一种基于卡尔曼滤波的道路坡度增强型数字地图制作方法
【技术领域】
[0001] 本发明属于地理信息系统领域，涉及一种基于卡尔曼滤波的道路坡度增强型数字 地图制作方法。
【背景技术】
[0002] 数字地图是通过数字化的方法，把城市地理信息以一定的格式存储起来，并能以 连续地图的形式呈现出来，本质上是一个城市地理数据库。数字地图可提供丰富的基于位 置的服务，为人们生活带来了极大的便利。然而目前的数字地图存在以下问题：数字地图精 度较低，无法通过已知信息进一步计算，获得精度较高的道路纵向坡度等信息；地图信息匮 乏，一般仅包含位置信息，而对于一些人们关注的重要信息，例如道路的航向、曲率、坡度、 附近楼层的高度等信息并没有包含；数字地图目前制作复杂、专业性要求很高，需要掌握空 间变换与几何变换算法、矢量与栅格数据模型等；除了对专业性有很高的要求，传统数字地 图的制作过程中很多测绘工作需要由人工来完成，工作量大且效率不高，制作成本相对较 尚。
[0003] 针对上述问题，近几年国内外开始关注增强型数字矢量地图，其不仅包含了普通 地图的位置信息，还包含了一些特有的信息，例如道路的航向、坡度、路边房屋的高度等，增 强型数字矢量地图相对于普通数字地图具有更加广泛的运用前景。本发明提出的基于卡尔 曼滤波的道路坡度增强型数字地图的制作方法就是一种增强型的数字矢量地图的制作方 法。目前的坡度测量仪、全站仪、水平仪等传统道路纵向坡度测量设备，当需要测量道路里 程较长时，往往因为测量工作量太大、数据采集方式复杂，难以满足大规模应用的需求。因 此本发明使用了多传感器信息采集车辆进行道路及车辆状态信息的采集，简单易行、效率 高。本发明所制作的基于卡尔曼滤波的道路坡度增强型数字地图，具体包含了道路的纵向 坡度信息，在车辆主动安全等领域有着广泛的应用。例如，近几年客车在山区道路翻车事故 频繁发生，造成巨大的人员财产损失，司机对当前路况判断失误以及缺乏对复杂环境中路 况的提前预警是事故发生的主要原因。道路纵向坡度是一种非常重要的道路信息，道路纵 向坡度对于车辆档位控制、速度控制有着重要的参考价值，司机提前获得准确的道路纵向 坡度信息可以有效避免车辆出现翻车等一系列事故。因此制作基于卡尔曼滤波的道路坡度 增强型数字地图，有着重要的现实意义。
【发明内容】
[0004] 本发明提出了一种基于卡尔曼滤波的道路坡度增强型数字地图制作方法，已解决 现有数字地图的制作工作量大、过程复杂、精度不够高、缺乏道路坡度信息（道路坡度具体 指道路纵向坡度，其在车辆主动安全领域有着广泛的应用）的问题。
[0005] 本发明提出一种基于卡尔曼滤波的道路坡度增强型数字地图制作方法。首先选 定道路，确定道路起始点与终点；通过多传感器信息采集车辆，采集选定道路的位置信息、 车辆的状态信息；然后对采集到的道路位置信息进行初步处理，将经炜度坐标转化为平面 坐标，并将转化后平面坐标表示的位置作为道路的节点；通过基于卡尔曼滤波的道路纵向 坡度估计算法，估计出每个节点位置道路的纵向坡度；最后将道路的节点位置信息以及纵 向坡度信息，利用数字地图制作软件制作成基于卡尔曼滤波的道路坡度增强型数字矢量地 图。
[0006] 具体实施步骤包括：
[0007] 步骤一、首先选定道路；
[0008] 首先将需要测绘的道路进行分割，选定需要进行量测的部分，确定需要测绘部分 的起始点与终点。本专利所适用的道路为高速公路以及一级、二级公路，且所适用的道路光 滑连续，不包含交叉路口。鉴于步骤二所采用的高斯-克吕格投影在局部范围精度较高，且 随着范围增大误差也随之增大，因此选择的道路长度应不超过5km。
[0009] 步骤二、通过多传感器信息采集车辆，采集选定道路位置以及车辆状态等信息；
