CN110617825B - 一种车辆定位方法、装置、电子设备和介质 - Google Patents

Abstract

本申请实施例公开了一种车辆定位方法、装置、电子设备和介质，涉及导航技术领域。具体实现方案为：根据上一候选粒子的预测方位信息，车辆在上一时刻的速度，以及车辆在当前时刻的当前方位信息进行粒子滤波处理，确定当前候选粒子的更新概率；其中，所述车辆在当前时刻的当前方位信息是通过对车辆在当前时刻的定位数据、速度、加速度和角速度进行扩展卡尔曼滤波得到；依据所述当前候选粒子的更新概率确定当前目标粒子，并依据所述当前目标粒子的方位信息进行定位。本申请的技术方案，通过扩展卡尔曼滤波和粒子滤波融合使用，提高了定位的准确度，且使定位结果和路线结果产生强关联，进而降低了路线绑定出错的概率。

Description

一种车辆定位方法、装置、电子设备和介质

技术领域

本申请实施例涉及计算机技术领域，尤其涉及导航技术领域，具体涉及一种车辆定位方法、装置、电子设备和介质。

背景技术

车机导航通常使用导航定位系统、IMU(Inertial Measurement Unit，惯性测量单元)以及速度传感器等传感器来实现车辆定位，并通过车辆定位位置在地图引擎端进行绑定路线，从而实现导航的目的。

然而目前，车辆定位通过扩展卡尔曼滤波器实现，路网绑定通过定位的投影距离决定。定位和路线有一定的脱离性，如果定位准确度较低，那么路线有可能产生错误。

发明内容

本申请实施例公开一种车辆定位方法、装置、电子设备和介质，通过扩展卡尔曼滤波和粒子滤波融合使用，提高了定位的准确度，且使定位结果和路线结果产生强关联，进而降低了路线绑定出错的概率。

第一方面，本申请实施例公开了一种车辆定位方法，该方法包括：

根据上一候选粒子的预测方位信息，车辆在上一时刻的速度，以及车辆在当前时刻的当前方位信息进行粒子滤波处理，确定当前候选粒子的更新概率；其中，所述车辆在当前时刻的当前方位信息是通过对车辆在当前时刻的定位数据、速度、加速度和角速度进行扩展卡尔曼滤波得到；

依据所述当前候选粒子的更新概率确定当前目标粒子，并依据所述当前目标粒子的方位信息进行定位。

上述申请中的一个实施例具有如下优点或有益效果：通过根据对车辆在当前时刻的定位数据、速度、加速度和角速度进行扩展卡尔曼滤波得到的车辆在当前时刻的当前方位信息、上一候选粒子的预测方位信息、以及车辆在上一时刻的速度进行粒子滤波，可确定当前候选粒子的更新概率；之后可依据当前候选粒子的更新概率确定当前目标粒子，进而可根据当前目标粒子的方位信息进行定位。解决了现有的车辆定位方法定位准确度不高的问题，通过将扩展卡尔曼滤波和粒子滤波融合使用，提高了定位的准确度，且使定位结果和路线结果产生强关联，进而降低了路线绑定出错的概率。

可选的，依据根据上一候选粒子的预测方位信息，车辆在上一时刻的速度，以及车辆在当前时刻的当前方位信息进行粒子滤波处理，确定当前候选粒子的更新概率，包括：

通过上一候选粒子的预测方位信息中的位置和车辆在上一时刻的速度，得到当前候选粒子的预测方位信息；

依据当前候选粒子的预测方位信息，以及所述车辆在当前时刻的当前方位信息，确定当前候选粒子的更新概率。

可选的，所述当前候选粒子包括第一粒子和第二粒子，其中，所述第一粒子是依据历史时刻车辆的历史方位信息以及地图道路数据所确定的；所述第二粒子是依据所述第一粒子确定的。

可选的，通过如下确定所述第一粒子和所述第二粒子：

依据所述历史方位信息中的位置以及地图道路数据，确定至少两个路段；

将所述历史方位信息中的位置分别投影到至少两个路段，得到第一粒子；

对于每一路段，以该路段上的第一粒子为中心，以第一预设距离为间隔，增加预设数值个第二粒子，使第一粒子和第二粒子的总数量为固定数量。

上述可选方式具有如下优点或有益效果：通过增加第二粒子，能够解决定位误差导致的扩展卡尔曼滤波输出的位置的提前或滞后的问题。

可选的，依据当前候选粒子的预测方位信息，以及所述车辆在当前时刻的当前方位信息，确定当前候选粒子的更新概率，包括：

依据当前时刻前连续预设时长内的车辆的历史方位信息中的角度，确定车辆当前所处场景；

依据车辆当前所处场景的位置权重和角度权重、当前候选粒子的预测方位信息、以及所述车辆在当前时刻的当前方位信息，确定当前候选粒子的更新概率。

上述可选方式具有如下优点或有益效果：通过在确定当前候选粒子的更新概率的过程中增加车辆所处场景特征，在能够提高定位准确度的情况下，增加了方案的灵活度和适用性。

可选的，同一路段上的第一粒子和第二粒子为一粒子组。

可选的依据所述当前候选粒子的更新概率确定当前目标粒子之后，还包括：

依据每一粒子组中第一粒子的更新概率和第二粒子的更新概率，确定每一粒子组的总概率；

依据每一粒子组的总概率和预设概率之间的关系，确定下一候选粒子。

上述可选方式具有如下优点或有益效果：通过以粒子组为单位确定下一候选粒子，减少了计算量，且提高了工作效率。

第二方面，本申请实施例还公开了一种车辆定位装置，该装置包括：

更新概率确定模块，用于根据上一候选粒子的预测方位信息，车辆在上一时刻的速度，以及车辆在当前时刻的当前方位信息进行粒子滤波处理，确定当前候选粒子的更新概率；其中，所述车辆在当前时刻的当前方位信息是通过对车辆在当前时刻的定位数据、速度、加速度和角速度进行扩展卡尔曼滤波得到；

