商标分类 
商标转让 
您当前的位置： 安全、自主地确定列车在轨道上的位置信息的方法与流程
2021-02-06 07:02:42|
305|
起点商标网
本发明涉及一种安全确定列车在轨道上的位置信息的方法，其中，列车的车载系统识别轨旁结构(tracksidestructure)。
背景技术：
目前的技术是通过离散的位置信标和里程计来确定列车位置。这些位置信标的国家实施方式例如为etcs(欧洲列车控制系统)标准化的欧洲应答器(euro-balise)。
当铁路网络的轨道上运行列车时，运行机构所需的信息是每列列车在铁路网络中运行的当前位置。尤其是为了避免列车相撞，运行机构需要该信息。关于当前列车位置的信息也是自动化列车运行(“列车无人驾驶”)的关键。
在etcs中，列车位置信息是基于沿轨道安装的应答器。应答器是转发器(transponder)，其接收由安装在通过的列车上的车载系统的天线发射的无线电信号，并进而通过发射包含与列车运行相关的一些信息的无线电信号(例如，应答器识别码)来应答。应注意，一些类型的应答器具有它们自己的能量供应，而其他类型的应答器没有自己的能量供应，而是使用由安装在列车上的天线提供的能量。
经过应答器的列车通过里程计计算自经过应答器后的行驶距离，并通过将列车的行驶距离与已知的应答器参考位置“相加”来确定其当前位置。每次经过新的应答器，列车的行驶距离的计数被重置。
该过程需要在列车经过的整个轨道上安装有源轨旁结构，即，应答器。应答器在确定列车位置时作为有源部件，因为它们在接收到列车的触发无线电信号时会产生无线电信号应答(“技术反应”)；应注意的是，该有源部件独立于应答器的能量供应类型。因此，应答器需要专用的技术设备(特别是电子电路)，必须为每个应答器制造、安装和维护这些设备，这是繁琐和昂贵的，特别是如果铁路网扩大的话。
技术实现要素：
发明目的
本发明的目的是提供一种用于确定列车的位置信息的方法，该方法在安装和操作上不那么麻烦并且较便宜，但是与最新的列车定位方法相比提供了同等的安全水平。
发明简要描述
根据本发明，通过一种如开始介绍的方法实现该目的，
其特征在于，轨旁结构包括无源轨旁结构，所述无源轨旁结构在被车载系统识别时是无源的，
其中，车载系统通过车载系统的第一定位阶段的第一传感器布置来确定无源轨旁结构的外观特征、相对于列车的当前距离、和相对于列车的当前角度位置，
其中，车载系统存储地图数据库，其中记录了无源轨旁结构的地理参考位置和外观特征，
其中，第一定位阶段使用所确定的外观特征和所记录的外观特征，将第一传感器布置所测量的无源轨旁结构分配给记录在地图数据库中的无源轨旁结构，
其特征在于，关于列车的第一位置信息从所确定的当前距离和当前角度位置与通过第一定位阶段分配的无源轨旁结构的记录位置的比较导出，
其特征在于，关于列车的第二位置信息从车载系统的第二定位阶段的第二传感器布置所确定的卫星信号导出，
并且其特征在于，第一位置信息和第二位置信息经受数据融合，产生关于列车的合并位置信息。
通过卫星导航的列车定位，优选地与sbas增强进行组合，提供一定的安全水平。独立地，基于成像方法的列车位置确定也提供了一定的安全水平。这两种技术的组合达到了很高的安全水平，特别是etcs的安全水平，这是任何一种所述技术都不能依靠其自身实现的。作为对每个系统故障模式的缓解，可以应用监测方法来排除错误数据。对于统计可靠性模型，两个独立阶段的故障可能性可以相乘，表示两个系统同时出现故障。考虑适当的传感器和设备故障率，合并位置信息的故障可能性小于容许的危险率。因此，根据本发明的用于安全实现的主干是基于不同的、正交的传感器和不同的处理技术的两个独立的定位阶段。
本发明允许自主确定列车在轨道上的位置信息。本发明不需要车载单元与有源轨旁结构(例如，应答器)的合作，只需要存在无源轨旁结构，所述无源轨旁结构仅必须将自身(特别是它们的外观)分别暴露于第一定位阶段或它们的第一传感器布置。更具体地，无源轨旁结构不需要包括专用技术设备(例如，电子电路)，例如，用于主动生成对车载单元系统的触发无线电信号的无线电信号应答。用于本发明方法的无源轨旁结构可以包括，例如，铁轨基础设施元件，包括信号灯和标志、建筑物、特别是火车站、或桥梁，特别是跨越轨道的桥梁，或信号桅杆、或交叉道路、或交通标志或道岔(switch)。
第一定位阶段(包括第一阶段传感器布置)，其基于识别沿着轨道的所述无源轨旁结构并将它们与存储在车载单元的地图数据库中的记录的(已知的或预期的)无源轨旁结构进行比较，提供环境定位信息。第二定位阶段(包括第二阶段传感器布置)，其基于卫星信号，特别是由gps、galileo、glonass和/或北斗卫星广播的导航轨道数据以及码和载波测距信号，提供大地测量定位信息。通过在数据融合中使用信息的两个片段，实现了合并位置信息的特定高完整性水平，并将其输出到列车管理系统或列车控制系统。
(第一、第二或合并)位置信息通常包括以大地测量坐标表示的(最佳估计)位置和/或自最后一个参考点(可以是特定无源轨旁结构的记录位置)起沿轨道行驶的距离，并且通常包括对应的置信度指示，并且通常还包括带姿态角(航向、横摇、俯仰)的列车定向。
第一位置信息通常由记录的无源结构的地理位置以及对于一个或多个无源结构的测量距离和角度关系来计算。通常，第一传感器布置确定在一定距离(即，当列车仍远离所述结构所述距离时)处的无源轨旁结构，并且通过测量的距离和角度关系(例如，仰角和方位角)，与存储的地图数据库中的对应分配的无源轨旁结构的记录的地理位置一起，可以计算列车位置信息。
在最简单的情况下，数据融合(或数据合并)包括比较第一位置信息和第二位置信息的差异，并且如果相互偏差小于阈值水平(通常是统计确定的)，则更准确的位置信息被用作合并位置信息(通常是第一位置信息)。如果相互偏差达到或高于阈值水平，则将更可靠的信息用作合并位置信息(通常是第二位置信息)。
本发明的优选变体
本发明方法的优选变体提供：
合并位置信息还包括合并的列车速度，并且优选地进一步包括对应的速度置信区间和速度角分量，例如，上、北、东，
第一传感器布置和/或第二传感器布置包括一个或多个惯性单元、多普勒雷达系统或里程表，
第一位置信息和第二位置信息分别包括第一列车速度和第二列车速度，
数据融合包括确定合并的列车速度。
列车速度是对于运行机构和列车自主运行的有价值的信息。速度可以从列车位置的近期历史(其是第一和第二位置信息的一部分)中导出。惯性单元可以确定加速度。多普勒雷达可以直接访问速度。里程表允许确定行驶距离，并且里程表测量的近期历史也允许确定列车速度。惯性单元、多普勒雷达和/或里程表的传感器结果可以用于数据交叉检查，从而提高数据完整性。
