日本无码免费高清在线|成人日本在线观看高清|A级片免费视频操逼欧美|全裸美女搞黄色大片网站|免费成人a片视频|久久无码福利成人激情久久|国产视频一二国产在线v|av女主播在线观看|五月激情影音先锋|亚洲一区天堂av

  • 手機站
  • 小程序

    汽車測試網(wǎng)

  • 公眾號

    • 汽車測試網(wǎng)

    • 在線課堂

    • 電車測試

車輛定位技術(shù)概述

2019-04-23 21:35:20·  來源：同濟智能汽車研究所  
　
目前常用的車輛定位技術(shù)按照定位原理不同分為直接定位和航位推算。其中直接定位主要基于信號的空間交匯測量及環(huán)境特征的匹配定位，航位推算則是依據(jù)加速度、角速
目前常用的車輛定位技術(shù)按照定位原理不同分為直接定位和航位推算。其中直接定位主要基于信號的空間交匯測量及環(huán)境特征的匹配定位，航位推算則是依據(jù)加速度、角速度、速度等信息結(jié)合初始值進行積分定位。其間使用信息源主要有衛(wèi)星定位、慣性導航、視覺、激光雷達和磁力計等，而在具體系統(tǒng)實現(xiàn)過程中，由單獨的定位技術(shù)發(fā)展為多傳感器定位技術(shù)融合，到現(xiàn)階段采用多種組合定位技術(shù)融合定位，從而盡可能發(fā)揮各傳感器優(yōu)勢并進行場景互補，減小甚至消除累積誤差的影響，達到連續(xù)可靠定位結(jié)果。本文就上述常見定位技術(shù)及其原理進行介紹。
 
1.IMU導航原理及誤差
 
1.1.IMU定位原理
IMU 純慣性元件位姿估計原理為首先將測量的角速度積分推算姿態(tài)，根據(jù)姿態(tài)信息將測量的加速度投影到導航坐標系，進而對投影后的加速度去除重力后進行積分推算位置。
圖1   MEMS/IMU捷聯(lián)式慣性導航系統(tǒng) (INS)的結(jié)構(gòu)框圖
 
1.2.IMU誤差及處理技術(shù)
 
不同于航空航天領(lǐng)域所使用的激光陀螺、光纖陀螺等慣性元件，車用領(lǐng)域采用的低成本 MEMS (Micro-electromechanical Systems)慣性傳感器，其 測量誤差較大。如0.01m/s^2沿車輛側(cè)向的加速度偏置誤差，勻速直線行駛20秒即可產(chǎn)生2米偏差，而標準為3.75米車道，則定位結(jié)果已經(jīng)偏離當前車道。同時在無姿態(tài)修正下0.01°/s的角速度偏差30秒即可產(chǎn)生10米的誤差，如下圖所示。
圖2 無約束修正的純積分誤差影響
 
影響 IMU慣性器件精度的誤差主要可以分為確定性誤差和隨機誤差，在誤差影響中其中位置誤差與角速度傳感器積分時間三次方正相關(guān)、與加速度傳感器積分時間平方成正相關(guān)，同時由于 IMU所用航位推算算法為積分運算，需要位置、速度和姿態(tài)初值，這些初值直接影響到后面積分運算結(jié)果，所以需要考慮初始對準導致的誤差。
 
A.確定性誤差
 
確定性誤差，又稱為系統(tǒng)誤差，是慣性器件主要的誤差源，主要有零偏、刻度因數(shù)誤差和交叉耦合項誤差等，誤差處理方法主要有兩種：一類是在實際工藝中，主要靠改進慣性儀表設(shè)計工藝來提高慣性器件的精度；第二類通常為傳感器標定技術(shù)的補償修正，其中加速度計、陀螺組件測量誤差會建模為：
B.隨機誤差
隨機誤差對慣性導航系統(tǒng)的精度有很大的影響，一般隨機誤差統(tǒng)計規(guī)律，通常采用濾波算法處理補償或一階馬爾可夫過程對陀螺隨機漂移誤差和加速度計隨機漂移誤差進行建模，式中最后一項分別為陀螺儀和加速度計誤差的高斯白噪聲。
C.初始對準誤差
慣導系統(tǒng)剛上電啟動時，其載體坐標系相對于參考導航坐標系的各軸指向完全未知或不夠精確，無法立即進入導航狀態(tài)，必須先確定載體坐標系相對于導航坐標系的空間方位。初始對準技術(shù)是慣性導系統(tǒng)穩(wěn)定工作的前提，其精準度對于提高導航精度具有重要意義。
 
