CN111721289B - 自动驾驶中车辆定位方法、装置、设备、存储介质及车辆 - Google Patents

自动驾驶中车辆定位方法、装置、设备、存储介质及车辆 Download PDF

Info

Publication number
CN111721289B
CN111721289B CN202010599748.3A CN202010599748A CN111721289B CN 111721289 B CN111721289 B CN 111721289B CN 202010599748 A CN202010599748 A CN 202010599748A CN 111721289 B CN111721289 B CN 111721289B
Authority
CN
China
Prior art keywords
information
inertial navigation
error
amount
kth
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.)
Active
Application number
CN202010599748.3A
Other languages
English (en)
Other versions
CN111721289A (zh
Inventor
杨晓龙
程风
侯深化
宋适宇
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 Intelligent Technology Beijing Co Ltd
Original Assignee
Apollo Intelligent Technology Beijing Co Ltd
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 Apollo Intelligent Technology Beijing Co Ltd filed Critical Apollo Intelligent Technology Beijing Co Ltd
Priority to CN202010599748.3A priority Critical patent/CN111721289B/zh
Publication of CN111721289A publication Critical patent/CN111721289A/zh
Application granted granted Critical
Publication of CN111721289B publication Critical patent/CN111721289B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/10—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration
    • G01C21/12—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning
    • G01C21/16—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning by integrating acceleration or speed, i.e. inertial navigation
    • G01C21/165—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning by integrating acceleration or speed, i.e. inertial navigation combined with non-inertial navigation instruments
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/10—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration
    • G01C21/12—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning
    • G01C21/16—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning by integrating acceleration or speed, i.e. inertial navigation
    • G01C21/18—Stabilised platforms, e.g. by gyroscope
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
    • G01C21/28—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network with correlation of data from several navigational instruments
    • 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
    • G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
    • G01S13/88—Radar or analogous systems specially adapted for specific applications
    • G01S13/89—Radar or analogous systems specially adapted for specific applications for mapping or imaging
    • 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
    • G01S19/40—Correcting position, velocity or attitude
    • 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
    • G01S19/42—Determining position
    • G01S19/45—Determining position by combining measurements of signals from the satellite radio beacon positioning system with a supplementary measurement
    • G01S19/46—Determining position by combining measurements of signals from the satellite radio beacon positioning system with a supplementary measurement the supplementary measurement being of a radio-wave signal type

Landscapes

  • Engineering & Computer Science (AREA)
  • Remote Sensing (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Automation & Control Theory (AREA)
  • Electromagnetism (AREA)
  • Navigation (AREA)

Abstract

本申请公开了车辆定位方法、装置、设备、存储介质及车辆，涉及自动驾驶领域。具体实现方案为：获取车辆的惯导信息和GNSS信息；基于GNSS信息与雷达定位地图之间的目标偏差量，对GNSS信息进行校正，目标偏差量是基于偏差量的变化量对GNSS信息与雷达定位地图之间的偏差量进行修正得到，偏差量的变化量是基于卡尔曼滤波进行实时估计得到；基于校正后的GNSS信息与惯导信息，对车辆进行定位。本申请实施例通过对GNSS信息进行校正，再基于校正后的GNSS信息和惯导信息对车辆进行定位，能够提高车辆定位准确度。

