具体实施方式

为使本发明的目的、技术方案和优点更加清楚明白，以下结合具体实施例，并参照附图，对本发明进一步详细说明。

需要说明，若本发明实施例中有涉及方向性指示，则该方向性指示仅用于解释在某一特定姿态下各部件之间的相对位置关系、运动情况等，如果该特定姿态发生改变时，则该方向性指示也相应地随之改变。

另外，若本发明实施例中有涉及“第一”、“第二”等的描述，则该“第一”、“第二”等的描述仅用于描述目的，而不能理解为指示或暗示其相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。另外，各个实施例之间的技术方案可以相互结合，但是必须是以本领域普通技术人员能够实现为基础，当技术方案的结合出现相互矛盾或无法实现时应当认为这种技术方案的结合不存在，也不在本发明要求的保护范围之内。

随着以全球定位系统(GPS)为代表的全球卫星导航系统(GNSS)应用的发展，GNSS系统正在成为一个国家信息化建设重要的基础设施，为多种不同应用提供定位、导航和授时(PNT)服务信息。随着GNSS应用的深入，GNSS系统自身的缺点也逐渐显现，主要包括：电磁信号干扰影响，在地理环境遮蔽条件下(室内、地下)难以实现定位。

如何增强GNSS系统的PNT服务能力，甚至提供完全不依赖于GNSS系统实现的PNT服务能力成为未来PNT应用技术发展的重点。探地雷达利用电磁波实现地下目标的高分辨率探测，由于地下目标基本不受外界环境影响，因此目标特征比较稳定。探索和研究利用探地雷达获取的地下目标信息实现非常态下的定位，可有效弥补现有手段的不足。

基于探地雷达的数据进行定位，主要包括以下几个步骤：1)用探地雷达系统采集道路地下目标的回波数据，形成先验地下目标回波数据地图数据库，简称先验地图数据库。2)当车辆需要定位时，探地雷达系统会采集当前位置的探地雷达回波数据，称为未注册地图，与先验地图数据库中的探地雷达回波数据进行相似度计算。使用未注册地图的原始回波数据和先验地图数据库的原始回波数据来计算相似度的时间复杂度很高，难以实现定位的实时性。

本发明提供一种移动载具，包括移动载具的定位系统，只要是包括移动载具的定位系统的移动载具均是本发明的保护内容。

请参阅图1，本发明还提供一种移动载具的定位系统100，包括探地雷达1以及移动载具的定位控制装置2；探地雷达1用以获得实时道路数据；移动载具的定位控制装置2与所述探地雷达1电性连接。

在本发明提供的技术方案中，通过探地雷达1活动当前位置的实时道路数据，需要说明的是，实时道路数据为当前位置的雷达回波数据，探地雷达1与移动载具的定位控制装置2电性连接，以得到实时目标特征，通过移动载具的定位控制装置2与预设目标特征相对比，进而判断实时位置。实现了在没有GNSS服务等非常态下的定位。

进一步的，移动载具的定位系统100还包括测距装置3，测距装置3用以测量移动载具移动距离；移动载具的定位控制装置2与测距装置3电性连接。在实际定位时，只需要间隔一定的距离获取对应的特征即可，以此保证数据不会过于庞大，同时便于后续进行数据处理计算。

在本发明提供的实施例中，所述测距装置3为测距轮。

另外，请参阅图2，本发明提供一种移动载具的定位控制装置2，移动载具的定位控制装置2与探地雷达1之间电连接，用以控制移动载具的定位系统100。

控制装置可以包括：处理器1001，例如CPU，通信总线1002、用户接口1003，网络接口1004，存储器1005。其中，通信总线1002用于实现这些组件之间的连接通信。用户接口1003可以包括显示屏(Display)、输入单元比如键盘(Keyboard)，可选用户接口1003还可以包括标准的有线接口、无线接口。网络接口1004可选的可以包括标准的有线接口、无线接口(如WI-FI接口)。存储器1005可以是高速RAM存储器，也可以是稳定的存储器(non-volatilememory)，例如磁盘存储器。存储器1005可选的还可以是独立于前述处理器1001的存储装置。

作为一种计算机存储介质的存储器1005中可以包括操作系统、网络通信模块、用户接口模块以及移动载具的定位控制程序。

基于上述硬件结构，本发明还提供一种移动载具的定位方法，请参阅图3，为本发明提供的一实施例。

本发明提供的移动载具的定位方法包括以下步骤：

S10、获取探地雷达获得的实时道路数据，并提取实时道路数据中的实时目标特征；

S20、根据实时目标特征与预设目标特征之间的相似度，得到探地雷达的实时位置。

在本发明提供的技术方案中，使用探地雷达1收集地下目标回波特征，获得道路的实时道路数据，实现了在没有GNSS服务等非常态下的定位；在本发明中使用提取出的实时目标特征来进行相似度计算，避免了原始回波数据高计算复杂度问题，保证了实时性，同时也减少了数据存储量。

