用于获取机动车在大地坐标系中的实际位置的方法以及机动车

摘要

本发明涉及一种用于获取机动车(6)在大地坐标系中的实际位置(5)的方法，所述实际位置从——特别是通过被分配给全球导航卫星系统的位置传感器(8)采集的——第一测地学位置数据(2)的时间序列并且通过至少一个自身移动传感器(9)采集的自身移动数据(3)获取，其中，从参考时间点开始通过对由当前的自身移动数据(3)得出的机动车(6)位移向量应用变换到大地坐标系的变换来获取所述位置，所述参考时间点与所述变换相关，其中，在回归分析的范围内所述变换被确定为根据在限定的时间段内获取的位置数据(2)曲线在同一时间段内获取的位移向量曲线的最优的图形。

说明书

技术领域

本发明涉及一种用于获取机动车在大地坐标系中的实际位置的方法， 所述实际位置从——特别是通过被分配给全球导航卫星系统的位置传感器 采集的——第一测地学位置数据的时间序列并且通过至少一个自身移动传 感器采集的自身移动数据获取。此外，本发明还涉及一种机动车。

背景技术

尽可能精确的位置信息在现代机动车中对于多种车辆系统而言，尤其 是对于其中可能包含部分高度精确的信息、例如路障信息的导航系统而言 是很实用的。由此力图尽可能精确地确定机动车的位置。对此提出使用位 置传感器，这些位置传感器能够基于全球导航卫星系统(GNSS)、例如 GPS(全球定位系统)来定位机动车。在大地坐标系中确定位置的其他可 能性在于探测其确切位置是已知的指路牌和/或通过外部传感器、例如摄像 机拍摄机动车，该摄像机例如通过车对X通信传送大地坐标系中的相应的 位置数据，因为至少该外部传感器的确切位置是已知的。但这种位置确定 系统却常常不具备必需的精确性并且尤其还显现出偏差于高斯误差分布的 不精确性。

因此提出，可以使用机动车中采集的其他的传感器数据来确定机动车 的精确的实际位置。在此情况下尤其是提供至少一个自身移动传感器的自 身移动数据，这种自身移动传感器允许例如通过预设的时间窗来追踪机动 车的全部移动。自身移动数据通常包括位置增量，由此包括在利用自身移 动传感器两次采集传感器数据之间矢量的方向和大小。自身移动传感器可 以是例如可通过假定的或同样已知的车轮周长测量经过的行程的车轮转速 传感器或包括惯性传感机构。

现有技术中已经提出了一种将GNSS与自身移动评估装置相连接以允 许尤其是在城区中更好地定位机动车的方法。在该方法中使用了状态评估 装置、例如卡尔曼滤波器以及状态评估装置的派生装置，对此可以参考以 下权威著作例如，J.Wendel“IntegrierteNavigationssysteme:Sensordaten, GPSundInertialeNavigation”,OldenbourgWissenschaftsVerlag,2007 (奥尔登堡经济出版社于2007年出版的作者为J.Wendel的著作“集成导 航系统：传感器数据、GPS以及惯性导航”)以及J.Farrell,“TheGlobal PositioningSystem&InertialNavigation”,McGraw-HillCompanies,Inc., 1998(麦格劳希尔股份有限公司出版的作者为J.Farrell的著作“全球定位 系统&惯性导航”)。但这种状态评估装置的应用存在许多缺陷。其一就 是由于历史数据(Historie)仅涉及状态-协方差矩阵，所以几乎没有考虑 到自身移动评估装置的内部统一性，由此也几乎没有考虑到自身移动轨迹 (Ego-Trajektorie)。此外，公知的方法与通常由GNSS的位置传感器提 供的置信性质量没有太大关联。使用状态评估装置的前提条件是存在高斯 分布误差，这在GNSS中并非总能适用。在处理位置数据、尤其是GPS 数据时必然要费力地补偿等待时间。必要时要静态地进行离群值检测。

发明内容

因此，本发明的目的在于提供一种更好地、尤其是更为精确地获取机 动车的实际位置的方法，这种方法尤其还考虑到了数据来源的特别特征。

为了实现上述目的，按照本发明在开头所述类型的方法中提出：从参 考时间点开始通过对由当前的自身移动数据得出的机动车位移向量应用变 换到大地坐标系的变换来获取所述位置，所述参考时间点与所述变换相关， 其中，在回归分析的范围内所述变换被确定为根据在限定的时间段内获取 的位置数据曲线在同一时间段内获取的位移向量曲线的最优的图形。

