CN111366161B - 车辆定位方法及电子设备 - Google Patents

Abstract

本发明实施例公开了一种车辆定位方法及电子设备，该车辆定位方法以一个已知的位置点为基础，匹配电子地图，根据车辆的行驶状态推导出后续采样时间车辆的位置信息，所述行驶状态包括车速和航向角。本发明方法以前一采样时刻车辆位置为基础，根据车辆的行驶状态推导出当前采样时刻的车辆位置，并结合电子地图对推导出的位置进行纠偏，此方法完全通过算法进行车辆定位，不需要辅助其他硬件设备，因此节省了硬件成本，定位准确度也不受硬件性能影响和限制。

Description

车辆定位方法及电子设备

技术领域

本发明属于定位技术领域，尤其涉及一种车辆定位方法及电子设备。

背景技术

无人驾驶技术，即无需驾驶人员的自动驾驶技术，是提高交通便利性及安全性的重要技术。随着无人驾驶技术的不断，无人驾驶的技术难点之一就是车辆的精确定位，GPS（全球定位系统）技术为地上无人驾驶的实现提供了技术支持，因此虽然目前还未大面积推广，但是地上无人驾驶已经有相关的成功试验。然而，在地下环境（例如停车场）是接收不到GPS信号的，因此如何在地下环境实现车辆的准确定位是目前无人驾驶技术的研究重点之一。

公开号为CN 110849374 A，名称为《地下环境定位方法、装置、设备及存储介质》的中国发明公开了一种地下环境定位方法，通过基于当前帧的扫描点云数据的特征点云与上一帧的扫描点云数据的特征点云进行点云帧与帧匹配，确定当前的预测位姿；基于当前帧的扫描点云数据的特征点云、当前的预测位姿和特征地图，进行点云帧与地图匹配，得到当前的修正位姿，实现了基于距离权重的地下环境的精确定位。该方法虽然能够较为准确地得到位置信息，但是也存在缺陷，例如该方法的实施也依赖于扫描设备、激光雷达，导致成本增加。

发明内容

为了解决现有技术存在的地下定位成本大的技术问题，本发明提供了一种车辆定位方法及电子设备，既能实现地面或地下准确定位，又可以降低成本。

为了解决车辆地下定位时如何降低或避免硬件成本的技术问题，本发明实施例所采用的技术方案如下：

一种车辆定位方法，以一个已知的位置点为基础，匹配地图，根据车辆的行驶状态，通过轨迹估算算法推导出后续采样时间车辆的位置信息，所述行驶状态包括车速和航向角。

上述车辆定位方法包括以下步骤：

步骤1，结合地上环境的地图，采集车辆在进入地下环境前的行驶状态和位置，所述位置即为所述已知的位置点；

步骤2，实时采集车辆在进入地下环境后的行驶状态；

步骤3，基于地下环境的地图，通过轨迹估算算法，以车辆进入地下环境前的位置为基础，根据车辆在进入地下环境前/后的行驶状态进行推导，推导出车辆进入地下环境后的位置信息。

上述方法中，在已知一个位置点后，在地图的配合下，通过轨迹估算算法即可估算出后续采样时刻车辆的位置信息，不需要额外配置位置标签、扫描设备、激光雷达等硬件，继而降低了硬件成本，同时定位的可行性也降低了对硬件设备的依赖。

在步骤1和步骤2中，所述航向角和车速均由车辆的CAN总线采集得到。

车辆本身是有CAN总线的，可以直接采集到车速和方向盘转角。上述方案中，通过CAN总线直接采集数据，根据方向盘转角来计算车辆的航向角，进一步避免了采集车速和航向角的硬件设备的布置，进一步降低了硬件成本以及对硬件性能的要求。

所述步骤3中，所述轨迹估算算法通过以下公式推导出车辆进入地下环境后实时的位置信息：

，

，车辆在前一采样时刻的位置点为Q_k-1（x_k-1,y_k-1），当前采样时刻的位置点为Q_k（x_k,y_k），v_k-1为车辆由位置点Q_k-1（x_k-1,y_k-1）移动到位置点Q_k（x_k,y_k）期间的速度，t为车辆由位置点Q_k-1（x_k-1,y_k-1）移动到位置点Q_k（x_k,y_k）所需要的时间，

