一种车路协同定位系统及方法技术方案

本发明专利技术公开了一种车路协同定位系统及方法。本发明专利技术车路协同定位系统包括依次连接进行数据传输的路侧传感器单元、边缘计算单元、路侧通信单元、车载通信单元、车载计算单元；车载计算单元包括依次连接的预处理模块、多目标匹配跟踪模块、目标位置预测模块、自车概率预测模块；所述车载计算单元用于根据路侧感知信息和车辆自身的状态信息在道路区域中定位车辆自身。本发明专利技术能够摆脱对GNSS信号的依赖，能够实现网联车辆的长距离连续定位，且能够获取与周围车辆的相对位置关系，更具实用性。更具实用性。更具实用性。

【技术实现步骤摘要】
一种车路协同定位系统及方法


[0001]本专利技术属于智能驾驶系统的
，具体涉及一种车路协同定位系统及方法。

技术介绍

[0002]近年来，随着自动驾驶技术、车联网通信技术、路侧感知技术的发展，智能网联汽车及其相关衍生产品(如自动驾驶公交车、无人矿车、无人配送车等)逐渐普及并实现落地应用。准确的车辆定位对于车辆安全高效驾驶和车辆调度管理至关重要。现阶段，全球导航卫星系统(GNSS)已成为主流的车辆定位技术，然而在一些复杂交通场景(如立交桥、隧道、高层建筑周边等)，容易因丢失GNSS信号而导致定位失效。
[0003]现有技术中，针对无GNSS场景的单车定位方法中，基于视觉、激光里程计的定位方法容易受累积效应的影响导致长距离定位性能不佳；基于地图匹配的定位方法地图更新维护成本高。
[0004]现有技术中，还存在基于车车协同、车路协同的定位技术。
[0005]基于车车协同的技术需要依靠车用移动通信网络，且依然依赖于自车或周围车辆的GNSS信号来辅助定位。
[0006]基于车路协同的定位方法大多基于信号反射强度、反射时间来推算车辆与道路通信设备的距离、方位，进而实现车辆定位。现有的车路协同的定位方法，往往需要在短距离内部署大量路侧设备，且自车无法获取与他车的相对定位关系。此外，现有基于路侧感知信息的车辆定位方法大多停留在仿真阶段，或仅依赖相机进行粗略定位，没有考虑混合交通流下，基于多源异构感知信息的协同定位精度问题。在实际交通场景下，往往在多点位路侧设备、不同通信范围和感知范围路段的长距离连续定位具有困难，且在网联车和非网联车混行条件下对自车进行精确定位的难度和准确度大打折扣，因此现有的车路协同定位方法并不具备较好的定位精度和实用性。

