导航系统中检测可移动物体位置的设备及其方法

摘要

导航系统中检测可移动物体位置的方法和设备，包括：地图数据检测器，基于传感器发送的可移动物体的位置信息，在外部数字地图存储器中检测与位置信息相对应的区域的地图信息；存储器，存储地图信息；滤波器，基于传感器发送的可移动物体的位置和行驶信息，计算包含道路误差的可移动物体的最佳位置；地图匹配单元，用于接收最佳位置信息，并通过匹配最佳位置信息与存储器中的地图信息来校正最佳位置信息。与仅使用道路方向作为测量值相比，该方法和设备能够通过计算包含道路宽度的可移动物体的位置，对可移动物体的位置施加约束。该方法和设备每次输入传感器信息时，能使用包含地图信息的约束模型，对传感器信息执行实时校正，提高位置确定的精确度。

说明书

技术领域

本发明涉及导航系统，特别涉及导航系统中用于检测可移动物体例如汽车的位置的方法和设备。

背景技术

典型地，汽车导航系统给司机提供汽车的当前位置信息和到达目的地的最佳路线，并且根据行进路线引导司机。汽车导航系统的最基本的功能是精确确定汽车的当前位置。

图1是传统导航系统的结构简图，该图说明汽车导航系统中测量汽车的当前位置的必要结构。参照图1，典型的汽车导航系统包含GPS传感器10、轨迹推测(dead reckoning，DR)传感器20、地图数据存储器30、当前位置检测器40和显示器50。

地图数据存储器30存储数字地图。图2A和2B说明存储地图数据的传统方法。典型地，为了在地图数据中进行快速搜索，将整幅地图分割成具有预定单位尺寸的多个部分，称为“地图区域(map section)”，并且在每个地图区域中利用节点和链路来显示道路信息。图2a示出韩国地图，该地图被分割成12个地图区域；图2b示出该12个地图区域之一，其中利用节点和链路显示道路信息。

GPS传感器10是用于接收全球定位系统(GPS)信号的传感器。在该示例中，GPS指利用在大约20,183公里高度绕轨道运行的24颗人造卫星来跟踪全球位置的系统。即，GPS是一种卫星导航系统，其中安装在观测站的GPS接收机接收从卫星发送的无线电波，由于已知卫星的精确位置，所以能够计算出接收无线电波所需的时间，从而获取观测站的位置。GPS传感器10接收GPS信号，并且使用汽车的几何坐标x，y，z和当前时间信息t向当前位置检测器40发送位置信息。

DR传感器20是利用前一个位置信息来检测其自身的相对位置和移动方向的传感器。典型地，可以将DR传感器划分成测量通过距离的传感器，例如速度计、里程计、加速度计等，和测量旋转角度的传感器，例如地磁传感器、陀螺仪等。因此，DR传感器20检测汽车的速度v和移动方向θ，并且将其发送给当前位置检测器40。

当前位置检测器40基于从GPS传感器10和DR传感器20发送的汽车位置信息，提取相应区域的地图数据，并且使用地图数据来执行汽车位置信息的地图匹配。即，当前位置检测器40在先前构造的地图数据—称为“数字地图”上指出用户的位置，并且利用地图上的一个点来确认汽车的位置。而且，作为确认结果，当前位置检测器40计算汽车的位置信息，并且通过显示器50显示该位置信息。

在该示例中，典型地，由于GPS传感器10和DR传感器20包含测量值误差，当前位置检测器40执行地图匹配以校正该误差。例如，GPS传感器10可能具有例如电离层延迟误差、卫星时钟误差、多径等误差，DR传感器20可能具有初始校准误差和变换因数误差。特别地，当汽车通过高大建筑物、树丛、隧道等时，汽车也许不能够充分接收GPS信号，因而使误差变大。同样，当误差被积累时，当前位置检测器40难以精确确定汽车的位置。当在地图上指出使用具有上述误差的传感器测量的汽车位置信息时，位置信息与汽车的实际位置不一致。因此，为了校正误差，典型的当前位置检测器40使用数字地图执行地图匹配。

