CN111522257A - 车辆定位测试方法、装置、设备及存储介质 - Google Patents

Abstract

本发明公开了一种车辆定位测试方法、装置、设备及存储介质，属于车辆定位技术领域。本发明通过从预先构建的虚拟测试环境中获取仿真车辆的初始位置信息，基于融合算法对所述初始位置信息进行预处理，得到目标位置信息，根据所述初始位置信息和所述目标位置信息确定定位误差，将所述定位误差作为测试结果，通过对预先构建的虚拟测试环境中仿真车辆的位置信息进行处理，模拟在真实环境下车辆收到遮挡的卫星信号，通过大量数据仿真，缩短了测试周期，提高了对融合算法进行车辆定位的测试效率，同时也降低了测试成本。

Description

车辆定位测试方法、装置、设备及存储介质

技术领域

本发明涉及车辆定位技术领域，尤其涉及一种车辆定位测试方法、装置、设备及存储介质。

背景技术

随着自动驾驶汽车的发展，高精度定位系统在自动驾驶汽车中的作用愈发重要，依赖于厘米级的高精度定位，自动驾驶车辆才能在不同的驾驶任务中更加安全高效的完成。在当前的自动驾驶样车中普遍采用全球卫星导航定位系统(GNSS)+惯性导航定位系统(INS)的高精度惯导来达到较高的绝对定位坐标，同时辅以摄像头等传感器进行融合定位从而达到高精度车道级的地位。

但是高精度惯导价格昂贵，这就导致无法大规模被主机厂量产搭载在车辆上。同时考虑到技术成本、设备使用的复杂程度、冗余安全性及功能实现等方面的因素，不同的主机厂在设计和应用自动驾驶定位系统时，会侧重偏向某种方向，比如偏向于摄像头或者激光雷达的SLAM技术，或是偏向于高精度地图匹配定位，再结合别的传感器辅助进行融合定位。高精度定位系统实际上是一个多传感器融合定位系统，除去用来绝对定位的卫星信号，来源于譬如摄像头、激光雷达的相对定位信息由于原传感器的图像/点云等原始数据类型不一致且处理复杂，所以多传感器融合进行高精度定位的结果好坏很大程度上取决于融合定位算法的优劣。

在这样一个多传感器融合的定位系统中，全球卫星导航定位系统的卫星信号对定位尤其重要，只有卫星信号才能获取到当前车辆在地球上所处的绝对位置坐标。但是卫星信号又是极易被干扰的，所以在城市中，不开阔的区域由于楼层遮挡所以卫星信号会导致绝对定位不准确，甚至失去卫星定位信号(可见卫星数少于4颗)。但是城市工况又是典型场景，为验证融合定位算法得到的车辆定位结果的优劣，一般是采用实车测试，在遮挡区通过实车测试在城市卫星遮挡环境下的融合算法是否能有效定位，但是实车测试效率较低，并且测试成本较大。

上述内容仅用于辅助理解本发明的技术方案，并不代表承认上述内容是现有技术。

发明内容

本发明的主要目的在于提供一种车辆定位测试方法、装置、设备及存储介质，旨在解决现有技术对融合算法得到的车辆定位结果测试效率较低且成本过高的技术问题。

为实现上述目的，本发明提供了一种车辆定位测试方法，所述方法包括以下步骤:

从预先构建的虚拟测试环境中获取仿真车辆的初始位置信息；

基于融合算法对所述初始位置信息进行预处理，得到目标位置信息；

根据所述初始位置信息和所述目标位置信息确定定位误差；

将所述定位误差作为测试结果。

优选地，所述基于融合算法对所述初始位置信息进行预处理，得到目标位置信息的步骤包括：

从所述预先构建的虚拟测试环境中获取预设干扰区域对应的干扰增益；

根据所述初始位置信息和所述干扰增益确定干扰位置信息；

基于融合算法对所述干扰位置信息进行处理，得到目标位置信息。

优选地，所述从所述预先构建的虚拟测试环境中获取预设干扰区域对应的干扰增益的步骤包括：

从所述预先构建的虚拟测试环境中获取预设干扰区域的环境信息；

根据所述环境信息确定所述预设干扰区域的区域类型；

根据所述区域类型确定对应的干扰增益。

优选地，所述根据所述初始位置信息和所述干扰增益确定干扰位置信息的步骤包括：

从所述初始位置信息中提取初始经度、初始纬度以及初始高度；

从所述干扰增益中提取所述初始经度对应的经度干扰增益分量、所述初始纬度对应的纬度干扰增益分量以及所述初始高度对应的高度干扰增益分量；

根据所述经度干扰增益分量对所述初始经度进行噪声处理得到干扰经度，根据所述纬度干扰增益分量对所述初始纬度进行噪声处理得到干扰纬度，根据所述高度干扰增益分量对所述初始高度进行噪声处理得到干扰高度；

