CN110426717B - 一种协同定位方法及***、定位设备、存储介质 - Google Patents
一种协同定位方法及***、定位设备、存储介质 Download PDFInfo
- Publication number
- CN110426717B CN110426717B CN201910866398.XA CN201910866398A CN110426717B CN 110426717 B CN110426717 B CN 110426717B CN 201910866398 A CN201910866398 A CN 201910866398A CN 110426717 B CN110426717 B CN 110426717B
- Authority
- CN
- China
- Prior art keywords
- grid
- positioning
- gnss
- road user
- relative distance
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 75
- 238000012937 correction Methods 0.000 claims abstract description 31
- 238000005457 optimization Methods 0.000 claims abstract description 14
- 230000006870 function Effects 0.000 claims description 19
- 238000005259 measurement Methods 0.000 claims description 18
- 238000006073 displacement reaction Methods 0.000 claims description 15
- 239000011159 matrix material Substances 0.000 claims description 14
- 238000012545 processing Methods 0.000 claims description 10
- 238000013507 mapping Methods 0.000 claims description 4
- 238000004458 analytical method Methods 0.000 claims description 3
- 230000008045 co-localization Effects 0.000 claims description 3
- 238000012216 screening Methods 0.000 claims description 3
- 238000002474 experimental method Methods 0.000 claims 1
- 238000004364 calculation method Methods 0.000 abstract description 7
- 230000000694 effects Effects 0.000 abstract description 6
- 230000002159 abnormal effect Effects 0.000 abstract description 3
- 230000006399 behavior Effects 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 238000012360 testing method Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 239000013598 vector Substances 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 1
- 239000013256 coordination polymer Substances 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 239000005433 ionosphere Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 239000005436 troposphere Substances 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S19/00—Satellite radio beacon positioning systems; Determining position, velocity or attitude using signals transmitted by such systems
- G01S19/01—Satellite radio beacon positioning systems transmitting time-stamped messages, e.g. GPS [Global Positioning System], GLONASS [Global Orbiting Navigation Satellite System] or GALILEO
- G01S19/13—Receivers
- G01S19/22—Multipath-related issues
