CN114488239A - 一种车辆协同导航的紧组合抗差相对位置感知方法 - Google Patents
一种车辆协同导航的紧组合抗差相对位置感知方法 Download PDFInfo
- Publication number
- CN114488239A CN114488239A CN202210145674.5A CN202210145674A CN114488239A CN 114488239 A CN114488239 A CN 114488239A CN 202210145674 A CN202210145674 A CN 202210145674A CN 114488239 A CN114488239 A CN 114488239A
- Authority
- CN
- China
- Prior art keywords
- relative position
- estimation
- vehicle
- moment
- vehicles
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 24
- 238000005259 measurement Methods 0.000 claims abstract description 23
- 230000004927 fusion Effects 0.000 claims abstract description 14
- 239000011159 matrix material Substances 0.000 claims description 30
- 238000012417 linear regression Methods 0.000 claims description 6
- 238000012937 correction Methods 0.000 claims description 3
- 230000007704 transition Effects 0.000 claims description 3
- 238000001914 filtration Methods 0.000 abstract description 7
- 230000008447 perception Effects 0.000 abstract description 7
- 238000003908 quality control method Methods 0.000 abstract description 4
- 230000001133 acceleration Effects 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000010354 integration Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 238000013459 approach Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000007500 overflow downdraw method Methods 0.000 description 1
- 230000001629 suppression Effects 0.000 description 1
- 238000013519 translation 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
- G01S19/38—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
- G01S19/46—Determining position by combining measurements of signals from the satellite radio beacon positioning system with a supplementary measurement the supplementary measurement being of a radio-wave signal type
-
- 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
- G01S19/393—Trajectory determination or predictive tracking, e.g. Kalman filtering
-
- 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
- G01S19/40—Correcting position, velocity or attitude
- G01S19/41—Differential correction, e.g. DGPS [differential GPS]
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/10—Internal combustion engine [ICE] based vehicles
- Y02T10/40—Engine management systems
