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)控向專業(yè)的解決方案方向發(fā)展。

通過攝像頭或激光雷達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，不斷將檢測到的數據特征與地圖信息進行對比匹配，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)點在于無累積誤差，不需要對道路進行改造；其缺點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，會地圖的數據量十分巨大，而且對地圖匹配中的實時性帶來很大挑戰(zhàn)。

針對現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絡的車輛方法。首先，獲取車輛上的多傳感器信息，融合這些信息構建當前車輛的狀態(tài)模型；然后，采用貝葉斯濾波方法計算車輛當前狀態(tài)的可信度；接著，結合當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前位置，提高車輛定位精度。實驗表明，與常用的全球定位系統(tǒng)（GPS）、擴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，前者是基于達到時間來估算目標的相對距離，該方法在遮擋情況下測量誤差很大；后者是基于達到角度來測量目標的距離，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）是目前應用效果較好的定位技術，但在安全駕駛應用領域精度還不夠高，且遮擋情況下多徑效應比較嚴重。采用慣性導航技術可以一定程度上彌補GPS的一些缺陷，但是成本較高，不利于推廣使用。擴展卡爾曼濾波方法是專門為非線性的車輛運動設計的跟蹤方法，在車輛定位方面有成功應用，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用需求。