考虑定位信息不确定性的多车协同定位算法

针对车载全球定位系统(global positioning system)存在的定位精度较差、定位可靠性较低等问题,提出了一种车车通信环境下考虑定位信息不确定性的多车协同定位算法.该算法在所研究车辆均装有车载GPS和前置距离传感器的基础上,以定位信息不确定性为依据进行协同定位.对自适应卡尔曼滤波进行改进以确定车辆定位信息的不确定度,搭建车间相对位置模型求解2车相对位置关系,最后设计联邦卡尔曼滤波算法利用多车数据进行融合以实现定位效果的优化.通过数值仿真表明这一算法与自车组合导航相比有效提升了GPS定位精度和可靠性,两者分别平均提升了35.2%和42.6%,且在车联网渗透率较高以及GPS信号较差时,定位效果提升更为明显.      

基于模糊逻辑的导航定位数据校正算法

为了提高GPS/DR组合定位系统的定位精度,通常采用地图匹配算法来修正定位误差.文中采用了一种基于模糊逻辑的导航定位数据校正算法,对经联合卡尔曼滤波输出的GPS/DR的定位数据进行校正.通过Matlab仿真实验,结果表明,该算法能有效地减小误差,提高组合定位系统的定位精度,改善其对航线跟踪的质量.     

北斗卫星与车载传感器融合的车辆定位

为了改善北斗卫星定位性能,基于卡尔曼滤波设计了北斗卫星与车载传感器的数据融合算法。算法包括车辆方向融合和车辆位置融合两部分,前者融合电子罗盘和陀螺测量得到的北向角及其变化率,估算北向角的真实值;后者首先同步车速矢量与北斗卫星测量得到的车辆位置矢量,再根据融合结果估算车辆定位信息。为了验证数据融合算法,设计了北斗卫星与车辆状态信息采集系统,利用本系统采集的实车数据进行的仿真计算表明,算法能够提高定位频率、减小定位误差,提高北斗卫星定位的性能。     

卫星拒止环境下危险货物运输车辆融合定位方法

为实现卫星拒止环境下危险货物运输车辆的准确可靠定位,建立一种RFID/车载低成本传感器融合定位方法.以RFID输出的信号强度信息作为信息源,采用最小二乘支持向量机方法准确估计读写器与标签之间距离,并具备不同工作环境下的高泛化能力;引入车载传感器信息,建立改进车辆运动状态模型以准确描述车辆运行状态,设计一种自适应分散化信息滤波方法实现无线射频与车载传感器信息的融合定位.为有效隔离RFID失效信息,并实现异源异步信息融合,采用分散化架构而非传统集中式滤波实现融合,同时,在滤波器中提出并融入自适应规则判断RFID信息的有效性以决定是否隔离故障信息,从而提升融合算法的准确性和鲁棒性.实车试验结果表明,融合定位精度达到了无遮挡环境下GPS的定位精度,相比于无线射频定位提升了58%,相比于航位推算提升了68%,相比于传统卡尔曼滤波融合提升了65%.特别是在存在标签失效情形下,性能的提升更为显著.      

基于无迹卡尔曼滤波的定位融合与校验算法研究

针对传感器定位精度受环境影响较大及其对自动驾驶车辆行驶安全影响较大的问题,提出一种定位融合及校验算法.通过建立短时短距航迹推算模型进行定位预测,使用无迹卡尔曼滤波实现预测定位结果与实际定位结果的非线性融合,从而提高定位精度.通过定位校验算法,判断实际定位数据是否发生偏移,并研究主动避险控制算法使车辆能够保持定位失效前的...     

改进联合滤波在GPS/DR组合定位中的应用

根据低成本车辆GPS/DR组合定位系统传感器精度低和计算能力弱的特点,提出一种改进联合卡尔曼滤波(FKF)算法,并简化主滤波器信息融合算法,稍微降低融合精度,提高计算效率。试验结果表明,提出的改进联合滤波算法具有融合精度高、容错性好、计算量小、便于工程实现等优点。     

基于传感器融合的车辆全球定位

采用2个光学编码器作为当地传感器,1个GPS接收器作为全球传感器,GPS接收器和编码器组合成1对互补的传感器对来进行高精度的定位.传感器融合软件由2部分组成:基于车辆运动学的动态模型,用于结合GPS接收器和光学编码器;另一部分是用来整合传感器数据的随时间变化的卡尔曼滤波器.仿真和实验结果表明:提出的定位系统效果很好,可实时精确地预测车辆位置和方位角,GPS信号中混杂的噪声可消除80%.     

