[发明专利]GPS盲区下融合多源信息的车辆高精度定位方法及装置

说明书

技术领域

本发明属于交通检测以及车辆主动定位技术领域，涉及GPS盲区下的车辆高精度定位方法，特别涉及一种GPS盲区下基于多源信息融合的车辆高精度定位方法。

背景技术

对于车辆高精度位置信息的检测，是车联网领域中的一个重要参数，特别是在山区、隧道等复杂环境下，车辆高精度位置信息变得尤为重要。所以，在GPS盲区下获取车辆的高精度位置信息意义重大。

目前，比较常用的车辆高精度获取方法主要有：GPS定位、惯性导航技术、路面匹配技术等。其中，GPS是目前应用最为广泛的定位技术，现有的智能交通系统普遍采用GPS方法进行车辆定位，但该方法难以满足未来车联网的应用需求，主要存在以下缺陷：（1）定位精度低。普通民用GPS定位精度为5～25米，差分GPS的定位误差也在1米左右。（2）存在GPS信号盲区。车辆在山区高速公路、隧道、建筑物密集的市区内行驶时，GPS信号容易被遮挡，此时车辆将进入GPS信号盲区，无法使用GPS进行定位。（3）输出频率低。

INS（Inertial Navigation System).惯性导航系统，简称惯导）是20世纪初发展起来的导航定位系统，其基本原理是根据惯性空间的力学定律，利用陀螺和加速度计等惯性元件感受运载体在运动过程中的旋转角速度和加速度，通过伺服系统的地垂跟踪或坐标系旋转变换，在一定的坐标系内积分计算，最终得到运载体的相对位置、速度和姿态等导航参数。但INS由于累积误差问题，很难长时间维持高精度定位。

路面匹配导航系统具备自主性、高精度、全天候、抗干扰能力强等优点，随着图像传感器技术的不断发展及数字地图库制备能力的不断增强，路面匹配导航技术发展前景广阔。但其技术缺点也十分明显，主要表现在：（1）基准图的制作周期太长；（2）当面对大范围内路面特征变化不明显的区域时，路面匹配导航系统将因为无法定位而无法使用或者使导航精度大大降低；（3）难以适应机动目标。

由于路面匹配算法所存在的适应性、效率等缺陷，目前大多数基于融合思想的车辆高精度定位方法均采用GPS、INS为融合信息源，但在GPS盲区情况下由于累积误差问题无法达到预期的理想效果。

发明内容

针对上述各种技术单独使用时存在的缺陷或不足，本发明的目的在于提出一种GPS盲区下融合多源信息的车辆高精度定位方法，能够避免现有技术的弊端，从而实现GPS盲区下有效获取车辆高精度位置信息的功能。

为了实现上述任务，本发明采取如下的技术解决方案：

一种GPS盲区下融合多源信息的车辆高精度定位方法，包括以下步骤：

步骤一，INS定位处理：

步骤S10，获取车辆当前的加速度a和角速度ω，将加速度和角速度作为输入数据，根据捷连矩阵算法得到车辆的INS定位坐标(x₁，y₁)；

步骤二，路面匹配定位处理：

步骤S20，以系统初始化后获取的第一幅路面矩形图像边缘为x轴和y轴建立基准坐标系，记录此时车辆的初始坐标；

步骤S21，获取连续两张路面矩形图像：f_n(x，y)和f_n+1(x，y)，且两张图像在像素上有重合区域；

步骤S22，以获取的路面图像f_n(x，y)和f_n+1(x，y)作为输入数据，根据SIFT匹配算法得到图像f_n(x，y)在重合区域内的点P₁和点Q₁在图像f_n+1(x，y)上的匹配点P₂和Q₂；

步骤S23，在图像f_n+1(x，y)上寻找两点P₀和Q₀，使P₀和Q₀在图像f_n+1(x，y)上的位置与点P₁和Q₁在图像f_n(x，y)上的位置相同；

步骤S24，以图像f_n+1(x，y)的边缘为x轴和y轴建立坐标系XOY，在XOY坐标系中以公式1计算图像f_n+1(x，y)相对于f_n(x，y)的线性偏移量(Δx，Δy)：