由此提出：将变换应用于与自参考时间点开始求积分(aufintegrieren) 的自身移动数据相对应的位移向量，并由此得出机动车自参考时间点起(并 且由此以参考位置为起点)实际朝向什么方向移动了多远。例如，可以计 算出从参考时间点开始时测量到的位置增量之和，但该参考时间点也并非 必须是固定不变的，因为为了改变变换作为平移(Translation)仅需要添 加从旧参考时间点到新参考时间点(或所属的位置)的位移向量。而且本 来也无需始终提供所有的自身移动数据，因为仅需要向在最后的时间步时 所使用的位移向量中添加一个新的附加的位置增量即可。

在回归分析的范围内确定变换。在此所提供的方法通过借助回归分析 使得自身移动轨迹与位置数据、尤其是GPS测量点相配合来解决传感器数 据融合的问题。根据这种配合可以优化地推测对于变换的规定。在此充分 利用了以下情况，即通过自身移动数据描述的自身移动轨迹在短时间内是 准确的，也就是说，误差随着时间缓慢增长。大地坐标系中的位置数据、 尤其是GPS位置数据被视为是长期稳定的，也就是说，认为位置数据的预 期值与实际值相对应。

这种借助回归来描述的传感器数据融合与公知的方法相比具有诸多优 势。相对于没有进行高斯分布的误差而言它提供了更大的稳定性 (Robustheit)，因为这种误差并不被作为前提条件。该稳定性还会相对 于不准确的置信性而升高。这种方式由此实现了一种需更详尽地论证的适 应性的离群值/异常值检测，其中，变换的每个优选地周期性地实现的重新 计算均可能是一种新的选择。此外，内在地包含自身移动轨迹的内部统一 性。

在此也可以将变换的参数理解为描述实际位置模型的参数。由此定期 地汇集描述机动车轨迹的位置数据和自身移动数据，以便从模型评估中获 取变换的参数，当存在新的自身移动数据时始终可以将变换的参数应用于 实际的位移向量中，从而可以获取更好的、更精确的测地学位置。

可以使用GPS传感器作为用于获取位置数据的位置传感器，其中，当 然也可以使用用于其他全球导航卫星系统(GNSS)的其他位置传感器。 还可以从其他来源获取位置数据，例如通过探测其测地学位置是已知的指 路牌或另外的物体，但或者通过可以利用例如车对X通信将其观察结果传 输给机动车的外部传感器。因此，按照本发明的方法通过利用回归进行自 身移动联接来改善确定的位置数据。在此，正如所描述的那样以位置数据 确定变换，可以通过该变换将位移向量传输到大地坐标系中。

还可以将至少一个车轮的转速传感器用作为用于获取自身移动数据的 自身移动传感器，其中，可以额外地通过不同的其他传感器和/或机动车系 统来获取移动方向。采集自身移动数据的方法基本上都已被现有技术公知 并且也可以使用在本发明的范围内。

适宜的是使用包括至少一个旋转(Drehung)和至少一个平移 (Translation)的变换。此时优选的是自身移动数据的曲线尽可能保持不 变，也就是说，将相同角度的唯一的旋转作为变换参数应用于曲线的所有 位移向量并且将相同的平移应用于曲线的所有位移向量，其中，输入平移 向量代表其他的变换参数。变换的部分也就是总平移和总旋转。

在本发明的一个特别有利的方案中规定，所述变换额外地包括位移向 量的缩放。这种也可以直接应用于位置增量的缩放因数弥补了自身移动数 据确定方面的不精确性，这与行程长度、例如轮胎圆周的错误预测以及诸 如此类相关。另外通过这种方式弥补了陆地表面不平坦的实际情况，因为 在大多数情况下使用的都是二维的大地坐标系。

通常可以用使曲线偏差最小化的优化方法来确定所述变换。这是适宜 的，因为与位置数据相比可以更频繁地采集自身移动数据，从而确定每个 在位置数据中针对它也存在一个位置数据的时间点的位移向量，并且仅考 虑通过采集位置数据的时间点所确定的取样点(Stuetzstelle)。可以考虑 自身移动数据的内插法。可以通过如下方式搜寻优化的变换，即，为实际 观察的变换确定一个用于这种时间点中的每个时间点的变换过的位移向 量。然后通过观察在相同时间点上的位置数据与变换的位移向量之间的差 别给出曲线的偏差。可以通过结合不同时间点的各自的误差来获取被最小 化的目标函数，其中可以实现线性的或非线性的优化。

适宜的是通过以下方式作为优化方法的初始位置以如下方式设置位移 向量的曲线，即，使第一位移向量与第一位置数据相对应和/或使最后的位 移向量与最后的位置数据相对应。由此给出了用于搜寻最小值，也就是曲 线的最佳一致性的好的初始位置。假如将缩放因数用作为变换的参数，则 另外还可能以如下方式设置位移向量的曲线，即，第一位移向量与第一位 置数据相对应且同时最后的位移向量与最后的位置数据相对应。

