摘要:由于高樓大廈、高架橋、隧道、電磁、天氣等諸多因素影響,車載智能終端系統(tǒng)的衛(wèi)星定位單元所接收的衛(wèi)星信號容易受到干擾,造成衰減,對車載智能終端系統(tǒng)的導航定位效果產(chǎn)生較大影響。針對上述情況,基于車載智能終端系統(tǒng)的構(gòu)成,方案設計了融合定位模型,通過對其各分布子系統(tǒng)的信號數(shù)據(jù)預處理,并反饋至衛(wèi)星定位單元協(xié)助其進行定位解算。通過測試實驗對比分析,采用此方案方法能夠有效地縮短了車載智能終端系統(tǒng)的定位時間,改善弱信號條件下的定位精度。
關鍵詞:定位精度;分布;融合;預處理
一、引言
隨著車聯(lián)網(wǎng)技術地不斷發(fā)展,作為車聯(lián)網(wǎng)系統(tǒng)最重要組成部分之一的車載智能終端,其應用需求也越來越多樣化。車載智能終端內(nèi)部不僅包含衛(wèi)星定位單元,大都還分布集成了慣性測量單元(Inertial Measurement Unit,IMU)、控制器局域網(wǎng)絡(Controller Area Network, CAN)通信單元、大氣壓測量單元、信號檢測單元、地圖單元等子功能模塊。與此同時,用戶對車載智能終端的定位性能及精度的要求也越來越高。基于合理利用分布資源、節(jié)約成本、融合提升定位性能的原則,通過與衛(wèi)星定位模組廠商深度合作,分別發(fā)揮各自在數(shù)據(jù)預處理和定位求解方面的不同優(yōu)勢,本文提出了車載智能終端系統(tǒng)融合定位的解決方案[1],并著重設計實現(xiàn)了融合定位前端數(shù)據(jù)的預處理機制,為后端負責定位求解的衛(wèi)星定位單元輸入更精確的數(shù)據(jù),輔助提升衛(wèi)星定位單元的定位精度及性能。
二、 智能終端融合定位系統(tǒng)框架
車載智能終端融合定位系統(tǒng)由控制管理單元、衛(wèi)星定位單元、慣性測量單元、大氣壓測量單元、信號檢測單元、CAN通信單元、地圖單元模塊、無線通信單元等構(gòu)成,硬件系統(tǒng)原理框圖如圖1所示。
智能終端各子系統(tǒng)的功能作用說明如下:
(一)控制管理單元,是智能終端系統(tǒng)的中樞,控制管理整個系統(tǒng),實現(xiàn)各項業(yè)務邏輯,負責同衛(wèi)星定位單元、IMU、大氣壓測量單元、信號檢測單元、CAN通信單元、地圖單元等子功能模塊單元進行信息交互,采集各子功能模塊的數(shù)據(jù),對所采集的數(shù)據(jù)進行融合預處理,并反饋輸入至衛(wèi)星定位單元;
(二)衛(wèi)星定位單元通過通用異步收發(fā)傳輸器(Universal Asynchronous Receiver/Transmitter, UART)接口與控制管理單元進行通信,對外輸出位置信息,接收控制管理單元預處理輸入的各項輔助數(shù)據(jù),結(jié)合衛(wèi)星天線接收的星歷數(shù)據(jù)進行融合定位計算;
(三)IMU負責計算終端的航向方位動態(tài)信息和三軸加速度信息,并輸出至控制管理單元;
(四)大氣壓測量單元集成了氣壓傳感器,實時采集大氣壓數(shù)值,并通過控制管理單元計算轉(zhuǎn)換成海拔高度,以供進行業(yè)務數(shù)據(jù)處理和上傳遠程服務器;
(五)信號檢測單元負責采集點火開關、轉(zhuǎn)向燈等車輛的信號,協(xié)助控制管理單元確認車輛狀態(tài);
(六)CAN通信單元負責采集車輛速度、發(fā)動機轉(zhuǎn)速等汽車總線信號數(shù)據(jù),并根據(jù)定義解析轉(zhuǎn)換成相應的數(shù)值;
