CN111693723A - 速度预测方法、装置和电子设备 - Google Patents

速度预测方法、装置和电子设备 Download PDF

Info

Publication number
CN111693723A
CN111693723A CN202010473770.3A CN202010473770A CN111693723A CN 111693723 A CN111693723 A CN 111693723A CN 202010473770 A CN202010473770 A CN 202010473770A CN 111693723 A CN111693723 A CN 111693723A
Authority
CN
China
Prior art keywords
speed
predicted
time unit
obtaining
prediction
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN202010473770.3A
Other languages
English (en)
Other versions
CN111693723B (zh
Inventor
李冰
周志鹏
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Apollo Zhilian Beijing Technology Co Ltd
Original Assignee
北京百度网讯科技有限公司
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 北京百度网讯科技有限公司 filed Critical 北京百度网讯科技有限公司
Priority to CN202010473770.3A priority Critical patent/CN111693723B/zh
Publication of CN111693723A publication Critical patent/CN111693723A/zh
Priority to JP2021043585A priority patent/JP7372949B2/ja
Priority to KR1020210036807A priority patent/KR20210039355A/ko
Application granted granted Critical
Publication of CN111693723B publication Critical patent/CN111693723B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01P—MEASURING LINEAR OR ANGULAR SPEED, ACCELERATION, DECELERATION, OR SHOCK; INDICATING PRESENCE, ABSENCE, OR DIRECTION, OF MOVEMENT
    • G01P3/00—Measuring linear or angular speed; Measuring differences of linear or angular speeds
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01P—MEASURING LINEAR OR ANGULAR SPEED, ACCELERATION, DECELERATION, OR SHOCK; INDICATING PRESENCE, ABSENCE, OR DIRECTION, OF MOVEMENT
    • G01P7/00—Measuring speed by integrating acceleration
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01P—MEASURING LINEAR OR ANGULAR SPEED, ACCELERATION, DECELERATION, OR SHOCK; INDICATING PRESENCE, ABSENCE, OR DIRECTION, OF MOVEMENT
    • G01P15/00—Measuring acceleration; Measuring deceleration; Measuring shock, i.e. sudden change of acceleration
    • G01P15/02—Measuring acceleration; Measuring deceleration; Measuring shock, i.e. sudden change of acceleration by making use of inertia forces using solid seismic masses
    • G01P9/00—
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S19/00—Satellite radio beacon positioning systems; Determining position, velocity or attitude using signals transmitted by such systems
    • G01S19/38—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system
    • G01S19/39—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system the satellite radio beacon positioning system transmitting time-stamped messages, e.g. GPS [Global Positioning System], GLONASS [Global Orbiting Navigation Satellite System] or GALILEO
    • G01S19/52—Determining velocity
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
    • G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
    • G06F18/2411—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on the proximity to a decision surface, e.g. support vector machines

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • General Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Navigation (AREA)

Abstract

本申请公开了速度预测方法、装置和电子设备，涉及智能交通领域。具体实现方案为：通过IMU获取数据；基于所述数据，获得预测结果，其中，所述预测结果包括预测加速度和预测状态信息中的至少一项，所述预测状态信息用于表示车辆是否为零速状态；根据所述预测结果，确定目标预测速度。这样，可以使得车载终端在不能获得卫星信号的场景下，通过IMU来对车辆进行速度预测，提高车辆速度预测的准确率。