图3说明当前位置检测器40，当前位置检测器40典型地包含传感器41、地图数据检测器42、存储器43、滤波器44和地图匹配单元45。传感器41从GPS传感器10和DR传感器20接收传感器数据，例如x，y，z，t，v，和θ，并且将传感器数据x，y，z，t，v，和θ中用于检测地图数据的汽车位置坐标信息x，y发送给地图数据检测器42。地图数据检测器42基于位置信息x，y从地图数据存储器30提取相应区域的地图数据，并且将其存储在存储器43中。

滤波器44接收汽车的位置坐标x，y和时间t、速度v和角度θ，并且使用这些值作为滤波器的测量值来计算最佳位置x′，y′和角度θ′。典型地，滤波器44使用组合GPS和DR的GPS/DR集成卡尔曼滤波器。由于卡尔曼滤波器从数学上最小化变量的测量误差，并且具有适合于变量的计算和预测的特性，所以它被称为预测滤波器。而且，即使在误差环境下，卡尔曼滤波器也能够预测最佳状态。因此，典型地在汽车导航系统中使用卡尔曼滤波器来最小化传感器的测量误差。

尽管卡尔曼滤波器具有上述特性，由于GPS传感器10和DR传感器20的误差，滤波器44所计算出的值x′，y′和θ′也与实际的地图路线不一致。地图匹配单元45使用滤波器44所计算出的值x′，y′和θ′以及存储在存储器43中的数字地图，来执行地图匹配以便校正误差。即，地图匹配单元45通过在数字地图上匹配滤波器44所计算出的值x′，y′和θ′，来校正计算的位置。

为了基于GPS数据来校正DR传感器20的误差，滤波器44和从滤波器44输出的汽车的反馈位置坐标δ_x，δ_y、速度δ_v和角度δ_θ信息，提供比DR传感器20相对精确的位置信息。而且，滤波器44从地图匹配单元45接收经过匹配的汽车的位置/角度以及位置差和角度差即滤波器44计算出的Δx，Δy和Δθ，并且校正滤波器44中的GPS/DR集成卡尔曼滤波器。

参照图4A来说明汽车导航系统中检测汽车当前位置的传统方法。当在步骤S10中输入GPS传感器收到的汽车位置坐标信息x，y，z和时间t以及DR传感器20(图1)检测到的汽车速度v和方向信息θ时，在步骤S20中，汽车导航系统从预存储的数字地图中检测与传感器数据x，y，z，v和θ相对应的区域，如参照图2a和2b所讨论，并且将其分别存储在存储器43中(图3)。在步骤S30中，汽车导航系统初始化用于使用传感器数据来计算汽车的位置信息的GPS/DR集成卡尔曼滤波器模型，然后在步骤S40中，汽车导航系统使用传感器数据作为GPS/DR集成卡尔曼滤波器的测量值来计算汽车的位置信息。

典型地，GPS传感器10(图1)和DR传感器20(图1)包含测量值误差，由于包含在GPS传感器10(图1)和DR传感器20(图1)中的误差，由GPS/DR集成卡尔曼滤波器模型计算出的位置不够精确。为了解决这个问题，在步骤S50中，GPS传感器10和DR传感器20通过测量数据的反馈数据来校正GPS传感器10和DR传感器20的误差。在这种情况下，反馈到GPS/DR集成卡尔曼滤波器44(图3)的数据是从GPS/DR集成卡尔曼滤波器输出的汽车位置坐标δ_x，δ_y、速度δ_v和角度δ_θ信息。

而且，在步骤S60中，对步骤S40中计算出的位置信息使用步骤S20中存储的关于与传感器数据相应的区域的数字地图来进行地图匹配。在步骤S70中，使用地图匹配结果来校正GPS/DR集成卡尔曼滤波器。即，使用由地图匹配结果产生的滤波器校正数据Δx，Δy和Δθ来校正GPS/DR集成卡尔曼滤波器。

图4B说明地图匹配步骤S60(图4A)的流程。在步骤S61中，从地图匹配的对象—地图中检测链路信息和节点信息，该地图即为步骤S20(图4A)中存储的数字地图。在步骤S62中，基于链路信息和节点信息判断步骤S40(图4A)中计算出的位置是否是十字路口。在判断计算的位置是否是十字路口时，使用前面的节点信息和链路信息，可以检测预定距离之内十字路口的存在。当从GPS/DR集成卡尔曼滤波器计算出的汽车轨迹经过十字路口节点时，或者不考虑轨迹没有经过或已经经过十字路口节点的情况，当测量出的空间方位角与当前计算的道路的方向角具有较大差值时，就能够确定计算位置是十字路口。

