劉詠晨　金日鑫

【摘 要】本文根據混合地圖的匹配技術，研究了城市中的智能車輛的定位方法。從而降低了傳統(tǒng)定位方法造成的定位方面的誤差。本位將研究的根據混合地圖進行智能車輛的定位方法主要包括兩方面的內容：如何創(chuàng)建混合地圖、智能車輛根據混合地圖定位的相關問題。在研究創(chuàng)建混合地圖的方法中，利用了一種剛提出的混合的有關地圖方面的框架。這種框架可以講城市劃分為兩種相對的區(qū)域，即強約束區(qū)和弱約束區(qū)。位于拓撲地的節(jié)點就是弱約束區(qū)，把強約束區(qū)做為與相應節(jié)點連接的邊。研究智能車輛如何根據混合地圖定位的問題時，根據環(huán)境條件的不同，而確定車輛運動的方位。當車輛處于強約束區(qū)時，車輛根究多種特征來確定其可通行的區(qū)域。當車輛處于弱約束區(qū)時，則車輛必須遵守一種被成為馬爾可夫的定位方法。

【關鍵詞】智能車輛 混合地圖 同步定位與地圖創(chuàng)建

1 概述

汽車做為多種交通工具的一種，為人們的出行帶來了巨大的方便。但同是交通事故越來越頻繁的出現在人們的日常生活中。不僅給人們造成了財產方面的損失，更嚴重威脅著人們的生命安全。因而，智能車輛是汽車發(fā)展的一種必然趨勢。智能車輛包含了計算機科學、傳感技術、控制技術等多種技術。它們可以較快的感應車輛外部的各種情況以及車輛自己的狀態(tài)。除此之外，它們還可以根據外界環(huán)境自動調節(jié)。這些智能車輛有效的提高了汽車本身的安全系數。智能車輛的定位系統(tǒng)包括利用傳感器處理數據，規(guī)劃路徑、自身定位等多部分組成。其中自身定位是指車輛通過其自身的組成來確定它所處的具體位置。根據參考坐標系的不同。智能車輛可以進行絕對定位和相對定位。絕對定位與相對定位的參考坐標系不同。絕對定位是以地心做為坐標系，而相對定位的坐標系則不同。絕對定位確定車輛在地球表面的位置，而相對定位則確定車輛與目標之間的位置關系。綜上所述，智能車輛在行駛過程中可以確定自身的具體位置以及車輛自身與各目標之間的相對位置。

2 智能車輛定位技術的相關問題

2.1 智能車輛的跟蹤技術

在探討車輛跟蹤方法時，必須把確定車輛的起始位置做為已知條件。車輛跟蹤的最基本的方法是采用航跡推算法。即通過兩種方式確定車輛的位置。一種是自身運動的控制輸入，另一種是通過自身信息計算來確定車輛的位置。主要使用里程計或者車輛傳感器或者車輛前輪偏角確定車輛的位置。除了這種技術以外，當知道車輛的起始位置而不知道周圍環(huán)境的地圖的時候，同步定位與地圖創(chuàng)建技術也是一種及其常見的技術。同步定位與地圖創(chuàng)建技術指車輛處于不知的環(huán)境，行駛過程中不斷采集周圍的信息，結合地圖確定自己所處的具體位置。

2.2 智能車輛的全局定位技術

全局定位指在不知起點的情況下，確定車輛的位置。當面對這種情況時，車輛無法知道其起始定位時的誤差，需要外界的車輛的相關信息對自身進行定位。全局定位主要包括兩種方法。即根據衛(wèi)星導航系統(tǒng)進行的全局定位和根據地圖的匹配方法而進行的全局定位。衛(wèi)星導航系統(tǒng)是廣泛適用于航空、車輛定位系統(tǒng)中最為廣泛的定位方法。衛(wèi)星定位的原理是通過計算特定用戶與太空中不少于三個衛(wèi)星之間的距離，以衛(wèi)星的空間位置為依據，利用特定的計算方法，從而可以計算出用戶的地理位置。地圖匹配定位也是一種常用的方法。地圖匹配定位指把車輛感知到的周圍的環(huán)境信息與地圖進行匹配，進而估計車輛在環(huán)境中的相對位置。因為不知道車輛的初始位置和定位誤差，其在空間上的概率分布一定不會滿足高斯模型。當反復出現多次相同的環(huán)境時，在剛開始定位時期，車輛在空間上的分布的概率會出現多個峰值。這時就需要采用馬爾可夫定位法。馬爾可夫定位法不僅可以解決起始位置不知的情況還可以解決由于環(huán)境相似而出現的多個峰值的情況。除此之外，它還具有從失敗中回復的能力。當從運動控制的角度考慮時，馬爾可夫可以直接確定智能車輛與環(huán)境的相對位置。

3 混合地圖的種類

混合地圖主要包括二維環(huán)境地圖和三維環(huán)境地圖。同步定位和地圖創(chuàng)建是提高二維地圖精確度的方法。創(chuàng)建地圖要求通過地圖與環(huán)境數據匹配進而提高地圖的精確度，此后利用提高準確度后的數據創(chuàng)建地圖，從而可以獲得更精確地環(huán)境地圖。利用二維傳感器的三維環(huán)境地圖和采用三維傳感器的三維環(huán)境地圖是三維環(huán)境地圖的創(chuàng)建方式。

4 混合地圖智能車輛的定位方法

4.1 智能車輛在強約束區(qū)定位的方法

當車輛處于強約束區(qū)時，環(huán)境中的道路邊沿、紅綠燈等交通標志都可以被車輛中的環(huán)境傳感器感應到。得到識別后，智能車輛可以根據這些具體的標志或者邊界的相關條件而確定車輛在環(huán)境中的具體位置。

4.2 智能車輛在弱約束區(qū)定位的方法

當車輛處于或者即將進入弱約束的時候，可以通過GPS定位系統(tǒng)獲得車輛在其相應節(jié)點處的柵格地圖，利用地圖匹配的相關方法計算出其在環(huán)境中的相對位置，從而可以引導車輛順利行駛過弱約束區(qū)。

4.3 激光雷達光線追蹤

為了及時更新地圖，必須統(tǒng)計激光脈沖經過的地圖柵格。采樣位置就是激光光源位置。由測量數據可知可以知道激光測量點。用光線追蹤技術統(tǒng)計激光脈沖所經過的格柵。換句話說，關于激光的光線追蹤問題，以激光測量距離為最大值，用一定距離的步長按照激光脈沖方向采樣。并記錄各個采樣點的具體的格柵位置。

參考文獻：

[1]劉志剛汽車發(fā)展史簡述[J].汽車運用，2000（12）：15-16.

[2]Borhade S， Shah M， Jadhav P， et al. Advanced driver assistance system[C]. International Conference on Sensing Technology. Kolkata： IEEE，2012：718-722.

[3]Bishop R. Intelligent vehicle technology and trends[M]. USA： Artech House，2005.

[4]Milton A F， Klager G A， Bowman T R， Jr. Low-cost sensors for UGVs[C]. The International Society for Optical Engineering. Orlando， USA： IEE，2000：180-191.

[5]姜涌，曹杰，杜亞玲.基于視覺的碼頭集裝箱AGV導引系統(tǒng)[J].南京航空航天學報，2006（05）：628-633.