CN111912413A - 一种定位方法及装置 - Google Patents

Abstract

本申请涉及通信技术领域，尤其涉及一种定位方法及装置，根据待定位的目标对象上一时刻的目标运行状态，预测所述目标对象当前时刻的预测运行状态，其中，所述预测运行状态中至少包括所述目标对象的预测位置信息；根据所述预测运行状态所对应的预测位置信息，从地图数据中获取包含所述预测位置信息的预设范围内的参数化曲线描述信息；根据获取到的参数化曲线描述信息，对所述预测运行状态进行更新，获得所述目标对象当前时刻的目标运行状态，这样，采用参数化曲线描述信息来描述地图并更新定位结果，可以节省存储资源并提高了定位精度。

Description

一种定位方法及装置

技术领域

本申请涉及通信技术领域，尤其涉及一种定位方法及装置。

背景技术

目前，在自动驾驶或辅助驾驶等场景，都需要高精度定位为基础，相关技术中的高精度定位产品中，定位算法根据车辆动力学方程对车辆的运行状态进行预测，并结合其它观测数据进行约束，实现车辆运行状态的更新，其中结合高精地图进行约束更新时，通过视觉检测的结果，例如车道线，与地图中的车道线进行几何配准，获得车辆的运行状态，例如位置、姿态等信息，其中，相关技术中使用高精地图的方式，主要是基于以折线(polyline)几何为描述的高精地图，并且使用高精地图的方式是静态的，但是这种方式，高精地图采用polyline几何描述，需要存储海量的点，存储效率不高并浪费了存储资源，增加了成本，并且在实际使用时，还需要对多边线进行重采样以获得所需要位置的几何信息，增加了复杂度，影响定位效果，并且静态查询地图的方式，并没有充分发挥高精地图中丰富的道路几何约束信息，特别是静态点之间的动态轨迹约束，降低了对定位算法的约束效果，降低了定位精度。

发明内容

本申请实施例提供一种定位方法及装置，以提高定位精度并节省存储资源。

本申请实施例提供的具体技术方案如下：

本申请一个实施例中提供了一种定位方法，包括：

根据待定位的目标对象上一时刻的目标运行状态，预测所述目标对象当前时刻的预测运行状态，其中，所述预测运行状态中至少包括所述目标对象的预测位置信息；

根据所述预测运行状态所对应的预测位置信息，从地图数据中获取包含所述预测位置信息的预设范围内的参数化曲线描述信息；

根据获取到的参数化曲线描述信息，对所述预测运行状态进行更新，获得所述目标对象当前时刻的目标运行状态。

本申请另一个实施例中提供了一种定位装置，包括：

预测模块，用于根据待定位的目标对象上一时刻的目标运行状态，预测所述目标对象当前时刻的预测运行状态，其中，所述预测运行状态中至少包括所述目标对象的预测位置信息；

获取模块，用于根据所述预测运行状态所对应的预测位置信息，从地图数据中获取包含所述预测位置信息的预设范围内的参数化曲线描述信息；

第一更新模块，用于根据获取到的参数化曲线描述信息，对所述预测运行状态进行更新，获得所述目标对象当前时刻的目标运行状态。

可选的，所述目标运行状态中至少包括所述目标对象的目标位置信息和目标姿态信息，所述预测运行状态中还至少包括所述目标对象的预测姿态信息；

所述目标运行状态和所述预测运行状态均由状态变量集合表示，所述状态变量集合中每个状态变量对应一个状态更新方程，各状态更新方程组合为状态更新方程组，并所述状态更新方程组的因变量为当前时刻的目标运行状态中各状态变量，自变量为上一个时刻的目标运行状态中各状态变量以及输入向量，所述输入向量包括表示加速度和角速度的各输入变量；

则根据待定位的目标对象上一时刻的目标运行状态，预测所述目标对象当前时刻的预测运行状态时，预测模块用于：

获取测量的各输入变量和所述目标对象上一时刻的目标状态协方差矩阵；

基于扩展卡尔曼滤波方法，分别将所述各状态更新方程对各状态变量进行一阶求导，获得状态转移雅可比矩阵，并分别将所述各状态更新方程对所述各输入变量进行一阶求导，获得输入雅可比矩阵；

根据所述状态转移雅可比矩阵、所述输入雅可比矩阵、所述上一时刻的目标运行状态，以及获取的各输入变量，预测所述目标对象当前时刻的预测运行状态；

根据所述状态转移雅可比矩阵、所述输入雅可比矩阵、所述上一时刻的目标状态协方差矩阵，以及预设的测量噪声协方差矩阵和状态转移过程噪声协方差矩阵，预测所述目标对象当前时刻的预测状态协方差矩阵。

可选的，根据获取到的参数化曲线描述信息，对所述预测运行状态进行更新，获得所述目标对象当前时刻的目标运行状态时，第一更新模块具体用于：

根据获取到的参数化曲线描述信息，确定所述目标对象的第一运行轨迹约束条件；

根据所述第一运行轨迹约束条件，对所述预测运行状态进行更新，获得所述目标对象当前时刻的目标运行状态。

可选的，所述参数化曲线描述信息包括所述地图数据中的道路几何信息和道路类型，则根据获取到的参数化曲线描述信息，确定所述目标对象的第一运行轨迹约束条件时，第一更新模块用于：

根据获取到的参数化曲线描述信息，获得所述目标对象当前时刻对应的道路类型和道路中心线几何方程；

根据所述道路类型和道路中心线几何方程，分别确定当前时刻的运行状态观测量和运行状态观测值，其中，所述运行状态观测量表示能够获取到的状态变量，所述运行状态观测值为所述运行状态观测量对应的约束取值；

分别将所述当前时刻的运行状态观测量对所述各状态变量进行一阶求导，获得观测雅可比矩阵，并确定观测协方差矩阵，其中，所述观测协方差矩阵表征所述运行状态观测值的观测置信度；

将所述观测雅可比矩阵和所述观测协方差矩阵，以及所述当前时刻的运行状态观测量和所述运行状态观测值作为所述目标对象的第一运行轨迹约束条件。

可选的，根据所述道路类型和道路中心线几何方程，分别确定当前时刻的运行状态观测量和运行状态观测值时，第一更新模块用于：

若所述道路类型为直线路段，道路中心线几何方程为ax+by+c＝0，则分别确定当前时刻的运行状态观测量为[c-ax_k-by_k；theta_k]，运行状态观测值为[0；atan(a/b)]，其中，x_k表示当前时刻的正东方向位置，y_k表示当前时刻的正北方向位置，theta_k表示当前时刻的航向角。

可选的，根据所述道路类型和道路中心线几何方程，分别确定当前时刻的运行状态观测量和运行状态观测值时，第一更新模块用于：

若所述道路类型为圆拟合路段，道路中心线几何方程为(x-x_c)²+(y-y_c)²＝r²，则分别确定当前时刻的运行状态观测量为：

运行状态观测值为：[0；0；theta0+s/r]；

其中，(x_c,y_c)为道路对应的圆弧起点位置坐标，theta0是道路对应的圆弧起点位置的航向角，r表示距离圆弧起点位置的弧线长，x_k表示当前时刻的正东方向位置，y_k表示当前时刻的正北方向位置，theta_k表示当前时刻的航向角，vx_k表示当前时刻的正东方向速度，vy_k表示当前时刻的正北方向速度，omega表示当前时刻的角速度。