基于GRI的多车协同定位研究

为提高自动驾驶技术中的车辆定位精度,提出了一种基于GRI的多车协同定位方法。采用该方法时,一辆车依据GPS定位信息对本车位置进行估计,再通过车车通信接收周围车辆发来的根据其GPS测定的位置及其与该车相对位置而估计的该车位置。将这些位置信息进行融合,通过一定的修正,估算出该辆车更为精确的位置。最后应用MATLAB对所提出方法进行仿真,以模拟多车直行跟随和换道行驶场景。结果表明,该方法合理、可行,能有效提高车辆的定位精度,具有广阔的工程应用前景。     

基于GPS的移动对象定位追踪器设计

设计一款多功能的GPS移动对象定位追踪器,以MCS-51单片机为处理器,融合GSM无线通信技术,对有效数据进行相应的处理与追踪显示,系统设计简单实用、安装方便,可广泛应用于移动对象的定位追踪。     

基于RNN的智能网联汽车高精度定位方法

针对智能网联汽车行驶过程中GPS信号丢失引起定位失效的问题,提出基于RNN的高精度定位方法。采用数据驱动建模方法建立汽车行驶过程中基于RNN的定位模型,利用GPS、INS 和RTK等技术,设计了高精度定位数据采集系统。对基于BP 和RNN的定位模型性能进行比较,同时分析了基于RNN的定位模型在不同GPS信号失效时长下模型的定位精度。试验表明,基于RNN的高精度定位模型性能更佳,当GPS 信号失效时长30 s 时,其98% 定位精度误差小于40 cm。     

基于GRI的多车协同定位研究EI北大核心CSCD

为提高自动驾驶技术中的车辆定位精度,提出了一种基于GRI的多车协同定位方法。采用该方法时,一辆车依据GPS定位信息对本车位置进行估计,再通过车车通信接收周围车辆发来的根据其GPS测定的位置及其与该车相对位置而估计的该车位置。将这些位置信息进行融合,通过一定的修正,估算出该辆车更为精确的位置。最后应用MATLAB对所提出方法进行仿真,以模拟多车直行跟随和换道行驶场景。结果表明,该方法合理、可行,能有效提高车辆的定位精度,具有广阔的工程应用前景。     

车载导航系统陀螺的自适应校正方法

分析了低成本压电振动陀螺误差及其影响因素,在实验的基础上得出采用温度补偿陀螺误差的可行性。建立了联合卡尔曼滤波方程融合GPS和INS信息,估计定位信息和陀螺误差。提出车载GPS/INS组合导航系统中陀螺零漂误差和标度因子误差的校正过程启动条件,当条件满足时,以估计的陀螺误差为输入,采用温度误差校正表学习算法对陀螺误差模型进行训练。用道路实验数据对提出的陀螺校正算法进行验证,结果表明该算法精度高、收敛快、可操作性好。     

基于多传感信息融合的智能车辆定位方法

针对高精度定位系统中地图的重要性问题,将定位问题分为无地图定位与基于地图定位,分别对智能车辆的定位问题进行探索.对研究的智能车辆、传感器及其定位问题进行建模分析,再对该平台实施传感器校准以减小系统误差.对于无地图定位问题,利用扩展卡尔曼滤波算法将里程计与惯性测量单元(IMU)数据相融合,通过试验证明航迹推测法存在累计误...     

藏在自行车内的卫星跟踪器 自行车“车载”GPS定位跟踪器

正GPS卫星定位跟踪器在汽车、摩托车中应用相当普及。利用GPS定位卫星,在全球范围内实时进行定位与导航,同时GPS可以提供车辆定位、防盗、反劫、行驶路线监控及呼叫指挥等功能。在现代电子科技飞速发展的今天,自行车骑行也完全具备了全球定位的实用性功能。既实现了GSM和GPS网络全天候监控车辆位置,又可以     

多方式无线定位技术在高速公路事件检测中的应用研究

分析了无线定位技术中的手机定位、传统车载GPS定位以及GPS与GSM双向定位的技术模式,在此基础上提出了一种基于多方式无线定位的交通事件检测系统,该系统主要由报警设备(手机、车载终端)、GSM公众网和后端交通管理中心3部分组成;给出了系统的检测模式、目标人群和系统组织体系;并从检测率、误警率和平均检测时间3个方面对检测性能进行分析,提出了几项提高系统检测性能的方案.     

