CN113494912A - 基于虚拟传感器响应的交通工具的位置估计 - Google Patents

基于虚拟传感器响应的交通工具的位置估计 Download PDF

Info

Publication number
CN113494912A
CN113494912A CN202110296849.8A CN202110296849A CN113494912A CN 113494912 A CN113494912 A CN 113494912A CN 202110296849 A CN202110296849 A CN 202110296849A CN 113494912 A CN113494912 A CN 113494912A
Authority
CN
China
Prior art keywords
sensor response
vehicle
virtual
virtual sensor
environment map
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.)
Pending
Application number
CN202110296849.8A
Other languages
English (en)
Inventor
S·马拉诺
D·马斯
F·古斯塔夫松
J·奥洛夫松
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
ABB Schweiz AG
Original Assignee
ABB Schweiz AG
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by ABB Schweiz AG filed Critical ABB Schweiz AG
Publication of CN113494912A publication Critical patent/CN113494912A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/20—Instruments for performing navigational calculations
    • 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
    • G01S5/00—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations
    • G01S5/02—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations using radio waves
    • G01S5/0252—Radio frequency fingerprinting
    • G01S5/02528—Simulating radio frequency fingerprints
    • 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
    • G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
    • G01S13/86—Combinations of radar systems with non-radar systems, e.g. sonar, direction finder
    • 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
    • G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
    • G01S13/87—Combinations of radar systems, e.g. primary radar and secondary radar
    • G01S13/876—Combination of several spaced transponders or reflectors of known location for determining the position of a receiver
    • 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
    • G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
    • G01S13/88—Radar or analogous systems specially adapted for specific applications
    • G01S13/89—Radar or analogous systems specially adapted for specific applications for mapping or imaging
    • 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
    • G01S19/14—Receivers specially adapted for specific applications
    • 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
    • G01S19/24—Acquisition or tracking or demodulation of signals transmitted by the system
    • G01S19/243—Demodulation of navigation message
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
    • G06F18/217—Validation; Performance evaluation; Active pattern learning techniques
    • G06F18/2193—Validation; Performance evaluation; Active pattern learning techniques based on specific statistical tests
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
    • G06F18/2413—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on distances to training or reference patterns
    • G06F18/24147—Distances to closest patterns, e.g. nearest neighbour classification
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N7/00—Computing arrangements based on specific mathematical models
    • G06N7/01—Probabilistic graphical models, e.g. probabilistic networks

Landscapes

  • Engineering & Computer Science (AREA)
  • Remote Sensing (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Artificial Intelligence (AREA)
  • General Engineering & Computer Science (AREA)
  • Evolutionary Computation (AREA)
  • Probability & Statistics with Applications (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Biology (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Mathematical Analysis (AREA)
  • Algebra (AREA)
  • Computational Mathematics (AREA)
  • Mathematical Optimization (AREA)
  • Pure & Applied Mathematics (AREA)
  • Computing Systems (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Electromagnetism (AREA)
  • Automation & Control Theory (AREA)
  • Navigation (AREA)
  • Traffic Control Systems (AREA)

Abstract

一种用于确定交通工具(10)的估计位置(42)的方法包括：接收采用交通工具(10)的扫描传感器(14)所确定的所测量传感器响应(40)，该扫描传感器(14)在扫描交通工具(10)的环境并且通过从环境地图(32)生成对于交通工具(10)的可能位置的虚拟传感器响应(38)来确定交通工具(10)的估计位置(42)；以及将所测量传感器响应(40)与虚拟传感器响应(38)进行比较，以用于确定生成所测量传感器响应(40)的交通工具(10)的可能位置和实际位置一致的程度。

