【技术实现步骤摘要】
一种道路及附属物的实时监测定位方法、系统及装置
[0001]本专利技术涉及监测定位
,特别是涉及一种道路及附属物的实时监测定位方法
、
系统及装置
。
技术介绍
[0002]道路及其附属物检测的方法分为动态检测和静态检测两部分
。
动态检测是利用动态道路监测车对道路及其附属物进行定位与监测的方法,静态检测是利用绝对测量模式对道路及其附属设施进行定位与监测的方法
。
大型的动态道路监测车虽然速度快但是精度不够,成本高,便利性不足,具有一定局限性
。
绝对测量主要有极坐标法
、GNSS
的
PPK
法等等
。
极坐标法的全站仪对外界环境要求苛刻且测量速度慢,
PPK
法的卫星信号受环境影响被干扰
、
遮挡,影响定位结果的准确性且不具备实时性,均有一定不足
。
总结来说,传统的道路及其附属物监测技术存在难以兼顾检测精度
、
检测效率
、
和实时性的问题
。
技术实现思路
[0003]本专利技术的目的是提供一种道路及附属物的实时监测定位方法
、
系统及装置,实现对于道路及附属物的精确定位
。
[0004]为实现上述目的,本专利技术提供了如下方案:
[0005]第一方面,本专利技术提供一种道路及附属物的实时监测定位方法,包括:
[0006]获取惯性测量单 ...
【技术保护点】
【技术特征摘要】
1.
一种道路及附属物的实时监测定位方法,其特征在于,方法包括:获取惯性测量单元采集的历史惯性数据
、
道路影像拍摄部件拍摄的标定图像
、
基准站上北斗接收机输出的第一卫星观测数据
、
载体移动平台上北斗接收机输出的第二卫星观测数据;所述惯性测量单元及所述道路影像拍摄部件均设置在所述载体移动平台上;采用
Allan
方差法,对所述历史惯性数据中的随机噪声进行分析,以得到随机噪声时域模型;采用张正友相机标定法,根据所述标定图像,对所述道路影像拍摄部件的内参矩阵进行标定,并确定所述惯性测量单元与所述道路影像拍摄部件的外参矩阵初始值;基于所述历史惯性数据
、
所述随机噪声时域模型及标定后的内参矩阵,对所述外参矩阵初始值进行优化,得到标定后的外参矩阵;基于所述第一卫星观测数据及所述第二卫星观测数据,进行北斗卫星导航
RTK
模糊度固定解算,以得到所述北斗接收机的天线处的实时位置
、
实时速度及实时姿态,然后基于所述北斗接收机的天线处的实时位置
、
实时速度及实时姿态,对所述惯性测量单元进行初始化;获取初始化后的惯性测量单元采集到的当前惯性数据
、
道路影像拍摄部件拍摄的当前道路图像;确定所述北斗接收机的天线与所述惯性测量单元的相对位置,然后结合所述当前惯性数据
、
所述第一卫星观测数据
、
所述第二卫星观测数据
、
所述当前道路图像
、
标定后的内参矩阵
、
标定后的外参矩阵,确定所述惯性测量单元的最终的位置及姿态旋转矩阵;基于所述惯性测量单元的最终的位置及姿态旋转矩阵
、
所述标定后的外参矩阵,计算地心坐标系下所述当前道路图像中特征点对应的位置;所述当前道路图像中的特征点表征道路特征及道路上的附属物特征
。2.
根据权利要求1所述的道路及附属物的实时监测定位方法,其特征在于,采用张正友相机标定法,根据所述标定图像,对所述道路影像拍摄部件的内参矩阵进行标定,并确定所述惯性测量单元与所述道路影像拍摄部件的外参矩阵初始值,具体包括:基于世界坐标系与像素坐标系的转换关系,建立拍摄部件标定函数模型;所述拍摄部件标定函数模型中包括所述道路影像拍摄部件的内参矩阵
、
所述惯性测量单元与所述道路影像拍摄部件的外参矩阵;基于所述拍摄部件标定函数模型,构建单应性矩阵;基于最小二乘法和
cholesky
分解法,根据所述标定图像,对所述单应性矩阵求解,以得到所述道路影像拍摄部件的内参矩阵初始值;根据所述标定后的内参矩阵和所述单应性矩阵,计算所述惯性测量单元与所述道路影像拍摄部件的外参矩阵初始值;确定畸变系数初始值;基于所述内参矩阵初始值及所述畸变系数初始值,采用最大似然法最小化点的重投影误差,以对所述内参矩阵初始值进行优化,得到标定后的内参矩阵
。3.