进一步优选的变体是，其中第一传感器布置包括一个或多个光学成像传感器，特别是视频传感器和/或lidar传感器，优选地，其中，第一传感器布置进一步包括一个或多个惯性单元、雷达系统或里程表。光学成像传感器允许在高水平细节上对周围环境进行廉价且无害的观测，因此有可能高质量地确定无源轨旁结构的外观特征。通常，第一传感器布置包括用于立体视图的一对光学传感器，其允许确定当前距离和当前角度位置。如果在第一定位阶段使用多个定位链，则每个定位链或第一传感器子布置分别使用一对光学传感器，其中，光学传感器的对具有不同的类型并且彼此独立。优选地，使用至少两个不同的独立光学传感器，分别在可见光区域和红外区域操作。光学成像传感器可以由安装在列车上的前照灯支撑，利用可见光和/或红外光辐射来照亮无源轨旁结构。惯性单元允许直接确定加速度，多普勒雷达允许直接确定速度，并且里程表允许测量行驶距离。
其他有利的变体是，其中第二传感器布置包括一个或多个gnss-sbasrx传感器，并且优选地，其中，第二传感器布置进一步包括一个或多个惯性单元、雷达系统或里程表。实践证明，这些系统是可靠的，具有很高水平的安全性。注意，gnss代表全球导航卫星系统(例如，gps或galileo)，并且sbas代表基于卫星的增强系统(例如，waas或egnos)，并且rx代表接收器。导航卫星接收器传感器测量到卫星的伪距码和载波，并从卫星接收导航数据，优选地具有至少两个不同的导航系统，例如，gps和galileo，以便建立两个独立的定位链。
特别优选的变体的特征在于，
第一定位阶段包括具有单独的第一传感器子布置的至少两个独立的定位链，每个定位链针对相应的无源轨旁结构提供独立的一组外观特征、当前距离和当前角度位置，
其中，对于每个组，对记录的无源轨旁结构进行单独的分配，并导出独立的第一阶段位置子信息，
第二定位阶段包括具有单独的第二传感器子布置的至少两个独立的定位链，每个定位链提供关于列车的独立的第二阶段位置子信息，
特别是其中，每个链包括检测链故障模式的监测功能。因此，共有四个定位链独立地确定关于列车的位置子信息，从而可以实现合并位置信息的更高的数据完整性水平。
在该变体的优选进一步发展中，数据融合包括：第一步骤，分别将每一个定位阶段的位置子信息进行融合或合并，以获得第一和第二位置信息；第二步骤，将第一位置信息和第二位置信息进行融合，以获得合并位置信息。注意，替代地，可以应用一步数据融合，其中，位置子信息的所有片段一次性合并成合并位置信息。
本发明方法的优选变体提供：
选择用于位置确定的无源轨旁结构，使得通过第一传感器布置测量的无源轨旁结构到记录的无源轨旁结构的分配以高于预定阈值的置信度完成，其中，对于无源轨旁结构识别，初始位置用于从地图数据库中选择要识别的预期前方结构，具有预期结构类型和预期角度位置以及预期距离，其与分配的无源轨旁结构的近期历史一起使用，作为用于将测量的轨旁结构分配给记录的轨旁结构的匹配约束，并且优选地，而在没有特定的轨旁结构被预期或者在近期的历史中被跟踪到的情况下，使用存储为模板的通用无源结构进行匹配。通过从存储的地图数据库中预先选择预期结构，使利用第一传感器布置测量(确定)的无源轨旁结构的识别和分配更加安全。此外，具有独特外观的无源轨旁结构，即，具有在其他对象中很少看到的外观的无源轨旁结构，提高了识别和分配的鲁棒性。
在另一个优选的变体中，车载系统将合并位置信息作为列车位置报告消息报告给将轨道路线分配给列车的监控实体，
其中，监控实体使用监控地图数据库，用于将轨道路线分配给列车，
并且其中，车载系统地图数据库至少关于其用于确定列车位置所需的内容而言定期地与监控地图数据库同步。通过定期同步，监控实体(或运行机构)提供最新和安全的地图信息。列车的监控实体和车载单元使用相同的信息来确定和监测列车位置，特别是用于限定列车位置的无源轨道结构或其他参考点的位置。
该变体的有利的进一步发展提供：
在确定列车的合并位置信息之后，列车评估由第一传感器布置感测的无源轨旁结构的位置，并根据存储在车载系统中的地图数据库，确定由第一传感器布置感测的位置与预期位置之间的差异，并将高于阈值的所确定的差异报告给监控实体，
监控实体收集来自多个列车的所报告的确定的差异，
并且在多个列车报告与无源轨旁结构有关的确定的差异的情况下，监控实体在成功的验证过程之后更新其监控地图数据库，并将存储在车载系统中的地图数据库与监控地图数据库同步。通过这种方式，监控地图数据库和存储在车载单元中的地图数据库都能够以安全方式保持最新，并且能够获得具有高数据完整性的列车的合并位置信息。注意，一旦高质量的(监控)地图数据库准备完成，则确定的差异通常是由于记录的无源轨旁结构的物理变化引起的，例如，如果铁路基础设施已经重建。
在高度优选的变体中，第一传感器布置和/或第二传感器布置的传感器数据、和/或第一位置信息和/或第二位置信息、和/或第一阶段位置子信息和/或第二阶段位置子信息经受针对故障情况的监测，包括检查来自统计误差模型的预期值范围，并且优选地还包括交叉检查每个阶段的第一和第二阶段位置子信息。以此方式，可以实现高安全水平的定位方法。通过对不同的传感器数据和不同的数据处理应用故障情况的监测和交叉检查，可以识别和忽略不可靠的信息片段，并且列车的合并位置信息可以基于剩余的更可靠的信息片段。
在该变体的优选进一步发展中，对于卫星测量中的用于故障情况的监测，特别是多路径误差、电离层传播和/或卫星缺陷，通过相对于投影值创新比较卫星测量或通过比较码和载波测量，第二传感器布置的传感器数据经受所述监测。例如，通过应用sbas增强数据缓解多个卫星导航故障情况，因此，在这里可以实现大幅增加列车位置信息的数据完整性。存储的地图数据库可以包含关于作为(所估计的当前的)位置的函数的阻塞仰角间隔的信息，并且预期在阻塞仰角间隔中出现的卫星信号将因预期的多路径损坏而被丢弃。替代地或附加地，可以通过使用第一传感器布置，特别是光学成像传感器或lidar传感器来在线确定多路径威胁，其识别潜在的阻塞和/或靠近轨道的反射对象，以及卫星信号，所述卫星信号预期出现在阻塞仰角间隔中或出现在允许除了直接信号路径之外的一个或多个间接信号路径因预期的多路径损坏而被丢弃的位置中。
另一个优选的其他发展提供：所述监测包括冗余卫星测距测量之间的第二定位阶段的一致性检查，
以及被包括在存储在车载系统中的地图数据库中的轨道轨迹用作约束，以便从一对2个卫星中获得列车的沿轨道1d位置信息，并检查多对2个卫星的一致性，
特别是其中，监测应用自主完整性监测类型算法。通过在每个位置确定中仅使用2个卫星(而不是在一般的3d情况下使用4个卫星)，由卫星对排列产生的数量位置解允许更大数量的一致性检查和统计评估，这可以在相同总量的可见卫星上进行，并因此允许更高完整性水平的位置信息确定。