Description

基于虚拟传感器响应的交通工具的位置估计
技术领域
本发明涉及用于交通工具的位置估计领域。特别是，本发明涉及用于确定交通工具的估计位置的方法、计算机程序、计算机可读介质和装置。
背景技术
导航以及特别是海上导航极大地依靠全球导航卫星***(GNSS)(例如GPS或伽利略)。通常，GNSS是用于定位、导航和定时的主要信息源，并且对于海上的安全导航可能是至关重要的。GNSS中使用的星载无线电信号在地球表面处被接收时很弱，并且易受到干扰、拥塞（jamming）和欺骗（spoofing）的影响。无意干扰和蓄意拥塞可引起海洋船舶(maritimevessel)的海上导航***的故障。欺骗能够误海上导导航***认为它处于不同位置处。
干扰和拥塞可通过由GNSS所使用的相同频段中的另一个传输的存在引起。这个干扰信号可使预期GNSS信号在接收器处是不可理解的。GNSS拥塞装置虽然在大多数国家是违法的，但是能够易于被购买并且是任何人可用的。
GNSS欺骗是将使海上导航***认为处于错误位置处的更复杂的蓄意攻击。攻击者采用与GNSS信号相同的结构和频率来广播信号，欺骗消息被改变，因此接收器计算不正确的位置或时间。
GNSS拥塞装置的另一个常见使用与由卡车对商品的运输相关。卡车具有GNSS拥塞装置不是常见的。
用来部分减轻干扰、拥塞和欺骗的一种方式要求GNSS连同惯性导航***的集成。这种***可在数分钟内提供可接受的位置估计。另一种方式要求采用不受干扰源所影响的频带中的附加信号来增强GNSS。
SE 528298C2描述一种海洋导航设备，该海洋导航设备使用粒子滤波器和动态运动模型，该动态运动模型基于采用雷达测量所识别的界标的三角测量。
发明内容
本发明的目的是要提供用于交通工具的简单且有效的位置估计，它不依靠全球导航卫星***。
这个目的通过独立权利要求的主题来实现。通过从属权利要求和以下描述，另外的示范实施例是显而易见的。
本发明的方面涉及一种用于确定交通工具的估计位置和可选的估计取向。估计位置可被编码为2D点或3D点。估计取向可被编码为一个或多个角度。
交通工具可以是海洋船舶、机载交通工具和/或基于陆地的交通工具(例如卡车或汽车)。下面针对海洋船舶来描述全部实施例，但是理解的是，全部这些实施例也可适用于其他类型的交通工具。
该方法可由位置估计装置自动执行，该位置估计装置可以是船舶中安装的计算装置。该方法可实现GNSS不存在的情况下的导航。该方法可甚至在完全GNSS故障和GNSS欺骗的检测期间也实现安全导航。
按照本发明的实施例，该方法包括：接收采用交通工具的扫描传感器所确定的所测量传感器响应，所述扫描传感器在扫描交通工具的环境；以及通过下列步骤来确定交通工具的估计位置和可选的估计取向：从环境地图来生成对于交通工具的可能位置和可选的可能取向的虚拟传感器响应；并且将所测量传感器响应与虚拟传感器响应进行比较，以用于确定生成所测量传感器响应的交通工具的可能位置(和可选的可能取向)以及实际位置(和可选的实际取向)一致的程度。
可能位置和实际位置(以及可选的取向)之间的一致性可被提供有权重，该权重指示虚拟传感器响应和所测量传感器响应一致的程度。可能位置与实际位置之间的一致性可基于两个位置的距离来提供。可能取向与实际取向之间的一致性可基于两个取向之间的角度来提供。
例如，可递归地更新可能位置和可选的可能取向，使得可能位置与实际位置之间的一致性增长。估计位置可被确定为与实际位置具有特定一致性(例如，当一致性高于阈值时)的可能位置。
扫描传感器可以是雷达传感器、激光雷达传感器和/或声纳传感器。通常，传感器可将波束和/或射线发送到环境中，并且可获取这个射线的反射。
按照本发明的实施例，该方法包括：采用递归统计模型来确定交通工具的估计位置和可选的估计取向，其中基于所测量传感器响应来更新位置和可选的取向的概率密度函数。
换言之，可通过采用交通工具的扫描传感器的所测量传感器响应更新统计模型来确定估计位置和可选的估计取向。可采用概率密度函数(该概率密度函数通过统计模型来更新)对估计位置和可选的估计取向(它们可被看作是交通工具的状态)进行建模。统计模型可被实现为算法，该算法可在交通工具中安装的估计装置中被执行。
可有规律地执行所测量传感器响应的接收和估计位置的确定。有规律地可表示可按规则间隔(例如每一秒)来执行扫描传感器测量和更新。
交通工具可被配备有一个或多个雷达***，例如海洋雷达***。通常，雷达***用来检测其他交通工具，例如船只和障碍物(例如海岸线)等。通过该方法，可基于传感器响应来执行位置和可选的取向估计，这可按任何方式存在于交通工具导航***中。
所测量传感器响应可以是由扫描传感器所生成的点云。每个点可通过距离和/或一个或多个角度来编码。对于每一点，可提供反射的强度。所测量传感器响应可包括指示采用扫描传感器所确定的射线的反射的多个点。射线可以是雷达射线、光线、声纳射线等。
按照本发明的实施例，确定估计位置和可选的估计取向包括：从概率密度函数来确定交通工具的至少一个可能位置和可选的可能取向。例如，可确定概率密度函数为高的情况下的特定位置和/或取向。
还可能的是采用离散点对概率密度函数进行建模，所述离散点的每个对应于位置和/或取向。这些点的一些或全部可用作可能位置和/或取向。