技术实现思路

[0007]为了克服现有技术存在的缺陷与不足，本专利技术的第一目的在于提供一种车路协同定位系统，第二目的在于提供一种车路协同定位方法，用于提升车辆定位的实用性和精确度。
[0008]为了达到上述目的，本专利技术采用以下技术方案：
[0009]一种车路协同定位系统，包括依次连接进行数据传输的路侧传感器单元、边缘计算单元、路侧通信单元、车载通信单元、车载计算单元；
[0010]路侧传感器单元用于采集道路区域内车辆的信息；
[0011]边缘计算单元用于根据路侧传感器单元采集的信息，进行处理形成道路区域内车辆的路侧感知信息；路侧通信单元用于将边缘计算单元处理得到的路侧感知信息发送到车载通信单元；
[0012]车载通信单元用于将接收的路侧感知信息传输到车载计算单元；
[0013]车载计算单元用于根据路侧感知信息和车辆自身的状态信息在道路区域中定位车辆自身；
[0014]车载计算单元包括依次连接的预处理模块、多目标匹配跟踪模块、目标位置预测模块、自车概率预测模块；
[0015]预处理模块与车载通信单元连接，用于对路侧感知信息进行预处理，过滤无效的非车辆目标、重复的车辆目标；
[0016]多目标匹配跟踪模块用于根据路侧感知信息获取并跟踪车辆目标的位置、速度变化；
[0017]目标位置预测模块用于根据车辆目标的位置、速度变化，采用扩展卡尔曼滤波器对路侧感知信息进行预测、修正车辆目标的位置，然后更新路侧感知信息；
[0018]自车概率预测模块用于根据更新的路侧感知信息计算当前跟踪的车辆目标为车辆自身的概率，从而实现对车辆的定位。
[0019]优选地，路侧传感器单元包括在道路区域多个点位上分别部署的多个传感器，传感器的类型包括激光雷达、摄像头；
[0020]激光雷达、摄像头用于获取道路区域的点云、图像数据；
[0021]每个传感器均分别与一个边缘计算单元电性连接进行数据传输，每个传感器均设置有对应道路区域当前坐标系的全局定位坐标和联合标定参数。
[0022]进一步地，边缘计算单元包括目标检测模块、感知融合模块、坐标转换模块、编码模块；
[0023]目标检测模块与路侧传感器单元中的多个传感器连接，用于对路侧多传感器采集到的图像、点云数据分别进行图像二维目标检测和点云三维目标检测，输出不同传感器的目标检测信息；目标检测信息包含车辆目标的几何尺寸、位置、检测框；
[0024]感知融合模块与目标检测模块连接，用于将图像二维目标检测信息与点云三维目标检测信息进行数据匹配、关联、消除误检测处理，并输出处理后的三维目标检测信息作为路侧感知信息；
[0025]坐标转换模块与感知融合模块连接，用于将道路区域当前坐标系下的坐标点换算为世界坐标系下的经纬度坐标；
[0026]编码模块与坐标转换模块连接，用于将路侧感知信息根据标准的C
‑
V2X数据通信协议进行数据编码。
[0027]进一步地，预处理模块用于接收经过编码的路侧感知信息，对路侧感知信息进行解码，把路侧感知信息中的世界坐标系的经纬度坐标换算为当前道路区域坐标系下的坐标，根据路侧感知信息把非车辆目标和重复检测目标等无效数据剔除。
[0028]进一步地，获取并跟踪多台车辆目标各自的位置、速度变化的过程如下：
[0029]遍历当前帧中全部检测的车辆目标、全部跟踪的车辆目标的路侧感知信息，并分别设定为检测目标、跟踪目标；
[0030]若当前帧为开始跟踪的第一帧，则对当前帧中的每一个检测目标直接作为下一帧的跟踪目标；
[0031]若当前帧不是开始跟踪的第一帧，则计算当前帧中的每一个检测目标与全部跟踪目标的几何尺寸交并比、位置距离、根据位置距离及前后帧时间差推导的速度；
[0032]几何尺寸交并比计算方式为：将检测目标与跟踪目标的检测框的几何中心点重合，计算两个检测框的交集体积与并集体积的比值；
[0033]位置距离的计算方式为：计算检测目标与跟踪目标的检测框的几何中心点的欧式距离；
[0034]速度的计算方式为：计算检测目标与跟踪目标的检测框的距离除以前后帧时间间隔的值；
[0035]设定速度匹配概率Prob
vel
且计算如下式所示：
[0036][0037]其中，v
c
、v
t
、v
thresh
分别表示该检测目标在当前帧的速度、跟踪目标的速度、设定的速度阈值；
[0038]设定距离匹配概率Prob
dis
且计算如下式所示：
[0039][0040]其中，d
o
、d
thresh
分别表示检测目标在当前帧与跟踪目标的距离、设定的距离阈值；
[0041]设定几何尺寸交并比的值为IOU匹配概率Prob
iou
；
[0042]根据IOU匹配概率Prob
iou
、距离匹配概率Prob
dis
、速度匹配概率Prob
vel