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S19/00—Satellite radio beacon positioning systems; Determining position, velocity or attitude using signals transmitted by such systems
- G01S19/01—Satellite radio beacon positioning systems transmitting time-stamped messages, e.g. GPS [Global Positioning System], GLONASS [Global Orbiting Navigation Satellite System] or GALILEO
- G01S19/13—Receivers
- G01S19/35—Constructional details or hardware or software details of the signal processing chain
- G01S19/37—Hardware or software details of the signal processing chain
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S19/00—Satellite radio beacon positioning systems; Determining position, velocity or attitude using signals transmitted by such systems
- G01S19/38—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system
- G01S19/39—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system the satellite radio beacon positioning system transmitting time-stamped messages, e.g. GPS [Global Positioning System], GLONASS [Global Orbiting Navigation Satellite System] or GALILEO
- G01S19/42—Determining position
- G01S19/45—Determining position by combining measurements of signals from the satellite radio beacon positioning system with a supplementary measurement
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Computer Networks & Wireless Communication (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Signal Processing (AREA)
- Position Fixing By Use Of Radio Waves (AREA)
- Navigation (AREA)
Abstract
本发明具体涉及一种基于三维地图辅助GNSS的协同定位方法及***、定位设备、存储介质,结合光线追踪算法和双差分法,利用光线追踪算法获得道路使用者的绝对位置,对道路使用者所处区域均匀地网格化,对网格的伪距进行NLOS误差校正得到修正值,对属于不同道路使用者的网格进行两两随机配对,对网格的伪距修正值使用双差分法计算,并计算网格对的后验概率,通过加权平均计算得到道路使用者的相对距离,纠正了因NLOS效应引起的误差和其余异常误差;引入因子图作为定位问题的优化决策,确定每个约束的不确定度,通过代价函数计算定位结果。
Description
技术领域
本发明属于导航技术领域,尤其涉及一种基于三维地图辅助GNSS的协同定位方法及***、定位设备、存储介质。
背景技术
随着导航技术的发展,在相邻道路使用者之间实现信息共享已成为一大趋势,不同于仅使用一方道路使用者的机载测量值进行定位,现有技术中使用来自不同道路使用者的测量数据进行组合测量,以提高智能交通***(ITS)的道路安全。基于应答器的定位方法已被应用于车辆到车辆(V2V)协同定位,该方法使用到达时间来测量车辆的相对位置,其缺陷在于无法解决非视距(NLOS)测量,尤其是当车辆之间存在障碍物时则无法获得与其他道路使用者的相对距离,定位范围受限。
现有技术还提出一种基于全球导航卫星***(GNSS)的协同定位方法,获得完整的三维相对位置并对共享的GNSS原始数据进行双差分法计算,可以消除卫星轨道或时钟误差、电离层和对流层延迟等相关误差,以获得道路使用者的相对距离,其缺陷在于使用该方法时,其中应用到的双差分法受限于不存在大量异常误差的开阔区域,如果在例如城市的商圈、密集建筑群等存在较多不稳定误差的地区,由于多径效应和NLOS效应,双差分法无法消除这些误差。