其他优选的变体是，其中，关于列车的合并位置信息包括沿其轨道的1d置信区间。这是确定位置信息可靠性的简单措施，这里是关于位置的，其可以由监控实体(运行机构)直接使用。
其他优选的变体是，其中，第一定位阶段使用来自车载地图数据库的信息，以特别是通过卡尔曼滤波器来预测即将到来的无源轨旁结构，并且以便从第一传感器布置的传感器数据中相应地选择有限的关注领域，从而有助于找到所述无源轨旁结构。这是加速和提高无源轨旁结构的识别和分配的可靠性的简单有效的方式。特别是，通过该变体，可以改进利用已知列车轨迹跟踪无源轨旁结构。通过限制关注的领域，通常是被光学成像传感器覆盖的区域的一部分，识别和跟踪算法必须处理较少数据，其加速了处理，或者允许同时进行更复杂的处理。
用于轨道选择监测的特别优选的变体提供：
在存储在车载系统中的地图数据库显示了列车的限定附近区域的若干轨道的情况下，那么针对所述若干轨道中的每个轨道上的列车，将由第一传感器布置测量的列车的航向角和航向角变化与通过地图数据库计算的列车的若干候选航向角和航向角变化进行比较，
确定与由第一传感器布置测量的航向角和航向角变化最佳匹配的候选航向角和航向角变化，
合并位置信息用于指示所述若干轨道中的列车在其上行驶的一个轨道，
在由合并位置信息指示的所述轨道与具有最佳匹配的所述轨道相同的情况下，合并位置信息被验证，否则无效。将列车的航向角(通常分别表示为列车或其火车头相对于“北”方向的定向)和列车的航向角变化与候选航向角进行比较，允许在特定的关键情况下，即，当必须从若干典型的相邻候选轨道中确定列车的已用轨道时，提高位置信息的可靠性。为了监测轨道选择，使用由航向角和航向角变化表示的轨道航向信息作为匹配方法的标志特性。
可以从说明书和附图中提取其他优点。根据本发明，上述和以下特征可以单独地或以任何组合统一地使用。上述实施例不应理解为穷举列举，而是具有用于描述本发明的示例性特征。
附图说明
在附图中示出本发明。
图1示出了为本发明方法而装备的列车的示意图；
图2a示出了本发明方法的第一变体的示意流程图；
图2b示出了本发明方法的第二变体的更详细的示意流程图，第一定位阶段包括两个独立的定位链，并且第二定位阶段包括两个单独的定位链；
图3示出了根据本发明的在铁路系统上的列车路线的示意图，具有参考点和对应的轨道到列车信息；
图4示出了根据本发明的由光学传感器感测的列车航向的前视图的示意图，包括若干无源轨旁结构以及它们到车载地图数据库的分配；
图5示出了根据本发明的确定第一位置信息和第二位置信息的示意图；
图6示出了根据本发明的在第二定位阶段中的融合滤波器监测的示意图；
图7示出了根据本发明的监测使用成对的卫星确定位置的故障情况的示意图。
具体实施方式
1.本发明的概述
本发明涉及一种确定列车在铁路系统的轨道上的位置信息的方法。根据本发明，采用两个定位阶段来确定位置。通过第一定位阶段，分析列车的环境，特别是列车前方的可视环境，并与存储的地图数据库的内容进行比较。通过识别环境中的无源轨旁结构(其被记录在存储的地图数据库中)，导出关于列车的第一位置信息。通过第二定位阶段，应用卫星导航以导出关于列车的第二位置信息。通过第一和第二位置信息的数据融合，获得关于列车的合并位置信息，其可以例如被运行机构使用，以针对在铁路系统中运行的列车或针对自动驾驶操作分配轨道。
图1示出了列车58，这里是列车58的火车头(或前车厢)，通过示例，其被装配用于执行本发明方法。
列车58包括车载列车定位系统(也简称为车载系统)1，其提供(生成)关于列车的合并位置信息。该合并位置信息可以经由列车控制接口2提供给列车控制管理系统(或系统)20，所述系统例如具有用于触发紧急停车的中断接入21。
车载列车定位系统(车载系统)1接收来自多个传感器的传感器数据，在所示示例中，来自第一gnss传感器3和第二gnss传感器4、第一光学成像传感器5和第二光学成像传感器6，进一步来自里程表7、多普勒雷达8和惯性测量单元9。这些传感器中的至少一些(这里是光学成像传感器5、6)搜索和测量列车58前方的无源轨旁结构56，特别是关于它们的外观特征(外部形状)、它们到列车58的距离和它们相对于列车58的角度位置；这里，示出了信号桅杆，作为这种无源轨旁结构56的示例。传感器数据由车载列车定位系统(车载系统)1根据本发明进行处理和分析，以计算或生成列车58的合并位置信息。
图2a中的第一变体示出了通过车载单元获得合并位置信息所涉及的过程。
根据本发明，建立第一定位阶段(也称为环境定位阶段1)50，其处理来自第一传感器布置60的传感器数据。这里该第一传感器布置60包括光学传感器11(包括lidar和video传感器两者)以及惯性单元12。它们的传感器数据在这里馈送到轨道和铁轨结构映射滤波器13中。所述滤波器13可访问车载地图数据库10，其中特别存储关于已知的无源轨旁结构的信息，包括它们的地理参考定位和它们的外观特征(即，它们的可见形状)。通过来自地图数据库10的信息，可以在传感器数据的特定部分(例如，视图区域)的传感器数据中预期特定的无源轨旁结构，并且以专用方式分析传感器数据，以便在这些特定部分快速且可靠地找到这些轨旁结构。当在传感器数据中找到(识别)一个或多个无源轨旁结构时，存储在地图数据库10中的对应的一个或多个无源轨旁结构被分配14。此外，从分配的无源轨旁结构的地理参考存储定位和在传感器数据中识别的无源轨旁结构的当前距离和当前角度位置，可以计算或更新列车的当前位置，产生阶段1位置信息(也简称为第一位置信息)52。注意，当某些时候不能识别无源轨旁结构时，第一位置信息52可以从最后可用的第一位置信息中导出，该信息由来自惯性单元12的最后可用的速度信息和加速信息进行内插；这种内插还可以用于检查无源轨旁结构(特别是新识别的)的位置更新的可靠性。
在所示的变体中，第一位置信息52或结构分配和位置更新14的结果也分别用于提供与地图数据库10的信息相比较的轨道段检查参数53。
注意，至少经由第一位置信息52的历史，除了定位信息之外，第一位置信息还包括速度信息。
此外，建立第二定位阶段(也称为大地测量定位阶段2)51，其处理来自第二传感器布置61的传感器数据。这里，该第二传感器布置61包括gnssrx传感器15和惯性单元16。它们的传感器数据在这里馈送到融合滤波器17中。所述滤波器17可访问地图数据库10，其中特别存储关于列车的可用轨道的信息；这可以用作位置确定中的约束。融合滤波器17合并传感器数据或它们的对应位置信息。注意，在融合滤波器中，除了定位信息之外，还可以导出速度信息。经由最后可用的定位信息，并且使用来自惯性单元17的最后可用的速度信息和加速信息，还可以导出速度信息。第二定位阶段51还包括对位置(包括定位和速度)的监测和置信度估计18，并且产生阶段2位置信息(也简称为第二位置信息)54。应注意，阶段2位置信息54，特别是置信度估计，可以用作第一定位阶段50中的轨道和铁轨结构映射滤波器13的输入。
