基于V2X的智能网联汽车动态协同定位方法与装置

技术领域

本发明涉及智能交通技术领域，特别是关于一种基于V2X的智能网联汽车动态协同定位方法与装置。

背景技术

车辆位置信息的准确性和可信程度，直接影响着以车辆共同位置特征为依据的系统功能的实现，是众多与车辆运行安全及交通效率相关目标得以实现的关键因素。目前，全球导航卫星系统(Global Navigation Satellite System,GNSS)已经普及并且广泛用于为车辆提供位置服务，其中，应用最广泛、发展最成熟的是美国的全球定位系统(GlobalPositioning System,GPS)。GNSS定位是一种便捷和成本低廉的定位方式，但具有诸多的局限性。一方面，它的误差水平一般在10米左右，这一精度水平不能满足前面提到的许多技术应用。另一方面，其受环境因素影响大，比如建筑物遮挡、大气层干扰等因素都会使得GNSS定位的可靠性和稳定性下降。智能交通系统快速发展对高精度可靠的定位服务提出了迫切需求。

研究者已经针对提高车辆定位性能提出了大量的解决方案，主要分为两类：一类以差分定位为代表的基于GNSS的增强辅助技术，但差分基站的广泛部署难度较大；另一类是借助其它的测量手段获得相关信息以提高卫星定位的定位精度，包括地图匹配、航位推测和蜂窝网络定位等，但地图匹配和蜂窝网络定位技术仍无法满足无人驾驶高精度定位需求，航位推测会导致定位误差随时间积累。

随着现代智能交通系统的发展，车路协同系统充分利用多种先进技术手段加深车路与道路设施之间的关联。基于WIFI、专用短程通信无线通信(Directed Short-RangeCommunication，DSRC)等技术的车车(V2V)、车路(V2I)无线通信为车辆和路侧单元等节点构成网络并共享有用信息提供了重要纽带，研究人员已利用其开发定位辅助功能进行了大量研究，为解决高精度、高可靠定位问题提供了有效途径。

目前有一种车车通信环境下考虑车辆间相对位置的多车协同定位算法。该方法通过车车通信技术和车载GPS、毫米波雷达等传感器，对自车和环境车辆的运动状态信息、位置信息、两车相对位置信息以及环境车辆对自车的预测信息进行采集、处理和存储，之后对获得的信息进行数据融合和预测，得到定位精度更高、定位效果更好的定位信息。