按照本发明的实施例，该方法进一步包括：从环境地图以及可能位置和可选的可能取向来生成虚拟传感器响应。环境地图可被存储在装置中，所述装置还执行该方法。环境地图可以是数据结构，该数据结构对交通工具的环境进行建模。环境地图可包括指示交通工具的环境中的点的反射能力的信息。
例如，环境地图可提供关于海岸线、陆地和/或人工制品（artefact）的拓扑信息。可从卫星影像来生成环境地图。
虚拟传感器响应可与所测量传感器响应相似地被编码，和/或可包括(虚拟)反射发生的点。虚拟传感器响应可以是由估计装置从环境地图所生成的点云。每个点可通过距离和一个或多个角度来编码。虚拟传感器响应可包括指示从环境地图所确定的虚拟射线的反射的多个点。可通过计算在环境所反射的虚拟射线的可能反射来生成虚拟传感器响应。
按照本发明的实施例，该方法进一步包括：通过将所测量传感器响应与虚拟传感器响应进行比较来产生对于可能位置和可选的可能取向的权重，其中权重指示所测量传感器响应和虚拟传感器响应一致的程度。例如，所测量传感器响应和虚拟传感器响应均可被编码为图像，和/或可通过图像处理技术来相互比较。还可能是机器学习算法被训练以便将所测量传感器响应与虚拟传感器响应进行比较。
比较结果可以是权重(即，数值)，该权重指示所测量传感器响应和虚拟传感器响应一致的强度。
按照本发明的实施例，该方法进一步包括：采用对于可能位置和可选的可能取向的权重来更新概率密度函数；以及从概率密度函数来确定估计位置和可选的估计取向。通过新权重，概率密度函数可被适配，使得它反映在可能位置和可选的可能取向的新权重。
通常，该方法使用来自扫描传感器和数字环境地图的数据来确定估计位置和可选的估计取向。该方法可用于与GNSS导航***完全无关的第二导航***中。扫描传感器的返回可与环境地图连续比较和匹配。
还可能是估计位置和可选的估计取向用于监督另一个导航***，例如GNSS导航***。可确定的是，其他导航系统是否在正确工作。按照这种方式，可生成与其他导航***的失灵有关的告警。
按照本发明的实施例，递归统计模型是递归贝叶斯估计。递归贝叶斯估计基于关于可能位置和/或取向的权重和/或概率密度函数服从贝叶斯统计的假设。在预测步骤中，可按照关于自所测量传感器响应的上一次获取以来的船舶的移动的假设来修改概率密度函数。在更新步骤中，可基于所测量传感器响应和环境地图来更新概率密度函数。
递归贝叶斯估计包括诸如卡尔曼滤波、它到非线性***的适配、扩展卡尔曼滤波和/或无迹卡尔曼滤波之类的算法。
按照本发明的实施例，递归统计模型是粒子滤波。粒子滤波器可允许通过使用所测量传感器响应来估计状态，其中状态通过船舶动态状态(即，其位置和可选的其取向)来表示。粒子滤波器的状态可包括经度、高程、航向和/或速度。
按照本发明的实施例，采用可能位置和可选的可能取向(它们的每个与权重关联)的集合对概率密度函数进行建模。可对这些可能位置和可选的可能取向的每个来生成虚拟传感器响应，其中通过将所测量传感器响应与虚拟传感器响应进行比较来更新每个可能位置和可选的可能取向的权重。可能位置和可选的可能取向的每个可被看作是粒子，该粒子由粒子滤波器来建模。对于每个粒子，可使用环境地图来生成虚拟传感器响应。可能位置和可选的可能取向可接收权重更新，该权重更新可与所测量传感器响应中的虚拟传感器响应的拟合（fit）成比例。
按照本发明的实施例，通过确定最近邻居来比较来自所测量传感器响应的点以及来自虚拟传感器响应的点，以及权重取决于最近邻居的距离。如已提及的，所测量传感器响应和虚拟传感器响应可以是点云。对于点云中的一个点云的点的每个，最近邻居可从其他点云来确定。最近邻居的总距离可用于比较所测量传感器响应和虚拟传感器响应和/或用于确定对应权重。
按照本发明的实施例，环境地图指示地形（terrain）针对由扫描传感器所发送的射线的反射能力。环境地图的每个点可对这种反射能力进行编码，或者至少可包括从其中能够确定这种反射能力的数据。可从反射能力来确定虚拟传感器响应。
按照本发明的实施例，环境地图对地形的斜坡进行建模。例如，环境地图可以是高度图。这种地图可通过线框模型来编码。
可通过在环境地图的点处计算与来自扫描传感器的虚拟射线的入射角来确定虚拟传感器响应，其中从环境地图的点处的斜率来计算入射角。例如，可假定，当入射角接近90°时，反射变成最大。
按照本发明的实施例，该方法进一步包括：接收交通工具的环境中的另外活动对象的位置和可选的取向；以及将活动对象包括到环境地图中，使得由活动对象进行的反射被包括到虚拟传感器响应中。例如，作为交通工具的环境中的活动对象的其他交通工具可将其位置发送给具有导航***的交通工具，该导航***执行该方法。在活动对象的位置处，环境地图可被改变成计及其反射。
按照本发明的实施例，从所测量传感器响应以及交通工具的估计位置和可选的估计取向来生成环境地图。当另一个位置估计***(例如GPSS)正在工作时，所生成的所测量传感器响应可用于更新和/或生成环境地图。所测量反射可基于交通工具的已知位置和/或取向被包括到环境地图中。
按照本发明的实施例，由若干交通工具所生成的环境地图被采集，以及共同环境地图被生成并且在若干交通工具之中被分发。例如，环境地图可被发送给中央服务器，其中环境地图相互拟合，以形成总体环境地图。这个总体环境地图可被回送给交通工具的一些或全部。
