[发明专利]一种复杂受限环境中车辆融合定位系统及方法

权利要求书

1.一种复杂受限环境中车辆融合定位系统，其特征在于：包括信号采集装置、中央处理单元；其中，信号采集装置包括GPS接收模块、MEMS-INS模块、车载数据采集模块和环境信息采集模块；中央处理单元包括滤波融合模块、完好性监测模块和多模LSTM深度学习模块；

所述GPS接收模块，用于接收卫星信号，并将接收到的信号送入滤波融合模块；

所述车载数据采集模块，用于采集车辆的轮速数据、转向角及里程数据，并将这些数据作为输入变量输入到多模LSTM深度学习模块；

所述完好性监测模块用于检测GPS接受模块接收到的GPS信号是否可信；

所述MEMS-INS模块解算车辆的位置信息，同时接收滤波融合模块发回的位姿误差校正量；

所述滤波融合模块，在GPS信号可信时，将MEMS-INS模块和GPS接受模块采集到的信号进行信息融合，并为MEMS-INS模块提供校正反馈；在GPS信号不可信时，通过车辆位置增量信息、GPS信号不可信时的车辆初始位置与MEMS-INS得到的导航解算信息进行滤波融合，得到车辆准确的位置信息；

所述环境信息采集模块用于采集车辆驾驶环境信息，对车辆驾驶环境进行聚类，并对不同的车辆驾驶环境进行区分后输入多模LSTM深度学习模块，以便多模LSTM深度学习模块在不同环境下搭建不同的LSTM学习模型；

所述多模LSTM深度学习模块包括多个独立的LSTM深度神经网络模型，用于在GPS信号不可信时预测车辆位置增量信息，并将预测的增量信息输入滤波融合模块。

2.根据权利要求1所述的一种复杂受限环境中车辆融合定位系统，其特征在于：所述多模LSTM深度学习模块根据GPS信号是否可信，分为两种工作模式；第一种工作模式为：在完好性监测模块输出为GPS可信信息时，以MEMS-INS模块的输出、车载数据采集模块的输出和GPS接收模块的输出作为输入变量，以滤波融合模块的输出为输出变量，训练多个LSTM深度神经网络模型；第一种工作模式为：在完好性监测模块输出为GPS不可信时，以MEMS-INS模块和车载数据采集模块的输出作为输入变量，以GPS信号可信时训练好的多个LSTM深度神经网络模型的输出结果作为输出变量，并将输出变量作为位置校准信号输入到滤波融合模块中，预测车辆位置信息。

3.根据权利要求1所述的一种复杂受限环境中车辆融合定位系统，其特征在于：所述MEMS-INS模块通过位置解算系统和惯性测量单元IMU解算车辆的位置信息，并估计车辆的位置伪距误差和伪距率送入滤波融合模块；其中，惯性测量单元IMU包括设置在车架上的3个单轴的陀螺仪和3个单轴的加速度计。