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Computer Networks & Wireless Communication (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Position Fixing By Use Of Radio Waves (AREA)
- Navigation (AREA)
Abstract
本发明公开了一种车辆协同导航的紧组合抗差相对位置感知方法,涉及位置感知技术领域,从多导航系统数据融合估计的角度引入抗差理论,通过改进车辆协同定位解决方案中的数据融合手段,进一步提高相对位置的感知精度。针对系统有色噪声干扰及非线性造成的精度损失,提出基于Huber M估计的鲁棒容积滤波(Robust Cubature Kalman Filter,RCKF)算法,融入抗差理论;首先通过三阶容积法则进行时间更新和量测量估计,避免非线性系统的精度损失;其次使用Huber M估计进行量测更新控制有色噪声干扰得到系统状态估计,融合L1与L2范数,降低噪声干扰量的权值,以提高系统后验信息的质量。为VANET相对位置感知提供了一种新的状态质量控制策略。
Description
技术领域
本发明涉及位置感知领域,尤其涉及一种车辆协同导航的紧组合抗差相对位置感知方法。
背景技术
相对位置感知作为协同定位的前提条件,是基于位置服务和车辆智能交通的基础[1-2]。全球导航卫星系统(Global Navigation Satellite System,GNSS)由于其工作范围广,技术成熟等优势成为实现相对位置感知,进行协同定位的首选导航方式。然而,在城市环境中,建筑物的密集和高度会导致依靠GNSS的相对位置解决方案精度下降。多种卫星导航系统的融合虽然能够一定程度上缓解城市峡谷的问题却也额外添加了多系统间的干扰误差;同时,为实现多系统融合所增加的接收机信号带宽必然会吸收更多噪声,也增加了接收机的成本与功耗。
为避免上述问题,提高协同定位精度,研究人员从其他导航方式入手,引入新的观测量,提出新的相对定位解决方案;
XU B,SHEN L,YAN F,2009.Vehicular Node Positioning Based on Doppler-Shifted Frequency Measurement on Highway[J].Journal of Electronics(China),26(2):265–269.提出利用车辆自身的多普勒测量值获取相对位置,实验指出该方法在精度和鲁棒性上的表现均优于基于全球定位系统(Global Positioning System,GPS)的解算结果,但其实现需要在路边放置辐射节点,依赖于基础设备;
ALAM N,TABATABAEI BALAEI A,DEMPSTER A G,2011.A DSRC Doppler-BasedCooperative Positioning Enhancement for Vehicular Networks With GPSAvailability[J].IEEE Transactions on Vehicular Technology,60(9):4462–4470.结合相邻车辆的位置、速度,利用专用短程通信技术(Dedicated Short RangeCommunication,DSRC)获取多普勒频移进而提出一种松组合方法,避免对基础设施的依赖,与独立的GPS结果相比其性能提高了48%;
ALAM N,TABATABAEI BALAEI A,DEMPSTER A G,2013.Relative PositioningEnhancement in VANETs:A Tight Integration Approach[J].IEEE Transactions onIntelligent Transportation Systems,14(1):47–55.为消除空间相关误差设计采用GPS底层数据的双差分方法,通过对伪距进行二次差分消去卫星时钟及电离层干扰等误差,相对差分GPS(Differential GPS,DGPS)达到了更高的定位性能;
ALAM N,KEALY A,DEMPSTER A G,2013.An INS-Aided Tight IntegrationApproach for Relative Positioning Enhancement in VANETs[J].IEEE Transactionson Intelligent Transportation Systems,14(4):1992–1996.引入惯性导航系统(Inertial Navigation System,INS)进一步全面测量信息,结合GPS底层数据和车辆间相对加速度得到协同定位解,但该算法仅使用INS提供相对加速度,对系统欧拉角的获取仍依靠多普勒平移,未能全面利用INS信息;
Feng S,Joon W C,Andrew G D 2015.An ultra-wide bandwidth-based range/GPS tight integration approach for relative positioning in vehicular ad hocnetworks-IOPscience[EB/OL](2015)[2021–09–10].总结前人研究,利用通信量高、抗干扰能力强的超宽带技术(Ultra Wide Band,UWB)进行车辆自组网内的车间测距,同时使用INS获取系统内欧拉角,融合伪距双差、多普勒频移双差和UWB距离提出一种紧组合协同定位方法,相对于上述各算法取得了更好的定位效果。