Description

速度预测方法、装置和电子设备
技术领域
本申请涉及计算机技术领域中的智能交通技术，尤其涉及一种速度预测方法、装置和电子设备。
背景技术
在车辆行驶过程中，车速是车载终端需要获取的重要数据，例如，车载终端可以根据车速提醒驾驶员超速，根据车速计算车辆的位姿。
目前，在某些场景下获取的车速并不准确，例如，在车载的盒子或后视镜等后装场景下，往往不能获取准确的实时车速，此种情况下，可以通过卫星信号，例如，全球定位系统(Global Positioning System，简称GPS)信号来获取车辆的速度。但是，在隧道、地下通道等地下路段，卫星信号被遮挡，车载终端不能获得卫星信号的场景下，预测的速度与实际速度的误差较大，即速度预测的准确率低。
发明内容
本申请实施例提供一种速度预测方法、装置和电子设备，以解决目前车载终端不能获得卫星信号的场景下，速度预测的准确率低的问题。
为解决上述技术问题，本申请是这样实现的：
本申请第一方面提供一种速度预测方法，包括：
通过惯性测量单元IMU获取数据；
基于所述数据，获得预测结果，其中，所述预测结果包括预测加速度和预测状态信息中的至少一项，所述预测状态信息用于表示车辆是否为零速状态；
根据所述预测结果，确定目标预测速度。
进一步的，所述通过IMU获取数据，包括：
通过所述IMU的目标加速度计在第一时间单元获取数据；
所述基于所述数据，获得预测结果，包括：
基于所述数据，利用所述第一模型，获得所述预测加速度，其中，所述第一模型的训练样本包括：根据所述目标加速度计在第二时间单元获取的第一训练数据，以及根据第一卫星信号确定的所述第二时间单元对应的加速度；
所述根据所述预测结果，确定目标预测速度，包括：
根据所述预测加速度，确定目标预测速度。
进一步的，所述通过IMU获取数据，包括：
通过所述IMU的加速度计和陀螺仪在第一时间单元获取数据；
所述基于所述数据，获得预测结果，包括：
基于所述数据，利用所述第二模型，获得所述预测状态信息，其中，所述第二模型的训练样本包括：根据所述IMU的加速度计和陀螺仪在第三时间单元获取的第二训练数据；
所述根据所述预测结果，确定目标预测速度，包括：
根据所述预测状态信息，确定目标预测速度。
进一步的，所述通过IMU获取数据，包括：
通过所述IMU的目标加速度计在第一时间单元获取第一数据，以及通过所述IMU的加速度计和陀螺仪在所述第一时间单元获取第二数据；
所述基于所述数据，获得预测结果，包括：
基于所述第一数据，利用所述第一模型，获得所述预测加速度，其中，所述第一模型的训练样本包括：根据所述目标加速度计在第二时间单元获取的第一训练数据，以及根据第一卫星信号确定的所述第二时间单元对应的加速度；
基于所述第二数据，利用所述第二模型，获得所述预测状态信息，其中，所述第二模型的训练样本包括：根据所述IMU的加速度计和陀螺仪在第三时间单元获取的第二训练数据；
所述根据所述预测结果，确定目标预测速度，包括：
若根据所述预测状态信息确定所述车辆为零速状态，则确定所述目标预测速度为零速；
若根据所述预测状态信息确定所述车辆为非零速状态，则根据所述预测加速度，确定所述目标预测速度。
进一步的，在所述根据所述预测加速度，确定目标预测速度之前，还包括：
对于预设时间段的各第四时间单元，获取通过所述第一模型预测获得的预测速度，以及通过第二卫星信号获得的对比速度；
根据各所述第四时间单元对应的预测速度和对比速度，获得各所述第四时间单元对应的误差；
若各所述第四时间单元对应的误差位于预设范围，则根据各所述第四时间单元对应的误差确定最终误差；
所述根据所述预测加速度，获取目标预测速度，包括：
根据所述预测加速度，计算获得中间预测速度；
根据所述中间预测速度与所述最终误差，获得所述目标预测速度。
进一步的，在所述通过所述IMU的目标加速度计在第一时间单元获取数据之前，还包括：
分别根据所述IMU的多个加速度计的积分结果确定多个估计速度；
将所述多个估计速度，分别与根据第三卫星信号确定的速度进行比较，确定所述多个估计速度对应的多个误差；
将所述多个误差中值最小的误差对应的所述加速度计确定为所述目标加速度计。
本申请第二方面提供一种速度预测装置，包括：
第一获取模块，用于通过惯性测量单元IMU获取数据；
第二获取模块，用于基于所述数据，获得预测结果，其中，所述预测结果包括预测加速度和预测状态信息中的至少一项，所述预测状态信息用于表示车辆是否为零速状态；
第一确定模块，用于根据所述预测结果，确定目标预测速度。
进一步的，所述第一获取模块，用于：
通过所述IMU的目标加速度计在第一时间单元获取数据；
所述第二获取模块，用于：
基于所述数据，利用所述第一模型，获得所述预测加速度，其中，所述第一模型的训练样本包括：根据所述目标加速度计在第二时间单元获取的第一训练数据，以及根据第一卫星信号确定的所述第二时间单元对应的加速度；
所述第一确定模块，用于：
根据所述预测加速度，确定目标预测速度。
进一步的，所述第一获取模块，用于：
通过所述IMU的加速度计和陀螺仪在第一时间单元获取数据；
所述第二获取模块，用于：
基于所述数据，利用所述第二模型，获得所述预测状态信息，其中，所述第二模型的训练样本包括：根据所述IMU的加速度计和陀螺仪在第三时间单元获取的第二训练数据；
所述第一确定模块，用于根据所述预测状态信息，确定目标预测速度。
进一步的，所述第一获取模块，用于：
通过所述IMU的目标加速度计在第一时间单元获取第一数据，以及通过所述IMU的加速度计和陀螺仪在所述第一时间单元获取第二数据；
所述第二获取模块，包括：
第一获取子模块，用于基于所述第一数据，利用所述第一模型，获得所述预测加速度，其中，所述第一模型的训练样本包括：根据所述目标加速度计在第二时间单元获取的第一训练数据，以及根据第一卫星信号确定的所述第二时间单元对应的加速度；
第二获取子模块，用于基于所述第二数据，利用所述第二模型，获得所述预测状态信息，其中，所述第二模型的训练样本包括：根据所述IMU的加速度计和陀螺仪在第三时间单元获取的第二训练数据；
所述第一确定模块，包括：
第一确定子模块，用于若根据所述预测状态信息确定所述车辆为零速状态，则确定所述目标预测速度为零速；
第二确定子模块，用于若根据所述预测状态信息确定所述车辆为非零速状态，则根据所述预测加速度，确定所述目标预测速度。
进一步的，所述装置还包括：
第三获取模块，用于对于预设时间段的各第四时间单元，获取通过所述第一模型预测获得的预测速度，以及通过第二卫星信号获得的对比速度；
第四获取模块，用于根据各所述第四时间单元对应的预测速度和对比速度，获得各所述第四时间单元对应的误差；
第五获取模块，用于若各所述第四时间单元对应的误差位于预设范围，则根据各所述第四时间单元对应的误差确定最终误差；
所述第一确定模块，包括：
计算子模块，用于根据所述预测加速度，计算获得中间预测速度；
第三获取子模块，用于根据所述中间预测速度与所述最终误差，获得所述目标预测速度。
进一步的，所述装置还包括：
第二确定模块，用于分别根据所述IMU的多个加速度计的积分结果确定多个估计速度；
第三确定模块，用于将所述多个估计速度，分别与根据第三卫星信号确定的速度进行比较，确定所述多个估计速度对应的多个误差；
第四确定模块，用于将所述多个误差中值最小的误差对应的所述加速度计确定为所述目标加速度计。
本申请第三方面提供一种电子设备，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第一方面所述的方法。
本申请第四方面提供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第一方面所述的方法。
上述申请中的一个实施例具有如下优点或有益效果：可以使得车载终端在不能获得卫星信号的场景下，通过IMU来对车辆进行速度预测，提高车辆速度预测的准确率。
上述可选方式所具有的其他效果将在下文中结合具体实施例加以说明。
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是本申请实施例提供的速度预测方法的流程图之一；
图2是本申请实施例提供的速度预测方法的流程图之二；
图3是本申请实施例提供的速度预测方法的流程图之三；