进一步的，步骤S20之后还包括：

S30、获取测距装置测量的移动距离；

S40、根据移动距离与预设阈值之间的关系，输出实时位置。

在本实施例中，移动距离为上一次定位到本次定位之间的距离，当移动距离小于预设阈值时，则输出实时位置；当移动距离大于预设阈值时，则记录定位位置但不输出实时位置，以便于下一次定位时获取两者之间的距离，输出实时位置。通过测距装置3便于对实时道路数据的处理，周期性输出实时位置，减小数据储存量。

另一方面，步骤S10包括：

S11、获取探地雷达获得的实时道路数据，将实时道路数据形成矩阵，并裁切成切片集；

S12、提取切片集中每一切片的目标特征，得到实时道路数据中的实时目标特征。

在本实施例中，使用卷积神经网络提取切片集中每个切片的维度的目标特征，得到多个维度的实时目标特征。使用卷积神经网络提取出地下目标的回波特征，具有鲁棒性，在复杂地下环境下也能提取出目标的回波特征。

需要说明的是，获取实时道路数据的具体步骤为在长度为l的道路上获取数据，每道数据点数为M点，每道数据采集的距离间隔为d米，收集的实时道路数据形成维度为M×S的矩阵，其中S＝l/d。然后以大小为m×n的单像素重叠窗口将实时道路数据裁切成(M-m+1)×(S-n+1)个维度为m×n的切片集，使用卷积神经网络提取切片集中每个切片的j×k维度的目标特征，得到(M-m+1)×(S-n+1)个维度为j×k的实时目标特征。通过对比实时目标特征与预设目标特征之间的相似度，以得到当前实时位置。

进一步的，将实时道路数据裁切成切片集的步骤之前还包括：

对实时道路数据进行去除杂波以及数据增益。对数据进行与处理后便于后续对实时道路数据进行处理。

需要说明的是，预设目标特征为采用探地雷达采集的预设道路数据。预设目标特征使用搭载GPS系统和测距轮的探地雷达沿着一条长度为L米的路线收集预设道路数据。探地雷达收集的每道数据点数为M点，每道数据间距离间隔为d米且均记录每道数据GPS坐标。收集到的预设道路数据维度为M×N，其中N＝L/d。

数据预处理之后，以大小为m×n的单像素重叠窗口将预设道路数据裁切成(M-m+1)×(N-n+1)个维度为m×n的切片集，使用卷积神经网络提取切片集中每个切片的j×k维度的目标特征，得到(M-m+1)×(N-n+1)个维度为j×k的预设目标特征。预设目标特征与GPS坐标相对应。

本发明提供一具体实施例，在本实施例中，使用搭载GPS系统和测距轮的探地雷达沿着一条长度为L＝97.27m的路线收集预设道路数据。探地雷达收集的每道数据点数为M＝416，每道数据间间隔为d＝0.0137m且均记录每道数据GPS坐标。收集到的预设道路数据维度为416×7100；

请参阅图4，去除数据中杂波干扰和自动增益后的预设道路数据，以大小为416×416的单像素重叠窗口将预设道路数据裁切成6685个维度为416×416的切片集，使用Faster-RCNN卷积神经网络提取切片集中每个切片的1×1024维度的目标特征，得到6685个维度为1×1024的预设目标特征。

使用包括移动载具的定位系统100的移动载具行驶一段长度为l为5.7m的路线来收集实时道路数据。收集到的实时道路数据维度为416×416。

请参阅图5，去除数据中杂波干扰和自动增益后的实时道路数据，以大小为416×416的单像素重叠窗口将实时道路数据裁切成1个维度为416×416的切片集，使用Faster-RCNN卷积神经网络提取切片集中每个切片的1×1024维度的目标特征，得到1个维度为1×1024的实时目标特征。

请参阅图6至图7，使用平均绝对距离(Mean Absolute Distance，MAD)作为相似度的度量。遍历预设目标特征计算其与实时目标特征间的平均绝对距离，得到平均绝对距离最小(即相似度最高)的预设目标特征和该特征的GPS坐标；其中，A为实时目标特征数据图，B为预设目标特征图，B为最相似度最高的预设目标特征，将其GPS坐标作为当前的定位位置。

计算当前的定位GPS和上次定位GPS的距离，与测距轮记录的距离小于阈值2m，输出GPS坐标。

以上所述的具体实施例，对本发明的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上所述仅为本发明的具体实施例而已，并不用于限制本发明，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。