虽然通过更新量测量与结合新的定位方式,相对位置解决方案取得了更高的精度,但上述算法采用的数据融合手段均为扩展卡尔曼滤波(Extended Kalman Filter,EKF)。这种直接对高斯积分进行泰勒展开截断近似的估计方法只能达到一阶精度,考虑到系统的非线性及实际中有色噪声的非高斯干扰,其估计精度将进一步下降,造成协同导航算法的性能未得到充分发挥。
相对位置感知作为协同导航的核心技术,同时也是车辆智能交通的关键,在车辆自组网(Vehicular Ad Hoc Networks,VANET)协同定位算法中具有重要作用;然而限于系统的非线性及有色噪声干扰,相同硬件条件下,协同定位后验信息的获取通常局限于一定的精度;现有的研究虽然从导航方式和观测量类型的角度进行研究和探索,提高了定位精度,但对于非线性造成的精度损失和有色噪声对观测量的污染问题仍然没有有效的解决方案。
发明内容
为解决现有技术的不足,提供一种车辆协同导航的紧组合抗差相对位置感知方法,从多导航系统数据融合估计的角度引入抗差理论,通过改进车辆协同定位解决方案中的数据融合手段,进一步提高相对位置的感知精度;针对系统有色噪声干扰及非线性造成的精度损失,提出基于Huber M估计的鲁棒容积滤波(Robust Cubature Kalman Filter,RCKF)算法,融入抗差理论;通过三阶容积法则进行时间更新和量测量估计,避免非线性系统的精度损失;使用Huber M估计进行量测更新控制有色噪声干扰得到系统状态估计,融合L1与L2范数,降低噪声干扰量的权值,以提高系统后验信息的质量;为VANET相对位置感知提供了一种新的状态质量控制策略;
本发明所采取的技术方案是:
一种车辆协同导航的紧组合抗差相对位置感知方法,包括以下步骤;
S1:在车辆a与车辆b上分别装备GPS接收机,同时在两车上分别装备UWB收发器,打开车辆a和车辆b的GPS接收机和UWB收发器,启动并行驶汽车;
S2:利用GPS接收机获取车辆a和b的卫星伪距与多普勒频移量,利用UWB收发器获得两车间的相对距离;
S3:利用参考的卫星基准站坐标和卫星位置的差值结合卫星基准站接收的GPS伪距进行差分,获取GPS信号的校正量并校正车辆a、b的GPS信号;
S4:计算观测卫星的GPS伪距与多普勒频移双差;
卫星对车辆a、b的卫星伪距与多普勒频移量做差得到的卫星伪距与多普勒频移量单差再与相邻卫星对车辆a、b的卫星伪距与多普勒频移量单差做差;
S5:利用S3中校正的GPS信号进行单点定位,获得两车初始的位置坐标,通过至少四颗卫星的伪距进行后方交会获得车辆位置坐标;
S6:基于Huber M估计的鲁棒容积滤波(Robust Cubature Kalman Filter,RCKF)算法,利用S5获得的两车初始的位置坐标得到初始相对位置,结合UWB收发器测得的相对距离、GPS接收机测得的多普勒频移双差与GPS伪距双差进行数据融合解算:在初始时刻计算容积点集,并设置协方差阵;其次在第二时刻,利用初始时刻的容积点集、相对位置和协方差阵结合当前时刻UWB收发器与GPS接收机量测量进行状态更新与量测更新,得到当前时刻的相对位置和协方差阵,随后在下一时刻中,利用上一时刻的相对位置和协方差阵进行迭代更新,重复状态和量测更新过程获得下一时刻的后验相对位置,具体包括以下步骤:
S6.1:根据S5的初始时刻计算容积点集:
根据Cubature准则在初始时刻生成等权重的容积点集并使用S5获得的两车初始位置做差得到初始时刻的相对位置,相对速度设置为零并设置协方差阵;
S6.2:时间更新:从第二时刻起,利用上一时刻的容积点集与协方差阵、相对位置与速度结合三阶容积法则对系统的状态转移概率进行模拟,得到先验的三维相对位置、三维相对速度和用于估计后验位置与速度的先验协方差阵;
S6.3:进行量测更新:
根据先验协方差阵再次依据三阶容积法则更新容积点集;
利用新的容积点通过进行量测容积点等加权融合估计,获得当前时刻各传感器的量测估计值即卫星伪距双差,多普勒频移双差,UWB收发器相对距离的估计值;
利用当前时刻量测量、量测量估计值与先验三维相对位置,相对速度结合观测方程构造线性回归;
利用Huber M估计求解上述线性回归,得到当前时刻后验的三维相对位置与相对速度及其协方差阵;
S6.4在下一时刻中重复S6.2与S6.3,迭代进行时间更新和量测更新;
S7:随着车辆运行时间迭代执行S6中的时间更新与量测更新,直至车辆停止运行,各传感器关机,最终得到后验状态估计和后验状态估计的协方差阵。
所述后验状态估计包含三维相对位置与三维相对速度。
有益技术效果
本发明提出了一种车辆协同导航的紧组合抗差相对位置感知方法,背景技术中的EKF与经典容积滤波(Cubature Kalman Filter,CKF)精度相当,而RCKF由于使用容积法则进行非线性系统传递,同时融入抗差M估计对实际量测中的有色噪声进行干扰抑制,因此,在精度及鲁棒性上的表现均优于EKF与CKF;通过对数据融合方法改进可进一步提高相对位置感知精度,为车辆协同定位方案提供一种具有实际意义的系统质量控制策略。
附图说明
图1为本发明实施例提供的一种车辆协同导航的紧组合抗差相对位置感知方法流程图;
图2为本发明实施例提供的UWB通信及测距示意图;
图3为本发明实施例提供的RCKF算法流程图。
具体实施方式
下面结合附图和实施例,对本发明的具体实施方式作进一步详细描述;
