基于区间前后向传播算法的车辆定位方法

技术领域

本发明涉及车辆定位技术领域，特别涉及一种基于区间前后向传播算法的车辆定位方法。

背景技术

目前常见的工程车辆定位方法有基于车载卫星定位的方法，GPS与航位推算组合定位算法，GPS与卡尔曼滤波组合定位算法等。随着信息技术和工业生产的集成发展，智能化技术在工程车辆生产和作业任务中发挥着重要作用，其中精确定位技术是工程车辆完成智能化工作的重要基础。

定位技术一直沿用且精确度较高的是卫星定位定位技术，即使用卫星对某物进行定位的技术，目前全球导航卫星系统包括中国的北斗卫星定位系统、美国GPS定位系统和俄罗斯GLONASS定位系统。由于卫星定位技术是通过接收卫星信号来进行定位和导航的，因此其也具有通信系统的常见问题和局限，其定位效果会因为外部测量的采样率不足或者缺失而变差。

人们发现了这一问题，因此提出了车辆搭载惯性传感器和卫星定位组合导航的方法。由于与工程车辆的实际运动数值结合，工程车辆在运动过程中缺失的位置坐标和运动轨迹可以被计算和恢复。惯性传感器的数据通过航位推算算法(Dead Reckoning)进行融合，再通过测量的得到的卫星定位数据矫正运算轨迹。上述惯导组合定位算法可以对车辆进行定位和导航，但是却引入了新的问题，由于惯性传感器测量的数据带有误差，因此计算过程会产生误差累积效应，导致定位结果不准。

为了解决惯导组合定位算法中的误差累积问题，人们提出了结合卡尔曼滤波与卫星定位的组合定位算法，对于常见的定位追踪场景，卡尔曼滤波算法可以滤除惯性传感器的误差，使得定位结果更加准确，但是在非线性系统下，卡尔曼滤波效果较差，因此卡尔曼滤波计算结果与实际轨迹还是存在误差。

发明内容

本发明要解决的技术问题是提供一种可行性高、准确率高的基于区间前后向传播算法的车辆定位方法。

为了解决上述问题，本发明提供了一种基于区间前后向传播算法的车辆定位方法，所述基于区间前后向传播算法的车辆定位方法包括以下步骤：

S1、通过传感器获取车辆在运动过程中的运动状态参数，所述运动状态参数包括速度、加速度、偏转角度；

S2、将所述运动状态参数区间化，得到对应传感器的采集时刻的速度区间、加速度区间、偏转角度区间；

S3、将得到的速度区间、加速度区间、偏转角度区间进行融合，得到融合后的位移区间；

S4、根据融合后的位移区间，先利用区间相交的方式计算前向传播的轨迹区间，再根据前向传播的轨迹区间、目的地位置区间和融合后的位移区间，利用区间相交的方式计算后向传播的轨迹区间，得到约束后的轨迹区间。

作为本发明的进一步改进，步骤S3中，融合后的位移区间[S](t)为：

其中，t表示传感器的采集时刻；[v](t)表示速度区间；[a](t)表示加速度区间；dt表示传感器采集数据的时间间隔；f[θ]的定义如下：

其中，X方向是指车辆初始运动时刻的朝向，Y方向指的是与初始运动时刻朝向相垂直的方向；[θ](t)表示偏转角度区间。

作为本发明的进一步改进，步骤S4中，根据融合后的位移区间，先利用区间相交的方式计算前向传播的轨迹区间，如下：

[x](t+dt)＝[x](t)+[S](t)

其中，t表示传感器的采集时刻；[S](t)为融合后的位移区间；[x](t)表示t时刻车辆的运动状态区间；[x](t+dt)表示下一采集时刻车辆的运动状态区间；dt表示传感器采集数据的时间间隔。

作为本发明的进一步改进，再根据前向传播的轨迹区间和融合后的位移区间，利用区间相交的方式计算后向传播的轨迹区间[x'](t)，如下：

[x'](t)＝[x](t)∩([x'](t+dt)-[S](t))

其中，

作为本发明的进一步改进，还包括以下步骤：

S5、根据地图关键点的位置信息得到关键点约束区间，根据关键点约束区间，利用区间相交的方式对步骤S4得到的约束后的轨迹区间再次计算前向传播的轨迹区间，利用区间相交的方式对步骤S4得到的约束后的轨迹区间再次计算后向传播的轨迹区间。

