復(fù)雜城市環(huán)境下智能車導(dǎo)航定位方法研究.pdf

1、具有精確、穩(wěn)定的定位結(jié)果以及合理的價格是未來的智能車輛導(dǎo)航系統(tǒng)的發(fā)展趨勢。為了達到這個目標(biāo)，人們建立了多種組合導(dǎo)航模型(GNSS/DR, GNSS/INS, GNSS/MM)。盡管這些模型已在多種不同環(huán)境中成功應(yīng)用，但它們?nèi)杂性S多缺陷，尤其是在 GNSS系統(tǒng)定位精度受到威脅的區(qū)域。因而復(fù)雜城市環(huán)境下智能車輛的導(dǎo)航方法研究也成為了一個關(guān)注度高的研究領(lǐng)域。本課題系統(tǒng)地研究了多種城市復(fù)雜環(huán)境對導(dǎo)航定位結(jié)果所產(chǎn)生的影響，并對不同的環(huán)境采取相應(yīng)針

2、對性的導(dǎo)航方法，最終通過實驗采集真實數(shù)據(jù)驗證所提方法的正確性及可行性。
　　論文主要研究內(nèi)容分為六部分：
　　1.將復(fù)雜城市環(huán)境分為模糊道路環(huán)境和城市峽谷環(huán)境類型，并針對不同類型的復(fù)雜環(huán)境建立不同的導(dǎo)航定位方法及模型來提高對應(yīng)復(fù)雜環(huán)境下的定位精度。
　　2.提出了一種改進的基于多權(quán)重值 WΔω，Wd與 Wθ的地圖匹配算法，通過多種權(quán)重值的綜合從多條候選路段中選取GPS定位點的最佳匹配路段。在MATLAB和Visual

3、C++上進行仿真將原始具有偏差的軌跡和修正之后的軌跡進行對比，驗證了該算法適用于模糊道路環(huán)境，實現(xiàn)對導(dǎo)航軌跡偏差的修正。
　　3.研究了傳統(tǒng)雙目視覺測量的原理，利用經(jīng)典的張氏標(biāo)定法對攝像機進行內(nèi)、外參數(shù)的標(biāo)定。完成了視覺坐標(biāo)系下的定位算法的設(shè)計，對視覺測量誤差進行了分析。
　　4.設(shè)計了一種基于路標(biāo)的雙目視覺輔助GNSS定位的方法。建立了從路標(biāo)檢測識別到視覺測量，再到輔助定位的整套輔助定位的流程體系：隨機霍夫變換 RHT用于

4、路標(biāo)檢測，SIFT與K-means算法將用于路標(biāo)的匹配識別；雙目視差計算智能車與路標(biāo)之間的向量，從而建立輔助定位模型計算車輛的位置。
　　5.設(shè)計了雙目采集的圖像軟件，利用實驗車在一處復(fù)雜環(huán)境區(qū)域進行實時數(shù)據(jù)采集，通過計算出的雙目視覺定位誤差與 GNSS定位誤差對比分析，驗證了該方法在路標(biāo)可見范圍內(nèi)對GNSS定位結(jié)果有明顯改善。
　　6.研究了Kalman濾波算法，將視覺信息與GNSS信息進行融合濾波，建立了Vision/G