(七)地圖單元接收顯示衛(wèi)星定位單元的實時位置數(shù)據(jù),并與內(nèi)置的地圖信息進行位置匹配,在地圖上進行逆向定位,反饋輸出匹配點關聯(lián)信息,如經(jīng)緯度、行進方向、海拔、道路屬性等;
(八)無線通信單元負責移動通信,實時輸出當前通信基站的小區(qū)識別碼等信息,并與遠程服務器進行應用數(shù)據(jù)交互。
在車載智能終端融合定位系統(tǒng),控制管理單元對從各功能單元模塊采集的方位、速度、加速度、海拔高度等數(shù)據(jù)進行預處理,并向衛(wèi)星定位單元輸入經(jīng)過預處理的數(shù)據(jù),衛(wèi)星定位單元根據(jù)當前定位信號情況及解算的位置數(shù)據(jù)質(zhì)量,融合外部數(shù)據(jù)進行輔助定位計算。在借助外部數(shù)據(jù)參與定位計算,衛(wèi)星定位單元不僅可以基于輸入的速度以及海拔信息來求解未知向量,加快定位速度,還可以利用輸入的航向方位、加速度值進行慣導輔助定位計算,也可以結(jié)合地圖單元反饋輸出的位置信息,校正自身計算的定位結(jié)果,多方面地提升定位數(shù)據(jù)準確度。
三、數(shù)據(jù)融合預處理機制
(一)車速融合預處理
(二)海拔融合預處理
在衛(wèi)星定位計算中,海拔是一個關鍵的坐標信息。如果能夠提前獲取海拔,通過在相鄰定位歷元間構(gòu)建基于氣壓海拔短時變化量的約束方程并在局域垂線站心坐標系下進行聯(lián)立求解,能夠在不具備氣象基準修正信息的情況下,能夠降低定位計算復雜度,也能縮短定位時間,提高衛(wèi)星導航定位的精度[5]。
智能終端融合定位系統(tǒng)中,控制管理單元通過大氣壓測量單元實時采集大氣壓數(shù)據(jù)P,并根據(jù)海拔大氣壓轉(zhuǎn)化公式(5):
計算出海拔數(shù)值(其中H為海拔高度,P0為標準大大氣壓值101.325 kPa)[6]。但是通過大氣壓測試單元計算輸出的海拔,受環(huán)境因素影響誤差較大,若直接參與定位將引入初始計算誤差,因此同樣也需要進行標定補償預處理,其機制如下:
在標定學習階段,在滿足可用衛(wèi)星數(shù)量不小于4顆,且各衛(wèi)星信噪比大于30,定位模式為3D定位,PDOP值、HDOP、VDOP均小于3的精確定位條件下,控制管理單元采集衛(wèi)星定位單元計算輸出的海拔Aj、氣壓測量單元所得的海拔Ai,基于當前精確的衛(wèi)星定位單元輸出的海拔對氣壓測量單元所得的海拔進行標定補償,得到Ai和Aj之間補償數(shù)值δi。其中Ai采用去最值取平均方式降低隨機干擾,并結(jié)合通信單元輸出的小區(qū)識別碼cell id等信息,形成了一組cell id、Ai、Aj、經(jīng)緯度、時間等要素的映射關系。在車輛的運行中,動態(tài)地完善網(wǎng)格區(qū)補償關系表。同時基于聯(lián)網(wǎng)功能,車載智能終端在每生成一組網(wǎng)格區(qū)的補償關系,就可通過通信單元無線聯(lián)網(wǎng)功能,把當前網(wǎng)格區(qū)類型、小區(qū)識別碼、 經(jīng)緯度、大氣壓海拔Ai與衛(wèi)星定位單元海拔Aj及二者補償數(shù)值δi等信息,上傳至遠程服務器端。遠程服務器利用其運算力及大數(shù)據(jù)算法,對車聯(lián)網(wǎng)系統(tǒng)內(nèi)不同終端的數(shù)據(jù)進行融合處理,進一步得到同一網(wǎng)格區(qū)下,不同海拔區(qū)間、不同時段條件下,更精確、更全面的大氣壓海拔Ai和衛(wèi)星定位單元海拔Aj的補償數(shù)值δ'i組,進而得到不同網(wǎng)格區(qū)的補償數(shù)值δ'i表,并可通過無線通信網(wǎng)絡實時傳輸當前網(wǎng)格區(qū)的補償數(shù)值表給車載智能終端。
