[发明专利]一种基于GNSS/视觉/Lidar融合的城市峡谷定位方法

权利要求书

1.一种基于GNSS/视觉/Lidar融合的城市峡谷定位方法，其特征在于，包括如下步骤：

步骤1，利用鱼眼相机判断卫星可见性；

步骤2，基于监督学习方式进一步判断可见卫星的信号类型；

步骤3，确定卫星的权重并基于卫星权重进行多星座定位解算，获得初始定位解；

步骤4，修正初始定位解并生成候选位置；

步骤5，根据候选位置的卫星可见性与步骤1中所述的卫星可见性的符合程度对候选位置进行筛选和计算候选位置权重；

步骤6，基于候选位置权重计算获得最终定位结果。

2.根据权利要求1所述的一种基于GNSS/视觉/Lidar融合的城市峡谷定位方法，其特征在于，所述步骤1包括：

步骤1-1，使用安装在载体上的鱼眼相机指向天空拍摄天空图像；

步骤1-2，将鱼眼相机拍摄的天空图像转换成二进制图像，区分出天空的图像区域和被建筑物遮挡的图像区域；

步骤1-3，将卫星投影至所述天空图像平面中，投影公式如下：

其中，E_i为第i个卫星的仰角，i为正整数，小于等于四个星座的卫星总数之和，α_i为第i个卫星的方位角，f_c为鱼眼相机焦距，d_i为第i个卫星投影到图像平面的位置与图像平面中心的距离，β为当地导航坐标系X轴正方向与北向的夹角，和是图像平面中心的坐标，和为第i个卫星投影到天空图像中的坐标；所述四个星座包括全球定位系统GPS、北斗卫星导航系统BDS、格洛纳斯全球卫星导航系统GLONASS和伽利略卫星导航系统GALILEO；

步骤1-4，判断卫星可见性，若卫星投影到天空图像中的坐标在天空区域内，则判定该卫星为可见卫星，否则判定为不可见卫星。

3.根据权利要求2所述的一种基于GNSS/视觉/Lidar融合的城市峡谷定位方法，其特征在于，所述步骤2中的监督学习方式采用线性支持向量机SVM分类器。

4.根据权利要求3所述的一种基于GNSS/视觉/Lidar融合的城市峡谷定位方法，其特征在于，所述步骤2包括：

步骤2-1，离线阶段，在城市环境下采集LOS信号和Multipath信号并进行标记；

步骤2-2，利用标记好的LOS信号和Multipath信号训练线性SVM分类器，线性SVM分类器分类评分公式如下：

u_i＝(v_i/s)^Tα+γ

其中，u_i为第i颗卫星的评分，v_i为第i颗卫星的SVM的特征向量，包含卫星信号的载噪比C/N₀、伪距残差和伪距变化率，s为核尺度，α为拟合线性系数的向量，γ为线性SVM分类器的偏差；

步骤2-3，在线阶段，将步骤1中判断为可见卫星的卫星信号的所述特征向量输入到SVM评分公式中，获得预测的卫星信号类型，当u_i≥0时预测第i颗卫星信号为LOS信号，当u_i＜0时预测第i颗卫星信号为Multipath信号。