本发明提出一种车辆协同导航的紧组合抗差相对位置感知方法,从多导航系统数据融合估计的角度引入抗差理论,通过改进车辆协同定位解决方案中的数据融合手段,进一步提高相对位置的感知精度;针对系统有色噪声干扰及非线性造成的精度损失,提出基于Huber M估计的鲁棒容积滤波(Robust Cubature Kalman Filter,RCKF),该算法融入抗差理论;首先通过三阶容积法则进行时间更新和量测量估计,避免非线性系统的精度损失;其次使用Huber M估计进行量测更新控制有色噪声干扰得到系统状态估计,融合L1与L2范数,降低噪声干扰量的权值,以提高系统后验信息的质量;为VANET相对位置感知提供了一种新的状态质量控制策略;
本发明所采取的技术方案是:
一种车辆协同导航的紧组合抗差相对位置感知方法,如图1所示,包括以下步骤;
S1:在车辆a与车辆b上分别装备GPS接收机,如图2所示,同时在两车上分别装备两个UWB收发器,打开车辆a和车辆b的GPS接收机和UWB收发器,启动并行驶汽车;
本实施例中,在车辆a与车辆b上分别装备徕卡GS10 GPS接收机Novatel INS-LCI(集成GNSS-INS),获取车辆a与车辆b基于载波相位差分(Real Time Kinematic,RTK)的高精度位置作为真实参考值计算位置误差,同时在两车上分别装备两个UWB收发器,打开车辆a、车辆b卫星接收机和UWB收发器,启动并行驶汽车;
S2.利用GPS接收机获取车辆a和b的卫星伪距与多普勒频移量,UWB收发器获得两车间的相对距离;
S3:利用参考的卫星基准站坐标和卫星位置的差值结合卫星基准站接收的GPS伪距进行差分,获取GPS信号的校正量并校正车辆a、b的GPS信号;
S4:计算观测卫星的GPS伪距与多普勒频移双差;
卫星对车辆a、b的伪距/多普勒频移做差得到的伪距/多普勒频移单差再与相邻卫星对车辆a、b的伪距/多普勒频移单差做差;
S5:利用S3中校正的GPS信号进行单点定位,获得两车初始的位置坐标,通过至少四颗卫星的伪距进行后方交会获得车辆位置坐标;
S6:基于Huber M估计的鲁棒容积滤波(Robust Cubature Kalman Filter,RCKF)算法,利用S5获得的两车初始的位置坐标得到初始相对位置,如图3所示,结合UWB收发器测得的相对距离、GPS接收机测得的多普勒频移双差与GPS伪距双差进行数据融合解算:在初始时刻计算容积点集,并设置协方差阵;其次在第二时刻,利用初始时刻的容积点集、相对位置和协方差阵结合当前时刻UWB收发器与GPS接收机量测量进行状态更新与量测更新,得到当前时刻的相对位置和协方差阵,随后在下一时刻中,利用上一时刻的相对位置和协方差阵进行迭代更新,重复状态和量测更新过程获得下一时刻的后验相对位置;具体过程如下:
S6.1:根据S5的初始时刻计算容积点集:
根据Cubature准则在初始时刻生成等权重的容积点集并使用S5获得的两车初始位置做差得到初始时刻的相对位置,相对速度设置为零并根据经验设置协方差阵;
S6.2:时间更新:从第二时刻起,利用上一时刻的容积点集与协方差阵、相对位置与速度结合三阶容积法则对系统的状态转移概率进行模拟,得到先验的三维相对位置、三维相对速度和用于估计后验位置与速度的先验协方差阵;
S6.3:进行量测更新:
根据先验协方差阵再次依据三阶容积法则更新容积点集;
利用新的容积点通过进行量测容积点等加权融合估计,获得当前时刻各传感器的量测估计值即卫星伪距双差,多普勒频移双差,UWB收发器相对距离的估计值;
利用当前时刻量测量、量测量估计值与先验三维相对位置,相对速度结合观测方程构造线性回归;
利用Huber M估计求解上述线性回归,得到当前时刻后验的三维相对位置与相对速度及其协方差阵;
S6.4在下一时刻中重复S6.2与S6.3,迭代进行时间更新和量测更新;
S7:随着车辆运行时间迭代执行S6中的时间更新与量测更新,直至车辆停止运行,各传感器关机,最终得到后验状态估计和后验状态估计的协方差阵。
所述后验状态估计包含三维相对位置与三维相对速度。
为验证本实验的真实性,如表1所示,相同实验条件下,对鲁棒容积滤波(RobustCubature Kalman Filtering,RCKF)相对扩展卡尔曼滤波(Extended Kalman Filter,EKF),容积滤波(Cubature Kalman Filter,CKF)在均方根(Root Mean Squared,RMS),准确度(Accuracy),鲁棒性(Precision)方面的提高;
表1
Claims (4)
1.一种车辆协同导航的紧组合抗差相对位置感知方法,其特征在于:包括以下步骤;
S1.在车辆a与车辆b上分别装备GPS接收机,同时在两车上分别装备UWB收发器,打开车辆a和车辆b的GPS接收机和UWB收发器,启动并行驶汽车;
S2.利用GPS接收机获取车辆a和b的卫星伪距与多普勒频移量,利用UWB收发器获得两车间的相对距离;
S3:利用参考的卫星基准站坐标和卫星位置的差值结合卫星基准站接收的GPS伪距进行差分,获取GPS信号的校正量并校正车辆a、b的GPS信号;
S4:计算观测卫星的GPS伪距与多普勒频移双差;
S5:利用S3中校正的GPS信号进行单点定位,获得两车初始的位置坐标,通过至少四颗卫星的伪距进行后方交会获得车辆位置坐标;
S6:基于Huber M估计的RCKF算法,利用S5获得的两车初始的位置坐标得到初始相对位置,结合UWB收发器测得的相对距离、GPS接收机测得的多普勒频移双差与GPS伪距双差进行数据融合解算:在初始时刻计算容积点集,并设置协方差阵;其次在第二时刻,利用初始时刻的容积点集、相对位置和协方差阵结合当前时刻UWB收发器与GPS接收机量测量进行状态更新与量测更新,得到当前时刻的相对位置和协方差阵,随后在下一时刻中,利用上一时刻的相对位置和协方差阵进行迭代更新,重复状态和量测更新过程获得下一时刻的后验相对位置;