为了解决多径效应和非视距效应,现有技术也开发了新的算法,目前应用最广泛的一种算法是GNSS阴影匹配(SDM)协同定位法。在使用双差分法前使用SDM来估计导航卫星的可见度以排除受NLOS影响的测量值,当道路使用者之间的共同测量数据足够时该方法可以得到一个比较理想的结果。然而在城市峡谷区域,获得的视距(LOS)测量数据往往是有限的,如果排除了大部分受NLOS影响的测量值,GNSS的精度因子会出现失真导致GNSS的定位性能变差。
因此,提供一种适用于复杂城市环境的协同定位方法尤为重要。
发明内容
基于此,本发明旨在提供一种基于三维地图辅助GNSS的协同定位方法及***,利用建筑三维模型建立区域网格,构建网格对计算其后验概率,集成光线追踪算法和双差分法获得道路使用者的绝对位置和相对距离,并作为因子图的约束进行因子图优化输出优化后的定位结果,解决现有的定位方法在复杂城市环境中的应用准确性和稳定性都不足的问题。
本发明提供一种基于三维地图辅助GNSS的协同定位方法,包括:
根据道路使用者的原始GNSS数据确定道路使用者的绝对位置;
基于数字地形模型与实际场景的映射关系,在绝对位置附近为道路使用者选取一网格组,其中网格组包含m个网格,m为大于1的自然数;
校正网格的伪距的非视距NLOS误差得到网格的伪距修正值;
对于任意两个道路使用者,将一个道路使用者的网格组内每个网格分别与另一个道路使用者的网格组内各个网格分别配对,得到m×m个网格对;
针对两个道路使用者中的任意一个道路使用者,构建因子图,利用道路使用者的绝对位置和两个道路使用者的相对距离表示因子图的约束,利用GNSS定位误差预测地图评估每个约束的不确定度,优化因子图并输出道路使用者的定位结果。
优选地,构建GNSS定位误差预测图的步骤包括:
基于数字地形模型在地平面选取一网格组,网格组包括多个网格,利用光线追踪算法模拟卫星到网格的视距LOS距离及非视距NLOS距离,利用模拟的LOS距离及NLOS距离预测在给定时间内每个网格的GNSS定位误差,并对网格进行单点定位,得到GNSS定位误差预测地图。
优选地,道路使用者的绝对位置由光线追踪算法获得。
优选地,校正网格的伪距的非视距NLOS误差得到网格的伪距修正值包括:
优选地,计算的伪距修正值包括主、从卫星到网格的伪距修正值。
优选地,选择最大仰角的卫星作为主卫星。
对网格对的双差分值线性化,得到视距LOS矩阵A,通过对矩阵A的伪逆运算得到所述网格对的相对距离。
把m×m个网格对按照后验概率从大至小排序,根据设定比例筛选出部分网格对。
优选地,构建因子图,利用道路使用者的绝对位置和两个道路使用者的相对距离表示因子图的约束包括:
利用绝对位置表示因子图中节点的单边约束,相对距离约束和位移约束表示因子图的边;
相对距离约束中的相对距离为不同道路使用者在同一个时间点的相对距离;
位移约束中的位移为同一个道路使用者在不同时间点的位移。
优选地,利用GNSS定位误差预测地图评估每个约束的不确定度包括:
利用GNSS定位误差预测地图选取以道路使用者为中心,半径R范围内的网格的预测误差,构成误差集,利用误差集分别计算单边约束、相对距离约束和位移约束的噪声协方差矩阵,基于噪声协方差矩阵评估每个约束的不确定度。
优选地,前述位移约束的不确定度由道路使用者的行为决定,对道路使用者行为的识别可由经机器学习训练的分类器完成。
优选地,前述的分类器还可用于识别道路使用者为行人或行驶车辆。
优选地,优化所述因子图并输出道路使用者的定位结果包括:
根据代价函数计算各约束的函数值,函数值构成因子图的优化目标函数,利用Levenberg-Marquardt优化法得到道路使用者的定位结果。
优选地,实现所述光线追踪算法所利用的数据包括:
卫星信号反射路径、三维城市模型及道路使用者之间的三维几何关系。
优选地,为了提高计算精度,网格的分辨率为2米×2米,即每个网格的大小为一边长为2米的正方形区域。
本发明还提供一种实现前述基于三维地图辅助GNSS的协同定位方法的***,包括:
原始GNSS数据获取单元,用于获取道路使用者的原始GNSS数据;
运算处理单元,用于构建GNSS定位误差预测地图和计算道路使用者的绝对位置及相对距离;
定位结果输出单元,用于输出经运算处理单元计算得到的定位结果;
其中,运算处理单元还包括:
网格选取及配对模块,用于为道路使用者选取网格和进行网格配对;
因子图分析模块,用于构建和优化因子图,根据因子图的优化目标函数计算所述定位结果。
优选地,前述的处理单元中还包括:
卫星信号接收单元,用于获取接收器采集的卫星信号。
优选地,前述的协同定位***还包括:
模型存储单元,该单元存储有数字地形模型、三维城市模型中的至少一种。
本发明还提供一种定位设备,包括处理器和存储器,存储器存有运算程序,当运算程序被处理器执行时,使得处理器可执行前述基于三维地图辅助GNSS的协同定位方法的任一步骤。
本发明还提供一种存储介质,存储有运算程序,当运算程序被处理器执行时,使得处理器可执行前述基于三维地图辅助GNSS的协同定位方法的任一步骤。
从以上技术方案可以看出,本发明具有以下优点:
本发明一种基于三维地图辅助GNSS的协同定位方法及***、定位设备、存储介质,结合了光线追踪算法和双差分法对原始的GNSS数据优化,利用光线追踪算法以获得道路使用者的绝对位置,对道路使用者所处区域均匀地网格化,对网格进行NLOS误差校正,对于不同道路使用者的校正网格,进行网格配对,对每个网格对使用双差分法,计算网格对的相对距离和后验概率,越靠近真实位置的网格越能反映正确的定位结果,则其后验概率更大,进而对网格对的相对距离进行加权平均计算得到道路使用者的相对距离,纠正了因非视距效应引起的误差和其余异常误差,显著地降低了定位误差对定位结果的影响程度,提高定位准确度;相比较于传统定位技术中剔除带误差的测量值的操作方法,对定位区域通过三维地图的映射关系进行网格化即把定位问题从多模态转为单模态,获得更准确的校正值,提高定位精度;引入因子图作为定位问题的优化,把绝对位置和相对距离均作为优化问题的约束,通过GNSS定位误差预测地图识别道路使用者的状态,进而确定每个约束的不确定度,可以更好的反映当前定位状态;因子图中包含的节点和边考虑了所有的现有约束,对异常值更有稳定性,进而提高定位的准确度和稳定度以及在复杂城市环境中应用的适应性。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据提供的附图获得其他的附图。
