[发明专利]一种基于车辆自组织网络的车辆位置定位信息融合方法

摘要

本发明公开了一种基于车辆自组织网络的车辆位置定位信息融合方法包括如下步骤：S1，确定自组织网络内的目标车辆周围的车辆数，如车辆数为n辆，则运行n次单车数据融合方法；假设目标车辆周围有四辆车，则运行四次单车数据融合方法；S2，运用模糊贴近度融合方法，剔除其中疏失的数据，并根据贴近度计算权重，得到车辆位置定位信息。本发明通过根据时延内的行驶相对距离差来减小并消除网络时延对测距带来的误差影响，且假定自身车辆图像测距和雷达等测距是实时的。在采用距离等数据进行融合时，对接收到的系统中其他车辆的定位信息进行预修正，然后进行数据融合，最后针对每个辅助车辆融合的结果进行再次融合，提高了目标定位精度。

主权项

1.一种基于车辆自组织网络的车辆位置定位信息融合方法，其特征在于，其包括如下步骤：S1，确定自组织网络内的目标车辆周围的车辆数，如车辆数为n辆，则运行n次单车数据融合方法；假设目标车辆周围有四辆车，则运行四次单车数据融合方法；S2，运用模糊贴近度融合方法，剔除其中疏失的数据，并根据贴近度计算权重，得到车辆位置定位信息所述步骤S1中单车数据融合方法如下：步骤S11，假设系统存在两辆车A、B，且二者均属于自组织网络系统成员，其中A为第一视角车辆，P为A车前方的目标车辆并且P车不是自组织网络系统成员；系统集成了GPS，系统内的车辆的实时时间都是通过GPS授时所得；LonB表示B车的纬度，LatB表示B车的经度；aB表示B车的加速度；vB表示B车运行速度；系统采用周期性交互并检测定位信息；P车为A车前方的目标车辆，即测量A车到P车的距离；LBP表示B车通过雷达或者图像摄像装置检测得到的距离目标车辆P车的距离；(aP，vP)表示B车通过雷达或者图像摄像装置检测得到的目标车辆P车的加速度和速度，其传输信息里包含方向信息；假设传输时延平均为τ，TA为A车接收到数据后开始处理的时间戳；TA‑TB为时间差，则：TA‑TB＝τ+Tprocess其中Tprocess为系统处理过程的固定延迟；在高处理速度情况下，可以近似认为：TA‑TB≈τ在延迟时间内A车行驶的距离为：B车行驶的距离为：P车行驶的距离为：B车和P车的距离矢量差为：SA为AA′，SB为BB′，SP即为PP′，ΔSBP＝(PP′‑BB′)；对B经纬度信息进行预修正，得到B车在A车收到信息以后所在的位置GPS坐标B′(LonB′，LatB′)B′(LonB′，LatB′)＝B(LonB，LatB)+SB对B传输的目标P的相关信息进行预修正，LB′P′＝LBP+ΔSBPA车自身的传感器数据认为是实时获取的，即得到GPS坐标A′(LonA′，LatA′)，结合预修正后B车GPS坐标B′(LonB′，LatB′)计算得到LAB≈S′A′B′(GPS)；LAB表示A车和B车的距离；根据修正后经纬度坐标计算出的距离LAB≈S′A′B′(GPS)记为SAB(GPS)(矢量方向即为A车到B车的方向)，误差为ωAB(GPS)，即LAB＝SAB(GPS)+ωAB(GPS)；获取到B车数据，并进行预修正后融合得到LAB＝SAB(GPS)+ωAB(GPS)和修正后的LB′P′；步骤S12，A车通过图像测距或雷达测距实时获取系统内B车的距离，记图像测距结果为SAB(Image)，误差为ωAB(Image)；雷达测距所得到的距离为SAB(Radar)，误差为ωAB(Radar)；按标量加权最优融合稳态卡尔曼滤波器的融合方法，融合SAB(GPS)、SAB(Image)和SAB(Radar)三个数据后的结果记为SAB(GPS+Image+Radar)，误差为ωAB(GPS+Image+Radar)；即：步骤S13，计算LAP＝LAB+LB′P′，其中LAB为步骤S12中融合计算的结果，LB′P′为步骤S11中得到的修正后的结果数据；记融合后的距离为：LABP＝|LAP|＝|LAB+LB′P′|＝|LBP+SAB(GPS+Image+Radar)+ωAB(GPS+Image+Radar)|；所述步骤S2中的模糊贴近度融合方法如下：假设测量值误差是随机误差，测量分布是由均值和方差所确定的正态分布；模糊化的隶属函数选用三角形隶属函数；三角形中心为传感器的测量值，宽度为测量数据标准方差的4倍；对于第i个传感器，设其对真实值W的m次测量后的测量均值为xi，测量方差为σi；则测量值的模糊量表示为：其中，ai1＝xi‑2σi，ai2＝xi，ai3＝xi+2σi；目标估计值的模糊化过程同测量值模糊化过程类似，其中则目标估计值的模糊量为：定义基于距离度量的贴近度计算方法：设和为两个三角形模糊量，其贴近读为：式中：值越大，表示和越贴近；表示和完全相同，表示和完全不一致；在多传感器多数据融合中，考虑的是每个测量值W_i与目标估计量W₀之间的贴近度；为系统内第i个车辆的数据经过第0个车辆融合所得到的测量结果数据；为平均值的目标估计量，计算利用贴近度S来表征系统内根据不同车辆数据融合得到的结果数据的权重；第i个车辆结果权重归一化后得到的各个车辆结果数据的相对权重为：最终可以得到融合结果为：