Gps盲区下融合多源信息的车辆高精度定位方法及装置制造方法
【专利摘要】本发明公开了一种GPS盲区下融合多源信息的车辆高精度定位方法及装置，该方法捷联矩阵算法根据陀螺仪输出的角速率信息、加速度计输出的加速度信息计算得出INS车辆位置信息与通过路面匹配技术得到的定位信息，采用卡尔曼滤波算法进行融合从而输出最终融合定位信息。由于INS定位算法具有累积误差，该方法在道路旁边设置锚节点重新校正车辆位置信息。通过该方法可得到稳定、可靠、高精度的车辆高精度位置信息，适用于楼宇密集的城市道路、山区、隧道等无GPS信号环境。
【专利说明】GPS盲区下融合多源信息的车辆高精度定位方法及装置
【技术领域】
[0001]本发明属于交通检测以及车辆主动定位【技术领域】，涉及GPS盲区下的车辆高精度定位方法，特别涉及一种GPS盲区下基于多源信息融合的车辆高精度定位方法。
【背景技术】
[0002]对于车辆高精度位置信息的检测，是车联网领域中的一个重要参数，特别是在山区、隧道等复杂环境下，车辆高精度位置信息变得尤为重要。所以，在GPS盲区下获取车辆的高精度位置信息意义重大。
[0003]目前，比较常用的车辆高精度获取方法主要有:GPS定位、惯性导航技术、路面匹配技术等。其中，GPS是目前应用最为广泛的定位技术，现有的智能交通系统普遍采用GPS方法进行车辆定位，但该方法难以满足未来车联网的应用需求，主要存在以下缺陷:(1)定位精度低。普通民用GPS定位精度为5?25米，差分GPS的定位误差也在I米左右。(2)存在GPS信号盲区。车辆在山区高速公路、隧道、建筑物密集的市区内行驶时，GPS信号容易被遮挡，此时车辆将进入GPS信号盲区，无法使用GPS进行定位。(3)输出频率低。
[0004]INS (Inertial Navigation System).惯性导航系统，简称惯导)是20世纪初发展起来的导航定位系统，其基本原理是根据惯性空间的力学定律，利用陀螺和加速度计等惯性元件感受运载体在运动过程中的旋转角速度和加速度，通过伺服系统的地垂跟踪或坐标系旋转变换，在一定的坐标系内积分计算，最终得到运载体的相对位置、速度和姿态等导航参数。但INS由于累积误差问题，很难长时间维持高精度定位。
[0005]路面匹配导航系统具备自主性、高精度、全天候、抗干扰能力强等优点，随着图像传感器技术的不断发展及数字地图库制备能力的不断增强，路面匹配导航技术发展前景广阔。但其技术缺点也十分明显，主要表现在:(I)基准图的制作周期太长；(2)当面对大范围内路面特征变化不明显的区域时，路面匹配导航系统将因为无法定位而无法使用或者使导航精度大大降低；(3)难以适应机动目标。
[0006]由于路面匹配算法所存在的适应性、效率等缺陷，目前大多数基于融合思想的车辆高精度定位方法均采用GPS、INS为融合信息源，但在GPS盲区情况下由于累积误差问题无法达到预期的理想效果。
【发明内容】
[0007]针对上述各种技术单独使用时存在的缺陷或不足，本发明的目的在于提出一种GPS盲区下融合多源信息的车辆高精度定位方法，能够避免现有技术的弊端，从而实现GPS盲区下有效获取车辆高精度位置信息的功能。
[0008]为了实现上述任务，本发明采取如下的技术解决方案:
[0009]一种GPS盲区下融合多源信息的车辆高精度定位方法，包括以下步骤:
[0010]步骤一，INS定位处理:
[0011]步骤S10，获取车辆当前的加速度a和角速度ω，将加速度和角速度作为输入数据，根据捷连矩阵算法得到车辆的INS定位坐标(Xl，Yl)；[0012]步骤二，路面匹配定位处理:
[0013]步骤S20，以系统初始化后获取的第一幅路面矩形图像边缘为χ轴和y轴建立基准坐标系，记录此时车辆的初始坐标；
[0014]步骤S21，获取连续两张路面矩形图像:fn(x，y)和fn+1(x，y)，且两张图像在像素上有重合区域；
[0015]步骤S22，以获取的路面图像fn(x，y)和fn+1(x，y)作为输入数据，根据SIFT匹配算法得到图像fn(x，y)在重合区域内的点P1和点Q1在图像fn+1 (χ，y)上的匹配点P2和Q2 ；