为车辆由位置点Q_k-1（x_k-1,y_k-1）移动到位置点Q_k（x_k,y_k）的航向角。

t为采样周期，基于CAN总线的输出频率，采样周期可以很短，因此将一个采样周期内车速看着是不变的，不仅可以实现准确定位，还可以简化计算过程，降低运算量，解决了如何降低位置估算的运算量、提高运算效率的技术问题。

所述步骤1包括以下步骤：

步骤11，通过GPS获得车辆的位置；

步骤12，通过CAN总线获得车辆的航向角和车速，基于采集到的航向角和车速，通过所述轨迹估算算法，估算出车辆的位置；

步骤13，融合通过GPS获得的位置和通过轨迹估算算法估算出的位置，以融合之后的位置作为车辆当前采样时刻的位置。

在地面时，一方面通过GPS采集位置信息，另一方面通过轨迹估算算法估算出位置，然后再融合这两个数据，在地图上对最终的数据进行位置修正，解决了由于初始位置不准确而导致的定位不准确的技术问题，在降低硬件成本的基础上进一步提高了定位精度。

为了解决如何降低硬件成本的问题，本发明同时提供了另一种技术方案：

一种车辆定位方法，包括以下步骤：

步骤10，通过GPS获得当前采样时刻车辆的位置；

步骤20，采集得到当前采样时刻车辆的航向角和车速，以前一采样时刻的位置作为初始位置，并基于采集到的航向角和车速，通过轨迹估算算法，估算出当前采样时刻车辆的位置；

步骤30，融合通过GPS获得的位置和通过轨迹估算算法估算出的位置，得到修正后的当前采样时刻车辆的位置；

步骤40，判断是否进入GPS盲区，如果是则进入步骤50，否则返回步骤10；

步骤50，采集得到下一采样时刻车辆的航向角和车速，以所述修正后的当前采样时刻的位置作为初始位置，以当前采样时刻的航向角为初始航向角，通过所述轨迹估算算法估算出下一采样时刻的位置，然后返回步骤40。

上述方法中，既包含地面有GPS信号时的定位，又包含无GPS信号时的定位过程，即包含了车辆行驶的全过程。另外，通过融合通过GPS获得的位置和通过轨迹估算算法估算出的位置，以融合后的位置作为当前采样时刻车辆的位置，解决了由于初始位置不准确导致的定位不准确的技术问题，在降低硬件成本的基础上进一步提高了定位精度。

基于相同的发明构思，本发明还分别提供了以下两个软件系统：

一种车辆在地下环境的定位系统，包括：

数据收集模块，用于收集车辆在进入地下环境前/后的行驶状态，以及车辆在进入地下环境前的位置，所述行驶状态包括车速和航向角；

位置估算模块，用于基于地下环境的地图，通过轨迹估算算法，以车辆进入地下环境前的位置为基础，根据车辆在进入地下环境前/后的行驶状态进行推导，推导出车辆进入地下环境后的位置信息。

一种车辆定位系统，包括：

数据收集模块，用于收集车辆的行驶状态，以及车辆在进入GPS盲区前的位置，所述行驶状态包括车速和航向角；

位置估算模块，用于基于行驶区域地图，通过轨迹估算算法，以前一采样时刻位置为基础，根据车辆的行驶状态推导出车辆在当前采样时刻的位置信息；

数据融合模块，用于融合通过GPS获得的位置和通过轨迹估算算法估算出的位置，得到当前采样时刻车辆的位置；

判断模块，用于判断车辆是否进入GPS盲区；

位置确定模块，用于在所述判断模块判断出车辆未进入GPS盲区时，以所述数据融合模块得到的位置作为车辆在当前采样时刻的位置；以及在所述判断模块判断出车辆进入GPS盲区时，以所述位置估算模块得到的位置作为车辆在当前采样时刻的位置。

另一方面，本发明还提供了一种电子设备，包括：

存储器，用于存储计算机程序指令；

处理器，用于执行所述计算机程序指令，以实现任一实施方式所述的车辆定位方法。

与现有技术相比，本发明实施例具有以下有益效果：

1）避免了位置标签、扫描设备等硬件设备的使用，降低了硬件成本。

2）提高了轨迹估算时初始位置点准确度，继而提高了定位精度。

3）简化了位置估算过程，降低了运算量，提高了处理效率。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1是本发明的一个实施例中车辆在地下环境的定位方法流程图；