根据权利要求1所述的道路及附属物的实时监测定位方法,其特征在于,所述历史惯性数据包括历史加速度测量值
、
历史角速度测量值以及历史位姿;所述历史位姿为所述惯性测量单元在世界坐标系下的位姿;
基于所述历史惯性数据
、
所述随机噪声时域模型及标定后的内参矩阵,对所述外参矩阵初始值进行优化,得到标定后的外参矩阵,具体包括:将所述历史位姿转换为六自由度的贝塞尔样条曲线;基于所述六自由度的贝塞尔样条曲线,计算所述惯性测量单元的加速度和角速度;基于所述随机噪声时域模型及标定后的内参矩阵,根据同一时刻下,历史加速度测量值
、
历史角速度测量值
、
计算得到的所述惯性测量单元的加速度和角速度,分别构建视觉重投影误差函数
、
加速度误差函数
、
角速度误差函数
、
加速度计零偏误差函数及陀螺零偏误差函数;根据所述视觉重投影误差函数
、
所述加速度误差函数
、
所述角速度误差函数
、
所述加速度计零偏误差函数及所述陀螺零偏误差函数,以总误差值最小为目标,建立外参矩阵优化函数;采用
Levenberg
‑
Marquardt
算法,对所述外参矩阵优化函数进行求解,以得到标定后的外参矩阵
。4.
根据权利要求3所述的道路及附属物的实时监测定位方法,其特征在于,所述视觉重投影误差函数为:所述加速度误差函数为:所述角速度误差函数为:所述加速度计零偏误差函数为:所述陀螺零偏误差函数为:
所述总误差值的计算公式为:其中,
E
表示总误差值,
F
y
表示视觉重投影总误差值,
E
α
表示加速度总误差值,表示角速度总误差值,表示加速度计零总偏误差值,表示陀螺总零偏误差值;表示视觉重投影误差值,
y
mj
表示路标点像素坐标,
h()
表示非线性道路影像拍摄部件模型,
T
c,i
表示惯性测量单元与道路影像拍摄部件的外参矩阵,
T
w,i
表示惯性测量单元在世界坐标系下位姿,
t
j
表示标定图像的时间戳,
d
表示时间延迟参数,表示标定图像中道路上的路标点,
J
表示图像数,
M
表示路标点数,表示路标点像素观测噪声;表示加速度误差值,
C(
·
)
代表转化旋转参数为旋转矩阵的函数,表示旋转参数,
a(t
k
)
表示
t
k
时刻的加速度,
g
w
表示世界坐标系下的重力向量,
b
a
(t)
与
b
g
(t)
分别为加表与陀螺仪在
t
时刻的零偏值,当
t
=
t
k
时,表示为
t
k
时刻;
K
表示历元数,
()
T
表示转置,
()
‑1表示求逆,表示加速度观测噪声;表示角速度误差值,表示陀螺仪测量输出,
ω
(t
k
)
表示根据样条曲线求导得到的角速度,
b
ω
(t
k
)
表示陀螺仪随机游走,表示角速度随观测噪声,表示加速度计零偏误差值,
R
a
表示加速度随机游走噪声,表示陀螺零偏误差值,
R
g
表示陀螺随机游走噪声
。5.
根据权利要求1所述的道路及附属物的实时监测定位方法,其特征在于,所述第一卫星观测数据及所述第二卫星观测数据均包括伪距观测值
、
载波观测值
、BDS
卫星广播星历及多普勒观测值;基于所述第一卫星观测数据及所述第二卫星观测数据,进行北斗卫星导航
RTK
模糊度固定解算,以得到所述北斗接收机的天线处的实时位置
、
实时速度及实时姿态,具体包括:基于所述第一卫星观测数据及所述第二卫星观测数据,构建双差观测方程;所述双差观测方程包括双差载波观测方程及双差伪距观测方程;基于序贯非线性最小二乘法,对所述双差观测方程进行
BDS RTK
浮点解解算,以得到北斗卫星导航的
B1I
频点和
B3I
频点上,载波观测值的浮点解双差模糊度向量及对应的方差
‑
协方差矩阵;基于所述浮点解双差模糊度向量及对应的方差
‑
协方差矩阵,采用最小二乘模糊度降相关平差
LAMBDA
算法,确定实数双差模糊度对应的整数双差模糊度值;基于最小二乘法,根据所述整数双差模糊度值及所述双差载波观测方程,计算所述北斗接收机的天线处的实时位置;基于所述北斗接收机的天线处的实时位置及所述多普勒观测值,采用最小二乘理论
、BDS
测速理论
、
双天线定姿理论,计算所述北斗接收机的天线处的实时速度与实时姿态
。6.
根据权利要求5所述的道路及附属物的实时监测定位方法,其特征在于,所述当前惯性数据包括当前加速度观测值
、
当前角速度观测值;确定所述北斗接收机的天线与所述惯性测量单元的相对位置,然后结合所述当前惯性数据
、
所述第一卫星观测数...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。