S7:随着车辆运行时间迭代执行S6中的时间更新与量测更新,直至车辆停止运行,各传感器关机,最终得到后验状态估计和后验状态估计的协方差阵。
2.如权利要求1所述的车辆协同导航的紧组合抗差相对位置感知方法,其特征在于:所述S6具体过程:卫星对车辆a、b的卫星伪距与多普勒频移量做差得到的卫星伪距与多普勒频移量单差再与相邻卫星对车辆a、b的卫星伪距与多普勒频移量单差做差。
3.如权利要求1所述的车辆协同导航的紧组合抗差相对位置感知方法,其特征在于:所述S6具体过程,包括以下步骤:
S6.1:根据S5的初始时刻计算容积点集:
根据Cubature准则在初始时刻生成等权重的容积点集并使用S5获得的两车初始位置做差得到初始时刻的相对位置,相对速度设置为零并设置协方差阵;
S6.2:时间更新:从第二时刻起,利用上一时刻的容积点集与协方差阵、相对位置与速度结合三阶容积法则对系统的状态转移概率进行模拟,得到先验的三维相对位置、三维相对速度和用于估计后验位置与速度的先验协方差阵;
S6.3:进行量测更新:
根据先验协方差阵再次依据三阶容积法则更新容积点集;
利用新的容积点通过进行量测容积点等加权融合估计,获得当前时刻各传感器的量测估计值即卫星伪距双差,多普勒频移双差,UWB收发器相对距离的估计值;
利用当前时刻量测量、量测量估计值与先验三维相对位置,相对速度结合观测方程构造线性回归;
利用Huber M估计求解上述线性回归,得到当前时刻后验的三维相对位置与相对速度及其协方差阵;
S6.4在下一时刻中重复S6.2与S6.3,迭代进行时间更新和量测更新。
4.如权利要求1所述的车辆协同导航的紧组合抗差相对位置感知方法,其特征在于:所述后验状态估计包含三维相对位置与三维相对速度。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210145674.5A CN114488239B (zh) | 2022-02-17 | 2022-02-17 | 一种车辆协同导航的紧组合抗差相对位置感知方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210145674.5A CN114488239B (zh) | 2022-02-17 | 2022-02-17 | 一种车辆协同导航的紧组合抗差相对位置感知方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114488239A true CN114488239A (zh) | 2022-05-13 |
CN114488239B CN114488239B (zh) | 2024-09-03 |
Family
ID=81482855
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210145674.5A Active CN114488239B (zh) | 2022-02-17 | 2022-02-17 | 一种车辆协同导航的紧组合抗差相对位置感知方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114488239B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN118606605A (zh) * | 2024-08-02 | 2024-09-06 | 山东科技大学 | 一种基于ckf的混合一致性无人船编队协同定位方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103018758A (zh) * | 2012-12-03 | 2013-04-03 | 东南大学 | 基于gps/ins/agps的移动差分基站方法 |
WO2014043824A1 (en) * | 2012-09-21 | 2014-03-27 | Safemine Ag | Method and device for generating proximity warnings |
CN110954132A (zh) * | 2019-10-31 | 2020-04-03 | 太原理工大学 | Grnn辅助自适应卡尔曼滤波进行导航故障识别的方法 |
CN112230249A (zh) * | 2020-09-29 | 2021-01-15 | 哈尔滨工业大学 | 一种基于城市多路径误差抑制的相对定位方法 |
CN113358115A (zh) * | 2021-06-07 | 2021-09-07 | 辽宁工程技术大学 | 一种基于gnss与ins的自适应导航定位系统和方法 |
-
2022
- 2022-02-17 CN CN202210145674.5A patent/CN114488239B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2014043824A1 (en) * | 2012-09-21 | 2014-03-27 | Safemine Ag | Method and device for generating proximity warnings |
CN103018758A (zh) * | 2012-12-03 | 2013-04-03 | 东南大学 | 基于gps/ins/agps的移动差分基站方法 |