捷聯(lián)慣導系統(tǒng)的初始對準通常包括粗對準和精對準兩個階段：
 
粗對準是利用外部信息或慣性器件輸出粗略計算出初始姿態(tài)矩陣，粗對準方法可以利用的外部信息包括：GNSS、磁力計、地圖匹配、V2X等提供初始位置及姿態(tài)，也可以慣性器件輸出粗略結(jié)合地球自轉(zhuǎn)角速度矢量和地球重力矢量進行姿態(tài)解算。
 
精對準是在粗對準的基礎(chǔ)上，建立數(shù)學誤差模型，估計出失準角，獲得精確的姿態(tài)矩陣。在精對準階段可以引入 GPS、里程計、磁力計、地圖匹配、V2X等提供的位置、速度或姿態(tài)觀測信息作為量測，通過 Kalman 濾波等最優(yōu)估計方法對姿態(tài)進行矯正。
 
1.3.IMU總結(jié)
IMU 作為積分算法類傳感器，其系統(tǒng)誤差的建模與參數(shù)標定、隨機誤差的統(tǒng)計特性分析與建模、初始化時自主或外協(xié)取得較為精確的載體姿態(tài)初始值，以及在動態(tài)累積過程中的誤差修正與反饋是直接影響到慣性導航定位精度的關(guān)鍵部分，如何有效利用其它外源信息和濾波算法優(yōu)勢，通過融合、統(tǒng)計分析、建模等手段提高初始對準精度與誤差修正與反饋，是在車載成本限制下提升IMU為主的組合定位系統(tǒng)精確度關(guān)鍵。
 
2.GNSS定位及誤差分析
2.1.GNSS定位原理
GNSS是一種天基無線電導航系統(tǒng)，通過接收機接收天上衛(wèi)星發(fā)射的信號，根據(jù)信號發(fā)射和接收的時間差或者信號的載波相位來確定衛(wèi)星和接收機之間的距離，基本觀測量主要是碼相位（精測距碼P碼和粗測距碼C/A碼）和載波相位。測量應用有精密單點定位技術(shù)（PrecisePoint Positioning，PPP），相對定位以及虛擬參考站動態(tài)定位技術(shù)VRS（Virtual Reference Station）技術(shù)。
圖3 相對定位原理及分類

2.2.GNSS姿態(tài)測量原理

根據(jù)天線數(shù)量來分主要有單天線，雙天線和多天線姿態(tài)測量。
雙天線GPS解算載體姿態(tài)的基本原理是：首先測量兩個天線測得的坐標信息（做差，稱單差），解算出GPS 雙天線組成的基線姿態(tài)向量信息，這里得到的坐標一般是在地心地固坐標系(ECEF)下的表示，再將該坐標變換到導航坐標系，來確定車輛的俯仰和航向角度，以達到測姿的目的。兩個 GPS 天線組成一條基線可以確定載體的兩個姿態(tài)角，同樣原理當使用三個GPS 天線組成兩條基線進行雙差測量時，可以確定載體的三維姿態(tài)角，當前GPS姿態(tài)測量存在以下問題:
(1)一般來說，天線相距越遠，測量的姿態(tài)信息就越精確，但多徑效應的影響會更加明顯。
(2) GPS信號受遮擋產(chǎn)生跳變時，其姿態(tài)解算不正確或者偏差較大；
(3) 在車輛行駛過程中，衛(wèi)星信號的信噪比要比靜態(tài)低得多，則噪聲輸出大，而且在動態(tài)條件下，對姿態(tài)測量軟件的整周模糊度解算性能要求更高，直接影響姿態(tài)解算結(jié)果。

2.3.GNSS誤差及處理
 
GNSS的測量誤差分為系統(tǒng)誤差和隨機誤差兩類，以及在GNSS受遮擋下信號弱甚至無信號帶來的誤差。系統(tǒng)誤差主要包括星歷誤差，鐘差，對流層延遲，電離層延遲等。系統(tǒng)誤差往往存在一定的規(guī)律性，可以利用建模估計或者是利用誤差的空間相關(guān)性削弱或者消除其影響，例如差分定位就是目前廣泛使用的消除或削弱空間相關(guān)誤差的方法，常規(guī)RTK作業(yè)中，基準站和流動站之間基線距離較短，此時軌道誤差、對流層延遲、電離層延遲均可認為在站間差分中消除。隨機誤差包括測量噪聲和多路徑等隨機變化的誤差等，難以通過模型化或者利用相關(guān)性消除，只能通過濾波的方法降低其影響。
 