图4是本申请实施例提供的速度预测方法的流程图之四；
图5是本申请实施例提供的速度预测装置的结构图；
图6是用来实现本申请实施例的速度预测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。
参见图1，图1是本申请实施例提供的速度预测方法的流程图之一，如图1所示，本实施例提供一种速度预测方法，应用于电子设备，包括以下步骤：
步骤101、通过惯性测量单元IMU获取数据。
惯性测量单元(Inertial measurement unit，简称IMU)是测量物体三轴姿态角及加速度的装置，IMU可包括三个单轴的加速度计和三个单轴的陀螺仪，加速度计检测加速度信号，而陀螺仪检测角速度信号。在车辆上设置IMU，例如，车辆的后装导航产品包括IMU，通过IMU获取数据。电子设备可为车载终端。
步骤102、基于所述数据，获得预测结果，其中，所述预测结果包括预测加速度和预测状态信息中的至少一项，所述预测状态信息用于表示车辆是否为零速状态。
根据IMU获取的数据来进行预测，获得预测结果。例如，根据IMU的加速度计的积分结果进行预测，例如，根据数据对加速度进行预测，或者根据IMU的加速度计和陀螺仪获取的数据进行预测，例如根据数据对车辆的状态进行预测，获得预测结果。预测结果包括预测加速度和预测状态信息中的至少一项。
步骤103、根据所述预测结果，确定目标预测速度。
若预测结果包括预测加速度，则根据预测加速度，计算获得目标预测速度；若预测结果包括预测状态信息，且预测状态信息表示车辆为零速状态，则确定目标预测速度为零速；若预测结果包括预测加速度和预测状态信息，且预测状态信息表示车辆为零速状态，则确定目标预测速度为零速；若预测结果包括预测加速度和预测状态信息，且预测状态信息表示车辆为非零速状态，则根据预测加速度，计算获得目标预测速度。
本实施例中，通过车辆上设置的惯性测量单元IMU获取数据；基于所述数据，获得预测结果，其中，所述预测结果包括预测加速度和预测状态信息中的至少一项，所述预测状态信息用于表示所述车辆是否为零速状态；根据所述预测结果，确定目标预测速度。这样，可以使得车辆在不能获得卫星信号的场景下，通过车辆上设置的IMU来对车辆进行速度预测，提高车辆速度预测的准确率。
参见图2，图2是本申请实施例提供的速度预测方法的流程图之二，如图2所示，本实施例提供一种速度预测方法，应用于电子设备，包括以下步骤：
步骤201、通过所述IMU的目标加速度计在第一时间单元获取数据。
步骤201、基于所述数据，利用所述第一模型，获得所述预测加速度，其中，所述第一模型的训练样本包括：根据所述目标加速度计在第二时间单元获取的第一训练数据，以及根据第一卫星信号确定的所述第二时间单元对应的加速度；
步骤203、根据所述预测加速度，确定目标预测速度。
步骤201、步骤202和步骤203分别为步骤101、步骤102和步骤103的一种实施例中的实现方式。
本实施例为预测结果包括预测加速度的情况。第一时间单元为一个时间长度，例如，1秒或者2秒等，第一时间单元和第二时间单元的时间长度相同，此处用第一、第二进行区分，是为了表示这两个时间单元属于不同的时间区间。第一时间单元属于进行速度预测时的时间区间，第二时间单元属于获取训练样本时的时间区间。卫星信号可为全球定位系统(Global Positioning System，简称GPS)信号，或者北斗卫星导航系统(BeiDouNavigation Satellite System，简称BDS)信号等。本申请中的第一卫星信号、第二卫星信号和第三卫星信号中的“第一”、“第二”和“第三”用于区分不同时间获取到的卫星信号。卫星信号可通过设置在车辆上的卫星定位系统或者卫星导航系统接收。卫星定位系统或者卫星导航系统可集成在电子设备中，也可与电子设备分开设置，分开设置时，电子设备可通过有线或无线的方式从卫星定位系统或者卫星导航系统中获取到卫星数据。
第一模型可通过训练样本对第一基础模型，例如支持向量机(Support VectorMachine,简称SVM)进行训练获得。第一模型的训练样本包括两部分，第一部分为第一训练数据，第二部分为通过第一卫星信号确定的加速度(即速度增量)。通过目标加速度计在第二时间单元获取第一训练数据，然后进一步可根据第一训练数据确定第一特征向量。例如，若第二时间单元为1秒，目标加速度计的帧率为100赫兹，也就是说，目标加速度计1秒钟可以获得100帧的数据，则根据这100帧数据，可获得100维的第一特征向量。若目标加速度计的帧率较大，例如大于500赫兹，可进行降维处理，以降低第一特征向量的维度。
目标加速度计在获取第一训练数据的第二时间单元中，车辆上的卫星定位系统或者卫星导航系统可接收到第一卫星信号。电子设备根据第一卫星信号计算车辆的加速度，该加速度作为真值参与到第一基础模型的训练当中。也就是说，对于一个第二时间单元，对应一个第一训练数据和一个加速度。训练样本可包括多个不同时间区间的第二时间单元分别对应的第一训练数据和加速度，以对第一基础模型进行训练，获得第一模型。虽然根据目标加速度计的积分结果可以获得速度，但是由于目标加速度计的噪声过大，会引起剧烈漂移，并且根据目标加速度计的积分结果确定的速度与真实速度存在一定尺度关系，这样直接根据目标加速度计的积分结果得出速度准确性较低，而本实施例中，采用第一模型基于目标加速度计获取的数据进行预测，可提高目标预测速度的准确性。
根据第一时间单元获取的数据确定特征向量，并将该特征向量输入至第一模型中，第一模型输出预测加速度。基于预测加速度，确定车辆的目标预测速度。
在训练第一模型时，以根据第一卫星信号确定的加速度为真值，对基于第一训练数据预测获取的加速度进行纠正，不断的训练第一基础模型，提高第一模型的预测准确率，这样，在车辆不能获得卫星信号的场景下，通过车辆上设置的IMU来对车辆进行速度预测，可提高车辆速度预测的准确率。
IMU包括多个加速度计，目标加速度计为这多个加速度计中的一个，确定目标加速度计的方式可为随机确定，或者通过比较这多个加速度计准确率进行确定。在本申请中提供一种确定目标加速度计的方式，即在通过所述IMU的目标加速度计在第一时间单元获取数据之前，还包括：
分别根据所述IMU的多个加速度计的积分结果确定多个估计速度；
将所述多个估计速度，分别与根据第三卫星信号确定的速度进行比较，确定所述多个估计速度对应的多个误差；
将所述多个误差中值最小的误差对应的所述加速度计确定为所述目标加速度计。
在本实施例中，分别获取IMU各个加速度计的积分结果，根据各积分结果确定多个估计速度，即一个加速度计对应一个估计速度，然后分别将这多个估计速度与根据第三卫星信号确定的速度进行比较，获得多个误差，将误差值最小的误差对应的加速度计确定为目标加速度计，目标加速度计也称为加速度敏感轴。确定目标加速度计的过程中，车辆上的卫星定位系统或者卫星导航系统可接收到第三卫星信号。
通过将根据IMU的多个加速度计的积分结果确定的多个估计速度，与根据第三卫星信号确定的速度进行比较，将值最小的误差对应的加速度计确定为目标加速度计，便于后续基于目标加速度计获取的数据进行车辆速度的预测，提高目标预测速度的准确性。
为了进一步的提高目标预测速度的准确性，本申请还提供一个实施例，用于对基于第一模型获得的速度来确定误差，即在根据所述预测加速度，确定目标预测速度之前，速度预测方法还包括：
对于预设时间段的各第四时间单元，获取通过所述第一模型预测获得的预测速度，以及通过第二卫星信号获得的对比速度；
根据各所述第四时间单元对应的预测速度和对比速度，获得各所述第四时间单元对应的误差；
若各所述第四时间单元对应的误差位于预设范围，则根据各所述第四时间单元对应的误差确定最终误差；
所述根据所述预测加速度，获取目标预测速度，包括：
根据所述预测加速度，计算获得中间预测速度；
根据所述中间预测速度与所述最终误差，获得所述目标预测速度。
本实施例中，在获得第一模型之后，可在车辆上的卫星定位系统或者卫星导航系统接收到卫星信号的情况下，对基于第一模型的输出确定的速度进行误差计算。第四时间单元和第一时间单元的时间长度相同。预设时间段包括多个第四时间单元，例如，若第四时间单元为1秒，那么1分钟包括60个第四时间单元。预设时间单元可根据实际情况进行设置，在此不做限定。
