内容简介

《智能车辆高精度定位理论与技术》围绕智能车辆全时空、高精度、高可靠、低成本定位这一核心科学问题，详细阐述各种经典定位理论、算法和技术实现，并重点对作者在基于视觉、激光雷达及多传感器数据融合的智能车辆定位等领域的研究成果进行系统深入的论述，包括系统的原理、关键算法、测试实验分析和应用实例等。《智能车辆高精度定位理论与技术》分三个部分，共7章。第 一部分（第1章）对智能车辆发展历程、高精度定位对智能车辆的意义及高精度定位技术的国内外发展现状进行简单介绍。第二部分（第2～6章）为高精度定位技术的基础内容，具体介绍高精度定位技术方法。第三部分（第7章）为高精度定位技术的应用实例，分别论述地下停车场、隧道通行、“城市峡谷”、校园物流配送等几个场景中智能车辆高精度定位技术的具体应用情况。

目录

目录
《智能科学技术著作丛书》序
前言
第1章 绪论 1
1.1 智能车辆 1
1.2 高精度定位对智能车辆的意义 5
1.3 智能车辆高精度定位技术发展现状 6
1.3.1 全球导航卫星系统 6
1.3.2 自主定位技术 7
1.3.3 无线电定位技术 7
1.3.4 视觉定位技术 9
1.3.5 组合定位技术 11
参考文献 14
第2章 基于全球导航卫星系统的智能车辆高精度定位 19
2.1 全球导航卫星系统 19
2.2 全球导航卫星系统的基本原理 21
2.3 全球导航卫星系统的定位算法 23
2.4 多模式接收机的卫星信号校正关键技术及实例 29
2.4.1 校正原理 29
2.4.2 基带信号的产生 29
2.4.3 基于傅里叶变换的NH码解调 33
参考文献 36
第3章 基于无线网络的智能车辆高精度定位 38
3.1 无线网络定位基本原理 38
3.1.1 三边测量定位原理 38
3.1.2 三角测量定位原理 39
3.1.3 极大似然估计定位原理 39
3.1.4 *小二乘定位原理 41
3.2 基于无线网络的车辆定位算法 43
3.2.1 基于信号源的RSSI定位算法分类 45
3.2.2 基于RFID锚节点的车辆无线定位 46
3.3 基于5G无线网络的定位及其应用场景 53
3.3.1 基于5G无线网络的定位 53
3.3.2 5G+北斗通信定位一体化系统 55
参考文献 57
第4章 基于视觉的智能车辆高精度定位 59
4.1 基于视觉的智能车辆定位理论 59
4.1.1 车辆运动姿态描述 61
4.1.2 闭环检测与地图构建 65
4.2 基于双目视觉的智能车辆定位算法 69
4.2.1 基于线性*小二乘法的运动估计 70
4.2.2 基于非线性*小二乘法的运动估计 74
4.3 基于视觉的智能车辆定位关键技术及实例 76
4.3.1 基于路面特征点匹配的车辆定位 76
4.3.2 基于鲁棒特征点的视觉里程计 83
4.3.3 基于图像抗模糊的视觉里程计 90
参考文献 101
第5章 基于激光雷达的智能车辆高精度定位 104
5.1 激光雷达定位基本原理 104
5.2 激光雷达定位算法 107
5.2.1 二维激光雷达智能车辆高精度定位 107
5.2.2 三维激光雷达智能车辆高精度定位 113
5.3 基于激光雷达的智能车辆高精度定位关键技术及实例 120
5.3.1 基于扫描匹配的二维激光雷达定位 120
5.3.2 基于NDT的三维激光雷达定位 130
参考文献 140
第6章 基于多传感器数据融合的智能车辆组合定位 142
6.1 多传感器数据融合定位基本原理 142
6.1.1 多传感器数据融合概念 142
6.1.2 多传感器数据融合原理 142
6.2 多传感器数据融合定位算法 143
6.3 多传感器数据融合定位关键技术及实例 144
6.3.1 GNSS/DR/MM组合定位 144
6.3.2 GNSS/车身传感器/视觉SLAM组合定位 151
参考文献 167
第7章 高精度定位技术在智能车辆中的应用实例 168
7.1 地下停车场 168
7.2 隧道通行 170
7.3 “城市峡谷” 172
7.4 校园物流配送 174
参考文献 178