但是，这种方案存在以下不足：

(1)该方案中仅用前置毫米波雷达探测车辆前方特定区域内的车辆，无法实现自车左右及后方车辆相对位置的有效探测。

(2)车车通信范围要大于雷达探测范围，车辆周围的环境车辆数量较多，但该方案未考虑雷达探测环境车辆与车车通信感知的环境车辆之间的对应关系。

(3)该方案未考虑车车通信与毫米波雷达探测存在不稳定因素，每一个时刻本车定位融合估计的结果仅与该时刻获取的附近车辆有关，难以适用于通信条件不稳定的运行工况。

发明内容

本发明的目的在于提供一种基于V2X的智能网联汽车动态协同定位方法来克服或至少减轻现有技术的上述缺陷中的至少一个。

为实现上述目的，本发明提供一种基于V2X的智能网联汽车动态协同定位方法，所述基于V2X的智能网联汽车动态协同定位方法包括：

步骤1，通过本车采集本车在大地坐标系中的绝对位置坐标

步骤2，通过滤波处理本车在大地坐标系中的绝对位置坐标信息；

步骤3，通过匹配环境车辆在大地坐标系中的绝对位置坐标与该环境车辆于本车的相对位置坐标，找出每一环境车辆在本车的车辆局部坐标系中的相对位置坐标，其具体包括；

步骤31，将步骤1中的环境车辆在大地坐标系中的绝对位置坐标转换到本车的车辆局部坐标系中,得到环境车辆i在本车的车辆局部坐标系中的绝对位置坐标

步骤32，将步骤1中的环境车辆于本车的相对位置坐标转换到本车的车辆局部坐标系中,得到环境车辆i于本车在本车的车辆局部坐标系中的相对位置坐标A

步骤33，评定A

步骤4，根据环境车辆i的M

其中，

步骤5，记本车在时刻t附近有N

进一步地，步骤1还通过车路通讯方式采集路侧单元在大地坐标系中的绝对位置坐标、以及通过无线电测距方式采集本车相对路测的位置信息；

步骤5之前还包括：

根据路侧单元的

式中，

步骤5中的所述本车相关位置信息还包括在时刻t时的R

进一步地，t+1时刻，当N

进一步地，步骤5采用由式(8)表示的最小二乘估计对N

其中，

进一步地，步骤33采用式(3)的马氏距离D

式中，S为环境车辆的位置坐标A的协方差矩阵，A～N(0，S)，A为随机变量，包括A

进一步地，步骤33中采用式(4)表示的最近邻法确定A

M

进一步地，所述基于V2X的智能网联汽车动态协同定位方法还包括：

步骤6，通过V2X通讯方式发布步骤5得到的本车在时刻t在大地坐标系中的绝对位置坐标。

本发明还提供一种基于V2X的智能网联汽车动态协同定位装置，其特征在于，包括：

数据采集单元，其用于通过本车采集本车在大地坐标系中的绝对位置坐标

滤波单元，其用于通过滤波处理本车在大地坐标系中的绝对位置坐标信息；

匹配单元，其用于通过匹配环境车辆在大地坐标系中的绝对位置坐标与该环境车辆于本车的相对位置坐标，找出每一环境车辆在本车的车辆局部坐标系中的相对位置坐标，其具体包括；

第一坐标转换子单元，其用于将数据采集单元中的环境车辆在大地坐标系中的绝对位置坐标转换到本车的车辆局部坐标系中,得到环境车辆i在本车的车辆局部坐标系中的绝对位置坐标

第二坐标转换子单元，其用于将数据采集单元中的环境车辆于本车的相对位置坐标转换到本车的车辆局部坐标系中,得到环境车辆i于本车在本车的车辆局部坐标系中的相对位置坐标A

第一计算子单元，其用于评定A

第二计算子单元，其用于根据M

其中，

融合单元，其用于记本车在时刻t附近有N

发布单元，其用于通过V2X通讯方式发布融合单元得到的本车在时刻t在大地坐标系中的绝对位置坐标。

进一步地，数据采集单元还用于通过车路通讯方式采集路侧单元在大地坐标系中的绝对位置坐标、以及通过无线电测距方式采集本车相对路测的位置信息；

匹配单元还包括：

第三计算子单元，其用于通过式(7)计算得到通过车路通讯方式获得的本车在大地坐标系中的绝对位置估计值

式中，

所述本车相关位置信息还包括在时刻t时的R

定位融合单元还用于采用由式(8)表示的最小二乘估计对匹配单元得到的N

其中，

进一步地，t+1时刻，当N

本发明由于采取车联网(V2X)通信网络进行辅助定位，以实现对GNSS和毫米波雷达组合定位的增强，进一步提高智能网联车辆定位精度和对定位环境的适应能力，其具有以下优点：

1.针对GNSS存在的定位精度不够高、定位信息容易丢失等问题，利用V2V或V2I通信方式收集环境车辆和路侧单元的位置以及与自车之间的相对距离，设计一种基于V2X信息交互与共享的多车协同动态定位系统。2.针对环境车辆数量较多，采用马氏距离度量环境车辆多源位置差异方法实现车联网接收到的环境车辆与车载雷达探测获得的环境车辆之间的正确关联匹配。3.针对V2X通信和雷达观测可能存在不稳定现象，设计考虑历史定位信息的动态协同方法，以适应环境车辆信息不稳定的工况。

附图说明

图1为本发明实施例提供的基于V2X的智能网联汽车动态协同定位原理图。

图2为本发明实施例中本车与环境车辆相对位置示意图。

图3为本发明实施例中的车辆局部坐标系示意图。

具体实施方式

下面结合附图和实施例对本发明进行详细的描述。

如图1所示，本发明实施例提供的基于V2X的智能网联汽车动态协同定位方法包括：

步骤1，每一辆装备车辆包括数据采集单元，通过本车的数据采集单元采集本车在大地坐标系中的绝对位置坐标、环境车辆于本车的相对位置坐标，通过车车通讯方式采集环境车辆在大地坐标系中的绝对位置坐标。

其中，数据采集单元包括GNSS接收机、毫米波雷达、车车通信(V2V)设备和车路通信(V2I)设备。

GNSS接收机观测自车在大地坐标系中的绝对位置坐标信息，该绝对位置信息为地球经纬度坐标，经过坐标变换转换为局部区域的大地平面坐标，包括车辆横坐标、纵坐标和航向角。