最后，第一位置信息52和第二位置信息54经受关于位置(包括定位和速度)的数据融合19，产生合并位置信息55。该合并位置信息55包含定位信息(通常为自铁路系统的轨道段上的最后参考点起的行驶距离，和/或地理参考定位)以及速度信息(通常为沿轨道的速度，和/或通过特定方向上的速度分量来分类)，以及对应的置信区间。
图2b的第二变体中进一步示出了通过车载单元获得合并位置信息所涉及的过程；注意，仅详细说明与图2a所示的第一变体有关的主要差异。
在该变体中，第一定位阶段(也称为环境定位阶段1)50处理来自包括两个定位链73、74(这里也称为链1和链2)的第一传感器布置60的传感器数据。第一链73与第一传感器子布置71一起，这里其由视频传感器24和惯性单元26组成。第二链74与另一个第一传感器子布置72一起，这里其由lidar传感器25和另一个惯性单元27组成。来自第一链73的传感器24、26的传感器信号被馈送到轨道和铁轨结构映射和分配滤波器#a29中，所述滤波器#a提供第一阶段位置子信息(也称为链1子信息)75；注意，这里为了滤波的目的，考虑来自地图数据库10的信息。同样，用于第二链74的传感器25、27的传感器信号被馈送到另一个轨道和铁轨结构映射和分配滤波器#b中，所述滤波器#b提供另一个第一阶段位置子信息(也称为链2子信息)76；再次注意，这里为了滤波的目的，考虑来自地图数据库10的信息。
然后，第一阶段位置子信息75、76的两个片段经受具有定位和轨道约束更新的数据融合和数据监测30，产生第一位置信息(也称为阶段1位置信息)52。
应注意，两个定位链73、74和第一阶段位置子信息75、76的对应的两个片段彼此独立，特别是在无源结构的感测和分配方面。
此外，第二定位阶段(也称为大地测量定位阶段2)51处理来自包括两个定位链79、80(这里称为链3和链4)的第二传感器布置61的传感器数据。第三链79与第二传感器子布置77一起，这里其由带sbas的gnssrx传感器83和惯性单元85组成。第二链80与另一个第二传感器子布置78一起，这里其由带sbas的gnssrx传感器84和另一个惯性单元86组成。来自第三链79的传感器83、85的传感器信号被馈送到融合滤波器#c87，所述滤波器#c提供第二阶段位置子信息(也称为链3子信息)81；注意，这里可以考虑来自地图数据库10的信息。同样，来自第四链80的传感器84、86的传感器信号被馈送到融合滤波器#d89，所述滤波器#d提供另一个第二阶段位置子信息(也称为链4子信息)82；再次注意，这里考虑来自地图数据库10的信息。
由监测单元88监测(检查)融合滤波器#c87的操作，由监测单元90监测(检查)融合滤波器#d89的操作。第二阶段位置子信息81、82的两个片段以及来自监测单元88、90的监测结果经受合并22，提供中间阶段2信息91。接着是位置(包括定位和速度)的置信度估计23，其产生第二位置信息(也称为阶段2位置信息)54。注意，阶段2位置信息54或位置的置信度估计23的结果可以分别用作轨道和铁轨结构映射和分配滤波器29、28的输入。
应注意，两个定位链79、80和第二阶段位置子信息81、82的对应的两个片段彼此独立，特别是就卫星的接收而言；注意，gnssrx传感器83、84优选地位于列车上显著不同的位置处，但有具有彼此固定的相对位置。例如，gnssrx传感器83、84可以一个放置在特定列车段的前部，一个放置在该特定列车段的后部，使得有一个刚性机械结构来链接它们。于是，在不同的传感器83、84处、在不同的时间点发生频繁的卫星故障，即，多路径错误，因此一般来说，它们不会由于相同的原因而发生故障。
最后，第一位置信息52和第二位置信息54经受关于位置(包括定位和速度)的数据融合19，产生合并位置信息55。再次，该位置信息包含定位信息(通常为自铁路系统的轨道上的最后参考点起的行驶距离，和/或地理参考定位)以及速度信息(通常为轨道上的速度，和/或通过特定方向上的速度分量来分类)，以及对应的置信区间。
图4举例示出了在本发明方法过程中列车的典型前视图。安装在列车上的光学成像传感器测量航向(heading)，如图4右侧所示。注意，通常情况下，为了获得立体视图，列车上安装有两个光学传感器，所述两个光学传感器彼此之间有一定的位移，因此可以测量距离。
这里，航向包含若干无源轨旁结构，所述无源轨旁结构可以分别由第一传感器布置或第一定位阶段识别，即，航向左轨道上的开关56a、航向中心轨道上的开关56b、左轨道与中心轨道之间的信号桅杆56c，中心轨道与右轨道之间的信号桅杆56d、中心轨道与右轨道之间的电线杆57、和桥梁56e。注意，可能的话，第一定位阶段可以识别更多的无源轨旁结构，例如，一些更多的电线杆、或树、或一些轨道等。
在图4左侧示意性示出的车载单元的地图数据库中，包括了由第一定位阶段识别的一些无源轨旁结构56a至56e的轨道和定位，即，桥梁56e、两个开关56a、56b和两个信号桅杆56c、56d。因此，可以将利用第一传感器布置所识别的对应的无源轨旁结构56a至56e分配给地图数据库的相应条目(被记录/存储的无源轨旁结构)。注意，对于每个被记录的无源轨旁结构56a至56e，存储地理参考位置以及外观特征，诸如信号灯(signal)的类型，例如，顶部上有速度指示的主信号等、地面以上的高度、以及黑色八角形和黑色三角形的大小。由第一传感器布置所测量的无源轨旁结构的被识别的外观特征必须与存储的外观特征充分匹配，以便能够成功分配。注意，电线杆57，其虽然通过第一传感器布置所识别，但这里未被包含在地图数据库中，因此无法分配；对于测量的航向中包含的其他无源轨旁结构，可能也是这样。
图5举例说明根据本发明的第一和第二位置信息的确定。
在轨道上行驶的列车58在其前部包括第一和第二传感器布置，这里未详细示出，为简单起见，可以假定其位于在这里表示为列车58上的传感器原点92的位置处。在所示示例中，列车58上的第一传感器布置识别了三个无源轨旁结构56a、56b、56c，这里是隧道(无源轨旁结构1)56a、铁路信号桅杆(也简称为信号灯、无源轨旁结构2)56b和前方轨道56c。这里仅对信号灯56b进行说明，第一传感器布置测量传感器原点92的视线93到无源轨旁结构56b的距离，进一步测量方位角94(在水平的xtrainytrain平面上与xtrain方向/列车58的行驶方向的夹角，其中ytrain是垂直于xtrain的水平方向，并且ztrain垂直于ytrain和xtrain，即，在列车58的局部坐标系中)，并且进一步测量无源轨旁结构56b的仰角95(与平面xtrainytrain的夹角)。当从车载地图数据库知道信号灯56b的地理位置100(在地球坐标系中的地理参考位置，比较xecef、yecef、zecef，ecef＝地心地固)，并进一步知道当前距离(视线93)和当前角位置(方位角94和仰角95)时，可以分别计算列车58或传感器原点92的当前地理位置。
