周瑞華，高意峰

（深圳市凱立德科技股份有限公司，深圳 518040）

1 常見車載導(dǎo)航技術(shù)

在現(xiàn)代車輛出行過程中，導(dǎo)航定位技術(shù)已經(jīng)廣泛普及。比較典型的方式是采用GPS定位技術(shù)，并將解算位置在數(shù)字地圖中轉(zhuǎn)換為道路信息。帶有導(dǎo)航路徑規(guī)劃功能的更進(jìn)一步，還可以根據(jù)當(dāng)前位置，目的地位置，地圖道路分布計(jì)算出最優(yōu)或較優(yōu)的行駛路徑供駕駛員參考。

然而GPS定位系統(tǒng)在市區(qū)或類似環(huán)境工作時(shí)，容易受到諸如高樓等建筑物的方向性遮擋影響，導(dǎo)致定位精度差（星的幾何分布不佳）或者無法定位（可見星數(shù)目小于4），這時(shí)就需要通過一些輔助導(dǎo)航系統(tǒng)來保證定位模塊提供更為穩(wěn)定、精確的位置輸出，為后續(xù)服務(wù)提供可靠的數(shù)據(jù)保證。

車載GPS/DR組合導(dǎo)航系統(tǒng)[1]就是一種典型的解決方案，利用GPS和里程計(jì)，航向陀螺等傳感器，采用Kalman濾波技術(shù)構(gòu)成組合導(dǎo)航系統(tǒng)，可以在GPS沒有信號(hào)時(shí)，短時(shí)間內(nèi)提供一定精度的定位結(jié)果。同時(shí)可以通過地圖匹配修正技術(shù)，獲得更高精度，更加穩(wěn)定的導(dǎo)航位置。

典型的組合導(dǎo)航系統(tǒng)如圖1所示:

圖1 車載組合導(dǎo)航系統(tǒng)

2 GPS/DR組合導(dǎo)航技術(shù)

車載GPS/DR組合技術(shù)中，航位推算（Dead Reckoning，DR）系統(tǒng)的配置一般有兩類：一類是里程計(jì)加航向陀螺的配置[2]；一類是加速度計(jì)加陀螺儀的MEMSIMU配置[3]。相對(duì)而言里程計(jì)加航向陀螺的模型較為簡潔，通用性強(qiáng)，故以此為基礎(chǔ)進(jìn)行設(shè)計(jì)。

2.1 系統(tǒng)模型

狀態(tài)變量選擇為：

表1 GPS/DR組合導(dǎo)航系統(tǒng)狀態(tài)變量表

動(dòng)態(tài)方程為：

2.2 觀測(cè)模型

觀測(cè)變量為：

那么觀測(cè)向量Y=[λ φvH SΔNodoVRG]T。

表2 GPS/DR組合導(dǎo)航系統(tǒng)觀測(cè)變量表

觀測(cè)方程為：

簡寫為：

2.3 濾波算法

擴(kuò)展Kalman濾波中要對(duì)非線性方程離散、線性化；這個(gè)過程必須滿足F,H陣和真實(shí)值非常接近?？梢酝ㄟ^下面的方法判斷線性化是否有效：

當(dāng)上述條件不滿足時(shí)，EKF計(jì)算的協(xié)方差會(huì)趨向于過度優(yōu)化，最終導(dǎo)致系統(tǒng)發(fā)散。初始化誤差協(xié)方差矩陣時(shí)最容易發(fā)生，故當(dāng)處于臨界有效及初始化狀態(tài)時(shí)，可以通過增大噪聲協(xié)方差矩陣來提供補(bǔ)償。

GPS/DR的EKF算法如下：

（1）初始化：

（2）狀態(tài)預(yù)測(cè)：

（3）新息更新：

3 地圖匹配修正技術(shù)

在地圖匹配算法[4]中，系統(tǒng)比較其他導(dǎo)航系統(tǒng)給出的位置結(jié)果和數(shù)字公路地圖，當(dāng)導(dǎo)航結(jié)果偏離公路時(shí)，可以獲取垂直于公路方向的位置修正。在某些特殊路段，如果沿路段進(jìn)行拐彎，那么利用此段匹配可以獲得兩個(gè)方向的修正結(jié)果。

圖2 地圖匹配算法流程

4 組合導(dǎo)航技術(shù)的自動(dòng)駕駛擴(kuò)展

上述導(dǎo)航系統(tǒng)的定位精度一般可以穩(wěn)定在10m左右，而且對(duì)于短時(shí)間丟失導(dǎo)航衛(wèi)星數(shù)據(jù)也具有良好的適應(yīng)性。如果在加上激光測(cè)距雷達(dá)和機(jī)器視覺系統(tǒng)（攝像成像）那么就可以構(gòu)成一個(gè)簡要版本的自動(dòng)駕駛傳感器組擴(kuò)展，進(jìn)一步實(shí)現(xiàn)車道級(jí)別的導(dǎo)航定位功能。

圖3 車載組合導(dǎo)航系統(tǒng)的自動(dòng)駕駛擴(kuò)展

參考文獻(xiàn)：

[1]GNSS與慣性及多傳感器組合導(dǎo)航系統(tǒng)原理.Paul D.Groves.國防工業(yè)出版，2015.

[2]L.Zhao,W.Y.Ochieng,M.A.Quddus and R.B.Noland.An Extended Kalman Filter Algorithm for Integrating GPS and Low-Cost Dead Reckoning System Data for Vehicle Performance and Emissions Monitoring.Journal of Navigation,2003,56（2）:257-275.

[3]SY Cho,SC Wan.Robust Positioning Technique in Low-Cost DR/GPS for Land Navigation.IEEE Transactions on Instrumentation&Measurement,2006,55（4）:1132-1142.

[4]MA Quddus，WY Ochieng，L Zhao，RB Noland.A General Map Matching Algorithm for Transport Telematics Applications.Gps Solutions,2003,7（3）:157-167.