本发明的另外的方面涉及一种用于确定交通工具的估计位置和可选的估计取向的计算机程序，该计算机程序在由处理器执行时适合执行如前述权利要求中的任一项所述的方法的步骤。例如，计算机程序可在交通工具的导航***中执行。
本发明的另外的方面涉及一种计算机可读介质，其中存储计算机程序。例如，计算机可读介质可以是交通工具的导航***的存储器。通常，计算机可读介质可以是软盘、硬盘、USB(通用串行总线)存储装置、RAM(随机存取存储器)、ROM(只读存储器)、EPROM(电可擦可编程只读存储器)或FLASH存储器。计算机可读介质还可以是数据通信网络(例如因特网)，该数据通信网络允许下载程序代码。通常，计算机可读介质可以是非暂时或暂时介质。
本发明的另外的方面涉及一种用于适合于执行如本文所述的方法的步骤的交通工具的位置和可选的取向估计装置。这种估计装置可以是与GNSS无关的第二导航***，和/或因此可提供针对无线电干扰、拥塞和欺骗的健壮性。
必须理解，如上文和下文所述的方法的特征可以是如上文和下文所述的计算机程序、计算机可读介质和估计装置的特征，并且反之亦然。
本发明的这些方面及其他方面从下文所述的实施例将是显而易见的，并且参照下文所述的实施例来阐述。
附图说明
下文中将参照附图中图示的示范实施例更详细地说明本发明的主题。
图1示意示出按照本发明的实施例的具有位置估计装置的海洋船舶。
图2示意示出按照本发明的实施例的位置估计装置的模块化设计。
图3图示本发明的实施例中使用的所测量传感器响应。
图4图示本发明的实施例中使用的概率密度函数。
图5图示本发明的实施例中使用的环境地图。
图6示出描述本发明的实施例中如何计算虚拟反射的简图。
图7图示本发明的实施例中使用的虚拟传感器响应。
附图中使用的参考符号及其含意在参考符号的列表中以概括形式列示。大体上，在附图中，为相同部件提供相同参考符号。
具体实施方式
图1示出采取海洋船舶形式的交通工具10，该交通工具10包括位置估计装置12，该位置估计装置12适合于基于由交通工具10的装置所获取的传感器数据的位置估计。特别是，交通工具10可与环境地图结合评估传感器数据，并且可从其中确定其估计位置。
传感器数据由扫描传感器14(也被安装在交通工具10上，例如雷达传感器、激光雷达传感器或声纳传感器)来提供。此外，交通工具可包括全球导航卫星***(GNSS)16，该全球导航卫星***(GNSS)16适合于接收来自多个卫星18的信号并且从其中确定另外的估计位置。
此外，图1示出另外的海洋船舶，该另外的海洋船舶通常可被看作是交通工具10的环境中的活动对象20。海洋船舶/活动对象20可将其位置和/或取向发送给交通工具10。也可在估计位置的确定期间使用这个信息。
在图1中，还示出中央服务器22。交通工具10以及特别是位置估计装置12可适合于确定从其中可生成环境地图的信息。来自多个交通工具10的这个信息可用于生成中央环境地图，该中央环境地图然后可被发送给交通工具10。
图2示出位置估计装置12的模块化设计，并且还将用于图示用于位置估计的方法，该方法可采用位置估计装置12来执行。
位置估计装置12可包括地图模块24、虚拟传感器响应生成器26、所测量传感器响应生成器28和统计模型30。
地图模块24存储环境地图32，并且可向虚拟传感器响应生成器26提供环境地图32的至少部分34。虚拟传感器响应生成器从统计模型30来接收采取可能位置36的形式的假设交通工具状态，并且从环境地图32的部分34和可能位置36来生成虚拟传感器响应38。必须注意，在这里以及在下文中，交通工具10的位置36还可包括交通工具的取向和/或交通工具10的速度。
所测量传感器响应生成器28从自扫描传感器14所接收的传感器数据来生成所测量传感器响应40。统计模型30接收所测量传感器响应40，并且将它与多个虚拟传感器响应38进行比较，以用于确定交通工具10的估计位置42。估计位置42还可包括交通工具的取向和/或交通工具10的速度。
将针对图2来描述用于确定交通工具10的估计位置42的方法。
统计模型30有规律地接收所测量传感器响应40，所述所测量传感器响应40由所测量传感器响应生成器28从来自扫描传感器14的数据来确定，所述扫描传感器14扫描交通工具10的环境。
图3示出所测量传感器响应40的示例。示出的是，所测量传感器响应40包括指示采用扫描传感器14所确定的射线的反射的多个点44。图3中的点44示为笛卡尔坐标系中的点，但是也可通过距离和角度或者按照另一个表示来提供。
统计模型30通过基于所测量传感器响应40更新估计位置42的概率密度函数46来有规律地确定交通工具10的估计位置42。
递归统计模型30可以是递归贝叶斯估计，以及特别可以是粒子滤波。
图4示出用于粒子滤波的概率密度函数46，该概率密度函数46采用可能位置36(它们的每个具有权重48)的集合被建模。在图4中，仅指示权重48的一些。
统计模型30将每个可能位置36发送给虚拟传感器响应生成器26，所述虚拟传感器响应生成器26对这些可能位置36的每个生成虚拟传感器响应38。
从环境地图32和相应可能位置36来生成每个虚拟传感器响应38。
图5示出可被提供给虚拟传感器响应生成器26的环境地图32的部分34的示例。部分34相对于可能位置36居中。
