车辆导航系统的多传感器融合定位方法技术方案

本发明专利技术提供一种车辆导航系统的多传感器融合定位方法，该车辆导航系统包括捷联惯导系统和全球导航卫星定位系统，该方法包括：判断全球导航卫星定位系统的信号是否丢失；若丢失，则将捷联惯导系统的输出信息作为车辆的导航信息；且车辆的导航信息包括车辆位置信息和车辆速度信息；若未丢失，则利用粒子群优化与粒子滤波算法对捷联惯导系统的输出信息和全球导航卫星定位系统的输出信息进行多传感器信息融合，并将融合后的信息作为车辆的导航信息。本方案将全球导航卫星定位系统和低成本的捷联惯导系统进行结合，共同对车辆进行定位，保证了系统在进入涵洞等卫星信号丢失情况下的定位功能，提高了车辆的导航系统的精度，也降低了车辆导航系统的成本。降低了车辆导航系统的成本。降低了车辆导航系统的成本。

【技术实现步骤摘要】
车辆导航系统的多传感器融合定位方法


[0001]本专利技术涉及车辆导航
，特别涉及一种车辆导航系统的多传感器融合定位方法。

技术介绍

[0002]AR汽车实景导航技术在最近几年受到学术界和工业界的广泛关注，AR导航利用虚拟增强技术帮助驾驶员及时、正确地做出导航判断决策，其前提是车辆的位置与姿态信息能够及时地反馈给导航引擎。然而目前市场上对普通驾驶车辆的位姿分析都是依靠GNSS卫星信号，精度误差在10米左右，无法满足路况复杂情况下(高架桥、多岔路口等)导航产品的精度要求。尤其在涵洞与隧道场景下，丢失卫星信号仍然是AR导航产品失效的根本原因。市场上对特殊功能车辆的位姿分析可依靠融合RTK差分信号增强技术与专业的惯导组件实现厘米级的精度误差，然而同时也大幅提高了硬件成本，限制了该技术在普通驾驶车辆上的应用。
[0003]因此，现有技术中车辆的导航系统存在精度不高，且利用差分信号增强技术进行导航成本较高的问题。

