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.      

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.      

基于曲线拟合和网络拓扑的综合地图匹配算法

为了使车辆导航系统能给人们提供精确可靠的车辆位置信息,提出了1种减少车辆定位误差的综合地图匹配算法.该算法将基于曲线拟合和网络拓扑关系的2种地图匹配算法结合起来,采用误差圆法、最小二乘法及投影法,解决基于曲线拟合算法在靠近的平行路段匹配率不佳的问题.用北京市物流电动车的GPS数据进行多个样本的实验验证,匹配率均在95%以上,单点平均匹配时间在5 ms以内,与基于曲线拟合的地图匹配算法相比,综合算法复杂度降低,准确度和实时性提高.结果表明,综合算法可以应用到实际地图匹配工作中,尤其对于相互靠近的平行路段有明显的优势.      

考虑动力学模型系统误差补偿的智能车GNSS/IMU组合定位算法

为了解决智能车动态组合定位过程中，因动力学模型与实际模型之间存在偏差导致滤波精度下降的问题，针对智能车全球导航卫星系统(GNSS)/惯性测量单元(IMU)组合定位系统，结合非线性预测滤波(NPF)和自适应滤波的优点，提出了一种考虑动力学模型系统误差实时估计和补偿的自适应非线性预测滤波(ANPF)算法。首先，根据NPF算法原理，通过最小化预测观测残差与系统误差的加权平方和，估计动力学模型系统误差；其次，结合自适应滤波原理，利用状态预测残差向量构造自适应因子，设计了一种自适应扩展卡尔曼滤波(AEKF)算法，用于估计系统状态向量，并通过自适应因子抑制动力学模型系统误差和线性化误差对系统状态估计精度的影响，克服NPF对系统状态估计精度有限的缺陷；再次，对动力学模型系统误差的估计误差和由动力学模型系统误差引起的系统噪声的等效协方差阵进行了分析和推导，以补偿动力学模型系统误差对系统状态估计的影响；最后，通过车载GNSS/IMU组合定位系统试验，从算法精度、鲁棒性和实时性方面对提出的算法和其他滤波算法的性能进行了验证和对比分析。研究结果表明:提出的自适应算法继承了NPF算法简易性和高实时性的优点，同时克服了NPF算法估计精度有限的缺陷，具有较好的滤波解算精度，水平定位精度小于1.0 m，算法单次平均执行时间约为0.013 9 ms，在精度和实时性的平衡方面显著优于其他滤波方法。     

分布式多车协同视觉SLAM系统EI北大核心CSCD

可靠的定位与导航是实现自动驾驶的先决条件。单车视觉同时定位与建图(SLAM)技术能够在GNSS拒止的情况下实现车辆的定位,但累积误差会随运行时间逐渐增加,难以持续准确完成定位任务。通过多车协同视觉SLAM可以提升定位效果。本文提出了一种鲁棒、轻量化的分布式多车协同视觉SLAM系统,该系统以ORBSLAM2作为视觉里程计,利用NetVLAD全局图像描述子实现多车间共视区域识别和数据关联;提出了一种基于数据相似性和结构一致性的方法,实现多车间闭环离群值剔除;提出了一种分布式位姿图优化方法,提高多车协同定位精度。经过自主搭建平台所采集的真实数据以及KITTI数据集测试,该系统相较于已有的主流视觉SLAM算法以及协同SLAM算法均具有更高的定位精度。     

用于智能交通的运动车辆跟踪算法

为提高车辆跟踪的准确性,满足智能交通监控的需求,采用样本车型模板结合尺度不变特征变换(SIFT)算法匹配检测车辆位置,并将模板大小与车辆尺度变化联系起来,根据特征向量距离最终获得车辆准确区域;采用结合均值漂移的粒子滤波算法对车辆进行跟踪,根据跟踪尺度改变跟踪窗口大小,并通过独立粒子滤波建立了多运动车辆之间的数据关联。实际道路测试结果表明:该算法的车辆检测准确率达到90%以上,特征粒子在后续跟踪过程中状态稳定,漂移在跟踪窗口外的粒子数都保持在10%以下。     