[0016]步骤S23，在图像fn+1 (x, y)上寻找两点P。和Q。，使P。和Qtl在图像fn+1 (x, y)上的位置与点P1和Q1在图像fn(x，y)上的位置相同；
[0017]步骤S24，以图像fn+1 (x, y)的边缘为χ轴和y轴建立坐标系Χ0Υ，在XOY坐标系中以公式I计算图像fn+1(x，y)相对于fn(x，y)的线性偏移量(ΛΧ，Ay):
【权利要求】
1.一种GPS盲区下融合多源信息的车辆高精度定位方法，其特征在于，包括以下步骤: 步骤一，INS定位处理: 步骤S10，获取车辆当前的加速度a和角速度ω，将加速度和角速度作为输入数据，根据捷连矩阵算法得到车辆的INS定位坐标(Xl，Yl)； 步骤二，路面匹配定位处理: 步骤S20，以系统初始化后获取的第一幅路面矩形图像边缘为X轴和y轴建立基准坐标系,记录此时车辆的初始坐标； 步骤S21，获取连续两张路面矩形图像:fn(x，y)和fn+1(x，y)，且两张图像在像素上有重合区域； 步骤S22，以获取的路面图像fn(x，y)和fn+1(x，y)作为输入数据，根据SIFT匹配算法得到图像fn(x，y)在重合区域内的点P1和点Q1在图像fn+1(x，y)上的匹配点P2和Q2 ； 步骤S23，在图像fn+1 (X，y)上寻找两点P。和Q。，使P。和Qtl在图像fn+1 (x, y)上的位置与点P1和Q1在图像fn(x，y)上的位置相同； 步骤S24，以图像fn+1 (X，y)的边缘为X轴和y轴建立坐标系XOY，在XOY坐标系中以公式I计算图像fn+1(x，y)相对于fn(x，y)的线性偏移量(Δχ, Ay): ^AX=P0(X)-P2(X)(公式 υ 式中，P。(X)和Po (y)为点Po在坐标系XOY中的横坐标和纵坐标，P2 (X)和P2 (y)为点P2在坐标系XOY中的横坐标和纵坐标； 步骤S25,在XOY坐标系中,利用公式2计算图像fn+1 (X, y)和图像fn+1 (x，y)的旋转角度Θ:
2.一种用于实现如权利要求1所述的GPS盲区下融合多源信息的车辆高精度定位方法的装置，包括安装在车辆上的加速度计和陀螺仪，其特征在于，该装置还包括中央处理模块和安装在车辆上且镜头平行于路面的第一摄像头，在中央处理模块上连接有融合定位模块和Zigbee无线接收模块,所述的加速度计和陀螺仪通过INS定位处理模块与融合定位模块连接，第一摄像头通过路面匹配定位模块与融合定位模块连接；在车辆行驶的道路上每隔5km设置有龙门架，龙门架上 安装有第二摄像头和RFID接收器，第二摄像头和RFID接收器上连接有锚节点修正模块，锚节点修正模块上连接有与Zigbee无线接收模块无线通信的Zigbee无线发送模块；各部件分别实现如下功能: 加速度计采用YC-A150S-M型加速度传感器实时获取车辆加速度信息； 陀螺仪采用CMR3100-D01型角速度传感器实时获取车辆角速度信息； INS定位处理模块根据加速度计和陀螺仪获取的车辆加速度信息和角速度信息通过捷连矩阵算法得到车辆的INS定位坐标； 第一摄像头采用XC-103c Sony CXD型视频摄像头实时采集车辆行驶过程中路面的图像； 路面匹配定位处理模块通过对第一摄像头采集的路面图像进行处理，得到车辆相对于初始坐标的路面匹配定位坐标； 融合定位模块根据INS定位坐标和路面匹配定位坐标计算出融合坐标，并利用卡尔曼滤波算法对融合坐标进行状态估计，得到车辆最终的定位坐标； 第二摄像头采用XC-103c Sony (XD摄像头，当车辆经过安装第二摄像头的龙门架下方时，采集车辆的图像； RFID接收器与车辆上的IC卡配合，车辆经过龙门架时，RFID接收器触发第二摄像头采集车辆图像； 锚节点修正模块对第二摄像头采集的图像进行处理，计算出车辆在图像当中的位置，并转换为现实中的坐标； 中央处理模块利用锚节点修正模块中得到的车俩现实中的坐标对融合定位模块计算出的车俩最终的定位坐标进行修正，以消除累积误差。
【文档编号】G01C21/24GK103499350SQ201310455813
【公开日】2014年1月8日 申请日期:2013年9月28日 优先权日:2013年9月28日
【发明者】赵祥模, 徐志刚, 张立成, 程鑫, 白国柱, 周经美, 任亮 申请人:长安大学