可选的，根据所述道路类型和道路中心线几何方程，分别确定当前时刻的运行状态观测量和运行状态观测值时，第一更新模块用于：

若所述道路类型为圆缓圆路段，则分别确定当前时刻的运行状态观测量为：

运行状态观测值为：[x0+∫cos(0.5*ka*τ^2+kb*τ+theta0)dτ；y0+∫sin(0.5*ka*τ^2+kb*τ+theta0)dτ；ka*τ+kb；0.5*ka*τ^2+kb*τ+theta0]；

其中，x_k表示当前时刻的正东方向位置，y_k表示当前时刻的正北方向位置，theta_k表示当前时刻的航向角，vx_k表示当前时刻的正东方向速度，vy_k表示当前时刻的正北方向速度，omega表示当前时刻的角速度，(x0,y0)为道路起点处位置坐标，ka为曲率斜率，kb为起始点处曲率，s为距离圆缓圆路段起点的曲线长，积分的下限为0，上限为s，theta0为起点处斜率。

可选的，进一步包括，第二更新模块，用于：

若当前时刻获取到的为所述目标对象的传感器数据，则根据获取到的传感器数据，确定所述目标对象的第二运行轨迹约束条件；

根据所述第二运行轨迹约束条件，对所述预测运行状态进行更新，获得所述当前时刻的目标运行状态。

可选的，则根据获取到的传感器数据，确定所述目标对象的第二运行轨迹约束条件时，第二更新模块用于：

根据传获取到的传感器数据，分别确定当前时刻的运行状态观测量和运行状态观测值，其中，所述运行状态观测量表示能够获取到的状态变量，所述运行状态观测值为所述运行状态观测量对应的约束取值；

分别将所述当前时刻的运行状态观测量对所述各状态变量进行一阶求导，获得观测雅可比矩阵，并确定观测协方差矩阵，其中，所述观测协方差矩阵表征所述运行状态观测值的观测置信度；

将所述观测雅可比矩阵和所述观测协方差矩阵，以及所述运行状态观测量和所述运行状态观测值作为所述目标对象的第二运行轨迹约束条件。

可选的，根据传获取到的传感器数据，分别确定当前时刻的运行状态观测量和运行状态观测值时，第二更新模块用于：

若所述传感器数据为GPS数据，则分别确定当前时刻的运行状态观测量为[x_k,y_k]，运行状态观测值为[x_gnss,y_gnss]，其中，x_k表示当前时刻的正东方向位置，y_k表示当前时刻的正北方向位置，x_gnss表示GPS数据中正东方向位置，y_gnss表示GPS数据中正北方向位置；

若所述传感器数据为轮速数据，则分别确定当前时刻的运行状态观测量为

运行状态观测值为[v]，其中，v是读取到的所述目标对象的轮速，vx_k表示当前时刻的正东方向速度，vy_k表示当前时刻的正北方向速度；

若所述传感器数据为图像采集装置数据，根据所述图像采集装置数据，确定检测到的车道线的车道线位置信息，则分别确定当前时刻的运行状态观测值为[x₀,y₀,theta₀]，运行状态观测量为[x_k,y_k,theta_k]，其中，所述[x₀,y₀,theta₀]为检测到的车道线位置信息与地图数据中车道线位置信息进行比对后，确定的车道线交叉点的正东方向位置、正北方向位置和航向角，theta_k表示当前时刻的航向角。

可选的，第一更新模块用于，以及第二更新模块用于：

根据所述当前时刻的预测状态协方差矩阵、所述观测雅可比矩阵和所述观测协方差矩阵，确定增益值；

根据确定的增益值、所述当前时刻的预测运行状态，以及当前时刻的运行状态观测量和运行状态观测值，获得当前时刻的目标运行状态；

根据确定的增益值、所述当前时刻的预测状态协方差矩阵，以及所述观测雅可比矩阵和所述观测协方差矩阵，获得当前时刻的目标状态协方差矩阵。

可选的，若所述目标对象为车辆，则进一步包括，控制模块，用于：

根据所述当前时刻的目标运行状态，控制所述车辆行驶；

可选的，若所述目标对象为车辆，则控制模块，还用于：

根据所述当前时刻的目标运行状态，提示相应的行驶信息。

本申请另一个实施例中提供了一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现上述任一种定位方法的步骤。

本申请另一个实施例中提供了一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述任一种定位方法的步骤。

本申请实施例中，根据待定位的目标对象上一时刻的目标运行状态，预测所述目标对象当前时刻的预测运行状态，并根据所述预测运行状态所对应的预测位置信息，从地图数据中获取包含所述预测位置信息的预设范围内的参数化曲线描述信息，进而根据获取到的参数化曲线描述信息，对所述预测运行状态进行更新，获得所述目标对象当前时刻的目标运行状态，这样，采用参数化曲线描述信息来描述地图，可以只固定保存参数化曲线描述信息，相对于多边线描述方式，可以节省存储资源，在使用地图数据时也可以直接用方程计算所需的点，仍然可以保持高精度，并且使用参数化曲线描述信息中包含运行轨迹的数学方程，可以作为动态运行轨迹约束条件，提高了定位的鲁棒性和定位精度。

附图说明

图1为本申请实施例中定位方法的应用架构示意图；

图2为本申请实施例中的定位硬件系统结构示意图；

图3为本申请实施例中一种定位方法流程图；

图4为本申请实施例中直线路段运行轨迹观测示意图；

图5为本申请实施例中圆拟合路段运行轨迹观测示意图；

图6为本申请实施例中圆缓圆路段运行轨迹观测示意图；

图7为本申请实施例中图像采集装置的车道线观测示意图；

图8为本申请实施例中另一种定位方法流程图；

图9为本申请实施例中定位方法应用原理流程图；

图10为本申请实施例中定位装置结构示意图；

图11为本申请实施例中电子设备的结构示意图。

具体实施方式

下面将结合本申请实施例中的附图，对本申请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申请一部分实施例，并不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。

为便于对本申请实施例的理解，下面先对几个概念进行简单介绍：

高精地图：精度更高、数据维度更多的电子地图。

电子地平线：在车前方一定距离的道路几何和属性信息，其中几何信息例如为道路的长度、位置、外形设计等，属性信息例如为道路类型、拓扑关系等。在实际辅助驾驶和自动驾驶应用中，高精地图的调用是通过电子地平线的方式进行的，即只提取车辆周边一定距离的地图，提供给定位算法，这些局部地图被成为电子地平线。

参数化曲线：使用具有参数的曲线方程来描述几何，本申请实施例中也称为参数化曲线描述信息。

参数化高精电子地平线：基于参数化曲线描述车辆前方的精确道路几何和属性的信息。

扩展卡尔曼滤波(Extern Kalman Filter，EKF)：适用于非线性系统，基本原理是，围绕滤波值将非线性函数展开成泰勒级数并略去二阶及以上项，得到一个近似的线性化模型，然后应用卡尔曼滤波完成状态估计，本申请实施例中可以采用EKF方法估计车辆的运行状态。

欧拉螺旋曲线(Euler Spiral)：是螺旋线的一种，它是一种由曲率和弧长的线性关系定义的形状。欧拉螺线看上去是S形的，在“S”的两端会继续向内弯曲形成迅速收紧的螺旋形，因此曲线的各个部分可以匹配各种各样的形状，无论是直的还是S形的，曲率增加的或曲率减小的。