图1本发明一种基于三维地图辅助GNS S的协同定位方法流程示意图
图2本发明一种基于三维地图辅助GNSS的协同定位***结构示意图
图3本发明一种实施例中构建GNSS定位误差预测图的流程示意图
图4本发明一种实施例中计算网格对后验概率的流程示意图
图5本发明一种实施例中因子图的示意图
图6本发明另一种实施例中各节点的位置分布图
图7本发明另一种实施例中不同方法绝对定位误差对比示意图
图8本发明另一种实施例中五种方法定位优化结果对比示意图
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
本实施例提供一种适用于复杂城市环境的基于三维地图辅助GNSS的协同定位方法及***、定位设备、存储介质。
请参考图1和图3,本实施例中选取3位道路使用者a、b和c进行定位优化,
先构建一个定位误差预测地图,其步骤包括:
基于数字地形模型在地平面选取一网格组,网格组包括多个网格,利用光线追踪算法模拟卫星到网格的视距LOS距离及非视距NLOS距离,利用模拟的LOS距离及NLOS距离预测在给定时间内每个网格的GNSS定位误差,并对网格进行单点定位,得到GNSS定位误差预测地图;
定位的步骤包括:
获得道路使用者的原始GNSS数据,根据原始GNSS数据确定道路使用者的绝对位置;
基于数字地形模型与实际场景的映射关系,在绝对位置附近为道路使用者选取一网格组,其中网格组包含m个网格;本实施例中m的取值为100。
校正网格的伪距的非视距NLOS误差得到网格的伪距修正值;
对于任意两个道路使用者,将一个道路使用者的网格组内每个网格分别与另一个道路使用者的网格组内各个网格分别配对,得到m×m个网格对;
针对两个道路使用者中的任意一个道路使用者,构建因子图,利用道路使用者的绝对位置和两个道路使用者的相对距离表示因子图的约束,利用GNSS定位误差预测地图评估每个约束的不确定度,优化因子图并输出定位结果。
以道路使用者a和b为例,利用光线追踪算法分别获得a、b当前的绝对位置,请参考图4,在a和b绝对位置附近分别选取100个网格,得到两个网格集和当网格处于NLOS环境时,利用光线追踪算法对该网格进行NLOS误差校正,通过NLOS校正因子补偿NLOS误差得到伪距的修正值,其中计算NLOS校正因子如式(1)所示,
其中,计算网格的伪距修正值如式(2)所示,以道路使用者a为算例,
同理,根据式(1)-(2)可得到对应道路使用者b和c的网格的NLOS校正因子和伪距修正值。
道路使用者a和b的网格集和进行组间配对,配对方式为网格集中的每一个网格分别与网格集的各个网格分别配对,获得10000个网格对,得到网格对集合Pair如式(3)所示,对每个网格对使用双差分法,得到双差分值,如式(4)所示,
其中,上标m表示主卫星;
对式(4)进行线性化得到式(5),
计算每个网格对相对距离的测量误差,如式(7)所示,
计算每个网格对的后验概率,如式(8)-(10)所示,
对网格对相对距离测量误差进行归一化并把网格对按照后验概率从大至小排序,在本实施例中,为提高稳定性,筛选排序前1%的网格对进行计算,对筛选得到的100个网格对进行如式(11)所示的加权平均运算,得到道路使用者a和b的相对距离,
其中下标Pair*表示经过筛选的网格对子集,下标pair*表示网格对子集Pair*中的网格对元素;
通过上述的式(1)-(11)可同理计算得到a、c的相对距离和b、c的相对距离。
本实施例中选择最大仰角的卫星作为主卫星。
下面构建因子图并对因子图进行优化,请参阅图5,
Xa,t表示a在时间点t的绝对位置,表示a所代表的节点在时间点t的单边约束,ΔXab,t表示a和b在时间点t的相对距离,ΔXa,t→t+1为a在时间点t和时间点t+1之间产生的位移,以此类推道路使用者a、b和c的各约束在图5中得以表示。
利用GNSS定位误差预测地图选取以道路使用者为中心,半径R范围内的网格的预测误差,构成误差集,利用误差集分别计算单边约束、相对距离约束和位移约束的噪声协方差矩阵,基于噪声协方差矩阵评估每个约束的不确定度;
其中,位移约束的不确定度由道路使用者的行为决定;
对道路使用者行为的识别可由经机器学习训练的分类器完成,该分类器还可用于识别道路使用者为行人或行驶车辆。
以水平地面的东北方向定位为例,对于道路使用者a,选取以道路使用者a为中心,半径范围10米内的网格,则道路使用者a的误差集表示为式(12),
道路使用者a的绝对位置约束的噪声协方差矩阵表示为式(13),
其中-表示平均值,a和b的相对距离约束的噪声协方差矩阵表示为式(14),
a的位移约束的噪声协方差矩阵表示为式(15)。
优化因子图包括:
根据代价函数计算各约束的函数值,函数值构成因子图的优化目标函数,利用Levenberg-Marquardt优化法得到定位结果。
仍然以道路使用者a和b为例,a的绝对位置约束的代价函数由式(16)表示,
a和b的相对距离约束的代价函数由式(17)表示,
a的位移约束的代价函数由式(18)表示,
