一种基于GNSS/INS的车辆轮廓识别与避障方法技术

本发明专利技术公开了一种基于GNSS/INS的车辆轮廓识别方法，包括：获取并存储每个车辆的静态三维轮廓信息；获得每个车辆的位置、速度、姿态的第一估计值；获取中心车辆相对于其周边车辆的位置、速度、姿态的第二估计值；获得中心车辆相对于其周边车辆的动态三维轮廓信息，所述动态三维轮廓信息包括中心车辆的静态三维数据轮廓模型、中心车辆相对于其周边车辆的速度和姿态信息。本发明专利技术以GNSS/INS高精度定位定姿为基础，结合车辆间协同动动定位，实现车辆间三维轮廓的相互识别，并进一步实现主动避障。本方法适用于搭载GNSS接收机、惯导(INS)设备，且具备远的5G通讯功能的车辆。

A vehicle contour recognition and obstacle avoidance method based on GNSS / INS

【技术实现步骤摘要】
一种基于GNSS/INS的车辆轮廓识别与避障方法
本专利技术属于基于GNSS、GNSS+INS定位定姿领域，尤其涉及一种基于GNSS/INS高精度定位定姿的车辆三维轮廓识别方法及车辆间避障方法。
技术介绍
在人工智能、大数据、5G等技术的推动下，传统车企与科技公司之间的合作越来越紧密，车联网与自动驾驶车辆实现量产日趋普及将成为出行领域的新趋势。根据国内著名分析机构易观智库调研，到2015年中国车联网用户的渗透率有望突破10％的临界值，届时中国车联网的市场规模将超过1500亿元。此外，国外谷歌、苹果、特斯拉、优步等国际知名公司从自己造车一路走到自己研发自动驾驶；国内，BAT纷纷入局，而华为也以其强势的通信技术，发力车联网，搭建车联网“云管端”，各互联网与科技巨头在车辆网与自动驾驶等布局已初见成效。工信部于2017年发布的《智能网联汽车技术路线图》进一步推动了国内车联网与自动驾驶行业的发展。《中国制造2025》也给出了智能网联汽车的发展目标，以明确我国自动驾驶技术阶段提升的趋势，加速我国智能网联汽车产业发展，拉近我国与国外自动驾驶和车联网技术的差距，尽快实现弯道超车。汽车安全是车联网和自动驾驶可持续发展的重大课题，而车辆与车辆间避障是最常见、也是最重要的汽车行驶安全需求之一，其关键在于相邻车辆间三维轮廓的识别。传统车辆轮廓识别可采用激光雷达扫描，但一方面激光雷达成本高，另一方面激光雷达扫描仅能获得通视范围内的车辆三维轮廓点云信息，考虑车辆高动态性，为实现更安全的车辆间主动避障，还需要获得更大范围的相邻车辆三维轮廓信息。
技术实现思路
为解决以上现有技术存在的问题，本专利技术提供了一种以GNSS/INS高精度定位定姿为基础，结合车辆间协同动动定位，实现车辆间三维轮廓的相互识别与主动避障方法，本方法适用于搭载GNSS接收机、惯导(INS)设备，且具备远的5G通讯功能的车辆。本专利技术提供了一种基于GNSS/INS的车辆三维轮廓识别方法，每个车辆上安装有GNSS接收机和INS设备，且具有5G通讯功能，所述方法包括如下步骤：S1：获取并存储每个车辆的静态三维数据轮廓模型与GNSS接收机和INS设备安装位置数据；S2：根据每个车辆的GNSS接收机的GNSS观测值以及INS设备输出的车辆载体动态信息，采用非差GNSS/INS联合结算，获得每个车辆的位置、速度、姿态的第一估计值；S3：建立5G基站狄洛尼三角网络拓扑结构，其中各5G基站收集接入该5G基站的所有车辆以及接入包含该5G基站的三角网连线另一端的5G基站的所有车辆的位置的第一估计值，获得以每个车辆为中心车辆，其一定半径范围内的周边车辆的5G通讯协议信息，并将其报告至该中心车辆，所述一定范围兼顾5G通讯协议信息数据量和车辆端到端通信距离设定，车辆端到端通信距离范围设置的广，数据通讯压力就大，同时中心车辆A的数据处理压力就大，二者不可调和；S4：每个中心车辆获得其周边车辆的5G通讯协议信后，与其周边车辆建立D2D通讯，之后周边