买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉北方工业大学申请的专利基于多传感器融合的智能网联汽车复合定位方法及装置获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN115540882B 。

龙图腾网通过国家知识产权局官网在2025-11-07发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202211343799.5，技术领域涉及：G01C21/30；该发明授权基于多传感器融合的智能网联汽车复合定位方法及装置是由王庞伟;刘程;俞宏胜;张名芳;叶荣盛设计研发完成，并于2022-10-31向国家知识产权局提交的专利申请。

本基于多传感器融合的智能网联汽车复合定位方法及装置在说明书摘要公布了：本发明提供了一种基于多传感器融合的智能网联汽车复合定位方法及装置。本发明利用车联网下V2X通信的优势，结合地平线AI芯片设计了智能网联汽车复合定位方法及装置。其中，搭载V2X通信单元的路侧定位平台可代替差分基准站，通过V2X同通信的方式完成修正量的发送至车载平台。同时，本发明提出了基于无迹卡尔曼滤波算法的多层融合方法，能够在路侧端准确定位智能网联汽车。通过与高精地图相匹配得到精准的智能网联汽车定位偏差并通过路侧单元将经纬度偏差量发送至车载单元，修正车载GNSS定位结果，达到厘米级的定位精度，提高了智能网联汽车复合定位系统的可靠性。