迭代最近点算法((Iterative Closest Point，ICP)：能够使不同的坐标系下的点云数据合并到同一个坐标系统中。

视觉融合定位：根据车载摄像头检测的道路场景对车辆进行定位的结果，与组合导航定位结果进行融合，例如通过车载摄像头的视觉检测结果中的车道线，与地图中的车道线进行几何配准，获得车辆的定位结果。

运行状态：表征车辆的位置信息和姿态信息等，本申请实施例中包括目标运行状态、预测运行状态，目标运行状态为当前时刻最终的定位结果，至少包括目标对象的目标位置信息和目标姿态信息，预测运行状态为当前时刻预先预测的定位结果，至少包括目标对象的预测位置信息和预测姿态信息，并且本申请实施例中，目标运行状态和预测运行状态均由状态变量集合表示，各状态变量即为位置、姿态变量，例如为正东方向位置、正北方向位置、正东方向速度、正北方向速度、航向角等。

雅可比矩阵：在向量微积分中，雅可比矩阵是一阶偏导数以一定方式排列成的矩阵，其行列式称为雅可比行列式，雅可比矩阵的重要性在于它体现了一个可微方程与给出点的最优线性逼近，因此，雅可比矩阵类似于多元函数的导数。

协方差矩阵：其每个元素是各个向量元素之间的协方差，是从标量随机变量到高维度随机向量的自然推广，本申请实施例中可以用协方差矩阵表示置信度。

运行状态观测量：本申请实施例中表示能够获取到的状态变量，例如，针对全球定位系统(Global Positioning System GPS)数据，构建的运行状态观测量为位置信息。

运行状态观测值：本申请实施例中即表示运行状态观测量对应的约束取值，也可以理解为期望值、真值，例如针对GPS数据，构建的运行状态观测量为正东方向位置和正北方向位置，则运行状态观测值即为获得的GPS数据中的正东方向位置的取值、正北方向位置的取值。

目前，在自动驾驶或辅助驾驶等场景，都需要高精度定位为基础，相关技术中的高精度定位产品中，定位算法使用卡尔曼滤波或者近似算法，根据车辆动力学方程对车辆的运行状态进行预测，并结合其它观测数据进行约束，实现车辆运行状态的更新，例如，使用GPS/惯性测量单元(inertial measurement unit，IMU)以及摄像头检测的车道线或离散定位物体作为观测，对预测的结果进行约束，实现车辆的运行状态的更新。其中，在利用视觉更新的过程中，高精地图，作为视觉匹配融合提供真值，通过视觉检测的结果，例如车道线，与地图中的车道线进行几何配准，得到车辆姿态和位置的估计。相关技术中使用高精地图的方式，一方面是基于以折线(polyline)几何为描述的高精地图，另一方面，使用高精地图的方式是静态的，查询行车位置附近的固定点的经纬度、高程，或最近点附近的车道线几何，作为卡尔曼滤波的观测量，对当前位置姿态进行约束，但是这种方式，1)高精地图描述的基础采用多边线，为了精确表示复杂地图几何，需要存储海量的点，存储效率不高，浪费了存储资源，增加了成本。进一步的，对于实际使用，还需要对多边线进行重采样已获得需要位置的几何，这些进而增加了地图使用的复杂度，并且在特殊场景下，对多边线的线性重采样会导致精度损失，影响定位次效果；2)静态查询地图的方式，并没有充分发挥高精地图中丰富的道路几何约束信息，特别是静态点之间的动态轨迹约束，降低了对定位算法的约束效果，从而依赖更高精度的传感器和复杂的算法，增加了系统成本。

因此，针对上述问题，本申请实施例中提供了一种定位方法，采用参数化曲线描述信息的高精地图，根据待定位的目标对象上一时刻的目标运行状态，预测目标对象当前时刻的预测运行状态，根据预测运行状态所对应的预测位置信息，从地图数据中获取包含预测位置信息的预设范围内的参数化曲线描述信息，根据获取到的参数化曲线描述信息，对预测运行状态进行更新，获得目标对象当前时刻的目标运行状态，这样，定位时从地图中提取对应的参数化描述信息，作为参数化电子地平线，对预测结果进行约束，实现目标运行状态的更新，采用参数化描述信息作为参考轨迹约束定位算法，不仅保证了高精地图在使用中的精度还降低了地图存储量，节省存储资源，并且可以有效提升定位结果的鲁棒性和精度，进而可以降低对车载传感器的性能要求，降低总体成本。

参阅图1所示，为本申请实施例中定位方法的应用架构示意图，包括电子设备100、服务器200。

电子设备100可以是车辆，或者其它运动的设备，本申请实施例中并不进行限制，例如，电子设备100为车辆，车辆可以在定位时，实时从服务器200获取地图数据的参数化曲线描述信息，也可以将地图数据保存到本地，在进行定位时，从本地获取地图数据的参数化曲线描述信息。

并且电子设备100中还可以包括各种传感器，例如GPS、车载摄像头、IMU等，通过这些传感器也可以获得一些表征定位的传感器数据，进而可以使用该传感器数据对预测定位结果进行更新。

服务器200能够为电子设备100提供各种网络服务，可以认为是提供相应服务的后台服务器，例如，本申请实施例中主要是服务器200可以为电子设备100提供地图数据。

其中，服务器200可以是一台服务器、若干台服务器组成的服务器集群或云计算中心。

电子设备100与服务器200之间可以通过互联网相连，实现相互之间的通信。可选地，上述的互联网使用标准通信技术、协议，或者两者结合。互联网通常为因特网、但也可以是任何网络，包括但不限于局域网(Local Area Network，LAN)、城域网(MetropolitanArea Network，MAN)、广域网(Wide Area Network，WAN)、移动、有线或者无线网络、专用网络或者虚拟专用网络的任何组合。在一些实施例中，使用包括超文本标记语言(Hyper TextMark-up Language，HTML)、可扩展标记语言(Extensible Markup Language，XML)等的技术和/或格式来代表通过网络交换的数据。此外还可以使用诸如安全套接字层(SecureSocket Layer，SSL)、传输层安全(Transport Layer Security，TLS)、虚拟专用网络(Virtual Private Network，VPN)、网际协议安全(Internet Protocol Security，IPsec)等常规加密技术来加密所有或者一些链路。在另一些实施例中，还可以使用定制和/或专用数据通信技术取代或者补充上述数据通信技术。

需要说明的是，本申请实施例中的定位方法主要由电子设备100侧执行，例如，电子设备100从服务器200获取地图数据，并保存在本地，在定位时，根据车辆上一时刻的目标运行状态，预测当前时刻的预测运行状态，并从本地数据库包含的地图数据中获取车辆附近范围内的参数化描述信息，确定车辆的第一运行轨迹约束条件，进而对预测运行状态进行更新，获得当前时刻的目标运行状态。

值得说明的是，本申请实施例中的应用架构图是为了更加清楚地说明本申请实施例中的技术方案，并不构成对本申请实施例提供的技术方案的限制，对于其它的应用架构和业务应用，本申请实施例提供的技术方案对于类似的问题，同样适用，本申请各个实施例中，以定位方法应用于图1所示的应用架构为例进行示意性说明。