在图5中，指示地形的等高线。这可用于得出地形的反射能力。但是，相对于特定方向的地形的反射能力也可在环境地图32中被直接编码。可从反射能力来确定虚拟传感器响应38。
环境地图32可以是高度图，和/或可从卫星数据来生成。高度图可因若干原因而用来代替海图。海图通常从旧海图的位映射图像来生成。这些图可能不表示绝对意义上的海岸线，而可以是现实的数十米。此外，海岸线通常不是静态对象，而可随时间而变化。
可从卫星数据来生成环境地图32。例如，高度图可从卫星数据来生成，并且因此可比海图更有规律地更新。高度图可以是全球的，而海图在密集交通水域中可以是更精确的。此外，高度图可生成虚拟传感器响应38的更精确预测。例如，陡海岸线将给出比浅滩更为相异和更大的返回信号和/或反射。此外，更远离海岸线的丘陵和斜坡也将反射传感器信号，这可指示不能从海图来预测的反射。
还可能的是，从交通工具10的所测量传感器响应40和估计位置42来生成环境地图32。通过所测量传感器响应40，可改进环境地图32。还可能的是，由若干交通工具10所生成的环境地图32被发送给中央服务器22。环境地图32可被采集，并且共同环境地图可被生成并且在若干交通工具10之中被分发。
图6示出可如何从高度图来确定虚拟传感器响应38的若干简图。上图示出通过环境地图32的截面，所述环境地图32对地形的斜坡50进行建模。可通过在环境地图32的点处计算与来自扫描传感器的虚拟射线54的入射角52来确定虚拟传感器响应38，其中从环境地图32的点处的斜率50来计算入射角52。
图6的中图示出沿虚拟射线54的环境地图32的导数（derivative）56。下图示出滤波导数58，该滤波导数58通过平滑导数56来确定。在滤波导数58变得高于（higher as）阈值的点处，可假定存在强反射。
图7示出虚拟传感器响应38，该虚拟传感器响应38可按照这种方式来确定。虚拟传感器响应38包括指示从环境地图32所确定的虚拟射线54的反射的多个点60。
还可能的是，地图模块24接收交通工具10的环境中的另外的活动对象20的位置62(参见图4)，所述位置62可用于增强虚拟传感器响应38。活动对象20可被包括到环境地图32中，使得来自活动对象20的反射被包括到虚拟传感器响应38中。
返回到图4，通过将所测量传感器响应40与对于这个可能位置36的虚拟传感器响应38进行比较来更新每个可能位置36的权重48。通常，权重48可指示所测量传感器响应40和虚拟传感器响应38一致的程度。还可采用统计方法和/或采用机器学习算法来确定两个数据集38和40的一致性。
例如，可通过确定最近邻居来比较来自所测量传感器响应40的点44以及来自虚拟传感器响应38的点60，以及对于可能位置36的权重48可取决于最近邻居的距离。
如已提及的，统计模型30可基于递归贝叶斯估计。算法的这个系列包括卡尔曼滤波、它到非线性***的相关适配、扩展卡尔曼滤波、无迹卡尔曼滤波和粒子滤波。
递归贝叶斯估计可包括初始化、预测和更新的步骤，它们全部可由统计模型30来执行。
例如，在初始化期间，可采用初始位置周围的可能位置36的随机集合来初始化概率密度函数46，所述可能位置36例如可从另一个定位***(例如GNSS 16)接收。可能位置36可被给予相同权重48。粒子滤波的优点可在于，可能只需要小状态空间来正确表示位置36的分布。这可减少计算能力的所需量。
在预测期间，可从前述概率密度函数46并且从物理模型来预测概率密度函数46。例如，可从交通工具的速度来更新位置36。
在更新步骤中，使用测量数据来更新概率密度函数46。在本例中，将所测量传感器响应40与虚拟传感器响应38进行比较，以及基于该比较来更新权重48。
预测和更新步骤可有规律地和/或每当新的所测量传感器响应40为可用时重复进行。
在每个预测和更新步骤之后，可从概率密度函数46来确定估计位置42。例如，估计位置42可以是概率密度函数46的位置36的加权平均。
虽然在附图和前述描述中详细图示和描述了本发明，但是这样的图示和描述将被认为是说明性或示范性而不是限制性的；本发明并不局限于所公开的实施例。通过研究附图、本公开和所附权利要求书，由本领域熟练的并实践所要求保护的发明的技术人员可以理解和实现对所公开的实施例的变型。在权利要求书中，词语“包括”并不排除其他元件或步骤，以及不定冠词“一”或“一个”不排除多个。单个处理器或控制器或其他单元可实现权利要求所述的若干项的功能。仅仅在互不相同的权利要求中记载某些措施的事实并不表示这些措施的组合不能有利地使用。权利要求书中的任何参考符号不应当被理解为限制范围。
参考符号列表
10. 交通工具
12. 位置估计装置
14. 扫描传感器
16. 全球导航卫星***(GNSS)
18. 卫星
20. 活动对象
22. 中央服务器
24. 地图模块
26. 虚拟传感器响应生成器
28. 所测量传感器响应生成器
30. 统计模型
32. 环境地图
34. 环境地图的部分
36. 可能位置
38. 虚拟传感器响应
40. 所测量传感器响应
42. 估计位置
44. 点
46. 概率密度函数
48. 权重
50. 斜率
52. 入射角
54. 虚拟射线
56. 导数
58. 滤波导数
60. 点
62. 位置。