将所述干扰经度、所述干扰纬度以及所述干扰高度作为干扰位置信息。

优选地，所述基于融合算法对所述干扰位置信息进行处理，得到目标位置信息的步骤包括：

获取预设传感器数据；

将所述预设传感器数据与所述干扰经度、所述干扰纬度以及所述干扰高度进行数据融合，获得融合后的位置数据；

将所述融合后的位置数据作为目标位置信息。

优选地，所述目标位置信息包括：目标经度、目标纬度以及目标高度；所述根据所述初始位置信息和所述目标位置信息确定定位误差的步骤包括：

分别计算所述初始经度和所述目标经度之间的经度差、所述初始纬度和所述目标纬度之间的纬度差以及所述初始高度和所述目标高度之间的高度差；

将所述经度差、所述纬度差以及所述高度差作为定位误差。

优选地，所述将所述定位误差作为测试结果的步骤之后，还包括：

若所述定位误差未处于预设误差阈值范围，则对所述定位误差进行误差分析，并根据分析结果对所述融合算法进行优化；

基于优化后的融合算法对所述初始位置信息进行重新处理，得到新的目标位置信息；

根据所述初始位置信息和所述新的目标位置信息确定新的定位误差，直至所述新的定位误差处于所述预设误差阈值范围。

此外，为实现上述目的，本发明还提出一种车辆定位测试装置，所述装置包括：

获取模块10，用于从预先构建的虚拟测试环境中获取仿真车辆的初始位置信息；

处理模块20，用于基于融合算法对所述初始位置信息进行预处理，得到目标位置信息；

计算模块30，用于根据所述初始位置信息和所述目标位置信息确定定位误差；

输出模块40，用于将所述定位误差作为测试结果。

此外，为实现上述目的，本发明还提出一种车辆定位测试设备，所述设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的车辆定位测试程序，所述车辆定位测试程序配置为实现如上文所述的车辆定位测试方法的步骤。

此外，为实现上述目的，本发明还提出一种存储介质，所述存储介质上存储有车辆定位测试程序，所述车辆定位测试程序被处理器执行时实现如上文所述的车辆定位测试方法的步骤。

本发明从预先构建的虚拟测试环境中获取仿真车辆的初始位置信息，基于融合算法对所述初始位置信息进行预处理，得到目标位置信息，根据所述初始位置信息和所述目标位置信息确定定位误差，将所述定位误差作为测试结果，通过对预先构建的虚拟测试环境中仿真车辆的位置信息进行处理，模拟在真实环境下车辆收到遮挡的卫星信号，通过大量数据仿真，缩短了测试周期，提高了对融合算法进行车辆定位的测试效率，同时也降低了测试成本。

附图说明

图1是本发明实施例方案涉及的硬件运行环境的车辆定位测试设备的结构示意图；

图2为本发明车辆定位测试方法第一实施例的流程示意图；

图3为本发明车辆定位测试方法第二实施例的流程示意图；

图4为本发明车辆定位测试装置第一实施例的结构框图。

本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。

具体实施方式

应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。

参照图1，图1为本发明实施例方案涉及的硬件运行环境的车辆定位测试设备结构示意图。

如图1所示，该车辆定位测试设备可以包括：处理器1001，例如中央处理器(Central Processing Unit，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(如无线保真(WIreless-FIdelity，WI-FI)接口)。存储器1005可以是高速的随机存取存储器(RandomAccess Memory，RAM)存储器，也可以是稳定的非易失性存储器(Non-Volatile Memory，NVM)，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。

本领域技术人员可以理解，图1中示出的结构并不构成对车辆定位测试设备的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。