此外，列车58上的第二传感器布置与在太空中轨道运行的多个卫星97a、97b联系；这里为了简单起见，仅示出两个卫星(这里称为卫星l97a和卫星n97b)。对于每个卫星97a、97b，第二传感器布置进行距离测量，并计算卫星97a、97b与列车58或传感器原点92之间的相应距离98a、98b。此外，对于每个卫星97a、97b，已知轨道位置向量99a、99b(地理参考位置)。由于列车58仅在已知轨道上行驶，因此两个距离测量98a、98b和对应的两个卫星97a、97b的地理位置99a、99b足以确定列车58的地理位置96。
2.本发明的一般方面
关于位置信息和传感器数据交叉检查(比较参考符号88；90，38)
优选地，(第一或第二或合并)位置信息还包括合并列车速度。为此目的，由第一或第二传感器布置、或第一或第二传感器子布置提供的传感器数据集包括列车速度、加速度和姿态角。
优选地检查传感器数据是否存在故障，特别是是否这些值在投影的误差传感器模型之外。此外，不同的传感器，特别是不同的传感器布置或定位链的传感器进行交叉检查，例如，将雷达传感器的速度与从惯性单元的集成加速度导出的速度在偏移、漂移和比例因子方面进行比较。特别是，在具有不同误差特性的传感器之间执行交叉检查。此外，基于滤波时序的传感器数据可以对照列车动态运动模型进行检查，例如，里程表滑落减去列车运动超过给定阈值达若干连续时间实例或统计平均数实例。速度置信区间优选地通过包含系统分量、速度相关分量和统计噪声分量的传感器模型的最坏情况估计来计算。
关于基于卫星的位置确定和信号监测(比较参考符号88；90；18；36)
第二定位阶段接收用于确定列车位置的卫星信号，其通常包括到多个卫星的测量距离(或相应地，信号运行时间)以及来自多个卫星的接收导航数据。
这些测距测量的数据集优选地利用诸如后续样本的两个频率测量(l1与l5)之间的码测量和载波测量的双重差分(doubledifference)这样的方法来检查故障情况。此外，可以通过将信噪(signaltonoise)接收水平与给定的最小值进行比较、并且只接收具有良好信号接收性且卫星高度最小(一般地)的卫星，来检查数据集的故障情况，并且如果适用，还可以从地图数据库中接收高于阻塞仰角掩蔽的仰角。此外，可以通过将对于几何距离的相位测量值加上卫星时钟误差和对所有卫星上的项的平均残差的估计进行区分，及时检查delta载波测量值的过大的加速度或阶跃，来检查数据集的故障情况。此外，可以通过区分当前伪距和投影伪距(其由最后测量的伪距加上delta载波相位计算)来检查数据集的码载波创新故障。还可以通过hatch滤波器来检查数据集的发散故障，所述hatch滤波器使两个连续时期的码差减去载波差平滑，并在多个接收器上使该项平均，以便将发散与阈值进行比较。
关于数据合并(比较参考符号30、22、19)
本发明提出从不同的定位阶段(或链)获得第一或第二位置信息(或第一或第二阶段位置子信息)，并进行数据融合以获得列车的合并(整体)位置信息(或合并的第一位置信息或合并的第二位置信息)。
一般来说，第一位置信息和第二位置信息的数据融合(或合并)在最简单的情况下包括，第一位置信息和第二位置信息的差异的比较，并且通常还考虑统计特性和质量指标，并且如果相互偏差小于阈值水平，则更准确的位置信息被用作合并位置信息。如果相互偏差处于或高于阈值水平，并且保护水平低于警报限值，则更可靠的信息(如果该信息没有引起超过任何先前的警报限值)将提升为合并位置信息。注意，以类似的方式，上面和下面给出的解释同样适用于第一和第二位置信息的合并，以及第一或第二阶段位置子信息的片段的合并。
当使用定位链时(例如，比较图2b，项73、74、79、80)，可以在第一步骤中进行数据融合，单独地将每一个定位阶段的位置子信息进行融合(图2b，项30和22)，以获得(合并的)第一阶段位置信息(图2b，项52)和第二阶段位置信息(图2b，项54)，并且在第二步骤(图2b，项19)中，将第一和第二位置信息融合以获得最终的合并位置信息。替代地，来自所有阶段的所有位置子信息可以共同地经受数据融合(这里不进一步讨论)。
数据融合的第一步骤，即，第一阶段位置子信息的(至少)两个片段的融合，以及第二阶段位置子信息的(至少)两个片段的融合，可以包括在每种情况下应用无迹贝叶斯估计器。作为不同传感器的实施例，不同定位链的传感器(或相应地，它们的传感器数据)关于测量原理和故障模式应具有正交特性，优选地使得每个定位阶段中的至少一个定位链应在任何情况下建立有效的位置子信息，特别是影响一个定位链的错误不损害另一个定位链。
数据合并包括确定位置信息输出out1与第二位置信息输出out2之间的差异，并且如果|out1-out2|＞thfa，则检测融合故障，
其中，thfa：检测融合故障的阈值，
特别是，其中利用
其中，kfa：假警报置信度，以及σout1：out1的标准偏差，并且σout2：out2的标准偏差，
特别是，其中，out1和out2是来自同一定位阶段的不同定位链的位置子信息。如果检测到融合故障，则通常至少一个位置信息输出从用于获得合并位置信息的数据融合中被禁止。
每个大地测量处理链(图2b，目79、80)由一个提供绝对地理参考位置(例如，由gnss传感器给出)的传感器馈送。此外，每个链具有由诸如惯性单元、加速计、里程表或多普勒雷达等的差动传感器给出的相对定位信息的输入。传感器应被组合，以实现大部分的正交性和独立性。gnss传感器的输出/距离测量基于对卫星的码和载波测距，以及诸如多普勒或信噪比的附加信息。惯性测量单元(imu)(也简称为惯性单元)优选地包括三轴陀螺仪和加速度计，其具有实时航向、俯仰和横摇定向的高精度角定向。替代地，简单的加速度计或里程表(车轮脉冲发生器)或多普勒雷达可以用作融合过程中的输入。使用带ins(ins＝惯性导航系统)滤波方法的gnss的益处是，ins由gnss信号校准，ins可以提供位置和速度更新，以填充gnss位置之间的间隙。它允许在gnss接收效果较差的卫星阻塞区域(如隧道或城市峡谷)航行。所述方法适用于gnss/传感器融合滤波器的各种实施例，例如使用扩展卡尔曼滤波器(ekf)或无迹卡尔曼滤波器(ukf)。ekf使用解析线性化方法对系统进行线性化，而ukf使用一组确定性选择的点来处理非线性。