基于上述实施例，以电子设备为车辆，即目标对象为车辆为例，下面介绍下本申请实施例中定位硬件系统，参阅图2所示，为本申请实施例中的定位硬件系统结构示意图。

如图2所示，本申请实施例中定位硬件系统包含GPS/载波相位差分技术(RealTime Kinematic，RTK)接收系统、电子控制单元和图像采集装置，其中，图像采集装置例如为车载摄像头、前视单目摄像头等，电子控制单元中包含IMU传感器(例如，包含加速计和陀螺仪等)、中央处理器和存储器，电子控制单元通过高速控制器局域网络(Controller AreaNetwork，CAN)总线，分别与车身和前视单目摄像头进行数据交换。

电子控制单元用于执行本申请实施例中的定位方法，例如主要用于完成GPS/RTK以及IMU传感器的数据读取、摄像头图像数据处理、高精地图数据访问、以及进行定位。

具体地，1)在定位使用地图时，根据车辆所在的大致位置，从地图数据中获取预设范围内的参数化曲线描述信息，确定车辆的第一运行轨迹约束条件，提供给定位算法，确定车辆当前时刻的目标运行状态。

2)在定位时，还可能会获取到各种传感器数据，例如，GPS数据、惯性传感器数据、图像采集装置数据、轮速数据等，若获取到传感器数据，则可以基于传感器数据进行定位更新，确定车辆的第二运行轨迹约束条件，进行定位更新，确定车辆当前时刻的目标运行状态。

需要说明的是，本申请实施例中，电子控制单元在进行定位时，可以从各种传感器获得传感器数据，或者从地图数据库中获取参数化曲线描述信息，可以根据当前时刻获取到的数据来确定目标运行状态，即电子控制单元当前时刻获得到什么类型的数据，就基于什么类型的数据进行定位，例如，各个传感器可以按照自身设置的上报周期，不断上报传感器数据给电子控制单元，电子控制单元根据当前时刻获取到的传感器数据，确定第二运行轨迹约束条件，更新获得当前时刻的目标运行状态。

这样，本申请实施例中，采用参数化曲线描述信息来描述地图，并使用参数化曲线描述信息作为运行轨迹约束条件，一方面降低了存储地图的数据量，节省了系统成本，方便了地图使用的灵活度，另一方面增加了定位的鲁棒性和精度。并且在其他传感器，例如GPS失效(例如隧道中或大楼峡谷中)，摄像头失效(例如严重车辆拥堵)的时候，以及IMU有瞬间大噪声干扰的情况(例如车辆剧烈震动)，本申请实施例中采用基于参数化曲线描述信息的地图，作为定位算法的动态运行轨迹约束，可以防止定位突然漂移，还可以降低对IMU和GPS的性能需求，降低硬件成本。

基于上述实施例，参阅图3所示，为本申请实施例中一种定位方法流程图，具体该方法包括：

步骤300：根据待定位的目标对象上一时刻的目标运行状态，预测目标对象当前时刻的预测运行状态。

其中，目标运行状态中至少包括目标对象的目标位置信息和目标姿态信息，预测运行状态中至少包括目标对象的预测位置信息和预测姿态信息。

具体地，目标运行状态和预测运行状态均由状态变量集合表示，状态变量集合中每个状态变量对应一个状态更新方程，各状态更新方程组合为状态更新方程组，并状态更新方程组的因变量为当前时刻的目标运行状态中各状态变量，自变量为上一个时刻的目标运行状态中各状态变量以及输入向量，输入向量包括表示加速度和角速度的各输入变量。

例如，使用扩展卡尔曼滤波的定位融合算法，设目标运行状态为X＝(x,y,vx,xy,theta)，分别对应导航坐标系下的正东方向位置，正北方向位置，正东方向速度，正被方向速度，以及航向角(即和正北方向的顺时针夹角)，输入向量为u＝(accx,accy,omega)，对应正东方向加速度、正北方向加速度和角速度，则每个状态变量对应一个状态更新方程，各状态更新方程组合为状态更新方程组，如下：

x_k＝x_k-1+vx_k-1*dt

y_k＝y_k-1+vy_k-1*dt

vx_k＝vx_k-1+accx_k-1*dt

vy_k＝vy_k-1+accy_k-1*dt

theta_k＝theta_k-1+omega_k-1*dt

其中，可以设置初始值，例如初始目标运行状态X＝X0,初始目标状态协方差矩阵P＝P0。

则执行步骤300时，具体包括：

S1、获取测量的各输入变量和目标对象上一时刻的目标状态协方差矩阵。

其中，测量的各输入变量，可以是根据惯性传感器检测到的加速度和角速度等，例如，输入向量为u＝(accx,accy,omega)，上一时刻的目标状态协方差矩阵为P_k-1。

S2、基于扩展卡尔曼滤波方法，分别将各状态更新方程对各状态变量进行一阶求导，获得状态转移雅可比矩阵，并分别将各状态更新方程对各输入变量进行一阶求导，获得输入雅可比矩阵。

例如，状态变量集合为(x,y,vx,xy,theta)，分别将各状态更新方程对这五个状态变量进行一阶求导，即将x_k＝x_k-1+vx_k-1*dt分别对x,y,vx,vy,theta进行一阶求导，求导结果为(1,0,1,0,0)，然后将y_k＝y_k-1+vy_k-1*dt分别对x,y,vx,vy,theta进行一阶求导，为(0,1,0,1,0)等，依次将这五个状态更新方程分别对这五个状态变量进行一阶求导，获得状态转移雅可比矩阵为A_k-1＝[1,0,1,0,0；0,1,0,1,0；0,0,1,0,0；0,0,0,1,0；0,0,0,0,1]。

同理，分别将各状态更新方程对各输入变量进行一阶求导，获得输入雅可比矩阵为B_k-1＝[0,0,0；0,0,0；1,0,0；0,1,0；0,0,1]。

S3、根据状态转移雅可比矩阵、输入雅可比矩阵、上一时刻的目标运行状态，以及获取的各输入变量，预测目标对象当前时刻的预测运行状态。

例如，预测运行状态为X′_k＝A_k-1*X_k-1+B_k-1*u。

其中，X′_k为预测运行状态，X_k-1为上一时刻的目标运行状态，u为输入向量，即包括各输入变量。

S4、根据状态转移雅可比矩阵、输入雅可比矩阵、上一时刻的目标状态协方差矩阵，以及预设的测量噪声协方差矩阵和状态转移过程噪声协方差矩阵，预测目标对象当前时刻的预测状态协方差矩阵。

例如，预测状态协方差矩阵为：

其中，P′_k为预测状态协方差矩阵，N为测量噪声协方差矩阵，Q为状态转移过程噪声协方差矩阵，并且N可以为预先根据传感器标定出来的，Q也为预先设置的，可以根据实际情况和经验进行设置。

例如，N和Q的取值分别为：N＝[0.1,0,0；0,0.1,0；0,0,0.1]，Q＝[0.1,0,0,0,0；0,0.1,0,0,0；0,0,0.1,0,0；0,0,0,0.1,0；0,0,0,0,0.1]，具体本申请实施例中并不进行限制。