对于预设时间段中的每一个第四时间单元，通过所述IMU的目标加速度计在第四时间单元获取第三数据，然后基于第三数据，利用所述第一模型，获得第一预测加速度，并根据第一预设加速度获得预测速度，同时，根据在该第四时间单元中获取的第二卫星信号来确定对比速度。也就是说，对于一个第四时间单元，对应有一个预测速度和一个对比速度。根据在同一个第四时间单元获取的预测速度和对比速度计算误差，这样，每个第四时间单元对应一个误差，若预设时间段内的各第四时间单元对应的误差都在一个预设范围内，则说明误差稳定在预设范围内，则可根据各第四时间单元对应的误差确定最终误差。例如，将各个误差的加权平均值作为最终误差，或者取这些误差的中位数等等。预测范围可预先根据实际情况进行设置，在此不做限定。
根据上述过程确定最终误差后，可对基于第一模型输出的预测加速度所计算获得的中间预测速度进行校准，获得目标预测速度，使得目标预测速度更加接近实际速度。
本实施例中，在车辆接收到卫星信号的情况下，采用第一模型进行速度预测，将获得的预测速度与根据卫星信号(即第二卫星信号)确定的对比速度进行比较，获得误差，并在各个第四时间单元对应的误差稳定在预设范围后，根据各个第四时间单元对应的误差确定最终误差。这样，在车辆接收不到卫星信号的情况下，可采用最终误差对基于第一模型输出的预测加速度所计算获得的中间预测速度进行校准，使得获得的目标预测速度更加接近实际速度，提高速度预设的准确性。
参见图3，图3是本申请实施例提供的速度预测方法的流程图之三，如图3所示，本实施例提供一种速度预测方法，应用于电子设备，包括以下步骤：
步骤301、通过所述IMU的加速度计和陀螺仪在第一时间单元获取数据；
步骤302、基于所述数据，利用所述第二模型，获得所述预测状态信息，其中，所述第二模型的训练样本包括：根据所述IMU的加速度计和陀螺仪在第三时间单元获取的第二训练数据。
步骤303、根据所述预测状态信息，确定目标预测速度。若根据预测状态信息确定所述车辆为零速状态，则确定所述目标预测速度为零速。
步骤301、步骤302和步骤303分别为步骤101、步骤102和步骤103的一种实现方式。
本实施例为预测结果包括预测状态信息的情况。IMU可包括三轴加速度计和三轴陀螺仪，即6轴IMU，每一轴加速度计和陀螺仪可均在第一时间单元获取子数据(所述数据包括子数据)。
第一时间单元为一个时间长度，例如，1秒或者2秒等，第一时间单元和第三时间单元的时间长度相同，此处用第一、第三进行区分，是为了表示这两个时间单元属于不同的时间区间。第一时间单元属于进行速度预测时的时间区间，第三时间单元属于获取第二模型的训练样本时的时间区间。
为便于与第一模型的训练样本进行区别，本申请中，第一模型的训练样本也称为第一训练样本，第二模型的训练样本也称为第二训练样本。第二模型可通过第二训练样本对第二基础模型，例如SVM进行训练获得。第二训练样本包括根据所述IMU的加速度计和陀螺仪在第三时间单元获取的第二训练数据，例如，将第三时间单元中，IMU的三轴加速度计和三轴陀螺仪获取的数据作为第二训练数据，然后进一步可根据第二训练数据确定第二特征向量。例如，若第二时间单元为1秒，IMU的三轴加速度计和三轴陀螺仪的帧率均为100赫兹，也就是说，每个加速度计和每个陀螺仪1秒钟均可以获得100帧的数据，则第二训练数据包括600帧数据，进一步的，根据这600帧数据，可获得600维的第二特征向量。由于获取的第二特征向量太大，可对第二训练数据进行降维处理，以降低第二特征向量的维度。第二训练样本可包括多个不同时间区间的第三时间单元，例如，时间区间属于车辆行驶过程(即非零速场景)的第三时间单元，以及时间区间属于车辆停止(即零速场景)时的第三时间单元等。
训练完成的第二模型，基于所述IMU的加速度计和陀螺仪在第一时间单元获取的数据，可输出预测状态信息。预测状态信息用于表示车辆是否为零速状态，若根据预测状态信息确定车辆为零速状态，那么车辆的目标预测速度为零速，即可认为车辆的速度为0。
本实施例中，可采用第二模型对零速场景和非零速场景进行判定，在训练第二模型时，综合考虑IMU各个加速度计和陀螺仪获取的数据，以提高第二模型预测的准确性，从而提高对车辆是否为零速场景进行判定的准确性。
参见图4，图4是本申请实施例提供的速度预测方法的流程图之四，图4所示实施例为预测结果同时包括预测加速度和预测状态信息的情况。如图4所示，本实施例提供一种速度预测方法，应用于电子设备，包括以下步骤：
步骤401、通过所述IMU的目标加速度计在第一时间单元获取第一数据，以及通过所述IMU的加速度计和陀螺仪在所述第一时间单元获取第二数据。
步骤401为步骤101的一种实现方式。通过IMU获取的数据包括第一数据和第二数据。
第一时间单元为一个时间长度，例如，1秒或者2秒等。IMU包括多个加速度计，目标加速度计为这多个加速度计中的一个，确定目标加速度计的方式可为随机确定，或者通过比较这多个加速度计的准确率进行确定，具体方式可参见图2所示实施例中的记载，在此不做赘述。
IMU可包括三轴加速度计和三轴陀螺仪，即6轴IMU，每一轴加速度计和陀螺仪可均在第一时间单元获取子数据(所述第二数据包括子数据)。
步骤402、基于所述第一数据，利用所述第一模型，获得所述预测加速度，其中，所述第一模型的训练样本包括：根据所述目标加速度计在第二时间单元获取的第一训练数据，以及根据第一卫星信号确定的所述第二时间单元对应的加速度；
步骤403、基于所述第二数据，利用所述第二模型，获得所述预测状态信息，其中，所述第二模型的训练样本包括：根据所述IMU的加速度计和陀螺仪在第三时间单元获取的第二训练数据；
步骤402、步骤403为步骤102的一种实现方式。步骤402和步骤403之间并无先后顺序，步骤402可在步骤403之前执行，也可在步骤403之后执行，或者与步骤403同时执行，在此不做限定。
第一模型的训练方式与图2所示实施例中的记载一致，第二模型的训练方式与图3所示实施例中的记载一致具体可参见有关记载，在此不做赘述。
步骤404、若根据所述预测状态信息确定所述车辆为零速状态，则确定所述目标预测速度为零速；
步骤405、若根据所述预测状态信息确定所述车辆为非零速状态，则根据所述预测加速度，确定所述目标预测速度。
步骤404、405为步骤103的一种实现方式。若根据预测状态信息确定车辆为零速状态，则确定目标预测速度为零速；若根据预测状态信息确定车辆为非零速状态，则进一步根据预测加速度，确定目标预测速度。根据预测加速度，确定目标预测速度的过程，与步骤203的记载一致，在此不再赘述。
本实施例中，综合考虑第一模型和第二模型的预测结果，在确定车辆为零速状态的情况下，直接确定目标预设速度为零速；在确定车辆为非零速状态的情况下，进一步根据第一模型输出的预测加速度，计算获得目标预测速度。这样，可以使得车辆在不能获得卫星信号的场景下，通过车辆上设置的IMU来对车辆进行速度预测，提高车辆速度预测的准确率。
参见图5，图5是本申请实施例提供的速度预测装置的结构图，如图5所示，本实施例提供一种速度预测装置500，包括：
第一获取模块501，用于通过惯性测量单元IMU获取数据；
第二获取模块502，用于基于所述数据，获得预测结果，其中，所述预测结果包括预测加速度和预测状态信息中的至少一项，所述预测状态信息用于表示所述车辆是否为零速状态；
第一确定模块503，用于根据所述预测结果，确定目标预测速度。
在本申请一个实施例中，所述第一获取模块501，用于：
通过所述IMU的目标加速度计在第一时间单元获取数据；
所述第二获取模块502，用于：
基于所述数据，利用所述第一模型，获得所述预测加速度，其中，所述第一模型的训练样本包括：根据所述目标加速度计在第二时间单元获取的第一训练数据，以及根据第一卫星信号确定的所述第二时间单元对应的加速度；
所述第一确定模块503，用于：
根据所述预测加速度，确定目标预测速度。
在本申请一个实施例中，所述第一获取模块501，用于：
通过所述IMU的加速度计和陀螺仪在第一时间单元获取数据；
所述第二获取模块502，用于：
基于所述数据，利用所述第二模型，获得所述预测状态信息，其中，所述第二模型的训练样本包括：根据所述IMU的加速度计和陀螺仪在第三时间单元获取的第二训练数据；