Description

自动驾驶中车辆定位方法、装置、设备、存储介质及车辆
技术领域
本申请涉及数据处理技术领域，具体涉及自动驾驶技术。
背景技术
在自动驾驶过程中，车辆的定位是上层系统对车辆进行自动驾驶控制的先决条件，车辆定位的准确与否会直接影响到车辆的自动驾驶行为。为了提高自动驾驶定位准确度，目前业内多采用多传感器进行融合定位。
在多传感器融合定位技术中，常用的定位传感器包括雷达(Lidar)、全球导航卫星系统(global navigation satellite system，GNSS)天线、惯性测量单元(Inertialmeasurement unit，IMU)等，与雷达、GNSS和IMU相对应的定位方法分别为基于地图的点云定位方法、GNSS定位方法、捷联惯性导航(Strapdown inertial navigation system，SINS)。在多传感器融合定位过程中，IMU的更新频率最高，其次是雷达和GNSS。在一段时间内，IMU会不断地根据上一时刻的IMU定位(当前的初始位置)和方位推断当前的定位和方位，然而由于IMU每一次推断都会产生误差，随着时间累计，误差也会累计。因此，在一段时间之后若接收到雷达点云数据，会根据点云定位结果和IMU定位结果进行卡尔曼滤波，以确定位置误差量对IMU的定位结果进行修正，再将修正后的IMU定位结果作为融合定位结果输出。之后若再接收到GNSS定位结果时，也是与点云定位结果同样的处理过程对IMU定位进行修正。
在上述过程中，如果GNSS信号解算不准确，就会影响GNSS和IMU的融合定位结果，而GNSS和IMU的融合定位结果又会影响下一次雷达和IMU的融合定位结果，导致车辆位置定位错误，对自动驾驶的行为造成影响。另外，如果卡尔曼滤波器在一段时间内一直使用点云定位结果和解算不准确的GNSS分别进行融合定位，而接下来一旦没有了GNSS信号，那么雷达和IMU的融合定位结果就会产生较大偏移，出现滤波抖动的情形。
发明内容
提供了一种用于提高车辆定位准确度的车辆定位方法、装置、设备、存储介质及车辆。
根据第一方面，提供了一种车辆定位方法，包括：获取所述车辆的惯导信息和GNSS信息；基于所述GNSS信息与雷达定位地图之间的目标偏差量，对所述GNSS信息进行校正，所述目标偏差量是基于偏差量的变化量对所述GNSS信息与雷达定位地图之间的偏差量进行修正得到，所述偏差量的变化量是基于卡尔曼滤波进行实时估计得到；基于校正后的GNSS信息与所述惯导信息，对所述车辆进行定位。
根据第二方面，提供了一种车辆定位装置，包括：获取模块，用于获取所述车辆的惯导信息和GNSS信息；校正模块，用于基于所述GNSS信息与雷达定位地图之间的目标偏差量，对所述GNSS定位信息进行校正，所述目标偏差量是基于偏差量的变化量对所述GNSS定位信息与雷达定位地图之间的偏差量进行修正得到，所述偏差量的变化量是基于卡尔曼滤波进行实时估计得到；定位模块，用于基于校正后的GNSS信息与所述惯导信息，对所述车辆进行定位。
根据第三方面，提供了一种车辆定位设备，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第一方面所述的方法。
根据第四方面，提供了一种车辆，包括如第三方面所述的车辆定位设备。
根据第五方面，提供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第一方面所述的方法。
根据第六方面，提供了一种车辆定位方法，包括：获取所述车辆的惯导信息和GNSS信息；基于所述GNSS信息与雷达定位地图之间的偏差量，对所述GNSS信息进行校正；基于校正后的GNSS信息与所述惯导信息对所述车辆进行定位。
根据本申请的又一方面，本申请实施例提供一种计算机程序产品，包括：计算机程序，所述计算机程序存储在可读存储介质中，设备的至少一个处理器可以从所述可读存储介质读取所述计算机程序，所述至少一个处理器执行所述计算机程序使得设备执行第一方面所述的方法。
根据本申请的技术解决了在GNSS信号解算不准确的情况下，影响GNSS和IMU的融合定位结果，以及GNSS和IMU的融合定位结果又会影响下一次雷达和IMU的融合定位结果，导致车辆位置定位错误，对自动驾驶的行为造成影响。以及如果卡尔曼滤波器在一段时间内一直使用点云定位结果和解算不准确的GNSS分别进行融合定位，而接下来一旦没有了GNSS信号，导致雷达和IMU的融合定位结果就会产生较大偏移，出现滤波抖动的技术问题。提高了车辆定位准确度，并且使得卡尔曼滤波更加稳定。
应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
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车辆控制逻辑示意图；
图2是本申请一示例提供的IMU、GNSS和雷达的更新频率示意图；
图3是本申请实施例提供的车辆定位方法的流程示意图；
图4是本申请实施例提供的基于IMU和GNSS进行定位的示意图；
图5是本申请另一实施例提供的基于IMU、雷达和GNSS进行定位的示意图；
图6是本申请实施例提供的车辆定位装置的结构示意图；
图7是用来实现本申请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。
图1是本申请实施例提供的车辆控制逻辑示意图。
如图1所示，该车辆上设置有多种传感器和控制器11，多种传感器包括GNSS接收机(全球导航定位系统接收机)12、雷达13和惯性测量单元(IMU)14等。其中，GNSS接收机用于接收来自GNSS的数据，并进行GNSS解算得到GNSS定位信息和速度信息；雷达用于采集车辆周围环境的环境点云；IMU用于采集车辆的加速度和角速度等信息。环境点云、GNSS信息和IMU采集的加速度、角速度发送至控制模块，控制模块基于环境点云在雷达定位地图，例如高精度地图中查找相应的位置，得到点云定位结果；控制模块还基于IMU采集的加速度和角速度进行惯导解算，得到位置信息、速度信息和姿态信息。
在上述传感器中，IMU的采集频率最高，其次是GNSS接收机和雷达。示例性地，如图2所示，假设IMU的频率为100HZ，GNSS接收机和雷达的频率分别为50HZ和20HZ。那么在1秒的时间内，IMU不断地采集加速度和角速度，并进行惯导解算，可以得到100次的位置、速度和姿态信息，也就是说IMU可以在这1秒钟内对车辆的位置、速度和姿态信息更新100次(图中仅示出IMU的部分更新过程)。其中，惯导解算的过程包括：对加速度进行积分，得到速度变量；对速度变量进行积分，得到位置变量；对角速度进行积分，得到姿态角变量。然后，将位置变量、速度变量和姿态角变量与上一时刻的位置信息、速度信息和姿态角信息分别进行叠加，得到当前时刻的位置信息、速度信息和姿态角信息。IMU在每一次惯导解算过程中都会产生误差，随着迭代次数的增加，这种误差也会逐渐积累，变得越来越大。为了减小这种误差，在1秒钟内每间隔0.2ms接收到GNSS信息之后，可以通过GNSS信息与IMU的惯导解算结果进行融合定位。之后，在1秒钟内每间隔0.5ms接收到雷达的点云定位结果时，再通过点云定位结果与IMU的惯导解算结果进行融合定位，从而提高车辆定位准确度。
在上述车辆定位过程中，GNSS信息经常存在解算不准确的问题，影响GNSS和IMU的融合定位结果，而GNSS和IMU的融合定位结果又会影响下一次雷达和IMU的融合定位结果，导致车辆位置定位错误，对自动驾驶的行为造成影响。另外，如果卡尔曼滤波器在一段时间内一直使用点云定位结果和解算不准确的GNSS分别进行融合定位，而接下来一旦没有了GNSS信号，那么雷达和IMU的融合定位结果就会产生较大偏移，出现滤波抖动的情形。
为了解决上述技术问题，本申请实施例提出了以雷达定位地图为基准，通过对GNSS信息和雷达定位地图之间的偏差量的变化量进行估计，并根据估计的偏差量的变化量对偏差量进行修正，之后若接收到GNSS信息，则通过该修正后的偏差量对GNSS信息进行校正，再将校正后的GNSS信息与IMU的惯导解算结果进行融合，实现对车辆的定位，从而提高车辆定位准确度。下面将以具体地实施例对本申请的技术方案以及本申请的技术方案如何解决上述技术问题进行详细说明。下面这几个具体的实施例可以相互结合，对于相同或相似的概念或过程可能在某些实施例中不再赘述。下面将结合附图，对本申请的实施例进行描述。
图3为本申请实施例提供的车辆定位方法流程图。本申请实施例针对现有技术的如上技术问题，提供了车辆定位方法，该方法具体步骤如下：
步骤S301、获取车辆的惯导信息和GNSS信息。
本实施例中，方法步骤的执行主体可以是如图1中所示的控制器。控制器分别从IMU和GNSS接收机获取惯导信息和GNSS信息。
其中，惯导信息包括车辆的位置信息、速度信息、姿态信息、陀螺仪零偏和加速度计零偏。车辆的位置信息、速度信息、姿态信息可以通过IMU采集的加速度和角速度进行惯导解算得到。姿态信息为姿态角，包括车辆的横滚角(roll角)、俯仰角(pitch角)和航向角(yaw角)，对于横滚角(roll角)、俯仰角(pitch角)和航向角(yaw角)的具体定义可以参见现有技术的介绍，此处不再赘述。