[0010] 本方法采用了多传感器信息采集车辆，其搭载的卫星定位系统可以实时输出道路 位置RJLA)、车辆的垂直速度VZy车辆的水平速度νχΥι1以及卫星定位系统接收到的卫星 数Nsatil，其中Lp分别表示经度、炜度；纵向加速度传感器输出车辆纵向加速度信息Ay 其中i表示开始采集后接收到的信息的序号，i= 1，2, 3···.。通过同时开始采集多种传感 器信息并统一各个传感器信息输出频率（输出频率均为20Hz)，保证采集序号相同的信息 一一对应。同一时刻所采集的信息有：车辆所在位置的经炜度信息民(LA)、车辆的垂直速 度VZii、车辆的水平速度VXYil、卫星定位系统接收到的卫星数Nsatil以及车辆纵向的加速度 4。车辆在信息采集的过程中需要保持车辆平稳运行，以保证车身与地面尽量平行，减小在 估计道路纵向坡度时因为车身倾斜而产生的误差。同时采集车辆的胎压需要保持一致，避 免因车辆胎压不同导致的道路坡度估计误差。道路信息采集过程中为了保证采集的信息密 度均匀，车速要保持匀速，且车速在55-65km/h范围以内，这样保证采集的道路位置信息的 间距适中，所采集的位置信息间距在0. 764-0. 903m之间。由于道路中车道之间基本平行， 所以本专利选取行进方向左侧车道来提取道路的纵向坡度信息，且采集过程中采集车辆沿 车道中心行驶。
[0011] 步骤三、将采集到经炜度坐标转化成平面坐标，并将转化后平面坐标表示的位置 作为道路的节点；
[0012] 由于制作地图需要平面直角坐标系坐标，本发明采用较为成熟的3度带高斯-克 吕格投影方法，将经炜度坐投影为高斯平面直角坐标系坐标为坐标 转换后对应的平面直角坐标系的纵坐标（北向位置），yi为坐标转换后对应的平面直角坐 标系的横坐标（东向位置）。根据起始点&(Q 选定RJL。B。）作为高斯-克吕格投影 的原点，其中LQ= 3D，D为（h/3)四舍五入取整的值，BQ= 0°。经炜度坐标BJ转 换公式如下所示：
[0013]
[0014] 式（1)为高斯投影公式的泰勒级数展开式，式中省去了 7次以上高次项，其中為 为赤道至炜度Βι的子午线弧长，上
为所求点的经度1^与1^。之差，t=tanBi，n=ycos 为椭球第二偏心率，N为通 过所求点的卯酉圈曲率半径，C。，Q，C2,C3,C4为与点位无关的系数，仅有椭球体长半轴、短 半轴、第一偏心率等参数确定。目前矢量地图多采用点的连线来表示道路，所以本发明将转 换后平面坐标Pi(XA)所表示的位置作为道路的节点队(χι7ι)，通过节点的连线表示道路。
[0015] 步骤四、通过基于卡尔曼滤波的道路纵向坡度估计算法，估计出节点处的道路纵 向坡度信息；
[0016] 本发明提出了一种基于卡尔曼滤波的道路纵向坡度估计算法，该算法精度高、实 时性好、适用范围广，能够实现复杂环境下的道路纵向坡度估计。
[0017] 具体估计算法如下：
[0018] 1、卡尔曼滤波观测量计算模型；
[0019] 本发明提出了一种基于多传感器信息的卡尔曼滤波观测量计算模型。该模型采用 高精度卫星定位系统和车辆纵向加速度传感器，可以得出比单一传感器精度更高、鲁棒性 更好的道路纵向坡度观测值。本发明中坡度采用百分比法表示。
[0020] 1)利用高精度卫星定位系统的数据解算出道路纵向坡度。
[0021] 具体的解算方式：通过高精度卫星定位系统获取车辆的垂直速度VZil和水平速度 VXYjH、，然后根据公式
[0022]
123456789 得出道路纵向坡度θ 1ι; 2 2)利用车辆纵向加速度传感器数据解算出道路纵向坡度。 3 具体的解算方式：根据采集的车辆纵向加速度Ai，考虑到车辆行驶在匀速状态，车 辆的纵向加速度可以忽略不计，然后通过公式 4
[0026]
5 得出道路纵向坡度θ2ι其中g为重力加速度g= 9. 8m/s2。 6 本算法依据卫星定位系统接收到的卫星数NsaM，将两种道路纵向坡度计算值的结 果进行融合，得出精度更高、鲁棒性更好的道路纵向坡度观测值；