所述第一确定模块503，用于根据所述预测状态信息，确定目标预测速度。
在本申请一个实施例中，所述第一获取模块501，用于：
通过所述IMU的目标加速度计在第一时间单元获取第一数据，以及通过所述IMU的加速度计和陀螺仪在所述第一时间单元获取第二数据；
所述第二获取模块502，包括：
第一获取子模块，用于基于所述第一数据，利用所述第一模型，获得所述预测加速度，其中，所述第一模型的训练样本包括：根据所述目标加速度计在第二时间单元获取的第一训练数据，以及根据第一卫星信号确定的所述第二时间单元对应的加速度；
第二获取子模块，用于基于所述第二数据，利用所述第二模型，获得所述预测状态信息，其中，所述第二模型的训练样本包括：根据所述IMU的加速度计和陀螺仪在第三时间单元获取的第二训练数据；
所述第一确定模块503，包括：
第一确定子模块，用于若根据所述预测状态信息确定所述车辆为零速状态，则确定所述目标预测速度为零速；
第二确定子模块，用于若根据所述预测状态信息确定所述车辆为非零速状态，则根据所述预测加速度，确定所述目标预测速度。
在本申请一个实施例中，所述速度预测装置500还包括：
第三获取模块，用于对于预设时间段的各第四时间单元，获取通过所述第一模型预测获得的预测速度，以及通过第二卫星信号获得的对比速度；
第四获取模块，用于根据各所述第四时间单元对应的预测速度和对比速度，获得各所述第四时间单元对应的误差；
第五获取模块，用于若各所述第四时间单元对应的误差位于预设范围，则根据各所述第四时间单元对应的误差确定最终误差；
所述第一确定模块503，包括：
计算子模块，用于根据所述预测加速度，计算获得中间预测速度；
第三获取子模块，用于根据所述中间预测速度与所述最终误差，获得所述目标预测速度。
在本申请一个实施例中，所述速度预测装置500还包括：
第二确定模块，用于分别根据所述IMU的多个加速度计的积分结果确定多个估计速度；
第三确定模块，用于将所述多个估计速度，分别与根据第三卫星信号确定的速度进行比较，确定所述多个估计速度对应的多个误差；
第四确定模块，用于将所述多个误差中值最小的误差对应的所述加速度计确定为所述目标加速度计。
速度预测装置500能够实现图1-图4所示的方法实施例中电子设备实现的各个过程，为避免重复，这里不再赘述。
本申请实施例的速度预测装置500，通过IMU获取数据；基于所述数据，获得预测结果，其中，所述预测结果包括预测加速度和预测状态信息中的至少一项，所述预测状态信息用于表示所述车辆是否为零速状态；根据所述预测结果，确定目标预测速度。这样，可以使得车载终端在不能获得卫星信号的场景下，通过IMU来对车辆进行速度预测，提高车辆速度预测的准确率。
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6所示，是根据本申请实施例的速度预测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6所示，该电子设备包括：一个或多个处理器601、存储器602，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6中以一个处理器601为例。
存储器602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速度预测方法。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速度预测方法。
存储器602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速度预测方法对应的程序指令/模块(例如，附图5所示的第一获取模块501、第二获取模块502、第三获取模块503和第一确定模块504)。处理器601通过运行存储在存储器602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速度预测方法。
存储器602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实现速度预测方法的电子设备的使用所创建的数据等。此外，存储器602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602可选包括相对于处理器601远程设置的存储器，这些远程存储器可以通过网络连接至实现速度预测方法的电子设备。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。
实现速度预测方法的电子设备还可以包括：输入装置603和输出装置604。处理器601、存储器602、输入装置603和输出装置604可以通过总线或者其他方式连接，图6中以通过总线连接为例。
输入装置603可接收输入的数字或字符信息，以及产生与实现速度预测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604可以包括显示设备、辅助照明装置(例如，LED)和触觉反馈装置(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(LCD)、发光二极管(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ASIC(专用集成电路)、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(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，CRT(阴极射线管)或者LCD(液晶显示器)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)、或者包括中间件部件的计算系统(例如，应用服务器)、或者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(LAN)、广域网(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IMU获取数据；基于所述数据，获得预测结果，其中，所述预测结果包括预测加速度和预测状态信息中的至少一项，所述预测状态信息用于表示所述车辆是否为零速状态；根据所述预测结果，确定目标预测速度。这样，可以使得车载终端在不能获得卫星信号的场景下，通过IMU来对车辆进行速度预测，提高车辆速度预测的准确率。
在车辆接收到卫星信号的情况下，采用第一模型进行速度预测，将获得的预测速度与根据卫星信号(即第二卫星信号)确定的对比速度进行比较，获得误差，并在各个第四时间单元对应的误差稳定在预设范围后，根据各个第四时间单元对应的误差确定最终误差。这样，在车辆接收不到卫星信号的情况下，可采用最终误差对基于第一模型输出的预测加速度所计算获得的中间预测速度进行校准，使得获得的目标预测速度更加接近实际速度，提高速度预设的准确性。
采用第二模型对零速场景和非零速场景进行判定，在训练第二模型时，综合考虑IMU各个加速度计和陀螺仪获取的数据，以提高第二模型预测的准确性，从而提高对车辆是否为零速场景进行判定的准确性。
综合考虑第一模型和第二模型的预测结果，在确定车辆为零速状态的情况下，直接确定目标预设速度为零速；在确定车辆为非零速状态的情况下，进一步根据第一模型输出的预测加速度，计算获得目标预测速度。这样，可以使得车辆在不能获得卫星信号的场景下，通过IMU来对车辆进行速度预测，提高车辆速度预测的准确率。
通过最终误差对基于第一模型输出的预测加速度所计算获得的中间预测速度进行校准，获得目标预测速度，使得目标预测速度更加接近实际速度。
通过将根据IMU的多个加速度计的积分结果确定的多个估计速度，与根据第三卫星信号确定的速度进行比较，将值最小的误差对应的加速度计确定为目标加速度计，便于后续基于目标加速度计获取的数据进行车辆速度的预测，提高目标预测速度的准确性。
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 (14)