根据步骤S62中的判断，如果步骤S40(图4A)中计算出的位置是十字路口，在步骤S63中选择相邻十字路口的链路。如果不是，在步骤S64中选择距离计算位置为最短距离的链路。在这种情况下，所选链路成为用于所计算的位置信息的匹配的地图信息。

如上所述，当已经关于所计算的位置信息执行地图匹配时，在步骤S65中计算与匹配链路相应的x和y坐标。在步骤S66中，将包含在所计算的位置信息中的x和y坐标与在步骤S65中计算出的x和y坐标之间的差值输出作为滤波器校正数据。滤波器校正数据是步骤S63、S64中所匹配的汽车位置/角度与滤波器44中计算出的位置/角度之间的差值Δx，Δy和Δθ。在步骤S70(图4A)中，使用输出的滤波器校正数据，来校正GPS/DR集成卡尔曼滤波器的误差。

图5示出在汽车导航系统中采用传统方法来校正汽车位置的方法示例，或者，换句话说是利用地图匹配来校正通过GPS/DR集成滤波器计算出的位置信息。圆圈代表由GPS/DR集成滤波器计算出的位置信息，直线代表匹配的位置信息。

首先，实施汽车的空间方位角和位置的强制校正用于普通行驶。例如，由于可以认为经过地图匹配的汽车空间方位角已经被校正，当判断汽车正在沿桥、隧道或长直道路行驶时，调整汽车的空间方位角Δθ。如图5a所示，由于汽车沿水平道路行驶时产生“Δy”误差，利用差值“Δy”来校正GPS/DR集成滤波器计算出的“y”值。而且，如图5b所示，由于汽车沿垂直道路行驶时产生“Δx”误差，利用差值“Δx”来校正GPS/DR集成滤波器中计算的“x”值。同样，如图5c所示，当汽车经过十字路口时，利用差值“Δx和Δy”将汽车的位置校正到交叉点。

传统的当前位置检测设备及其使用上述空间方位角的校正方法的方法，不能够调整汽车的绝对位置，并且垂直和水平方向的强制校正方法包含误差和不确定性。而且，传统的当前位置检测设备及其方法只能够在有限的情况下执行位置校正，例如，当汽车在预定时间期间持续行驶在直线方向上或者经过十字路口时。即，由于传统方法只能够在有限区域执行传感器校正，在经常需要精确位置的汽车导航系统中进行实时位置校正是不可能的。因此，当前位置检测设备及其方法不能够精确检测汽车的位置。

而且，为了校正GPS传感器/DR传感器的误差以及计算汽车的位置信息，现有技术中已经使用典型的集中(centralized)卡尔曼滤波器。在该示例中，当用来实现系统的方程式的阶数较低时，集中卡尔曼滤波器能够非常简单地实现最佳滤波器。然而，当用来实现系统的方程式的阶数较高时，由于逆矩阵和协方差矩阵的计算负荷增加，集中卡尔曼滤波器难以进行实时计算。而且，当某个传感器发生故障时，集中卡尔曼滤波器仅仅在处理来自几个传感器的测量值之后，才能够判断它发生故障。因此，传统的现有技术难以防止错误的测量值影响对于汽车位置信息的计算出的测量值。

发明内容

因此，本发明能够解决现有技术中存在的上述问题，并且本发明的一个目的是提供一种汽车导航系统中用于精确检测可移动物体位置的方法和设备。

本发明的另一个目的是提供一种用于检测可移动物体位置的方法和设备，该方法和设备通过利用有限滤波器(limitation filter)构成使用地图信息的线性模型之后，每次输入包含误差的传感器信息时，使用有限滤波器进行传感器信息的预测和实时校正，来提高可移动物体的位置确定的精确度。

本发明的另一个目的是提供一种用于检测可移动物体位置的方法和设备，该方法和设备能够基于数字地图来检测包含道路误差的可移动物体的位置。

本发明的另一个目的是提供一种用于检测可移动物体位置的方法和设备，该方法和设备能够利用用于检测可移动物体位置的传感器的误差校正过程的分布式处理，来提高可移动物体的位置确定的精确度。