图2是轨迹估算示意图；

图3为步骤113中数据融合的示意图。

图4a为一个具体场景的示意图，图4b为该具体场景下采集的方向盘转角数据图；

图5为本发明的另一个实施例的车辆定位方法流程图；

图6为本发明的一个实施例的车辆在地下环境的定位系统组成框图；

图7为本发明的另一个实施例的车辆定位系统组成框图；

图8为本发明的一个实施例的电子设备的框架图。

具体实施方式

为了使本技术领域的人员更好地理解本发明中的技术方案，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都应当属于本发明保护的范围。

车辆在驶入地下环境（例如停车场）之前，都会由地面行驶，然后由地面转向地下行驶。本发明提供的车辆（也可以是其他移动目标）定位方法的原理是，匹配地下环境的地图，以一个已知的位置点为基础，根据车辆的行驶状态推导出后续采样时间车辆的位置信息，所述行驶状态包括车速和航向角。也就是说，先采集获得车辆在地面行驶时的位置信息，并作为初始位置，然后再根据车辆在地下的行驶状态，并基于地下环境地图，在初始位置的基础上推导出车辆在地下环境时的位置信息。

需要说明的是，本文中所述的地下环境地图不仅包含地下环境区域，还包含部分地面区域，所述部分地面区域至少包括所述的已知的位置点所在区域。

地下环境可能是地下停车场、隧道、地下运行空间（如地铁）等，本实施例中，将以地下停车场作为例，详细阐述本发明方法的各个步骤。

更具体地，请参阅图1，本发明实施例提供的地下定位方法，包括以下步骤：

步骤1，采集车辆在进入地下停车场前（即在地面上行驶）的行驶状态和位置，行驶状态包括航向角和车速。

本步骤1中，航向角和车速由车辆的CAN总线采集得到，CAN总线采集到的是车轮转速（r/s），计算时可以将其直接作为车速使用，也可以将其转换为车速（km/h）数据后再使用。CAN总线采集的是方向盘转角，所以此处可以以方向盘转角直接当做是航向角使用，或者将方向盘转角转换为航向角数据后再使用。车辆位置由GPS采集得到。

对于地下与地面之间的分割线或分割区域可能没有严格意义上的划分方式。车辆在地面行驶时，通常是通过GPS获得位置信息，车辆在进入地下行驶时由于接收不到GPS信号，所以才没有办法继续使用GPS定位方式获得车辆位置信息。因此，本发明方案中，以是否接收到GPS信号为判断依据，能接收到GPS信号则判断为是地面，若接收不到GPS信号则判断为是地下。

当然地，不是在停车场区域，例如是在隧道，或者障碍物较多的山间小路，也可能会出现接收不到GPS信号的情况。因此，作为更严谨的处理方式，满足以下条件才认定为是进入地下停车场环境：

1）进入了停车场入口范围区域，比如，入口处半径范围3米；

2）GPS信号消失；

3）车辆行驶方向和停车场入口处的道路方向相似，例如行驶方向与道路方向的夹角在正负30°以内。

需要说明的是，当车辆驶入隧道等接收不到GPS信号但是又不是地下停车场的地方，将会导致车辆无法定位，但是本发明方法配合地图共同完成定位，因此，此时虽然不是通过GPS进行定位，但是也是通过相应的地图完成定位，即不会影响无人驾驶或有人驾驶时导航的可靠性。

步骤2，实时采集车辆在进入地下停车场后的行驶状态。本步骤中，行驶状态也是包括航向角和车速，航向角和车速也是由CAN总线采集得到。

步骤3，基于地下停车场的地图，以车辆进入地下停车场前的位置为基础，根据车辆在进入地下停车场前/后（这里是取和的关系，即根据车辆在进入地下停车场前的位置行驶状态和车辆在进入地下停车场后的行驶状态）的行驶状态进行推导，推导出车辆进入地下停车场后实时的位置信息。

如图2所示，图2为轨迹估算示意图，假设位置点Q₀（x₀,y₀）为第一时刻车辆的初始位置，Q₁（x₁,y₁）、Q₂（x₂,y₂）分别为估计出的第二时刻、第三时刻的车辆所在位置，Q₀与Q₁之间的关系为：

，

，s₀为车辆由位置点Q₀（x₀,y₀）移动到位置点Q₁（x₁,y₁）的位移，

，v₀为车辆由位置点Q₀（x₀,y₀）移动到位置点Q₁（x₁,y₁）期间的速度，t为车辆由位置点Q₀（x₀,y₀）移动到位置点Q₁（x₁,y₁）所需要的时间，s₁为车辆由位置点Q₁（x₁,y₁）移动到位置点Q₂（x₂,y₂）的位移，