精彩书摘

第1章 绪论
　　1.1 智能车辆
　　近年来，随着科学技术的快速发展，智能驾驶领域得到了美国、日本等发达国家的高度重视。美国交通运输部于2020年1月发布了《确保美国在自动驾驶汽车技术中的领 先地位：自动驾驶汽车4.0》战略，用于支持本国自动驾驶技术产业的快速发展。欧盟于2015年发布了《欧洲自动驾驶智能系统技术路线》报告，主要涉及车内技术、基础设施、大数据、系统集成与验证、系统设计、标准化、法律框架、宣传措施八项内容。欧洲的研究重点是智能交通体系、辅助驾驶系统、自动驾驶测试等方面的技术。日本在自动驾驶方面也出台了一系列政策，例如，2014年启动的“自动驾驶系统战略创新促进项目”和2016年启动的“无人驾驶评价据点整备项目”，主要目标是建立相关的基础设施，在2020年东京奥运会期间推出无人驾驶出行服务。随后，瑞典、英国、法国、德国也相继出台相关法规和行动计划发展自动驾驶技术测试及产业，以加快推进自动驾驶技术的发展。
　　智能车辆的概念早在20世纪20年代就已提出，但直到20世纪80年代才得到真正的发展。国外关于自动驾驶车辆的研究，*早可以追溯到1939年纽约世界博览会上首 次展出的通用汽车公司制作的自动驾驶汽车模型，但是当时技术条件有限，即计算机技术成熟度低、人工智能尚未发展、摄像头雷达等感知设备尚未民用，导致通用汽车公司的自动驾驶汽车计划搁置。
　　真正使得自动驾驶研究不断向前发展的是由美国国防部下属的子机构国防高 级研究计划局(Defense Advanced Research Projects Agency，DARPA)于2004年开始举办的无人驾驶挑战赛，后面简称DARPA挑战赛。DARPA于2004年3月在150mi①的莫哈韦沙漠路段举办了首届无人驾驶挑战赛，有15支车队报名参加了此次比赛，由于路况复杂，当时没有一个参赛车队顺利完成比赛，而其中卡内基梅隆大学车队的Sandstorm(一辆改装过的悍马)自主行驶了7.4km，夺得桂冠[1]。DARPA于2005年10月在沙漠中举办了第二届比赛，此次参赛车队增加到了23支，同时举办方为参赛车队提供了关键的全球定位系统路点以及各种障碍物的具体位置信息，*终有5支参赛车队顺利完成了比赛，其中斯坦福大学车队的Stanley夺得了冠 军[2]。为了推动城市环境下智能车辆技术的研究，2007年DARPA举办了在城市道路环境下的无人驾驶挑战赛，*终卡内基梅隆大学车队的Boss智能车夺冠[3]。DARPA举办的这三届无人驾驶挑战赛，大大推动了智能车辆技术的发展。
　　经过十多年的发展，当前国外的智能车辆技术发展主要由一些知名的信息技术(information technology，IT)公司巨头与汽车生产企业推动。其中，*具代表性的是美国谷歌(Google)公司旗下的Waymo公司和特斯拉公司生产的L3级自动驾驶汽车。Waymo公司的研发理念是计算机将完全取代人类驾驶，*初方案是要求驾驶员坐在方向盘后面，以便可以在紧急情况下接管汽车。但在2013年的一次实验之后，Waymo公司决定坚持完全用计算机取代人类驾驶，因为Waymo公司认为在危险发生时，驾驶员的反应速度不可能比计算机系统更快[4]。目前，Waymo公司已经成为自动驾驶领域当之无愧的领头羊，其累计行程超过了2000万mi(3218.688万km)，并且推出了完全无人驾驶的出租车服务。美国另一家具有代表性的智能车辆研发公司(特斯拉公司)并没有像Waymo公司那样采用完全由计算机自动驾驶的技术路线，而是将提高驾驶员驾驶体验设定为研发目标，并实现相应的辅助驾驶功能，其研发理念是智能车辆不会完全取代驾驶员的角色和地位。特斯拉公司已经将一些基本的智能驾驶功能整合到商用车中，但仍要求驾驶员随时准备接管并控制车辆[5]。据统计，特斯拉公司的智能车辆在自动驾驶(autopilot)模式下的行驶里程已经超过了2.2亿mi[6]。目前，Waymo公司的智能车辆仍处于测试阶段，而特斯拉公司已经实现商业化量产，并在全球汽车市场拥有一定的规模。