基于因子图的自动驾驶融合定位研究

在自动驾驶系统的即时定位及地图构建问题中，当行车路况复杂多变时，如何对车辆位姿进行准确实时估计是一个关键问题。就该问题提出基于因子图的多传感器融合方法，在Matlab 软件环境中实现车辆的准确实时定位。根据实际驾驶过程的特性选择试验采用的数据类型并建立相应的数学模型，分别根据GPS 及IMU 数据特征以及VO 和IMU的数据特征建立相应的融合因子图模型，基于KITTI 数据集，对所建立的融合因子图模型进行试验验证。结果表明，通过融合因子图模型可以准确地估计车辆当前时刻的位姿。     

在DRGS中GPS/DR组合定位系统的研究

提出一种新的带有神经网络的GPS/DR组合数据融合算法以求在动态路径诱导中获得实时定位数据.数据融合算法采用的是具有单隐层的3层神经网络,并给出了里程仪、速率陀螺和DR系统的数学模型以及里程仪的标定因子的修正模型.它能有效克服因丢失卫星信号而造成定位精度下降的现象.     

基于出租车GPS定位技术的ITS共用信息平台实时路况信息采集及处理方法

以广州市ITS共用信息平台的建设为背景,提出基于出租车GPS定位技术的ITS共用信息平台实时路况信息采集及处理方法。针对ITS共用信息平台信息采集范围大、准确性和实时性要求高的需求特点,具体研究队列方式的道路拓扑存储方法,利用出租车计费器进行奇异数据剔除的方法,分区搜索和边界矩形相结合的GPS地图匹配方法和循环队列与A*算法相结合的路况计算方法等一整套基于出租车GPS定位数据的实时路况信息采集和处理的方法,并提出了基于J2EE架构的平台数据处理服务器的实现方案。广州市ITS共用信息平台示范工程的实际应用表明,该方法具有良好的效果和广泛的应用前景。     

几款摩托车GPS车载定位跟踪器的性能与特点

1 GT07型GPS定位跟踪器 该款定位跟踪器小巧、纤薄、易安装,融合了GSM无线通信技术及GPS系统定位技术,具有ACC检测、远程断电等防盗功能,终端内置加速度传感器,可实现振动报警、智能省电及静态漂移抑制功能. 1.1 主要功能特点 a) GPS+GSM+GPRS无线通讯网络定位系统,内置高精准度MTKGPS芯片组,GSM及GPS天线设计的车载终端,可透过SMS或GPRS(TCP)获取位置信息,实时定位追踪,智能上传位置信息; b)内置加速度传感器,可实现振动报警功能; c)外置电源盒适用于多种类型车辆;     

基于Wi-Fi指纹与视觉融合的室内交通定位

为解决室内交通在GPS盲区情况下的定位问题,将Wi-Fi指纹定位与视觉定位相结合,研究了一种高精度室内交通定位方法.在离线阶段,在Wi-Fi采样点处采集无线AP的MAC地址及其采样点坐标,生成Wi-Fi位置指纹数据库,然后采集定位区域内的所有门牌图片,生成训练图像集,计算出训练图像的SURF与ORB全局特征描述符,并与标志采样点坐标共同构成视觉定位数据库.在定位阶段,采集待定位点的实测指纹及被测试图像,利用指纹匹配算法得到待定位区域的范围及坐标,再利用图像特征匹配算法与KNN算法在训练图像集中得到与被测试图像相匹配的训练图像,即匹配图像,通过查询视觉定位数据库得到视觉定位范围及坐标.当匹配图像的坐标位于Wi-Fi定位范围内,将视觉定位坐标作为最终的定位参考坐标,反之将Wi-Fi定位坐标作为最终的定位参考坐标.实验选取了不同的室内交通环境对算法进行验证,定位误差为0 m的占比为82%,误差在6 m之内的占比为12%,误差在6~10 m之内的占比为6%;平均定位误差为0.75 m,而且在线平均定位耗时仅为0.56 s,能实现鲁棒的高精度的室内交通定位需求.