论文部分内容阅读
随着交通环境的日益复杂，高精度定位与地图匹配技术对于提高智能交通系统的效率与安全性愈有重要意义。现阶段的车道级定位与地图匹配方案主要依赖激光雷达、高清摄像机和差分卫星等，价格昂贵，且易受外界环境影响，无法短期内在消费者市场内广泛使用。
本文所设计的车道级定位与地图匹配方案，融合多种低成本传感器信息，提高导航系统定位精度，并可在普通商业电子地图上完成车道级的地图匹配。本文主要研究内容如下：
(1)完成了融合磁力计的GNSS/INS组合导航系统的设计与实现，可以在低成本车载导航终端的环境下，达到车道级别的定位精度。利用Madgwick算法融合加速度计、磁力计和陀螺仪的测量信息，提高载体姿态估算的精度。基于扩展卡尔曼滤波器，完成了组合导航滤波器误差状态方程的建立。
(2)设计了一种人工智能辅助定位方法，可以在无GNSS定位环境(如隧道、立体交叉桥等)下，较大幅度提高GNSS/INS组合导航系统的定位精度。该方法利用长短期记忆网络的时间序列学习能力，在有GNSS定位环境下，学习组合导航系统的误差与INS航位推算之间的数学关系，在无GNSS定位环境下，对组合导航系统的误差状态进行预测与校正，进而达到提高定位精度的目的。
(3)完成了一种轻量且高效的车道级地图匹配算法的设计与实现，算法无需依赖高精度电子地图，仅根据组合导航系统的定位结果、路网矢量数据、车道数目和车道宽度，即可确定车辆在电子地图车道上的位置。算法共分两个阶段，首先基于隐马尔可夫模型，完成道路匹配的工作，再利用最小二乘回归对该道路上所有的车道进行误差评估，误差最小的一项即车辆当前所在的车道。
针对以上的方案设计，本文对各部分内容分别进行了仿真分析，并在城市行车环境中对该方案进行了实际测试。以典型的立体交叉桥环境为例，本文设计的组合导航系统在置信度为50%时，定位误差为1.04米。车道级地图匹配算法可达到96.49%的准确度。较高的车道匹配准确率可以在智能交通系统中促进车道级路径引导等功能的发展。
本文所设计的车道级定位与地图匹配方案，融合多种低成本传感器信息，提高导航系统定位精度，并可在普通商业电子地图上完成车道级的地图匹配。本文主要研究内容如下：
(1)完成了融合磁力计的GNSS/INS组合导航系统的设计与实现，可以在低成本车载导航终端的环境下，达到车道级别的定位精度。利用Madgwick算法融合加速度计、磁力计和陀螺仪的测量信息，提高载体姿态估算的精度。基于扩展卡尔曼滤波器，完成了组合导航滤波器误差状态方程的建立。
(2)设计了一种人工智能辅助定位方法，可以在无GNSS定位环境(如隧道、立体交叉桥等)下，较大幅度提高GNSS/INS组合导航系统的定位精度。该方法利用长短期记忆网络的时间序列学习能力，在有GNSS定位环境下，学习组合导航系统的误差与INS航位推算之间的数学关系，在无GNSS定位环境下，对组合导航系统的误差状态进行预测与校正，进而达到提高定位精度的目的。
(3)完成了一种轻量且高效的车道级地图匹配算法的设计与实现，算法无需依赖高精度电子地图，仅根据组合导航系统的定位结果、路网矢量数据、车道数目和车道宽度，即可确定车辆在电子地图车道上的位置。算法共分两个阶段，首先基于隐马尔可夫模型，完成道路匹配的工作，再利用最小二乘回归对该道路上所有的车道进行误差评估，误差最小的一项即车辆当前所在的车道。
针对以上的方案设计，本文对各部分内容分别进行了仿真分析，并在城市行车环境中对该方案进行了实际测试。以典型的立体交叉桥环境为例，本文设计的组合导航系统在置信度为50%时，定位误差为1.04米。车道级地图匹配算法可达到96.49%的准确度。较高的车道匹配准确率可以在智能交通系统中促进车道级路径引导等功能的发展。