毫米波雷达探测环境车辆于本车的相对位置坐标信息。装备车辆通过毫米波雷达可获得环境车辆相对于本车的距离与角度，也就是环境车辆在本车的车辆局部坐标系中的相对位置。考虑到毫米波雷达探测范围及车车之间的遮挡问题，同时为降低本车融合定位计算量，本实施例中，环境车辆为本车附近且其上雷达探测器能够探测得到的装备车辆，也就是说，在雷达探测器能够直接探测到的装备车辆，在本实施例中才视为环境车辆。如图2所示，选定本车周围8个方位的环境车作为环境车辆，0号为本车，1号至8号都为环境车辆。

车车通信设备用于在车与车之间相互传递自车在大地坐标系中的绝对位置坐标信息。例如，0号对应的本车的GNSS接收机观测到本车在大地坐标系中的绝对位置坐标信息，1号对应的环境车辆的GNSS接收机观测到1号对应的环境车辆在大地坐标系中的绝对位置坐标信息，通过0号对应的本车的车车通信设备与1号对应的环境车辆的车车通信设备信息交互，0号对应的本车能够采集到1号对应的环境车辆在大地坐标系中的绝对位置坐标信息，同样地，1号对应的环境车辆能够采集到0号对应的本车在大地坐标系中的绝对位置坐标信息。其它环境车辆的信息通过车车通信设备与本车之间信息交互的方式与上述例子类似，在此不再一一赘述。每一辆装备车辆与通信范围内的所有其它车辆共享本车GNSS信息和本车通过毫米波雷达探测的环境车辆的相对位置信息。

车路通信设备用于在路侧单元与装备车辆之间相互传递路侧单元在大地坐标系中的绝对位置坐标。路侧单元的位置可通过精确的测量方式预先测定，装备车辆通过车路通信接收通信范围内路侧单元位置信息。

装备车辆还通过无线电测距方式，例如：脉冲测距(也称时间测距)、相位测距和频率测距等方式，采集自车于路侧单元的相对位置信息(相对距离和方向角)。也就是说，本车通过无线电测距方式采集本车于路侧单元的相对位置信息。

步骤2，通过滤波处理本车在大地坐标系中的绝对位置坐标信息。装备车辆通过GNSS接收机观测得到的自车在大地坐标系中的绝对位置坐标信息带有噪声，且车辆运动学模型具有非线性特性，因此，本发明实施例中采用扩展卡尔曼滤波器估计自车在大地坐标系中的绝对位置坐标信息状态。例如：NSS接收机观测向量X＝(x

当然，需要强调的是，上面是以0号车作为本车为例，来说明采集数据与滤波处理的先后顺序。而实质上，当以其它装备车辆作为本车时，同样以相同方式对自车采集到的“本车在大地坐标系中的绝对位置坐标”按照步骤2的方式进行滤波处理后，再车车通信传递给相对于本车而言的环境车辆。

步骤3，每一辆装备车辆都可以通过车载GNSS接收机获得绝对位置信息，同时可以通过毫米波雷达探测获得相对位置信息，理论上两个位置信息应该完全一致，但是两者均包含随机误差，所以同一辆车的相对位置和绝对位置信息存在偏差。本发明实施例中本车利用该偏差实现环境车辆信息的匹配。也就是说，通过匹配环境车辆在大地坐标系中的绝对位置坐标与该环境车辆于本车的相对位置坐标，找出每一环境车辆在本车的车辆局部坐标系中的相对位置坐标，从而确认车车通信接收的环境车辆与毫米波雷达探测到的环境车辆之间的对应关系。

步骤3具体包括：

步骤31，车辆局部坐标系定义如图3所示，原点取在车辆的重心，与车辆固联，y轴沿车辆行驶纵向，x轴沿车辆的横向，该坐标系中任一点坐标表示为(x

利用下式(1)，将步骤1中的环境车辆在大地坐标系中的绝对位置坐标

式中，Ψ表示本车在大地坐标系中的航向角，即上文中的

步骤32，根据本车的毫米波雷达探测环境车辆与本车之间的相对距离Δd

步骤33，评定A

在一个实施例中，步骤33中采用式(3)的马氏距离D

式中，S为环境车辆的位置坐标A的协方差矩阵，本实施例假设环境车辆位置信息A(随机变量)包括A

需要说明的是，A

步骤33中采用式(4)表示的最近邻法确定A

M

数学上描述两个变量之间近似程度的方法有很多，本实施例选择用最邻近法。通常用各种“距离”和“相关系数”作为相异度或相似度相异度度量方法。例如：欧式距离、曼哈顿距离和切比雪夫距离。