作为本发明的进一步改进，利用区间相交的方式对步骤S4得到的约束后的轨迹区间再次计算前向传播的轨迹区间[x”](t)，如下：

[x”](k)＝[x'](k)∩[Map

[x”](t+dt)＝[x'](t+dt)∩([x”](t)+[S](t))

其中，[Map

作为本发明的进一步改进，利用区间相交的方式对步骤S4得到的约束后的轨迹区间再次计算后向传播的轨迹区间[x”](t)，如下：

[x”](k)＝[x'](k)∩[Map

[x”](t-dt)＝[x'](t-dt)∩([x”](t)-[S](t-dt))

其中，[Map

本发明还提供了一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现上述任意一项所述方法的步骤。

本发明还提供了一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现上述任意一项所述方法的步骤。

本发明还提供了一种基于区间前后向传播算法的车辆定位系统，所述基于区间前后向传播算法的车辆定位系统包括：

传感器模块，用于获取车辆在运动过程中的运动状态参数，所述运动状态参数包括速度、加速度、偏转角度；

数据处理模块，用于将所述运动状态参数区间化，得到对应传感器的采集时刻的速度区间、加速度区间、偏转角度区间；将得到的速度区间、加速度区间、偏转角度区间进行融合，得到融合后的位移区间；根据融合后的位移区间，先利用区间相交的方式计算前向传播的轨迹区间，再根据前向传播的轨迹区间、目的地位置区间和融合后的位移区间，利用区间相交的方式计算后向传播的轨迹区间，得到约束后的轨迹区间。

本发明的有益效果：

本发明基于区间前后向传播算法的车辆定位方法可以消除传感器的误差，提高车辆定位准确率。

上述说明仅是本发明技术方案的概述，为了能够更清楚了解本发明的技术手段，而可依照说明书的内容予以实施，并且为了让本发明的上述和其他目的、特征和优点能够更明显易懂，以下特举较佳实施例，并配合附图，详细说明如下。

附图说明

图1是本发明优选实施例中基于区间前后向传播算法的车辆定位方法的流程图；

图2是本发明优选实施例中基于区间前后向传播算法的车辆定位方法计算得出的车辆轨迹区间图；

图3是本发明优选实施例中基于区间前后向传播算法的车辆定位方法与惯导定位算法、卡尔曼滤波组合定位算法相比较的误差图。

具体实施方式

下面结合附图和具体实施例对本发明作进一步说明，以使本领域的技术人员可以更好地理解本发明并能予以实施，但所举实施例不作为对本发明的限定。

实施例一

如图1所示，本实施例公开了一种基于区间前后向传播算法的车辆定位方法，包括以下步骤：

S1、通过传感器获取车辆在运动过程中的运动状态参数，所述运动状态参数包括速度、加速度、偏转角度；

S2、将所述运动状态参数区间化，得到对应传感器的采集时刻的速度区间、加速度区间、偏转角度区间；

其中，一个定义在实数域的区间[x]，可以被写作

S3、将得到的速度区间、加速度区间、偏转角度区间进行融合，得到融合后的位移区间；

具体地，融合后的位移区间[S](t)为：

其中，t表示传感器的采集时刻；[v](t)表示速度区间；[a](t)表示加速度区间；dt表示传感器采集数据的时间间隔；f[θ]的定义如下：

其中，X方向是指车辆初始运动时刻的朝向，Y方向指的是与初始运动时刻朝向相垂直的方向；[θ](t)表示偏转角度区间。

这里介绍一下区间传播过程：

当基于一个有限域的区间计算条件下时，区间传播算法可以被用于解决此类问题。在这个过程中，可以被当作真实值的解[x]

从区间分析原理中我们可以得出：

对于任意时刻的轨迹区间[x](t)是一个方形区间，这是因为当采样时间段δ＞0，则对于工程车辆运行时段[kδ,kδ+δ]的轨迹区间是一个方形区间函数，在坐标轴上呈现“管道”形状。

S4、根据融合后的位移区间，先利用区间相交的方式计算前向传播的轨迹区间，再根据前向传播的轨迹区间、目的地位置区间和融合后的位移区间，利用区间相交的方式计算后向传播的轨迹区间，得到约束后的轨迹区间。

为了方便理解，将区间前后向传播过程分为区间前向传播过程

在本发明中，引入区间前向传播算法，已知初始地位置区间[x

具体地，根据融合后的位移区间，先利用区间相交的方式计算前向传播的轨迹区间，如下：

[x](t+dt)＝[x](t)+[S](t)