车辆获取其中心车辆的静态三维数据轮廓模型与GNSS接收机和INS设备安装位置数据；S5：获取每个中心车辆与其周边车辆的双差GNSS观测值，结合该中心车辆的INS输出值，按照RTK/INS紧组合模式结算，获取中心车辆相对于其周边车辆的位置、速度、姿态的第二估计值；S6：根据在步骤S4中获取的中心车辆的静态三维数据轮廓模型与GNSS接收机和INS设备安装位置数据，以及在步骤S5中获取的中心车辆相对于其周边车辆的位置、速度、姿态的第二估计值，获得中心车辆相对于其周边车辆的动态三维轮廓，所述动态三维轮廓包括中心车辆的静态三维数据轮廓模型、中心车辆相对于其周边车辆的速度和姿态信息。进一步，当GNSS接收机和INS设备相对于车辆位置进行标准化安装时，将车辆的车辆品牌+车辆型号、车辆的静态三维数据轮廓模型与GNSS接收机和INS设备安装位置数据上传至公共服务器，每个车辆通过访问所述公共服务器将不同车辆品牌+车辆型号、车辆的静态三维数据轮廓模型与GNSS天线和惯导设备安装位置数据下载至该车辆的本地存储介质；当GNSS接收机和INS设备相对于车辆位置进行非标准化安装时，将该车辆的车辆品牌+车辆型号、车辆的静态三维数据轮廓模型与GNSS接收机和INS设备安装位置数据下载至该车辆的本地存储介质。进一步，步骤S2中，所述GNSS/INS联合解算为实时GNSS伪距单点定位与INS松组合、实时GNSS伪距单点定位与INS紧组合、实时GNSS精密单点定位与INS松组合或实时GNSS精密单点定位与INS紧组合。进一步，步骤S2中，采用实时GNSS精密单点定位与INS紧组合联合结算，获得每个车辆的位置、速度、姿态的第一估计值，GNSS/INS紧组合的观测模型为：式中，分别表示伪距、相位、多普勒观测向量的O-C值，包含了各项利用模型改正的误差，下标f表示对应频率，×表示反对称矩阵；为线性化后的系数向量；表示地心地固坐标系下INS中心的位置改正向量；表示地心地固坐标系下INS中心的速度改正向量；φ表示姿态误差；tr,sys和分别表示以m为单位的接收机钟差，以m/s为单位的接收机钟漂和卫星钟漂，下标sys表示对应的卫星导航系统；βf为电离层投影函数；Ire表示电离层残余误差；为陀螺仪的误差项；为经误差补偿后陀螺仪输出的角速度矢量；为载体坐标系转换到地心地固系的方向余弦矩阵，～上标符号表示机械编排的推算结果；lb为杆臂在载体系下的投影；M,Δtropz,w分别表示对流层投影系数与天顶对流层湿延迟残差；ucdr,f表示接收机端频率f上未矫正伪距延迟；Nfloat表示包含了接收机与卫星端的未矫正相位延迟及初始相位偏差的浮点模糊度；ε1、ε2、ε3分别表示伪距、相位、多普勒观测中未模型化的误差与噪声；u表示频率f上未矫正伪距延迟系数；λ表示频率f的载波波长；表示为地心地固系相对于地球惯性系的旋转在地心地固系的投影；A为多普勒观测方程线性化后的系数向量。进一步，步骤S3中，将建立的5G基站狄洛尼三角网络拓扑结构存储于每个5G基站，同时在新的5G基站架设或已有5G基站退出服务时更新5G基站狄洛尼三角网络拓扑结构，并通知每个5G基站进行更新。进一步，步骤S4中，在每个中心车辆与其周边车辆首次建立D2D通讯时，当中心车辆的GNSS接收机和INS设备相对于车辆位置进行标准化安装时，该中心车辆向其周边车辆发送其车辆品牌+车牌型号信息，周边车辆根据中心车辆的车辆品牌+车牌型号信息从该周边车辆的本地存储介质提取中心车辆的静态三维数据轮廓模型与GNSS接收机和INS设备安装位置数据；当中心车辆的GNSS接收机和INS设备相对于车辆位置进行非标准化安装时，中心车辆直接从其本地存储介质中提取中心车辆的静态三维数据轮廓模型与GNSS天线和惯导设备安装位置数据，并发送至其周边车辆。进一步，其特征在于，步骤S4中，在每个中心车辆与其周边车辆首次建立D2D通讯时，周边车辆发送其该时刻完整的GNSS观测数据D0至本文档来自技高网...