关于无源轨旁结构的分配(比较参考符号14、28；29)
在第一传感器布置的信息中，特别是在光学成像传感器的信息中，无源轨旁结构被识别为定位参考，其包含最小信息，通常包括但不限于，点id、相对于最后一个轨道段的相对位置(例如，距轨道起点的轨道公里和距轨道中心线的偏移)和大地测量位置(例如，纬度、经度、高度)、形状、id特性(例如，元素类型，尺寸和质量指标)以及测量信息(例如，相对于列车的距离和相对于列车的当前角度位置)。列车使用其已知的位置，并确定扩展结构，例如，轨道和其他无源结构。所有结构(56a至56c)在局部列车固定坐标系(比较图5，坐标xtrain、ytrain、ztrain)中确定，然后转换成地球固定坐标系。下一个前方轨道段在2d局部平面上近似为项，例如，样条曲线或回旋线或多项式。高度坐标由已知的列车高度、轨道倾角以及列车姿态(俯仰角)近似表示。根据地图数据库格式，可以用初始节点坐标、方向向量、诸如段长度等的项参数来计算轨道段。确定的轨道段形状允许创建轨道段或将确定的无源轨道结构与地图数据库中的现有轨道段对齐。
3.本发明的具体方面
关于轨道到列车信息(比较参考59a至59c)和与监控地图数据库的同步
为了确保确定的列车位置判定，列车行驶距离参考的知识需要在列车车载地图数据库以及在列车监控中心(运行机构管理和监控实体)的地图数据库上共同识别。这些位置参考可以由轨道上的虚拟参考点、轨道起点、轨道道岔、铁路地标构成，因此，可以在包括铁路基础设施标志或轨道交通控制基础设施要素(包括信号灯和标志)的轨旁处唯一识别任何点。优选地，所述方法包括通过交叉比较不同传感器的数据集以及比较及时测量序列的针对故障条件的数据检查。
地图数据库检查机制是基于监控实体与列车之间针对地图数据库参考点的双向交换进行的。轨道到列车消息(59a至59c)与参考点的特性一起使用(通常是距轨道起点的轨道公里数和距轨道中心线的偏移和具有纬度(“纬度”)、经度(“经度”)、高度、id特性(例如，元件类型、尺寸和质量指标)的大地测量位置)。
图3以示例的方式示出了铁路系统上的列车58的路线，这里为了简单起见，包括三条轨道(6450-1、6450-2和6460-1)。轨道上的分配给列车58的轨道段6450-3-28用螺栓线表示，并且其他轨道用虚线表示。铁路系统包括若干参考点，这里是轨道6450-1上的参考点1-28、1-29和1-30，轨道6450-2上的参考点2-132、2-133、2-134、2-135、2-136、2-137和2-138。注意，这里大多数参考点位于道岔处(例如，参考点1-29)，另一个参考点2-134位于信号灯处，并且一些参考点位于未进一步指定的位置处。图3进一步示出了当列车58到达特定参考点时发送的轨道到列车消息59a至59c。监控实体的安全设计通常包括运行授权，其可以在轨道路线的每次变更处包括链接的轨道到列车消息。59a至59c项中给出了此类消息的示例，具有至少这些数据：参考点id、坐标、元素类型(例如，直线元素、左曲线、右曲线等)、下一个参考id的距离、和航向角(也简称为航向)。然而，具有各种附加数据项的消息实施例也可以用于消息交换过程。此类消息59a至59c除了包含触发的参考点的识别之外，还包含下一个即将到来的参考点的细节。这些轨道到列车消息数据项在车载上被使用以对行驶路线段进行复查，并与车载列车地图对齐。不过，在消息丢失的情况下，列车可以通过车载地图自主驾驶。列车位置通过消息59d报告给监控实体，该消息59d包含至少具有行驶距离、轨道段id、速度和置信区间的合并定位输出。如果可能有不同的路线，则这里消息59a至59c包括关于每个线路的下一个参考点的细节(例如，在参考点1-28处，下一个可能的参考点是1-29和2-133，取决于列车在参考点1-28的道岔处选择的轨道)。如果仅可能有一个线路，则这里消息59a至59c包括关于该一个线路上的下一个或多个参考点的细节(例如，在参考点2-133处，下两个即将到来的参考点是2-134和2-135)。关于下一个参考点的细节，包括特别是，距当前或先前参考点的距离、参考类型指示、参考特性(即，参考点即将到来的方向)和终点轨道段的地理位置，其基本上对应于下一个参考点的位置。
图3，例如在左上角，示出了示例消息59a，其可以针对地图元素特性进行扩展。当列车58行驶经过轨道网络时，通过指示下一个即将到来的轨道段id和参考点id，由下一个轨道到列车消息来动态地和增量地给出指定的道路。轨道路线的每个潜在的改变至少将由地图节点参考点来表征。
优选地，所述方法包括利用列车监控(例如，rbc)地图数据库数据对列车车载地图数据库进行复查的机制。为此目的，设置节点参考点交换，其中，从列车监控中心将下一个参考点或一系列节点参考点提供给列车，并且列车确认该点或反馈替代的参考点。
每当列车经过这样的环境轨道点时，由列车车载系统给出事件标记。该事件标记的实施例取决于铁轨保护系统以及具体的列车车载实施。它可以是电脉冲、通信消息或标记事件数据流，其被输出并被时间编码，使得地图数据库能够将及时列车位置与该事件相关联。列车位置需要通过估计的列车运动来修正，以补偿例如处理延迟和脉冲检测延迟的各种延迟。当车载列车系统被触发以接收下一个节点参考事件时，期望的窗口被打开。预先给定的节点参考位置和经过的节点参考位置的比较以及它们之间的链接，被用于定位安全增强。因此，可以将列车经过的节点参考轨道点的序列与列车地图数据库进行比较。
优选地，所述方法包括，将列车运行的模式按顺序而逐点地与计划的地图数据库路线进行比较，并且将任何偏差报告给监控实体。所述方法优选地包括对链接进行扩展，不仅包括点之间的距离，而且还包括每个点到轨道参考或给定参考的距离。
列车对测量的地图数据库对象(即，无源轨旁结构)进行评估，并在对象位置差异、对象结构(外观特征)或类型差异方面检测与车载列车地图数据库对象的差异。列车向轨旁基础设施云针对背景统计分析对测量差异进行报告，以检测和校正长期中/低动态漂移。地图数据库的改变将被合并和验证，假设这些改变被若干列车或被独立的验证所报告。监控参考地图数据库在配置控制下被更新并发布。作为最后步骤，通过该参考地图数据库实现列车地图数据库的同步。
关于在大地测量定位阶段中针对故障情况的监测与避免共因故障
比较图6，通过应用针对已知故障情况的一组各种监测技术以保持所实现的完整性水平/时刻，本发明方法可以实现高水平的安全性。