定位模块，用于依据所述当前候选粒子的更新概率确定当前目标粒子，并依据所述当前目标粒子的方位信息进行定位。

第三方面，本申请实施例还公开了一种电子设备，包括：

至少一个处理器；以及

与所述至少一个处理器通信连接的存储器；其中，

所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行如本申请任一实施例所述的车辆定位方法。

第四方面，本申请实施例还公开了一种存储有计算机指令的非瞬时计算机可读存储介质，所述计算机指令用于使所述计算机执行如本申请任一实施例所述的车辆定位方法。

附图说明

附图用于更好地理解本方案，不构成对本申请的限定。其中：

图1是根据本申请第一实施例提供的一种车辆定位方法的流程图；

图2是根据本申请第二实施例提供的一种车辆定位方法的流程图；

图3是根据本申请第三实施例提供的一种车辆定位方法的流程图；

图4是根据本申请第四实施例提供的一种车辆定位装置的结构示意图；

图5是用来实现本申请第五实施例的车辆定位方法的电子设备的框图。

具体实施方式

以下结合附图对本申请的示范性实施例做出说明，其中包括本申请实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本申请的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。

第一实施例

图1是根据本申请第一实施例提供的一种车辆定位方法的流程图，本实施例可适用于如何提高车辆定位的准确度，以解决路线绑定易出错的情况；该方法尤其适用于车辆导航场景中。该方法可以由车辆定位装置来执行，该装置可以采用软件和/或硬件的方式实现，并可集成于车辆上。如图1所示，本实施例提供的车辆定位方法可以包括：

S110、根据上一候选粒子的预测方位信息，车辆在上一时刻的速度，以及车辆在当前时刻的当前方位信息进行粒子滤波处理，确定当前候选粒子的更新概率。

本实施例中，融合使用扩展卡尔曼滤波和粒子滤波实时确定用于定位的方位信息。可选的，在车辆行驶过程中，可通过对每一时刻获取的车辆在该时刻定位系统采集的车辆的定位数据、速度传感器采集的车辆的速度、以及惯性测量单元采集的车辆的加速度和角速度进行扩展卡尔曼滤波得到车辆在该时刻的方位信息；而后将该时刻通过扩展卡尔曼滤波得到的方位信息、以及上一次粒子滤波处理中上一候选粒子的预测方位信息等作为粒子滤波的输入，用于更新该时刻候选粒子的概率，即确定该时刻候选粒子的更新概率，以便确定用于定位的方位信息。其中方位信息包括位置(即经纬度)和角度(即航向角)；本实施例中，采用定量的方式，基于地图道路数据对路段进行撒点来确定粒子滤波中的粒子，即一个粒子对应于路段上的一个道路点，以使最终定位能够与路线强关联，进而降低路线绑定出错的概率。

其中，上一候选粒子即为上一次粒子滤波处理中的粒子；本实施例中，粒子滤波可以包括预测阶段和更新阶段，预测阶段用于预测粒子的方位信息，更新阶段用于更新粒子的概率。进而上一候选粒子的预测方位信息包括上一次粒子滤波所预测的上一候选粒子在路段上的位置和所预测位置处路段的方向即航向角。对应的，当前候选粒子即为当前进行粒子滤波处理中的粒子。基于粒子滤波原理，本实施例中每次进行粒子滤波处理中的粒子总数量可以相同，即粒子总数量为固定数量，进而在没有粒子新增和/删除的情况下，当前候选粒子与上一候选粒子相同；若存在粒子新增和/删除的情况，当前候选粒子可以包括上一候选粒子中的部分，以及上一次粒子滤波处理完新增的粒子。进一步的，若当前候选粒子与上一候选粒子相同，或者包括上一候选粒子中的部分，则此时参与当前粒子滤波的上一候选粒子的预测方位信息可以作为当前候选粒子的初始方位信息。

可选的，若当前为第一次粒子滤波，则无上一候选粒子，进而在进行粒子滤波处理前，需要先进行撒点确定初始候选粒子，此时当前候选粒子即为初始候选粒子，包括第一粒子和第二粒子。具体的可以通过对车辆在上一时刻的定位数据、速度、加速度以及角速度进行扩展卡尔曼滤波得到车辆在上一时刻的上一方位信息，并根据车辆在上一时刻的上一方位信息在地图引擎端查询定位附近所有可能的路段(包括起始路段点和结束路段点信息)，确定车辆在上一时刻的上一方位信息中的位置到所查询到的路段上的投影点，且将投影点作为第一粒子；为了解决定位误差导致的扩展卡尔曼滤波输出的位置的提前或滞后的问题，在得到第一粒子之后，对于每一路段，可以以该路段上的第一粒子为中心，以第一预设距离为间隔，在该路段上增加预设数值个第二粒子。例如，对于每一路段，以第一预设距离为间隔，在该路段上第一粒子的前后分别增加5个粒子，进而可得到粒子总数为第一粒子个数*5个粒子。此时，初始候选粒子的初始方位信息可以是粒子在路段上的初始位置以及该位置处路段的方向。

之后，可以依据车辆在上一时刻的速度，基于车辆在上一时刻的上一方位信息所确定的初始候选粒子的初始方位信息，以及车辆在当前时刻的当前方位信息进行粒子滤波处理，确定当前候选粒子的更新概率。具体可以是：通过初始候选粒子的初始方位信息和车辆在上一时刻的速度进行推算，可得到当前候选粒子的预测方位信息；之后对于每一当前候选粒子，可依据该当前候选粒子的预测方位信息，以及车辆在当前时刻的当前方位信息进行误差计算，进而确定该当前候选粒子的更新概率。其中，车辆在当前时刻的当前方位信息是通过对车辆在当前时刻的定位数据、速度、加速度和角速度进行扩展卡尔曼滤波得到。