【技术保护点】
1.一种基于GNSS/INS的车辆轮廓识别方法，其特征在于，每个车辆上安装有GNSS接收机和INS设备，且具有5G通讯功能，所述方法包括如下步骤：/nS1：获取并存储每个车辆的静态三维轮廓信息，包括静态三维数据轮廓模型与GNSS接收机和INS设备安装位置数据；/nS2：根据每个车辆的GNSS接收机的GNSS观测值以及INS设备输出的车辆载体动态信息，采用非差GNSS/INS联合结算，获得每个车辆的位置、速度、姿态的第一估计值；/nS3：建立5G基站狄洛尼三角网络拓扑结构，其中各5G基站收集接入该5G基站的所有车辆以及接入包含该5G基站的三角网连线另一端的5G基站的所有车辆的位置的第一估计值，获得以每个车辆为中心车辆，其一定范围内的周边车辆的5G通讯协议信息，并将其报告至所述中心车辆，所述一定范围兼顾5G通讯协议信息数据量和车辆端到端通信距离设定；/nS4：每个中心车辆获得其周边车辆的5G通讯协议信后，与其周边车辆建立D2D通讯，之后周边车辆获取其中心车辆的静态三维数据轮廓模型与GNSS接收机和INS设备安装位置数据；/nS5：获取每个中心车辆与其周边车辆的双差GNSS观测值，结合该中心车辆的INS输出值，按照RTK/INS紧组合模式结算，获取中心车辆相对于其周边车辆的位置、速度、姿态的第二估计值；/nS6：根据在步骤S4中获取的中心车辆的静态三维数据轮廓模型与GNSS接收机和INS设备安装位置数据，以及在步骤S5中获取的中心车辆相对于其周边车辆的位置、速度、姿态的第二估计值，获得中心车辆相对于其周边车辆的动态三维轮廓信息，所述动态三维轮廓信息包括中心车辆的静态三维数据轮廓模型、中心车辆相对于其周边车辆的速度和姿态信息。/n...

【技术特征摘要】
1.一种基于GNSS/INS的车辆轮廓识别方法，其特征在于，每个车辆上安装有GNSS接收机和INS设备，且具有5G通讯功能，所述方法包括如下步骤：
S1：获取并存储每个车辆的静态三维轮廓信息，包括静态三维数据轮廓模型与GNSS接收机和INS设备安装位置数据；
S2：根据每个车辆的GNSS接收机的GNSS观测值以及INS设备输出的车辆载体动态信息，采用非差GNSS/INS联合结算，获得每个车辆的位置、速度、姿态的第一估计值；
S3：建立5G基站狄洛尼三角网络拓扑结构，其中各5G基站收集接入该5G基站的所有车辆以及接入包含该5G基站的三角网连线另一端的5G基站的所有车辆的位置的第一估计值，获得以每个车辆为中心车辆，其一定范围内的周边车辆的5G通讯协议信息，并将其报告至所述中心车辆，所述一定范围兼顾5G通讯协议信息数据量和车辆端到端通信距离设定；
S4：每个中心车辆获得其周边车辆的5G通讯协议信后，与其周边车辆建立D2D通讯，之后周边车辆获取其中心车辆的静态三维数据轮廓模型与GNSS接收机和INS设备安装位置数据；
S5：获取每个中心车辆与其周边车辆的双差GNSS观测值，结合该中心车辆的INS输出值，按照RTK/INS紧组合模式结算，获取中心车辆相对于其周边车辆的位置、速度、姿态的第二估计值；
S6：根据在步骤S4中获取的中心车辆的静态三维数据轮廓模型与GNSS接收机和INS设备安装位置数据，以及在步骤S5中获取的中心车辆相对于其周边车辆的位置、速度、姿态的第二估计值，获得中心车辆相对于其周边车辆的动态三维轮廓信息，所述动态三维轮廓信息包括中心车辆的静态三维数据轮廓模型、中心车辆相对于其周边车辆的速度和姿态信息。


2.根据权利要求1所述的方法，其特征在于，步骤S1中，
当GNSS接收机和INS设备相对于车辆位置进行标准化安装时，将车辆的车辆品牌+车辆型号、车辆的静态三维数据轮廓模型与GNSS接收机和INS设备安装位置数据上传至公共服务器，每个车辆通过访问所述公共服务器将不同车辆品牌+车辆型号、车辆的静态三维数据轮廓模型与GNSS天线和惯导设备安装位置数据下载至该车辆的本地存储介质；
当GNSS接收机和INS设备相对于车辆位置进行非标准化安装时，将该车辆的车辆品牌+车辆型号、车辆的静态三维数据轮廓模型与GNSS接收机和INS设备安装位置数据下载至该车辆的本地存储介质。


3.根据权利要求1所述的方法，其特征在于，步骤S2中，所述GNSS/INS联合解算为实时GNSS伪距单点定位与INS松组合、实时GNSS伪距单点定位与INS紧组合、实时GNSS精密单点定位与INS松组合或实时GNSS精密单点定位与INS紧组合。


4.根据权利要求1所述的方法，其特征在于，步骤S2中，采用实时GNSS精密单点定位与INS紧组合联合结算，获得每个车辆的位置、速度、姿态的第一估计值，GNSS/INS紧组合的观测模型为：



式中，分别表示伪距、相位、多普勒观测向量的O-C值，包含了各项利用模型改正的误差，下标f表示频率，×表示反对称矩阵；为线性化后的系数向量；表示地心地固坐标系下INS中心的位置改正向量；表示...

【专利技术属性】
技术研发人员：施闯，辜声峰，宋伟，
申请(专利权)人：北京航空航天大学，
类型：发明
国别省市：北京;11