为了实现这些目的，根据本发明的优选实施例，提供一种用于检测可移动物体位置的设备，包括：地图数据检测器，用于基于从检测可移动物体的位置和行驶信息的传感器发送的可移动物体的位置信息，在外部数字地图存储器中检测与位置信息相对应的区域的地图信息；存储器，用于存储从地图数据检测器检测的地图信息；滤波器，用于基于从传感器发送的可移动物体的位置和行驶信息，来计算包含地图信息中所包含的道路误差的可移动物体的最佳位置；和地图匹配单元，用于从滤波器中接收可移动物体的最佳位置信息，以及通过匹配最佳位置信息与存储在存储器中的地图信息来校正该最佳位置信息。

为了实现这些目的，根据本发明的优选实施例，提供一种用于检测可移动物体位置的方法，包括如下步骤：1)响应于从检测可移动物体的位置和行驶信息的传感器收到的可移动物体的位置和行驶信息，检测和存储与位置信息相对应的地图信息，并且初始化GPS/DR滤波器模型；2)基于GPS/DR滤波器模型，计算可移动物体的第一位置信息；3)匹配第一位置信息和存储的地图信息，并且基于第一位置信息和匹配的地图信息，提取可移动物体所位于的位置的道路线性信息；4)基于传感器所检测的可移动物体的行驶信息和步骤(3)中提取的道路线性信息，初始化地图约束滤波器模型；5)基于地图限制的滤波器，来计算包含道路误差的可移动物体的第二位置信息；6)基于步骤(2)中计算出的可移动物体的第一位置信息和步骤(5)中计算出的可移动物体的第二位置信息，来计算可移动物体的最佳位置信息；7)基于步骤(6)的计算结果，产生滤波器校正数据，用于校正GPS/DR滤波器模型和地图约束滤波器模型的状态和误差；以及8)利用滤波器校正数据，校正GPS/DR滤波器模型和地图约束滤波器模型的状态和误差。

附图说明

通过以下结合附图进行的详细描述，本发明的上述和其他目的、特征和优点将会变得更加清楚，其中：

图1是示出传统汽车导航系统的大概结构的方框图；

图2是说明传统的地图数据存储方法的方框图；

图3是汽车导航系统中的传统当前位置检测器的简图；

图4A是汽车导航系统中的用于检测汽车当前位置的传统方法的流程图；

图4B是汽车导航系统中使用的地图匹配传统方法的流程图；

图5是示出汽车导航系统中采用传统方法来校正汽车位置的方法示例的简图；

图6是根据本发明实施例的汽车导航系统中的位置检测器的简图；

图7是说明根据本发明实施例在汽车导航系统中包含在当前位置检测器中的第一滤波器的操作的流程图；

图8A是说明根据本发明实施例在汽车导航系统中包含在当前位置检测器中的第二滤波器的操作的流程图；

图8B是示出地图信息的误差(V_m)与道路宽度之间关系的曲线图；

图9是说明根据本发明实施例在汽车导航系统中包含在当前位置检测器中的第三滤波器的操作的流程图；

图10是说明根据本发明实施例在汽车导航系统中包含在当前位置检测器中的地图匹配单元的操作的流程图；和

图11是根据本发明实施例在汽车导航系统中用于检测汽车位置的方法的流程图。

具体实施方式

以下，将参照附图来说明本发明的优选实施例。在对本发明的以下说明中，将省略对本发明包含的已知功能和结构的详细说明，由于它将会使本发明的主题不清楚。

图6是根据本发明一个实施例的汽车导航系统中的位置检测器400的方框图。位置检测器400包括传感器410、地图数据检测器420、存储器430、滤波器440和地图匹配单元450。传感器410从GPS传感器10和DR传感器20接收传感器数据，例如坐标x，y，z、时间t、速度v和角度θ，并且将传感器数据x，y，z，t，v，和θ中用于检测地图数据的位置坐标信息x，y发送给地图数据检测器420。地图数据检测器420基于位置坐标信息x，y，从地图数据存储器30中提取相应区域的地图数据，并且将其存储在存储器430中。