GNSS信息包括GNSS定位信息。
步骤S302、基于GNSS信息与雷达定位地图之间的目标偏差量，对GNSS信息进行校正。
其中，目标偏差量是基于偏差量的变化量对GNSS信息与雷达定位地图之间的偏差量进行修正得到，偏差量的变化量是基于卡尔曼滤波进行实时估计得到。
本实施例中，GNSS接收机在解算过程中，常常由于解算不准确导致GNSS定位信息不准确。而雷达定位地图是对路面信息进行精度更高的扫描和处理后生成的地图，例如，通过将路面上的车道线、弯道曲度、路标、信号灯、道路边界等等信息数据化之后在地图中标注出来，在雷达采集到车辆周围环境的环境点云后，可以根据环境点云在高精度地图中匹配相应的车道线、弯道曲度、路标、信号灯、道路边界等信息，从而实现对车辆的定位。因此，高精度地图的位置信息相较于GNSS定位信息而言更加准确。在对偏差量的变化量进行估计，并对偏差量进行补偿，之后再基于补偿后的偏差量对GNSS信息进行补偿后，可以认为补偿后的GNSS信息是正确的GNSS信息，正确的GNSS信息与点云地图中的正确位置一致。
例如，当IMU在0至t1这段时间内不断地更新车辆位置信息，而在t1时刻，GNSS接收机接收到了卫星数据并通过对卫星数据进行GNSS解算后得到GNSS信息，则对GNSS信息进行补偿。
步骤S303、基于校正后的GNSS信息与惯导信息，对车辆进行定位。
控制器在对GNSS信息进行校正后，就可以基于惯导信息和校正后的GNSS信息，对车辆进行定位。
本申请实施例通过获取车辆的惯导信息和GNSS信息，以及基于GNSS信息与雷达定位地图之间的目标偏差量，对GNSS信息进行校正，其中，目标偏差量是基于偏差量的变化量对GNSS信息与雷达定位地图之间的偏差量进行修正得到，偏差量的变化量是基于卡尔曼滤波进行实时估计得到；之后，再基于校正后的GNSS信息与所述惯导信息，对车辆进行定位。由于对接收到的GNSS信息进行了补偿，且该补偿量是基于卡尔曼滤波进行实时估计的偏差量的变化量和偏差量得到，因而，在GNSS信息解算不准确的情况下，就可以实现对GNSS信息的精准补偿，从而基于校正后的GNSS信息和惯导信息能够提高车辆定位的准确度，使得卡尔曼滤波更加稳定。
其中，在上述实施例的基础上，基于校正后的GNSS信息与惯导信息，对车辆进行定位，是首先基于校正后的GNSS信息和惯导信息，确定惯导信息的误差量，然后基于惯导信息的误差量，对惯导信息进行修正，之后再基于修正后的惯导信息，确定车辆的定位信息。修正后的惯导信息包括修正后的位置信息、速度信息和姿态角信息、陀螺仪零偏和加速度计零偏，修正后的位置信息就可以作为车辆的定位信息。
对于惯导信息的误差量和偏差量的变化量的确定过程，可以通过卡尔曼滤波的方式来确定。可以理解为，是通过卡尔曼滤波的方式确定惯导信息的误差量和偏差量的变化量，再分别基于惯导信息的误差量对惯导信息进行校正，和基于偏差量的变化量对偏差量进行校正。卡尔曼滤波是基于上一次的状态和当前次的观测量进行估计，因而，卡尔曼滤波只保存上一次迭代更新的状态，存储量小，计算速度快。
通过卡尔曼滤波的方式确定惯导信息的误差量和偏差量的变化量，是将卡尔曼滤波器的状态变量定义为惯导信息的误差量和偏差量的变化量，其中，惯导信息误差包括：位置误差、速度误差、姿态角误差、陀螺仪零偏误差、加速度计零偏误差。则卡尔曼滤波的状态变量选取为位置误差δr，速度误差δvn、姿态角误差
Figure GDA0003494649250000073
加速度计零偏误差δba、陀螺仪零偏误差δbg，雷达定位地图与GNSS信息之间的偏差量的变化量δroffset，采用公式(1)表示如下：
Figure GDA0003494649250000071
式中，X为卡尔曼滤波器的状态变量，δX可以理解为卡尔曼滤波器的误差状态变量；r为位置、vn为速度、
Figure GDA0003494649250000072
为姿态角信息、ba为加速度计零偏、bg为陀螺仪零偏，roffset为雷达定位地图与GNSS信息之间的偏差量。
如图4所示，卡尔曼滤波是一个不断迭代更新的过程，可以用K来表示卡尔曼滤波器的迭代更新次数，每一次的迭代更新过程包括时间更新和量测更新两个阶段，时间更新可以理解为是基于卡尔曼滤波器在第K-1次的状态变量，例如将惯导解算结果作为第K-1次的状态变量，对卡尔曼滤波器的状态方程进行时间更新，将卡尔曼滤波器的状态变量推到第K次，得到第K次的状态变量预测值；以及使用GNSS信息作为观测量，建立观测方程；之后，使用第K次的状态变量预测值和第K次的观测量进行量测更新，得到第K次的状态变量估计值，第K次的状态变量估计值就是惯导信息的误差量和偏差量的变化量。其中，观测量可以取为GNSS信息和惯导信息的差值。
其中，在基于第K-1次惯导信息的误差量和第K-1次偏差量的变化量，对卡尔曼滤波器的状态方程进行时间更新，得到第K次惯导信息的误差量预测值和第K次偏差量的变化量预测值的过程中，是基于第K-1次惯导信息的误差量、第K-1次偏差量的变化量和状态转移矩阵，确定第K次惯导信息的误差量预测值和第K次偏差量的变化量预测值。状态转移矩阵是卡尔曼滤波器的状态方程中状态转移矩阵，用于将卡尔曼滤波器在第K-1次的状态推到第K次。上述时间更新的过程可以采用如下公式(2)来表示：
Figure GDA0003494649250000081
式中，δXk-1是卡尔曼滤波器在第K-1次的状态变量估计值；Fk,k-1是状态转移矩阵；
Figure GDA0003494649250000082
是卡尔曼滤波器在第K次的状态变量预测值，包括第K次惯导信息的误差量预测值和第K次偏差量的变化量预测值。
在上述公式(2)中，δXk-1可以取值为：
Figure GDA0003494649250000083
δrK-1,δvn K-1,
Figure GDA0003494649250000084
δbaK-1,δbgK-1,
Figure GDA0003494649250000085
分别表示第K-1次的位置误差、速度误差、姿态角误差、加速度计零偏误差、陀螺仪零偏误差、雷达定位地图与GNSS信息之间的偏差量的变化量。
其中，第K-1次的位置误差、速度误差、姿态角误差、加速度计零偏误差、陀螺仪零偏误差、雷达定位地图与GNSS信息之间的偏差量的变化量分别可以采用如下3种实施方式得到：
(1)速度误差基于IMU采集的加速度进行积分得到。
(2)位置误差基于所述速度误差进行积分得到。
(3)姿态角误差基于IMU采集的角速度进行积分得到。
其中，位置误差可以采用如下公式(3)确定：
Figure GDA0003494649250000086
式中，
Figure GDA0003494649250000087
为位置误差；
Figure GDA0003494649250000088
用于将由速度积分的距离误差分别转换到经度λ、纬度L和高度a上，Rm、Rn分别为地球子午圈半径和卯酉圈半径；v为速度误差。
其中，速度误差可以采用如下公式(4)确定：
Figure GDA0003494649250000091
式中，
Figure GDA0003494649250000092
为速度误差，
Figure GDA0003494649250000093
Figure GDA0003494649250000094
为惯导解算的东向速度信息；
Figure GDA0003494649250000095
为姿态矩阵，是载体坐标系到导航坐标系的旋转矩阵，其中，载体坐标系是指车辆坐标系；
Figure GDA0003494649250000096
是地球自转角速度在导航坐标系上的投影；
Figure GDA0003494649250000097
为导航坐标系相对于地球坐标系的旋转在导航坐标系上的投影；fb为IMU中加速度计测量的比力；gn为重力加速度在导航坐标系上的投影。
其中，姿态角误差可以采用如下公式(5)确定：
Figure GDA0003494649250000098
式中，
Figure GDA0003494649250000099
为姿态角误差；
Figure GDA00034946492500000910
为载体坐标系相对于导航坐标系的旋转在载体坐标系上的投影；
Figure GDA00034946492500000911
为IMU中陀螺仪输出的角速度；
Figure GDA00034946492500000912
为姿态矩阵，是导航坐标系到载体坐标系的旋转矩阵，其中，载体坐标系是指车辆坐标系；
Figure GDA00034946492500000913
是地球自转角速度在导航坐标系上的投影；
Figure GDA00034946492500000914
为导航坐标系相对于地球坐标系的旋转在导航坐标系上的投影。
上述公式(3)、(4)和(5)可以认为是惯导误差方程，基于上述公式(3)、(4)和(5)计算得到的速度误差、位置误差和姿态角误差可以分别作为卡尔曼滤波器在第K-1次的状态变量，也就是将上述公式(3)、(4)和(5)计算得到的速度误差、位置误差和姿态角误差作为公式(2)中的δXk-1，再通过公式(2)就可以得到第K次的状态变量预测值。公式(2)中的状态转移矩阵可以通过对惯导误差方程(包括公式(3)、(4)和(5))进行离散化获取得到，具体的离散化处理过程可以参见现有技术的介绍，本实施例在此不再赘述。
