[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

摘要

本发明公开了一种GPS盲区下融合多源信息的车辆高精度定位方法及装置，该方法捷联矩阵算法根据陀螺仪输出的角速率信息、加速度计输出的加速度信息计算得出INS车辆位置信息与通过路面匹配技术得到的定位信息，采用卡尔曼滤波算法进行融合从而输出最终融合定位信息。由于INS定位算法具有累积误差，该方法在道路旁边设置锚节点重新校正车辆位置信息。通过该方法可得到稳定、可靠、高精度的车辆高精度位置信息，适用于楼宇密集的城市道路、山区、隧道等无GPS信号环境。

主权项

一种GPS盲区下融合多源信息的车辆高精度定位方法，其特征在于，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：fn(x，y)和fn+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fn(x，y)和fn+1(x，y)作为输入数据，根据SIFT匹配算法得到图像fn(x，y)在重合区域内的点P1和点Q1在图像fn+1(x，y)上的匹配点P2和Q2；步骤S23，在图像fn+1(x，y)上寻找两点P0和Q0，使P0和Q0在图像fn+1(x，y)上的位置与点P1和Q1在图像fn(x，y)上的位置相同；步骤S24，以图像fn+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fn+1(x，y)相对于fn(x，y)的线性偏移量(Δx，Δy)： Δx = P 0 ( x ) - P 2 ( x ) Δy = P 0 ( y ) - P 2 ( y ) （公式1）式中，P0(x)和P0(y)为点P0在坐标系XOY中的横坐标和纵坐标，P2(x)和P2(y)为点P2在坐标系XOY中的横坐标和纵坐标；步骤S25，在XOY坐标系中，利用公式2计算图像fn+1(x，y)和图像fn+1(x，y)的旋转角度θ： θ = arctan Q 2 ( x ) - P 2 ( x ) Q 2 ( y ) - P 2 ( y ) - arctan Q 0 ( x ) - P 0 ( x ) Q 0 ( y ) - P 0 ( y ) （公式2）式中，Q0(x)和Q0(y)为点Q0在坐标系XOY中的横坐标和纵坐标，Q2(x)和Q2(y)为点Q2在坐标系XOY中的横坐标和纵坐标；步骤S26，以图像fn(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3计算图像fn+1(x，y)相对于fn(x，y)的实际偏移量(Δx′，Δy′)： Δ x ′ = Δ x cos θ - Δ y sin θ Δ y ′ = Δ x sin θ + Δ y cos θ （公式3）步骤S27，将车辆行驶过程中不断获取的连续的两幅路面矩形图像依次执行步骤S21至步骤S26，可得到车辆此时相对于基准坐标系的轨迹；根据车辆的初始坐标和轨迹，得到路面匹配定位坐标(x2，y2)，步骤三，定位坐标融合：步骤S30，将INS定位坐标(x1，y1)与路面匹配定位坐标(x2，y2)利用公式4进行融合，得到融合坐标(x0，y0)：(x0，y0)＝a·(x1，y1)+b·(x2，y2)     （公式4）式中，a和b为融合系数，通过回归试验得到，其中a取0.382，b取0.618；步骤S31，利用卡尔曼滤波算法对融合坐标(x0，y0)进行状态估计，得到车辆最终的定位坐标(x，y)；步骤四，锚节点校对：步骤S41，利用每间隔5km设置在道路上的摄像头，在车辆经过时摄像机捕获车辆图像f(x，y)；步骤S42，对车辆图像进行高斯滤波和匀光处理，得到处理后的图像；步骤S43，将步骤S42处理后得到的图像，与车辆未经过时照相机在同一位置拍摄的背景图像做差，然后对做差后得到的图像进行直方图修正和腐蚀运算处理；步骤S44，对步骤S43处理后得到的图像进行连通区域扫描，得到车辆图像的连通区域，将连通区域的最小外接矩形中心作为车辆在图像当中的位置；步骤S45，将车辆在图像当中的位置转换为车辆在现实当中的实际坐标，将此实际坐标对步骤三得到的定位坐标(x，y)进行替换，以消除定位坐标(x，y)的累积误差。