一种基于GNSS/INS的车辆轮廓识别与避障方法与流程

本发明属于基于gnss、gnss+ins定位定姿领域，尤其涉及一种基于gnss/ins高精度定位定姿的车辆三维轮廓识别方法及车辆间避障方法。

背景技术：

在人工智能、大数据、5g等技术的推动下，传统车企与科技公司之间的合作越来越紧密，车联网与自动驾驶车辆实现量产日趋普及将成为出行领域的新趋势。根据国内著名分析机构易观智库调研，到2015年中国车联网用户的渗透率有望突破10％的临界值，届时中国车联网的市场规模将超过1500亿元。此外，国外谷歌、苹果、特斯拉、优步等国际知名公司从自己造车一路走到自己研发自动驾驶；国内，bat纷纷入局，而华为也以其强势的通信技术，发力车联网，搭建车联网“云管端”，各互联网与科技巨头在车辆网与自动驾驶等布局已初见成效。工信部于2017年发布的《智能网联汽车技术路线图》进一步推动了国内车联网与自动驾驶行业的发展。《中国制造2025》也给出了智能网联汽车的发展目标，以明确我国自动驾驶技术阶段提升的趋势，加速我国智能网联汽车产业发展，拉近我国与国外自动驾驶和车联网技术的差距，尽快实现弯道超车。

汽车安全是车联网和自动驾驶可持续发展的重大课题，而车辆与车辆间避障是最常见、也是最重要的汽车行驶安全需求之一，其关键在于相邻车辆间三维轮廓的识别。传统车辆轮廓识别可采用激光雷达扫描，但一方面激光雷达成本高，另一方面激光雷达扫描仅能获得通视范围内的车辆三维轮廓点云信息，考虑车辆高动态性，为实现更安全的车辆间主动避障，还需要获得更大范围的相邻车辆三维轮廓信息。

技术实现要素：

为解决以上现有技术存在的问题，本发明提供了一种以gnss/ins高精度定位定姿为基础，结合车辆间协同动动定位，实现车辆间三维轮廓的相互识别与主动避障方法，本方法适用于搭载gnss接收机、惯导(ins)设备，且具备远的5g通讯功能的车辆。

本发明提供了一种基于gnss/ins的车辆三维轮廓识别方法，每个车辆上安装有gnss接收机和ins设备，且具有5g通讯功能，所述方法包括如下步骤：

s1：获取并存储每个车辆的静态三维数据轮廓模型与gnss接收机和ins设备安装位置数据；

s2：根据每个车辆的gnss接收机的gnss观测值以及ins设备输出的车辆载体动态信息，采用非差gnss/ins联合结算，获得每个车辆的位置、速度、姿态的第一估计值；

s3：建立5g基站狄洛尼三角网络拓扑结构，其中各5g基站收集接入该5g基站的所有车辆以及接入包含该5g基站的三角网连线另一端的5g基站的所有车辆的位置的第一估计值，获得以每个车辆为中心车辆，其一定半径范围内的周边车辆的5g通讯协议信息，并将其报告至该中心车辆，所述一定范围兼顾5g通讯协议信息数据量和车辆端到端通信距离设定，车辆端到端通信距离范围设置的广，数据通讯压力就大，同时中心车辆a的数据处理压力就大，二者不可调和；

s4：每个中心车辆获得其周边车辆的5g通讯协议信后，与其周边车辆建立d2d通讯，之后周边车辆获取其中心车辆的静态三维数据轮廓模型与gnss接收机和ins设备安装位置数据；

s5：获取每个中心车辆与其周边车辆的双差gnss观测值，结合该中心车辆的ins输出值，按照rtk/ins紧组合模式结算，获取中心车辆相对于其周边车辆的位置、速度、姿态的第二估计值；

s6：根据在步骤s4中获取的中心车辆的静态三维数据轮廓模型与gnss接收机和ins设备安装位置数据，以及在步骤s5中获取的中心车辆相对于其周边车辆的位置、速度、姿态的第二估计值，获得中心车辆相对于其周边车辆的动态三维轮廓，所述动态三维轮廓包括中心车辆的静态三维数据轮廓模型、中心车辆相对于其周边车辆的速度和姿态信息。

进一步，当gnss接收机和ins设备相对于车辆位置进行标准化安装时，将车辆的车辆品牌+车辆型号、车辆的静态三维数据轮廓模型与gnss接收机和ins设备安装位置数据上传至公共服务器，每个车辆通过访问所述公共服务器将不同车辆品牌+车辆型号、车辆的静态三维数据轮廓模型与gnss天线和惯导设备安装位置数据下载至该车辆的本地存储介质；