，v₁为车辆由位置点Q₁（x₁,y₁）移动到位置点Q₂（x₂,y₂）期间的速度，t为车辆由位置点Q₁（x₁,y₁）移动到位置点Q₂（x₂,y₂）所需要的时间，

为车辆由位置点Q₀（x₀,y₀）移动到位置点Q₁（x₁,y₁）的航向角（即方向角变化量），

为车辆由位置点Q₁（x₁,y₁）移动到位置点Q₂（x₂,y₂）的航向角。

由图2所示原理可知，在知晓初始位置后，可以根据车辆的方向角变化和位移估计出下一时刻车辆的位置，航向角可以根据车辆的方向盘转角计算得到，速度可以直接采集得到，时间t是采样周期，是固定的已知值，通过CAN总线采集车速和方向盘转角时，采样时间也就是车辆CAN总线的输出频率，因此，以地面位置作为初始值，可以推导出车辆在地下环境的实时（采样时刻）位置，实现车辆地下环境定位。假设前一采样时刻的位置点为Q_k-1（x_k-1,y_k-1），当前采样时刻的位置点为Q_k（x_k,y_k），则有Q_k-1与Q_k之间的关系为：

，

，

v_k-1为车辆由位置点Q_k-1（x_k-1,y_k-1）移动到位置点Q_k（x_k,y_k）期间的速度，t为车辆由位置点Q_k-1（x_k-1,y_k-1）移动到位置点Q_k（x_k,y_k）所需要的时间，即采样周期，

为车辆由位置点Q_k-1（x_k-1,y_k-1）移动到位置点Q_k（x_k,y_k）的航向角，k为大于等于1的整数。因此，只要车辆初始时刻的位置建立准确、车辆的航向角建立准确，那么就能得到准确的车辆位置。

因此，为了提高地下环境定位的准确性，在更优化的方案中，上述步骤1中，采集车辆在进入地下环境前的行驶状态和位置，包括以下步骤：

步骤11，通过GPS获得车辆的位置。

步骤12，通过CAN总线获得车辆的航向角和车速，基于采集到的航向角和车速，通过上述轨迹估算算法，估算出车辆的位置。

步骤13，融合通过GPS获得的位置和通过轨迹估算算法估算出的位置，以融合之后的位置作为车辆当前采样时刻的位置。

本步骤中，融合两个位置的方法就是给两个位置分配权重。例如，假设通过GPS获得的位置坐标为（x1，y1），通过轨迹估算算法推导出来的位置坐标为（x1’，y1’），那么融合后最终确定出的位置为M= G（x1，y1）*（a/（a+b）） + C（x1’，y1’）*（b/（a+b）），也就是说，位置坐标为

，以融合后的该位置坐标作为当前采样时刻的位置坐标。其中，a和b分别为两个位置的权重，其具体取值可以根据经验或者大量的试验总结而设置。一般地，对于位置而言，GPS的依赖度更高，因此a的取值可以大于b的取值。

在每一个采样时刻，除了有位置坐标数据，还有速度和航向角数据，针对于速度和航向角，也可以采用位置坐标融合的方式进行融合，以融合后的速度和航向角作为当前采样时刻的速度和航向角。在数据融合时，可能对CAN总线的依赖度更高，所以优选通过步骤12得到的速度和航向角的权重大于等于通过步骤11得到的速度和航向角的权重，当然地，此时则步骤11中不仅要通过GPS采集位置数据，还要采集行驶状态数据。

在地面时依赖于GPS定位，在地下停车场时完全依赖于CAN数据采用轨迹估算算法推导定位，因此，在地面时，即进入地下停车场前，通过将GPS数据和CAN数据进行融合，以融合后得到的位置（也可以包括速度和航向角）作为进入地下停车场前的初始位置（初始速度和初始航向角），可以提高在地下停车场时的定位精度。

众所周知，GPS的测量精度是有限的，如果步骤11中采集到的GPS位置不准确，即步骤13中使用的GPS数据不准确，那么即使经过融合也还是会一定程度影响定位的准确。因此，为了更进一步提高定位的准确性，在更优化的方案中，步骤11中包括以下步骤：