Claims (15)

1.一种用于确定交通工具(10)的估计位置(42)的方法，所述方法包括：
接收采用所述交通工具(10)的扫描传感器(14)所确定的所测量传感器响应(40)，所述扫描传感器(14)扫描所述交通工具(10)的环境，
通过下列步骤来确定所述交通工具(10)的所述估计位置(42)：
从环境地图(32)来生成对于所述交通工具(10)的可能位置的虚拟传感器响应(38)；
将所述所测量传感器响应(40)与所述虚拟传感器响应(38)进行比较，以用于确定生成所述所测量传感器响应(40)的所述交通工具(10)的所述可能位置和实际位置一致的程度。
2.如权利要求1所述的方法，进一步包括：
采用递归统计模型(30)来确定所述交通工具的所述估计位置(42)，其中基于所述所测量传感器响应(40)来更新所述估计位置(42)的概率密度函数(46)；
其中确定所述估计位置(42)包括：
从所述概率密度函数(46)来确定所述交通工具(10)的至少一个可能位置(36)；
从环境地图(32)和所述可能位置来生成虚拟传感器响应(38)；
通过将所述所测量传感器响应(40)与所述虚拟传感器响应(38)进行比较来产生对于所述可能位置(36)的权重(48)，其中所述权重(48)指示所述所测量传感器响应(40)和所述虚拟传感器响应(38)一致的程度；
采用对于所述可能位置的所述权重(48)来更新所述概率密度函数(46)；
从所述概率密度函数(46)来确定所述估计位置(42)。
3.如权利要求2所述的方法，
其中，所述递归统计模型(30)是递归贝叶斯估计。
4.如权利要求2或3所述的方法，
其中，所述递归统计模型(30)是粒子滤波；
其中采用可能位置的集合对所述概率密度函数(46)进行建模，所述可能位置中的每个具有权重(48)；
其中对每个可能位置(36)来生成所述虚拟传感器响应(38)，以及通过将所述所测量传感器响应(40)与所述虚拟传感器响应(38)进行比较来更新每个可能位置(36)的所述权重(48)。
5.如前述权利要求中的任一项所述的方法，
其中，所述所测量传感器响应(40)包括指示采用所述扫描传感器(14)所确定的传感器脉冲的反射的多个点(44)；
其中所述虚拟传感器响应(38)包括指示从所述环境地图(32)所确定的射线的反射的多个点(60)；
其中通过确定最近邻居来比较来自所述所测量传感器响应(40)的所述点(44)以及来自所述虚拟传感器响应(38)的所述点，以及所述权重(48)取决于所述最近邻居的距离。
6.如前述权利要求中的任一项所述的方法，
其中，所述环境地图(32)指示地形的反射能力；
其中从所述反射能力来确定所述虚拟传感器响应(38)。
7.如前述权利要求中的任一项所述的方法，
其中，所述环境地图(32)对地形的斜坡(50)进行建模。
8.如权利要求7所述的方法，
其中，通过在所述环境地图(32)的点处计算与来自所述扫描传感器(14)的虚拟射线的入射角(52)来确定所述虚拟传感器响应(38)，其中从所述环境地图(32)的所述点处的所述斜率(50)来计算所述入射角(52)。
9.如前述权利要求中的任一项所述的方法，进一步包括：
接收所述交通工具(10)的所述环境中的另外活动对象(20)的位置(62)；
将所述活动对象(20)包括到所述环境地图(32)中，使得来自所述活动对象(20)的反射被包括到所述虚拟传感器响应(38)中。
10.如前述权利要求中的任一项所述的方法，
其中，从所述交通工具(10)的所测量传感器响应(40)和估计位置(42)来生成所述环境地图(32)。
11.如前述权利要求中的任一项所述的方法，
其中，由若干交通工具(10)所生成的环境地图(32)被采集，以及共同环境地图被生成并且在所述若干交通工具(10)之中被分发。
12.如前述权利要求中的任一项所述的方法，
其中，所述交通工具(10)是海洋船舶。
13.一种用于确定交通工具(10)的估计位置(42)的计算机程序，所述计算机程序在由处理器执行时适合执行如前述权利要求中的任一项所述的方法的所述步骤。
14.一种计算机可读介质，其中存储如权利要求13所述的计算机程序。
15.一种用于交通工具(10)的位置估计装置(12)，其适合于执行如权利要求1至12中的任一项所述的方法的所述步骤。
CN202110296849.8A 2020-03-20 2021-03-19 基于虚拟传感器响应的交通工具的位置估计 Pending CN113494912A (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
EP20164667.6A EP3882649B1 (en) 2020-03-20 2020-03-20 Position estimation for vehicles based on virtual sensor response
EP20164667.6 2020-03-20