为了减少计算量，在确定初始候选粒子中的第一粒子之后，还可以依据投影距离和角度差值，确定初始候选粒子中的第一粒子的初始概率；并依据所确定的初始候选粒子中的第一粒子的初始概率，对初始候选粒子中的第一粒子进行筛选，例如删除初始概率小于预设概率的第一粒子。其中，对于每一初始候选粒子中的第一粒子而言，投影距离可以是车辆在上一时刻的上一方位信息中的位置到所查询到的路段上的投影点(即该粒子)之间的距离；角度差值为车辆在上一时刻的上一方位信息中的角度，与该粒子所在位置处路段的方向之间的差值。

可选的，若当前不是第一次粒子滤波，且上一次粒子滤波处理完未删除和/新增粒子，则说明当前候选粒子与上一候选粒子相同。当前候选粒子中的第一粒子是依据历史时刻车辆的历史方位信息以及地图道路数据所确定的；当前候选粒子中的第二粒子是依据所述第一粒子确定的；具体的，依据历史方位信息中的位置以及地图道路数据，确定至少两个路段；将历史方位信息中的位置分别投影到至少两个路段，得到当前候选粒子中的第一粒子；对于每一路段，以该路段上的第一粒子为中心，以第一预设距离为间隔，增加预设数值个第二粒子，使第一粒子和第二粒子的总数量为固定数量。

例如，当前时刻为t3时刻，当前为三次粒子滤波，上一次时刻为t2时刻，上一次为第二次粒子滤波。第一粒子可以是依据t0时刻车辆的初始方位信息以及地图道路数据所确定的；或者可以包括依据t0时刻车辆的初始方位信息以及地图道路数据所确定的部分第一粒子，以及t1时刻车辆的初始方位信息以及地图道路数据所确定第一粒子，此时这种情况可能是在第一次粒子滤波处理完后出现了新的一条或多条路段进而新增了粒子，还可能是在第一次粒子滤波处理完后删除了某些粒子等。例如出现一条路段，新增了一个第一粒子以及预设数值个第二粒子，且新增的第一粒子的误差，小于采用t0时刻依据车辆的初始方位信息以及地图道路数据所确定的第一次粒子进行第一次滤波处理完后的第一粒子中的最大误差；由于每次进行粒子滤波处理中的粒子总数量可以相同，即粒子总数量为固定数量，进而进行了粒子的替换操作。例如，由于每一第一粒子所在路段还包括第二粒子，进而可将误差最大的第一粒子以及其所在路段上的第二粒子一并删除，并用新增路段上的第一粒子和第二粒子替代。

可以理解的是，此处只是所介绍当前候选粒子中所包括的第一粒子和第二粒子是在什么时刻怎么确定的，并未对其方位信息进行限定；而在确定之后的第一粒子和第二粒子的方位信息是随着粒子滤波的依次迭代动态变化的。

此时，可以通过上一候选粒子的预测方位信息和车辆在上一时刻的速度进行推算，得到当前候选粒子的预测方位信息；之后对于每一当前候选粒子，可依据该当前候选粒子的预测方位信息，以及车辆在当前时刻的当前方位信息进行误差计算，进而确定该当前候选粒子的更新概率。

可选的，若当前不是第一次粒子滤波，且上一次粒子滤波处理完新增粒子，则说明当前候选粒子包括部分上一候选粒子，以及上一次粒子滤波处理完新增的粒子，新增的粒子通过如下过程确定：依据车辆在上一时刻的上一方位信息和地图数据确定新增第一粒子，并依据新增第一粒子确定新增第二粒子。此时，可以通过参与当前粒子滤波的上一候选粒子的预测方位信息和车辆在上一时刻的速度进行推算，得到一部分当前候选粒子的预测方位信息；同时依据新增的粒子的初始方位信息和车辆在上一时刻的速度进行推算，得到其余当前候选粒子的预测方位信息；之后对于每一当前候选粒子，可依据该当前候选粒子的预测方位信息，以及车辆在当前时刻的当前方位信息进行误差计算，进而确定该当前候选粒子的更新概率。

S120、依据当前候选粒子的更新概率确定当前目标粒子，并依据当前目标粒子的预测方位信息进行定位。

具体的，在确定每一当前候选粒子之后，可以依据当前候选粒子的更新概率以及上一候选粒子的更新概率(即当前候选粒子的基础概率)，确定每一当前候选粒子的最终概率，并将最终概率最大的当前候选粒子作为当前目标粒子；之后可以将当前目标粒子的预测方位提供给地图引擎端，以便地图引擎端将当前目标粒子的预测方位信息作为定位结果进行导航。

本申请实施例提供的技术方案，通过根据对车辆在当前时刻的定位数据、速度、加速度和角速度进行扩展卡尔曼滤波得到的车辆在当前时刻的当前方位信息、上一候选粒子的预测方位信息、以及车辆在上一时刻的速度进行粒子滤波，可确定当前候选粒子的更新概率；之后可依据当前候选粒子的更新概率确定当前目标粒子，进而可根据当前目标粒子的方位信息进行定位。解决了现有的车辆定位方法定位准确度不高的问题，通过将扩展卡尔曼滤波和粒子滤波融合使用，提高了定位的准确度，且使定位结果和路线结果产生强关联，进而降低了路线绑定出错的概率。

第二实施例

图2是根据本申请第二实施例提供的一种车辆定位方法的流程图，本实施例在上述实施例的基础上，进一步对依据根据上一候选粒子的预测方位信息，车辆在上一时刻的速度，以及车辆在当前时刻的当前方位信息进行粒子滤波处理，确定当前候选粒子的更新概率进行解释说明。参见图2，本实施例提供的车辆定位方法可以包括：