步骤111，通过GPS获得当前采样时刻车辆的位置，也就是得到当前采样时刻位置的测量值。

步骤112，根据当前采样时刻之前的若干个采样时刻的位置，预测出当前采样时刻的位置，也就是得到当前采样时刻位置的预测值。此步骤也可以通过当前采样时刻之前的若干个采样时刻的速度和航向角，预测出当前采样时刻的速度和航向角。

本步骤中，作为简单的实施方式，以当前采样时刻之前的若干个采样时刻的位置的平均值作为当前采样时刻位置的预测值。例如图3所示，针对于第7个采样时刻，以第4-6个采样时刻的位置的平均值作为当前采样时刻位置的预测值。例如，假设第4个采样时刻的位置坐标为（x4，y4），第5个采样时刻的位置坐标为（x5，y5），第6个采样时刻的位置坐标为（x6，y6），那么第7个采样时刻的位置坐标的预测值为（x7’，y7’）=（

）。速度和航向角的预测值的计算方式同理，分别为

。

步骤113，融合位置的测量值和预测值，以融合之后得到的位置作为车辆当前采样时刻的位置。

本步骤中，数据融合也是采用权重分配的方式，例如，假设通过GPS获得的第7个采样时刻的位置坐标的测量值为（x7，y7），预测值表示为（x7’，y7’），那么融合后最终确定出的位置坐标为

，其中，c和d分别为测量值和预测值的权重，其具体取值可以根据经验或者大量的试验总结而设置。一般地，对于位置而言，GPS的依赖度更高，因此c的取值可以大于d的取值。

如图3所示，图3中×表示测量值的位置，原点表示预测值的位置，三角形表示数据融合之后得到的位置，图中的数字1-11表示采样时刻，例如7表示第7个采样时刻。

针对于速度和航向角，由于GPS没有获取航向角和速度，所以以预测值作为数据融合之后最终确定的航向角和速度。即，经过步骤113之后，当前采样时刻的速度和航向角分别为

，

。车辆刚打着火时，是没有航向角的，但是在运动后通过多个采样时刻的位置可以推出第一个采样时刻的航向角。

上述方法中，通过将预测值与实际测量值进行融合，相当于是降噪处理，因此可以降低GPS测量精度不高带来的影响，继而提高定位精度。

实际应用中，CAN总线的数据也可能会因为信号、频率、性能等原因造成，因此，在利用CAN总线数据（方向盘转角和速度）基于轨迹估算算法推导当前采样时刻的位置时，也可能导致得到的结果不准确。因此，为了进一步提高定位精度，在更优化的方案中，步骤12中包括以下步骤：

步骤121，通过CAN总线获得当前采样时刻车辆的方向盘转角和车速，基于采集到的方向盘转角和车速，通过上述轨迹估算算法，估算出车辆的位置，即获得车辆位置的估算值。

步骤122，根据当前采样时刻之前的若干个采样时刻的位置，预测出当前采样时刻的位置，也就是得到当前采样时刻位置的预测值。此步骤也可以通过当前采样时刻之前的若干个采样时刻的速度和航向角，预测出当前采样时刻的速度和航向角。

本步骤的处理方式同上述步骤112。

步骤123，融合位置的估算值和预测值，以融合之后得到的位置作为车辆当前采样时刻的位置。

本步骤中，数据融合也是采用权重分配的方式，只是对于权重的配置上，根据大量实验所得到的结论，优选预测值的权重大于或等于估算值的权重。

针对于速度和航向角，在步骤121中可以通过CAN总线采集得到航向角和速度的测量值，因此，也可以将速度的测量值和预测值进行融合，将航向角的测量值和预测值进行融合，最后以融合后得到的航向角和速度作为当前采样时刻的航向角和速度。在数据融合时，可能对CAN总线的依赖度更高，所以优选测量值的权重大于等于预测值的权重。

基于地下环境地图进行位置推导的目的是保障定位的准确性，地图精度越高有越有利于提高定位的精度。因此，在进一步优化的方案中，可以通过构建控制点的方式来提高地图的精度。具体地，在地图每个拐弯转向的地方建立一个控制点，如图4a所示，该场景路段有11个转弯，对应有11个控制点（编号为1-11）。在转弯前，把道路中心线的坐标附给车辆，至少能保证一个纬度（道路横向方向）的纠偏；当转弯后，根据获取的方向盘转角的特点，可以找出转弯前的动作点S，和转弯结束的动作点E，然后把转弯后的动作点E也匹配到地图上的道路中心线上，这样也就完成了另一个纬度的纠偏。也就是，每转一次弯，就完成了一次定位纠偏，因此就可以消除定位误差的累积，进一步提高定位精度。如图4a和图4b所示，图4a为一个具体场景的示意图，图4b为在该具体场景下采集的车辆的方向盘转角的数据图，每个转弯都是一个波峰（右转）或波谷（左转）。