优选地，在优化方法中以不同的加权方式考虑曲线的不同时间点上的 偏差。也就是说，例如在构成上述目标函数的过程中还可以加入权重因数， 该权重因数可以例如造成以不同加权方式评价各个时间点上的偏差。为此 可以进行以下设置：时间上较早测量的点的加权略高于时间上较晚测量的 点。其原因在于，测量误差通常与机动车的自身速度以及偏转比率相关联， 所以更为适宜的是与旧的点相比新的点权重更高。但同样可以另外进行以 下设置：利用与被分配给各个位置数据的置信值相关联的权重因数来实现 上述加权。通常GNSS位置传感器除了位置数据以外还提供置信值，该置 信值描述的是估测的位置确定精确性。也可以将置信值用作为误差向量的 加权。另外可以考虑，令与机动车的偏转比率或另一行驶动力学参数相关 联的速度因数也与例如速度直接相关。由此可以在采集位置数据的同时关 注机动车的状态。

在本发明的一个尤其具有优点的构造方式中进行以下设置：在使用 RANSAC-算法确定变换之前和/或期间识别位置数据的曲线中的离群值并 且在确定变换时不考虑所述离群值。在GNSS位置数据中的离群值可以例 如由于通常在城市环境中卫星所发射的信号反射到机动车周围环境中的物 体上以及诸如此类而引发。由此可以得到明显与包含在曲线中的其他位置 数据相偏差的位置数据。可以例如借助现有技术中公知的RANSAC-算法 搜寻到这种离群值。例如在MartinA.Fischler和RobertC.Bolles的基础 论文“Randomsampleconsensus:aparadigmformodelfittingwith applicationstoimageanalysisandautomatedcartography”,Commun. ACM,24(6):381–395,1981(“随机样本一致性：与用于图像分析和自动 化制图的应用程序相匹配的模型范例”)中描述了上述RANSAC-算法。

这种方法的一种改进方案提出：通过多次相继地获取变换、尤其是通 过形成平滑的中间值来对描述所述变换的参数进行平滑处理。由此可以考 虑例如通过状态评估来实现的变换参数的曲线的平滑处理。在此可以将变 换要求视为是静态的或至少缓慢地变化的，从而能够抑制例如在变换参数 中突然出现的不期望的跳跃。在这种情况下，回归的结果首先被提供用于 多次连续地进行回归分析，然后再进一步例如通过形成平滑的中间值来进 行平滑处理。

正如已经阐明的那样，可以周期性重复地尤其是利用给出新的位置数 据的频率或其整数的小部分(Bruchteil)来重新确定变换。由此可以例如 在以10Hz的频率提供位置数据的位置传感器中每隔0.1s实现一个新的变 换确定。但并非在每次例如通过位置传感器获取重新测量到的位置数据时 都需要执行一次新的回归分析，而是正如在以上描述的，尤其是利用5Hz， 1Hz，0.5Hz的频率或类似的整数的小部分的实例中所展示的那样，仅在 较大的时间间隔中重复地获取变换就足够了。由此在不会由于过于频繁的 重新确定而出现例如所描述的控制装置的极大负荷的情况下有规律地进行 重新确定。

限定的时间段的长度可以选择为20秒至40秒、优选30秒或以如下方 式选择，即，在该限定的时间段中存在100个至500个采集位置数据的时 间点。在此，该限定的时间段优选地包括预设数量的、采集位置数据的时 间点。假如预设的时间段的长度为30秒，那么在5Hz的位置数据传输频 率下与这个时间段相对应的预设的时间点的数量为150，在10Hz的位置 数据传输频率下预设的时间点的数量为300。

尤其优选的是，在确定所述变换的同时还获取自身移动传感器的传感 器模型的至少一个参数、尤其是描述测量误差的参数。另外还可以同时优 化传感器模型、尤其是误差模型的参数。例如已知的是：测量误差与速度 之间存在一种线性关系，这种线性关系涉及的是自身移动传感器。由此可 以从传感器模型(误差模型)中估测出这种测量误差，从而可以在通过传 感器模型中的参数优化关于误差的描述的同时改善自身移动数据的预处 理。

除上述方法以外，本发明还涉及一种机动车，该机动车包括被设计用 于实施按照本发明的方法的控制装置。该机动车另外具有用于位置数据的 第一数据源、尤其是GNSS的位置传感器以及用于自身移动数据的第二数 据源、尤其是至少一个自身移动传感器。在传感器融合的情况下，使用位 置数据和自身移动数据来实现更好的位置确定。按照本发明的方法的所有 实施方式都可以相应地转用于按照本发明的机动车，借此该机动车可以具 有相同的优势。