表1   NovAtel SPAN-CPT在GNSS中斷下的精度
弱GNSS信號區(qū)域下，GNSS主要面臨兩個問題導致精度下降：
第一，可見 衛(wèi)星少，衛(wèi)星幾何結(jié)構(gòu)差；
第二；信號干擾大，非直接路徑的信號嚴重，觀測值精度低。一般非直接路徑的信號分兩類：1.多路徑效應信號（Multipath），既有直接接收的又有非直接接收的；2.非視線信號（Non-Line-Of-Sight，NLOS），只通過反射接收的。
針對衛(wèi)星少，幾何結(jié)構(gòu)差問題，主要有兩種解決辦法：
第一種方法是利用其他的導航源來替代 GNSS實現(xiàn)弱GNSS信號區(qū)域的絕對定位?？捎玫膶Ш皆窗ǎ禾旎鶎Ш皆?通信衛(wèi)星，低軌衛(wèi)星等)、地基導航源(偽衛(wèi)星、超寬帶廣播(Ultra-Wide Band，UWB)等)、匹配導航源(影像匹配、重力場匹配、地磁場匹配、Wifi指紋匹配等)等。
另外一種方法是通過與相對定位融合的方法測量某段時間內(nèi)的位置相對變化，可以在一定程度上解決弱GNSS信號區(qū)域的衛(wèi)星數(shù)下降的問題。

2.4.GNSS概述
GNSS信號易受外界干擾而失鎖，檢測并估計多路徑效應干擾，通常需要借助外界硬件設(shè)備諸如攝像頭等判斷接收機與衛(wèi)星之間的視線是否受到遮擋，或者借助于外界的冗余信號進行多路徑效應判斷，而在GNSS無信號情況下則需要其他外源信息進行輔助定位。
在信號接收良好時，實時動態(tài)測量（Real-time Kinematic，RTK）求解下位置精度可達厘米級，但是其姿態(tài)解算在動態(tài)下信噪比低，且受整周模糊度和多路徑效應影響較大，在靜態(tài)時候姿態(tài)解精度較好可作為車輛初始化的輸入信息，而在動態(tài)過程中對于算法要求更高，需要較高的處理才能正確穩(wěn)定的給出修正值，一般通過結(jié)合其他技術(shù)手段來彌補這一缺陷。即使GNSS姿態(tài)輸出精度不高，但仍可作為輔助故障檢測的信息源。

3 .輪速定位及誤差
3.1.輪速定位原理
輪速傳感器可用于獲得車輛車速及行駛距離，原理是通過一段時間內(nèi)驅(qū)動輪的轉(zhuǎn)動速度和角度結(jié)合車輪半徑解算，它反映了一個采樣周期內(nèi)的車輛運動增量。車輛的行進方向可以使用安裝于方向盤上的編碼器或者左右車輪轉(zhuǎn)動角度差值測量航向變化。
3.2.輪速定位誤差
輪速傳感器誤差主要為隨機誤差和系統(tǒng)誤差。隨機誤差：車輪的滑移和滑轉(zhuǎn)；路面不平；輪胎側(cè)滑，與行駛環(huán)境相關(guān)、不固定且不可測的，要想消除比較困難，一般通過判斷車輪打滑與其它傳感器融合作補充；系統(tǒng)誤差：由于溫度、氣壓、磨損和車速導致的輪胎直徑的變化；不同車輪存在直徑不相等的差異；前后輪距測量值與真實值的差異；編碼器有限的測量精度和采樣頻率等。

4.激光雷達定位
激光雷達是光探測和測距的簡稱，其通過測量激光往返運行的時間或者相位差進行測距。激光雷達有極高的角度分辨率和距離分辨率，能產(chǎn)生大量的高精度激光點云，根據(jù)每個激光測量點的距離信息以及其對應的脈沖視線信息，可以得到三維點云在激光雷達坐標系中的坐標描述。
4.1.激光定位原理
目前，國內(nèi)外常用的激光測距方法主要有激光干涉測量法、調(diào)頻連續(xù)波測量法、脈沖式激光測量法、相位式激光測量法等，其中干涉測量由于其距離測量范圍小，不適用于導航定位，此處不做介紹。
圖5 測距原理
通過測量點的掃描距離和垂直角及水平角，在激光雷達坐標系中可以得到其坐標：
通過車身坐標系與激光雷達坐標系的轉(zhuǎn)換可以得到車身坐標系下得坐標：
4.2.激光雷達誤差處理
激光雷達誤差主要來源包括：系統(tǒng)誤差、隨機誤差和載體誤差。
系統(tǒng)誤差主要包括測距誤差、測角誤差、軸系誤差、波長及分辨率等，可以通過建模補償，具體誤差建模形式與該激光雷達系統(tǒng)的測距測角原理有關(guān)。隨機誤差：目標顏色、材質(zhì)及粗糙度、環(huán)境中的大氣、溫度、遮擋、震動等；
誤差通常是由于外界環(huán)境產(chǎn)生的影響，自身通過算法可以得到一定的修正，但是當外界環(huán)境不適用時候，難以建模以消除誤差，而通常與其他傳感器組合以彌補不足。
載體誤差：與載體或IMU的安裝位姿投影誤差及運動導致點云畸變誤差，該誤差可以通過外源信息輔助或傳感器間進行標定對準，常見通過測量以及濾波估計方法標定桿臂和安裝角。

