基于道路概率场的车队协同定位方法

标量场方法通常被用于无人机集群和潜艇集群的协同定位,但在车队场景中,应用磁异常场、水深场等类似的标量场存在困难。本研究提出了1种基于道路概率场和车辆运动模型的车队协同定位方法,该方法利用开源数据库获取电子地图,对地图进行缓冲区处理、栅格化处理和数学形态学处理,构建了道路概率场。同时,基于GNSS技术建立了车辆运动模型,利用车队内车辆之间的相对位置作为协同信息,把车辆预测位置在道路概率场中的取值作为权重计算标准,使用粒子滤波定位算法不断更新预测车辆行驶轨迹。新方法建立了道路概率场这一标量场,把车辆位置对应的道路概率值作为判定车辆位置的重要依据,将电子地图中的地理空间信息应用于车队协同定位。与传统的标量场方法不同,道路概率场无需新的专门测量,并且可以利用已有的海量电子地图资源进行生成,而车辆也无需新增传感器。此外,新方法根据不同场景设计了车辆运动模型,在车辆行驶过程中利用道路概率场不断优化轨迹,与传统车队定位方法相比更注重单个时刻点定位的差异。在真实场景和仿真场景中设置不同缓冲区宽度和车辆数进行对比测试,结果显示:根据定位误差作为定位效果的判定标准,与经典的利用车辆运动模型的扩展卡尔曼滤波方法相比,新方法在仿真场景和真实场景中将改进幅度分别提高了49.6%和49.8%;与空道路概率场的车队协同定位方法相比,在仿真场景和真实场景中新方法分别改进了59.5%和50.3%。本研究为车队协同定位提供了1种新的方法,通过构建道路概率场并利用车辆运动模型,相较于传统方法,该方法提高了定位的精度和可靠性,具有重要的应用前景。