基于GRI的多车协同定位研究

为提高自动驾驶技术中的车辆定位精度,提出了一种基于GRI的多车协同定位方法。采用该方法时,一辆车依据GPS定位信息对本车位置进行估计,再通过车车通信接收周围车辆发来的根据其GPS测定的位置及其与该车相对位置而估计的该车位置。将这些位置信息进行融合,通过一定的修正,估算出该辆车更为精确的位置。最后应用MATLAB对所提出方法进行仿真,以模拟多车直行跟随和换道行驶场景。结果表明,该方法合理、可行,能有效提高车辆的定位精度,具有广阔的工程应用前景。

考虑定位信息不确定性的多车协同定位算法

针对车载全球定位系统(global positioning system)存在的定位精度较差、定位可靠性较低等问题,提出了一种车车通信环境下考虑定位信息不确定性的多车协同定位算法。该算法在所研究车辆均装有车载GPS和前置距离传感器的基础上,以定位信息不确定性为依据进行协同定位。对自适应卡尔曼滤波进行改进以确定车辆定位信息的不确定度,搭建车间相对位置模型求解2车相对位置关系,最后设计联邦卡尔曼滤波算法利用多车数据进行融合以实现定位效果的优化。通过数值仿真表明这一算法与自车组合导航相比有效提升了GPS定位精度和可靠性,两者分别平均提升了35.2%和42.6%,且在车联网渗透率较高以及GPS信号较差时,定位效果提升更为明显。

适用于对多种车辆进行快速安全检查系统的实现

为满足用户对多种车辆检查、多种扫描模式的需求,设计了一种适应于多种车型,具备车型自动识别功能,允许多车连续进入的快速安全检查系统,并重点介绍了扫描控制分系统的设计原理和实现方法。为了提高系统的可靠性和安全保护性能,创新性地提出了流水号模式、基于多传感器位置感知的多车定位算法和多车移动式闭塞控制等理论和算法。试验结果表明,系统设计方案合理,各种控制算法有效,正常出束率高达98.9%,很好地满足了新兴的陆路边境口岸海关检查和重要场所常态化安全检查的高密度化扫描要求。