S210、通过上一候选粒子的预测方位信息和车辆在上一时刻的速度，得到当前候选粒子的预测方位信息。

本实施例中，当前候选粒子包括第一粒子和第二粒子，其中，第一粒子是依据历史时刻车辆的历史方位信息以及地图道路数据所确定的；第二粒子是依据第一粒子确定的。

为了减少计算量以及便于快速确定下一候选粒子等，可选的，本实施例中可以将同一路段上的第一粒子和第二粒子作为一个粒子组。

S220、依据当前时刻前连续预设时长内的车辆的历史方位信息中的角度，确定车辆当前所处场景。

本实施例中，预设时长是预先设定的，可以根据实际情况进行调整；进一步的，预设时长不宜过长，越长所确定的当前所处场景的准确度越低。例如，预设时长可以是5s。进而，可以计算当前时刻前连续5s内的车辆的历史方位信息中的角度的方差，并确定所计算的角度的方差与角度阈值之间的关系，依据所确定的关系确定车辆当前所处场景。例如，若所计算的角度的方差小于角度阈值，则可以确定车辆当前所处场景为直道场景；若所计算的角度的方差小于角度阈值，则可以确定车辆当前所场景为弯道场景。其中，角度阈值是预先设定，可根据实际情况进行调整，例如可以是0.5°。

需要说明的是，S220确车辆当前所处场景的过程可以实时进行；还可以在进行粒子滤波处理之前进行，例如，第一次进行粒子滤波处理前，若确定车辆当前所处场景为弯道场景，为了保证投影的准确度，则可以所确定的多个路段进行平滑拟合；还可以在有新增路线的时候进行等。

S230、依据车辆当前所处场景的位置权重和角度权重、当前候选粒子的预测方位信息、以及车辆在当前时刻的当前方位信息，确定车辆当前候选粒子的更新概率。

可选的，车辆所处场景不同，位置权重和角度权重不同。例如，若车辆当前所处场景为直道场景，则可以将角度权重相对设置较大，位置权重相对设置较小，以此来放大与当前场景不一致的误差，进而可去除非直行路段上的当前候选粒子，如角度权重设置为0.9，位置权重设置为0.1等。若车辆当前所处场景为弯道场景，则为了去除扩展卡尔曼滤波带来的提前或滞后的干扰，不宜将角度权重设置过大，如可以将角度权重设置为0.5，将位置权重设置为0.5等。

具体的，在确定车辆当前所处场景之后，对于每一当前候选粒子，可以依据该当前候选粒子的预测方位信息、以及车辆在当前时刻的当前方位信息，确定该当前候选粒子的位置误差和角度误差；之后可以依据车辆当前所处场景的位置权重和角度权重，以及该当前候选粒子的位置误差和角度误差，可确定该当前候选粒子的总误差，进而可依据该总误差确定该候选粒子的更新概率。可选的，总误差越大，更新概率越小。

可选的，若车辆当前所处场景为直道场景，为了减少计算量，可以设置每一粒子组中的第一粒子和第二粒子使用相同的总误差，也就是说同一路段上的当前候选粒子具有相同的更新概率，则可以依据每一第一粒子的预测方位信息和车辆在当前时刻的当前方位信息，确定每一第一粒子的位置误差和角度误差；之后，依据每一第一粒子的总误差确定每一第一粒子的更新概率，并将每一第一粒子的更新概率作为同一路段上每一第二粒子的更新概率。具体的，对于每一第一粒子，可以用该第一粒子的预测方位信息中的位置减去车辆在当前时刻的当前方位信息中的位置，得到该第一粒子的位置误差；同理，用该第一粒子的预测方位信息中的角度减去车辆在当前时刻的当前方位信息中的角度，得到该第一粒子的角度误差；之后，可以先采用归一化处理方式如正态分布归一化方式对每一第一粒子的位置误差和角度误差进行归一化处理，而后对于每一第一粒子，可以计算位置权重与该第一粒子的归一化处理后的位置误差之间的乘积，以及角度权重与该第一粒子的归一化处理后的角度误差之间的乘积，并将所计算的两个乘积相加即可得到该第一粒子的总误差，进而依据该第一粒子的总误差即可得到该第一粒子的更新概率。在得到每一第一粒子的更新概率之后，可以将每一第一粒子的更新概率作为同一路段上每一第二粒子的更新概率。

可选的，若车辆当前所处场景为弯道场景，则可以依据每一当前候选粒子的方位信息，以及车辆在当前时刻的当前方位信息，确定每一当前候选粒子的位置误差和角度误差；依据弯道场景下的位置权重和角度权重、以及每一当前候选粒子的位置误差和角度误差，确定每一当前候选粒子的总误差；依据每一当前候选粒子的总误差，确定每一当前候选粒子的更新概率。具体的，对于每一当前候选粒子，可以用该当前候选粒子的预测方位信息中的位置减去车辆在当前时刻的当前方位信息中的位置，得到该当前候选粒子的位置误差；同理，用该当前候选粒子的预测方位信息中的角度减去车辆在当前时刻的当前方位信息中的角度，得到该当前候选粒子的角度误差；之后，可以先采用归一化处理方式如正态分布归一化方式对每一当前候选粒子的位置误差和角度误差进行归一化处理，而后对于每一当前候选粒子，可以计算位置权重与该当前候选粒子的归一化处理后的位置误差之间的乘积，以及角度权重与该当前候选粒子的归一化处理后的角度误差之间的乘积，并将所计算的两个乘积相加即可得到该当前候选粒子的总误差，进而依据该当前候选粒子的总误差即可得到该当前候选粒子的更新概率。

S240、依据当前候选粒子的更新概率确定当前目标粒子，并依据当前目标粒子的预测方位信息进行定位。

具体的，可以依据当前候选粒子的更新概率以及上一候选粒子的更新概率(即当前候选粒子的基础概率)，确定每一当前候选粒子的最终概率，并将最终概率最大的当前候选粒子作为当前目标粒子；之后可以将当前目标粒子的预测方位提供给地图引擎端，以便地图引擎端将当前目标粒子的预测方位信息作为定位结果进行导航。