对于惯导信息的误差量中的陀螺仪零偏误差、加速度计零偏误差可以通过惯导器件误差模型来确定。示例性地，可以认为陀螺仪零偏误差、加速度计零偏误差分别为常量，并通过将卡尔曼滤波器在第K-2次估计得到的陀螺仪零偏误差、加速度计零偏误差作为第K-1次的状态变量来得到。同样地，对于偏差量的变化量，也可以通过将卡尔曼滤波器在第K-2次估计得到的偏差量的变化量作为第K-1次的状态变量来得到。
在卡尔曼滤波器的量测更新阶段，可以基于所述第K次惯导信息的误差量预测值、第K次偏差量的变化量预测值、第K次观测量、量测矩阵和滤波增益，确定第K次的惯导信息误差量和第K次偏差量的变化量。量测更新过程还可以采用如下公式(6)来表示：
δXk＝δXk,k-1+Kk(ZG-HGδXk,k-1)； (6)
式中，δXk为卡尔曼滤波在第K次的状态变量估计值，包括第K次惯导信息的误差量和第K次偏差量的变化量；δXk,k-1为卡尔曼滤波在第K次的状态变量预测值，包括第K次惯导信息的误差量预测值和第K次偏差量的变化量预测值，
Figure GDA0003494649250000101
Kk为滤波增益，
Figure GDA0003494649250000102
Pk-1,k为Xk,k-1的协方差的预测值；HG是GNSS定位信息对应的量测矩阵；
Figure GDA0003494649250000103
为HG的转置矩阵；Rk为观测量的协方差矩阵；ZG是接收到GNSS定位信息时的观测量；
Figure GDA0003494649250000104
Fk,k-1是状态转移矩阵；Pk-1为第K-1次的误差状态变量δXk-1的协方差矩阵；
Figure GDA0003494649250000105
为Fk,k-1的转置矩阵；Gk为噪声驱动矩阵；
Figure GDA0003494649250000106
为Gk的转置矩阵；Qk为系统噪声协方差矩阵。
此外，在量测更新阶段，还可以通过公式：Pk＝(I-KkHk)Pk-1，k计算得到δXk的协方差矩阵Pk，以用于卡尔曼滤波的下一次迭代的时间更新阶段。
在GNSS采集信息的过程中，会获取到GNSS定位信息。也就是说，GNSS信息包括GNSS定位信息，那么对于卡尔曼滤波器来说，第K次的观测量就是GNSS定位信息与所述惯导定位信息的差值。其中，第K次的观测量为GNSS定位信息与所述惯导定位信息的差值，在观测方程的建模过程中可以表示为：ZG＝[λS，LS，aS]T-[λG，LG，aG]T＝HGδK，K-1+VG，λS，LS，aS分别表示惯导解算得到的经度、纬度、高度；[λS，LS，aS]T表示[λS，LS，aS]的转置矩阵；λG，LG，aG分别表示GNSS定位解算得到的经度、纬度、高度；[λG，LG，aG]T表示[λG，LG，aG]的转置矩阵；VG为GNSS定位的误差；HG是观测量为GNSS定位信息时的量测矩阵。
上述实施例中对于偏差量的变化量通过卡尔曼滤波的方式进行估计，是建立在点云定位结果质量好的情况下，而如果点云定位结果质量不好，为了避免对偏差量的变化量进行错误估计，导致错误补偿GNSS，而使用错误的GNSS补偿结果参与到卡尔曼滤波的量测更新中，从而产生定位误差。可选的，本申请实施例还可以基于点云定位结果的质量来确定是否需要对偏差量的变化量进行估计。例如，如果点云定位结果质量不好，则可以不对偏差量的变化量进行估计，或者说在通过卡尔曼滤波的方式对偏差量的变化量进行估计之后，将此次估计的偏差量的变化量丢弃，也就是不对偏差量进行校正。下面将结合雷达信息对偏差量的变化量是否估计的实施过程进行详细说明：
可选的，在获取到雷达信息的情况下，首先基于雷达信息，确定雷达定位的质量；若雷达定位的质量大于或等于预设质量，则在接收到GNSS定位信息的情况下，在量测矩阵的建模过程中，量测矩阵包括惯导信息误差量和偏差量的变化量；若雷达定位的质量小于预设质量，则在接收到GNSS定位信息的情况下，在量测矩阵的建模过程中，量测矩阵包括惯导信息误差量。
其中，雷达信息的质量可以采用点云定位结果的置信度来确定。也就是说雷达采集的环境点云在通过高精度地图进行点云定位后，同时也会输出该次点云定位结果的置信度。预设质量可以采用预设置信度来确定，若点云定位结果的置信度大于或等于预设置信度，则认为雷达定位的质量大于或等于预设质量，那么之后在接收到GNSS信息的情况下，在基于GNSS信息建立观测方程的过程中，在量测矩阵中需要增加偏差量的变化量这一项对应的量测矩阵元素值，也就是说，量测矩阵中包括惯导信息误差量和偏差量的变化量分别对应的量测矩阵元素值。此时，量测矩阵可以采用如下公式(7)来表示：
HG＝[I3×303×12-I3×2]； (7)
式中，I3×3为GNSS信息的位置误差对应的量测矩阵元素值，03×12为速度误差、姿态角误差、陀螺仪零偏和加速度计零偏对应的量测矩阵元素值，-I3×2为偏差量的变化量对应的量测矩阵元素值。
若点云定位结果的置信度小于预设置信度，则认为雷达定位的质量小于预设质量，那么之后在接收到GNSS信息的情况下，在基于GNSS信息建立观测方程的过程中，在量测矩阵中不需要增加偏差量的变化量这一项对应的量测矩阵元素值，也就是说，量测矩阵中包括惯导信息误差量对应的量测矩阵元素值。此时，量测矩阵可以采用如下公式(8)来表示：
HG＝[I3×303×14]； (8)
式中，I3×3为GNSS信息的位置误差对应的量测矩阵元素值，I3×3是一个3×3的单位矩阵，03×14为速度误差、姿态角误差、陀螺仪零偏、加速度计零偏、偏差量的变化量对应的量测矩阵元素值，03×14是一个3×14的全0矩阵。
在上述实施例中接收到GNSS信息的情况下，基于雷达信息来确定是否需要在卡尔曼滤波器的当前次量测更新过程中对偏差量的变化量进行估计的基础上，本申请实施例在接收到雷达信息的情况下，同样地，还需要基于雷达信息和惯导信息，来对车辆进行定位。
可选的，基于雷达信息和惯导信息，对车辆进行定位的实施过程包括如下步骤：基于雷达信息和惯导信息，确定惯导信息的误差量；基于惯导信息的误差量，对惯导信息进行修正；基于修正后的惯导信息，对车辆进行定位。
其中，基于雷达信息和惯导信息，确定惯导信息的误差量的过程，与基于GNSS信息和惯导信息，确定惯导信息的误差量的过程类似。如图5所示，具体实施过程包括如下步骤：
步骤a、基于第K-1次惯导信息的误差量，对卡尔曼滤波器的状态方程进行时间更新，得到第K次惯导信息的误差量预测值，其中，K为卡尔曼滤波器的迭代次数。
步骤b、将雷达信息与惯导信息的差值，作为第K次观测量。
步骤c、基于第K次惯导信息的误差量预测值和第K次观测量，对卡尔曼滤波器进行量测更新，得到第K次惯导信息的误差量。
其中，步骤c可以采用如下公式(9)来确定：
δXk＝δXk,k-1+Kk(ZL-HLδXk,k-1)； (9)
式中，δXk为卡尔曼滤波在第K次的状态变量估计值，包括第K次惯导信息的误差量和第K次偏差量的变化量；δXk,k-1为卡尔曼滤波在第K次的状态变量预测值，包括第K次惯导信息的误差量预测值和第K次偏差量的变化量预测值，
Figure GDA0003494649250000121
Kk为滤波增益，
Figure GDA0003494649250000122
Pk-1,k为Xk,k-1的协方差的预测值；HL是雷达定位信息对应的量测矩阵，
Figure GDA0003494649250000123
HL中第一行元素和第二行元素分别代表雷达位置信息和航向信息对应的量测矩阵元素值，其中，第一行和第二行中的6个元素分别为惯导定位误差、速度误差、姿态角误差、加速度计零偏误差和陀螺仪零偏误差对应的量测矩阵元素值；c12为姿态矩阵
Figure GDA0003494649250000131
中第1行第2列的元素，c32为姿态矩阵
Figure GDA0003494649250000132
中第3行第2列的元素，c22为姿态矩阵
Figure GDA0003494649250000133
中第2行第2列的元素，
Figure GDA0003494649250000134
为姿态矩阵
Figure GDA0003494649250000135
中第1行第2列的元素的平方，
Figure GDA0003494649250000136
为姿态矩阵
Figure GDA0003494649250000137
中第2行第2列的元素的平方；
Figure GDA0003494649250000138
是H L的转置矩阵；Rk为观测量的协方差矩阵；ZL是接收到雷达定位信息时的观测量；
Figure GDA0003494649250000139
Fk,k-1是状态转移矩阵；Pk-1为第K-1次的误差状态变量δXk-1的协方差矩阵；
Figure GDA00034946492500001310
为Fk,k-1的转置矩阵；Gk为噪声驱动矩阵；
Figure GDA00034946492500001311
为Gk的转置矩阵；Qk为系统噪声协方差矩阵。
此外，在量测更新阶段，还可以通过公式：Pk＝(I-KkHk)Pk-1，k计算得到δXk的协方差矩阵Pk，以用于卡尔曼滤波的下一次迭代的时间更新阶段。