如图1所示，作为一种存储介质的存储器1005中可以包括操作系统、网络通信模块、用户接口模块以及车辆定位测试程序。

在图1所示的车辆定位测试设备中，网络接口1004主要用于与网络服务器进行数据通信；用户接口1003主要用于与用户进行数据交互；本发明车辆定位测试设备中的处理器1001、存储器1005可以设置在车辆定位测试设备中，所述车辆定位测试设备通过处理器1001调用存储器1005中存储的车辆定位测试程序，并执行本发明实施例提供的车辆定位测试方法。

本发明实施例提供了一种车辆定位测试方法，参照图2，图2为本发明一种车辆定位测试方法第一实施例的流程示意图。

本实施例中，所述车辆定位测试方法包括以下步骤：

步骤S10：从预先构建的虚拟测试环境中获取仿真车辆的初始位置信息。

在本实施例中，通过仿真软件预先构建虚拟测试环境，虚拟测试环境的构建包括建立交通场景模型，建立传感器模型，建立驾驶员模型以及车辆执行器建模等，通过建立交通场景模型用来模拟车辆在真实环境中的道路路况、天气状况以及车辆周围高楼或树木的遮挡情况等，传感器模型包括摄像头、鱼眼、单目及双目摄像头，激光雷达、毫米波雷达以及其他车辆通讯传感器，根据预先构建的虚拟测试环境可以获取仿真车辆的初始位置信息，初始位置信息模拟在真实环境中车辆定位信号没有受到干扰所确定的车辆的位置信息，而在虚拟测试环境中，仿真车辆可以处于虚拟测试环境中的任意位置，初始位置信息可以根据实际情况预先设定，初始位置信息包括仿真车辆在虚拟测试环境中的初始经度、初始纬度以及初始高度。

步骤S20：基于融合算法对所述初始位置信息进行预处理，得到目标位置信息。

在本实施例中，在得到仿真车辆的初始位置信息后，基于融合算法对初始位置信息进行预处理，得到目标位置信息，目标位置信息为在车辆定位信号受到干扰时，基于融合算法得到的车辆位置信息。

在具体实现中，基于融合算法对所述初始位置信息进行预处理，得到目标位置信息的步骤包括：从所述预先构建的虚拟测试环境中获取预设干扰区域对应的干扰增益；根据所述初始位置信息和所述干扰增益确定干扰位置信息；基于融合算法对所述干扰位置信息进行处理，得到目标位置信息。

需要说明的是，在真实环境中，车辆定位信号会受到一定干扰，这种干扰通常来自于云层、高楼以及树木等，本实施例采用在预先构建的虚拟测试环境中加入预设干扰区域的方式模拟这种干扰情况，即预设干扰区域包括云层、高楼大厦、树木以及大型发射塔等，从预先构建的虚拟测试环境中可以获取到预设区域对应的干扰增益，具体地，从所述预先构建的虚拟测试环境中获取预设干扰区域对应的干扰增益的步骤包括：从所述预先构建的虚拟测试环境中获取预设干扰区域的环境信息；根据所述环境信息确定所述预设干扰区域的区域类型；根据所述区域类型确定对应的干扰增益。

在本实施例中，从预先构建的虚拟测试环境中可以获预设干扰区域的环境信息，根据环境信息确定预设干扰区域的区域类型，例如根据获取到的环境信息得到云层厚度及天气情况等信息，则判断预设干扰区域为云层，在确定预设干扰区域的区域类型之后，根据区域类型可以确定对应的干扰增益，例如云层对应的干扰增益为k₁，大型发射塔对应的干扰增益为k₂，本实施例中干扰增益是预先设定的系数，干扰增益代表预设区域的对车辆定位信号的干扰程序，具体预设干扰区域的区域类型以及对应的干扰增益大小可以根据实际测试情况自行设置，本实施例中不加以限制。

在具体实现中，在得到干扰增益之后，根据初始位置信息和干扰增益可以确定干扰位置信息，干扰位置信息模拟在真实环境中车辆定位信号受到干扰所确定的车辆的位置信息，具体地，根据所述初始位置信息和所述干扰增益确定干扰位置信息的步骤包括：从所述初始位置信息中提取初始经度、初始纬度以及初始高度；从所述干扰增益中提取所述初始经度对应的经度干扰增益分量、所述初始纬度对应的纬度干扰增益分量以及所述初始高度对应的高度干扰增益分量；根据所述经度干扰增益分量对所述初始经度进行噪声处理得到干扰经度，根据所述纬度干扰增益分量对所述初始纬度进行噪声处理得到干扰纬度，根据所述高度干扰增益分量对所述初始高度进行噪声处理得到干扰高度；将所述干扰经度、所述干扰纬度以及所述干扰高度作为干扰位置信息。