在數(shù)據(jù)預處理階段,車載智能終端控制管理單元根據(jù)大氣壓測量單元計算的海拔Ai和通信單元輸出的當前小區(qū)識別碼或當前經(jīng)緯度,獲取相應的海拔補償數(shù)值,計算得到標定條件下的海拔A'j,反饋輸入至衛(wèi)星定位單元[7]。其中海拔補償數(shù)值應優(yōu)先使用從遠程服務器端獲取的精確補償表對應數(shù)據(jù)δ'i,其次采用車載智能終端離線學習標定的補償表的對應數(shù)據(jù)δi,當δ'i和δi數(shù)據(jù)表均未生成時,取終端內(nèi)部前一次有效補償數(shù)值δ。
衛(wèi)星定位單元在衛(wèi)星信號較弱的情況下,可利用輸入的海拔A'j,在相鄰定位歷元間構(gòu)建約束方程求解未知向量,加快定位速度。
(三)慣性數(shù)據(jù)融合預處理
使用微型慣性傳感器(Micro Electro? Mechanical System, MEMS)構(gòu)成的捷聯(lián)式慣導系統(tǒng)是衛(wèi)星定位的重要手段[8],其精度決定了慣性導航系統(tǒng)的精度,所以慣性導航系統(tǒng)的一項主要工作就是控制慣性傳感器誤差。
提高慣性導航系統(tǒng)精度的手段大致有以下兩種,第一種是從工藝上提高慣性傳感器的精度;第二種是采用誤差補償方式來對于系統(tǒng)的誤差進行補償[9]。本方案屬于分布式捷聯(lián)慣導系統(tǒng),利用車輛真實姿態(tài),結(jié)合算法擬合方式進行補償誤差。
控制管理單元實時通過CAN通信單元采集車輛油門踏板位置、剎車踏板位置、轉(zhuǎn)向輪角度、車速信息,計算出油門踏板、剎車踏板、轉(zhuǎn)向輪角度、速度的變化率?;谲囕v與IMU具備相同慣性屬性原則,對IMU輸出的縱向加速度、偏航角速度進行初始過濾清洗,剔除毛刺數(shù)據(jù),得到更準確地慣性數(shù)據(jù)。
進一步基于實時車速、轉(zhuǎn)向輪角度的計算得到的加速度和角速度,同IMU輸出縱向加速度、偏航角速度,建立最小二分乘法歸一化擬合曲線,標定學習得到IMU縱向加速度基于車輛加速度,偏航角速度基于轉(zhuǎn)向輪角度的補償系數(shù)[10]。
控制管理單元實時采集慣性測量單元輸出的動態(tài)角速度和加速度信息,并通過CAN通信單元采集車輛油門踏板位置、剎車踏板位置、方向盤轉(zhuǎn)角信息,計算油門踏板、剎車踏板、方向轉(zhuǎn)角的變化率[11]。車載智能終端集成的慣性測量單元和其所承載的車輛具備相同的慣性屬性,因此控制管理單元根據(jù)油門踏板、剎車踏板、方向盤轉(zhuǎn)角的變化情況,可以對慣性測量單元的加速度、角速度數(shù)值的進行有效性判斷、清洗和過濾毛刺數(shù)據(jù),進而得到更準確地慣性數(shù)據(jù)。
經(jīng)過控制管理單元預處理的加速度、角速度信息,結(jié)合衛(wèi)星定位單元的初始經(jīng)緯度、速度、方向信息,衛(wèi)星定位單元可執(zhí)行慣導定位解算,用于弱信號下的定位求解及數(shù)據(jù)校正,提升定位數(shù)據(jù)的準確性和精度。
此外,根據(jù)車載智能終端的運算力和性能越來強大的發(fā)展趨勢,控制管理單元也可以參與慣導定位中局部或者全部的參數(shù)項的解算,進一步分擔位置衛(wèi)星定位單元的計算壓力,提升車載智能終端整體定位性能。
(四)地圖匹配融合預處理
地圖單元對衛(wèi)星定位單元輸出的原始經(jīng)緯度信息進行匹配,在地圖數(shù)據(jù)庫逆向定位,讀取當前位置點的地圖信息,如經(jīng)緯度、海拔信息,道路屬性等,并結(jié)合當前車輛運動趨勢預判擬合,輸出車輛行進方向(北偏東為正)、前方岔路口的距離、匹配可行性度等信息,控制管理單元通過NMEA通信接口將地圖匹配信息項輸出至衛(wèi)星定位單元。其中NMEA語句格式,可參考如下:
