基于车路协同的高精度定位系统及定位方法技术方案

本发明专利技术公开了基于车路协同的高精度定位系统，车载定位终端，所述车载定位终端包括UWB模块、IMU模块、无线通信模块、运算与处理模块，所述车载定位终端用于处理来自UWB模块、IMU模块输出的本地信号，以及接收来自场端部分的远程信号，并进行相应的位置解算、融合和输出。本发明专利技术中，车端最小系统仅包含UWB、IMU、无线通信、运算与处理等核心模块，成本远低于采用激光或视觉SLAM的高精度定位系统。

High precision positioning system and positioning method based on vehicle road cooperation

【技术实现步骤摘要】
基于车路协同的高精度定位系统及定位方法
本专利技术属于智能网联汽车
，具体涉及基于车路协同的高精度定位系统及定位方法。
技术介绍
机场、物流园区，以及工厂等特定场景的载运无人化是近年来自动驾驶及相关技术最有可能实现产业化的方向之一。上述场景中所涉及的业务流程，往往都需要载运车辆能够实现在室内和室外相关区域的自动驾驶，而这也相应地对车辆的定位技术提出了较高的要求。针对上述自动驾驶应用场景的高精度定位技术通常分为两大类，一类是通过差分GPS(或其他GNSS系统)和UWB来实现车辆在室外和室内的定位，另一类则是基于激光或视觉SLAM(同步定位与建图)来实现车辆的高精度定位。第一类定位技术目前主要面临的挑战是如何应对室外GNSS卫星信号较差甚至被遮挡的情况。如果被遮挡区域的面积较小，那么可以通过部署一定数量的UWB基站来解决，但如果被遮挡区域的面积较大或较为分散，那么在该区域实现UWB信号全覆盖所需要的设备和工程成本将大幅度增加。因此，现阶段需要提供可用于解决上述问题的高精度定位系统及定位方法。
技术实现思路
本专利技术目的在于提供基于车路协同的高精度定位系统及定位方法，用于解决现有技术中存在的技术问题，比如：自动驾驶车辆在室外GNSS卫星信号较差甚至被遮挡的情况下无法精确定位，而如果在室外大面积部署UWB基站又会导致设备和工程成本较高。为实现上述目的，本专利技术所采用的技术方案是：基于车路协同的高精度定位方法，包括以下步骤：S1：基于车辆第k-1时刻输出的车辆位置IMU模块的第k时刻的输出信号uk，以及车辆位置预测模型P计算第k时刻车辆位置的预测值S2：读取车辆当前所在路段设置的网络摄像头的实时视频信号，进一步基于计算机视觉确定车辆当前所处的区域，然后根据车辆当前所处的区域选择对应的车辆位置观测方法，进而获得第k时刻车辆位置的观测值，并根据车辆位置观测模型U对第k时刻车辆位置的预测值进行修正，输出第k时刻车辆位置的最终估测结果：优选的，在步骤S2中，所述车辆位置观测方法具体内容如下：第一阶段：当车辆位于第i个路网节点所属UWB基站信号的覆盖范围，此时车辆位置的观测值可以通过基于UWB的三点定位法获得，具体地，第k时刻车辆位置的观测值可表示为：Zk＝MUWB(ui，1，ui，2，ui，3，ui，4)；其中，ui，1，ui，2，ui，3，ui，4为距离车辆最近的四个UWB基站，MUWB为基于UWB的车辆位置解算模型。第二阶段：车辆离开第i个路网节点UWB基站信号的覆盖范围，并且进入第i个路网节点对应路段网络摄像头ci，3的覆盖范围，此时车辆位置的观测值可通过计算机视觉获得，具体地，第k时刻车辆位置的观测值可表示为：zk＝MCV(ci，3)，其中，MCV为基于计算机视觉的车辆位置解算模型。第三阶段：车辆离开第i个路网节点ci，3网络摄像头的覆盖范围，并且进入可良好接收GNSS卫星信号的开阔区域，此时车辆位置的观测值可通过基于卫星的三点定位法获得，具体地，第k时刻车辆位置的观测值可表示为：Zk＝MGNSS(s1，s2，…，sn)；其中，s1，S2，...