步骤310：根据预测运行状态所对应的预测位置信息，从地图数据中获取包含预测位置信息的预设范围内的参数化曲线描述信息。

其中，参数化曲线描述信息包括地图数据中的道路几何信息和道路类型，当然也可以包括其它道路属性信息等，本申请实施例中并不进行限制。并且，参数化曲线描述信息可以采用直线、圆和欧拉螺旋曲线的组合表达方式，当然也可以采用其它方式，例如贝塞尔曲线或其它样条曲线，本申请实施例中并不进行限制。

预设范围也可以根据实际情况进行设置，例如，提取地图中目标对象的位置数百米附近的参数化曲线描述信息。

步骤320：根据获取到的参数化曲线描述信息，对预测运行状态进行更新，获得目标对象当前时刻的目标运行状态。

执行步骤320时，具体包括：1)根据获取到的参数化曲线描述信息，确定目标对象的第一运行轨迹约束条件。

2)根据第一运行轨迹约束条件，对预测运行状态进行更新，获得目标对象当前时刻的目标运行状态。

这样，结合地图的参数化曲线描述信息，确定出定位的第一运行轨迹约束条件，可以对预测定位结果进行更新，获得当前时刻的目标运行状态，进而提高定位准确性。

下面对上述步骤320中的根据地图的参数化曲线描述信息，确定第一运行轨迹约束条件的实施方式进行具体说明，具体包括：

S1、根据获取到的参数化曲线描述信息，获得目标对象当前时刻对应的道路类型和道路中心线几何方程。

其中，道路类型例如为直线路段、圆拟合路段、圆缓圆路段等，道路中心线几何方程即为参数化曲线描述信息中描述的数学方程。

S2、根据道路类型和道路中心线几何方程，分别确定当前时刻的运行状态观测量和运行状态观测值。

其中，运行状态观测量表示能够获取到的状态变量，运行状态观测值为运行状态观测量对应的约束取值。

S3、分别将当前时刻的运行状态观测量对各状态变量进行一阶求导，获得观测雅可比矩阵，并确定观测协方差矩阵，其中，观测协方差矩阵表征运行状态观测值的观测置信度。

其中，观测协方差矩阵与运行状态观测量、运行状态观测值的维度相同，与地图精度相关，为预先标定出来的，具体取值本申请实施例中并不进行限制。

S4、将观测雅可比矩阵和观测协方差矩阵，以及当前时刻的运行状态观测量和运行状态观测值作为目标对象的第一运行轨迹约束条件。

其中，执行上述步骤S2中根据道路类型和道路中心线几何方程，分别确定当前时刻的运行状态观测量和运行状态观测值时，可以根据不同的道路类型，分为以下几种情况：

第一种情况：若道路类型为直线路段。

当运行在直线路段时，道路中心线几何方程为ax+by+c＝0，参阅图4所示，为本申请实施例中直线路段运行轨迹观测示意图，则可以构建相应的运行状态观测量，并确定相应的运行状态观测值，具体地，分别确定当前时刻的运行状态观测量为Y_k＝[c+ax_k+by_k；theta_k]，运行状态观测值为Y＝[0；atan(a/b)]，其中，x_k表示当前时刻的正东方向位置，y_k表示当前时刻的正北方向位置，theta_k表示当前时刻的航向角。

也就是说，在直线路段，根据直线路段的道路中心线几何方程，可以构建出两个状态变量，分别为关于位置信息和航向角，即c-ax_k-by_k和theta_k，相应地，运行状态观测值分别为0和atan(a/b)。另外，需要说明的是，本申请实施例中以x_k表示当前时刻的正东方向位置，y_k表示当前时刻的正北方向位置为例进行说明，当然也可以取其它夹角为90对称方向的位置，并不进行限制，只要能够根据选取的两个方向位置唯一确定目标对象的位置即可。

则相应地若道路类型为直线路段时，通过一阶求导，获得的观测雅可比矩阵为：C＝[-a,-b,0,0,0；0,0,0,0,1]，并且可以根据地图精度，预先标定获得观测协方差矩阵为R＝[0.1,0；0,0.1]。

第二种情况：若道路类型为圆拟合路段。

当运行在圆拟合路段时，参阅图5所示，为本申请实施例中圆拟合路段运行轨迹观测示意图，道路中心线几何方程为(x-x_c)²+(y-y_c)²＝r²，则分别确定当前时刻的运行状态观测量为：

运行状态观测值为：Y＝[0；0；theta0+s/r]。

其中，如图5所示，(x_c,y_c)为道路对应的圆弧起点位置坐标，theta₀是道路对应的圆弧起点位置的航向角，r表示距离圆弧起点位置的弧线长，x_k表示当前时刻的正东方向位置，y_k表示当前时刻的正北方向位置，theta_k表示当前时刻的航向角，vx_k表示当前时刻的正东方向速度，vy_k表示当前时刻的正北方向速度，omega表示当前时刻的角速度。

同理x_k，y_k还可以取其它方向的位置，本申请实施例中并不进行限制。

则若道路类型为圆拟合路段，通过一阶求导，获得的观测雅可比矩阵为：

其中

并且预先标定获得观测协方差矩阵为R＝[0.1,0,0；0,0.1,0；0,0,0.1]。

第三种情况：若道路类型为圆缓圆路段。

参阅图6所示，为本申请实施例中圆缓圆路段运行轨迹观测示意图，圆缓圆路段即表示圆缓和缓圆相接路段，相接的交点包括缓圆点和圆缓点，其中，缓圆点就是缓和曲线终点和圆曲线起点相交的点，圆缓点就是圆曲线的终点和下一段缓和曲线的起点相交的点，当运行在圆缓圆路段时，地图中心线几何的曲率随着弧长线性变化，则分别确定当前时刻的运行状态观测量为：

运行状态观测值为：[x0+∫cos(0.5*ka*τ^2+kb*τ+theta0)dτ；y0+∫sin(0.5*ka*τ^2+kb*τ+theta0)dτ；ka*τ+kb；0.5*ka*τ^2+kb*τ+theta0]；

其中，x_k表示当前时刻的正东方向位置，y_k表示当前时刻的正北方向位置，theta_k表示当前时刻的航向角，vx_k表示当前时刻的正东方向速度，vy_k表示当前时刻的正北方向速度，omega表示当前时刻的角速度，(x0,y0)为道路起点处位置坐标，τ为曲线长度，ka为曲率斜率，kb为起始点处曲率，s为距离圆缓圆路段起点的曲线长，积分的下限为0，上限为s，theta0为起点处斜率。

则若道路类型为圆拟合路段，通过一阶求导，获得的观测雅可比矩阵为：C＝[1,0,0,0,0；0,1,0,0,0；0,0,0,0,1；0,0,vxk/rho,vyk/rho,0]，并且预先标定获得的观测协方差矩阵为R＝[0.1,0,0,0；0,0.1,0,0；0,0,0.1,0；0,0,0,0.1]。

另外需要说明的是，本申请实施例中在确定运行轨迹约束条件时，主要是针对平面的x和y方向的位置和姿态信息进行拟合，当然也可以对z方向也进行拟合，实现三维的运行轨迹约束。