滤波器440接收汽车的位置坐标x，y、时间t、速度v和角度θ，并且使用这些值作为测量值来计算最佳位置坐标x″，y″和角度θ″。滤波器440由多个滤波器441、442、443组成。滤波器440由分布式分层类型(distributed layer type)卡尔曼滤波器即组合类型卡尔曼滤波器组成。滤波器440包括第一滤波器441，例如GPS/DR滤波器，用于根据传感器数据计算汽车的第一位置信息；第二滤波器442，例如地图约束滤波器，根据从地图匹配单元450发送的道路的线性信息来计算汽车的第二位置信息；和第三滤波器443，例如主滤波器，包含彼此集成的第一滤波器441和第二滤波器442。

地图匹配单元450匹配在滤波器440中计算出的值x″，y″和θ″和数字地图，以便校正计算的位置。而且，地图匹配单元450从第一滤波器441计算出的汽车的第一位置信息中提取包含道路误差的道路线性信息，并且将其发送给第二滤波器442。此处，包含道路误差的道路线性信息指汽车行驶于其上的实际道路的宽度。

图7至图10是说明第一滤波器441、第二滤波器442、第三滤波器443和地图匹配单元450的操作的流程图。参照图6和图7，说明第一滤波器441的操作。

首先，在步骤S110中，第一滤波器441从传感器410接收传感器数据，例如，汽车的位置坐标x，y、时间t、速度v和角度θ信息，并且在步骤S120中，使用传感器数据作为测量值来初始化用于计算汽车的第一位置信息的GPS/DR滤波器模型。方程式1中示出在步骤S120中被初始化的GPS/DR滤波器模型。

[方程式1]

x_k＝φ_k-1x_k-1+w_k-1，w_k～N(0，Q_k)

Z_k＝H_kx_k+v_k，v_k～N(0，G_k)

在方程式1中，x代表在时间t时系统(GPS/DR模型)的状态方程式，代表用于计算位置的GPS/DR模型，已知为系统，W代表系统模型的误差，以及N(0，Q_k)代表系统误差的分布Q_k和平均值0。Z代表测量模型的方程式，H代表测量模型，v代表测量模型的误差，以及N(0，G_k)代表测量模型误差的分布Q_k和平均值0。

如上所述，当GPS/DR滤波器模型被初始化时，第一滤波器441将传感器数据应用到方程式1的GPS/DR滤波器模型，以便在步骤S130中计算汽车的第一位置信息x1′，y1′和θ1′。方程式2中示出步骤S130中用于计算第一位置坐标信息x1′，y1′和θ1′的方法。

[方程式2]

x_k＝φ_k-1x_k-1

参照方程式2，通过用前一个状态x_k-1乘以前一个状态模型_k-1来计算t时刻的当前状态x_k。

而且，在步骤S410中，第一滤波器441将第一位置信息x1′，y1′和θ1′输出到地图匹配单元450，并且将第一位置信息x1′，y1′和θ1′、速度信息v1′和P1输出到第三滤波器443。此处，P1是从第一滤波器441输出的第一位置信息x1′，y1′和θ1′的误差。

地图匹配单元450使用第一位置坐标信息x1′，y1′和θ1′来提取道路线性信息。将参照图10来说明地图匹配单元450中用于提取道路线性信息的方法和道路线性信息的详细说明。然后，第三滤波器443使用从第一滤波器441输入的信息x1′，y1′，θ1′，v1′和P1以及从第二滤波器442输入的第二位置信息x2′，y2′和θ2′、速度信息v2′和P2，产生滤波器校正数据，即最佳状态计算信息x_m、误差信息P_m。接着，第三滤波器443将其发送给第一滤波器441。将参照图9说明用于产生滤波器校正数据即最佳状态计算信息x_m、误差信息P_m的方法。

当在步骤S150中，第一滤波器441从第三滤波器443—主滤波器中，接收到包含最佳状态计算信息x_m、误差信息P_m的滤波器校正数据时，在步骤S160中，第一滤波器441基于滤波器校正数据即最佳状态计算信息x_m、误差信息P_m，来校正GPS/DR滤波器模型的误差。由主滤波器第三滤波器443校正GPS/DR滤波器模型的误差，方程式3说明用于校正的校正方程式。

[方程式3]

$>>>>x>^>>k>>>(>+>)>>=>>>x>^>>k>>>(>->)>>+>>K>k>>[>>z>k>>->>H>k>>>>x>^>>k>>>(>->)>>]>$>

P_k(+)＝(I-KH)P_k(-)