技术实现思路

[0004]本专利技术的目的在于解决现有技术中车辆的导航系统存在精度不高，且利用差分信号增强技术进行导航成本较高的问题。
[0005]为解决上述问题，本专利技术的实施方式公开了一种车辆导航系统的多传感器融合定位方法，车辆导航系统包括捷联惯导系统和全球导航卫星定位系统；车辆导航系统的多传感器融合定位方法包括以下步骤：
[0006]S0：判断全球导航卫星定位系统的信号是否丢失；其中
[0007]若全球导航卫星定位系统的信号丢失，则将捷联惯导系统的输出信息作为车辆的导航信息；其中，车辆的导航信息包括车辆位置信息和车辆速度信息；或
[0008]若全球导航卫星定位系统的信号未丢失，则利用粒子群优化与粒子滤波算法对捷联惯导系统的输出信息和全球导航卫星定位系统的输出信息进行多传感器信息融合，并将融合后的信息作为车辆的导航信息。
[0009]采用上述方案，将全球导航卫星定位系统和低成本的捷联惯导系统进行结合，共同对车辆进行定位，保证了系统在进入涵洞、隧道等卫星信号丢失情况下的定位功能，提高了车辆的导航系统的精度，也降低了车辆导航系统的成本。
[0010]根据本专利技术的另一具体实施方式，本专利技术实施方式公开的车辆导航系统的多传感器融合定位方法，利用粒子群优化与粒子滤波算法对捷联惯导系统的输出信息和全球导航卫星定位系统的输出信息进行多传感器信息融合，并将融合后的信息作为车辆的导航信息包括：
[0011]S1：对捷联惯导系统和全球导航卫星定位系统建立初始粒子群，并确定初始粒子
群的粒子群参数；
[0012]S2：根据捷联惯导系统的输出信息更新初始粒子群，以形成更新粒子群，并获取更新粒子群对应的捷联惯导系统的输出信息；
[0013]S3：利用粒子群优化算法驱动更新粒子群中的粒子向高似然区域运动；其中，高似然区域为更新粒子群的迭代群体最优值和更新粒子群中的各粒子的迭代粒子最优值；
[0014]S4：利用粒子滤波算法计算更新粒子群中的各粒子的粒子权重，并对粒子权重进行归一化处理；
[0015]S5：对更新粒子群中的各粒子进行重采样以形成重采样粒子群；
[0016]S6：根据重采样粒子群的中心粒子的维度确定捷联惯导系统的输出信息和全球导航卫星定位系统的输出信息，并将捷联惯导系统的输出信息和全球导航卫星定位系统的输出信息带入更新后的捷联惯导系统的姿态转换矩阵，以求出中心粒子的更新姿态，并将更新姿态作为车辆的导航信息。
[0017]采用上述方案，结合普通的全球导航卫星定位系统和低成本捷联惯导系统进行组合定位，在卫星信号丢失时保障了定位系统功能，利用粒子滤波算法计算更新粒子群中的各粒子的粒子权重，并对粒子权重进行归一化处理，满足车辆导航对车辆定位精度系统的需求，同时降低了车辆定位系统的硬件成本。相对于传统的基于卡尔曼滤波的多传感器融合组合定位算法，本专利技术考虑联惯导系统模型非线性特点，采用粒子滤波算法，采用粒子群优化算法使得粒子的分布向高似然概率密度分布区域运动，最终在提高精度的基础上减少滤波粒子数，解决粒子贫乏问题，提高定位系统的实时性，保证其鲁棒性和稳定性。同时基于少量粒子进行的每一次滤波时间，即实时输出定位结果的周期可以满足目前低成本的全球导航卫星定位系统和捷联惯导系统信息融合对输出定位结果的频率要求，减小计算资源且提高计算精度。
[0018]根据本专利技术的另一具体实施方式，本专利技术实施方式公开的车辆导航系统的多传感器融合定位方法，步骤S1中，初始粒子群的粒子群参数包括各粒子的初始维度、粒子群的初始均值、粒子群的初始分布方差；并且，确定初始粒子群的粒子群参数包括：
[0019]S11：根据以下公式对初始粒子群的各粒子进行定义：
[0020]X＝(v
n
,v
e
,v
d
,lat,lon,h)
[0021]其中，X为各粒子的维度；v
n
为地理北方向的车辆速度；v
e
为地理东方向的车辆速度；v
d
为垂直于地表的地方向的车辆速度；lat为经度；lon为纬度；h为高度；
[0022]S12：利用惯导递推算法获取前一时刻北方向的车辆速度、东方向的车辆速度、地方向的车辆速度、经度、纬度、高度，并将其作为粒子群的初始均值；
[0023]S13：获取全球导航卫星定位系统的观测精度分布方差，并将其作为粒子群的初始分布方差；
[0024]S14：根据粒子群的初始均值和粒子群的初始分布方差确定各粒子的维度的具体数值。
[0025]根据本专利技术的另一具体实施方式，本专利技术实施方式公开的车辆导航系统的多传感器融合定位方法，捷联惯导系统的输出信息包括捷联惯导系统的角速度、捷联惯导系统的加速度；并且，步骤S2包括：
[0026]S21：根据当前时刻的捷联惯导系统的角速度和捷联惯导系统的加速度对初始粒
子群中的各粒子进行捷联惯导解算，以得到更新后的捷联惯导系统的角速度和加速度；
[0027]S22：根据捷联惯导系统的加速度计的随机游走误差确定滤波过程状态噪声；
[0028]S23：根据滤波过程状态噪声、更新后的捷联惯导系统的角速度和加速度，并利用高斯模型预测捷联惯导系统的角速度和加速度；
[0029]S24：将预测得到的捷联惯导系统的角速度和加速度作为更新粒子群对应的捷联惯导系统的输出信息。
[0030]采用上述方案，根据滤波过程状态噪声、更新后的捷联惯导系统的角速度和加速度，并利用高斯模型预测捷联惯导系统的角速度和加速度，能够使得预测得到的捷联惯导系统的角速度和加速度更接近真实值。
[0031]根据本专利技术的另一具体实施方式，本专利技术实施方式公开的车辆导航系统的多传感器融合定位方法，初始粒子群的粒子群参数还包括预设迭代步数、各粒子的初始运动速度；并且，
[0032]步骤S3包括：
[0033]S31：构建粒子群优化算法的适应度函数表达式；
...