找转弯开始点S和转弯结束点E可以有多种方法，最简单的就是上下取两条平行线作为阈值，相交处就是选取点，如图4b所示，每个波峰（右转）向上的是S点，向下的是E点，同理，波谷（左转）向下的是S点，向上的是E点。这样实际轨迹的每个转弯处就都会有两个对应点，S点，E点。然后把E点及以后的推算点都匹配到地图上的道路中心线上。这样首先航向角得到了纠偏（消除误差），X方向的坐标得到了纠偏（消除误差），或可以说道路的横向得到了纠偏，再转弯后，同理Y方向也得到了纠偏。

进入地下环境后，通过轨迹估算算法推导位置能保证一段时间的准确度，但是时间长了，误差会累计。误差分两个层面，一个是距离，一个是转向，尤其在拐弯处会累计更多的转向误差。本方案通过在每一个拐弯处，利用地图的控制点进行纠偏，进行误差的消除，因此能够进一步提高定位精度。

本实施方案可以适用于地面车辆定位，也适用于地下车辆定位，只是地面定位可以直接通过GPS获得，因此本发明方案更多的是在地下环境使用。

本实施方案不仅能够适用于无人驾驶环境，同样的也能适用于有人驾驶环境。手机在地下停车场没有GPS信号，不能实现地图定位，继而就不能帮助车主开车时导航到他要去的车位，通过本发明方法可实现地下定位，继而实现导航功能。此时，可以在车辆上安装一个盒子，盒子一方面接入CAN总线上的车轮转速、方向盘转角两个参数，一方面通过蓝牙把该两个参数数据发送到手机（如果直接是车载导航系统，则CAN总线可以与车载导航系统有线数据传输），然后手机再调用本发明定位算法进行定位。

请参阅图5，基于相同的发明构思，本实施例中同时提供了一种车辆定位方法，该方法适用于同时包含地面环境和地下环境的行驶区域。如图5所示，该车辆定位方法包括步骤：

步骤10，通过GPS获得车辆的位置。

步骤20，（通过CAN总线）采集车辆的航向角和车速，并基于采集到的航向角和车速，通过轨迹估算算法，估算出车辆的位置；轨迹估算算法可参见图2以及前述描述。

步骤30，融合通过GPS获得的位置和通过轨迹估算算法估算出的位置，得到当前采样时刻车辆的位置。融合的具体过程同前述方法中的步骤13，因此请参见前述描述。

步骤40，判断是否进入GPS盲区，如果是则进入步骤50，否则返回步骤10；

步骤50，通过CAN总线采集得到下一采样时刻车辆的航向角和车速，以所述当前采样时刻的位置作为初始位置，以当前采样时刻的航向角为初始航向角，通过所述轨迹估算算法估算出下一采样时刻的位置，然后返回步骤40。

步骤10中通过GPS获得车辆的位置，一种实施方式下，是直接通过GPS获得的实际测量值，在另一个更优化的方案中，步骤10包括前述步骤111-113。

步骤20中通过轨迹估算算法估算出车辆的位置，一种实施方式下，是直接通过轨迹估算算法推导获得的推导值，在另一个更优化的方案中，步骤20包括前述步骤121-123。

容易理解的，本发明方案不仅适用于车辆的定位，同样也适用于各种移动目标的定位，例如人的定位追踪，人在移动过程中可以通过例如手机等具有陀螺仪、速度计、GPS模块的设备采集移动方向、移动速度及位置。

请参阅图6，为图1所示方法对应的软件定位系统，包括数据采集模块51和位置推算模块52。其中，数据采集模块51用于采集车辆在进入地下环境前/后的行驶状态，以及车辆在进入地下环境前的位置，所述行驶状态包括车速和航向角。位置推算模块52用于基于地下环境的地图，通过轨迹估算算法，以车辆进入地下环境前的位置为基础，根据车辆在进入地下环境前/后的行驶状态进行推导，推导出车辆进入地下环境后的位置信息。车辆进入地下环境前的位置，优选是采用前述步骤11-步骤13预先处理得到的。