基于V2X通信网络的车辆协同定位增强方法

鉴于车辆位置精度对车联网应用的重要性和传统的卫星定位系统在城市"高楼峡谷"或隧道等弱卫星信号覆盖区域失效或定位精度不足等问题,本文中研究了基于V2X通信网络的车辆定位方法,研发了专用短程通信和多模式通信网络定位终端,完成了终端的性能测试和应用部署,设计了基于多模型滤波算法的车辆协作定位增强方法。结果显示,与传统GPS定位相比,本文方法能提升定位精度近40%。     

基于多级网络划分的匹配道路初筛方法研究

针对GPS车辆定位系统地图匹配过程中传统匹配道路初筛方法在筛选速度和准确性方面的不足,提出了一种基于多级网络划分的匹配道路筛选方法。算法采用多级网络简单划分、层层筛选的策略,保证了初筛区域的快速、准确定位与初筛路段的准确获取,与多种传统的筛选方法,进行了基于实际数据的运行效果的对比。实证分析可知,文中提出的方法效果较好。     

基于多尺度边缘融合及SURF特征匹配的车辆检测及跟踪方法

为提高交通参数提取的准确性与实时性,研究了基于多尺度边缘融合和SURF特征匹配的车辆检测与跟踪方法,克服了传统基于边缘特征的车辆检测方法易受噪声、背景干扰的问题,实现车辆准确检测.将车辆检测结果作为跟踪样本建立跟踪样本集合,通过建立匹配点对几何约束消除误匹配特征对,提高跟踪样本与待跟踪视频帧的SURF特征匹配准确度.针对车辆驶入、驶离相机视野,车辆间歇性运动,背景缓慢变化等情况提出跟踪样本更新机制,实现车辆的准确、实时跟踪.实验结果显示,所提算法的车辆检测率为88.3%,检测准确度为90.2%;跟踪精确度为86.4%,跟踪准确度为92.7%;检测时间成本为91.8ms,跟踪速率为52.2fps.检测准确度、跟踪准确度、检测速率、跟踪速率均高于光流法、粒子滤波法和SIFT特征匹配法,表明所提算法能较好地满足实时性应用.      

特征稀疏场景下基于标签的车辆视觉SLAM

在智能车辆的同时定位与建图中，视觉特征点法通过对特征点的提取和匹配进行车辆位姿估计，但当环境缺少纹理或动态变化时，场景的特征稀疏、稳定性差，基于自然特征定位易导致精度下降甚至定位失败。在环境中加入视觉标签可有效解决特征稀疏问题，但基于视觉标签的定位方法高度依赖人工标定，且常因视角变化出现位姿抖动，影响定位的精度。为此，本文提出了一种基于标签的车辆视觉SLAM方法，充分利用标签信息，引入内外角点约束降低标签位姿抖动，同时借助视觉里程计建立低漂移、全局一致的地图；在定位时基于标签估计车辆位姿，并联合优化标签地图与车辆位姿，从而构建低成本、高鲁棒的视觉SLAM系统。试验结果表明，本文方法使用内外角点约束有效降低了标签的位姿抖动，使标签建图精度的提升率超过60%，定位精度的平均提升率超过30%，显著地提高了基于标签定位的精度与鲁棒性，有利于智能车辆的安全运行。     

A hybrid dead reckoning error correction scheme based on extended Kalman filter and map matching for vehicle self-localization