，计算当前帧中该检测目标与全部跟踪目标的目标匹配概率Prob
m
本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种车路协同定位系统，其特征在于，包括依次连接进行数据传输的路侧传感器单元、边缘计算单元、路侧通信单元、车载通信单元、车载计算单元；所述路侧传感器单元用于采集道路区域内车辆的信息；所述边缘计算单元用于根据路侧传感器单元采集的信息，进行处理形成道路区域内车辆的路侧感知信息；所述路侧通信单元用于将边缘计算单元处理得到的路侧感知信息发送到车载通信单元；所述车载通信单元用于将接收的路侧感知信息传输到车载计算单元；所述车载计算单元用于根据路侧感知信息和车辆自身的状态信息在道路区域中定位车辆自身；车载计算单元包括依次连接的预处理模块、多目标匹配跟踪模块、目标位置预测模块、自车概率预测模块；所述预处理模块与车载通信单元连接，用于对路侧感知信息进行预处理，过滤无效的非车辆目标、重复的车辆目标；所述多目标匹配跟踪模块用于根据路侧感知信息获取并跟踪车辆目标的位置、速度变化；所述目标位置预测模块用于根据车辆目标的位置、速度变化，采用扩展卡尔曼滤波器对路侧感知信息进行预测、修正车辆目标的位置，然后更新路侧感知信息；所述自车概率预测模块用于根据更新的路侧感知信息计算当前跟踪的车辆目标为车辆自身的概率，从而实现对车辆的定位。2.根据权利要求1所述车路协同定位系统，其特征在于，路侧传感器单元包括在道路区域多个点位上分别部署的多个传感器，所述传感器的类型包括激光雷达、摄像头；所述激光雷达、摄像头用于获取道路区域的点云、图像数据；每个传感器均分别与一个边缘计算单元电性连接进行数据传输，每个传感器均设置有对应道路区域当前坐标系的全局定位坐标和联合标定参数。3.根据权利要求3所述车路协同定位系统，其特征在于，边缘计算单元包括目标检测模块、感知融合模块、坐标转换模块、编码模块；所述目标检测模块与路侧传感器单元中的多个传感器连接，用于对路侧多传感器采集到的图像、点云数据分别进行图像二维目标检测和点云三维目标检测，输出不同传感器的目标检测信息；所述目标检测信息包含车辆目标的几何尺寸、位置、检测框；所述感知融合模块与目标检测模块连接，用于将图像二维目标检测信息与点云三维目标检测信息进行数据匹配、关联、消除误检测处理，并输出处理后的三维目标检测信息作为路侧感知信息；所述坐标转换模块与感知融合模块连接，用于将道路区域当前坐标系下的坐标点换算为世界坐标系下的经纬度坐标目标检测信息；所述编码模块与坐标转换模块连接，用于将路侧感知信息根据标准的C
‑
V2X数据通信协议进行数据编码。4.根据权利要求3所述车路协同定位系统，其特征在于，预处理模块用于接收经过编码的路侧感知信息，对路侧感知信息进行解码，把路侧感知信息中的世界坐标系的经纬度坐标换算为当前道路区域坐标系下的坐标，根据路侧感知信息把非车辆目标和重复检测目标
等无效数据剔除。5.根据权利要求4所述车路协同定位系统，其特征在于，所述获取并跟踪多台车辆目标各自的位置、速度变化的过程如下：遍历当前帧中全部检测的车辆目标、全部跟踪的车辆目标的路侧感知信息，并分别设定为检测目标、跟踪目标；若当前帧为开始跟踪的第一帧，则对当前帧中的每一个检测目标直接作为下一帧的跟踪目标；若当前帧不是开始跟踪的第一帧，则计算当前帧中的每一个检测目标与全部跟踪目标的几何尺寸交并比、位置距离、根据位置距离及前后帧时间差推导的速度；所述几何尺寸交并比计算方式为：将检测目标与跟踪目标的检测框的几何中心点重合，计算两个检测框的交集体积与并集体积的比值；所述位置距离的计算方式为：计算检测目标与跟踪目标的检测框的几何中心点的欧式距离；所述速度的计算方式为：计算检测目标与跟踪目标的检测框的距离除以前后帧时间间隔的值；设定速度匹配概率Prob
vel
且计算如下式所示：其中，v
c
、v
t
、vthresh分别表示该检测目标在当前帧的速度、跟踪目标的速度、设定的速度阈值；设定距离匹配概率Prob
dis
且计算如下式所示：其中，d
o
、d
thresh
分别表示检测目标在当前帧与跟踪目标的距离、设定的距离阈值；设定几何尺寸交并比的值为IOU匹配概率Prob
iou
；根据IOU匹配概率Prob
iou
、距离匹配概率Prob
dis
、速度匹配概率Prob
vel
，计算当前帧中该检测目标与全部跟踪目标的目标匹配概率Prob
m
，目标匹配概率Prob
m
如下式所示：Prob
m
＝w
iou
Prob
iou
+w
vel

【专利技术属性】
技术研发人员：郑少武，卢仲康，李巍华，刘天灵，吴奕琦，郑润霖，
申请(专利权)人：广州华工机动车检测技术有限公司，
类型：发明
国别省市：