一种面向自动驾驶的融合导航系统完好性监测方法技术方案

本发明专利技术提出了一种面向自动驾驶的融合导航系统完好性监测方法，包括：步骤1，利用载体相机进行场景匹配得到参考位置，并反演载体到特征点的距离；步骤2，利用载体激光雷达观测信息和机器学习算法辅助全球卫星导航系统进行伪距误差修正；步骤3，将相机观测量与全球卫星导航系统观测量进行紧耦合，构造观测方程；步骤4，计算最小二乘残差，构建检验统计量进行故障检测；步骤5，计算得到预测定位误差的标准差，拟合定位误差的正态分布并计算水平方向上的用户保护水平；步骤6，将得到的用户保护水平与保护限值相比较，完成面向自动驾驶的多传感器辅助全球卫星导航系统完好性监测。器辅助全球卫星导航系统完好性监测。器辅助全球卫星导航系统完好性监测。

【技术实现步骤摘要】
一种面向自动驾驶的融合导航系统完好性监测方法


[0001]本专利技术涉及一种融合导航系统完好性监测方法，特别是一种面向自动驾驶的融合导航系统完好性监测方法。

技术介绍

[0002]自动驾驶作为智能交通发展的终极目标，近年来发展迅速。导航定位技术可以为车辆提供位置、速度、时间信息，是支撑自动驾驶的基础技术。自动驾驶作为一种以安全、责任为关切点的应用，不但需要车辆的导航定位系统为其提供高精度的定位信息，同时对定位信息的可靠程度也有着极高的要求。完好性作为评估可靠性的重要指标，其主要通过对导航系统进行故障监测及排除，向用户提供及时告警服务以增强导航系统的可靠性。当前，全球卫星导航系统(Global Navigation Satellite System，GNSS)作为最具竞争力的定位与导航技术，可以为车辆提供连续、高精度的导航定位信息，且能与惯导、视觉里程计等其他传感器实现融合导航，目前已经被广泛应用于自动驾驶车辆的研究及测试中。但是为了保障自动驾驶的安全，需要对GNSS的完好性进行有效监测。尤其是在城市复杂环境下，卫星信号易被建筑物遮挡或反射时，造本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种面向自动驾驶的融合导航系统完好性监测方法，其特征在于，包括以下步骤：步骤1，利用载体相机进行场景匹配得到参考位置，并从参考位置反演载体到特征点的距离；步骤2，利用载体激光雷达观测信息和机器学习算法辅助全球卫星导航系统进行伪距误差修正；步骤3，将相机观测量与全球卫星导航系统观测量进行紧耦合，构造观测方程；步骤4，计算最小二乘残差，以此构建检验统计量进行故障检测；步骤5，计算得到预测定位误差的标准差，拟合定位误差的正态分布并计算水平方向上的用户保护水平；步骤6，将得到的用户保护水平与保护限值相比较，完成面向自动驾驶的融合导航系统完好性监测。2.如权利要求1中所述的一种面向自动驾驶的融合导航系统完好性监测方法，其特征在于，步骤1包括：利用载体相机对周围环境进行感知检测，将观测结果与先验三维高精点云地图进行匹配，估计出载体在当地坐标系下的位置；将建筑物边界点和道路边界点作为特征点，并根据特征点的坐标信息反演载体参考位置到特征点的距离。3.如权利要求2中所述的一种面向自动驾驶的融合导航系统完好性监测方法，其特征在于，步骤2包括：步骤2
‑
1，采用载体中的全球卫星导航系统接收机与激光雷达在城市峡谷中采集数据，采用与多径误差比较相关的卫星信号载噪比、卫星高度角和建筑物表面的反射强度以及载体到建筑物的距离作为输入特征；步骤2
‑
2，选择伪距误差作为每个样本的标签，构建历史训练数据集；步骤2
‑
3，利用深度神经网络算法挖掘输入特征卫星信号载噪比、卫星高度角、建筑物表面的反射强度和载体到建筑物的距离与输出变量伪距误差之间的关系，构建伪距误差预测法则，进行伪距误差修正。4.如权利要求3中所述的一种面向自动驾驶的融合导航系统完好性监测方法，其特征在于，步骤3包括：步骤3
‑
1，将已知特征点的东北天坐标转换为地心地固坐标；步骤3
‑
2，联合全球卫星导航系统观测伪距与相机反演的距离进行定位求解。5.如权利要求4中所述的一种面向自动驾驶的融合导航系统完好性监测方法，其特征在于，步骤3
‑
1包括：将已知特征点的东北天坐标转换为地心地固坐标,旋转矩阵为：其中，L为经度，B为纬度。6.如权利要求5中所述的一种面向自动驾驶的融合导航系统完好性监测方法，其特征在于，步骤3
‑
2中，联合全球卫星导航系统观测伪距与相机反演的距离进行定位求解的过程如下：
其中，ρ
G
＝R+δ
G
为全球卫星导航系统观测方程，ρ
C
＝R+δ
C
为相机观测方程；其中，ρ
G
为根据深度神经网络预测的伪距误差修正后的全球卫星导航系统观测伪距；ρ
C
为根据相机定位反演到特征点的距离；R为卫星或特征点到载体的距离；δ
G
为其他尚未补偿的伪距误差；δ
C
为相机测距误差；对全球卫星导航系统观测方程，将载体三维坐标和接收机钟差作为未知参数进行估计；相机观测方程则估计载体三维坐标；将几何距离R按泰勒级数展开，得到：式中，R0为卫星或特征点到载体的近似几何距离；(x
i
，y
i
，z
i
)为第i个卫星或特征点的坐标；(x0，y0，z0)为载体的近似坐标；(dx，dy，dz)为载体坐标的增量；忽略非线性误差项后得到：式中E(
·
)为数学期望运算符；利用泰勒级数线性化后，全球卫星导航系统观测数据和相机观测数据紧耦合的联合定位问题近似转化为线性问题，该线性系统为：ΔR＝A
·
dX式中，ΔR＝R
‑
R0为来自全球卫星导航系统或相机的观测值；dX＝[dx，dy，dz，dt]
T
，dx，dy，dz为载体三维坐标增量；dt为全球卫星导航系统接收机钟差参数；设计矩阵A如下：其中，(x0，y0，z0)为载体的近似坐标；(x1，y1，z1)至(x
m
，y
m
，z
m
)为1至m颗卫星的坐标；R1至R
m
为1至m颗卫星到载体的距离；(x1，y1，z1)至(x
n
，y
n
，z
n
)为1至n个特征点的坐标；R1至R
n
为1至n个特征点到载体的距离；对应求解的4个参数dx，dy，dz，dt为载体三维坐标增量和全球卫星导航系统接收机钟差。7.如权利要求6中所述的一种面向自动驾驶的融合导航系统完好性监测方法，其特征在于，步骤4中，计算最小二乘残差，并构建检验统计量进行故障检测方法包括故障检测和故障识别；其中故障检测方法包括：步骤3
‑
2中所述方程的最小二乘解为：
其中，为载体坐标增量和接收机钟差估值；计算得到距离残差矢量为：z＝(I
‑
A(A
T
A)<...

【专利技术属性】
技术研发人员：孙蕊，邓思瑜，邱明，陈含智，蒋磊，
申请(专利权)人：南京航空航天大学，
类型：发明
国别省市：