In this research, a hybrid dead reckoning error correction scheme is developed based on extended Kalman filter (EKF) and map matching (MM) to improve the positioning accuracy for vehicle self-localization. The developed method aims at obtaining accurate positions when the GPS signals are occasionally unavailable or weakened. First, the heading data collected from an odometer and an optical fiber gyroscope are integrated by an EKF to reduce the random errors in dead reckoning. Then a modified topological MM algorithm is developed to reduce the systematic errors in dead reckoning. In this work, both cross-track errors and along-track errors are considered to improve positioning accuracy of MM. The errors are finally corrected using the results achieved from both the dead reckoning and the MM when the driving distance of a vehicle exceeds a predefined length or the vehicle turns in an intersection. Experiments have been conducted to evaluate the developed method and the results show that the maximum error and average error of dead reckoning can be respectively reduced to 15.4?m and 5.2?m during the experiment with total distance of 43?km. This positioning accuracy is even better than the accuracy of the low-cost GPSs which are usually at the order of 15–20?m (95%). The developed method is effective to achieve the positions of the vehicle when the GPS signals are occasionally unavailable or weakened.     

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.     

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...     

Towards lane-level traffic monitoring in urban environment using precise probe vehicle data derived from three-dimensional map aided differential GNSS

Today's urban road transport systems experience increasing congestion that threatens the environment and transport efficiency. Global Navigation Satellite System (GNSS)-based vehicle probe technology has been proposed as an effective means for monitoring the traffic situation and can be used for future city development. More specifically, lane-level traffic analysis is expected to provide an effective solution for traffic control. However, GNSS positioning technologies suffer from multipath and Non-Line-Of-Sight (NLOS) propagations in urban environments. The multipath and NLOS propagations severely degrade the accuracy of probe vehicle data. Recently, a three-dimensional (3D) city map became available on the market. We propose to use the 3D building map and differential correction information to simulate the reflecting path of satellite signal transmission and improve the results of the commercial GNSS single-frequency receiver, technically named 3D map-aided Differential GNSS (3D-DGNSS). In this paper, the innovative 3D-DGNSS is employed for the acquisition of precise probe vehicle data. In addition, this paper also utilizes accelerometer-based lane change detection to improve the positioning accuracy of probe vehicle data. By benefitting from the proposed method, the lane-level position, vehicle speed, and stop state of vehicles were estimated. Finally, a series of experiments and evaluations were conducted on probe data collected in one of the most challenging urban cities, Tokyo. The experimental results show that the proposed method has a correct lane localization rate of 87% and achieves sub-meter accuracy with respect to the position and speed error means. The accurate positioning data provided by the 3D-DGNSS result in a correct detection rate of the stop state of vehicles of 92%.     

基于因子图优化的众包高精度地图云端融合方法

针对高精度地图传统云端融合方法生成的地图置信度较低、误差较大的问题,提出了一种基于因子图优化的众包高精度地图云端融合方法。利用RTK-GPS数据对车端上传的局部语义地图进行全局化处理;对地图片段进行匹配,并利用一致性筛选流程提高匹配精度;以车道线匹配对构建约束地图间变换关系矩阵的因子图优化模型;利用某城市道路真实多车轨迹数据进行测试。结果表明,相较于传统方法,该算法对于优化初值的依赖性较低,对于地图间聚集度提升了44.7%;与车道线数据真值相比,该算法绝对误差均在1 m以内,具有较高的实用价值。     

专用短程通信辅助的车辆卫星定位故障检测方法

为了确保卫星定位性能满足特定协作式智能交通应用需求,提高车辆定位系统的故障容错能力,针对车辆卫星定位的自主故障检测与性能优化问题,提出基于专用短程通信辅助的卫星定位故障检测方法,充分利用专用短程通信设备的测距率观测信息,实现故障检测对不同类型卫星可视条件的有效适应。基于专用短程通信多普勒观测特性,构建基于载波频偏的车间测距率观测模型;设计卫星定位与专用短程通信组合观测与解算框架;基于容积卡尔曼滤波提出适于非线性观测特征的故障检测、识别与排除算法,并叠加量测噪声方差矩阵动态调整策略,对故障检测性能进行优化;基于实测试验检验车间测距率的观测性能,并运用实车轨迹对多车协同运行及定位采集过程进行仿真,检验所提出方法的故障检测性能。研究结果表明：提出的方法有效解决了常规接收机自主完好性监测算法受卫星可视条件限制的问题,所引入的量测噪声方差矩阵调整策略提升了故障检测及故障排除性能的稳定性,在给定仿真场景中,常规卫星观测条件下阶跃故障、斜坡故障排除率相对常规方法最高可分别提升52%、18%,受限观测条件下不同水平2类故障的排除率最高分别可达100%、89%,边界观测条件下不同水平2类故障的检测率最高分别可达100%、96%。研究结果对于充分发挥车-车协同模式的核心优势、保障车辆定位性能具有重要价值。     