在本实施例中，从初始位置信息中提取初始经度、初始纬度以及初始高度，干扰增益包括经度干扰增益分量、纬度干扰增益分量以及高度干扰增益分量，例如K＝[k₁,k₂,k₃]，其中K为干扰增益，k₁为经度干扰增益分量，k₂为纬度干扰增益分量，k₃为高度干扰增益分量，在得到经度干扰增益分量、纬度干扰增益分量以及高度干扰增益分量之后，根据经度干扰增益分量对初始经度进行噪声处理得到干扰经度，根据纬度干扰增益分量对初始纬度进行噪声处理得到干扰纬度，根据高度干扰增益分量对初始高度进行噪声处理得到干扰高度，例如从初始位置信息P₁＝[X,Y,Z]，其中X为初始经度，Y为初始纬度，Z为初始高度，从干扰增益K中获取到的经度干扰增益分量为k₁，纬度干扰增益分量为k₂，高度干扰增益分量为k₃，进行噪声处理之后，得到干扰经度为k₁X，干扰纬度为k₂Y，干扰高度为k₃Z，即可得到干扰位置信息P₂＝[k₁X,k₂Y,k₃Z]。

在具体实现中，在得到干扰位置信息之后，基于融合算法对干扰位置信息进行处理，得到目标位置信息，具体地，基于融合算法对所述干扰位置信息进行处理，得到目标位置信息的步骤包括：获取预设传感器数据；将所述预设传感器数据与所述干扰经度、所述干扰纬度以及所述干扰高度进行数据融合，获得融合后的位置数据；将所述融合后的位置数据作为目标位置信息。

在本实施例中，预设传感器数据包括鱼眼、单目及双目摄像头的摄像头图像数据，激光雷达点云数据以及其他车辆通讯传感器数据，预设传感器可以根据实际测试情况自行设定，本实施例中采用通用传感器融合算法，在得到预设传感器数据后，将预设传感器与干扰经度、干扰纬度以及干扰高度进行数据融合，获得融合后的位置数据，融合后的位置数据包括目标经度、目标纬度以及目标高度，将融合后的位置作为目标位置信息，即可得到基于融合算法得到的车辆定位结果。

步骤S30：根据所述初始位置信息和所述目标位置信息确定定位误差。

步骤S40：将所述定位误差作为测试结果。

在本实施例中，根据模拟的在真实环境中车辆定位信号没有受到干扰所确定的车辆的位置信息即初始位置信息和在车辆定位信号受到干扰时，基于融合算法得到的车辆位置信息即目标位置信息确定定位误差，容易理解的是，定位误差为车辆定位信号受到干扰时的定位误差，定位误差也可以看做融合算法的算法误差，通过对融合算法得到的车辆定位进行误差测试，从而达到测试融合算法准确性的目的，定位误差即可测试结果。

本实施例从预先构建的虚拟测试环境中获取仿真车辆的初始位置信息，基于融合算法对所述初始位置信息进行预处理，得到目标位置信息，根据所述初始位置信息和所述目标位置信息确定定位误差，将所述定位误差作为测试结果，通过对预先构建的虚拟测试环境中仿真车辆的位置信息进行处理，模拟在真实环境下车辆收到遮挡的卫星信号，通过大量数据仿真，缩短了测试周期，提高了对融合算法进行车辆定位的测试效率，同时也降低了测试成本。

参考图3，图3为本发明一种车辆定位测试方法第二实施例的流程示意图。

基于上述第一实施例，所述步骤S30具体包括：

步骤S301：分别计算所述初始经度和所述目标经度之间的经度差、所述初始纬度和所述目标纬度之间的纬度差以及所述初始高度和所述目标高度之间的高度差。

步骤S302：将所述经度差、所述纬度差以及所述高度差作为定位误差。

在本实施例中，目标位置信息包括目标经度、目标纬度以及目标高度，根据初始位置信息和目标位置信息确定定位误差实质为计算初始经度和目标经度之间的经度差、初始纬度和目标纬度之间的纬度差以及初始高度和目标高度之间的高度差，例如初始经度为51°N，初始纬度为0°W，初始高度为12m，基于融合算法得到的目标经度为50°N，目标纬度为0°W，目标高度为11m，则可以计算得到经度差为1°，纬度差为0°，高度差为1m，定位误差P＝[1°,0°,1m]。