Publications (1)

Publication Number Publication Date
CN113494912A true CN113494912A (zh) 2021-10-12

Family

ID=69953769

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110296849.8A Pending CN113494912A (zh) 2020-03-20 2021-03-19 基于虚拟传感器响应的交通工具的位置估计

Country Status (3)

Country Link
US (1) US11953613B2 (zh)
EP (1) EP3882649B1 (zh)
CN (1) CN113494912A (zh)

Citations (22)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101952688A (zh) * 2008-02-04 2011-01-19 电子地图北美公司 用于与传感器检测到的对象进行地图匹配的方法
CN104508427A (zh) * 2012-06-01 2015-04-08 Abb技术有限公司 用于确定用于船只的路线的方法和***
CN106370193A (zh) * 2016-08-30 2017-02-01 上海交通大学 一种基于地图匹配的车辆组合定位***及方法
CN106406338A (zh) * 2016-04-14 2017-02-15 中山大学 一种基于激光测距仪的全向移动机器人的自主导航装置及其方法
CN106461402A (zh) * 2014-04-30 2017-02-22 通腾全球信息公司 用于确定相对于数字地图的位置的方法及***
US20170108338A1 (en) * 2014-03-31 2017-04-20 Commissariat A L'energie Atomique Et Aux Energies Alternatives Method for geolocating a carrier based on its environment
CN107709928A (zh) * 2015-04-10 2018-02-16 欧洲原子能共同体由欧洲委员会代表 用于实时建图与定位的方法和装置
CN107908185A (zh) * 2017-10-14 2018-04-13 北醒（北京）光子科技有限公司 一种机器人自主全局重定位方法及机器人
CN109061703A (zh) * 2018-06-11 2018-12-21 百度在线网络技术（北京）有限公司 用于定位的方法、装置、设备和计算机可读存储介质
CN109271893A (zh) * 2018-08-30 2019-01-25 百度在线网络技术（北京）有限公司 一种仿真点云数据的生成方法、装置、设备及存储介质
CN109579849A (zh) * 2019-01-14 2019-04-05 浙江大华技术股份有限公司 机器人定位方法、装置和机器人及计算机存储介质
CN110044358A (zh) * 2019-04-29 2019-07-23 清华大学 基于现场场线特征的移动机器人定位方法
CN110088573A (zh) * 2016-12-20 2019-08-02 赫尔环球有限公司 用于确定车辆位置的设备和相关联方法
CN110136182A (zh) * 2019-05-28 2019-08-16 北京百度网讯科技有限公司 激光点云与2d影像的配准方法、装置、设备和介质
CN110168311A (zh) * 2016-11-29 2019-08-23 布莱克莫尔传感器和分析公司 用于以点云数据集合对对象进行分类的方法和***
CN110175576A (zh) * 2019-05-29 2019-08-27 电子科技大学 一种结合激光点云数据的行驶车辆视觉检测方法
CN110244322A (zh) * 2019-06-28 2019-09-17 东南大学 基于多源传感器的路面施工机器人环境感知***及方法
CN110260867A (zh) * 2019-07-29 2019-09-20 浙江大华技术股份有限公司 一种机器人导航中位姿确定、纠正的方法、设备及装置
WO2019194079A1 (ja) * 2018-04-02 2019-10-10 日本電産株式会社 位置推定システム、当該位置推定システムを備える移動体、およびコンピュータプログラム
CN110530368A (zh) * 2019-08-22 2019-12-03 浙江大华技术股份有限公司 一种机器人定位方法及设备
US20190383945A1 (en) * 2018-06-15 2019-12-19 Uber Technologies, Inc. Autonomous vehicle localization using a lidar intensity map
CN110631593A (zh) * 2019-11-25 2019-12-31 奥特酷智能科技(南京)有限公司 一种用于自动驾驶场景的多传感器融合定位方法

Family Cites Families (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
SE528298C2 (sv) 2004-02-09 2006-10-17 Sigmoid Ab Ett system och en metod för ytnavigering med radar och sjökort
DE102012208254A1 (de) * 2012-05-16 2013-11-21 Continental Teves Ag & Co. Ohg Verfahren und System zur Erstellung eines aktuellen Situationsabbilds
US10353388B2 (en) * 2016-10-17 2019-07-16 X Development Llc Drop-off location planning for delivery vehicle
DE102017211607A1 (de) * 2017-07-07 2019-01-10 Robert Bosch Gmbh Verfahren zur Verifizierung einer digitalen Karte eines höher automatisierten Fahrzeugs (HAF), insbesondere eines hochautomatisierten Fahrzeugs
US10695911B2 (en) * 2018-01-12 2020-06-30 Futurewei Technologies, Inc. Robot navigation and object tracking
DE102018202983A1 (de) * 2018-02-28 2019-08-29 Robert Bosch Gmbh Verfahren zur Ermittlung eines Datenprofils für die satellitengestützte Ermittlung einer Position eines Fahrzeugs
CN114365012A (zh) * 2019-09-26 2022-04-15 雅马哈发动机株式会社 环境地图创建装置及其方法以及自身位置推测装置、自主移动体