参照方程式3，通过使用第一滤波器441计算出的计算值x(-)和实际的测量值Z_k之间的差值来获取增益K。而且，通过使用第一误差P(-)和增益K来获取最终误差P(+)。

方程式1至3是使用卡尔曼滤波器来预测最佳位置和校正误差的典型方程式。因为这些方程式是本领域技术人员已知的，所以省略更详细的说明。

参照图6和图8A，说明第二滤波器442的操作。

首先，在步骤S210中，第二滤波器442从传感器410接收汽车的DR传感器数据、速度v和方向角度θ，并且从地图匹配单元450接收道路线性信息。在步骤S220中，第二滤波器442初始化地图约束滤波器，其用于使用DR传感器数据和道路线性信息作为测量值来计算第二位置信息。

当判断汽车位于任何道路上时，以下方程式4示出能够从道路获取到的信息。

[方程式4]

aX+bY＝c

在方程式4中，当在横轴墨卡托(Transverse Mercartor，TM)坐标系上标示被看作直线的道路部分时，a，b和c分别对应于线性表达式的系数。由于地球表面是弯曲的，需要投影以便在平面如地图或屏幕上标示地球。此处，通过一种投影方法—TM投影所获取的坐标系被称为TM坐标系。在TM投影中，通过将地球椭圆体上的三维坐标投影到柱面，将三维坐标转换成两维坐标，其中柱面以如下方式包围地球椭圆体：柱面横向延伸并且与地球椭圆体的参考点相切。TM投影能够保存角度大小，这是典型的地图投影条件中最重要的条件之一，并且其理论是普遍的。因此，汽车导航坐标系中使用的道路地图数据典型采用通过TM投影所获取的TM坐标系。

地图匹配单元450提取这种线性表达式的系数，例如a，b，c，并且将其输出到第二滤波器442。此处，线性表达式的系数受道路线性信息的影响。第二滤波器442使用a，b，c来初始化地图约束滤波器模型。此处，下面的方程式5示出已被初始化的地图约束滤波器模型。

[方程式5]

z_m＝c-(aX_DR+bY_DR)+v_m

＝(aX+bY)-(aX_DR+bY_DR)+v_m

＝aδX+bδY+v_m

＝[a b 0 0 0 0]x+v_m

≡H_mx+v_m

方程式5是使用在道路模型中计算出的线性信息C与实际传感器输入X_DR·Y_DR之间的差值来计算测量模型的方程式，并且方程式5等于是计算道路模型与DR传感器的输入值之间的差值。

在方程式5中，v_m代表道路信息的误差，实际上代表汽车位于距道路的中心线的道路宽度范围内的任意位置。而且，v_m应该作为白噪声来计算，v_m的大小应该是与用于使用卡尔曼滤波器的道路宽度有关的值。如上所述，通过使用包含道路信息误差的地图约束滤波器，本发明能够更精确地计算汽车的位置。

图8B是示出地图信息的误差和道路宽度之间关系的两维线条图，以下方程式6示出方程式4中示出的用于确定道路宽度的值c的波动带。

[方程式6]

$>>\Delta c>=>W>>a>>sin>\theta >\; >=>->W>>b>>cos>\theta >\; >$>

而且，这里Δc包含直线的系数a，b及角度θ和正弦函数及余弦函数的奇异值之间的关系，方程式7示出Δc。

[方程式7]

$>>\Delta c>=>W>>>a>2>>+>>b>2>\; >$>

将代表地图信息的误差的v_m作为如方程式8所示的具有高斯分布的白噪声来计算。

[方程式8]

v_m～N(0，R_m)

在方程式8中，在以下方程式9示出R_m。

[方程式9]

R_m＝W²(a²+b²)

因此，当在实际导航系统中使用道路信息时，由于直线方程式可以作为道路上两点之间的关系表达式来计算，所以系数a和b可以被表示成矢量的方向余弦分量。在这种情况下，方程式9可以被修改为以下方程式10。

[方程式10]

R_m＝W²

将通过使用方程式6至10获取的道路宽度W²，应用到通过使用道路线性模型和DR传感器输入获取的测量模型中的误差。即，地图约束滤波器的第二滤波器442通过考虑道路宽度W²作为误差来计算汽车位置信息。