，Sn为车载定位终端当前搜索到信号可用的卫星，MGNSS为基于卫星的车辆位置解算模型。第四阶段：车辆离开可良好接收GNSS卫星信号的开阔区域，并且进入第i+1个路网节点对应路段网络摄像头ci+1，1的覆盖范围，类似地，第k时刻车辆位置的观测值可表示为：Zk＝MCV(ci+1，1)。第五阶段：当车辆离开第i+1个路网节点ci+1，1摄像头的覆盖范围，并且进入第i+1个路网节点所属UWB基站信号的覆盖范围，类似地，第k时刻车辆位置的观测值可表示为：zk＝MUWB(ui+1，1，ui+1，2，ui+1，3，ui+1，4)。优选的，所述基于计算机视觉的车辆位置解算模型MCV的具体内容如下：S1：读取网络摄像头的实时视频，并进行去畸变处理；S2：基于预先训练的模型对视频中的目标车辆进行识别，并计算目标车辆的像素坐标；S3：通过透视变换将目标车辆的像素坐标转换为物理坐标，获得车辆位置的观测值zk。优选的，在步骤S2中，所述车辆位置观测方法具体内容如下，第一种情况：当车辆运行于场端部分第一节点的UWB基站的覆盖范围之内时，车辆通过车载定位终端的UWB模块进行位置解算，并同IMU模块输出的位置信息进行融合，从而获取车辆的高精度定位信息；第二种情况：当车辆已驶出上述第一节点的UWB基站覆盖范围，并已进入对应路段的网络摄像头的监测范围时，上述第一节点所属的区域管理单元将根据该网络摄像头采集的实时视频数据，对目标车辆进行识别、跟踪和位置估算，并将结果通过远程无线通信的方式下发；车辆通过车载定位终端接收到来自场端部分的定位信息，并同IMU模块输出的位置信息进行融合，从而获取车辆的高精度定位信息；第三种情况：当车辆已驶出上述第一节点的网络摄像头的监测范围，并已进入第二节点对应路段的网络摄像头的监测范围时，第二节点所属的区域管理单元将基于本节点的网络摄像头采集的实时视频估算出车辆的位置，并下发给车辆；车辆的车载定位终端将该定位信息同IMU模块输出的位置信息进行融合，从而获取车辆的高精度定位信息；第四种情况：当车辆已驶出第一节点上述网络摄像头的监测范围，但尚未进入第二节点对应路段的网络摄像头的监测范围时，车辆将通过车载终端的RTK模块进行位置解算，并同IMU模块输出的位置信息进行融合，从而获取车辆的高精度定位信息；当车辆已进入第二节点对应路段的网络摄像头的监测范围时，其定位方式与第三种情况相同相同；第五种情况：当车辆已进入第二节点的UWB基站的覆盖范围，车辆将通过车载终端的UWB模块进行位置解算，并同IMU模块输出的位置信息进行融合，从而获取车辆的高精度定位信息。基于车路协同的高精度定位系统，包括：车载定位终端，所述车载定位终端包括UWB模块、IMU模块、无线通信模块、运算与处理模块，所述车载定位终端用于处理来自UWB模块、IMU模块输出的本地信号，以及接收来自场端部分的远程信号，并进行相应的位置解算、融合和输出；UWB天线，用于接收来自UWB基站的定位信号；若干个区域级子系统，所述若干个区域级子系统分别部署于路网的各个节点；区域级子系统包括区域管理单元、UWB定位基站和网络摄像头，所述区域管理单元负责该区域内车辆高精度定位的具体实现，以及相关场端设备的管理和控制；所述UWB定位基站向进入其覆盖范围的车辆发射定位信号，供车辆的车载终端根据三点定位原理解算车辆的实时位置，所述网络摄像头设置于路网节点，对路网节点的各个邻接路段进行实时视频监测，并将采集的视频数据通过以太网发送到区域管理单元；其中，所述运算与处理模块作为核心分别与所述UWB模块、IMU模块、无线通信模块连接本文档来自技高网...