通过示例说明的方法包括测量数据的gnss预处理34。通过应用来自gnss-sbas接收35的校正和完整性数据来处理来自gnss接收33的码和载波测量。对共因故障缓解非常有用的一种缓解方法是使用两个不同的gnss接收器作为传感器。考虑到接收器是由不同的制造商设计和生产的，因此不存在共模的sw或硬件故障。此外，为了具有位置独立性，优选地使用列车上的两个不同的天线位置。l1和l5频率的多频接入是对电离层误差的缓解，因为电离层发散可以通过所谓的无离子平滑处理来抑制。为了缓解可能导致两个接收器链的共同错误行为的gnss系统(卫星、地面段、星历/年历)的故障，优选地使用至少不同的gnss星座(例如，gps/galileo)。
安全质量的一部分来自于监测gnss信号的sbas系统(比较gnss监测36)。应用sbas系统的差分校正，以校正卫星信号传播和系统固有的测距误差。由此，可以应用地球同步卫星广播的实时差分校正以及二次信道差分校正(例如，sisnet因特网或gsm信道)。通过sbas的电离层误差模型消息补偿大气l1传播效应的故障(包括电离层误差)。优选地，所述方法包括将sbas算法的措施与局部gnss监测组合，并与传感器创新监测42和ci边界(ci＝置信区间)的独立控制手段组合，即，使用置信区间估计43。传感器创新监测42通过测试所观测测量之间的差异而作为检测传感器单一误差的手段，对应的卡尔曼滤波器优选地也是所述方法的一部分。
如图6所示，所述方法还包括惯性测量单元测量39和雷达测量40，并且利用它们的数据来处理传感器交叉检查38，并且进一步执行数据聚合37，以融合基于gnss的信息以及imu和雷达信息(诸如速度和加速度)。当计算数据融合41时，应用创新监测42，特别是当检测到卫星故障时应用卫星排除，这在数据聚合37中被考虑。此外，基于在车载地图数据库10中记录的轨道，估计的位置信息被用于选择下一个轨道约束32；在计算数据融合41时考虑所确定的当前轨道元素。来自融合41的信息91和置信区间估计43的结果一起提供第二定位阶段的阶段2位置信息(或第二位置信息)54。
关于多路径卫星导航故障情况的gnss监测(比较参考符号36)
对于本发明方法，优选地应用多路径检测方法，以缓解多路径威胁。优选地，应用任何多路径区域外的掩蔽，其中特定仰角之内的卫星被丢弃以进行进一步处理，例如，使用正常的5°-10°仰角，并且对于垂直于轨道的两侧上的多路径区域高达30°仰角掩蔽。可以从车载数据库中导出动态多路径掩码的信息。此外，多路径误差可以利用诸如相关器对称输出的gnss接收器数据来实时测量。可以通过视频/激光雷达在线扫描数据来检测非视线多路径，以便通过计算相关对象(例如，轨道旁边的墙壁/建筑物)和最大路径来排除产生卫星测距信号的非视线多路径。检查通常在前方和侧面最大150m(或最大相关间隔多路径包络)处进行，以检查任何潜在的反射对象并估计最大几何多路径长度。此外，还可以提取地图数据库数据用于附加的侧面对象，这些附加侧面对象也被输入到计算中，以增加多路径误差模型的可信度。
关于卫星导航和gnss监测中的1d轨道约束(比较参考符号36)
完整性监测的核心原则是在gnss卫星测距测量的多个冗余位置解之间执行一致性检查，以检测和排除gnss故障测量。在本发明方法中，作为基于3d最小二乘的gnss解的增强，可以使用1d定位。该1d算法基于不同于经典gnss3d定位算法的原理，因为解方程中已经包括了地图数据库轨迹作为约束条件。因此，仅需要两次卫星测距观测，以解决1d位置中的沿轨道位置和接收器时钟偏移时间的未知。这允许仅用3个可见卫星实现解的完整性检查，而对于经典解，需要最少5个卫星。因此，任何附加的卫星观测都可以用于实现具有比现有基于接收器自主完整性监测(raim)的算法更高的可用性的复查。该更高的可用性在天空能见度受损的或城市峡谷的地区特别重要。
1d解允许产生具有解的两个卫星的排列的统计显著数，并且解的差异用于产生行驶距离误差的统计，比较图7。本发明方法的优选变体的测试统计可以由不使用地图数据库约束的列车58的3d位置(比较图7中的参考p)和2个卫星的排列的1d解(比较图7中的轨道上的列车位置d1至d6)的距离来确定。第n卫星对的测试统计可以写成：
关于1d置信区间估计(比较参考符号43)
本发明方法优选地包括对轨道上位置(定位)和速度的置信区间(43)的估计，其中，使用具有表示标称监测误差和偏差项的方差项之和的1d线性保护水平方程。因此，代替标准差σ1(其需要膨胀率，以使高斯分布约束真实分布)，添加为每个卫星校准的偏差项是更安全的。无故障h0假设情况的1d置信度由以下模型方程建立，所述方程表示基于实际卫星几何和测量质量的估计：
其中：
kff_egnos＝根据分配完整性的无故障置信系数
σchain_m＝链的无故障定位解的标准差
salongtrack＝沿轨道投影中的位置误差的部分几何推导
σff,i＝第i个卫星误差的标准差(无故障情况)
bff＝第i个卫星误差的标称偏差范围(无故障情况)，来自校准的静态值。
所述方法优选地包括，沿轨道置信区间是用于计算1d解的两个测距源上的投影伪距噪声误差σff,i的均方根，而对于该沿轨道解，仅需要2个卫星从基于地图数据库的参数轨道元素约束中计算位置，以找到轨道上的行驶距离。
所述方法优选地包括包含加权几何投影的s矩阵。所述方法适用于w矩阵中基于卫星的加权因子或所有卫星的等加权，其中加权矩阵w变为单位矩阵1，投影矩阵简化为
所述方法优选地包括经由几何误差
结果是：
ci(ci＝置信区间)表示为：
对于单频，sigma估计模型由
其中
σ2ff,i＝第i个卫星的无故障或标称总误差方差，
σ2flt,i＝egnos快速、长期和距离率校正之后残余误差的模型方差，
σ2tropo,i＝残余误差的模型方差，
σ2rx_noise,i＝第i个卫星的测量的用户接收器噪声，假设l1和l5具有相同的噪声，
σ2mp,i＝第i个卫星的多路径误差，假设l1和l5具有相同的误差。
替代地，对于具有多个传感器测量的数据融合，可以使用来自加权最小二乘解的协方差矩阵的sigma值。每次测量的方差被计算为误差(噪声、各种sbas校正的残差、多路径)的各种贡献的方差的显式和。
如果gnss接收器能够测量测距源的测量噪声的标准差，则它是优选的解，否则可以使用依赖于诸如天线增益和仰角的相关参数的模型σrx_noise(仰角，i)。
故障条件下的置信区间dcignss,h1是相似的，除了它添加了故障偏置项bgnssrxi，所述项由两个接收器单个差分的delta来计算。总是使用最大置信区间。按照设计，使用2个gnss接收器链，产生一个故障假设h1，表示任何一个gnss接收器出现故障的事实。