当gnss接收机和ins设备相对于车辆位置进行非标准化安装时，将该车辆的车辆品牌+车辆型号、车辆的静态三维数据轮廓模型与gnss接收机和ins设备安装位置数据下载至该车辆的本地存储介质。

进一步，步骤s2中，所述gnss/ins联合解算为实时gnss伪距单点定位与ins松组合、实时gnss伪距单点定位与ins紧组合、实时gnss精密单点定位与ins松组合或实时gnss精密单点定位与ins紧组合。

进一步，步骤s2中，采用实时gnss精密单点定位与ins紧组合联合结算，获得每个车辆的位置、速度、姿态的第一估计值，gnss/ins紧组合的观测模型为：

式中，分别表示伪距、相位、多普勒观测向量的o-c值，包含了各项利用模型改正的误差，下标f表示对应频率，×表示反对称矩阵；为线性化后的系数向量；表示地心地固坐标系下ins中心的位置改正向量；表示地心地固坐标系下ins中心的速度改正向量；φ表示姿态误差；tr,sys和分别表示以m为单位的接收机钟差，以m/s为单位的接收机钟漂和卫星钟漂，下标sys表示对应的卫星导航系统；βf为电离层投影函数；ire表示电离层残余误差；为陀螺仪的误差项；为经误差补偿后陀螺仪输出的角速度矢量；为载体坐标系转换到地心地固系的方向余弦矩阵，～上标符号表示机械编排的推算结果；l^b为杆臂在载体系下的投影；m,δtropz,w分别表示对流层投影系数与天顶对流层湿延迟残差；ucdr,f表示接收机端频率f上未矫正伪距延迟；nfloat表示包含了接收机与卫星端的未矫正相位延迟及初始相位偏差的浮点模糊度；ε1、ε2、ε3分别表示伪距、相位、多普勒观测中未模型化的误差与噪声；u表示频率f上未矫正伪距延迟系数；λ表示频率f的载波波长；表示为地心地固系相对于地球惯性系的旋转在地心地固系的投影；a为多普勒观测方程线性化后的系数向量。

进一步，步骤s3中，将建立的5g基站狄洛尼三角网络拓扑结构存储于每个5g基站，同时在新的5g基站架设或已有5g基站退出服务时更新5g基站狄洛尼三角网络拓扑结构，并通知每个5g基站进行更新。

进一步，步骤s4中，在每个中心车辆与其周边车辆首次建立d2d通讯时，

当中心车辆的gnss接收机和ins设备相对于车辆位置进行标准化安装时，该中心车辆向其周边车辆发送其车辆品牌+车牌型号信息，周边车辆根据中心车辆的车辆品牌+车牌型号信息从该周边车辆的本地存储介质提取中心车辆的静态三维数据轮廓模型与gnss接收机和ins设备安装位置数据；

当中心车辆的gnss接收机和ins设备相对于车辆位置进行非标准化安装时，中心车辆直接从其本地存储介质中提取中心车辆的静态三维数据轮廓模型与gnss天线和惯导设备安装位置数据，并发送至其周边车辆。

进一步，其特征在于，步骤s4中，在每个中心车辆与其周边车辆首次建立d2d通讯时，周边车辆发送其该时刻完整的gnss观测数据d0至中心车辆，后续时刻，周边车辆只发送相对于gnss观测数据d0的变化量dd至中心车辆，中心车辆结合d0+dd，恢复各时刻其周边车辆完整的gnss观测数据。

进一步，步骤s5中，

每个中心车辆与其周边车辆形成基线，对于每个中心车辆-周边车辆基线，以每个周边车辆为参考站，以中心车辆与每个周边车辆共同可见卫星中仰角最大的卫星为参考星，并基于所恢复的各时刻周边车辆完整的gnss观测数据，组成每个中心车辆与其周边车辆的双差gnss观测值。

基于同一种发明构思，本发明还提供了一种基于gnss/ins的车辆间避障方法，包括：根据上述识别方法，中心车辆获得其相对于其周边车辆的动态三维轮廓信息；中心车辆计算其与其每个周边车辆之间的安全行驶时间t1。

进一步，周边车辆的gnss接收机采样率周期t2满足：t1≥nt2，n>1时，该周边车辆以周期nt2向中心车辆发送gnss观测数据，其中，n代表向下取整。

本发明的有益效果：

1)可以获取车辆间相对的速度和姿态信息，进而可以自动计算安全距离，高效地避免在阴雨大雾等天气情况下、道路打滑以及视野受限等情况下错误的判断车辆距离而导致发生追尾、剐蹭等交通事故。