其中G表示视距单位矩阵,fa,t表示卫星钟漂修正后的GNSS多普勒频率,转换矩阵H为单位矩阵。
因子图的优化目标函数由式(21)表示,
其中χ=[x1…xN]T为因子图中N个节点的向量,χ*为每个节点的定位优化结果,εk表示第k个约束的代价函数值,εa,t,εab,t,εa,t→t+1∈εk,Ωk表示第k个约束的噪声协方差矩阵,
通过式(12)-(21)可同理得到b和c的定位结果。
在本实施例中实现所述光线追踪算法所利用的数据包括:
卫星信号反射路径、三维城市模型及道路使用者之间的三维几何关系。
为提高定位精度,本实施例中网格大小为边长2米的正方形区域。
请参考图2,一种基于三维地图辅助GNSS的协同定位***100,包括:
原始GNSS数据获取单元110,用于获取道路使用者的原始GNSS数据;
运算处理单元120,用于构建GNSS定位误差预测地图和计算道路使用者的绝对位置及相对距离;
定位结果输出单元130,用于输出经运算处理单元计算得到的定位结果;
其中,运算处理单元120还包括:
网格选取及配对模块121,用于为道路使用者选取网格和进行网格配对;
因子图分析模块122,用于构建和优化因子图,根据因子图的优化目标函数计算所述定位结果。
前述的协同定位***100还包括:
模型存储单元140,该单元存储有数字地形模型、三维城市模型中的至少一种。
前述的协同定位***100还包括:
卫星信号接收单元150,用于获取接收机采集的卫星信号。
一种定位设备,包括处理器和存储器,存储器存有运算程序,当运算程序被处理器执行时,使得处理器可执行前述基于三维地图辅助GNSS的协同定位方法的任一步骤。
一种存储介质,存储有运算程序,当运算程序被处理器执行时,使得处理器可执行前述基于三维地图辅助GNSS的协同定位方法的任一步骤。
下面介绍本发明的另一个实施例,本实施例在一个分布有城市峡谷的典型城市环境中进行验证,共选取4个测试节点,请参考图6,各节点分布情况如图6所示,道路使用者选取为道路上的行人,接收器为ublox M8T,接收器同时也收集道路使用者的原始GNSS数据。
为了实现本发明方法,选取节点4作为双差分法的测试点,节点4存在非视距(NLOS)效应,按照上述方法进行相对距离测量并计算误差,通过不同方法计算的节点1和节点4的相对距离的均方根误差如表1,
表1
可以看出,本发明的方法集成光线追踪算法和双差分法,对存在NLOS效应的测量值进行校正而非剔除,相对距离定位精度得到进一步提高,误差值降到16.3米。
请参考图7和图8,本发明方法还对定位通过因子图进行优化,得到优化后的定位结果,仍然以节点4为测试点,本发明方法剔除的因子图优化考虑了所有的现有约束,进而提高了定位的稳定性,与其他方法相比,本发明方法(RT-FGO)的绝对定位误差如图7所示,通过实现本发明得出的定位优化结果如图8所示。
另外对比不同方法对每个节点的绝对定位的均方根误差,如表2,
表2
节点. | 1 | 2 | 3 | 4 |
最小二乘法(LS) | 3.7 | 5.0 | 14.7 | 30.9 |
光线追踪(RT) | 2.7 | 3.1 | 14.9 | 10.4 |
基于锚点协作定位(SDM-CP) | 4.2 | 4.7 | 14.2 | 16.2 |
基于锚点的光线追踪协作定位(RT-CP) | 2.3 | 3.5 | 12.5 | 7.8 |
阴影匹配-因子图优化(SDM-FGO) | 2.2 | 2.5 | 14.3 | 12.4 |
本发明方法(RT-FGO) | 2.7 | 4.1 | 8.4 | 7.4 |
可以看出本发明给出的定位结果更为准确,4个节点的绝对定位误差控制在10米内,实现了最佳的定位性能。
以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的技术人员应当理解:其依然可以对前述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;而这些修改或者替换,并不使相应技术方案的本质脱离本发明实施例技术方案的精神和范围。
Claims (14)
1.一种基于三维地图辅助GNSS的协同定位方法,其特征在于,包括:
根据道路使用者的原始GNSS数据确定所述道路使用者的绝对位置;
基于数字地形模型与实际场景的映射关系,在所述绝对位置附近为所述道路使用者选取一网格组,所述网格组包含m个网格,m为大于1的自然数;
校正所述网格的伪距的非视距NLOS误差得到所述网格的伪距修正值;
对于任意两个道路使用者,将一个道路使用者的网格组内每个网格分别与另一个道路使用者的网格组内各个网格分别配对,得到m×m个网格对;
根据所述伪距修正值计算所述网格对中网格之间的相对距离包括对所述网格对中的两个网格的伪距修正值使用双差分法得到双差分值,对所述双差分值线性化,得到视距LOS矩阵A,通过对矩阵A的伪逆运算得到所述网格对的相对距离
计算网格对的后验概率Λ(na,nb),包括计算所有网格对的相对距离的测量误差,确定所述测量误差的最大值及最小值,利用所述最大值及最小值计算网格对的后验概率Λ(na,nb);
针对所述两个道路使用者中的任意一个道路使用者,构建因子图,利用所述道路使用者的绝对位置和所述两个道路使用者的相对距离表示所述因子图的约束,利用GNSS定位误差预测地图评估每个约束的不确定度,优化所述因子图并输出所述道路使用者的定位结果;
优化因子图并输出所述道路使用者的定位结果包括根据代价函数计算各约束的函数值,所述函数值构成所述因子图的优化目标函数,利用Levenberg-Marquardt优化法得到所述定位结果。