本申请实施例中，采用参数化曲线描述的高精地图，在定位时刻，从地图中提取对应的参数化曲线描述的道路几何和属性描述信息等，作为参数化电子地平线，根据获取到的地图的参数化曲线描述信息，获得运行状态观测量和运行状态观测值，进而确定第一运行轨迹约束条件，根据第一运行轨迹约束条件，获得当前时刻的目标运行状态，这样，采用即用即走的方式，只固定保存曲线方程，相较于相关技术中的多边线存储量大幅下降，降低了存储成本，并且数据查询时，直接用方程计算所需要的点，离散化的精度仍保持高精度，以及参数化曲线描述信息中包含运行轨迹的数学方程，作为地图给定位算法的动态运行轨迹约束，可以提高定位的鲁棒性和定位精度，进而可以一定程度降低了对传感器特别是IMU/GPS的性能要求，可以降低系统成本。

进一步地，本申请实施例中，在定位时还可以获取其它传感器的数据，对预测定位结果进行约束，实现目标运行状态的更新，具体本申请实施例中还提供了一种可能的实施方式：

S1、若当前时刻获取到的为目标对象的传感器数据，则根据获取到的传感器数据，确定目标对象的第二运行轨迹约束条件。

S2、根据第二运行轨迹约束条件，对预测运行状态进行更新，获得当前时刻的目标运行状态。

其中，传感器数据可以为GPS数据、轮速数据、图像采集装置数据等，本申请实施例中并不进行限制，本申请实施例中，可以通过GPS传感器提供位置观测，通过轮速传感器提供速度观测，通过图像采集装置提供车道线和定位物体观测，进而可以采用卡尔曼滤波进行传感器观测融合，更新定位结果。

下面对上述步骤S1中根据获取到的传感器数据，确定目标对象的第二运行轨迹约束条件，进行具体说明，具体包括：

S1.1、根据传获取到的感器数据，分别确定当前时刻的运行状态观测量和运行状态观测值，其中，运行状态观测量表示能够获取到的状态变量，运行状态观测值为运行状态观测量对应的约束取值。

S1.2、分别将当前时刻的运行状态观测量对各状态变量进行一阶求导，获得观测雅可比矩阵，并确定观测协方差矩阵，其中，观测协方差矩阵表征运行状态观测值的观测置信度。

S1.3、将观测雅可比矩阵和观测协方差矩阵，以及运行状态观测量和运行状态观测值作为目标对象的第二运行轨迹约束条件。

则执行上述步骤S1.1中根据传获取到的感器数据，分别确定当前时刻的运行状态观测量和运行状态观测值，基于不同的传感器数据，本申请实施例中提供了几种可能的实施方式：

第一种情况：若传感器数据为GPS数据，则具体包括：

分别确定当前时刻的运行状态观测量为Y_k＝[x_k,y_k]，运行状态观测值为Y＝[x_gnss,y_gnss]。

其中，x_k表示当前时刻的正东方向位置，y_k表示当前时刻的正北方向位置，x_gnss表示GPS数据中正东方向位置，y_gnss表示GPS数据中正北方向位置。

则若传感器数据为GPS数据，通过一阶求导，获得的观测雅可比矩阵为：观测雅各比矩阵C＝[1,0,0,0,0；0,1,0,0,0]，并且预先标定获得的观测协方差矩阵为R＝[std_lon ²,std_lat ²]，其中，std_lon ²表示经度方差，std_lat ²表示纬度方差。

第二种情况：若传感器数据为轮速数据，则具体包括：

分别确定当前时刻的运行状态观测量为

运行状态观测值为Y＝[v]。

其中，v是读取到的目标对象的轮速，vx_k表示当前时刻的正东方向速度，vy_k表示当前时刻的正北方向速度。

则若传感器数据为轮速数据，通过一阶求导，获得的观测雅可比矩阵为：观测雅各比矩阵

并且预先标定获得的观测协方差矩阵为R＝[0.1]，其中，

第三种情况：若传感器数据为图像采集装置数据，则具体包括：

根据图像采集装置数据，确定检测到的车道线的车道线位置信息，则分别确定当前时刻的运行状态观测值为Y＝[x₀,y₀,theta₀]，运行状态观测量为Y_k＝[x_k,y_k,theta_k]，其中，[x₀,y₀,theta₀]为检测到的车道线位置信息与地图数据中车道线位置信息进行比对后，确定的车道线交叉点的正东方向位置、正北方向位置和航向角，theta_k表示当前时刻的航向角。

例如，参阅图7所示，为本申请实施例中图像采集装置的车道线观测示意图，图像采集装置例如为摄像头，通过摄像头拍摄获取到车辆附近的图像数据，进行车道线检测，例如摄像头检测到的车道线点序列为{x_i,y_i}，与对应的车道线曲线(例如直线、圆弧或圆缓圆等)的离散化的点序列为{x_m,y_m}，即通过摄像头的视觉检测结果，可以获得视觉检测到的车道线位置信息，并且获得相应位置的地图数据，地图数据为视觉匹配融合提供真值，即获得地图数据中的车道线位置信息，通过ICP算法，将地图数据中车道线位置信息与视觉检测到的车道线位置信息继续几何比对，如图7所示，可以获得地图车道线与视觉检测的车道线之间的交叉点，进而确定出该交叉点的位置信息。

则若传感器数据为图像采集装置数据，通过一阶求导，获得的观测雅可比矩阵为C＝[1,0,0,0,0；0,1,0,0,0；0,0,0,0,1]，并且预先标定获得的观测协方差矩阵为R＝[0.2,0,0；0,0.2,0；0,0,0.2]。

需要说明的是，基于传感器数据确定的第二运行轨迹约束条件和基于地图数据的参数化曲线描述信息确定的第一运行轨迹约束条件，其中确定观测雅可比矩阵和观测协方差矩阵的原理大致相同，都是进行一阶求导和预先标定，只是获得的运行轨迹观测量和运行轨迹观测值不同，进而将相应确定的观测雅可比矩阵和观测协方差矩阵、运行状态观测量和运行状态观测值作为第一运行轨迹约束条件或第二运行轨迹约束条件，并且根据第一运行轨迹约束条件或第二运行轨迹约束条件，对预测运行状态进行更新，获得目标对象当前时刻的目标运行状态，在进行更新时，本申请实施例中提供了一种可能的实施方式：

1)根据当前时刻的预测状态协方差矩阵、观测雅可比矩阵和观测协方差矩阵，确定增益值。

例如，采用扩展卡尔曼滤波方法进行融合定位，增益值为K：

K＝P′_k*C^T*[C*P′_k*C^T+R]^-1

其中，P′_k为预测状态协方差矩阵，C为观测雅可比矩阵、R为观测协方差矩阵。

2)根据确定的增益值、当前时刻的预测运行状态，以及当前时刻的运行状态观测量和运行状态观测值，获得当前时刻的目标运行状态。

例如，当前时刻的目标运行状态为X_k：

X_k＝X′_k+K(Y-Y_k)