1.一种速度预测方法，其特征在于，包括：
通过惯性测量单元IMU获取数据；
基于所述数据，获得预测结果，其中，所述预测结果包括预测加速度和预测状态信息中的至少一项，所述预测状态信息用于表示车辆是否为零速状态；
根据所述预测结果，确定目标预测速度。
2.根据权利要求1所述的速度预测方法，其特征在于，所述通过IMU获取数据，包括：
通过所述IMU的目标加速度计在第一时间单元获取数据；
所述基于所述数据，获得预测结果，包括：
基于所述数据，利用第一模型，获得所述预测加速度，其中，所述第一模型的训练样本包括：根据所述目标加速度计在第二时间单元获取的第一训练数据，以及根据第一卫星信号确定的所述第二时间单元对应的加速度；
所述根据所述预测结果，确定目标预测速度，包括：
根据所述预测加速度，确定目标预测速度。
3.根据权利要求1所述的速度预测方法，其特征在于，所述通过IMU获取数据，包括：
通过所述IMU的加速度计和陀螺仪在第一时间单元获取数据；
所述基于所述数据，获得预测结果，包括：
基于所述数据，利用第二模型，获得所述预测状态信息，其中，所述第二模型的训练样本包括：根据所述IMU的加速度计和陀螺仪在第三时间单元获取的第二训练数据；
所述根据所述预测结果，确定目标预测速度，包括：
根据所述预测状态信息，确定目标预测速度。
4.根据权利要求1所述的速度预测方法，其特征在于，所述通过IMU获取数据，包括：
通过所述IMU的目标加速度计在第一时间单元获取第一数据，以及通过所述IMU的加速度计和陀螺仪在所述第一时间单元获取第二数据；
所述基于所述数据，获得预测结果，包括：
基于所述第一数据，利用第一模型，获得所述预测加速度，其中，所述第一模型的训练样本包括：根据所述目标加速度计在第二时间单元获取的第一训练数据，以及根据第一卫星信号确定的所述第二时间单元对应的加速度；
基于所述第二数据，利用第二模型，获得所述预测状态信息，其中，所述第二模型的训练样本包括：根据所述IMU的加速度计和陀螺仪在第三时间单元获取的第二训练数据；
所述根据所述预测结果，确定目标预测速度，包括：
若根据所述预测状态信息确定所述车辆为零速状态，则确定所述目标预测速度为零速；
若根据所述预测状态信息确定所述车辆为非零速状态，则根据所述预测加速度，确定所述目标预测速度。
5.根据权利要求2所述的速度预测方法，其特征在于，在所述根据所述预测加速度，确定目标预测速度之前，还包括：
对于预设时间段的各第四时间单元，获取通过所述第一模型预测获得的预测速度，以及通过第二卫星信号获得的对比速度；
根据各所述第四时间单元对应的预测速度和对比速度，获得各所述第四时间单元对应的误差；
若各所述第四时间单元对应的误差位于预设范围，则根据各所述第四时间单元对应的误差确定最终误差；
所述根据所述预测加速度，获取目标预测速度，包括：
根据所述预测加速度，计算获得中间预测速度；
根据所述中间预测速度与所述最终误差，获得所述目标预测速度。
6.根据权利要求2所述的速度预测方法，其特征在于，在所述通过所述IMU的目标加速度计在第一时间单元获取数据之前，还包括：
分别根据所述IMU的多个加速度计的积分结果确定多个估计速度；
将所述多个估计速度，分别与根据第三卫星信号确定的速度进行比较，确定所述多个估计速度对应的多个误差；
将所述多个误差中值最小的误差对应的所述加速度计确定为所述目标加速度计。
7.一种速度预测装置，其特征在于，包括：
第一获取模块，用于通过惯性测量单元IMU获取数据；
第二获取模块，用于基于所述数据，获得预测结果，其中，所述预测结果包括预测加速度和预测状态信息中的至少一项，所述预测状态信息用于表示车辆是否为零速状态；
第一确定模块，用于根据所述预测结果，确定目标预测速度。
8.根据权利要求7所述的速度预测装置，其特征在于，所述第一获取模块，用于：
通过所述IMU的目标加速度计在第一时间单元获取数据；
所述第二获取模块，用于：
基于所述数据，利用第一模型，获得所述预测加速度，其中，所述第一模型的训练样本包括：根据所述目标加速度计在第二时间单元获取的第一训练数据，以及根据第一卫星信号确定的所述第二时间单元对应的加速度；
所述第一确定模块，用于：
根据所述预测加速度，确定目标预测速度。
9.根据权利要求7所述的速度预测装置，其特征在于，所述第一获取模块，用于：
通过所述IMU的加速度计和陀螺仪在第一时间单元获取数据；
所述第二获取模块，用于：
基于所述数据，利用第二模型，获得所述预测状态信息，其中，所述第二模型的训练样本包括：根据所述IMU的加速度计和陀螺仪在第三时间单元获取的第二训练数据；
所述第一确定模块，用于根据所述预测状态信息，确定目标预测速度。
10.根据权利要求7所述的速度预测装置，其特征在于，所述第一获取模块，用于：
通过所述IMU的目标加速度计在第一时间单元获取第一数据，以及通过所述IMU的加速度计和陀螺仪在所述第一时间单元获取第二数据；
所述第二获取模块，包括：
第一获取子模块，用于基于所述第一数据，利用第一模型，获得所述预测加速度，其中，所述第一模型的训练样本包括：根据所述目标加速度计在第二时间单元获取的第一训练数据，以及根据第一卫星信号确定的所述第二时间单元对应的加速度；
第二获取子模块，用于基于所述第二数据，利用第二模型，获得所述预测状态信息，其中，所述第二模型的训练样本包括：根据所述IMU的加速度计和陀螺仪在第三时间单元获取的第二训练数据；
所述第一确定模块，包括：
第一确定子模块，用于若根据所述预测状态信息确定所述车辆为零速状态，则确定所述目标预测速度为零速；
第二确定子模块，用于若根据所述预测状态信息确定所述车辆为非零速状态，则根据所述预测加速度，确定所述目标预测速度。
11.根据权利要求8所述的速度预测装置，其特征在于，所述装置还包括：
第三获取模块，用于对于预设时间段的各第四时间单元，获取通过所述第一模型预测获得的预测速度，以及通过第二卫星信号获得的对比速度；
第四获取模块，用于根据各所述第四时间单元对应的预测速度和对比速度，获得各所述第四时间单元对应的误差；
第五获取模块，用于若各所述第四时间单元对应的误差位于预设范围，则根据各所述第四时间单元对应的误差确定最终误差；
所述第一确定模块，包括：
计算子模块，用于根据所述预测加速度，计算获得中间预测速度；
第三获取子模块，用于根据所述中间预测速度与所述最终误差，获得所述目标预测速度。
12.根据权利要求8所述的速度预测装置，其特征在于，所述装置还包括：
第二确定模块，用于分别根据所述IMU的多个加速度计的积分结果确定多个估计速度；
第三确定模块，用于将所述多个估计速度，分别与根据第三卫星信号确定的速度进行比较，确定所述多个估计速度对应的多个误差；
第四确定模块，用于将所述多个误差中值最小的误差对应的所述加速度计确定为所述目标加速度计。
13.一种电子设备，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1-6中任一项所述的方法。
14.一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1-6中任一项所述的方法。
CN202010473770.3A 2020-05-29 2020-05-29 速度预测方法、装置和电子设备 Active CN111693723B (zh)