2)本发明利用gnss+ins多元融合，建立d2d通讯，缓解基站的通讯压力，进一步降低误断车辆距离的概率。

3)每个中心车辆与其周边车辆首次建立d2d通讯后，周边车辆只发送相对于gnss观测数据d0的变化量dd至中心车辆，大大降低了数据通讯压力，从而有效扩大车辆端到端通信距离的范围。

附图说明

图1为本发明的基于gnss/ins的车辆三维轮廓识别方法的流程图；

图2为本发明实施例提供的gnss接收机和ins设备安装示意图；

图3为本发明实施例提供的5g基站网络狄洛尼三角网划分示意图；

图4为本发明实施例提供的接入5g基站的某中心车辆与其周边车辆的信息拓扑图，及其与其周边车辆协同定位示意图；

图5为本发明提供的基于5g通讯d2d技术的车辆间的静态三维轮廓信息共享图。

具体实施方式

下面结合附图和实施例进一步描述本发明，应该理解，以下所述实施例旨在便于对本发明的理解，而对其不起任何限定作用。

本发明实施例提供的一种基于gnss/ins的车辆三维轮廓识别方法，如图1所示，包括如下步骤：

s1：获取并存储每个车辆的静态三维轮廓信息，包括车辆本身的静态三维数据轮廓模型与gnss接收机和ins设备安装位置数据。

在为每个用户车辆安装gnss接收机和ins设备过程中，结合该车辆本身已有的静态三维数据轮廓模型，确定gnss接收机与ins设备相对于车辆的安装位置，图2示出了gnss接收机与ins设备相对于车辆的一种可能安装方式。通常，汽车厂家会根据车辆品牌与车辆型号以及车辆的静态三维数据轮廓模型，将gnss接收机与ins设备按照规范统一安装于相应车辆，即，将gnss接收机和ins设备相对于车辆位置进行标准化安装。当gnss接收机和ins设备相对于车辆位置进行标准化安装时，将车辆的车辆品牌+车辆型号、车辆的静态三维数据轮廓模型与gnss接收机和ins设备安装位置数据上传至公共服务器。此公共服务器专门用来存储记录上述数据，每个车辆通过访问所述公共服务器将不同车辆品牌+车辆型号、车辆的静态三维数据轮廓模型与gnss天线和惯导设备安装位置数据下载至该车辆本地存储介质。表1示出了上传至公共服务器的不同车辆品牌+车辆型号、车辆的静态三维数据轮廓模型与gnss天线和惯导设备安装位置数据格式示例。

表1不同车辆品牌+车辆型号、车辆的静态三维数据轮廓模型与gnss天线和惯导设备安装位置数据格式示例

在一种可能的实施方式中，某车辆未安装标准化安装gnss接收机和ins设备，则将该车辆的车辆品牌+车辆型号、车辆的静态三维数据轮廓模型与gnss接收机和ins设备具体安装位置数据下载至该车辆的本地存储介质。

s2：非差gnss/ins联合解算获取车辆位姿

每个车辆在行驶过程中，根据其自身gnss接收机观测数据，以及结合ins输出的车辆载体动态信息，采用非差gnss/ins联合解算，获取车辆位置、速度、姿态的第一估计值。该gnss/ins联合解算包含但不限于：实时gnss伪距单点定位与ins松组合、实时gnss伪距单点定位与ins紧组合、实时gnss精密单点定位与ins松组合、实时gnss精密单点定位与ins紧组合。

下面以实时gnss精密单点定位与ins紧组合为例对观测模型进行介绍，gnss/ins紧组合的观测模型为：

式中，分别表示伪距、相位、多普勒观测向量的o-c值(observed-minus-computed)，包含了各项利用模型改正的误差，下标f表示对应频率；为线性化后的系数向量；表示地心地固坐标系下ins中心的位置改正向量，表示地心地固坐标系下ins中心的速度改正向量；φ表示姿态误差；tr,sys，和分别表示以m为单位的接收机钟差，以m/s为单位的接收机钟漂和卫星钟漂，下标sys则表示对应的卫星导航系统；βf为电离层投影函数，ire表示电离层残余误差；为陀螺仪的误差项；为经误差补偿后陀螺仪输出的角速度矢量；为载体坐标系转换到地心地固系的方向余弦矩阵，带有“～”上标符号表示为机械编排的推算结果；l^b为杆臂在载体系下的投影；m，δtropz,w表示对流层投影系数与天顶对流层湿延迟残差；ucdr，f表示接收机端频率f上未矫正伪距延迟；nfloat表示包含了接收机与卫星端的未矫正相位延迟及初始相位偏差的浮点模糊度；由于电离层、对流层、硬件延迟等误差的变化率对利用多普勒观测值测速影响很小，因此式中的第三式省略了这些项的误差改正。ε1、ε2、ε3分别表示伪距、相位、多普勒观测中未模型化的误差与噪声；u表示频率f上未矫正伪距延迟系数；λ表示频率f的载波波长；表示为地心地固系相对于地球惯性系的旋转在地心地固系的投影；a为多普勒观测方程线性化后的系数向量。