Patent Citations (22)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101952688A (zh) * 2008-02-04 2011-01-19 电子地图北美公司 用于与传感器检测到的对象进行地图匹配的方法
CN104508427A (zh) * 2012-06-01 2015-04-08 Abb技术有限公司 用于确定用于船只的路线的方法和***
US20170108338A1 (en) * 2014-03-31 2017-04-20 Commissariat A L'energie Atomique Et Aux Energies Alternatives Method for geolocating a carrier based on its environment
CN106461402A (zh) * 2014-04-30 2017-02-22 通腾全球信息公司 用于确定相对于数字地图的位置的方法及***
CN107709928A (zh) * 2015-04-10 2018-02-16 欧洲原子能共同体由欧洲委员会代表 用于实时建图与定位的方法和装置
CN106406338A (zh) * 2016-04-14 2017-02-15 中山大学 一种基于激光测距仪的全向移动机器人的自主导航装置及其方法
CN106370193A (zh) * 2016-08-30 2017-02-01 上海交通大学 一种基于地图匹配的车辆组合定位***及方法
CN110168311A (zh) * 2016-11-29 2019-08-23 布莱克莫尔传感器和分析公司 用于以点云数据集合对对象进行分类的方法和***
CN110088573A (zh) * 2016-12-20 2019-08-02 赫尔环球有限公司 用于确定车辆位置的设备和相关联方法
CN107908185A (zh) * 2017-10-14 2018-04-13 北醒（北京）光子科技有限公司 一种机器人自主全局重定位方法及机器人
WO2019194079A1 (ja) * 2018-04-02 2019-10-10 日本電産株式会社 位置推定システム、当該位置推定システムを備える移動体、およびコンピュータプログラム
CN109061703A (zh) * 2018-06-11 2018-12-21 百度在线网络技术（北京）有限公司 用于定位的方法、装置、设备和计算机可读存储介质
US20190383945A1 (en) * 2018-06-15 2019-12-19 Uber Technologies, Inc. Autonomous vehicle localization using a lidar intensity map
CN109271893A (zh) * 2018-08-30 2019-01-25 百度在线网络技术（北京）有限公司 一种仿真点云数据的生成方法、装置、设备及存储介质
CN109579849A (zh) * 2019-01-14 2019-04-05 浙江大华技术股份有限公司 机器人定位方法、装置和机器人及计算机存储介质
CN110044358A (zh) * 2019-04-29 2019-07-23 清华大学 基于现场场线特征的移动机器人定位方法
CN110136182A (zh) * 2019-05-28 2019-08-16 北京百度网讯科技有限公司 激光点云与2d影像的配准方法、装置、设备和介质
CN110175576A (zh) * 2019-05-29 2019-08-27 电子科技大学 一种结合激光点云数据的行驶车辆视觉检测方法
CN110244322A (zh) * 2019-06-28 2019-09-17 东南大学 基于多源传感器的路面施工机器人环境感知***及方法
CN110260867A (zh) * 2019-07-29 2019-09-20 浙江大华技术股份有限公司 一种机器人导航中位姿确定、纠正的方法、设备及装置
CN110530368A (zh) * 2019-08-22 2019-12-03 浙江大华技术股份有限公司 一种机器人定位方法及设备
CN110631593A (zh) * 2019-11-25 2019-12-31 奥特酷智能科技(南京)有限公司 一种用于自动驾驶场景的多传感器融合定位方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
NATHANIEL FAIRFIELD等: "Active localization on the ocean floor with multibeam sonar", 《OCEANS 2008》, 30 June 2009 (2009-06-30), pages 1 - 10 *
YUQUAN XU等: "3D point cloud map based vehicle localization using stereo camera", 《 2017 IEEE INTELLIGENT VEHICLES SYMPOSIUM (IV)》, 31 July 2017 (2017-07-31), pages 487 - 492 *
崔正男: "智能车辆地图匹配定位和宏观路径规划研究", 《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》, no. 2, 15 February 2020 (2020-02-15), pages 035 - 384 *

Also Published As

Publication number Publication date
US11953613B2 (en) 2024-04-09
EP3882649B1 (en) 2023-10-25
EP3882649C0 (en) 2023-10-25
US20210293973A1 (en) 2021-09-23
EP3882649A1 (en) 2021-09-22

Similar Documents

Publication Publication Date Title
US10260892B2 (en) Data structure of environment map, environment map preparing system and method, and environment map updating system and method
US10488507B2 (en) Surrounding environment estimation device and surrounding environment estimating method
CN107015559B (zh) 使用散列加权积分和求和的目标跟踪的概率推理
KR102078254B1 (ko) 라이다 데이터를 이용한 지형 변화 실시간 탐지 방법, 이를 위한 시스템 및 서버에 저장된 컴퓨터프로그램
EP2082259B1 (en) Methods and apparatus for providing target altitude estimation in a two dimensional radar system
CN110441790B (zh) 激光雷达***中的方法和装置串扰和多径降噪
US8818722B2 (en) Rapid lidar image correlation for ground navigation
CN105158762A (zh) 识别和跟踪对流天气单体
US11243311B2 (en) Method and device for determining a position of a mobile object
Mason et al. Data utilization in flood inundation modelling
KR102205329B1 (ko) 위성 지오로케이션 측정들에서 에러의 레벨을 추정하고 상기 추정들의 신뢰성을 모니터링하는 방법 및 관련 디바이스
US8577608B2 (en) Method of obtaining a local terrain elevation database from detector means on board a vehicle
EP3351965A1 (en) A quality metric for ranging sensor in a degraded visual environment for a situational awareness system
WO2022269609A1 (en) Automatic camera registration and calibration using marine sensors
US6256264B1 (en) Localization of a submerged tow vehicle (lost)
Mujica et al. Internet of Things in the railway domain: Edge sensing system based on solid-state LIDAR and fuzzy clustering for virtual coupling
US11953613B2 (en) Position estimation for vehicles based on virtual sensor response
KR102469164B1 (ko) 무인 수상선의 지구물리적 내비게이션 장치 및 방법
Rhee et al. Ground reflection elimination algorithms for enhanced distance measurement to the curbs using ultrasonic sensors
Campbell et al. Terrain‐Referenced Positioning Using Airborne Laser Scanner
CN112050830B (zh) 一种运动状态估计方法及装置
US11288523B2 (en) Pseudo-range estimation from a passive sensor
EP1325352B1 (en) Adaptive measurement correction during remote distance measurement
WO2022054186A1 (ja) 推定装置、推定方法及び記憶媒体
Young et al. An X-band radar terrain feature detection method for low-altitude SVS operations and calibration using lidar

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