[發(fā)明專利]車載衛(wèi)星導航方法、裝置、存儲介質及處理器

在審

• 申請?zhí)枺?/td>: 202110312739.6
• 申請日: 2021-03-24
• 公開（公告）號: CN113075709A
• 公開（公告）日: 2021-07-06
• 發(fā)明（設計）人: 劉成;李芳;相恒永
• 申請（專利權）人: 劉成
• 主分類號: G01S19/42
• 分類號: G01S19/42
• 代理公司: 暫無信息
• 代理人: 暫無信息

本發(fā)明實施例提供一種車載衛(wèi)星導航方法、裝置、存儲介質及處理器，該車載衛(wèi)星導航方法包括：接收所采集的道路周圍的圖像，識別所述圖像中的建筑物和樹木輪廓線；計算所述建筑物和樹木的高度角及方位角；根據(jù)所述車輛當前坐標位置以及衛(wèi)星星歷軌道參數(shù)，計算當前導航衛(wèi)星相對于所述車輛的高度角及方位角；判斷所述導航衛(wèi)星的信號是否受到遮擋；剔除受到遮擋的導航衛(wèi)星或賦予其較小的權重，進行車載導航定位解算，得到車輛位置信息。該方法能夠獲得準確的車輛位置信息，避免了導航衛(wèi)星信號由于遮擋而失鎖或丟失以及由于繞射、反射以及多徑效應造成的車載導航定位不準確的問題，提高了車載導航定位精度。

技術領域

本發(fā)明涉及計算機視覺、衛(wèi)星導航、組合導航、輔助自動駕駛、無人駕駛領域，具體地涉及一種車載衛(wèi)星導航方法、裝置、存儲介質及處理器。

背景技術

高樓、立交橋、樹木等物體產(chǎn)生的無線電信號遮擋仍是當前城市車載導航應用中的主要技術瓶頸。當車輛周圍存在建筑物和樹木等物體影響時，導航衛(wèi)星信號一是會由于遮擋而導致失鎖或丟失；二是會由于繞射、反射以及多徑效應而產(chǎn)生非視距(Non-line ofSight，NLOS)測距誤差。

上述兩類情況對用戶定位的影響方式有所不同。其中，第一種情況會使得可視衛(wèi)星數(shù)量減少、衛(wèi)星星座精度因子(Geometric Dilution of Precision，DOP)變差，從而導致定位精度下降甚至可視衛(wèi)星數(shù)量少于4顆；但當車輛采用GNSS與慣性導航系統(tǒng)(InertialNavigation System，INS)進行組合導航時，短時間內的衛(wèi)星信號失鎖與丟失現(xiàn)象通?？梢缘玫搅己玫目朔?。相比之下，第二種情況的處理更為棘手。目前，在硬件上，通常需要為終端配備扼流圈天線以抑制多徑誤差；在軟件上，則一般采用接收機自主完好性監(jiān)測(ReceiverAutonomous Integrity Monitoring，RAIM)算法對具有較大測距誤差的衛(wèi)星信號進行檢測和剔除。然而，扼流圈天線通常成本高昂、體積較大，不利于車載導航終端的小型化低成本部署；RAIM算法則最早起源于航空導航領域中的單衛(wèi)星故障條件假設，難以有效實現(xiàn)對多衛(wèi)星故障以及較小測距誤差量的檢測，也無法在可視衛(wèi)星數(shù)少于或等于4顆的情況下工作。

發(fā)明內容

本發(fā)明實施例的目的是提供一種車載衛(wèi)星導航方法、裝置、存儲介質及處理器，用于解決當車輛周圍存在建筑物和樹木等物體影響時，車載導航定位不準確的問題。

為了實現(xiàn)上述目的，本發(fā)明實施例提供一種車載衛(wèi)星導航方法，該車載衛(wèi)星導航方法包括以下步驟：接收所采集的道路周圍的圖像，識別所述圖像中的建筑物和樹木輪廓線；根據(jù)所述建筑物和樹木輪廓線，計算所述建筑物和樹木的高度角及方位角；根據(jù)所述車輛當前坐標位置以及衛(wèi)星星歷軌道參數(shù)，計算當前導航衛(wèi)星相對于所述車輛的高度角及方位角；根據(jù)所述建筑物和樹木的高度角及方位角，以及所述導航衛(wèi)星相對于所述車輛的高度角及方位角，判斷所述導航衛(wèi)星的信號是否受到遮擋；剔除受到遮擋的導航衛(wèi)星或賦予其較小的權重，進行車載導航定位解算，得到車輛位置信息。

優(yōu)選的，所采集的道路周圍的圖像為采集車輛四周360°范圍內的圖像，或為僅采集包括車輛或道路兩側的部分角度范圍內的圖像。

優(yōu)選的，識別所述圖像中的建筑物和樹木輪廓線包括以下步驟：步驟S101，采用相機標定的畸變校正模型及標定系數(shù)，對采集的圖像進行畸變校正；步驟S102，將畸變矯正后的圖像轉換為灰度圖像；步驟S103，對灰度圖像的邊緣進行提??；步驟S104，利用層次聚類算法對提取的邊緣信息進行聚類，剔除所述邊緣信息中的一些孤點特征；步驟S105，對剔除孤點特征后的邊緣信息進行膨脹、填充操作，獲得閉合區(qū)域，閉合區(qū)域的輪廓為所述建筑物和樹木輪廓線。

優(yōu)選的，識別所述圖像中的建筑物和樹木輪廓線包括以下步驟：步驟S111，采用相機標定的畸變校正模型及標定系數(shù)，對采集的圖像進行畸變校正；步驟S112，將畸變矯正后的圖像轉換為灰度圖像；步驟S113，對所述灰度圖像進行高斯模糊；步驟S114，對模糊后的圖像進行二值化；步驟S115，對二值化的圖像進行等高線輪廓提取，獲得圖像中的所述建筑物和樹木輪廓線。