2.根据权利要求1所述的基于三维地图辅助GNSS的协同定位方法,其特征在于,构建所述GNSS定位误差预测地图的步骤包括:
基于所述数字地形模型在地平面选取一网格组,所述网格组包括多个网格,利用光线追踪算法模拟卫星到所述网格的视距LOS距离及非视距NLOS距离,利用模拟的所述LOS距离及所述NLOS距离预测在给定时间内每个网格的GNSS定位误差,并对所述网格进行单点定位,得到所述GNSS定位误差预测地图。
3.根据权利要求1所述的基于三维地图辅助GNSS的协同定位方法,其特征在于,
所述道路使用者的绝对位置利用光线追踪算法获得。
5.根据权利要求1所述的基于三维地图辅助GNSS的协同定位方法,其特征在于,所述伪距修正值包括主、从卫星到网格的伪距修正值。
6.根据权利要求5所述的基于三维地图辅助GNSS的协同定位方法,其特征在于,
所述主卫星包括最大仰角的卫星。
8.根据权利要求1所述的基于三维地图辅助GNSS的协同定位方法,其特征在于,所述构建因子图,利用所述道路使用者的绝对位置和所述两个道路使用者的相对距离表示所述因子图的约束包括:
利用所述道路使用者的绝对位置表示因子图中节点的单边约束,相对距离约束和位移约束表示所述因子图的边;
所述相对距离约束中的相对距离为不同道路使用者在同一个时间点的相对距离;
所述位移约束中的位移为同一个道路使用者在不同时间点的位移。
9.根据权利要求8所述的基于三维地图辅助GNSS的协同定位方法,其特征在于,所述利用GNSS定位误差预测地图评估每个约束的不确定度包括:
利用所述GNSS定位误差预测地图选取以所述道路使用者为中心,半径R范围内的网格的预测误差,构成误差集,利用所述误差集分别计算所述单边约束、所述相对距离约束和所述位移约束的噪声协方差矩阵,基于所述噪声协方差矩阵评估每个约束的不确定度。
10.根据权利要求2所述的基于三维地图辅助GNSS协同定位方法,其特征在于,实现所述光线追踪算法所利用的数据包括:
卫星信号反射路径、三维城市模型及道路使用者之间的三维几何关系。
11.一种实现如权利要求1-10任一项所述的基于三维地图辅助GNSS的协同定位方法的***,其特征在于,包括:
原始GNSS数据获取单元,用于获取道路使用者的原始GNSS数据;
运算处理单元,用于构建GNSS定位误差预测地图和计算道路使用者的绝对位置及相对距离;
定位结果输出单元,用于输出经运算处理单元计算得到的定位结果;
所述运算处理单元还包括:
网格选取及配对模块,用于为道路使用者选取网格和进行网格配对;
因子图分析模块,用于构建和优化因子图,根据所述因子图的优化目标函数计算所述定位结果。
12.根据权利要求11所述的实现如权利要求1-10任一项所述的基于三维地图辅助GNSS的协同定位方法的***,其特征在于,所述***还包括:
模型存储单元,所述存储单元存储有数字地形模型、三维城市模型中的至少一种。
13.一种定位设备,包括处理器和存储器,所述存储器存有运算程序,当所述运算程序被所述处理器执行时,使得所述处理器可执行如权利要求1-10任一项所述的基于三维地图辅助GNSS的协同定位方法步骤。
14.一种存储介质,存储有运算程序,当所述运算程序被处理器执行时,使得所述处理器可执行如权利要求1-10任一项所述的基于三维地图辅助GNSS的协同定位方法步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910866398.XA CN110426717B (zh) | 2019-09-12 | 2019-09-12 | 一种协同定位方法及***、定位设备、存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910866398.XA CN110426717B (zh) | 2019-09-12 | 2019-09-12 | 一种协同定位方法及***、定位设备、存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110426717A CN110426717A (zh) | 2019-11-08 |
CN110426717B true CN110426717B (zh) | 2021-08-03 |
Family
ID=68418223
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910866398.XA Active CN110426717B (zh) | 2019-09-12 | 2019-09-12 | 一种协同定位方法及***、定位设备、存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110426717B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112731481B (zh) * | 2020-11-19 | 2023-06-16 | 中国科学院深圳先进技术研究院 | 一种定位优化方法、***及其应用 |
CN113175938B (zh) * | 2021-03-16 | 2024-05-17 | 惠州市德赛西威智能交通技术研究院有限公司 | 一种基于高精度地图的车辆定位增强***及方法 |