在得到δXk，也就是得到第K次的位置误差修正量、速度误差修正量、姿态角误差修正量、陀螺仪零偏误差修正量、加速度计零偏误差修正量和偏差量的变化量，则可以使用第K次的位置误差修正量、速度误差修正量、姿态角误差修正量、陀螺仪零偏误差修正量、加速度计零偏误差修正量分别对惯导解算得到的位置、速度和姿态角进行校正，以及使用偏差量的变化量对偏差量进行修正，修正后的偏差量用于下一次接收到GNSS信息且送入卡尔曼滤波器的情况下，对GNSS信息进行补偿。举例来说，假设在T1时刻接收到了GNSS信息，且当前次估计出来了偏差量的变化量δroffset，并对偏差量roffset做了补偿，那么在T2时刻又接收到了GNSS信息，则首先采用补偿后的偏差量对T2时刻的GNSS信息进行补偿，再进行量测更新。
示例性地，对于δroffset而言，偏差量roffset的初始值为0，在GNSS信息解算不准确的情况下，经过卡尔曼滤波的第一次迭代更新之后，估计出来δroffset为2cm，则采用2cm对初始值0进行补偿，接下来第二次迭代更新之后，再估计出来δroffset为1cm，则采用1cm对上一次估计的2cm进行补偿，得到偏差量roffset为3cm，依次类推，不断地重复上述过程，可能经过几次迭代更新之后，例如1-2次迭代更新之后，估计出来的δroffset就很小，一直保持在0.1cm附近，而偏差量roffset也保持在一个较为稳定的值附近。
在雷达采集信息的过程中，会同时获取到雷达定位信息，以及车辆的航向信息。也就是说，雷达信息包括雷达定位信息和航向信息，那么对于卡尔曼滤波器来说，第K次的观测量就变成了雷达定位信息与所述惯导定位信息的差值，以及所述航向信息与所述惯导定位信息、姿态角信息、陀螺仪零偏和加速度计零偏的差值。第K次的观测量为雷达定位信息与所述惯导定位信息的差值，以及所述航向信息与所述惯导定位信息的差值，那么观测方程的建模过程可以采用如下公式来表示：ZL＝[λS，LS，aS，hS]T-[λL，LL，aL，hL]T＝HLδK，K-1+VL，λS，LS，aS，hS分别表示惯导解算得到的经度、纬度、高度以及航向；[λS，LS，aS，hS]T表示[λS，LS，aS，hS]的转置矩阵；λL，LL，aL，hL分别表示雷达点云定位解算得到的经度、纬度、高度以及航向；[λL，LL，aL，hL]T表示[λL，LL，aL，hL]的转置矩阵；VL为雷达定位的误差；HL是观测量为雷达点云定位结果时的量测矩阵。
上述实施例介绍了分别基于GNSS信息、雷达信息与IMU对车辆进行定位。在对车辆进行定位之后，可选的，本申请实施例还可以基于车辆定位结果对车辆进行控制。例如，基于车辆定位结果进行自动驾驶决策，以控制车辆在下一步的自动驾驶行为。再例如，假设车辆当前定位结果是在路口，则可以基于车辆定位结果控制车辆左转、右转、直行等。在准确的定位结果的基础上，对车辆进行自动驾驶控制，控制精度也更高，对于自动驾驶的行为控制更加精准，提高行车安全。
根据本申请的实施例，本申请还提供了一种车辆定位装置。
如图6所示，是本申请实施例提供的车辆定位装置的框图。该车辆定位装置60包括：获取模块61、校正模块62和定位模块63；其中，获取模块61，用于获取所述车辆的惯导信息和GNSS信息；校正模块62，用于基于所述GNSS信息与雷达定位地图之间的目标偏差量，对所述GNSS定位信息进行校正，所述目标偏差量是基于偏差量的变化量对所述GNSS定位信息与雷达定位地图之间的偏差量进行修正得到，所述偏差量的变化量是基于卡尔曼滤波进行实时估计得到；定位模块63，用于基于校正后的GNSS信息与所述惯导信息，对所述车辆进行定位。
可选的，定位模块63基于校正后的GNSS信息与所述惯导信息，对所述车辆进行定位，具体包括：基于校正后的GNSS信息和所述惯导信息，确定所述惯导信息的误差量；基于所述惯导信息的误差量，对所述惯导信息进行修正；基于修正后的所述惯导信息，确定所述车辆的定位信息。
可选的，该装置还包括：第一确定模块64；第一确定模块64确定所述惯导信息的误差量，以及所述偏差量的变化量，具体基于如下方法步骤确定：基于第K-1次惯导信息的误差量和第K-1次偏差量的变化量，对卡尔曼滤波器的状态方程进行时间更新，得到第K次惯导信息的误差量预测值和第K次偏差量的变化量预测值，其中，K为卡尔曼滤波器的迭代次数；将所述校正后的GNSS信息与惯导信息的差值，作为第K次观测量；基于所述第K次惯导信息的误差量预测值、第K次偏差量的变化量预测值和第K次观测量，对卡尔曼滤波器进行量测更新，得到第K次惯导信息的误差量和第K次偏差量的变化量。
可选的，所述GNSS信息包括GNSS定位信息；所述惯导信息包括惯导定位信息；第一确定模块64将所述校正后的GNSS信息与惯导信息的差值，作为观测量时，具体包括：将所述GNSS定位信息与所述惯导定位信息的差值，作为所述观测量。
可选的，第一确定模块64基于第K-1次惯导信息的误差量和第K-1次偏差量的变化量，对卡尔曼滤波器的状态方程进行时间更新，得到第K次惯导信息的误差量预测值和第K次偏差量的变化量预测值时，具体包括：基于所述第K-1次惯导信息的误差量、第K-1次偏差量的变化量和状态转移矩阵，确定第K次惯导信息的误差量预测值和第K次偏差量的变化量预测值。
可选的，第一确定模块64基于所述第K-1次惯导信息的误差量、第K-1次偏差量的变化量和状态转移矩阵，确定第K次惯导信息的误差量预测值和第K次偏差量的变化量预测值时，具体采用如下公式：
Figure GDA0003494649250000151
式中，δXk-1是卡尔曼滤波器在第K-1次的状态变量估计值；Fk,k-1是状态转移矩阵；
Figure GDA0003494649250000152
是卡尔曼滤波器在第K次的状态变量预测值，包括第K次惯导信息的误差量预测值和第K次偏差量的变化量预测值。
可选的，所述惯导信息的误差量包括位置误差、速度误差、姿态角误差、陀螺仪零偏误差、加速度计零偏误差；该装置还包括：惯导解算模块65；其中，惯导解算模块65，用于基于IMU采集的加速度进行积分得到所述速度误差，以及基于所述速度误差进行积分得到所述位置误差，和基于IMU采集的角速度进行积分得到所述姿态角误差。
可选的，惯导解算模块65采用如下公式确定所述位置误差：
Figure GDA0003494649250000161
式中，
Figure GDA0003494649250000162
为位置误差；
Figure GDA0003494649250000163
用于将由速度积分的距离误差分别转换到经度λ、纬度L和高度a上，Rm、Rn分别为地球子午圈半径和卯酉圈半径；v为速度误差。
可选的，惯导解算模块65采用如下公式确定所述速度误差：
Figure GDA0003494649250000164
式中，
Figure GDA0003494649250000165
为速度误差，
Figure GDA0003494649250000166
等于v；
Figure GDA0003494649250000167
为惯导解算的东向速度信息；
Figure GDA0003494649250000168
为姿态矩阵，是载体坐标系到导航坐标系的旋转矩阵，其中，载体坐标系是指车辆坐标系；
Figure GDA0003494649250000169
是地球自转角速度在导航坐标系上的投影；
Figure GDA00034946492500001610
为导航坐标系相对于地球坐标系的旋转在导航坐标系上的投影；fb为IMU中加速度计测量的比力；gn为重力加速度在导航坐标系上的投影。
可选的，惯导解算模块65采用如下公式确定所述姿态角误差：
Figure GDA00034946492500001611
式中，
Figure GDA00034946492500001612
为姿态角误差；
Figure GDA00034946492500001613
Figure GDA00034946492500001614
为载体坐标系相对于导航坐标系的旋转在载体坐标系上的投影；
Figure GDA00034946492500001615
为IMU中陀螺仪输出的角速度；
Figure GDA00034946492500001616
为姿态矩阵，是导航坐标系到载体坐标系的旋转矩阵，其中，载体坐标系是指车辆坐标系；
Figure GDA00034946492500001617
是地球自转角速度在导航坐标系上的投影；
Figure GDA00034946492500001618
为导航坐标系相对于地球坐标系的旋转在导航坐标系上的投影。
可选的，第一确定模块64基于所述第K次惯导信息的误差量预测值、第K次偏差量的变化量预测值和第K次观测量，对卡尔曼滤波器进行量测更新，得到第K次惯导信息的误差量和第K次偏差量的变化量时，具体包括：基于所述第K次惯导信息的误差量预测值、第K次偏差量的变化量预测值、第K次观测量、量测矩阵和滤波增益，确定第K次的惯导信息误差量和第K次偏差量的变化量。
可选的，第一确定模块64基于所述第K次惯导信息的误差量预测值、第K次偏差量的变化量预测值和第K次观测量，对卡尔曼滤波器进行量测更新，得到第K次惯导信息的误差量和第K次偏差量的变化量，具体是采用如下公式：
