[發明專利]一種復雜受限環境中車輛融合定位系統及方法

在審

• 申請號: 202210085538.1
• 申請日: 2022-01-25
• 公開（公告）號: CN114415224A
• 公開（公告）日: 2022-04-29
• 發明（設計）人: 劉佳庚;郭戈;高振宇;康健;張忍永康;張琦
• 申請（專利權）人: 東北大學
• 主分類號: G01S19/49
• 分類號: G01S19/49;G01S19/39;G01S19/23;G06N3/04;G06K9/62
• 代理公司: 沈陽東大知識產權代理有限公司 21109
• 代理人: 李梁

1.一種復雜受限環境中車輛融合定位系統，其特征在于：包括信號采集裝置、中央處理單元；其中，信號采集裝置包括GPS接收模塊、MEMS-INS模塊、車載數據采集模塊和環境信息采集模塊；中央處理單元包括濾波融合模塊、完好性監測模塊和多模LSTM深度學習模塊；

所述GPS接收模塊，用于接收衛星信號，并將接收到的信號送入濾波融合模塊；

所述車載數據采集模塊，用于采集車輛的輪速數據、轉向角及里程數據，并將這些數據作為輸入變量輸入到多模LSTM深度學習模塊；

所述完好性監測模塊用于檢測GPS接受模塊接收到的GPS信號是否可信；

所述MEMS-INS模塊解算車輛的位置信息，同時接收濾波融合模塊發回的位姿誤差校正量；

所述濾波融合模塊，在GPS信號可信時，將MEMS-INS模塊和GPS接受模塊采集到的信號進行信息融合，并為MEMS-INS模塊提供校正反饋；在GPS信號不可信時，通過車輛位置增量信息、GPS信號不可信時的車輛初始位置與MEMS-INS得到的導航解算信息進行濾波融合，得到車輛準確的位置信息；

所述環境信息采集模塊用于采集車輛駕駛環境信息，對車輛駕駛環境進行聚類，并對不同的車輛駕駛環境進行區分后輸入多模LSTM深度學習模塊，以便多模LSTM深度學習模塊在不同環境下搭建不同的LSTM學習模型；

所述多模LSTM深度學習模塊包括多個獨立的LSTM深度神經網絡模型，用于在GPS信號不可信時預測車輛位置增量信息，并將預測的增量信息輸入濾波融合模塊。

2.根據權利要求1所述的一種復雜受限環境中車輛融合定位系統，其特征在于：所述多模LSTM深度學習模塊根據GPS信號是否可信，分為兩種工作模式；第一種工作模式為：在完好性監測模塊輸出為GPS可信信息時，以MEMS-INS模塊的輸出、車載數據采集模塊的輸出和GPS接收模塊的輸出作為輸入變量，以濾波融合模塊的輸出為輸出變量，訓練多個LSTM深度神經網絡模型；第一種工作模式為：在完好性監測模塊輸出為GPS不可信時，以MEMS-INS模塊和車載數據采集模塊的輸出作為輸入變量，以GPS信號可信時訓練好的多個LSTM深度神經網絡模型的輸出結果作為輸出變量，并將輸出變量作為位置校準信號輸入到濾波融合模塊中，預測車輛位置信息。

3.根據權利要求1所述的一種復雜受限環境中車輛融合定位系統，其特征在于：所述MEMS-INS模塊通過位置解算系統和慣性測量單元IMU解算車輛的位置信息，并估計車輛的位置偽距誤差和偽距率送入濾波融合模塊；其中，慣性測量單元IMU包括設置在車架上的3個單軸的陀螺儀和3個單軸的加速度計。