其中，t表示传感器的采集时刻；[S](t)为融合后的位移区间；[x](t)表示t时刻车辆的运动状态区间；[x](t+dt)表示下一采集时刻车辆的运动状态区间；dt表示传感器采集数据的时间间隔。当

再根据前向传播的轨迹区间和融合后的位移区间，利用区间相交的方式计算后向传播的轨迹区间[x'](t)，如下：

[x'](t)＝[x](t)∩([x'](t+dt)-[S](t))

其中，

通过步骤S4，先进行区间前向传播算法，再进行区间后向传播算法，得到约束后t取值从0到

为了进一步提升定位精度，在一些实施例中，还包括以下步骤：

S5、根据地图关键点的位置信息得到关键点约束区间，根据关键点约束区间，利用区间相交的方式对步骤S4得到的约束后的轨迹区间再次计算前向传播的轨迹区间，利用区间相交的方式对步骤S4得到的约束后的轨迹区间再次计算后向传播的轨迹区间。其中，地图关键点包括收费站、隧道、桥梁、十字路口等特定地点，其位置信息已知。

具体地，利用区间相交的方式对步骤S4得到的约束后的轨迹区间再次计算前向传播的轨迹区间[x”](t)，如下：

[x”](k)＝[x'](k)∩[Map

[x”](t+dt)＝[x'](t+dt)∩([x”](t)+[S](t))

其中，[Map

具体地，利用区间相交的方式对步骤S4得到的约束后的轨迹区间再次计算后向传播的轨迹区间[x”](t)，如下：

[x”](k)＝[x'](k)∩[Map

[x”](t-dt)＝[x'](t-dt)∩([x”](t)-[S](t-dt))

其中，[Map

将前向传播的轨迹区间[x”](t)和后向传播的轨迹区间[x”](t)相加，得到完整的轨迹区间[x”](t)。

本发明基于区间前后向传播算法的车辆定位方法可以消除传感器的误差，使得结果准确度升高。因为过程中数据计算采用的是区间分析算法，因此实际取值必定包含于计算得到的轨迹区间之内。

本发明基于区间前后向传播算法的车辆定位方法通过融合多种定位信息，可以使得轨迹区间收缩，包含在计算轨迹区间内的实际位置也会更加确定，实际场景下的约束信息很多，如本发明提出的地图限制信息，即车辆在运行过程中通过的桥梁，隧道等，其实际位置区间固定，当把约束定位信息与所提出算法相结合时，得到的结果也会更加确定。另外，本发明所提出算法采用区间相交的方式快速准确的融合多种约束定位信息，也可以看出，因为所有定位信息都可以进行区间化，所以所提出算法对于多源约束定位信息的融合具有较好的兼容性。

实施例二

本实施例公开了一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现上述实施例一中所述基于区间前后向传播算法的车辆定位方法的步骤。

实施例三

本实施例公开了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现上述实施例一中所述基于区间前后向传播算法的车辆定位方法的步骤。

实施例四

本实施例公开了一种基于区间前后向传播算法的车辆定位系统，所述基于区间前后向传播算法的车辆定位系统包括：

传感器模块，用于获取车辆在运动过程中的运动状态参数，所述运动状态参数包括速度、加速度、偏转角度；

数据处理模块，用于将所述运动状态参数区间化，得到对应传感器的采集时刻的速度区间、加速度区间、偏转角度区间；将得到的速度区间、加速度区间、偏转角度区间进行融合，得到融合后的位移区间；根据融合后的位移区间，先利用区间相交的方式计算前向传播的轨迹区间，再根据前向传播的轨迹区间、目的地位置区间和融合后的位移区间，利用区间相交的方式计算后向传播的轨迹区间，得到约束后的轨迹区间。

本发明实施例中的基于区间前后向传播算法的车辆定位系统用于实现前述的基于区间前后向传播算法的车辆定位方法，因此该系统的具体实施方式可见前文中的基于区间前后向传播算法的车辆定位方法的实施例部分，所以，其具体实施方式可以参照相应的各个部分实施例的描述，在此不再展开介绍。

另外，由于本实施例的基于区间前后向传播算法的车辆定位系统用于实现前述的基于区间前后向传播算法的车辆定位方法，因此其作用与上述方法的作用相对应，这里不再赘述。

以上实施例仅是为充分说明本发明而所举的较佳的实施例，本发明的保护范围不限于此。本技术领域的技术人员在本发明基础上所作的等同替代或变换，均在本发明的保护范围之内。本发明的保护范围以权利要求书为准。