δXk＝δXk,k-1+Kk(ZG-HGδXk,k-1)
式中，δXk为卡尔曼滤波在第K次的状态变量估计值，包括第K次惯导信息的误差量和第K次偏差量的变化量；δXk,k-1为卡尔曼滤波在第K次的状态变量预测值，包括第K次惯导信息的误差量预测值和第K次偏差量的变化量预测值，
Figure GDA0003494649250000171
Kk为滤波增益，
Figure GDA0003494649250000172
Pk-1,k为Xk,k-1的协方差的预测值；HG是GNSS定位信息对应的量测矩阵；
Figure GDA0003494649250000173
为HG的转置矩阵；Rk为观测量的协方差矩阵；ZG是接收到GNSS定位信息时的观测量；
Figure GDA0003494649250000174
Fk,k-1是状态转移矩阵；Pk-1为第K-1次的误差状态变量δXk-1的协方差矩阵；
Figure GDA0003494649250000175
为Fk,k-1的转置矩阵；Gk为噪声驱动矩阵；
Figure GDA0003494649250000176
为Gk的转置矩阵；Qk为系统噪声协方差矩阵。
可选的，该装置还包括：第二确定模块66；其中，获取模块61，还用于获取雷达信息；第二确定模块66，用于基于所述雷达信息，确定雷达定位的质量；建模模块67，用于在雷达定位的质量大于或等于预设质量，且接收到GNSS定位信息的情况下，在量测矩阵的建模过程中，将量测矩阵建模为包括所述惯导信息误差量和所述偏差量的变化量对应的量测矩阵元素；或者，在雷达定位的质量小于预设质量，且接收到GNSS定位信息的情况下，在量测矩阵的建模过程中，将量测矩阵建模为包括所述惯导信息误差量对应的量测矩阵元素。
可选的，在雷达定位的质量大于或等于预设质量，且接收到GNSS定位信息的情况下，建模模块67建模的量测矩阵为：
HG＝[I3×3 03×12 -I3×2]；
式中，I3×3为GNSS信息的位置误差对应的量测矩阵元素值，03×12为速度误差、姿态角误差、陀螺仪零偏和加速度计零偏对应的量测矩阵元素值，-I3×2为偏差量的变化量对应的量测矩阵元素值；
以及，在雷达定位的质量小于预设质量，且接收到GNSS定位信息的情况下，建模模块67建模的量测矩阵为：
HG＝[I3×3 03×14]；
式中，I3×3为GNSS信息的位置误差对应的量测矩阵元素值，I3×3是一个3×3的单位矩阵，03×14为速度误差、姿态角误差、陀螺仪零偏、加速度计零偏、偏差量的变化量对应的量测矩阵元素值，03×14是一个3×14的全0矩阵。
可选的，获取模块61，还用于获取雷达信息；第一确定模块64，还用于基于所述雷达信息和所述惯导信息，确定所述惯导信息的误差量；以及基于所述惯导信息的误差量，对所述惯导信息进行修正。
可选的，第一确定模块64基于所述雷达信息和所述惯导信息，确定所述惯导信息的误差量时，具体包括：基于第K-1次惯导信息的误差量，对卡尔曼滤波器的状态方程进行时间更新，得到第K次惯导信息的误差量预测值，其中，K为卡尔曼滤波器的迭代次数；将所述雷达信息与惯导信息的差值，作为第K次观测量；基于所述第K次惯导信息的误差量预测值和第K次观测量，对卡尔曼滤波器进行量测更新，得到第K次惯导信息的误差量。
可选的，所述雷达信息包括雷达定位信息和航向信息；所述惯导信息包括惯导定位信息、姿态角信息、陀螺仪零偏和加速度计零偏；第一确定模块64将所述雷达信息与惯导信息的差值，作为第K次观测量，具体包括：将所述雷达定位信息与所述惯导定位信息的差值，以及所述航向信息与姿态角信息的差值，作为所述观测量。
可选的，所述第一确定模块64基于所述第K次惯导信息的误差量预测值和第K次观测量，对卡尔曼滤波器进行量测更新，得到第K次惯导信息的误差量，具体包括：
δXk＝δXk,k-1+Kk(ZL-HLδXk,k-1)
式中，δXk为卡尔曼滤波在第K次的状态变量估计值，包括第K次惯导信息的误差量和第K次偏差量的变化量；δXk,k-1为卡尔曼滤波在第K次的状态变量预测值，包括第K次惯导信息的误差量预测值和第K次偏差量的变化量预测值，
Figure GDA0003494649250000191
Kk为滤波增益，
Figure GDA0003494649250000192
Pk-1,k为Xk,k-1的协方差的预测值；HL是雷达定位信息对应的量测矩阵，
Figure GDA0003494649250000193
HL中第一行元素和第二行元素分别代表雷达位置信息和航向信息对应的量测矩阵元素值，其中，第一行和第二行中的6个元素分别为惯导定位误差、速度误差、姿态角误差、加速度计零偏误差和陀螺仪零偏误差对应的量测矩阵元素值；c12为姿态矩阵
Figure GDA0003494649250000194
中第1行第2列的元素，c32为姿态矩阵
Figure GDA0003494649250000195
中第3行第2列的元素，c22为姿态矩阵
Figure GDA0003494649250000196
中第2行第2列的元素，
Figure GDA0003494649250000197
为姿态矩阵
Figure GDA0003494649250000198
中第1行第2列的元素的平方，
Figure GDA0003494649250000199
为姿态矩阵
Figure GDA00034946492500001910
中第2行第2列的元素的平方；
Figure GDA00034946492500001911
是H L的转置矩阵；Rk为观测量的协方差矩阵；ZL是接收到雷达定位信息时的观测量；
Figure GDA00034946492500001912
Fk,k-1是状态转移矩阵；Pk-1为第K-1次的误差状态变量δXk-1的协方差矩阵；
Figure GDA00034946492500001913
为Fk,k-1的转置矩阵；Gk为噪声驱动矩阵；
Figure GDA00034946492500001914
为Gk的转置矩阵；Qk为系统噪声协方差矩阵。
可选的，该装置还包括：控制模块68；控制模块68，用于基于定位结果，对所述车辆进行控制。
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。
根据本申请的实施例，本申请还提供了一种计算机程序产品，包括：计算机程序，计算机程序存储在可读存储介质中，设备的至少一个处理器可以从可读存储介质读取计算机程序，至少一个处理器执行计算机程序使得设备执行前述任一方法实施例的方案。
如图7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7所示，该电子设备包括：一个或多个处理器701、存储器702，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7中以一个处理器701为例。
存储器702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702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6所示的获取模块61、校正模块62和定位模块63等)。处理器701通过运行存储在存储器702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702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702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702可选包括相对于处理器701远程设置的存储器，这些远程存储器可以通过网络连接至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。
车辆定位方法的电子设备还可以包括：输入装置703和输出装置704。处理器701、存储器702、输入装置703和输出装置704可以通过总线或者其他方式连接，图7中以通过总线连接为例。
输入装置703可接收输入的数字或字符信息，以及产生与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704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，通过获取车辆的惯导信息和GNSS信息，以及基于GNSS信息与雷达定位地图之间的目标偏差量，对GNSS信息进行校正，其中，目标偏差量是基于偏差量的变化量对GNSS信息与雷达定位地图之间的偏差量进行修正得到，偏差量的变化量是基于卡尔曼滤波进行实时估计得到；之后，再基于校正后的GNSS信息与所述惯导信息，对车辆进行定位。由于对接收到的GNSS信息进行了补偿，且该补偿量是基于卡尔曼滤波进行实时估计的偏差量的变化量和偏差量得到，因而，在GNSS信息解算不准确的情况下，就可以实现对GNSS信息的精准补偿，从而基于校正后的GNSS信息和惯导信息能够提高车辆定位的准确度，使得卡尔曼滤波更加稳定。
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 (24)

