欢迎来到知嘟嘟! 联系电话:13336804447 卖家免费入驻,海量在线求购! 卖家免费入驻,海量在线求购!
知嘟嘟
我要发布
联系电话:13336804447
知嘟嘟经纪人
收藏
专利号: 2022115969277
申请人: 重庆邮电大学
专利类型:发明专利
专利状态:已下证
专利领域: 电通信技术
更新日期:2026-11-16
缴费截止日期: 暂无
价格&联系人
年费信息
委托购买

摘要:

权利要求书:

1.一种基于车路协同的融合感知定位系统,其特征在于:该系统包括智能车载感知定位子系统、路侧感知定位子系统、路侧边缘协同感知子系统和V2X通信子系统,其中:智能车载感知定位子系统,包括车端感知模块和车端数据融合模块,通过智能车车端传感器获取自身车辆及周围非智能车感知定位信息,并通过车道匹配定位方法提升车载感知端定位精度,然后通过V2X通信子系统传输到路侧边缘协同感知子系统;

路侧感知定位子系统,包括路侧感知模块和路侧数据融合模块,用于获取路侧端道路车辆的感知定位信息,并通过定位估计方法对融合过程中失效目标进行定位信息补偿,然后将道路环境车辆信息传输到路侧边缘协同感知子系统;

路侧边缘协同感知子系统,所述路侧边缘协同感知子系统基于车辆运行状态对智能车载感知定位子系统和路侧感知定位子系统计算的车辆感知定位信息进行互补融合,包括融合方法和协同感知位置和时间偏移补偿方法,然后将融合的定位信息通过V2X通信子系统按照应用层标准数据格式传输到路侧车辆;

V2X通信子系统,包括智能车载通信模块和路侧通信模块,所述V2X通信子系统用于路侧边缘感知定位子系统和智能车载感知定位子系统之间通信,其中包括车联网无线通信技术通信,以太网通信。

2.根据权利要求1所述的一种基于车路协同的融合感知定位系统,其特征在于:所述车端数据融合模块根据所设计的车道匹配定位方法提升定位精度并得到周围车辆的高精度感知定位信息;其通过目标车辆周围环境图像信息,利用预先训练的深度学习车道线检测模型,得到自身车辆所在车道定位信息,包括车道号和车道置信度;并根据所设计的车道匹配定位方法得到智能车辆高精度定位信息;再通过周围相邻车辆的点云特征信息,包括车辆方位角和相对距离信息;经过相对位置坐标转换计算后,得到周围相邻车辆的高精度感知定位信息;其中,所述车辆定位信息、周围环境图像信息、点云特征信息由车端感知模块利用车载OBU、车端高清摄像头、车端激光雷达获取。

3.根据权利要求2所述的一种基于车路协同的融合感知定位系统,其特征在于:所述车端数据融合模块根据所设计的车道匹配定位方法提升定位精度并得到周围车辆的高精度感知定位信息的具体方法步骤为:S101.通过车载OBU获取车辆自身GPS位置信息及方位角、路侧RSU传输的MAP地图消息;

S102.结合MAP地图消息,将车辆获取的GPS位置信息,投影到路段,投影垂直距离记为d,车辆GPS轨迹与路段所成的夹角记为θ;

S103.根据d、θ两方面因素计算与各个候选车道的权重,分别记为Wd、Wθ;

S104.根据车载摄像头获取的图像结合预训练深度学习车道线检测模型,得到各个车道的置信度,记为Wμ;

S105.设置一个综合权重值W,综合权重值为三方面权重值之和,最后选取综合权重值最大的车道作为目标车辆的最终定位车道;

S106.根据激光雷达获取的车辆点云特征信息,得到周围车辆的相对位置坐标信息,然后根据目标车辆自身的车道级GPS定位坐标,通过坐标转换计算得到周围车辆的高精度定位信息,再通过V2X通信子系统发送给路侧边缘协同感知子系统。

4.根据权利要求1所述的一种基于车路协同的融合感知定位系统,其特征在于:所述路侧数据融合模块根据所设计的定位估计方法与融合匹配算法相结合对融合过程中失效目标进行定位信息补偿,提升路侧感知精度;根据道路环境图像数据,利用预先训练的目标检测模型,得到道路车辆感知信息,然后利用毫米波雷达检测到的道路目标信息与摄像头检测到的车辆目标信息进行目标级数据融合匹配,得到融合后的道路车辆感知定位信息,记录融合匹配失效目标,并以视觉检测为主,采用视觉网格定位估计方法对失效目标进行定位,得到最后的道路车辆感知定位信息。

