩恒定损失及光照平滑度损失3个分量组成. 多种场景下的低照度增强实验结果显示:本文算法能够对输入图像曝光值进行自适应，对低曝光以及高曝光区域动态调整曝光率从而改善低照度图像的可视化效果，处理速度能够达到160帧/s，满足实时性处理的要求；通过在低照度增强前后的轨道分割及行人检测算法性能对比实验证明:所提出的算法能够大大提高暗光环境下的视觉检测效果，在RSDS （railroad segmentation dataset）数据集中轨道分割F值提高5%以上，在轨道场景下行人检测误检率及漏检率均有效降低.      

新型车辆导航监控系统研究

将蓝牙通讯技术引进车辆的定位,研究了基于卡尔曼滤波算法的GPS/DR/MM/BB组合车辆导航监控系统;设计了基于DSP的车载导航计算机,实现了USB通讯及大容量数据存储,在导航定位功能基础上实现了"黑匣子"的多种功能.研究实现的原理样机进行了大量的跑车实验,结果表明:所采用的车辆组合导航方法是有效的、可行的,具有很好的应用价值.     

车辆导航系统语音路径引导模块的实现

研究了路径引导模块在车辆导航系统中与其他模块的关系，以及语音路径引导功能的主要优点，设计了一种应用GIS为基础数据平台，结合路径规划模块以及定位模块的算法步骤，给出了行驶指令的生成、规划路径的跟踪与发声条件判断以及声频引导信息的生成三大关键子模块的实现方法。实际使用结果表明，该模块生成的声频引导信息准确及时，达到了设计目的。