进一步地，在所述步骤S40之后，还包括：

步骤S501：若所述定位误差未处于预设误差阈值范围，则对所述定位误差进行误差分析，并根据分析结果对所述融合算法进行优化。

步骤S502：基于优化后的融合算法对所述初始位置信息进行重新处理，得到新的目标位置信息。

步骤S503：根据所述初始位置信息和所述新的目标位置信息确定新的定位误差，直至所述新的定位误差处于所述预设误差阈值范围。

在具体实施中，将定位误差与预设误差阈值进行比较，若定位误差处于预设误差阈值范围内，则说明融合算法得到的车辆定位结果较为准确，不用进行误差分析，若定位误差未处于预设误差阈值范围内，则对定位误差进行误差分析，即计算定位误差与预设误差阈值之间的差值，并根据所述差值对融合算法进行优化，融合算法优化包括调整干扰增益的数值等，具体优化方式可以自行设定。

容易理解的是，在对融合算法进行优化后，基于优化后的融合算法对初始位置信息进行重新处理，得到新的目标位置信息，新的目标位置信息为在车辆定位信号受到干扰时，基于优化后的融合算法得到的车辆位置信息，根据新的目标位置信息和初始位置信息确定新的定位误差，循环此过程进行多次验证，直至新的定位误差处于预设误差阈值范围内。

本实施例通过分别计算初始经度和目标经度之间的经度差、初始纬度和目标纬度之间的纬度差以及初始高度和目标高度之间的高度差，将经度差、纬度差以及高度差作为定位误差，在定位误差未处于预设误差阈值范围时，对定位误差进行误差分析，并根据分析结果对融合算法进行优化，基于优化后的融合算法确定新的定位误差，直至所述新的定位误差处于所述预设误差阈值范围，提高了对融合算法进行车辆定位的测试效率与准确性。

参照图4，图4为本发明车辆定位测试装置第一实施例的结构框图。

如图4所示，本发明实施例提出的车辆定位测试装置包括：

获取模块10，用于从预先构建的虚拟测试环境中获取仿真车辆的初始位置信息。

在本实施例中，通过仿真软件预先构建虚拟测试环境，虚拟测试环境的构建包括建立交通场景模型，建立传感器模型，建立驾驶员模型以及车辆执行器建模等，通过建立交通场景模型用来模拟车辆在真实环境中的道路路况、天气状况以及车辆周围高楼或树木的遮挡情况等，传感器模型包括摄像头、鱼眼、单目及双目摄像头，激光雷达、毫米波雷达以及其他车辆通讯传感器，根据预先构建的虚拟测试环境可以获取仿真车辆的初始位置信息，初始位置信息模拟在真实环境中车辆定位信号没有受到干扰所确定的车辆的位置信息，而在虚拟测试环境中，仿真车辆可以处于虚拟测试环境中的任意位置，初始位置信息可以根据实际情况预先设定，初始位置信息包括仿真车辆在虚拟测试环境中的初始经度、初始纬度以及初始高度。

处理模块20，用于基于融合算法对所述初始位置信息进行预处理，得到目标位置信息。

在本实施例中，在得到仿真车辆的初始位置信息后，基于融合算法对初始位置信息进行预处理，得到目标位置信息，目标位置信息为在车辆定位信号受到干扰时，基于融合算法得到的车辆位置信息。

在具体实现中，基于融合算法对所述初始位置信息进行预处理，得到目标位置信息的步骤包括：从所述预先构建的虚拟测试环境中获取预设干扰区域对应的干扰增益；根据所述初始位置信息和所述干扰增益确定干扰位置信息；基于融合算法对所述干扰位置信息进行处理，得到目标位置信息。