1.一种车辆定位方法，其特征在于，包括：
获取所述车辆的惯导信息和GNSS信息；
基于所述GNSS信息与雷达定位地图之间的目标偏差量，对所述GNSS信息进行校正，所述目标偏差量是基于偏差量的变化量对所述GNSS信息与所述雷达定位地图之间的偏差量进行修正得到，所述偏差量的变化量是基于卡尔曼滤波进行实时估计得到；
基于校正后的GNSS信息与所述惯导信息，对所述车辆进行定位。
2.根据权利要求1所述的方法，其特征在于，所述基于校正后的GNSS信息与所述惯导信息，对所述车辆进行定位，包括：
基于校正后的GNSS信息和所述惯导信息，确定所述惯导信息的误差量；
基于所述惯导信息的误差量，对所述惯导信息进行修正；
基于修正后的所述惯导信息，确定所述车辆的定位信息。
3.根据权利要求2所述的方法，其特征在于，所述惯导信息的误差量，以及所述偏差量的变化量，基于如下方法步骤确定：
基于第K-1次惯导信息的误差量和第K-1次偏差量的变化量，对卡尔曼滤波器的状态方程进行时间更新，得到第K次惯导信息的误差量预测值和第K次偏差量的变化量预测值，其中，K为卡尔曼滤波器的迭代次数；
将所述校正后的GNSS信息与惯导信息的差值，作为第K次观测量；
基于所述第K次惯导信息的误差量预测值、第K次偏差量的变化量预测值和第K次观测量，对卡尔曼滤波器进行量测更新，得到第K次惯导信息的误差量和第K次偏差量的变化量。
4.根据权利要求3所述的方法，其特征在于，所述GNSS信息包括GNSS定位信息；所述惯导信息包括惯导定位信息；
所述将所述校正后的GNSS信息与惯导信息的差值，作为观测量，包括：
将所述GNSS定位信息与所述惯导定位信息的差值，作为所述观测量。
5.根据权利要求3所述的方法，其特征在于，所述基于第K-1次惯导信息的误差量和第K-1次偏差量的变化量，对卡尔曼滤波器的状态方程进行时间更新，得到第K次惯导信息的误差量预测值和第K次偏差量的变化量预测值，包括：
基于所述第K-1次惯导信息的误差量、第K-1次偏差量的变化量和状态转移矩阵，确定所述第K次惯导信息的误差量预测值和所述第K次偏差量的变化量预测值。
6.根据权利要求5所述的方法，其特征在于，所述基于所述第K-1次惯导信息的误差量、第K-1次偏差量的变化量和状态转移矩阵，确定第K次惯导信息的误差量预测值和第K次偏差量的变化量预测值，具体采用如下公式：
Figure FDA0003494649240000021
式中，δXk-1是卡尔曼滤波器在第K-1次的状态变量估计值；Fk,k-1是状态转移矩阵；
Figure FDA0003494649240000022
是卡尔曼滤波器在第K次的状态变量预测值，包括第K次惯导信息的误差量预测值和第K次偏差量的变化量预测值。
7.根据权利要求3-6任一项所述的方法，其特征在于，所述惯导信息的误差量包括位置误差、速度误差、姿态角误差、陀螺仪零偏误差、加速度计零偏误差；
所述速度误差基于IMU采集的加速度进行积分得到；
所述位置误差基于所述速度误差进行积分得到；
所述姿态角误差基于IMU采集的角速度进行积分得到。
8.根据权利要求7所述的方法，其特征在于，所述位置误差采用如下公式确定：
Figure FDA0003494649240000023
式中，
Figure FDA0003494649240000024
为位置误差；
Figure FDA0003494649240000025
用于将由速度积分的距离误差分别转换到经度λ、纬度L和高度a上，Rm、Rn分别为地球子午圈半径和卯酉圈半径；v为速度误差。
9.根据权利要求7所述的方法，其特征在于，所述速度误差采用如下公式确定：
Figure FDA0003494649240000031
式中，
Figure FDA0003494649240000032
为速度误差，
Figure FDA0003494649240000033
为惯导解算的东向速度信息；
Figure FDA0003494649240000034
为姿态矩阵，是载体坐标系到导航坐标系的旋转矩阵；
Figure FDA0003494649240000035
是地球自转角速度在导航坐标系上的投影；
Figure FDA0003494649240000036
为导航坐标系相对于地球坐标系的旋转在导航坐标系上的投影；fb为IMU中加速度计测量的比力；gn为重力加速度在导航坐标系上的投影。
10.根据权利要求7所述的方法，其特征在于，所述姿态角误差采用如下公式确定：
Figure FDA0003494649240000037
式中，
Figure FDA0003494649240000038
为姿态角误差；
Figure FDA0003494649240000039
Figure FDA00034946492400000310
为载体坐标系相对于导航坐标系的旋转在载体坐标系上的投影；
Figure FDA00034946492400000311
为IMU中陀螺仪输出的角速度；
Figure FDA00034946492400000312
为姿态矩阵，是导航坐标系到载体坐标系的旋转矩阵；
Figure FDA00034946492400000313
是地球自转角速度在导航坐标系上的投影；
Figure FDA00034946492400000314
为导航坐标系相对于地球坐标系的旋转在导航坐标系上的投影。
11.根据权利要求3-6、8-10任一项所述的方法，其特征在于，所述基于所述第K次惯导信息的误差量预测值、第K次偏差量的变化量预测值和第K次观测量，对卡尔曼滤波器进行量测更新，得到第K次惯导信息的误差量和第K次偏差量的变化量，包括：
基于所述第K次惯导信息的误差量预测值、第K次偏差量的变化量预测值、第K次观测量、量测矩阵和滤波增益，确定第K次的惯导信息误差量和第K次偏差量的变化量。
12.根据权利要求11所述的方法，其特征在于，所述基于所述第K次惯导信息的误差量预测值、第K次偏差量的变化量预测值和第K次观测量，对卡尔曼滤波器进行量测更新，得到第K次惯导信息的误差量和第K次偏差量的变化量，具体是采用如下公式：
δXk＝δXk,k-1+Kk(ZG-HGδXk,k-1)
式中，δXk为卡尔曼滤波在第K次的状态变量估计值，包括第K次惯导信息的误差量和第K次偏差量的变化量；δXk,k-1为卡尔曼滤波在第K次的状态变量预测值，包括第K次惯导信息的误差量预测值和第K次偏差量的变化量预测值，
Figure FDA0003494649240000041
Kk为滤波增益，
Figure FDA0003494649240000042
Pk-1,k为Xk,k-1的协方差的预测值；HG是GNSS定位信息对应的量测矩阵；
Figure FDA0003494649240000043
为HG的转置矩阵；Rk为观测量的协方差矩阵；ZG是接收到GNSS定位信息时的观测量；
Figure FDA0003494649240000044
Fk,k-1是状态转移矩阵；Pk-1为第K-1次的误差状态变量δXk-1的协方差矩阵；
Figure FDA0003494649240000045
为Fk,k-1的转置矩阵；Gk为噪声驱动矩阵；
Figure FDA0003494649240000046
为Gk的转置矩阵；Qk为系统噪声协方差矩阵。
13.根据权利要求1-6、8-10、12任一项所述的方法，其特征在于，所述获取所述GNSS信息之前，所述方法还包括：
获取雷达信息；
基于所述雷达信息，确定雷达定位的质量；
若雷达定位的质量大于或等于预设质量，则在接收到GNSS定位信息的情况下，在量测矩阵的建模过程中，所述量测矩阵包括所述惯导信息误差量和所述偏差量的变化量；
若雷达定位的质量小于预设质量，则在接收到GNSS定位信息的情况下，在量测矩阵的建模过程中，所述量测矩阵包括所述惯导信息误差量。
14.根据权利要求13所述的方法，其特征在于，所述量测矩阵包括所述惯导信息误差量和所述偏差量的变化量的情况下，所述量测矩阵为：
HG=[I3×3 03×12 -I3×2]；
式中，I3×3为GNSS信息的位置误差对应的量测矩阵元素值，03×12为速度误差、姿态角误差、陀螺仪零偏和加速度计零偏对应的量测矩阵元素值，-I3×2为偏差量的变化量对应的量测矩阵元素值；
所述量测矩阵包括所述惯导信息误差量的情况下，所述量测矩阵为：
HG=[I3×3 03×14]；
式中，I3×3为GNSS信息的位置误差对应的量测矩阵元素值，I3×3是一个3×3的单位矩阵，03×14为速度误差、姿态角误差、陀螺仪零偏、加速度计零偏、偏差量的变化量对应的量测矩阵元素值，03×14是一个3×14的全0矩阵。
15.根据权利要求1-6、8-10、12、14任一项所述的方法，其特征在于，所述获取所述车辆的GNSS信息之前，所述方法还包括：
获取雷达信息；
基于所述雷达信息和所述惯导信息，确定所述惯导信息的误差量；
基于所述惯导信息的误差量，对所述惯导信息进行修正。
16.根据权利要求15所述的方法，其特征在于，所述基于所述雷达信息和所述惯导信息，确定所述惯导信息的误差量，包括：
基于第K-1次惯导信息的误差量，对卡尔曼滤波器的状态方程进行时间更新，得到第K次惯导信息的误差量预测值，其中，K为卡尔曼滤波器的迭代次数；
将所述雷达信息与惯导信息的差值，作为第K次观测量；
基于所述第K次惯导信息的误差量预测值和第K次观测量，对卡尔曼滤波器进行量测更新，得到第K次惯导信息的误差量。
17.根据权利要求16所述的方法，其特征在于，所述雷达信息包括雷达定位信息和航向信息；所述惯导信息包括惯导定位信息、姿态角信息、陀螺仪零偏信息和加速度计零偏信息；
所述将所述雷达信息与惯导信息的差值，作为第K次观测量，包括：
将所述雷达定位信息与所述惯导定位信息的差值，以及所述航向信息与姿态角信息的差值，作为所述观测量。
18.根据权利要求16或17所述的方法，其特征在于，所述基于所述第K次惯导信息的误差量预测值和第K次观测量，对卡尔曼滤波器进行量测更新，得到第K次惯导信息的误差量，采用如下公式：
δXk＝δXk,k-1+Kk(ZL-HLδXk,k-1)
式中，δXk为卡尔曼滤波在第K次的状态变量估计值，包括第K次惯导信息的误差量和第K次偏差量的变化量；δXk,k-1为卡尔曼滤波在第K次的状态变量预测值，包括第K次惯导信息的误差量预测值和第K次偏差量的变化量预测值，
Figure FDA0003494649240000051
Kk为滤波增益，
Figure FDA0003494649240000052
Pk-1,k为Xk,k-1的协方差的预测值；HL是雷达定位信息对应的量测矩阵，
Figure FDA0003494649240000061
HL中第一行元素和第二行元素分别代表雷达位置信息和航向信息对应的量测矩阵元素值，其中，第一行和第二行中的6个元素分别为惯导定位误差、速度误差、姿态角误差、加速度计零偏误差和陀螺仪零偏误差对应的量测矩阵元素值；c12为姿态矩阵
Figure FDA0003494649240000062
中第1行第2列的元素，c32为姿态矩阵
Figure FDA0003494649240000063
中第3行第2列的元素，c22为姿态矩阵
Figure FDA0003494649240000064
中第2行第2列的元素，
Figure FDA0003494649240000065
为姿态矩阵
Figure FDA0003494649240000066
中第1行第2列的元素的平方，
Figure FDA0003494649240000067
为姿态矩阵
Figure FDA0003494649240000068
中第2行第2列的元素的平方；
Figure FDA0003494649240000069
是HL的转置矩阵；Rk为观测量的协方差矩阵；ZL是接收到雷达定位信息时的观测量；
Figure FDA00034946492400000610
Fk,k-1是状态转移矩阵；Pk-1为第K-1次的误差状态变量δXk-1的协方差矩阵；
Figure FDA00034946492400000611
为Fk,k-1的转置矩阵；Gk为噪声驱动矩阵；
Figure FDA00034946492400000612
为Gk的转置矩阵；Qk为系统噪声协方差矩阵。
19.根据权利要求1-6、8-10、12、14、16-17任一项所述的方法，其特征在于，所述基于校正后的GNSS信息与所述惯导信息，对所述车辆进行定位之后，所述方法还包括：
基于定位结果，对所述车辆进行控制。
20.一种车辆定位装置，其特征在于，包括：
获取模块，用于获取所述车辆的惯导信息和GNSS信息；
校正模块，用于基于所述GNSS信息与雷达定位地图之间的目标偏差量，对所述GNSS定位信息进行校正，所述目标偏差量是基于偏差量的变化量对所述GNSS定位信息与所述雷达定位地图之间的偏差量进行修正得到，所述偏差量的变化量是基于卡尔曼滤波进行实时估计得到；
定位模块，用于基于校正后的GNSS信息与所述惯导信息，对所述车辆进行定位。
21.一种车辆定位设备，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1-19中任一项所述的方法。
22.一种车辆，其特征在于，包括如权利要求21所述的车辆定位设备。
23.根据权利要求22所述的车辆，其特征在于，所述车辆还包括：
惯性测量单元，用于测量所述车辆的加速度信息和角速度信息；
雷达，用于对所述车辆周围的环境信息进行采集，得到环境点云；
GNSS接收机，用于接收GNSS信息。
24.一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计算机执行权利要求1-19中任一项所述的方法。
CN202010599748.3A 2020-06-28 2020-06-28 自动驾驶中车辆定位方法、装置、设备、存储介质及车辆 Active CN111721289B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010599748.3A CN111721289B (zh) 2020-06-28 2020-06-28 自动驾驶中车辆定位方法、装置、设备、存储介质及车辆