请参阅图7，为图5所示方法对应的软件定位系统，包括：

数据收集模块61，用于收集车辆的行驶状态，以及车辆在进入GPS盲区前的位置，所述行驶状态包括车速和航向角；

位置估算模块62，用于基于行驶区域地图，通过轨迹估算算法，以前一采样时刻位置为基础，根据车辆的行驶状态推导出车辆在当前采样时刻的位置信息；

数据融合模块63，用于融合通过GPS获得的位置和通过轨迹估算算法估算出的位置，计算得到位置偏差和航向角偏差，并通过位置偏差修正通过轨迹估算算法估算出的位置，以修正后的位置作为当前采样时刻的位置，通过计算出的航向角偏差修正航向角，以修正后的航向角作为当前采样时刻的航向角；

判断模块64，用于判断车辆是否进入GPS盲区；

位置确定模块65，用于在所述判断模块判断出车辆未进入GPS盲区时，以所述数据融合模块得到的位置作为车辆在当前时刻的位；以及在所述判断模块判断出车辆进入GPS盲区时，以所述位置估算模块得到的位置作为车辆在当前时刻的位。

上述两个系统中，位置估算模块62或位置推算模块52都采用图2所示原理进行位置估算。

请参阅图8，本申请的实施例还提供一种电子设备的结构框图，该设备可以是智能手机、平板电脑、笔记本电脑或者台式电脑等。电子设备可能被称为用于终端、便携式终端、台式终端等。

通常，电子设备包括：至少一个处理器301；以及存储器302，用于存储计算机程序指令。

处理器301可以包括一个或多个处理核心，比如4核心处理器、8核心处理器等。处理器301可以采用DSP(Digital Signal Processing，数字信号处理)、FPGA(Field－Programmable Gate Array，现场可编程门阵列)、PLA(Programmable Logic Array，可编程逻辑阵列)中的至少一种硬件形式来实现。处理器301也可以包括主处理器和协处理器，主处理器是用于对在唤醒状态下的数据进行处理的处理器，也称CPU(CentralProcessingUnit，中央处理器)；协处理器是用于对在待机状态下的数据进行处理的低功耗处理器。

存储器302可以包括一个或多个计算机可读存储介质，该计算机可读存储介质可以是非暂态的。存储器302还可包括高速随机存取存储器，以及非易失性存储器，比如一个或多个磁盘存储设备、闪存存储设备。在一些实施例中，存储器302中的非暂态的计算机可读存储介质用于存储至少一个指令，该至少一个指令用于被处理器301所执行以实现本申请中方法实施例提供的车辆定位方法。

在一些实施例中，终端还可选包括有：通信接口303和至少一个外围设备。处理器301、存储器302和通信接口303之间可以通过总线或信号线相连。各个外围设备可以通过总线、信号线或电路板与通信接口303相连。具体地，外围设备包括：射频电路304、显示屏305和电源306中的至少一种。

通信接口303可被用于将I/O(Input/Output，输入/输出)相关的至少一个外围设备连接到处理器301和存储器302。在一些实施例中，处理器301、存储器302和通信接口303被集成在同一芯片或电路板上；在一些其他实施例中，处理器301、存储器302和通信接口303中的任意一个或两个可以在单独的芯片或电路板上实现，本实施例对此不加以限定。

射频电路304用于接收和发射RF(Radio Frequency，射频)信号，也称电磁信号。射频电路304通过电磁信号与通信网络以及其他通信设备进行通信。射频电路304将电信号转换为电磁信号进行发送，或者，将接收到的电磁信号转换为电信号。可选地，射频电路304包括：天线系统、RF收发器、一个或多个放大器、调谐器、振荡器、数字信号处理器、编解码芯片组、用户身份模块卡等等。射频电路304可以通过至少一种无线通信协议来与其它终端进行通信。该无线通信协议包括但不限于：城域网、各代移动通信网络(2G、3G、4G及5G)、无线局域网和/或WiFi(Wireless Fidelity，无线保真)网络。在一些实施例中，射频电路304还可以包括NFC(Near Field Communication，近距离无线通信)有关的电路，本申请对此不加以限定。