【技术保护点】
1.基于车路协同的高精度定位方法，其特征在于，包括以下步骤：/nS1：基于车辆第k-1时刻输出的车辆位置

【技术特征摘要】
1.基于车路协同的高精度定位方法，其特征在于，包括以下步骤：
S1：基于车辆第k-1时刻输出的车辆位置IMU模块的第k时刻的输出信号uk，以及车辆位置预测模型P计算第k时刻车辆位置的预测值



S2：读取车辆当前所在路段设置的网络摄像头的实时视频信号，进一步基于计算机视觉确定车辆当前所处的区域，然后根据车辆当前所处的区域选择对应的车辆位置观测方法，进而获得第k时刻车辆位置的观测值，并根据车辆位置观测模型U对第k时刻车辆位置的预测值进行修正，输出第k时刻车辆位置的最终估测结果：





2.根据权利要求1所述的基于车路协同的高精度定位方法，其特征在于，在步骤S2中，所述车辆位置观测方法具体内容如下：
第一阶段：
当车辆位于第i个路网节点所属UWB基站信号的覆盖范围，此时车辆位置的观测值可以通过基于UWB的三点定位法获得，具体地，第k时刻车辆位置的观测值可表示为：
Zk＝MUWB(ui，1，ui，2，ui，3，ui，4)；
其中，ui，1，ui，2，ui，3，ui，4为距离车辆最近的四个UWB基站，MUWB为基于UWB的车辆位置解算模型。
第二阶段：
车辆离开第i个路网节点UWB基站信号的覆盖范围，并且进入第i个路网节点对应路段网络摄像头ci，3的覆盖范围，此时车辆位置的观测值可通过计算机视觉获得，具体地，第k时刻车辆位置的观测值可表示为：
zk＝MCV(ci，3)，其中，MCV为基于计算机视觉的车辆位置解算模型。
第三阶段：
车辆离开第i个路网节点ci，3网络摄像头的覆盖范围，并且进入可良好接收GNSS卫星信号的开阔区域，此时车辆位置的观测值可通过基于卫星的三点定位法获得，具体地，第k时刻车辆位置的观测值可表示为：
Zk＝MGN5S(s1，s2，…，sn)；
其中，s1，s2，...，sn为车载定位终端当前搜索到信号可用的卫星，MGNSS为基于卫星的车辆位置解算模型。
第四阶段：
车辆离开可良好接收GNSS卫星信号的开阔区域，并且进入第i+1个路网节点对应路段网络摄像头ci+1，1的覆盖范围，类似地，第k时刻车辆位置的观测值可表示为：
Zk＝MCV(ci+1，1)。
第五阶段：
当车辆离开第i+1个路网节点ci+1，1摄像头的覆盖范围，并且进入第i+1个路网节点所属UWB基站信号的覆盖范围，类似地，第k时刻车辆位置的观测值可表示为：
Zk＝MUWB(ui+1，1，ui+1，2，ui+1，3，ui+1，4)。


3.根据权利要求2所述的基于车路协同的高精度定位方法，其特征在于，所述基于计算机视觉的车辆位置解算模型MCV的具体内容如下：
S1：读取网络摄像头的实时视频，并进行去畸变处理；
S2：基于预先训练的模型对视频中的目标车辆进行识别，并计算目标车辆的像素坐标；
S3：通过透视变换将目标车辆的像素坐标转换为物理坐标，获得车辆位置的观测值zk。


4.根据权利要求1所述的基于车路协同的高精度定位方法，其特征在于，在步骤S2中，所述车辆位置观测方法具体内容如下，
第一种情况：当车辆运行于场端部分第一节点的UWB基站的覆盖范围之内时，车辆通过车载定位终端的UWB模块进行位置解算，并同IMU模块输出的位置信息进行融合，从而获取车辆的高精度定位信息；
第二种情况：当车辆已驶出上述第一节点的UWB基站覆盖范围...

【专利技术属性】
技术研发人员：曾帆，刘力，杨旭，姚远，康权，
申请(专利权)人：成都云科新能汽车技术有限公司，
类型：发明
国别省市：四川;51