dcignss＝max(scignss，h0，scignss，h1，scignss，σ1d)
偏置项bgnssrx,i可以通过gnss接收器的两个单差测距值的长期差来计算。
bgnssrx，i＝|mean(sdgnssrx1，i-sdgnssrx2，i|)
对于每个卫星，在这种组合中使用的单一距离测量将从相同的星历数据中获得。
其中：
renu＝列车天线对卫星视距向量量级
prsmoothed＝平滑伪距
tgnssrxclk＝接收器时钟校正
i＝卫星指示器
j＝gnss接收器指示器
排除位置之后，各种有效的1d解排列的1d沿轨道标准差可以用下列公式计算
关于预测即将到来的无源轨旁结构、限制关注领域、轨道选择和无源轨旁结构识别
根据本发明，基于环境地图数据库的定位可以特别通过视频和/或lidar输入数据来完成。优选地，所述方法使用两个不同的成像传感器(优选地在第一传感器子布置中)，例如，lidar，以克服视频的不可用情况(例如，雾、夜、雪)。如果传感器数据集之中的被识别的对象匹配得足够接近，并且视频图像和lidar识别相同的方向，则可以将它们作为相同的对象进行管理并保存/放入存储器中。例如，lidar的后向散射强度可以通过两幅图像的二维相关性和两幅图像的像素叠加来与相机图像组合。
用卡尔曼滤波器支持的预测步骤，可以在最后一个周期与当前周期之间预测包括关注区域的潜在对象定位。应用置信度估计：自对象首次出现以来，在周期数内，存储器中的对象与当前对象之间的匹配数。如果度量值低于阈值，则从存储器中移除对象。
更详细地，对于轨道选择特征，可以使用基于视频的图像处理技术。重新缩放和校准光学特性以用于最佳的对比度和亮度，以及在随后的帧上进行平均以去除图像噪声和高亮显示轨道可以被包括在处理步骤中。
用来自地图的先验信息，可以搜索期望的视场，以用于匹配期望的结构形状和尺寸的模式。选择关注的领域，使得地图数据库中所有可能的轨道加上附加轨道的选项都将位于关注的领域中。优选地，所述方法包括使用若干个关注的区域，以将轨道曲线分割成若干个段。每个铁轨被捕获在边界框中，其移位尺寸为+/-轨距/2水平宽度。第一段的高度尺寸是可变的，这取决于铁轨的曲率或航向。在铁轨是直行的情况下，将选择垂直尺寸作为视场距离底部到消失点的一部分(例如四分之一)。在铁轨弯曲的情况下，它将被选择为该垂直高度的一部分，使得它可以用给定的epsilon误差线性化，所述epsilon误差表征假设的回旋线与线性化段之间的位移。假设在关注的区域之内检测到铁轨，并且铁轨也穿过边界框的上部，则下一个上边界框的大小将根据映射到消失点的等距形状的透视定律来确定。否则，扩大关注的区域，并重复该过程，直到检测到铁轨。
清除关注的领域之外的像素。对于该关注的领域之内的像素，图像处理操作(例如，边缘检测)与用于抑制不需要的像素元素的阈值处理一起使用。否则使用模板匹配，利用可配置的模板先验知识(例如，轨道与标准轨距平行)。在该处理步骤之后，当环境被屏蔽时，表示轨道的像素被提取。利用图像校正来处理视频帧，以补偿摄像机的焦点移动、方向和安装偏移(称为逆透视映射)。匹配像素的数量除以总模板像素的数量可以与给定的阈值进行比较，以便接受或拒绝匹配过程的结果。
各种实施例可以用于在表示轨道的像素云中找到最佳拟合多项式。假设关注的区域的水平分割足够小，可以进行线性轨道假设，否则必须使用曲线多项式或样条曲线。基于平行度和方向的所有可能的轨道模式都可以从车载摄像机和lidar上看到，这种想法优选地用作搜索模式。对于中心轨道(列车在其上)的选择，考虑光学传感器的安装几何形状。通过将地图数据库信息与图像中识别的多项式相关联，多项式可以用于地图数据库匹配和中心轨道以及可能的侧轨道的轨道识别。在处理结束时，可以将来自地图数据库的中心使用的轨道的轨道id和轨道多项式的地理编码的地图数据库信息相关联。通过该方法可以实现列车位置轨道选择的目的。
对于铁轨环境，可以使用各种重要的铁轨路标对象，例如信号、标志、接触网塔架、站台、道岔或其他铁轨对象。注意，附加地或替代地，也可以使用非铁轨路标。路标(或无源轨旁结构)是静止的特征，其可以清楚地被重新观察并与环境区分开来。作为本发明方法的步骤，视频或lidar图像的特征提取识别相关属性，以表征对象或场景。存在可以使用的特征提取方法的各种实施例。
作为所述方法的一部分，路标对象分类可以用于根据先前的特征提取来识别场景中的对象。关注的路标点的位置必须在列车车载地图数据库中给出。数据关联的步骤是将测量的lidar(和/或视频)路标与地图数据库匹配。为了提高完整性，可以在关联验证中使用及时的测量历史。一对路标(地图数据库路标和测量路标)必须与历史跟踪序列上的路标相同。测量的数据帧比列车的运动频率更高的事实使得场景相对于图像内容仅具有微小的变化，可以用来增强检测的鲁棒性。此外，可以利用车载地图数据库中的关注的领域的先验知识，以增强对象的检测可能性。例如，在给定的距离内，预期在相关轨道的右侧处有预信号灯或信号灯，这符合铁路运营商的规章制度以及给定的特性，例如，形状和颜色。也可以将用于列车驾驶员的通知序列馈送到检测的先验知识中(例如，信号前面的通知标志)。使用这些规则引起更高的检测可能性。
在积累路标地图数据库位置和测量的位置之后，可以执行列车运动和定位的确定。所述方法优选地包括，通过计算路标位置的向量和测量的lidar(或立体视频)距离和面向对象来定位列车。可以基于扩展的卡尔曼滤波器来选择其他实施例，其中路标距离和视觉里程速度在滤波器状态下组合并用于定位。
关于基于候选航向角的轨道选择(比较参考符号30)
从成像传感器中提取的轨道情况(包括平行轨道、道岔、轨道曲率和其他特征)可以用来与地图数据库轨道结构进行初始匹配，以选择或确认使用的轨道。此外，优选地根据航向角和运行顺序(用航向角随时间变化表示)来检查来自列车地图数据库的估计轨道。从地图数据库中已知的轨道元素类型和特性允许利用路旁测量特性进行复查。本发明方法优选地将3d解的航向角和航向角变化与由地图数据库给出的航向角进行比较。因此，轨道上的位置必须是大致已知的(例如，通过经由里程计对已知参考点测量的距离和相应的置信区间)。对于候选地图数据库位置，计算测量的轨迹与候选地图数据库几何图形之间的自相关函数或匹配函数。因此，轨道航向角、航向角变化和轨道弯曲可以用作匹配方法的标志特性。然后，与最高相关性或匹配相关联的轨道模式被视为实际车辆运行路径的候选，进而允许验证列车轨道。
起点商标作为专业知识产权交易平台，可以帮助大家解决很多问题，如果大家想要了解更多知产交易信息请点击 【在线咨询】或添加微信 【19522093243】
与客服一对一沟通，为大家解决相关问题。
此文章来源于网络,如有侵权,请联系删除
热门咨询