此外，对于车辆当前所处场景为直道场景，且之前也一直处于直道场景的特殊情况，则可以确定每一当前候选粒子的最终概率相同，此时可以将所有粒子组中更新概率最大的粒子组中的第一粒子作为当前目标粒子，之后可以将当前目标粒子的预测方位提供给地图引擎端，以便地图引擎端将当前目标粒子的预测方位信息作为定位结果进行导航。

本申请实施例提供的技术方案，通过在确定当前候选粒子的更新概率的过程中增加车辆所处场景特征，增加了方案的灵活度和适用性；之后可依据当前候选粒子的更新概率确定当前目标粒子，进而可根据当前目标粒子的方位信息进行定位。解决了现有的车辆定位方法定位准确度不高的问题，通过将扩展卡尔曼滤波和粒子滤波融合使用，提高了定位的准确度，且使定位结果和路线结果产生强关联，进而降低了路线绑定出错的概率。

第三实施例

图3是根据本申请第三实施例提供的一种车辆定位方法的流程图，本实施例在上述实施例的基础上，增加了确定下一候选粒子的过程。参见图3，本实施例提供的车辆定位方法可以包括：

S310、根据上一候选粒子的预测方位信息，车辆在上一时刻的速度，以及车辆在当前时刻的当前方位信息进行粒子滤波处理，确定当前候选粒子的更新概率。其中，当前候选粒子包括第一粒子和第二粒子，且同一路段上的第一粒子和第二粒子为一粒子组。

S320、依据当前候选粒子的更新概率确定当前目标粒子，并依据当前目标粒子的预测方位信息进行定位。

S330、依据每一粒子组中第一粒子的更新概率和第二粒子的更新概率，确定每一粒子组的总概率。

具体的，对于每一粒子组，可以将该粒子组中的第一粒子的更新概率和第二粒子的更新概率相加，得到该粒子组的总概率。

S340、依据每一粒子组的总概率和预设概率之间的关系，确定下一候选粒子。

本实施例中，预设概率是预先设定的，可根据实际情况进行调整。可选的，对于每一粒子组，若该粒子组的总概率大于预设概率，则可以将该粒子组中的粒子作为下一候选粒子；若该粒子组的总概率小于预设概率，则可以将该粒子组删除。

由于每次进行粒子滤波处理中的粒子总数量可以相同，即粒子总数量为固定数量，因此在存在删除粒子组的情况下，确定当前是否有新增路线，若无，则可以将粒子组的总概率大于预设概率的粒子组保留，同时可以依据车辆在当前时刻的当前方位信息中的位置重新投影到现有路段上，以重新确定第一粒子，并依据重新确定的第一粒子重新确定第二粒子；之后将重新确定的第一粒子和重新确定的同一路段上的第二粒子作为新粒子组(此时，新粒子组中的粒子所在路段与保留的粒子组中的粒子所在路段不相同)，并确定重新确定的每一新粒子组的总概率(对于每一新粒子组而言，该新粒子组的总概率是该新粒子组中每一粒子的初始概率之和)，用新粒子组中总概率大的新粒子组替代删除的粒子组。

在有新增路线的情况下，则可以将粒子组的总概率大于预设概率的粒子组保留，同时可以将车辆在当前时刻的当前方位信息中的位置投影到新增路段上，得到新增第一粒子，并依据新增第一粒子确定新增第二粒子，并将新增的第一粒子和第二粒子作为下一候选粒子。

进一步的，在有新增路线的情况下，比如出现一条新路段，则还可以先确定该新增路段所对应的新增新粒子组以及该新增粒子组的总概率(对于每一新增粒子组而言，该新增粒子组的总概率是该新增粒子组中每一粒子的初始概率之和)；而后将当前所有粒子组中总概率最小的粒子组选出，比较总概率最小的粒子组与新增新粒子组的总概率，将两者中总概率大的以及当前所有粒子组中的其他粒子组作为下一候选粒子。

可选的，在确定下一候选粒子之后，则可以进行下一次粒子滤波，进而确定下一目标粒子，以便根据下一目标粒子的预测方位信息进行定位。

本申请实施例提供的技术方案，通过根据对车辆在当前时刻的定位数据、速度、加速度和角速度进行扩展卡尔曼滤波得到的车辆在当前时刻的当前方位信息、上一候选粒子的预测方位信息、以及车辆在上一时刻的速度进行粒子滤波，可确定当前候选粒子的更新概率；之后可依据当前候选粒子的更新概率确定当前目标粒子，进而可根据当前目标粒子的方位信息进行定位之后，通过以粒子组为单位确定下一候选粒子，减少了计算量，且提高了工作效率。

此外，为了降低粒子滤波的误差，依据当前候选粒子的更新概率确定当前目标粒子之后，还可以包括：若检测到当前目标粒子所在粒子组的概率分布处于稳定状态，则将车辆在当前时刻的当前方位信息中的位置增加或减少第一预设距离，并用第二预设距离替代第一预设距离重新执行确定每一粒子组中第二粒子的操作，得到每一新的粒子组；第二预设距离小于第一预设距离；将每一新的粒子组中的粒子作为下一候选粒子。可选的，下一候选粒子的总数量与当前候选粒子的总数量相同。

本实施例中，当前目标粒子所在粒子组的概率分布由当前目标粒子所在粒子组中每一粒子的更新概率所组成；稳定状态即为当前目标粒子所在粒子组中粒子的更新概率递增。可选的，若检测到当前目标粒子所在粒子组连续多次粒子滤波处理之后的概率分布均处于稳定状态，且当前粒子滤波之后并未删除和/或新增粒子组，则可以确定扩展卡尔曼滤波输出的当前方位信息中的位置提前或滞后第一预设距离，此时可以向扩展卡尔曼滤波反馈，即可以将当前方位信息中的位置增加或减少第一预设距离，并用小于第一预设距离的第二预设距离替代第一预设距离，重新执行确定每一粒子组中第二粒子的操作(即依据每一粒子组中的第一粒子重新确定第二粒子)，得到每一新的粒子组；并将每一新的粒子组中的粒子作为下一候选粒子。