其中，Y-Y_k表示运行状态观测量与运行状态观测值之间的差值，可以表示观测的误差值。

3)根据确定的增益值、当前时刻的预测状态协方差矩阵，以及观测雅可比矩阵和观测协方差矩阵，获得当前时刻的目标状态协方差矩阵。

例如，当前时刻的目标状态协方差矩阵为P_k：

P_k＝(I-K*C)*P′_k*[I-K*C]^T+K*R*K^T

其中，I为单位矩阵。

这里确定当前时刻的目标状态协方差矩阵，是为了在下一时刻进行定位时，可以用于确定下一时刻的预测状态协方差矩阵。

这样，本申请实施例中就可以基于当前获取到的不同的数据，即获得不同的观测和预测结果，进而确定当前时刻的目标运行状态，实现了对目标对象的定位，当前获取到什么类型数据，就可以基于什么类型数据进行定位和更新，提高了定位可靠性，不需要依赖于单一数据进行定位更新，可以适用于各种情况，也降低了对传感器的性能需求，降低了硬件成本，例如，当车辆严重拥堵时，图像采集装置数据失效，则可以基于地图数据的参数化曲线描述信息来进行定位。

基于上述实施例，下面采用一个具体应用场景对本申请实施例中定位方法进行具体说明，以传感器数据分别为GPS数据，轮速数据和图像采集装置数据为例，为和上述实施例对应，这里将所有传感器数据对应的运行轨迹约束条件均称为第二运行轨迹约束条件，参阅图8所示，为本申请实施例中另一种定位方法流程图，具体该方法包括：

步骤800：初始化目标对象的目标运行状态和目标状态协方差矩阵。

例如，初始化的目标运行状态和目标状态协方差矩阵分别为X₀，P₀。

步骤801：根据上一时刻的目标运行状态和目标状态协方差矩阵，预测目标对象当前时刻的预测运行状态和预测状态协方差矩阵。

例如，当前时刻的预测运行状态为X′_k，当前时刻的预测状态协方差矩阵为P′_k。

步骤802：若获取到地图数据的参数化曲线描述信息，则根据参数化曲线描述信息，确定第一运行轨迹约束条件，更新获得当前时刻的目标运行状态和目标状态协方差矩阵。

例如，当前时刻的目标运行状态为X_k，当前时刻的目标状态协方差矩阵为P_k。

步骤803：若为IMU数据，则直接输出定位结果，并转向步骤801。

本申请实施例中，IMU通常包括陀螺仪及加速度计，主要可以获得加速度和角速度，即获得本申请实施例中测量的各输入变量，由于IMU数据是没有运行状态观测量和运行状态观测值的，因此，获取到IMU数据后不需要更新，继续用IMU数据预测下一时刻的预测运行状态和预测状态协方差矩阵，并继续采用地图数据的参数化曲线描述信息来约束更新。

步骤804：若获取到轮速数据，则根据轮速数据确定第二运行轨迹约束条件，并获得当前时刻的目标运行状态和目标状态协方差矩阵。

例如根据轮速数据构建运行状态观测量

和运行状态观测值[v]，进而确定出第二运行轨迹约束条件。

步骤805：若获取到GPS数据，则根据GPS数据确定第二运行轨迹约束条件，并获得当前时刻的目标运行状态和目标状态协方差矩阵。

进一步地，GPS数据也可以为全球导航卫星系统(Global Navigation SatelliteSystem，GNSS)数据，本申请实施例中并不进行限制。

步骤806：若获取到图像采集装置数据，则根据图像采集装置数据确定第二运行轨迹约束条件，并获得当前时刻的目标运行状态和目标状态协方差矩阵。

例如，图像采集装置为车载摄像头，通过图像采集装置数据进行车道线检测，获得车道线观测数据，即获得车道线相关的运行状态观测量和运行状态观测值。

步骤807：输出定位结果。

即定位结果包括当前时刻的目标运行状态和目标状态协方差矩阵。

即输出当前时刻的目标运行状态X_k，当前时刻的目标状态协方差矩阵P_k。

本申请实施例中，首先初始化状态和状态协方差，每次根据IMU检测到的加速度和角速度，预测并获得当前时刻的预测运行状态和预测状态协方差矩阵，然后使用当前位置附近的地图数据中的参数化曲线描述信息，确定第一运行轨迹约束条件，来更新预测定位结果，并且如果获得的是IMU数据，则更新之后输出定位结果，继续用IMU推测下一时刻的预测运行状态并采用第一运行轨迹约束条件更新，如果获得的是轮速观测，则进行轮速更新，如果是GPS观测，则进行GPS更新，如果是摄像头的视觉车道线观测，则进行车道线更新，进而在更新完成后输出定位结果，并且可以根据传感器数据进行循环迭代，这样，采用参数化曲线描述信息来描述地图，降低了地图的存储数据量，节省了系统成本，方便了地图使用的灵活度，并且还增加了定位的鲁棒性和精度，在其它传感器，例如GPS失效，摄像头失效，以及IMU有瞬间大噪声干扰的情况，由于采用了运行轨迹约束，可以防止定位突然漂移，对应的，可以降低对IMU和GPS的性能需求，降低硬件成本。

基于上述实施例，下面采用一个具体应用场景对本申请实施例中定位方法进行具体说明，以目标对象为车辆为例，本申请实施例中确定出定位结果后，可以辅助指导车辆驾驶，具体参阅图9所示，为本申请实施例中定位方法应用原理流程图。

如图9所示，本申请实施例中定位方法包括定位模块，对采用参数化曲线描述信息的地图数据的电子地平线访问模块，从图像采集装置数据提取车道线的车道线检测模块，GPS/RTK和IMU/轮速的数据处理模块。

其中，以地图为高精地图为例，高精地图数据库中存储有高精地图的参数化曲线描述信息，高精地图数据可以采用移动扫描车的方式采集道路的三维激光点云，用自动数据处理和人工辅助编辑的方式制作车道线，并完成分段曲线拟合，形成参数化曲线描述的高精地图。

在实际定位时，可以根据IMU，例如为捷联惯性导航获得车辆的加速度和角速度，即推导车辆的位置速度和姿态信息，可以通过GPS/RTK获得位置观测，通过轮速传感器可以获得轮速观测，通过图像采集装置，例如为车载摄像头可以获得车道线和定位物体观测，进而使用扩展卡尔曼滤波方法进行传感器数据的观测融合，更新定位结果。

并且在使用地图更新时，根据车辆所在位置，获得车辆所在位置预设范围内的高精地图的参数化曲线描述信息，计算所需的车道线几何，并且还可以确定的运行轨迹观测量、运行轨迹观测值等。

进而通过定位模块，该定位模块即用于实现本申请实施例中的定位方法，根据各种传感器数据、参数化曲线描述信息，确定出定位结果。

进一步地，本申请实施例中，若目标对象为车辆，获得目标对象当前时刻的目标运行状态，即定位结果之后，还提供了几种可能的应用场景，具体包括：

第一种应用场景：根据当前时刻的目标运行状态，控制车辆行驶。

第二种应用场景：根据当前时刻的目标运行状态，提示相应的行驶信息。

也就是说，本申请实施例中定位方法可以应用于自动驾驶场景，也可以应用于非自动驾驶场景，将定位结果提供给辅助驾驶系统或自动驾驶系统，根据应用智能调整车动力控制(例如智能定速巡航，智能大灯转向照明，智能底盘悬挂以及动力运行工况节能调整)，也可以为驾驶员提供前方驾驶相关的辅助行驶信息，当然本申请实施例中对于具体的应用场景并不进行限制，也可以应用于其它应用场景。

基于同一发明构思，本申请实施例中还提供了一种定位装置，该定位装置例如可以是前述实施例中的电子设备或车辆，该定位装置可以是硬件结构、软件模块、或硬件结构加软件模块。基于上述实施例，参阅图10所示，本申请实施例中定位装置，具体包括：