本发明授权基于多传感器融合的智能网联汽车复合定位方法及装置在权利要求书中公布了：1.一种基于多传感器融合的智能网联汽车复合定位方法，其特征在于，该方法包括如下步骤： 步骤1：智能网联汽车状态定义 激光雷达与摄像机分别为单个局部滤波器，定义每个局部滤波器定位智能网联汽车的状态如下： 其中，δx,δy为智能网联汽车横纵向位置偏差；δvx,δvy为智能网联汽车横纵向速度偏差，其标准状态方程如下： 其中，Btut为局部滤波器的控制输入，为获取智能网联汽车的位置与速度的观测值，构建激光雷达与摄像机的量测模型，如下： 其中，ZCk表示摄像机的量测模式，ZLk表示激光雷达的量测模式；xm、ym、vxm与vym分别表示由高精地图获取的智能网联汽车位置与速度数据；xCamera、yCamera、vxCamera与vyCamera分别表示由摄像机获取的智能网联汽车位置与速度数据；xLidar、yLidar、vxLidar与vyLidar分别表示由激光雷达获取的智能网联汽车位置与速度数据； 步骤2：基于无迹卡尔曼滤波的智能网联汽车定位数据融合 初始化激光雷达与摄像机代表的局部滤波器Xs，如公式4所示： 其中，表示局部滤波器Xs的初始均值；Ps0表示局部滤波器Xs的初始方差； 分别获取激光雷达与摄像机定位智能网联汽车的结果作为观测值，通过无迹变换得到k-1时刻2n+1个σ点的状态，如公式5所示；定义无迹变换采用的参数如公式6所示： 其中，分别表示第0个和第s个σ点的状态；a是正极小量；是通过矩阵Psk-1的下三角分解获得的平方根的第j列，其向量维数为n； 在k时刻计算下一步复合定位方法的预测结果，如公式7所示： 通过复合定位方法预测的结果更新激光雷达与摄像机传感器的量测结果，如公式8所示；更新方程中权重值定义如公式9所示； 其中，Hsk表示测量矩阵；表示局部滤波器Xs第k次观测的中间变量；表示局部滤波器Xs第k次观测结果；表示局部滤波器Xs第k次观测结果的协方差；Rsk表示系统噪声； 最后计算各局部滤波器的最优状态估计和协方差矩阵并将每个局部滤波器的结果输入至补偿融合层，如公式10所示： 其中，Ksk表示卡尔曼滤波增益； 步骤3：智能网联汽车定位数据融合补偿 智能网联汽车安装的GNSS接收机实时获取经纬度数据，并分别计算激光雷达、摄像机传感器与接收机的相对定位误差平均值，将高精度地图下智能网联汽车的位置数据Pm＝[xm,ym,vxm,vym]作为局部滤波器的参考，分别与激光雷达与摄像机的观测结果做差，获取路侧定位平台中单传感器定位智能网联汽车的偏差量，如公式11所示： 其中，ΔY＝[Δx,Δy,Δvx,Δvy]T为激光雷达与摄像机分别定位车辆坐标的状态误差补偿值；分别为激光雷达与摄像机定位智能网联汽车的结果，为GPS定位智能网联汽车的结果； 采用均值理论处理所有局部滤波器的结果，如公式12所示： 其中，与表示第1个与第2个滤波器结果，在此分别表示激光雷达与摄像机对智能网联汽车的量测结果；表示补偿前智能网联汽车的位置与速度状态，补偿方法如公式13、14所示： Y*Sensors＝[x*,y*,v*x,v*y]T13 其中，Y*Sensors表示补偿后智能网联汽车状态；x*,y*,v*x,v*y表示补偿后的智能网联汽车期望横纵向位置与速度； 步骤4：结合路侧定位平台经纬度数据的智能网联汽车定位联合优化 将补偿后的传感器定位数据与路侧定位平台的经纬度数据相结合，通过UKF进行异构优化；联合优化层中智能网联汽车状态向量X't与离散的时间模型X'k如式14’、15所示： X't＝[δx',δy',δv'x,δv'y]T14’ X′k＝f′X′k-1+B′k-1u′k-1+w′k-115 其中，X't表示联合优化层中智能网联汽车的状态；w′k-1为零均值高斯白噪声，假设其协方差为Qk-1；B′k-1u′k-1为局部滤波器的控制输入；联合优化层的量测模型如公式16、17所示： Z′k＝H′kX′k+v′k17 其中，Z′k表示联合优化层智能网联汽车的量测模式，测量矩阵H'k为diag[ones1,3,RM,RNcosL,1]；RM，RN，L分别表示智能网联汽车所在的中值半径、法向半径、纬度，v′k表示系统噪声； 其次，将由公式15、17组成的状态空间模型代入步骤2中以获得全局最优状态估计相应智能网联汽车复合定位结果如公式18所示： 其中，表示测量的定位结果； 步骤5：局部坐标系与大地坐标系变换 将局部坐标系下智能网联汽车的相对定位结果变换为大地坐标下的定位结果，如公式19所示： pwc＝Rr-＞w·pcar+cr-w19 其中，以路侧定位平台为圆心的局部坐标系与大地坐标系间的旋转矩阵及平移矩阵分别为Rr-w、cr-w；目标车辆的局部坐标为pcar＝xcar,ycar；智能网联汽车在大地坐标系中的坐标为pwc＝xw_car,yw_car； 最后，再将复合定位系统输出的数据与车载端获取的经纬度数据作差分，得到智能网联汽车位置差分数据Ydifference，具体表达式如式20所示： 步骤6：路侧定位平台与车载平台V2X通信 路侧定位平台的RSU将智能网联汽车的经纬度数据发送至车载平台的OBU； 步骤7：智能网联汽车经纬度数据修正与滤波 智能网联汽车定位数据来源包括t时刻路侧定位平台通过V2X发送的经纬度数据以及车载GNSS接收机采集到的经纬度数据设计了滤波算法以去除异常的经纬度值，包含以下两个约束： 其中，Xn、Yn分别表示交叉口区域内所有可能取到的经纬度数值； 经纬度异常值被过滤后，通过两个不同的权重值融合多源的经纬度数据，如公式23所示： 其中，w1、w2分别表示经度与纬度的权重值；xt、yt分别表示修正后的智能网联汽车经纬度数据。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人北方工业大学，其通讯地址为：100144 北京市石景山区晋元庄路5号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。