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010599748.3A CN111721289B (zh) 2020-06-28 2020-06-28 自动驾驶中车辆定位方法、装置、设备、存储介质及车辆

Publications (2)

Publication Number Publication Date
CN111721289A CN111721289A (zh) 2020-09-29
CN111721289B true CN111721289B (zh) 2022-06-03

Family

ID=72569436

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010599748.3A Active CN111721289B (zh) 2020-06-28 2020-06-28 自动驾驶中车辆定位方法、装置、设备、存储介质及车辆

Country Status (1)

Country Link
CN (1) CN111721289B (zh)

Families Citing this family (22)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112379344B (zh) * 2020-11-09 2024-04-02 中国科学院电子学研究所 信号补偿方法及装置、设备、存储介质
CN112406965B (zh) * 2020-11-10 2023-02-17 北京埃福瑞科技有限公司 一种提高列车定位安全性的方法及系统
CN112130188B (zh) * 2020-11-23 2021-03-02 蘑菇车联信息科技有限公司 车辆定位方法、设备及云服务器
CN114579679A (zh) * 2020-12-01 2022-06-03 中移(成都)信息通信科技有限公司 空间定位数据融合方法、系统、设备及计算机存储介质
WO2022120733A1 (en) * 2020-12-10 2022-06-16 Beijing Didi Infinity Technology And Development Co., Ltd. Systems and methods for constructing map
CN112710315A (zh) * 2020-12-15 2021-04-27 广州导远电子科技有限公司 一种基于智能车辆的车辆定位方法及装置
CN112835014A (zh) * 2020-12-30 2021-05-25 深圳煜炜光学科技有限公司 一种激光雷达扫描云台及其误差消除方法
CN113267184B (zh) * 2021-04-25 2022-09-16 北京航空航天大学 一种基于弯道的车辆惯性导航轨迹地图匹配方法
CN113419531B (zh) * 2021-06-29 2024-07-26 东风汽车有限公司东风日产乘用车公司 车载部品控制方法、电子设备及存储介质
CN113534156B (zh) * 2021-07-02 2024-04-05 中汽创智科技有限公司 一种基于车载毫米波雷达的车辆定位方法、装置及设备
CN113791435B (zh) * 2021-11-18 2022-04-05 智道网联科技(北京)有限公司 Gnss信号异常值的检测方法、装置及电子设备、存储介质
CN114413929B (zh) * 2021-12-06 2024-10-15 阿波罗智能技术(北京)有限公司 定位信息的校验方法、装置、系统、无人车及存储介质
CN114279440A (zh) * 2021-12-07 2022-04-05 和芯星通科技(北京)有限公司 Imu定位的管理方法、装置和车载地图系统
CN113899374B (zh) * 2021-12-10 2022-05-17 智道网联科技(北京)有限公司 自动驾驶车辆定位方法、装置及电子设备、存储介质
CN114323004A (zh) * 2021-12-28 2022-04-12 北京骑胜科技有限公司 一种定位方法和系统
CN114485632B (zh) * 2021-12-31 2024-03-22 深圳市易成自动驾驶技术有限公司 车辆定位方法、系统及计算机可读存储介质
CN115123385B (zh) * 2022-06-24 2024-09-03 中科领航智能科技(苏州)有限公司 一种无人巴士线控底盘及其自动驾驶系统
CN117405125A (zh) * 2022-07-06 2024-01-16 北京嘀嘀无限科技发展有限公司 定位方法、装置、电子设备、存储介质和程序产品
CN115508875B (zh) * 2022-09-21 2024-08-13 中国第一汽车股份有限公司 目标车辆的定位方法、装置及车辆
CN115877429B (zh) * 2023-02-07 2023-07-07 安徽蔚来智驾科技有限公司 自动驾驶车辆的定位方法、装置、存储介质及车辆
CN115826022B (zh) * 2023-02-16 2023-06-06 安徽蔚来智驾科技有限公司 自动驾驶车辆的定位方法、装置、可读存储介质及车辆
CN117092665B (zh) * 2023-08-03 2024-04-19 广州海格晶维信息产业有限公司 一种组合导航设备抗多径干扰的方法及系统

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106017474A (zh) * 2016-06-17 2016-10-12 北京航空航天大学 一种消除单点gps高次位置误差的双频组合滤波器及滤波方法
CN106767853A (zh) * 2016-12-30 2017-05-31 中国科学院合肥物质科学研究院 一种基于多信息融合的无人驾驶车辆高精度定位方法
CN108594282A (zh) * 2018-05-24 2018-09-28 武汉大学 一种基于高精度gnss实时协同定位的ros机器人导航方法
CN109520495A (zh) * 2017-09-18 2019-03-26 财团法人工业技术研究院 导航定位装置及应用其的导航定位方法
CN109581449A (zh) * 2018-12-14 2019-04-05 安徽江淮汽车集团股份有限公司 一种自动驾驶汽车的定位方法及系统
CN110415545A (zh) * 2019-08-02 2019-11-05 辰芯科技有限公司 一种车道定位方法、装置、电子设备和存储介质
CN110895334A (zh) * 2019-12-25 2020-03-20 广州赛特智能科技有限公司 基于激光雷达和gps融合虚拟墙无人清扫车校准装置及方法
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

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11328155B2 (en) * 2015-11-13 2022-05-10 FLIR Belgium BVBA Augmented reality labels systems and methods
CN107577646A (zh) * 2017-08-23 2018-01-12 上海莫斐信息技术有限公司 一种高精度轨迹运算方法及系统
CN108873038B (zh) * 2018-09-10 2020-11-06 芜湖盟博科技有限公司 自主泊车定位方法及定位系统
CN109946732B (zh) * 2019-03-18 2020-12-01 李子月 一种基于多传感器数据融合的无人车定位方法

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106017474A (zh) * 2016-06-17 2016-10-12 北京航空航天大学 一种消除单点gps高次位置误差的双频组合滤波器及滤波方法
CN106767853A (zh) * 2016-12-30 2017-05-31 中国科学院合肥物质科学研究院 一种基于多信息融合的无人驾驶车辆高精度定位方法
CN109520495A (zh) * 2017-09-18 2019-03-26 财团法人工业技术研究院 导航定位装置及应用其的导航定位方法
CN108594282A (zh) * 2018-05-24 2018-09-28 武汉大学 一种基于高精度gnss实时协同定位的ros机器人导航方法
CN109581449A (zh) * 2018-12-14 2019-04-05 安徽江淮汽车集团股份有限公司 一种自动驾驶汽车的定位方法及系统
CN110415545A (zh) * 2019-08-02 2019-11-05 辰芯科技有限公司 一种车道定位方法、装置、电子设备和存储介质
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
CN110895334A (zh) * 2019-12-25 2020-03-20 广州赛特智能科技有限公司 基于激光雷达和gps融合虚拟墙无人清扫车校准装置及方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
弱GNSS信号区域的GNSS/INS/LiDAR高精度定位方法及其应用研究;钱闯;《中国优秀博硕士学位论文全文数据库(博士) 信息科技辑》;20190115;第89-109页 *

Also Published As

Publication number Publication date
CN111721289A (zh) 2020-09-29

Similar Documents

Publication Publication Date Title
CN111721289B (zh) 自动驾驶中车辆定位方法、装置、设备、存储介质及车辆
CN111679302B (zh) 车辆定位方法、装置、电子设备和计算机存储介质
JP7299261B2 (ja) 車両のデッドレコニング方法、装置、デバイス、記憶媒体、及びプログラム
CN111102978B (zh) 一种车辆运动状态确定的方法、装置及电子设备
CN112505737B (zh) 一种gnss/ins组合导航方法
CN109000642A (zh) 一种改进的强跟踪容积卡尔曼滤波组合导航方法
US8019538B2 (en) System and method for high accuracy relative navigation
CN114018274B (zh) 车辆定位方法、装置及电子设备
CN106772524B (zh) 一种基于秩滤波的农业机器人组合导航信息融合方法
CN112146655B (zh) 一种BeiDou/SINS紧组合导航系统弹性模型设计方法
CN109000640A (zh) 基于离散灰色神经网络模型的车辆gnss/ins组合导航方法
CN106767767A (zh) 一种微纳多模星敏感器系统及其数据融合方法
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
CN110395297B (zh) 列车定位方法
CN113566850B (zh) 惯性测量单元的安装角度标定方法、装置和计算机设备
CN112946681B (zh) 融合组合导航信息的激光雷达定位方法
CN102506875B (zh) 无人机的导航方法及装置
CN111536996A (zh) 温漂的标定方法、装置、设备和介质
CN112797985A (zh) 基于加权扩展卡尔曼滤波的室内定位方法及室内定位系统
KR20160143438A (ko) 추측 항법 시스템에서의 밀결합 측위 방법 및 그 장치
CN114689047A (zh) 基于深度学习的组合导航方法、装置、系统及存储介质
CN110595434B (zh) 基于mems传感器的四元数融合姿态估计方法
Zorina et al. Enhancement of INS/GNSS integration capabilities for aviation-related applications
CN111521187B (zh) 自动驾驶定位组合导航方法、装置、设备及存储介质
CN116399351A (zh) 一种车辆位置估计方法

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: 20211019

Address after: 105 / F, building 1, No. 10, Shangdi 10th Street, Haidian District, Beijing 100085

Applicant after: Apollo Intelligent Technology (Beijing) 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