5.視覺定位及誤差處理
5.1.視覺定位原理
視覺傳感器具有成本低且信息豐富等特點，因此利用視覺傳感器來定位以及場景識別成為研究熱點。視覺定位根據(jù)傳感器不同，分為單目、雙目、深度相機定位（根據(jù)工作原理不同，又可分為： TOF、RGB雙目、結(jié)構(gòu)光）。
其中單目/雙目視覺測量是指利用視覺傳感器采集圖像，而深度相機同時可以物理手段測量深度，對物體的幾何尺寸或者物體在空間的位置、姿態(tài)等信息進行測量解算。
5.2.視覺定位誤差來源
影響視覺的因素也很多，主要有：
1）天氣變化。天氣變化影響環(huán)境的光線強度變化狀況，從而導致攝像機出現(xiàn)過度曝光或曝光不足的現(xiàn)象，處理方法主要是通過其它傳感器進行補充。
2）車輛運動。車輛運動速度的大小與視覺成像質(zhì)量成反比，受攝像機拍攝幀頻限制，當車速較大時所拍攝圖像會有一定程度的運動模糊，失去紋理特征或產(chǎn)生錯誤紋理，從而對特征形狀產(chǎn)生影響，降低相鄰兩幀圖像的重疊率。處理方法主要是通過 IMU或者其他車載傳感器進行速度和姿態(tài)補償校正。
3）攝像頭安裝位置。由于外部標定安裝姿態(tài)角及空間位置偏移誤差會降低估計精度，甚至會導致處理來自兩個傳感器的測量值的任何估計器的發(fā)散。

6.地圖匹配算法
6.1.地圖匹配原理
地圖匹配 （Map Matching，MM）是一種通過軟件方法，校正衛(wèi)星定位、航跡推算定位或其他定位方法定位誤差的技術(shù)，其基本思想是通過將車輛位置及環(huán)境信息與環(huán)境地圖比較和匹配，找到車輛所在的路段，計算出車輛在路段上的確切位置與姿態(tài)，從而校正誤差。對于環(huán)境地圖的具體表示形式，常見的有拓撲地圖 (TopologicalMap)、柵格地圖 （Metric/Grid Map）、特征地圖 （Feature Map）。
傳統(tǒng)的地圖匹配算法主要特指路網(wǎng)匹配，而由于高精地圖的發(fā)展，地圖匹配包含內(nèi)容應當涵蓋路網(wǎng)匹配和場景影像/點云匹配兩方面。路網(wǎng)匹配一般假設(shè)車行駛在道路上，將所觀察到的用戶或者交通工具的定位數(shù)據(jù)關(guān)聯(lián)到給定電子地圖的道路（道路中心線）網(wǎng)絡上的過程。場景影像/點云匹配利用激光雷達或攝像頭對周圍環(huán)境進行感知觀測，并將觀測結(jié)果與已知的先驗三維點云圖進行匹配，估計出車輛在地圖中的位置與姿態(tài)（旋轉(zhuǎn)與平移參數(shù)）。
6.2.地圖匹配算法
基于地圖匹配組合定位的定位精度和實時性主要影響因素為：地圖精度、初始位姿精度、地圖匹配算法。其中高精地圖作為智能汽車是最終實現(xiàn)的重要前提，目前正由各圖商通過高精度移動采集車或眾包方式采集和制作。而初始位姿精度受限于組合定位方式，其中只有匹配算法是系統(tǒng)內(nèi)可以進行誤差分析與解決。
基于點云或者圖像匹配常采用 基于自然地標的地圖匹配算法 ，主要包括： 完美匹配(PerfectMatching)和點云庫(Point Cloud Library)實現(xiàn)迭代最近點(Iterative Closest Point，ICP) 和正態(tài)分布變換(NormalDistribution Transform， NDT)，而基于分層地圖則多采用蒙特卡洛(Monte Carlo)方法來提供全局位姿初值。
6.3.地圖匹配概述
激光點云的地圖匹配作為全局定位方式，無累積誤差，基于精度良好的地圖上，通過適宜可以實現(xiàn)較好的位置姿態(tài)輸出，但是由于車輛行駛在車道時，兩側(cè)會存在其他動態(tài)車輛，遮擋激光雷達信號或者遮擋住定位特征，導致匹配誤差較大或失效。