CN113254565B (zh) * | 2021-06-21 | 2021-09-28 | 浙江口碑网络技术有限公司 | 区域识别方法、装置、计算机设备及计算机可读存储介质 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1970723A1 (en) * | 2007-03-16 | 2008-09-17 | GMV Aerospace and Defence S.A. | Method for the computation of improved SBAS protection levels valid in non-controlled environments |
CN101622891A (zh) * | 2006-09-19 | 2010-01-06 | 真实定位公司 | 用户平面上行链路到达时间差(u-tdoa) |
US8164514B1 (en) * | 2009-05-07 | 2012-04-24 | Chun Yang | Method and apparatus for fusing referenced and self-contained displacement measurements for positioning and navigation |
CN103869326A (zh) * | 2014-02-24 | 2014-06-18 | 中国科学院光电研究院 | 一种基于伪距指纹匹配的区域快速定位方法 |
CN107305255A (zh) * | 2016-04-25 | 2017-10-31 | 富士通株式会社 | 定位方法、定位装置和电子设备 |
US10024974B1 (en) * | 2014-10-24 | 2018-07-17 | Mediatek Inc. | Method and apparatus applicable to positioning in NLOS environment |
CN109901108A (zh) * | 2019-03-19 | 2019-06-18 | 南京航空航天大学 | 一种基于后验线性化置信传播的编队无人机协同定位方法 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6282426B1 (en) * | 1999-06-08 | 2001-08-28 | Nokia Mobile Phones Limited | Method, and associated apparatus, for determining geographic positioning of a wireless communication station operable in a non-ideal propagation environment |
US7065368B2 (en) * | 2002-12-30 | 2006-06-20 | Kt Corporation | Method for correcting NLOS error in wireless positioning system |
EP2689267A4 (en) * | 2011-03-22 | 2015-02-18 | Trimble Navigation Ltd | GNSS SIGNAL PROCESSING WITH THE DELTA PHASE |
US10324195B2 (en) * | 2015-07-27 | 2019-06-18 | Qualcomm Incorporated | Visual inertial odometry attitude drift calibration |
CN106886039B (zh) * | 2015-12-11 | 2023-07-14 | 南开大学 | 基于城市三维地图的地面数字电视广播与导航卫星混合粒子滤波定位方法 |
-
2019
- 2019-09-12 CN CN201910866398.XA patent/CN110426717B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101622891A (zh) * | 2006-09-19 | 2010-01-06 | 真实定位公司 | 用户平面上行链路到达时间差(u-tdoa) |
EP1970723A1 (en) * | 2007-03-16 | 2008-09-17 | GMV Aerospace and Defence S.A. | Method for the computation of improved SBAS protection levels valid in non-controlled environments |
US8164514B1 (en) * | 2009-05-07 | 2012-04-24 | Chun Yang | Method and apparatus for fusing referenced and self-contained displacement measurements for positioning and navigation |
CN103869326A (zh) * | 2014-02-24 | 2014-06-18 | 中国科学院光电研究院 | 一种基于伪距指纹匹配的区域快速定位方法 |
US10024974B1 (en) * | 2014-10-24 | 2018-07-17 | Mediatek Inc. | Method and apparatus applicable to positioning in NLOS environment |