附图说明

下面通过实施例的描述并且借助附图给出本发明的其他优点、特征和 细节。其中：

图1示出用于阐述按照本发明的方法的概况图；以及

图2示出按照本发明的机动车。

具体实施方式

图1示出了用于实施按照本发明的方法的概况图。本方法最终在两个 不同的时间标度上进行，在步骤1中每隔5秒根据位置数据2和自身移动 数据3重新计算变换参数，同时在步骤4中自参考时间点起明显较频繁地 例如以大于10Hz的频率将变换应用于实际的、明显较频繁地出现的位移 向量。简而言之：本方法首先在步骤1中获取与参考时间点相关的变换以 及描述自参考时间点起的位置变化的位移向量，然后在步骤4中将该位移 向量变换到全球大地坐标系中，从而可以换获取高精确的、实际的位置5。 下面将更详尽地阐述上述方法。

在步骤1中观察目前包含N＝150个时间点的预设的、限定的时间段， 在这个时间段的位置数据被采集。当向位置传感器——在本实施例中是 GPS-传感器——以5Hz的频率传输位置数据之后，预设的时间段的长度 为30秒。在下文中以p_i来表示在大地坐标系中在时间点i时的位置数据的 向量。对于每个时间点i而言都能够通过自身移动求积分从自身移动数据3 中获取在零向量的参考时间点时的位移向量v_i。由此，在每个时间点N时 都存在数据对(p_i,v_i)。在回归分析的范围内应首先确定应用于位移向量 v_i的变换，由此使得通过变换的位移向量构成的曲线尽可能精确地符合 通过位置数据p_i确定的曲线。

然而首先通过RANSAC-算法检查位置数据p_i的离群值；出于其他考 虑而抽出这些离群值。

在本实施例中，以以下变换为出发点来确定变换的位移向量

涉及经过角度的旋转，这个旋转适用于所有的v_i。o描述用于 所有v_i的固定的平移。参数a是缩放因数，该缩放因数能够补偿地面相对 于平面的偏差并且还能够补偿在例如通过在车轮的转速传感器中错误地获 取的轮胎圆周来确定自身移动数据的情况下出现的偏差。由此，存在4个 变换参数，即，旋转角缩放因数a以及平移o的两个坐标值。

对于曲线中的每个点i(最终对于每个时间点)都能够确定出一个偏差 e_i：

$e_i=p_i-{\tilde{v}}_i$

从中能够限定出被最小化的目标函数E。

E＝∑w_i*|e_i|

在一个优化方法中，在最小化对变换的曲线相对于通过位置数据限 定的曲线p_i的偏差进行描述的目标函数E之前，通过使得第一位移向量v₁与第一位置数据p₁相对应并且最后的位移向量v_N与最后的位置数据p_N相 对应来选择一个适合的起始点，这在使用缩放因数a的情况下能够毫无疑 问地实现。

然后实施一个优化的方法，该方法最小化目标函数E并且由此确定出 对于变换的参数、也就是对于a、以及o而言优化的评估。根据上述用 于目标函数E的公式可知其中包括了权重因数e_i。在此通过以下方式实现 加权，即，较老的值、也就是曲线的更早的点的权重略低于较新的；另外 还将用于各个位置数据的由位置传感器提供的置信值加入到加权中。

为了将来能够更好地预处理自身移动数据3，在获取变换的参数的同 时另外还对至少一个自身移动传感器的传感器模块的至少一个描述测量误 差的参数进行优化。

在本发明中每5秒周期性地重新确定变换的参数，其中另外开始令变 换的参数及传感器模块的参数进行平滑处理。在本发明中通过多次的回归， 也就是多次在时间上连续地实施步骤1形成适合的平均值来实现上述设 置。但这是有选择性的或仅能够针对于几种特定的参数实施。

在步骤4中能够使用实际的变换参数，从而分别应用实际的自身移动 数据3计算出更好的实际位置5。

图2示出了按照本发明的机动车6的概况图。该机动车包括可以在其 中实施按照本发明的方法的控制装置7。控制装置7为此采集在此是GPS- 传感器的位置传感器8的、恰恰与至少一个自身移动传感器9的自身移动 数据3相违背的位置数据2。通常通过结合多个传感器、例如用于通过采 用确定的轮胎周长的车轮的转速传感器获取已经过的行程的传感器以及用 于根据罗盘和/或内部传感机构的数据确定方向的传感器的数据来形成自 身移动数据。

获取的实际位置5可以被输出给机动车6的总线系统10、例如CAN 总线，在总线系统中该实际位置能够进一步应用于例如导航系统11或其他 在此并未详细展示的车辆系统。