車輛監(jiān)控定位的發(fā)展

對圖像的監(jiān)控人員來說，圖像不清晰難以取證且容易對畫面產(chǎn)生疲勞感；然而智能的畫面去抖可以解決這類問題，而在公交行業(yè)中，如客流統(tǒng)計、人臉識別、車牌識別等智能系統(tǒng)也能夠給后臺的運(yùn)營提供更好的幫助。 集成化。隨著越來越多的行業(yè)用戶對車載監(jiān)控系統(tǒng)的重視，車載監(jiān)控逐漸從單一的視頻監(jiān)控向?qū)I(yè)的解決方案方向發(fā)展。

通過攝像頭或激光雷達(dá)的地圖信息匹配方法也是一種位姿估計方法。該方法通過事先建立地圖信息，在無人駕駛過程中，不斷將檢測到的數(shù)據(jù)特征與地圖信息進(jìn)行對比匹配，從而得到車輛在地圖中的位姿?；诘貓D信息匹配定位方法的優(yōu)點(diǎn)在于無累積誤差，不需要對道路進(jìn)行改造；其缺點(diǎn)在于包含地圖生成和地圖匹配兩個步驟，而地圖生成需要提前采集制作，在室外場景中，會地圖的數(shù)據(jù)量十分巨大，而且對地圖匹配中的實(shí)時性帶來很大挑戰(zhàn)。

針對現(xiàn)有車輛定位裝置定位精度不高的問題，提出一種面向車輛自組織網(wǎng)絡(luò)的車輛方法。首先，獲取車輛上的多傳感器信息，融合這些信息構(gòu)建當(dāng)前車輛的狀態(tài)模型；然后，采用貝葉斯濾波方法計算車輛當(dāng)前狀態(tài)的可信度；接著，結(jié)合當(dāng)前車輛的一跳鄰居車輛信息估算其相對位置；后，綜合上述信息修正車輛的當(dāng)前位置，提高車輛定位精度。實(shí)驗(yàn)表明，與常用的全球定位系統(tǒng)（GPS）、擴(kuò)展卡爾曼濾波方法相比，該方法的定位精度高，且受GPS定位誤差的影響小。

目前常用的車輛定位方法有TOA（Time of Arrival）和AOA（Angle of Arrival）方法，前者是基于達(dá)到時間來估算目標(biāo)的相對距離，該方法在遮擋情況下測量誤差很大；后者是基于達(dá)到角度來測量目標(biāo)的距離，一般適用于短距離的測量，對車輛定位而言效果不好。全球定位系統(tǒng)（GPS）是目前應(yīng)用效果較好的定位技術(shù)，但在安全駕駛應(yīng)用領(lǐng)域精度還不夠高，且遮擋情況下多徑效應(yīng)比較嚴(yán)重。采用慣性導(dǎo)航技術(shù)可以一定程度上彌補(bǔ)GPS的一些缺陷，但是成本較高，不利于推廣使用。擴(kuò)展卡爾曼濾波方法是專門為非線性的車輛運(yùn)動設(shè)計的跟蹤方法，在車輛定位方面有成功應(yīng)用，然而，目前的車輛定位方法定位精度仍然無法滿足車輛安全駕駛等應(yīng)用需求。