s3：车辆与5g基站间进行信息交互

当车辆接入了某一5g基站后，则将其非差gnss/ins联合解算获得的位置第一估计值发送至该5g基站。将所有5g基站网络按照狄洛尼三角网划分原则组成5g基站狄洛尼三角网络拓扑结构，如图3和图4所示，并将该网络拓扑结构存储于每一个5g基站，同时在新的5g基站架设或已有5g基站退出服务(如受自然灾害，设备故障影响)时，更新5g基站狄洛尼三角网络拓扑结构，并通知每个5g基站进行更新。

每个5g基站收集接入该基站的所有车辆，以及所有接入包含该基站的三角网连线另一端5g基站的所有车辆位置的第一估计值。该5g基站根据车辆位置的第一估计值，获得以每个车辆为中心车辆，一定半径(例如100米)范围内的周边车辆的5g通讯协议信息，并将其报告至该中心车辆。应该注意，此处的“一定半径”取数据量和车辆端到端通信距离的折中，车辆端到端通信距离范围设置的广，数据通讯压力就大，同时中心车辆的数据处理压力就大，二者不可调和，结构设计时应兼顾数据通讯压力和车辆端到端通信距离范围。

s4：车辆间互相获取静态三维轮廓信息

如图5所示，每个车辆作为中心车辆时，获知其周边车辆的5g通讯协议信息后，直接以5g通讯终端直通(device-to-device，d2d)技术，建立该车辆与周边车辆之间的通讯联系。在中心车辆a与某周边车辆b首次建立通讯联系时，如果该中心车辆a按照标准化安装gnss接收机与ins设备，则该中心车辆a向其某周边车辆b发送其车辆品牌与型号信息，周边车辆b根据中心车辆a的品牌与型号信息从本地存储介质提取对应中心车辆a的静态三维数据轮廓模型与gnss天线和ins设备安装位置数据；如果该中心车辆a未按照标准化安装gnss接收机与ins设备，则中心车辆a直接从其本地存储介质中提取其静态三维数据轮廓模型与gnss天线和ins设备安装位置数据，并发送至周边车辆b。

s5：获取中心车辆相对于其周边车辆的位置、速度、姿态的第二估计值

在每个中心车辆与其某周边车辆首次建立通讯联系时，该周边车辆发送其该时刻完整的gnss观测数据d0至该中心车辆。后续时刻，该周边车辆只需要发送相对于gnss观测数据d0的变化量dd至该中心车辆，该中心车辆结合d0+dd，即可恢复各时刻该周边车辆完整的gnss观测数据，通过d2d通讯，大大减小服务器的压力。

每个车辆作为中心车辆a时，与其每个周边车辆b形成基线。对每个中心车辆-周边车辆基线，以各周边车辆为参考站、该中心车辆a与各周边车辆b共同可见卫星中仰角最大的卫星为参考星，并基于所恢复的各时刻周边车辆完整的gnss观测数据，组成双差gnss观测值，结合中心车辆a的ins设备输出数据，按照rtk/ins紧组合模式解算，获取中心车辆a相对于周边车辆b的位置、速度、姿态信息的第二估计值，并将其回传至每个周边车辆b。每个周边车辆b获得中心车辆a相对于其周边车辆b的位置、速度、姿态的第二估计值后，结合该中心车辆a的静态三维数据轮廓模型与gnss天线和ins设备安装位置数据，获得中心车辆a相对于其周边车辆b的动态三维轮廓信息，包括中心车辆a的静态三维数据轮廓模型、中心车辆a相对于其周边车辆b的速度和姿态信息。应该理解，本发明中的中心车辆也可以是其它中心车辆的周边车辆。

基于同一发明构思，本发明实施例还提供了一种车辆间避障方法，包括步骤：当每个用户车辆作为周边车辆时，中心车辆获取其相对于该周边车辆的动态三维轮廓信息后，中心车辆计算两车之间的安全行驶时间t1，主导与周边车辆的避障。周边车辆的gnss接收机采样率周期t2满足：t1≥nt2，n>1时，该周边车辆以周期nt2向中心车辆发送gnss观测数据，其中，n代表向下取整，例如n＝10.2，则n可为9，8，7，6，5，4，3，2，1)。

对于本领域的普通技术人员来说，在不脱离本发明创造构思的前提下，还可以对本发明的实施例做出若干变型和改进，这些都属于本发明的保护范围。