5.根据权利要求4所述的一种基于车路协同的融合感知定位系统,其特征在于:所述路侧数据融合模块采用视觉网格定位估计方法和融合匹配方法提升路侧感知精度进而得到最后的道路车辆感知定位信息的具体步骤为:S201.基于预训练的轻量化的目标检测模型,根据道路环境图像数据得到道路车辆感知信息,包括车辆目标类别、车辆目标边界框相关信息、置信度;

S202.获取毫米波雷达检测到经过滤波处理后的每一帧道路目标信息,通过目标点与毫米波雷达之间的距离和方位角信息以及毫米波雷达的GPS位置坐标,计算目标GPS位置,并通过坐标变换,将毫米波雷达目标数据帧映射到图像空间上;

S203.利用匈牙利匹配算法,将基于图像数据得到的道路车辆感知信息及基于毫米波雷达得到的道路目标数据进行融合匹配,得到融合后的道路车辆感知定位信息,并记录未匹配成功漏检的车辆;

S204.将路侧摄像头感知区域划为网格区域,并通过RTK设备标定获得网格对应的高精度GPS坐标位置;

S205.选取未匹配成功漏检目标边界框下边缘的中心点,将漏检目标与网格信息进行匹配,得到漏检目标的高精度GPS坐标,与融合后的道路车辆感知定位信息进行合并,得到最后的道路车辆感知定位信息。

6.根据权利要求1所述的一种基于车路协同的融合感知定位系统,其特征在于:所述路侧边缘协同感知子系统基于粒子滤波算法,融合由智能车载感知定位子系统和路侧感知定位子系统计算的车辆感知定位信息,并且在融合后,基于车辆运行状态估计根据所设计的协同感知位置和时间偏移补偿的方法对融合结果进行补偿定位,弥补了融合感知数据中存在的时效性问题,使融合后的信息具有唯一性、置信度最高,进而使智能汽车能获得更广阔的感知视角;

其中,所述融合车载感知定位系统和路侧感知定位系统获取的车辆感知定位信息的具体步骤如下:

S301.将智能车载感知定位子系统和路侧感知定位子系统得到的车辆感知定位信息经过坐标转换,以WGS84坐标系正北方向为正方向的统一坐标系,转换到统一坐标平面,将车辆目标经纬度投影到坐标系,再通过时间同步模型对车载感知定位系统和路侧感知定位系统的感知信息进行时间同步;

S302.在初始化步骤中,输入路侧感知定位子系统得到的车辆感知初始定位信息作为先验信息,初始化数学关系为:其中, 和 分别表示路侧感知定位设备在t时刻的检测值,ε为目标定位误差范围最大值,rand(·)为生成区间的随机函数,xi和yi为生成的第i个目标粒子的横纵坐标,N为随机粒子样本数,ωi为每个目标粒子的初始权值;

S303.在预测过程中,对所有目标粒子增加目标车辆的控制输入,包括速度和航向角;

按照运动方程预测各个目标粒子的下一步位置,预测模型数学关系如下:

其中,xt‑1和yt‑1为上一时刻的目标粒子的横纵坐标,xt和yt为当前时刻状态预测横纵坐标,ΔT为时间差,vt为t时刻车辆的速度,γt‑1为上一时刻车辆的航向角,θt为当前时刻航向角增量, 和 为系统环境噪声;

S304.在更新过程中,将车载感知目标位置信息作为观察值,根据路侧感知定位位置信息与观察值之间的几何距离来更新各个目标粒子对应的权重,对目标粒子集合进行加权求和即可获得最优感知定位信息,权值更新公式如下:其中, 为根据路侧感知定位目标中第i个目标粒子的横纵坐标集合 为t+

1时刻的车载感知目标横纵坐标集合 为求解两个集合之间的距离;

S305.在重采样阶段,引入重采样原理对目标粒子进行筛选,重采样根据目标粒子的权重,在原有目标粒子的基础上生成新的目标粒子集合返回到步骤S302进行下一次循环,中途遇到目标状态信息发生突变,以路侧感知定位目标信息作为初始位置的输入。

7.根据权利要求6所述的所述的一种基于车路协同的融合感知定位系统,其特征在于:

所述基于车辆运行状态估计根据所设计的协同感知位置和时间偏移补偿的方法对融合结果进行补偿定位为:计算车辆感知融合后集合中车辆的时间戳和当前时刻的时间戳的差值,记为时间偏移补偿Δt,然后根据目标在统一坐标下x方向和y方向上的运动速度和加速度计算出目标车辆在统一坐标系上x方向和y方向的位置偏移值,偏移值作为感知融合结果中目标的补偿值,再通过坐标转换成经纬度通过V2X通信子系统广播给道路智能车辆。

8.根据权利要求1所述的所述的一种基于车路协同的融合感知定位系统,其特征在于:

所述车载通信模块和路侧通信模块之间的通信采用车联网无线通信技术,包括LTE‑V2X和DSRC两条技术路线。