可选的，当前粒子滤波之后存在删除粒子组和/或新增粒子组，则对于仍然保留的粒子组，可以采用与上述在当前粒子滤波之后并未删除和/或新增粒子组情况下确定下一候选粒子相同的过程；对于新增粒子组，则可以用车辆在当前时刻的当前方位信息中的位置增加或减少第一预设距离之后的位置进行投影到新增路段上，进而得到新的第一粒子，之后依据新的第一粒子确定新的第二粒子，具体的，对于每一新增路段，以该新增路段上的新的第一粒子为中心，以第二预设距离为间隔，增加预设数值个新的第二粒子。

此外，当前粒子滤波之后存在删除粒子组的情况，则可以用车辆在当前时刻的当前方位信息中的位置增加或减少第一预设距离之后的位置重新投影到现有路段上，以重新确定第一粒子，并依据重新确定的第一粒子重新确定第二粒子，重新确定第二粒子的过程以第二预设距离为间隔之后将重新确定的第一粒子和第二粒子，以及未删除的粒子组中的粒子作为下一候选粒子。

第四实施例

图4是根据本申请第四实施例提供的一种车辆定位装置的结构示意图，该装置可执行本申请任意实施例所提供的车辆定位方法，具备执行方法相应的功能模块和有益效果。可选的，该装置可以采用软件和/或硬件的方式实现。如图4所示，该车辆定位装置400可以包括：

更新概率确定模块410，用于根据上一候选粒子的预测方位信息，车辆在上一时刻的速度，以及车辆在当前时刻的当前方位信息进行粒子滤波处理，确定当前候选粒子的更新概率；其中，车辆在当前时刻的当前方位信息是通过对车辆在当前时刻的定位数据、速度、加速度和角速度进行扩展卡尔曼滤波得到；

定位模块420，用于依据当前候选粒子的更新概率确定当前目标粒子，并依据当前目标粒子的方位信息进行定位。

本申请实施例提供的技术方案，通过根据对车辆在当前时刻的定位数据、速度、加速度和角速度进行扩展卡尔曼滤波得到的车辆在当前时刻的当前方位信息、上一候选粒子的预测方位信息、以及车辆在上一时刻的速度进行粒子滤波，可确定当前候选粒子的更新概率；之后可依据当前候选粒子的更新概率确定当前目标粒子，进而可根据当前目标粒子的方位信息进行定位。解决了现有的车辆定位方法定位准确度不高的问题，通过将扩展卡尔曼滤波和粒子滤波融合使用，提高了定位的准确度，且使定位结果和路线结果产生强关联，进而降低了路线绑定出错的概率。

进一步的，更新概率确定模块410具体用于：

通过上一候选粒子的预测方位信息和车辆在上一时刻的速度，得到当前候选粒子的预测方位信息；

依据当前候选粒子的预测方位信息，以及车辆在当前时刻的当前方位信息，确定当前候选粒子的更新概率。

进一步的，当前候选粒子包括第一粒子和第二粒子，其中，第一粒子是依据历史时刻车辆的历史方位信息以及地图道路数据所确定的；第二粒子是依据第一粒子确定的。

进一步的，上述装置还可以包括：粒子确定模块，具体用于：

依据历史方位信息中的位置以及地图道路数据，确定至少两个路段；

将历史方位信息中的位置分别投影到至少两个路段，得到第一粒子；

对于每一路段，以该路段上的第一粒子为中心，以第一预设距离为间隔，增加预设数值个第二粒子，使第一粒子和第二粒子的总数量为固定数量。

进一步的，更新概率确定模块410具体包括：

当前场景确定单元，用于依据当前时刻前连续预设时长内的车辆的历史方位信息中的角度，确定车辆当前所处场景；

更新概率确定单元，用于依据车辆当前所处场景的位置权重和角度权重、当前候选粒子的预测方位信息、以及所述车辆在当前时刻的当前方位信息，确定当前候选粒子的更新概率。

进一步的，更新概率确定单元具体用于：

若车辆当前所处场景为直道场景，则依据每一第一粒子的预测方位信息和车辆在当前时刻的当前方位信息，确定每一第一粒子的位置误差和角度误差；

依据直道场景下的位置权重和角度权重、以及每一第一粒子的位置误差和角度误差，确定每一第一粒子的总误差；

依据每一第一粒子的总误差确定每一第一粒子的更新概率，并将每一第一粒子的更新概率作为同一路段上每一第二粒子的更新概率。

进一步的，更新概率确定单元具体用于：

若车辆当前所处场景为弯道场景，则依据每一当前候选粒子的方位信息，以及车辆在当前时刻的当前方位信息，确定每一当前候选粒子的位置误差和角度误差；

依据弯道场景下的位置权重和角度权重、以及每一当前候选粒子的位置误差和角度误差，确定每一当前候选粒子的总误差；

依据每一当前候选粒子的总误差，确定每一当前候选粒子的更新概率。

进一步的，同一路段上的第一粒子和第二粒子为一粒子组。

进一步的，上述装置还可以包括：

总概率确定模块，用于依据每一粒子组中第一粒子的更新概率和第二粒子的更新概率，确定每一粒子组的总概率；

候选粒子确定模块，用于依据每一粒子组的总概率和预设概率之间的关系，确定下一候选粒子。

进一步的，候选粒子确定模块具体用于：

若检测到当前目标粒子所在粒子组的概率分布处于稳定状态，则将车辆在当前时刻的当前方位信息中的位置增加或减少第一预设距离，并用第二预设距离替代第一预设距离重新执行确定每一粒子组中第二粒子的操作，得到每一新的粒子组；第二预设距离小于第一预设距离；