需要说明的是，在真实环境中，车辆定位信号会受到一定干扰，这种干扰通常来自于云层、高楼以及树木等，本实施例采用在预先构建的虚拟测试环境中加入预设干扰区域的方式模拟这种干扰情况，即预设干扰区域包括云层、高楼大厦、树木以及大型发射塔等，从预先构建的虚拟测试环境中可以获取到预设区域对应的干扰增益，具体地，从所述预先构建的虚拟测试环境中获取预设干扰区域对应的干扰增益的步骤包括：从所述预先构建的虚拟测试环境中获取预设干扰区域的环境信息；根据所述环境信息确定所述预设干扰区域的区域类型；根据所述区域类型确定对应的干扰增益。

在本实施例中，从预先构建的虚拟测试环境中可以获预设干扰区域的环境信息，根据环境信息确定预设干扰区域的区域类型，例如根据获取到的环境信息得到云层厚度及天气情况等信息，则判断预设干扰区域为云层，在确定预设干扰区域的区域类型之后，根据区域类型可以确定对应的干扰增益，例如云层对应的干扰增益为k₁，大型发射塔对应的干扰增益为k₂，本实施例中干扰增益是预先设定的系数，干扰增益代表预设区域的对车辆定位信号的干扰程序，具体预设干扰区域的区域类型以及对应的干扰增益大小可以根据实际测试情况自行设置，本实施例中不加以限制。

在具体实现中，在得到干扰增益之后，根据初始位置信息和干扰增益可以确定干扰位置信息，干扰位置信息模拟在真实环境中车辆定位信号受到干扰所确定的车辆的位置信息，具体地，根据所述初始位置信息和所述干扰增益确定干扰位置信息的步骤包括：从所述初始位置信息中提取初始经度、初始纬度以及初始高度；从所述干扰增益中提取所述初始经度对应的经度干扰增益分量、所述初始纬度对应的纬度干扰增益分量以及所述初始高度对应的高度干扰增益分量；根据所述经度干扰增益分量对所述初始经度进行噪声处理得到干扰经度，根据所述纬度干扰增益分量对所述初始纬度进行噪声处理得到干扰纬度，根据所述高度干扰增益分量对所述初始高度进行噪声处理得到干扰高度；将所述干扰经度、所述干扰纬度以及所述干扰高度作为干扰位置信息。

在本实施例中，从初始位置信息中提取初始经度、初始纬度以及初始高度，干扰增益包括经度干扰增益分量、纬度干扰增益分量以及高度干扰增益分量，例如K＝[k₁,k₂,k₃]，其中K为干扰增益，k₁为经度干扰增益分量，k₂为纬度干扰增益分量，k₃为高度干扰增益分量，在得到经度干扰增益分量、纬度干扰增益分量以及高度干扰增益分量之后，根据经度干扰增益分量对初始经度进行噪声处理得到干扰经度，根据纬度干扰增益分量对初始纬度进行噪声处理得到干扰纬度，根据高度干扰增益分量对初始高度进行噪声处理得到干扰高度，例如从初始位置信息P₁＝[X,Y,Z]，其中X为初始经度，Y为初始纬度，Z为初始高度，从干扰增益K中获取到的经度干扰增益分量为k₁，纬度干扰增益分量为k₂，高度干扰增益分量为k₃，进行噪声处理之后，得到干扰经度为k₁X，干扰纬度为k₂Y，干扰高度为k₃Z，即可得到干扰位置信息P₂＝[k₁X,k₂Y,k₃Z]。

在具体实现中，在得到干扰位置信息之后，基于融合算法对干扰位置信息进行处理，得到目标位置信息，具体地，基于融合算法对所述干扰位置信息进行处理，得到目标位置信息的步骤包括：获取预设传感器数据；将所述预设传感器数据与所述干扰经度、所述干扰纬度以及所述干扰高度进行数据融合，获得融合后的位置数据；将所述融合后的位置数据作为目标位置信息。

在本实施例中，预设传感器数据包括鱼眼、单目及双目摄像头的摄像头图像数据，激光雷达点云数据以及其他车辆通讯传感器数据，预设传感器可以根据实际测试情况自行设定，本实施例中采用通用传感器融合算法，在得到预设传感器数据后，将预设传感器与干扰经度、干扰纬度以及干扰高度进行数据融合，获得融合后的位置数据，融合后的位置数据包括目标经度、目标纬度以及目标高度，将融合后的位置作为目标位置信息，即可得到基于融合算法得到的车辆定位结果。

