[发明专利]一种基于因子图的卫星雷达城市峡谷车辆互定位方法

说明书

本发明公开了一种基于因子图的卫星雷达城市峡谷车辆互定位方法，属于计算、推算或计数的技术领域。每个时刻利用毫米波雷达测出车辆与附近指定范围内车辆的位置关系，同时利用GNSS测出每辆车的位置，利用因子图对组合系统的测量数据进行融合优化，采用基于珊瑚礁优化的岛屿模型算法求解分析因子图后得到的位置信息目标函数，以较低的传感器成本实现了城市峡谷车辆的高精度、高可靠性定位。

技术领域

本发明公开了一种基于因子图的卫星雷达城市峡谷车辆互定位方法，属于计算、推算或计数的技术领域。

背景技术

随着城市化和城镇化的不断发展，作为城市发展标志的高层建筑发展迅速，高楼林立俨然成为城市的标志。然而，城市有限的土地资源直接导致了高楼楼间间隔狭窄，而铺在高楼间隔的道路在人们的交通出行中起着不可或缺的作用。

为提高城市峡谷环境下车辆定位的精度和可靠性，国内外专家提出了各种软硬件冗余技术和多传感器信息融合算法。以GPS为代表的GNSS由于其能够全天候地提供高精度的三维位置、速度在人们车辆出行中被广泛应用。然而，在复杂的城市峡谷环境中，GNSS易受干扰，在遇到丢星和信号遮挡时无法定位，许多学者通过处理GNSS信号来提高定位精度。Dai等提出基于GPS、BDS双系统的定位方法提高城市环境中定位结果的精度，虽然在一定程度上解决了卫星数目不足导致的精度问题，但没有考虑到城市峡谷复杂环境带来的误差。Sven Bauer等人提出一种基于粒子滤波消除NLOS误差的GNSS车辆精确定位算法，但该算法假设在LOS条件下接收到测量集，故严重依赖于可见卫星数量，而城市峡谷无法保证LOS条件和足够的可见卫星。A.Tabatabaei等提出一种基于模糊权重最小二乘法的GPS与GLONASS组合定位算法，该算法也难以从根本上解决问题。

于是，采用多传感器信息融合技术提高系统的精度和可靠性成为提高车辆定位精度的发展趋势。Yong Li等人提出一种适用于城市环境的低成本GPS/INS组合导航系统，该系统可以有效提高GPS在城市环境中的连续性与可用性，但组合后的精度主要取决于GPS定位解算结果。Borko Aviram等人采用虚拟杠杆臂与GNSS/INS融合，提高了系统的可观测性和精度。李晶等人设计了一种基于新型卡尔曼滤波算法的适合车载的GNSS/INS实时超紧组合导航系统，在保障精度的前提下减少了时间延迟。然而，惯性导航系统具有造价昂贵、生产周期长、维护成本高的特点，故此类方法很难在车辆定位应用上推广开来。刘江等设计了一种松耦合模式下基于GNSS/DSRC的车辆组合定位方法，抗干扰能力较强，但DSRC需要部署路侧设备和车载机，工程量较大，目前仅应用于路桥收费等相关短程移动领域。杨伟新提出基于视觉辅助的GPS多路径检测与抑制技术来提高定位精度，但设备复杂，计算量大，易受环境影响。

考虑到城市峡谷环境的复杂性，一些学者将目光转向3D城市地图，借助地图辅助来提高车辆定位的精度和可靠性。Rudy Ercek等人提出了一种基于城市峡谷模型的射线追踪算法，但该算法只能针对两边墙壁较规整的地区，在城市峡谷中很难找到。SrikumarRamalingam等人提出了一种只使用可见天空形状的定位算法，将相机拍摄的照片与事先存储的3D城市模型匹配，从而解出车辆行驶轨迹，但该算法存在相机拍摄距离短、对天气敏感、易受干扰等问题。Vincent Drevelle等人提出一种使用道路表面地图信息提高车辆在城市峡谷中的定位精度方法，将精确的3D城市可驾驶区域与GNSS伪距信息紧组合，但此方法无法应用于驶出道路的车辆。Yanlei Gu等提出一种基于3D城市地图的多传感器融合车辆自定位算法，结合射线追踪方法，可以有效地提高城市峡谷定位精度，但该算法过于依赖城市模型与初始点的精度。