CN107305255A (zh) * | 2016-04-25 | 2017-10-31 | 富士通株式会社 | 定位方法、定位装置和电子设备 |
CN109901108A (zh) * | 2019-03-19 | 2019-06-18 | 南京航空航天大学 | 一种基于后验线性化置信传播的编队无人机协同定位方法 |
Also Published As
Publication number | Publication date |
---|---|
CN110426717A (zh) | 2019-11-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114518586B (zh) | 一种基于球谐展开的gnss精密单点定位方法 | |
US11237276B2 (en) | System and method for gaussian process enhanced GNSS corrections generation | |
Zhang et al. | 3D mapping database aided GNSS based collaborative positioning using factor graph optimization | |
US10075818B2 (en) | Systems and methods for graph-based localization and mapping | |
CN110426717B (zh) | 一种协同定位方法及***、定位设备、存储介质 | |
WO2023134666A1 (zh) | 终端定位方法、装置、设备以及介质 | |
US20240142637A1 (en) | System and method for gaussian process enhanced gnss corrections generation | |
CN104714244A (zh) | 一种基于抗差自适应Kalman滤波的多***动态PPP解算方法 | |
Yao et al. | Global ionospheric modeling based on multi-GNSS, satellite altimetry, and Formosat-3/COSMIC data | |
CN112327340B (zh) | 终端定位精度评估方法、装置、设备以及介质 | |
CA2808155A1 (en) | Adaptive method for estimating the electron content of the ionosphere | |
CN101467064A (zh) | 卫星定位***的基准站网络中的网络特定因子的计算方法 | |
CN107607032A (zh) | 一种gnss形变监测*** | |
KR101470081B1 (ko) | 이동 정보 결정 장치, 수신기 및 그에 의한 방법 | |
CN102322863B (zh) | 一种遥感卫星多星联合逆向定轨定姿方法 | |
CN117075160A (zh) | 预测城市环境道路上的gnss定位质量的方法和*** | |
CN115616637B (zh) | 一种基于三维格网多径建模的城市复杂环境导航定位方法 | |
CN113917509B (zh) | 一种双差模糊度固定方法、设备以及可读存储介质 | |
KR101608809B1 (ko) | Gbas 운용범위 확장을 위한 벡터형 오차 보정 장치 및 방법 | |
KR101941132B1 (ko) | 국지적 전리층지도의 가용영역 확장 장치 및 방법 | |
CN116953747A (zh) | 移动终端的定位方法、装置、设备及存储介质 | |
Lee et al. | Error budget analysis of geocoding and geometric correction for KOMPSAT-5 SAR imagery | |
Xu et al. | A Framework for Graphical GNSS Multipath and NLOS Mitigation | |
Ziedan | A novel model for multipath delay estimation and Its application to a modified optimized position estimation algorithm | |
CN115242297B (zh) | 移动终端的运动参数确定方法、装置、设备和存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CP02 | Change in the address of a patent holder |
Address after: Hongkong China Hung Hom Kowloon Hong Kong Polytech University Patentee after: The Hong Kong Polytechnic University Address before: Hong Kong Polytechnic University, Hung Hom, Kowloon Patentee before: The Hong Kong Polytechnic University |
|
CP02 | Change in the address of a patent holder |