计算模块30，用于根据所述初始位置信息和所述目标位置信息确定定位误差。

输出模块40，用于将所述定位误差作为测试结果。

在本实施例中，根据模拟的在真实环境中车辆定位信号没有受到干扰所确定的车辆的位置信息即初始位置信息和在车辆定位信号受到干扰时，基于融合算法得到的车辆位置信息即目标位置信息确定定位误差，容易理解的是，定位误差为车辆定位信号受到干扰时的定位误差，定位误差也可以看做融合算法的算法误差，通过对融合算法得到的车辆定位进行误差测试，从而达到测试融合算法准确性的目的，定位误差即可测试结果。

本实施例从预先构建的虚拟测试环境中获取仿真车辆的初始位置信息，基于融合算法对所述初始位置信息进行预处理，得到目标位置信息，根据所述初始位置信息和所述目标位置信息确定定位误差，将所述定位误差作为测试结果，通过对预先构建的虚拟测试环境中仿真车辆的位置信息进行处理，模拟在真实环境下车辆收到遮挡的卫星信号，通过大量数据仿真，缩短了测试周期，提高了对融合算法进行车辆定位的测试效率，同时也降低了测试成本。

在一实施例中，所述获取模块10，还用于从所述预先构建的虚拟测试环境中获取预设干扰区域对应的干扰增益；根据所述初始位置信息和所述干扰增益确定干扰位置信息；基于融合算法对所述干扰位置信息进行处理，得到目标位置信息。

在一实施例中，所述获取模块10，还用于从所述预先构建的虚拟测试环境中获取预设干扰区域的环境信息；根据所述环境信息确定所述预设干扰区域的区域类型；根据所述区域类型确定对应的干扰增益。

在一实施例中，所述获取模块10，还用于从所述初始位置信息中提取初始经度、初始纬度以及初始高度；从所述干扰增益中提取所述初始经度对应的经度干扰增益分量、所述初始纬度对应的纬度干扰增益分量以及所述初始高度对应的高度干扰增益分量；根据所述经度干扰增益分量对所述初始经度进行噪声处理得到干扰经度，根据所述纬度干扰增益分量对所述初始纬度进行噪声处理得到干扰纬度，根据所述高度干扰增益分量对所述初始高度进行噪声处理得到干扰高度；将所述干扰经度、所述干扰纬度以及所述干扰高度作为干扰位置信息。

在一实施例中，所述处理模块20，还用于获取预设传感器数据；将所述预设传感器数据与所述干扰经度、所述干扰纬度以及所述干扰高度进行数据融合，获得融合后的位置数据；将所述融合后的位置数据作为目标位置信息。

在一实施例中，所述计算模块30，还用于分别计算所述初始经度和所述目标经度之间的经度差、所述初始纬度和所述目标纬度之间的纬度差以及所述初始高度和所述目标高度之间的高度差；将所述经度差、所述纬度差以及所述高度差作为定位误差。

在一实施例中，还包括优化模块，用于若所述定位误差未处于预设误差阈值范围，则对所述定位误差进行误差分析，并根据分析结果对所述融合算法进行优化；基于优化后的融合算法对所述初始位置信息进行重新处理，得到新的目标位置信息；根据所述初始位置信息和所述新的目标位置信息确定新的定位误差，直至所述新的定位误差处于所述预设误差阈值范围。

此外，本发明实施例还提出一种存储介质，所述存储介质上存储有车辆定位测试程序，所述车辆定位测试程序被处理器执行时实现如上文所述的车辆定位测试方法的步骤。

应当理解的是，以上仅为举例说明，对本发明的技术方案并不构成任何限定，在具体应用中，本领域的技术人员可以根据需要进行设置，本发明对此不做限制。

需要说明的是，以上所描述的工作流程仅仅是示意性的，并不对本发明的保护范围构成限定，在实际应用中，本领域的技术人员可以根据实际的需要选择其中的部分或者全部来实现本实施例方案的目的，此处不做限制。

另外，未在本实施例中详尽描述的技术细节，可参见本发明任意实施例所提供的车辆定位测试方法，此处不再赘述。

此外，需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者系统不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者系统所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者系统中还存在另外的相同要素。

上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。

通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质(如只读存储器(Read Only Memory，ROM)/RAM、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是手机，计算机，服务器，或者网络设备等)执行本发明各个实施例所述的方法。