将每一新的粒子组中的粒子作为下一候选粒子。

第五实施例

根据本申请的实施例，本申请还提供了一种电子设备和一种可读存储介质。

如图5所示，是根据本申请实施例的车辆定位方法的电子设备的框图。电子设备旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本申请的实现。

如图5所示，该电子设备包括：一个或多个处理器501、存储器502，以及用于连接各部件的接口，包括高速接口和低速接口。各个部件利用不同的总线互相连接，并且可以被安装在公共主板上或者根据需要以其它方式安装。处理器可以对在电子设备内执行的指令进行处理，包括存储在存储器中或者存储器上以在外部输入/输出装置(诸如，耦合至接口的显示设备)上显示图形用户界面(Graphical User Interface，GUI)的图形信息的指令。在其它实施方式中，若需要，可以将多个处理器和/或多条总线与多个存储器和多个存储器一起使用。同样，可以连接多个电子设备，各个设备提供部分必要的操作，例如，作为服务器阵列、一组刀片式服务器、或者多处理器系统。图5中以一个处理器501为例。

存储器502即为本申请所提供的非瞬时计算机可读存储介质。其中，所述存储器存储有可由至少一个处理器执行的指令，以使所述至少一个处理器执行本申请所提供的车辆定位方法。本申请的非瞬时计算机可读存储介质存储计算机指令，该计算机指令用于使计算机执行本申请所提供的车辆定位方法。

存储器502作为一种非瞬时计算机可读存储介质，可用于存储非瞬时软件程序、非瞬时计算机可执行程序以及模块，如本申请实施例中的车辆定位方法对应的程序指令/模块，例如，附图4所示的更新概率确定模块410和定位模块420。处理器501通过运行存储在存储器502中的非瞬时软件程序、指令以及模块，从而执行服务器的各种功能应用以及数据处理，即实现上述方法实施例中的车辆定位方法。

存储器502可以包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需要的应用程序；存储数据区可存储根据用来实现车辆定位方法的电子设备的使用所创建的数据等。此外，存储器502可以包括高速随机存取存储器，还可以包括非瞬时存储器，例如至少一个磁盘存储器件、闪存器件、或其他非瞬时固态存储器件。在一些实施例中，存储器502可选包括相对于处理器501远程设置的存储器，这些远程存储器可以通过网络连接至用来实现车辆定位方法的电子设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。

用来实现车辆定位方法的电子设备还可以包括：输入装置503和输出装置504。处理器501、存储器502、输入装置503和输出装置504可以通过总线或者其他方式连接，图5中以通过总线连接为例。

输入装置503可接收输入的数字或字符信息，以及产生与用来实现车辆定位方法的电子设备的用户设置以及功能控制有关的键信号输入，例如触摸屏、小键盘、鼠标、轨迹板、触摸板、指示杆、一个或者多个鼠标按钮、轨迹球、操纵杆等输入装置。输出装置504可以包括显示设备、辅助照明装置和触觉反馈装置等，其中，辅助照明装置例如发光二极管(Light Emitting Diode，LED)，触觉反馈装置例如振动电机等。该显示设备可以包括但不限于，液晶显示器(Liquid Crystal Display，LCD)、LED显示器和等离子体显示器。在一些实施方式中，显示设备可以是触摸屏。

此处描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、专用专用集成电路(Application Specific Integrated Circuit，ASIC)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。

这些计算程序也称作程序、软件、软件应用、或者代码，包括可编程处理器的机器指令，并且可以利用高级过程和/或面向对象的编程语言、和/或汇编/机器语言来实施这些计算程序。如本文使用的，术语“机器可读介质”和“计算机可读介质”指的是用于将机器指令和/或数据提供给可编程处理器的任何计算机程序产品、设备、和/或装置，例如，磁盘、光盘、存储器、可编程逻辑装置(Programmable Logic Device，PLD)，包括，接收作为机器可读信号的机器指令的机器可读介质。术语“机器可读信号”指的是用于将机器指令和/或数据提供给可编程处理器的任何信号。

为了提供与用户的交互，可以在计算机上实施此处描述的系统和技术，该计算机具有：用于向用户显示信息的显示装置，例如，阴极射线管(Cathode Ray Tube，CRT)或者LCD监视器；以及键盘和指向装置，例如，鼠标或者轨迹球，用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式，包括声输入、语音输入或者、触觉输入，来接收来自用户的输入。

可以将此处描述的系统和技术实施在包括后台部件的计算系统例如，作为数据服务器；或者实施在包括中间件部件的计算系统例如，应用服务器；或者实施在包括前端部件的计算系统例如具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互，或者实施在包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信，例如，通信网络，来将系统的部件相互连接。通信网络的示例包括：局域网(Local Area Network，LAN)、广域网(Wide Area Network，WAN)和互联网。

计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。

根据本申请实施例的技术方案，通过根据对车辆在当前时刻的定位数据、速度、加速度和角速度进行扩展卡尔曼滤波得到的车辆在当前时刻的当前方位信息、上一候选粒子的预测方位信息、以及车辆在上一时刻的速度进行粒子滤波，可确定当前候选粒子的更新概率；之后可依据当前候选粒子的更新概率确定当前目标粒子，进而可根据当前目标粒子的方位信息进行定位。解决了现有的车辆定位方法定位准确度不高的问题，通过将扩展卡尔曼滤波和粒子滤波融合使用，提高了定位的准确度，且使定位结果和路线结果产生强关联，进而降低了路线绑定出错的概率。

应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本发申请中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本申请公开的技术方案所期望的结果，本文在此不进行限制。

上述具体实施方式，并不构成对本申请保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本申请的精神和原则之内所作的修改、等同替换和改进等，均应包含在本申请保护范围之内。

Claims (13)