CN110954132A (zh) * | 2019-10-31 | 2020-04-03 | 太原理工大学 | Grnn辅助自适应卡尔曼滤波进行导航故障识别的方法 |
CN112230249A (zh) * | 2020-09-29 | 2021-01-15 | 哈尔滨工业大学 | 一种基于城市多路径误差抑制的相对定位方法 |
CN113358115A (zh) * | 2021-06-07 | 2021-09-07 | 辽宁工程技术大学 | 一种基于gnss与ins的自适应导航定位系统和方法 |
Non-Patent Citations (4)
Title |
---|
WEI SUN: "RCKF Cooperative Navigation Algorithm for Tightly Coupled Vehicle Ad Hoc Networks Based on Huber M Estimation", IEEE ACCESS, 8 October 2021 (2021-10-08), pages 139887 - 139895 * |
孙伟: "KPCA/改进RBF神经网络辅助的GPS/UWB协同定位方法", 导航定位学报, 20 December 2022 (2022-12-20) * |
徐爱功: "基于BDS/UWB的协同车辆定位方法", 测绘科学, 15 June 2020 (2020-06-15) * |
杨澜: "融合GPS/SINS的容积卡尔曼滤波智能车位置姿态估计方法", 中国科技论文, 23 July 2017 (2017-07-23) * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN118606605A (zh) * | 2024-08-02 | 2024-09-06 | 山东科技大学 | 一种基于ckf的混合一致性无人船编队协同定位方法 |
Also Published As
Publication number | Publication date |
---|---|
CN114488239B (zh) | 2024-09-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN101295014B (zh) | 基于gnss的远距离高精度实时/快速定位方法和系统 | |
CN109709591B (zh) | 一种面向智能终端的gnss高精度定位方法 | |
CN103018758A (zh) | 基于gps/ins/agps的移动差分基站方法 | |
AU2008260578B2 (en) | Distance dependant error mitigation in real-time kinematic (RTK) positioning | |
JP5673071B2 (ja) | 位置推定装置及びプログラム | |
RU2327303C2 (ru) | Определение местоположения оконечного устройства беспроводной связи в смешанной системе определения местоположения | |
KR101046552B1 (ko) | 이동체용 측위 장치 | |
Li et al. | Principle and performance of multi-frequency and multi-GNSS PPP-RTK | |
CN102645222A (zh) | 一种卫星惯性导航方法和设备 | |
CN110780323B (zh) | 一种长距离下基于北斗三频信号的实时分米级定位方法 | |
CN110806594B (zh) | 一种基于5g通信的车辆间协同导航定位方法 | |
CN102778686A (zh) | 基于移动gps/ins节点的协同车辆定位方法 | |
CN102221685A (zh) | 一种适合gps/sins超紧组合的cdma无线定位方法 | |
KR20040072448A (ko) | 이동통신 단말기의 위치를 측정하기 위한 위성 획득 정보계산 장치 및 방법 | |
CN115902968A (zh) | 基于北斗三号geo播发增强信息的ppp终端定位方法 | |
CN114088080A (zh) | 一种基于多传感器数据融合的定位装置及方法 | |
CN114779301A (zh) | 一种基于广播星历的卫星导航实时精密单点定位方法 | |
CN112230249B (zh) | 一种基于城市多路径误差抑制的相对定位方法 | |
CN110187376A (zh) | 一种bds/gps同时钟源的伪卫星多普勒差分测速方法 | |
KR100305714B1 (ko) | 지역적 전리층 지연 모델의 모델링방법 및 이를 이용한 보정위성 항법 시스템의 위치 보정방법 | |
CN114488239B (zh) | 一种车辆协同导航的紧组合抗差相对位置感知方法 | |
JP2010112759A (ja) | 移動体位置測位装置 | |
CN111175797B (zh) | 基于虚拟质心的多gnss接收机协同导航方法 | |
CN115267858A (zh) | 一种区域导航系统辅助的精密单点定位方法 | |
JP3524018B2 (ja) | 測位システム及び測位方法 |
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 |