以上仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。

Claims (10)

1.一种车辆定位测试方法，其特征在于，所述方法包括：

从预先构建的虚拟测试环境中获取仿真车辆的初始位置信息；

基于融合算法对所述初始位置信息进行预处理，得到目标位置信息；

根据所述初始位置信息和所述目标位置信息确定定位误差；

将所述定位误差作为测试结果。

2.如权利要求1所述的车辆定位测试方法，其特征在于，所述基于融合算法对所述初始位置信息进行预处理，得到目标位置信息的步骤包括：

从所述预先构建的虚拟测试环境中获取预设干扰区域对应的干扰增益；

根据所述初始位置信息和所述干扰增益确定干扰位置信息；

基于融合算法对所述干扰位置信息进行处理，得到目标位置信息。

3.如权利要求2所述的车辆定位测试方法，其特征在于，所述从所述预先构建的虚拟测试环境中获取预设干扰区域对应的干扰增益的步骤包括：

从所述预先构建的虚拟测试环境中获取预设干扰区域的环境信息；

根据所述环境信息确定所述预设干扰区域的区域类型；

根据所述区域类型确定对应的干扰增益。

4.如权利要求2所述的车辆定位测试方法，其特征在于，所述根据所述初始位置信息和所述干扰增益确定干扰位置信息的步骤包括：

从所述初始位置信息中提取初始经度、初始纬度以及初始高度；

从所述干扰增益中提取所述初始经度对应的经度干扰增益分量、所述初始纬度对应的纬度干扰增益分量以及所述初始高度对应的高度干扰增益分量；

根据所述经度干扰增益分量对所述初始经度进行噪声处理得到干扰经度，根据所述纬度干扰增益分量对所述初始纬度进行噪声处理得到干扰纬度，根据所述高度干扰增益分量对所述初始高度进行噪声处理得到干扰高度；

将所述干扰经度、所述干扰纬度以及所述干扰高度作为干扰位置信息。

5.如权利要求4所述的车辆定位测试方法，其特征在于，所述基于融合算法对所述干扰位置信息进行处理，得到目标位置信息的步骤包括：

获取预设传感器数据；

将所述预设传感器数据与所述干扰经度、所述干扰纬度以及所述干扰高度进行数据融合，获得融合后的位置数据；

将所述融合后的位置数据作为目标位置信息。

6.如权利要求5所述的车辆定位测试方法，其特征在于，所述目标位置信息包括：目标经度、目标纬度以及目标高度；所述根据所述初始位置信息和所述目标位置信息确定定位误差的步骤包括：

分别计算所述初始经度和所述目标经度之间的经度差、所述初始纬度和所述目标纬度之间的纬度差以及所述初始高度和所述目标高度之间的高度差；

将所述经度差、所述纬度差以及所述高度差作为定位误差。

7.如权利要求1至6中任一项所述的车辆定位测试方法，其特征在于，所述将所述定位误差作为测试结果的步骤之后，还包括：

若所述定位误差未处于预设误差阈值范围，则对所述定位误差进行误差分析，并根据分析结果对所述融合算法进行优化；

基于优化后的融合算法对所述初始位置信息进行重新处理，得到新的目标位置信息；

根据所述初始位置信息和所述新的目标位置信息确定新的定位误差，直至所述新的定位误差处于所述预设误差阈值范围。

8.一种车辆定位测试装置，其特征在于，所述装置包括：

获取模块，用于从预先构建的虚拟测试环境中获取仿真车辆的初始位置信息；

处理模块，用于基于融合算法对所述初始位置信息进行预处理，得到目标位置信息；

计算模块，用于根据所述初始位置信息和所述目标位置信息确定定位误差；

输出模块，用于将所述定位误差作为测试结果。

9.一种车辆定位测试设备，其特征在于，所述设备包括：存储器、处理器及存储在所述存储器上并在所述处理器上运行的车辆定位测试程序，所述车辆定位测试程序配置为实现如权利要求1至7中任一项所述的车辆定位测试方法的步骤。

10.一种存储介质，其特征在于，所述存储介质上存储有车辆定位测试程序，所述车辆定位测试程序被处理器执行时实现如权利要求1至7任一项所述的车辆定位测试方法的步骤。

Images