Terrain-based road vehicle localisation using particle filters

This work develops a particle filter algorithm to localise a vehicle in the direction of travel without the use of GPS. The inputs to the algorithm include a terrain map of road grade, pitch measurements from an in-vehicle pitch sensor, and wheel odometry. Simulations and experiments at The Thomas D. Larson Transportation Institute test track are used to demonstrate the algorithm, observe the speed of convergence, and to determine key parameters for practical implementation. The results indicate that the method can quickly localise a vehicle with 1 m accuracy or better. Experiments over 5 km along Highway 322 in State College, Pennsylvania, were also used to demonstrate the algorithm.     

路面附着系数的自适应衰减卡尔曼滤波估计

为了获得实时、准确的路面附着系数,进一步提高观测路面附着系数算法的精度和收敛速度,结合非线性车辆动力学模型和轮胎力修正模型,搭建分布式驱动电动汽车联合仿真平台,提出一种基于自适应衰减无迹卡尔曼滤波的路面附着系数观测算法。该算法设计与各轮对应的路面附着系数观测器,应用协方差匹配判据对观测器发散趋势进行判别,设计自适应加权系数修正预测协方差,以增强新近观测数据的利用率;同时采用次优Sage-Husa噪声估计器对未知的系统过程噪声进行估计,抑制观测器的记忆存储长度,调整过程噪声和测量噪声的均值与协方差,提高观测器的跟踪能力。利用分布式驱动电动汽车分别进行高、低附着路面和对开路面直线制动试验,并将自适应衰减无迹卡尔曼滤波路面附着系数观测器的观测结果与无迹卡尔曼滤波观测值、参考路面附着系数进行比较和分析。结果表明：高附着路面条件下,所设计的算法估计误差可控制在0.64%以内;低附着路面条件下,所设计的算法估计误差可控制在1.03%以内;对开路面条件下估计误差可控制在1.26%以内;自适应衰减无迹卡尔曼滤波算法相比无迹卡尔曼滤波算法响应速率更快,具有更高的估计精度和较强的自适应能力,估计结果整体上维持稳定,能够适应各种不同路面的估计。     

基于点特征的车载LiDAR与GNSS/IMU联合标定方法研究

激光雷达(LiDAR)、全球导航卫星系统(GNSS)与惯性测量单元(IMU)之间的外部参数标定精度是影响多传感器融合及高精度地图的主要因素。基于此，提出一种适用于无人车的LiDAR与GNSS/IMU标定方法，该方法可实时提取标定板点云中心坐标，并利用点特征进行外部参数标定。首先，分析了LiDAR、GNSS、IMU及通用横墨卡托格网系(UTM)坐标系的变换关系；其次，基于IMU安装平面与地面平行的假设，通过车辆前方地面的法向量计算LiDAR俯仰角和滚转角的初值，并利用标定板中心偏移量计算偏航角初值；然后，假设车辆在平面上保持直线运动，采用恒定姿态运动将旋转角度的求解问题转化为最优化问题，并根据标定板UTM坐标不变的约束求解出平移参数；最后，通过分析算法误差、传感器测量误差以及中心点匹配误差验证了方案的可行性，并通过无人矿车采集LiDAR、GNSS和IMU的同步数据，对所提出的外部参数标定方法进行测试。试验结果表明：提出的方法只需要一定范围的平坦区域和标定板就可以解决3自由度运动估计6自由度外部参数的退化问题，且标定后的外部参数可以保证点云地图在20 m内的拼接误差小于20 cm。