1.一种车辆定位方法，其特征在于，包括：

根据上一候选粒子的预测方位信息，车辆在上一时刻的速度，以及车辆在当前时刻的当前方位信息进行粒子滤波处理，确定当前候选粒子的更新概率；其中，所述车辆在当前时刻的当前方位信息是通过对车辆在当前时刻的定位数据、速度、加速度和角速度进行扩展卡尔曼滤波得到；所述当前候选粒子包括第一粒子和预设数量的第二粒子，所述第一粒子和第二粒子均对应道路点；所述预设数量的第二粒子是在第一粒子所在路段上，以第一预设距离为间隔，在所述第一粒子的前方和后方增加的粒子；所述第一粒子和第二粒子的总数量为固定数量；

依据所述当前候选粒子的更新概率确定当前目标粒子，并依据所述当前目标粒子的预测方位信息进行定位。

2.根据权利要求1所述的方法，其特征在于，依据根据上一候选粒子的预测方位信息，车辆在上一时刻的速度，以及车辆在当前时刻的当前方位信息进行粒子滤波处理，确定当前候选粒子的更新概率，包括：

通过上一候选粒子的预测方位信息和车辆在上一时刻的速度，得到当前候选粒子的预测方位信息；

依据当前候选粒子的预测方位信息，以及所述车辆在当前时刻的当前方位信息，确定当前候选粒子的更新概率。

3.根据权利要求1所述的方法，其特征在于，所述当前候选粒子包括第一粒子和第二粒子，其中，所述第一粒子是依据历史时刻车辆的历史方位信息以及地图道路数据所确定的。

4.根据权利要求3所述的方法，其特征在于，通过如下确定所述第一粒子和所述第二粒子：

依据所述历史方位信息中的位置以及地图道路数据，确定至少两个路段；

将所述历史方位信息中的位置分别投影到至少两个路段，得到第一粒子；

对于每一路段，以该路段上的第一粒子为中心，以第一预设距离为间隔，增加预设数值个第二粒子，使第一粒子和第二粒子的总数量为固定数量。

5.根据权利要求3所述的方法，其特征在于，依据当前候选粒子的预测方位信息，以及所述车辆在当前时刻的当前方位信息，确定当前候选粒子的更新概率，包括：

依据当前时刻前连续预设时长内的车辆的历史方位信息中的角度，确定车辆当前所处场景；

依据车辆当前所处场景的位置权重和角度权重、当前候选粒子的预测方位信息、以及所述车辆在当前时刻的当前方位信息，确定当前候选粒子的更新概率。

6.根据权利要求5所述的方法，其特征在于，依据车辆当前所处场景的位置权重和角度权重、当前候选粒子的预测方位信息、以及所述车辆在当前时刻的当前方位信息，确定当前候选粒子的更新概率，包括：

若车辆当前所处场景为直道场景，则依据每一第一粒子的预测方位信息和所述车辆在当前时刻的当前方位信息，确定每一第一粒子的位置误差和角度误差；

依据所述直道场景下的位置权重和角度权重、以及每一第一粒子的位置误差和角度误差，确定每一第一粒子的总误差；

依据每一第一粒子的总误差确定每一第一粒子的更新概率，并将每一第一粒子的更新概率作为同一路段上每一第二粒子的更新概率。

7.根据权利要求5所述的方法，其特征在于，依据车辆当前所处场景的位置权重和角度权重、当前候选粒子的预测方位信息、以及所述车辆在当前时刻的当前方位信息，确定当前候选粒子的更新概率，包括：

若车辆当前所处场景为弯道场景，则依据每一当前候选粒子的方位信息，以及所述车辆在当前时刻的当前方位信息，确定每一当前候选粒子的位置误差和角度误差；

依据所述弯道场景下的位置权重和角度权重、以及每一当前候选粒子的位置误差和角度误差，确定每一当前候选粒子的总误差；

依据每一当前候选粒子的总误差，确定每一当前候选粒子的更新概率。

8.根据权利要求3-7中任一所述的方法，其特征在于，同一路段上的第一粒子和第二粒子为一粒子组。

9.根据权利要求8所述的方法，其特征在于，依据所述当前候选粒子的更新概率确定当前目标粒子之后，还包括：

依据每一粒子组中第一粒子的更新概率和第二粒子的更新概率，确定每一粒子组的总概率；

依据每一粒子组的总概率和预设概率之间的关系，确定下一候选粒子。

10.根据权利要求8所述的方法，其特征在于，依据所述当前候选粒子的更新概率确定当前目标粒子之后，还包括：

若检测到所述当前目标粒子所在粒子组的概率分布处于稳定状态，则将车辆在当前时刻的当前方位信息中的位置增加或减少第一预设距离，并用第二预设距离替代第一预设距离重新执行确定每一粒子组中第二粒子的操作，得到每一新的粒子组；所述第二预设距离小于第一预设距离；

将每一新的粒子组中的粒子作为下一候选粒子。

11.一种车辆定位装置，其特征在于，包括：

更新概率确定模块，用于根据上一候选粒子的预测方位信息，车辆在上一时刻的速度，以及车辆在当前时刻的当前方位信息进行粒子滤波处理，确定当前候选粒子的更新概率；其中，所述车辆在当前时刻的当前方位信息是通过对车辆在当前时刻的定位数据、速度、加速度和角速度进行扩展卡尔曼滤波得到；所述当前候选粒子包括第一粒子和预设数量的第二粒子，所述第一粒子和第二粒子均对应道路点；所述预设数量的第二粒子是在第一粒子所在路段上，以第一预设距离为间隔，在所述第一粒子的前方和后方增加的粒子；所述第一粒子和第二粒子的总数量为固定数量；

定位模块，用于依据所述当前候选粒子的更新概率确定当前目标粒子，并依据所述当前目标粒子的方位信息进行定位。

12.一种电子设备，其特征在于，包括：

至少一个处理器；以及

与所述至少一个处理器通信连接的存储器；其中，

所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1-10中任一项所述的车辆定位方法。

13.一种存储有计算机指令的非瞬时计算机可读存储介质，其特征在于，所述计算机指令用于使所述计算机执行权利要求1-10中任一项所述的车辆定位方法。

Images