7.總結(jié)
對上述各定位技術(shù)所用傳感器特性可用下表進行總結(jié)。由于不同定位方式的特點不一，通常車輛定位算法會根據(jù)傳感器特性及應用場景選用多種定位技術(shù)進行組合，來滿足更高精度的定位需求。
表2 定位傳感器特性對比
參考文獻         
[1]PaulD Groves. Principles of GNSS, Inertial, and Multisensor Integrated NavigationSystems, 2nd Edition [M]. National Defense Industry Press, 2013.
[2]DornM , Lesjak R , Wieser M . Improvement of the standard GNSS/IMU solution forUAVs using already existing redundant navigation sensors[C]. 2016 EuropeanNavigation Conference (ENC). IEEE, 2016.
[3]WanG , Yang X , Cai R , et al. Robust and Precise Vehicle Localization based onMulti-sensor Fusion in Diverse City Scenes[J]. 2017.
[4]GrovesP D , Wang L , Walter D , et al. The Four Key Challenges of AdvancedMultisensor Navigation and Positioning[C].Position, Location & NavigationSymposium-plans, IEEE/ION. IEEE, 2014.
[5]El-SheimyN, Niu X (2007) The promise of MEMS to the navigation cummunity. InsideGPS,March/April 2007, pp 46–56
[6]SkogI, Händel P. State-of-the-Art In-Car Navigation: An Overview[J]. 2012.
[7]黃蘋．捷聯(lián)慣導系統(tǒng)標定技術(shù)研究[D]．哈爾濱：哈爾濱工程大學,2005.
[8]段祥玉, 蔣偉, 楊功流, et al. 基于ADIS16488 MEMS IMU標定測試方法研究[J]. 測試技術(shù)學報, 2018.
[9]LeeY C. Analysis of range and position comparison methods as a means to provideGPS integrity in the user receiver[J]. The User Receiver Us Institute ofNavigation Annual Meeting, 1986:1-4.
[10]ParkinsonB W, Axelrad P. A basis for the development of operational algorithms for simplifiedGPS integrity checking[C]. Institute of Navigation, Technical Meeting, 1987.
[11]M.Grewal, L.Weill, and A. Andrews. Global Positioning Systems, InertialNavigation and Integration, 2nd ed [M]. Hoboken, NJ: Wiley, 2007
[12]SonglaiHan J W. A novel initial alignment scheme for low-cost INS aided by GPS forland vehicle application[J]. Journal of Navigation, 2010, 63(4):663-680.
[13]WuZ , Yao M , Ma H , et al. Improving Accuracy of the Vehicle Attitude Estimationfor Low-Cost INS/GPS Integration Aided by the GPS-Measured Course Angle[J].IEEE Transactions on Intelligent Transportation Systems, 2013, 14(2):553-564.
[14]JianH, Wang C, Li B. Novel all-time initial alignment method for INS/CNS integratednavigation system[C]. IEEE International Conference on Signal Processing. 2017.
[15]LohR Wullschleger V. The U.S, Wide-area-augmentation-system(WAAS). Navigation:Journal of The Institute ofNavigalion,1998,V01.42,No.3,PP.435-466
[16]ZhangY, Huang Y, Ning L, et al. SINS initial alignment based on fifth-degreeCubature Kalman Filter[C]. IEEE International Conference on Mechatronics &Automation. 2013. 
[17]MengL , Yanbin G , Guangchun L , et al. An Improved Alignment Method for theStrapdown Inertial Navigation System (SINS)[J]. Sensors, 2016, 16(5):621
[18]ZhaoG R, Wang X B, Gao Q W. Application of Wavelet Neural Network based on PSOAlgorithm to Transfer Alignment of INS[J]. Journal of System Simulation, 2010.
[19]鄭京森. 雙天線GPS/SINS組合導航系統(tǒng)研究與設(shè)計[D]. 浙江大學,2017.
[20]陳林. GPS姿態(tài)測量系統(tǒng)的研究[D]. 重慶大學, 2007.
[21]錢闖. 弱GNSS信號區(qū)域的GNSS/INS/LiDAR高精度定位方法及其應用研究[D]. 武漢大學, 2018. 
分享到：
 
反對 0 舉報 0 收藏 0 評論 0
滬ICP備11026917號-25