如上所述，在图8A的步骤S230中，当地图约束滤波器被初始化时，第二滤波器442将DR传感器数据和道路线性信息应用到方程式4的地图约束滤波器，以便计算第二位置坐标信息x2′，y2′，θ2′和速度v2′。方程式2示出步骤S230中用于计算第二位置坐标信息x2′，y2′和θ2′的方法示例。

在步骤S240(图8A)中，第二滤波器442将第二位置坐标信息x2′，y2′，θ2′、速度v2′和P2输出到第三滤波器443。在这种情况下，P2是有关从第二滤波器442输出的第二位置坐标信息x2′，y2′和θ2′的误差。

第三滤波器443使用从第一滤波器441先前输入的第一位置坐标信息x1′，y1′和θ1′、速度信息v1′和P1以及从第二滤波器442输入的坐标信息x2′，y2′，v2′，θ2′和P2，来产生滤波器校正数据，即最佳状态计算信息x_m、误差信息P_m。接着，第三滤波器443将滤波器校正数据发送给第二滤波器442。下面将参照图9来说明用于产生滤波器校正数据即最佳状态计算信息x_m、误差信息P_m的方法。

在步骤S250(图8A)中，当接收到滤波器校正数据例如最佳状态计算信息x_m、误差信息P_m时，在步骤S260(图8A)中，第二滤波器442基于滤波器校正数据来校正地图约束滤波器的误差。方程式3示出步骤S260(图8A)中校正地图约束滤波器误差的的校正方程式。

参照图6至9，如下执行第三滤波器443的操作。在步骤S310中，第三滤波器443从第一滤波器441接收汽车的第一位置坐标信息以及从第二滤波器442接收汽车的第二位置信息。在步骤S320中，第三滤波器443使用第一位置信息和第二位置坐标信息，来计算最终的最佳位置坐标信息x″，y″和θ″，并且产生滤波器校正数据，即最佳状态计算信息x_m＝x″，y″和θ″、误差信息P_m。

以下方程式11示出步骤S320中产生滤波器校正数据即例如最佳状态计算信息x_m、误差信息P_m的方法。

[方程式11]

P_m＝[P₁^-1+P₂^-1+…+P_M^-1]^-1

$>>>>x>^>>m>>=>>P>m>>[sup>>P>1>>->1>sup>>>>x>^>>1>>+sup>>P>2>>->1>sup>>>>x>^>>2>>+>·>·>·>+sup>>P>N>>->1>sup>>>>x>^>>N>>]>$>

因为已经使用两个子滤波器第一滤波器441和第二滤波器442，而不是主滤波器即第三滤波器443，方程式11中“N”值是2。参照方程式11，使用从第一滤波器441和第二滤波器442输入的计算的位置坐标信息x1，x2和误差P1，P2，来产生滤波器校正数据例如最佳状态计算信息x_m、误差信息P_m。

在步骤S330中，第三滤波器443将最佳位置坐标信息x″，y″和θ″输出到地图匹配单元450。而且，在步骤S340中，第三滤波器443将滤波器校正数据，例如最佳状态计算信息x_m、误差信息P_m输出到第一滤波器441和第二滤波器442。接着，第一滤波器441和第二滤波器442使用滤波器校正数据，例如最佳状态计算信息x_m、误差信息P_m，来校正每个滤波器的误差。

地图匹配单元450具有两个功能。首先，地图匹配单元450响应于从第一滤波器441发送的汽车的第一位置信息x1′，y1′和θ1′，来提取包含道路误差的道路线性信息，并且将道路线性信息发送给第二滤波器442。其次，地图匹配单元450响应于从第三滤波器443发送的汽车的最佳位置信息x″，y″和θ″，来执行地图匹配。后者与传统地图匹配单元的功能相似。

参照图6至图10，地图匹配单元450的操作如下。首先，在步骤S410中，从第一滤波器441发送第一位置信息x1′，y1′和θ1′。接着，在步骤S420中，地图匹配单元450检测预先存储在存储器S430中的数字地图的链路信息和节点信息，并且在步骤S430中，基于链路信息和节点信息，来提取道路线性信息。

例如，当判断汽车位于某条道路时，以下方程式12示出从该道路获取的信息。

[方程式12]

aX+bY＝c

在方程式12中，当在TM坐标系中指出被看作直线的道路部分时，参数a，b和c分别对应于线性表达式的系数。地图匹配单元450提取线性表达式的系数例如a，b和c，并且在步骤S440中，将其输出到第二滤波器442。