$GISMM,lon,lat,ati,heading,flag,fork,dis,resv*cc
衛(wèi)星定位單元根據(jù)地圖單元反饋的信息,對模塊內(nèi)部經(jīng)緯度、方向、高度等位置信息向量計算進行校正修訂,提升組合定位系統(tǒng)精度和性能[12]。其中地圖單元的融合反饋數(shù)據(jù)格式如表2:
四、實驗結(jié)果對比
經(jīng)對比測試,本文所設計方案相對普通MEMS慣性傳感器構(gòu)成的捷聯(lián)慣導系統(tǒng)方案,在水平精度和航向角測姿精度方面改善明顯,衛(wèi)星信號失效時間越長,定位效果表現(xiàn)更好,實驗結(jié)果如表3所示。
五、 結(jié)束語
通過分布資源的組合利用,對多種輔助定位信息進行融合預處理,提高數(shù)據(jù)的精確度,反饋協(xié)助定位解算。其中衛(wèi)星定位單元通過接收處理控制管理單元預處理輸入的速度、海拔、方位、加速度、以及地圖匹配單元的融合信息,參與位置輔助定位計算,不但可以降低環(huán)境因素對定位信號影響,縮短定位時間,改善定位精度,也可以降低衛(wèi)星定位單元的中央處理器(Central Processing Unit, CPU)的運行負載壓力,進而向控制管理單元輸出更高質(zhì)量定位數(shù)據(jù)。設計方案中,車載智能終端系統(tǒng)始終處于星歷定位、多源校正、融合定位的閉環(huán)反饋系統(tǒng)中,定位精度將得到持續(xù)有效地提高。
作者單位:陳挺? ? 廈門雅迅網(wǎng)絡股份有限公司研發(fā)中心
參? 考? 文? 獻
[1]付瀟.面向智能移動終端的多源信息融合定位關鍵技術研究[D].北京:北京郵電大學,2020.
[2] GB 15082-2008,汽車用車速表[S].
[3] O·弗里施, C·拉斯格伯, F·威克勒. 用于確定車輛的車速表特性曲線的設備和方法、用于調(diào)節(jié)車輛速度的系統(tǒng)以及車輛:, CN110914130A[P]. 2020.
[4]張楠, 王智, 王德倫. 基于運動微分方程與加速度的剛體運動姿態(tài)算法[J]. 機械設計與制造, 2021(10):6.
[5]劉成.氣壓高程約束定位方法.中國,202110446078.6[P],2021.04.25.
[6]張國強,諶炎輝,張茂盛.基于單片機的便攜式高度測量儀的設計[J].現(xiàn)代電子技術,2018,41(22):83-86.
[7]宮曉琳,房建成, 盛蔚.一種GPS與高精度氣壓高度表在線互標定方法[J]. 電子與信息學報, 2009(4).
[8]袁宇翔, 鄒斌. 高可靠性車載慣性傳感器冗余配置方案優(yōu)化技術研究[J]. 哈爾濱工程大學學報, 2018, 39(8):7.
[9]王思遠,韓松來,任星宇,等.MEMS慣性導航技術及其應用與展望[J].控制與信息技術,2018(06): 21-26+49.
[10]Xia X, Xiong L, Liu W, et al. Automated Vehicle Attitude and Lateral Velocity Estimation Using a 6-D IMU Aided by Vehicle Dynamics 2018[C]. IEEE Intelligent Vehicles Symposium (IV). IEEE, 2018.
[11]徐偉民.基于駕駛員駕駛意圖的換道軌跡預測研究[D]. 湖南大學.
[12]呂霞,郭宋靜,陶留鋒.移動GIS輔助定位系統(tǒng)終端設計及處理方法[J].測繪科學,2020,45(05):36-41.