Priority Applications (3)

Application Number Priority Date Filing Date Title
CN202010473770.3A CN111693723B (zh) 2020-05-29 2020-05-29 速度预测方法、装置和电子设备
JP2021043585A JP7372949B2 (ja) 2020-05-29 2021-03-17 速度予測方法、装置、電子機器、記憶媒体及びコンピュータプログラム製品
KR1020210036807A KR20210039355A (ko) 2020-05-29 2021-03-22 속도 예측 방법, 장치 및 전자 기기

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010473770.3A CN111693723B (zh) 2020-05-29 2020-05-29 速度预测方法、装置和电子设备

Publications (2)

Publication Number Publication Date
CN111693723A true CN111693723A (zh) 2020-09-22
CN111693723B CN111693723B (zh) 2022-04-22

Family

ID=72478780

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010473770.3A Active CN111693723B (zh) 2020-05-29 2020-05-29 速度预测方法、装置和电子设备

Country Status (3)

Country Link
JP (1) JP7372949B2 (zh)
KR (1) KR20210039355A (zh)
CN (1) CN111693723B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113899915A (zh) * 2021-09-28 2022-01-07 湖南三一智能控制设备有限公司 一种臂架线速度获取方法、装置及工程车辆

Citations (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2014145409A1 (en) * 2013-03-15 2014-09-18 Cambridge Mobile Telematics Inference of vehicular trajectory characteristics with personal mobile devices
CN104200687A (zh) * 2014-09-11 2014-12-10 长安大学 一种驾驶员速度控制行为监测装置及监测方法
CN104316716A (zh) * 2014-11-20 2015-01-28 清华大学 一种用gps速度信息改进车载速度表的方法
FR3029878A1 (fr) * 2014-12-16 2016-06-17 Michelin & Cie Procede de prediction de la vitesse d'un conducteur au volant d'un vehicule
CN106203626A (zh) * 2016-06-30 2016-12-07 北京奇虎科技有限公司 汽车驾驶行为检测方法及装置、汽车
CN106384540A (zh) * 2016-10-20 2017-02-08 深圳市元征科技股份有限公司 车辆实时轨迹预测方法及预测系统
CN109631915A (zh) * 2018-12-19 2019-04-16 百度在线网络技术（北京）有限公司 轨迹预测方法、装置、设备及计算机可读存储介质
CN110221328A (zh) * 2019-07-23 2019-09-10 广州小鹏汽车科技有限公司 一种组合导航方法和装置
CN110288154A (zh) * 2019-06-25 2019-09-27 北京百度网讯科技有限公司 速度预测方法、装置、设备和介质
US10449959B2 (en) * 2017-10-30 2019-10-22 Wipro Limited System and method for navigating an autonomous vehicle
US10512204B1 (en) * 2016-07-22 2019-12-24 Ag Leader Technology, Inc. Heading measurement compensation for GNSS navigation
CN110702104A (zh) * 2019-09-27 2020-01-17 同济大学 一种基于车辆零速检测的惯性导航误差修正方法
CN111102978A (zh) * 2019-12-05 2020-05-05 深兰科技（上海）有限公司 一种车辆运动状态确定的方法、装置及电子设备
CN111174791A (zh) * 2020-01-09 2020-05-19 电子科技大学 一种基于双向长短期记忆网络的定位修正方法