同样，在步骤S450中，从第三滤波器443发送最佳位置坐标信息x″，y″和θ″。接着，在步骤S460中，地图匹配单元450检测已经存储在存储器430中的数字地图的链路信息和节点信息。在步骤S470中，基于链路信息和节点信息，来判断步骤S450中输入的位置是否是十字路口。在判断计算位置是否是十字路口时，使用前向节点信息和链路信息可检测预定距离之内十字路口的存在。同样，当从GPS/DR集成滤波器计算出的汽车轨迹经过十字路口节点时，或者不考虑轨迹没有经过或已经经过的事实，当测量出的空间方位角与当前计算道路的方向角具有较大差值时，就能够确定计算的位置是十字路口。

根据步骤S470中的判断，如果在步骤S450中计算出的位置是十字路口，则在步骤S480中选择相邻十字路口的链路。如果不是，则在步骤S490中，选择距离计算位置为最短距离的链路。在这种情况下，所选链路就是关于计算的位置坐标信息的匹配的地图信息。

如上所述，在步骤S500中，当已经关于计算的位置的坐标信息执行地图匹配时，计算与匹配的链路相对应的x和y坐标。接着，在步骤S510中，地图匹配单元450输出位置信息，以便在相应位置标示汽车的位置信息。

图6至10中说明的检测汽车位置的方法包含在图11中。图11是说明根据本发明实施例的汽车导航系统中检测汽车位置的方法的流程图。参照图11，在步骤S610中，从安装在汽车导航系统上的传感器输入传感器数据，包含汽车的位置坐标信息和方向信息。接着，在步骤S620中，汽车导航系统初始化GPS/DR滤波器模型，以根据传感器数据来计算第一位置信息，并且在步骤S630中，利用GPS/DR滤波器模型来计算第一位置信息。方程式1示出在步骤S620中初始化的GPS/DR滤波器模型。而且，利用GPS/DR滤波器模型来计算汽车的第一位置信息的方法如方程式2所示。

如上所述，当计算出汽车的第一位置信息时，在步骤S640中，汽车导航系统利用第一位置信息来提取道路线性信息。此处，所提取的道路线性信息代表方程式4中所示的线性表达式的系数。

在步骤S650中，汽车导航系统基于所提取的道路线性信息，初始化地图约束滤波器模型，并且在步骤S660中，利用地图约束滤波器模型来计算第二位置信息。在这种情况下，方程式5示出在步骤S650中被初始化的地图约束滤波器模型。而且，方程式2示出利用这种地图约束滤波器模型来计算汽车的第二位置信息的方法。

如上所述，当计算出汽车的第一和第二位置信息时，在步骤S670中，汽车导航系统利用第一和第二位置信息，来计算汽车的最佳位置信息。而且，在步骤S680中，汽车导航系统产生滤波器校正数据，用于校正GPS/DR滤波器模型和地图约束滤波器模型。在这种情况下，方程式11示出产生滤波器数据的方法。

而且，在步骤S690中，为了确定汽车的最终位置信息，将步骤S670中计算出的汽车的最佳位置信息发送给地图匹配单元。在步骤S700中，利用步骤S680中产生的滤波器校正数据，来校正GPS/DR滤波器模型和地图约束滤波器模型。

如上所述，与仅使用道路的方向作为测量值的情况相比，本发明能够在将地图约束滤波器应用到第二滤波器之后，通过计算包含道路宽度的汽车位置，来对汽车位置施加约束。而且，本发明在每次输入传感器信息时，能够使用包含地图信息的约束模型，通过执行包含误差的传感器信息的实时校正，来提高汽车位置确定的精确度。而且，由于包含在测量值中的误差分量具有与道路实际宽度有关的物理意义，本发明能够提供更切合实际的位置信息。因此，由于汽车导航系统基于汽车的当前位置信息给司机提供引导消息，本发明能够给司机提供更精确的信息。

虽然已经参照特定优选实施例示出和说明了本发明，本领域技术人员应该理解，在不脱离所附权利要求所限定的本发明的精神和范围的情况下，能够对其进行形式和细节上的各种改变。