　　我国智能车辆的研究起步较晚，但是发展迅速。*早在1980年，哈尔滨工业大学、中国科学院沈阳自动化研究所和国防科技大学三家单位联合承担了“遥控驾驶的防核化侦察车”项目的研究[7]。1996年，由清华大学、国防科技大学、北京理工大学、浙江大学和南京理工大学五家院校共同研制成功了中国第 一台智能车ATB-1(Autonomous Test Bed-1)[8]。该车在演示实验中，直线道路自主行驶速度*高达到21km/h，弯道速度*高可达12km/h。ATB-1的诞生标志着中国智能驾驶行业正式起步并进入探索期，智能驾驶技术的研发正式启动。其后在ATB-1的基础上研制了第二代智能车ATB-2，该车在性能上有了较大的提升，在2001年的演示中*高速度超过了74km/h，平均速度为30.6km/h，夜间行驶*高速度为15km/h[9]。2005年，第三代智能车ATB-3也顺利研制成功，该车在环境感知、多传感器数据融合的目标识别与跟踪以及全天候导航方面得到了进一步的提升[10]。国防科技大学在2002年成功研制了智能车——红旗CA7460，该智能车能够自主检测前方障碍物并进行变道，*高自主行驶速度超过110km/h[11]。清华大学于2003年成功研制了THMR-V(Tsinghua Mobile Robot-V)，该车设计了城区环境和高速环境两种驾驶模式，其*高自主驾驶速度也超过100km/h[12]。陆军军事交通学院智能车研发团队从2004年开始研究智能车辆技术，先后完成了智能车辆在高速公路、普通道路上的一系列实验，进一步验证了智能车辆的稳定性、智能性和安全性，也让研发的智能车辆行驶动作更接近人类驾驶。目前，国内研究智能车辆技术的高校及研究机构主要有国防科技大学、陆军军事交通学院、清华大学、北京理工大学、西安交通大学、长安大学、同济大学、上海交通大学、武汉大学、中国科学院等。
　　自2008年开始，国家自然科学基金委员会启动了“视听觉信息的认知计算”研究计划，并从2009年开始至今共举办了十二届“中国智能车未来挑战赛”(Intelligent Vehicle Future Challenge，IVFC)。该项比赛吸引了国内大量的智能车科研团队的积极参与，推动了国内智能车辆关键技术的研究与发展，大大提高了中国智能车的技术研发水平[13]。从2009年开始，IVFC的参赛车队逐年增多，比赛项目逐渐完善，比赛对智能车智能化水平的要求越来越高，同时参赛车辆配置的传感器也由多到少，但其功能不断强化，智能车辆已从实验室走向城市、高速等真实道路环境，其自主行驶速度也在不断地提升。
　　第1～4届IVFC对智能车的基本性能进行了测试，主要包括交通信号识别、动静态障碍物检测、弯道行驶、交叉口行驶、U形转弯和终点停车以及在特定路线中完成特定动作的综合测试。第5～12届IVFC在江苏常熟举行，比赛设置了城郊道路测试、城区道路测试、越野道路测试及混合道路测试内容，重点考核智能车智能感知交通标志、人、车、物，以及自主决策和正确行为控制的能力。在2019年的比赛中，首 次引入了模拟机动车与非机动车混行、交通拥堵和城乡道路环境中全球导航卫星系统(global navigation satellite system，GNSS)信号缺失情况下的地下停车场自主泊车、高架道路环境中前车坠物时的紧急避让等测试场景，鼓励参赛车队充分展示全程不依赖GNSS信号的自主定位感知能力，从而更加全面、真实地测试无人驾驶出行服务的相关技术成熟度，推进无人驾驶的实际应用和产-学-研融合发展。图1.1展示了几所高校的智能车。

……