The embodiment of the present invention provides a vehicle three-dimensional positioning method and device in vehicle networking. The methods include: acquiring the three-dimensional predictive coordinates of the vehicle to be positioned; acquiring the distance between each vehicle to be positioned and other nodes, and obtaining the distance between the vehicle to be positioned and other nodes as the distance; step C, searching the second R tree constructed by the two-dimensional contour of the building. The NLOSb is used to identify the distance from the LOS by using the height of the vehicle and the search function of the first R-tree constructed by the two-dimensional contour of the vehicle, and the distance corresponding to the LOS is selected from the distance. Step D is used to determine the three-dimensional predicted coordinates of the vehicle to be located based on the distance corresponding to the LOS and the three-dimensional predicted coordinates of the vehicle to be located. The confidence of the target is not higher than that of step C and D, until the confidence is higher than the preset confidence threshold, the three-dimensional predicted coordinates are used as the positioning coordinates of the vehicle to be positioned.
【技术实现步骤摘要】
一种车联网中车辆三维定位方法及装置
本专利技术涉及定位
，特别是涉及一种车联网中车辆三维定位方法及装置。
技术介绍
VANETs(VehicularAdHocNetworks，车联网)中位置感知能力已成为一个重要的研究方向。目前VANETs中，基于卫星的定位系统主要有GNSS(theGlobalNavigationSatelliteSystem，全球卫星导航系统)，包括美国的GPS(GlobalPositioningSystem，全球定位系统)，中国的北斗系统等。这些卫星的定位系统能够提供全天候、实时、连续且大范围内的定位服务，但是它们的使用受环境限制较大。例如，在城市环境中，GNSS发出的信号受到高楼的阻挡，接收机接收到的卫星信号不准确，这样很容易造成定位效果差。目前可以采用协作定位来解决上述问题。协作定位不仅可以使用待定位车辆与已知坐标的锚点之间的绝对测距进行定位，而且可以利用待定位的车辆之间的相对测距来进行定位，其中待定位车辆之间的相对测距就是待定位车辆之间位置的非线性的约束关系，通过设计贝叶斯算法，利用与已知坐标的锚点之间的绝对测距以及待定位车辆之间...
【技术保护点】
1.一种车联网中车辆三维定位方法，其特征在于，应用于定位器，所述方法包括：步骤A，获取待定位车辆的车辆高度以及由全球卫星导航系统得到所述待定位车辆的二维预估坐标，形成的三维预估坐标；步骤B，获取每个待定位车辆使用预设测距方法中的任一或者多种测距方法，进行与其他节点之间的测距，得到所述待定位车辆与所述其他节点之间的距离，作为测距距离，其中，所述其他节点包括：路边单元RSU以及除所述待定位车辆以外的其他车辆，所述其他车辆包括：待定位车辆；步骤C，利用车辆的二维轮廓构建的第一R树以及建筑物的二维轮廓构建的第二R树；利用所述第二R树的搜索功能，鉴别所述测距距离中的建筑物引起的非视距...
【技术特征摘要】