【技术保护点】

【技术特征摘要】
1.一种车辆导航系统的多传感器融合定位方法，所述车辆导航系统包括捷联惯导系统和全球导航卫星定位系统；其特征在于，所述车辆导航系统的多传感器融合定位方法包括以下步骤：S0：判断所述全球导航卫星定位系统的信号是否丢失；其中若所述全球导航卫星定位系统的信号丢失，则将所述捷联惯导系统的输出信息作为车辆的导航信息；其中，所述车辆的导航信息包括车辆位置信息和车辆速度信息；或若所述全球导航卫星定位系统的信号未丢失，则利用粒子群优化与粒子滤波算法对所述捷联惯导系统的输出信息和所述全球导航卫星定位系统的输出信息进行多传感器信息融合，并将融合后的信息作为车辆的导航信息。2.如权利要求1所述的车辆导航系统的多传感器融合定位方法，其特征在于，所述利用粒子群优化与粒子滤波算法对所述捷联惯导系统的输出信息和所述全球导航卫星定位系统的输出信息进行多传感器信息融合，并将融合后的信息作为车辆的导航信息包括：S1：对所述捷联惯导系统和所述全球导航卫星定位系统建立初始粒子群，并确定所述初始粒子群的粒子群参数；S2：根据所述捷联惯导系统的输出信息更新所述初始粒子群，以形成更新粒子群，并获取所述更新粒子群对应的所述捷联惯导系统的输出信息；S3：利用粒子群优化算法驱动所述更新粒子群中的粒子向高似然区域运动；其中，所述高似然区域为所述更新粒子群的迭代群体最优值和所述更新粒子群中的各粒子的迭代粒子最优值；S4：利用粒子滤波算法计算所述更新粒子群中的各粒子的粒子权重，并对所述粒子权重进行归一化处理；S5：对所述更新粒子群中的各粒子进行重采样以形成重采样粒子群；S6：根据所述重采样粒子群的中心粒子的维度确定所述捷联惯导系统的输出信息和所述全球导航卫星定位系统的输出信息，并将所述捷联惯导系统的输出信息和所述全球导航卫星定位系统的输出信息带入更新后的所述捷联惯导系统的姿态转换矩阵，以求出所述中心粒子的更新姿态，并将所述更新姿态作为车辆的导航信息。3.如权利要求2所述的车辆导航系统的多传感器融合定位方法，其特征在于，步骤S1中，所述初始粒子群的粒子群参数包括各粒子的初始维度、粒子群的初始均值、粒子群的初始分布方差；并且，所述确定所述初始粒子群的粒子群参数包括：S11：根据以下公式对所述初始粒子群的各粒子进行定义：X＝(v
n
,v
e
,v
d
,lat,lon,h)其中，X为各粒子的维度；v
n
为地理北方向的车辆速度；v
e
为地理东方向的车辆速度；v
d
为垂直于地表的地方向的车辆速度；lat为经度；lon为纬度；h为高度；S12：利用惯导递推算法获取前一时刻北方向的车辆速度、东方向的车辆速度、地方向的车辆速度、经度、纬度、高度，并将其作为所述粒子群的初始均值；S13：获取所述全球导航卫星定位系统的观测精度分布方差，并将其作为所述粒子群的初始分布方差；S14：根据所述粒子群的初始均值和所述粒子群的初始分布方差确定各粒子的维度的具体数值。
4.如权利要求3所述的车辆导航系统的多传感器融合定位方法，其特征在于，所述捷联惯导系统的输出信息包括所述捷联惯导系统的角速度、所述捷联惯导系统的加速度；并且，步骤S2包括：S21：根据当前时刻的所述捷联惯导系统的角速度和所述捷联惯导系统的加速度对所述初始粒子群中的各粒子进行捷联惯导解算，以得到更新后的所述捷联惯导系统的角速度和加速度；S22：根据所述捷联惯导系统的加速度计的随机游走误差确定滤波过程状态噪声；S23：根据所述滤波过程状态噪声、更新后的所述捷联惯导系统的角速度和加速度，并利用高斯模型预测所述捷联惯导系统的角速度和加速度；S24：将预测得到的所述捷联惯导系统的角速度和加速度作为所述更新粒子群对应的所述捷联惯导系统的输出信息。5.如权利要求4所述的车辆导航系统的多传感器融合定位方法，其特征在于，所述初始粒子群的粒子群参数还包括预设迭代步数、各粒子的初始...

【专利技术属性】
技术研发人员：程小宣，苗晓婷，
申请(专利权)人：上海汽车集团股份有限公司，
类型：发明
国别省市：