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP6094026B2 (ja) * 2011-03-02 2017-03-15 セイコーエプソン株式会社 姿勢判定方法、位置算出方法及び姿勢判定装置
JP2019091140A (ja) * 2017-11-13 2019-06-13 一 笠原 移動体評価装置

Patent Citations (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2014145409A1 (en) * 2013-03-15 2014-09-18 Cambridge Mobile Telematics Inference of vehicular trajectory characteristics with personal mobile devices
CN104200687A (zh) * 2014-09-11 2014-12-10 长安大学 一种驾驶员速度控制行为监测装置及监测方法
CN104316716A (zh) * 2014-11-20 2015-01-28 清华大学 一种用gps速度信息改进车载速度表的方法
FR3029878A1 (fr) * 2014-12-16 2016-06-17 Michelin & Cie Procede de prediction de la vitesse d'un conducteur au volant d'un vehicule
CN106203626A (zh) * 2016-06-30 2016-12-07 北京奇虎科技有限公司 汽车驾驶行为检测方法及装置、汽车
US10512204B1 (en) * 2016-07-22 2019-12-24 Ag Leader Technology, Inc. Heading measurement compensation for GNSS navigation
CN106384540A (zh) * 2016-10-20 2017-02-08 深圳市元征科技股份有限公司 车辆实时轨迹预测方法及预测系统
US10449959B2 (en) * 2017-10-30 2019-10-22 Wipro Limited System and method for navigating an autonomous vehicle
CN109631915A (zh) * 2018-12-19 2019-04-16 百度在线网络技术（北京）有限公司 轨迹预测方法、装置、设备及计算机可读存储介质
CN110288154A (zh) * 2019-06-25 2019-09-27 北京百度网讯科技有限公司 速度预测方法、装置、设备和介质
CN110221328A (zh) * 2019-07-23 2019-09-10 广州小鹏汽车科技有限公司 一种组合导航方法和装置
CN110702104A (zh) * 2019-09-27 2020-01-17 同济大学 一种基于车辆零速检测的惯性导航误差修正方法
CN111102978A (zh) * 2019-12-05 2020-05-05 深兰科技（上海）有限公司 一种车辆运动状态确定的方法、装置及电子设备
CN111174791A (zh) * 2020-01-09 2020-05-19 电子科技大学 一种基于双向长短期记忆网络的定位修正方法

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113899915A (zh) * 2021-09-28 2022-01-07 湖南三一智能控制设备有限公司 一种臂架线速度获取方法、装置及工程车辆

Also Published As

Publication number Publication date
JP7372949B2 (ja) 2023-11-01
KR20210039355A (ko) 2021-04-09
JP2021099373A (ja) 2021-07-01
CN111693723B (zh) 2022-04-22

Similar Documents

Publication Publication Date Title
CN111679302B (zh) 车辆定位方法、装置、电子设备和计算机存储介质
US20210206390A1 (en) Positioning method and apparatus, vehicle device, and autonomous vehicle
US11789455B2 (en) Control of autonomous vehicle based on fusion of pose information and visual data
CN107560613B (zh) 基于九轴惯性传感器的机器人室内轨迹跟踪系统及方法
US10605925B2 (en) Processing GPS drifting
CN109781117B (zh) 一种组合定位方法和系统
JP5894865B2 (ja) 車両位置検出装置、及びプログラム
CN109143304B (zh) 用于确定无人驾驶车辆位姿的方法和装置
CN111026081B (zh) 一种误差计算方法、装置、设备及存储介质
CN111666891A (zh) 用于估计障碍物运动状态的方法和装置
CN114179825B (zh) 多传感器融合获取量测值置信度方法及自动驾驶车辆
EP3910289B1 (en) Method, apparatus, device and medium for calibrating temperature drift
CN111721305B (zh) 定位方法和装置、自动驾驶车辆、电子设备和存储介质
CN110617824B (zh) 确定车辆上下高架道路的方法、装置、设备和介质
CN106708088B (zh) 坐标计算方法及装置、飞行控制方法及系统、无人机
CN111693723B (zh) 速度预测方法、装置和电子设备
CN111521187B (zh) 自动驾驶定位组合导航方法、装置、设备及存储介质
CN112651535A (zh) 局部路径规划方法、装置、存储介质、电子设备及车辆
CN115727871A (zh) 一种轨迹质量检测方法、装置、电子设备和存储介质
CN114636418A (zh) 一种基于mems测量姿态相对变化的方法、装置及电子设备
CN110579779B (zh) Gps质量确定方法、装置、设备和介质
CN111780757A (zh) 定位方法和装置、电子设备、车端设备、自动驾驶汽车
CN114056468A (zh) 车辆偏航角的校准方法、装置及可读介质
CN115628754A (zh) 里程计初始化方法、装置、电子设备及自动驾驶车辆
CN116558544A (zh) 里程计检测方法、装置、电子设备及存储介质

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
TA01 Transfer of patent application right
TA01 Transfer of patent application right

Effective date of registration: 20211012

Address after: 100176 101, floor 1, building 1, yard 7, Ruihe West 2nd Road, Beijing Economic and Technological Development Zone, Daxing District, Beijing

Applicant after: Apollo Zhilian (Beijing) Technology Co.,Ltd.

Address before: 2 / F, baidu building, 10 Shangdi 10th Street, Haidian District, Beijing 100085

Applicant before: BEIJING BAIDU NETCOM SCIENCE AND TECHNOLOGY Co.,Ltd.

GR01 Patent grant
GR01 Patent grant