显示屏305用于显示UI(User Interface，用户界面)。该UI可以包括图形、文本、图标、视频及其它们的任意组合。当显示屏305是触摸显示屏时，显示屏305还具有采集在显示屏305的表面或表面上方的触摸信号的能力。该触摸信号可以作为控制信号输入至处理器301进行处理。此时，显示屏305还可以用于提供虚拟按钮和/或虚拟键盘，也称软按钮和/或软键盘。在一些实施例中，显示屏305可以为一个，电子设备的前面板；在另一些实施例中，显示屏305可以为至少两个，分别设置在电子设备的不同表面或呈折叠设计；在再一些实施例中，显示屏305可以是柔性显示屏，设置在电子设备的弯曲表面上或折叠面上。甚至，显示屏305还可以设置成非矩形的不规则图形，也即异形屏。显示屏305可以采用LCD(LiquidCrystal Display，液晶显示屏)、OLED(Organic Light-Emitting Diode,有机发光二极管)等材质制备。

电源306用于为电子设备中的各个组件进行供电。电源306可以是交流电、直流电、一次性电池或可充电电池。当电源306包括可充电电池时，该可充电电池可以支持有线充电或无线充电。该可充电电池还可以用于支持快充技术。

以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应所述以权利要求的保护范围为准。

Claims (3)

1.一种车辆定位方法，其特征在于，以一个已知的位置点为基础，匹配地图，根据车辆的行驶状态，通过轨迹估算算法推导出后续采样时间车辆的位置信息，所述行驶状态包括车速和航向角；所述车辆定位方法包括以下步骤：

步骤1，结合地上环境的地图，采集车辆在进入地下环境前的行驶状态和位置，所述位置即为所述已知的位置点；

步骤2，实时采集车辆在进入地下环境后的行驶状态；

步骤3，基于地下环境的地图，通过轨迹估算算法，以车辆进入地下环境前的位置为基础，根据车辆在进入地下环境前/后的行驶状态进行推导，推导出车辆进入地下环境后的位置信息，在地图每个拐弯转向的地方建立一个控制点，在转弯前将道路中心线的坐标附给车辆，至少能保证道路横向方向的纠偏；当转弯后，根据获取的方向盘转角的特点，可以找出转弯前的动作点S，和转弯结束的动作点E，然后把转弯后的动作点E也匹配到地图上的道路中心线上；每转一次弯，就完成了一次定位纠偏；

所述步骤1中，采集车辆在进入地下环境前的行驶状态和位置，包括以下步骤：

步骤11，通过GPS获得车辆的位置；

步骤12，通过CAN总线获得车辆的航向角和车速，基于采集到的航向角和车速，通过所述轨迹估算算法，估算出车辆的位置；

步骤13，融合步骤11中通过GPS获得的位置和步骤12中通过轨迹估算算法估算出的位置，以融合之后的位置作为车辆当前采样时刻的位置；

其中，步骤11中包括以下步骤：

步骤111，通过GPS获得当前采样时刻车辆的位置，也就是得到当前采样时刻位置的测量值；

步骤112，以当前采样时刻之前的若干个采样时刻的位置的平均值作为当前采样时刻位置的预测值；

步骤113，融合位置的测量值和预测值，以融合之后得到的位置作为车辆当前采样时刻的位置；

其中，步骤12中包括以下步骤：

步骤121，通过CAN总线获得当前采样时刻车辆的方向盘转角和车速，基于采集到的方向盘转角和车速，通过上述轨迹估算算法，估算出车辆的位置，即获得车辆位置的估算值；

步骤122，以当前采样时刻之前的若干个采样时刻的位置的平均值作为当前采样时刻位置的预测值；

步骤123，融合位置的估算值和预测值，以融合之后得到的位置作为车辆当前采样时刻的位置。

2.根据权利要求1所述的车辆定位方法，其特征在于，所述步骤3中，所述轨迹估算算法通过以下公式推导出车辆进入地下环境后实时的位置信息：

，

，

，车辆在前一采样时刻的位置点为Q_k-1（x_k-1,y_k-1），当前采样时刻的位置点为Q_k（x_k,y_k），v_k-1为车辆由位置点Q_k-1（x_k-1,y_k-1）移动到位置点Q_k（x_k,y_k）期间的速度，t为车辆由位置点Q_k-1（x_k-1,y_k-1）移动到位置点Q_k（x_k,y_k）所需要的时间，

为车辆由位置点Q_k-1（x_k-1,y_k-1）移动到位置点Q_k（x_k,y_k）的航向角。

3.一种电子设备，其特征在于，包括：

存储器，用于存储计算机程序指令；

处理器，用于执行所述计算机程序指令，以实现如权利要求1-2任一项所述的车辆定位方法。

Images