面向密集城市环境中自动驾驶车辆的高精度基于5G毫米波的定位
信号处理
2023-05-05 v1
摘要
近年来，基于5G的毫米波无线定位已成为自动驾驶车辆(AV)定位的一种有前景的解决方案。先前的研究强调了将视距(LoS)5G定位解与惯性导航系统(INS)融合以获得改进定位解的优势。然而，城市区域高度动态的环境（AV预期在此运行）带来了挑战，因为非视距(NLoS)通信会恶化5G毫米波定位解并导致对INS的错误校正。为应对这一挑战，我们利用5G多径和LoS信号来改善密集城市环境中的定位性能。此外，我们将所提出的基于5G的定位与低成本车载运动传感器(OBMS)集成。而且，该集成使用无迹卡尔曼滤波器(UKF)作为广泛使用的EKF的替代融合引擎来实现，以避免忽略动态系统模型的高阶和非线性项。我们还引入了在纳入滤波器的校正阶段之前评估每个LoS和多径测量质量的技术。为验证所提出的方法，我们在加拿大多伦多市中心的密集城市环境中执行了两条测试轨迹。对于每条轨迹，使用结合真实世界建筑三维地图扫描的射线追踪工具收集了准真实5G测量值，从而实现真实的多径场景。对于相同轨迹，从两个不同的低成本IMU收集了真实OBMS数据。我们的集成定位解能够在约97%的时间内保持低于30 cm的精度水平，这优于不考虑多径信号时仅约91%时间所达到的精度水平。
引用
@article{arxiv.2305.02822,
title = {Enabling High-Precision 5G mmWave-Based Positioning for Autonomous Vehicles in Dense Urban Environments},
author = {Qamar Bader and Sharief Saleh and Mohamed Elhabiby and Aboelmagd Noureldin},
journal= {arXiv preprint arXiv:2305.02822},
year = {2023}
}