1.一种车联网中车辆三维定位方法，其特征在于，应用于定位器，所述方法包括：步骤A，获取待定位车辆的车辆高度以及由全球卫星导航系统得到所述待定位车辆的二维预估坐标，形成的三维预估坐标；步骤B，获取每个待定位车辆使用预设测距方法中的任一或者多种测距方法，进行与其他节点之间的测距，得到所述待定位车辆与所述其他节点之间的距离，作为测距距离，其中，所述其他节点包括：路边单元RSU以及除所述待定位车辆以外的其他车辆，所述其他车辆包括：待定位车辆；步骤C，利用车辆的二维轮廓构建的第一R树以及建筑物的二维轮廓构建的第二R树；利用所述第二R树的搜索功能，鉴别所述测距距离中的建筑物引起的非视距NLOSb；以及利用所述车辆的高度以及所述第一R树的搜索功能，鉴别所述测距距离中的其他车辆引起的非视距NLOSv，从所述测距距离中选择除所述NLOSb和所述NLOSv以外的视距LOS对应的测距距离，其中所述第一R树包含单个车辆构成的最小矩形，所述第二R树包含单个建筑物构成的最小矩形；步骤D，基于LOS对应的测距距离和所述待定位车辆的三维预估坐标，重新确定所述待定位车辆的三维预估坐标；确定所述三维预估坐标的置信度是否高于预设置信度阈值；如果不高于所述预设置信度阈值，继续执行步骤C和步骤D，直至所述置信度高于所述预设置信度阈值，将所述三维预估坐标，作为待定位车辆的定位坐标。2.如权利要求1所述的方法，其特征在于，所述利用车辆的二维轮廓构建的第一R树以及建筑物的二维轮廓构建的第二R树；利用所述第二R树的搜索功能，鉴别所述测距距离中的建筑物引起的非视距NLOSb；以及利用所述车辆的高度以及所述第一R树的搜索功能，鉴别所述测距距离中的其他车辆引起的非视距NLOSv，从所述测距距离中选择除所述NLOSb和所述NLOSv以外的视距LOS对应的测距距离，包括：利用真实的每个车辆的二维轮廓及每个车辆的二维预估坐标，得到所有车辆的二维轮廓的二维预估坐标；将所有车辆的二维轮廓的二维预估坐标，构建得到第一R树；从开源可编辑的地图服务中获取所有建筑物的二维轮廓的二维预估坐标；将所有建筑物的二维轮廓的二维预估坐标，构建得到第二R树；利用第二R树的搜索功能，若判定所述测距距离中存在NLOSb；以及利用所有车辆的高度以及第一R树的搜索功能，若判定所述测距距离中存在NLOSv，从所述测距距离中选择除所述NLOSb和所述NLOSv以外的LOS对应的测距距离。3.如权利要求1或2所述的方法，其特征在于，所述基于所述视距LOS对应的测距距离和所述待定位车辆的预估坐标，重新确定所述待定位车辆的三维预估坐标；确定所述三维预估坐标的置信度是否高于预设置信度阈值；如果不高于所述预设置信度阈值，继续执行步骤C和步骤D，直至所述置信度高于所述预设置信度阈值，将所述三维预估坐标，作为待定位车辆的定位坐标，包括：利用所述LOS对应的测距距离和所述待定位车辆的三维预估坐标，采用广义近似消息传递GAMP算法，第t次重新确定所述待定位车辆的三维预估坐标，并判断所有待定位车辆重新确定的三维预估坐标是否达到收敛条件；如果未达到，则继续执行步骤C和步骤D，直至达到所述收敛条件，将最后一次重新确定的所述待定位车辆的三维预估坐标，作为所述待定位车辆的定位坐标，其中，t大于0，小于或等于最大迭代次数。4.如权利要求3所述的方法，其特征在于，利用所述LOS对应的测距距离和所述待定位车辆的三维预估坐标，采用广义近似消息传递GAMP算法，第t次重新确定所述待定位车辆的三维预估坐标，并判断所有待定位车辆重新确定的三维预估坐标是否达到收敛条件；如果未达到，则继续执行步骤C和步骤D，直至达到所述收敛条件，将最后一次重新确定的所述待定位车辆的三维预估坐标，作为所述待定位车辆的定位坐标，包括：利用所述LOS对应的测距距离和所述待定位车辆的三维预估坐标，采用广义近似消息传递GAMP算法，本次重新确定所述待定位车辆的三维预估坐标；判断本次重新确定的所述待定位车辆的三维预估坐标与上次重新确定的所述待定位车辆的三维预估坐标之间的差值是否小于阈值；若本次重新确定的所述待定位车辆的三维预估坐标与上次重新确定的所述待定位车辆的三维预估坐标之间的差值小于阈值，则将所述待定位车辆，作为已定位车辆，并将本次重新确定的所述待定位车辆的三维预估坐标，作为已定位车辆的三维预估坐标；删除所述待定位车辆的三维预估坐标中对应的所述已定位车辆的三维预估坐标，将已定位车辆加入到RSU集合中，以使由车辆和RSU形成的网络结构发生变化；利用除所述已定位车辆的三维预估坐标以外的其他待定位车辆的三维预估坐标，返回继续执行步骤C，直至达到所述收敛条件，将最后一次重新确定的所述待定位车辆的三维预估坐标，作为所述待定位车辆的定位坐标。5.如权利要求4所述的方法，其特征在于，所述从所述测距距离中选择除所述NLOSb和所述NLOSv以外的视距LOS对应的测距距离之后，所述方法还包括：判定上一次重新确定的重要性采样的后验概率的均值与上一次之前的一次重新确定的重要性采样的后验概率的均值之间的误差大于或等于阀值，采用重要性采样方法，确定GAMP算法中的后验概率的方差和均值；基于所述后验概率的方差和均值，利用GAMP算法，重新确定所述待定位车辆的三维预估坐标；以及若判定上一次重新确定的重要性采样的后验概率的均值与上一次之前的一次重新确定的重要性采样方法的后验概率的均值之间的误差小于阀值，则删减此次重要性采样方法中所用的的粒子的数量，继续执行采用重要性采样方法，确定GAMP算法中的后验概率的方差和均值的步骤；基于所述本次的后验概率的方差和均值，利用GAMP算法，重新确定所述待定位车辆的三维预估坐标以外的其他待定位车辆的三维预估坐标，返回继续执行步骤C，直至达到所述收敛条件，将最后一次重新确定的所述待定位车辆的三维预估坐标，作为所述待定位车辆的定位坐标。6.如权利要求1或2所述的方法，其特征在于，所述预设测距方法包括：预设到达时间测距方法、预设接收信号强度测距方法、预设到达角度测距方法、以及预设多普勒频移测距方法中的一种或多种，其中，所述预设到达测距方法为预设到达测距公式1：其中，mk表示第mk个节点，nk表示第nk个节点，k表示第mk个节点获得的来自第nk个节点的第...
【专利技术属性】
技术研发人员：王生楚，姜贤波，巩译，张琳，
申请(专利权)人：北京邮电大学，
类型：发明
国别省市：北京,11
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。