上述实施例选择本车周围8辆车作为协同定位的目标环境车辆，采用马氏距离度量环境车辆i绝对位置坐标A

步骤4，根根据环境车辆i的M

其中，

本车通过车车通信获取了通信范围内环境车辆绝对位置信息，同时本车通过毫米波雷达探测环境车辆对本车的相对位置信息，基于这两个信息实现本车位置的间接估计。

步骤5，经过上述步骤后，装备车辆可获得多个带有噪声的本车定位估计值，还需通过本步骤的数据融合估计以提升自车定位精度。

如果本车在时刻t通过车车通信获取了附近的N

步骤5采用由式(6)表示的最小二乘估计对N

其中，

在一个实施例中，步骤5之前还包括：

通过式(7)计算得到通过车路通讯方式获得的本车在大地坐标系中的绝对位置估计值

式中，

步骤5中的所述本车相关位置信息包括在时刻t时的步骤4获得N

步骤5采用由式(8)表示的最小二乘估计对N

其中，

本车通过车路协同获得多个带有噪声的车辆位置信息，采用最小二乘法实现最优融合估计。

上述融合估计方法每一个时刻本车定位融合估计的结果仅与该时刻获取的附近车辆和路侧单元信息有关。在车辆运行的实际情况中，V2X通信与毫米波雷达观测存在不稳定因素，本车周围的环境车辆数目也会随时间而变化。因此，在融合算法设计中需要考虑历史信息，以适应环境车辆信息不稳定的工况，具体方法如下：

t+1时刻，当N

步骤6，通过V2X通讯方式发布步骤5得到的本车在时刻t在大地坐标系中的绝对位置坐标。

通过GNSS接收机、毫米波雷达、车车通信设备和车路通信设备获取的信息经过滤波处理、目标匹配、数据融合后得到的定位信息通过车车通信设备和车路通信设备进行发布。通信范围内的其它装备车辆可通过车车通信获得本车的融合定位信息数据集，包括本车基于扩展卡尔曼滤波器估计的车辆绝对位置、基于最小二乘的车路协同定位信息

本发明还提供一种基于V2X的智能网联汽车动态协同定位装置，该定位装置包括：数据采集单元、滤波单元、匹配单元、融合单元和发布单元。

数据采集单元用于通过本车采集本车在大地坐标系中的绝对位置坐标

滤波单元用于通过滤波处理本车在大地坐标系中的绝对位置坐标信息；

匹配单元用于通过匹配环境车辆在大地坐标系中的绝对位置坐标与该环境车辆于本车的相对位置坐标，找出每一环境车辆在本车的车辆局部坐标系中的相对位置坐标。匹配单元具体包括第一坐标转换子单元、第二坐标转换子单元、第一计算子单元和第二计算子单元。

第一坐标转换子单元用于将数据采集单元中的环境车辆在大地坐标系中的绝对位置坐标转换到本车的车辆局部坐标系中,得到环境车辆i在本车的车辆局部坐标系中的绝对位置坐标

第二坐标转换子单元用于将数据采集单元中的环境车辆于本车的相对位置坐标转换到本车的车辆局部坐标系中,得到环境车辆i于本车在本车的车辆局部坐标系中的相对位置坐标A

第一计算子单元用于评定A

第二计算子单元用于根据M

其中，

融合单元用于记本车在时刻t附近有N

融合单元采用由式(6)表示的最小二乘估计对匹配单元得到的N

其中，

在一个实施例中，数据采集单元还用于通过车路通讯方式采集路侧单元在大地坐标系中的绝对位置坐标、以及通过无线电测距方式采集本车相对路测的位置信息。

匹配单元还包括第三计算子单元。第三计算子单元用于通过式(7)计算得到通过车路通讯方式获得的本车在大地坐标系中的绝对位置估计值

式中，

所述本车相关位置信息还包括在时刻t时的R

定位融合单元还用于采用由式(8)表示的最小二乘估计对匹配单元N

其中，

在一个实施例中，上述融合估计方法每一个时刻本车定位融合估计的结果仅与该时刻获取的附近车辆和路侧单元信息有关。在车辆运行的实际情况中，V2X通信与毫米波雷达观测存在不稳定因素，本车周围的环境车辆数目也会随时间而变化。因此，在融合算法设计中需要考虑历史信息，以适应环境车辆信息不稳定的工况，具体方法如下：

t+1时刻，当N

发布单元用于通过V2X通讯方式发布融合单元得到的本车在时刻t在大地坐标系中的绝对位置坐标。

最后需要指出的是：以上实施例仅用以说明本发明的技术方案，而非对其限制。本领域的普通技术人员应当理解：可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。