预测模块1000，用于根据待定位的目标对象上一时刻的目标运行状态，预测所述目标对象当前时刻的预测运行状态，其中，所述预测运行状态中至少包括所述目标对象的预测位置信息；

获取模块1010，用于根据所述预测运行状态所对应的预测位置信息，从地图数据中获取包含所述预测位置信息的预设范围内的参数化曲线描述信息；

第一更新模块1020，用于根据获取到的参数化曲线描述信息，对所述预测运行状态进行更新，获得所述目标对象当前时刻的目标运行状态。

可选的，所述目标运行状态中至少包括所述目标对象的目标位置信息和目标姿态信息，所述预测运行状态中还至少包括所述目标对象的预测姿态信息；所述目标运行状态和所述预测运行状态均由状态变量集合表示，所述状态变量集合中每个状态变量对应一个状态更新方程，各状态更新方程组合为状态更新方程组，并所述状态更新方程组的因变量为当前时刻的目标运行状态中各状态变量，自变量为上一个时刻的目标运行状态中各状态变量以及输入向量，所述输入向量包括表示加速度和角速度的各输入变量；

则根据待定位的目标对象上一时刻的目标运行状态，预测所述目标对象当前时刻的预测运行状态时，预测模块1000用于：

获取测量的各输入变量和所述目标对象上一时刻的目标状态协方差矩阵；

基于扩展卡尔曼滤波方法，分别将所述各状态更新方程对各状态变量进行一阶求导，获得状态转移雅可比矩阵，并分别将所述各状态更新方程对所述各输入变量进行一阶求导，获得输入雅可比矩阵；

根据所述状态转移雅可比矩阵、所述输入雅可比矩阵、所述上一时刻的目标运行状态，以及获取的各输入变量，预测所述目标对象当前时刻的预测运行状态；

根据所述状态转移雅可比矩阵、所述输入雅可比矩阵、所述上一时刻的目标状态协方差矩阵，以及预设的测量噪声协方差矩阵和状态转移过程噪声协方差矩阵，预测所述目标对象当前时刻的预测状态协方差矩阵。

可选的，根据获取到的参数化曲线描述信息，对所述预测运行状态进行更新，获得所述目标对象当前时刻的目标运行状态时，第一更新模块1020具体用于：

根据获取到的参数化曲线描述信息，确定所述目标对象的第一运行轨迹约束条件；根据所述第一运行轨迹约束条件，对所述预测运行状态进行更新，获得所述目标对象当前时刻的目标运行状态。

可选的，所述参数化曲线描述信息包括所述地图数据中的道路几何信息和道路类型，则根据获取到的参数化曲线描述信息，确定所述目标对象的第一运行轨迹约束条件时，第一更新模块1020用于：

根据获取到的参数化曲线描述信息，获得所述目标对象当前时刻对应的道路类型和道路中心线几何方程；

根据所述道路类型和道路中心线几何方程，分别确定当前时刻的运行状态观测量和运行状态观测值，其中，所述运行状态观测量表示能够获取到的状态变量，所述运行状态观测值为所述运行状态观测量对应的约束取值；

分别将所述当前时刻的运行状态观测量对所述各状态变量进行一阶求导，获得观测雅可比矩阵，并确定观测协方差矩阵，其中，所述观测协方差矩阵表征所述运行状态观测值的观测置信度；

将所述观测雅可比矩阵和所述观测协方差矩阵，以及所述当前时刻的运行状态观测量和所述运行状态观测值作为所述目标对象的第一运行轨迹约束条件。

可选的，根据所述道路类型和道路中心线几何方程，分别确定当前时刻的运行状态观测量和运行状态观测值时，第一更新模块1020用于：

若所述道路类型为直线路段，道路中心线几何方程为ax+by+c＝0，则分别确定当前时刻的运行状态观测量为[c-ax_k-by_k；theta_k]，运行状态观测值为[0；atan(a/b)]，其中，x_k表示当前时刻的正东方向位置，y_k表示当前时刻的正北方向位置，theta_k表示当前时刻的航向角。

可选的，根据所述道路类型和道路中心线几何方程，分别确定当前时刻的运行状态观测量和运行状态观测值时，第一更新模块1020用于：

若所述道路类型为圆拟合路段，道路中心线几何方程为(x-x_c)²+(y-y_c)²＝r²，则分别确定当前时刻的运行状态观测量为：

运行状态观测值为：[0；0；theta0+s/r]；

其中，(x_c,y_c)为道路对应的圆弧起点位置坐标，theta0是道路对应的圆弧起点位置的航向角，r表示距离圆弧起点位置的弧线长，x_k表示当前时刻的正东方向位置，y_k表示当前时刻的正北方向位置，theta_k表示当前时刻的航向角，vx_k表示当前时刻的正东方向速度，vy_k表示当前时刻的正北方向速度，omega表示当前时刻的角速度。

可选的，根据所述道路类型和道路中心线几何方程，分别确定当前时刻的运行状态观测量和运行状态观测值时，第一更新模块1020用于：

若所述道路类型为圆缓圆路段，则分别确定当前时刻的运行状态观测量为：

运行状态观测值为：[x0+∫cos(0.5*ka*τ^2+kb*τ+theta0)dτ；y0+∫sin(0.5*ka*τ^2+kb*τ+theta0)dτ；ka*τ+kb；0.5*ka*τ^2+kb*τ+theta0]；

其中，x_k表示当前时刻的正东方向位置，y_k表示当前时刻的正北方向位置，theta_k表示当前时刻的航向角，vx_k表示当前时刻的正东方向速度，vy_k表示当前时刻的正北方向速度，omega表示当前时刻的角速度，(x0,y0)为道路起点处位置坐标，ka为曲率斜率，kb为起始点处曲率，s为距离圆缓圆路段起点的曲线长，积分的下限为0，上限为s，theta0为起点处斜率。

可选的，进一步包括，第二更新模块1030，用于：

若当前时刻获取到的为所述目标对象的传感器数据，则根据获取到的传感器数据，确定所述目标对象的第二运行轨迹约束条件；

根据所述第二运行轨迹约束条件，对所述预测运行状态进行更新，获得所述当前时刻的目标运行状态。

可选的，则根据获取到的传感器数据，确定所述目标对象的第二运行轨迹约束条件时，第二更新模块1030用于：

根据传获取到的传感器数据，分别确定当前时刻的运行状态观测量和运行状态观测值，其中，所述运行状态观测量表示能够获取到的状态变量，所述运行状态观测值为所述运行状态观测量对应的约束取值；

分别将所述当前时刻的运行状态观测量对所述各状态变量进行一阶求导，获得观测雅可比矩阵，并确定观测协方差矩阵，其中，所述观测协方差矩阵表征所述运行状态观测值的观测置信度；

将所述观测雅可比矩阵和所述观测协方差矩阵，以及所述运行状态观测量和所述运行状态观测值作为所述目标对象的第二运行轨迹约束条件。

可选的，根据传获取到的传感器数据，分别确定当前时刻的运行状态观测量和运行状态观测值时，第二更新模块1030用于：

若所述传感器数据为GPS数据，则分别确定当前时刻的运行状态观测量为[x_k,y_k]，运行状态观测值为[x_gnss,y_gnss]，其中，x_k表示当前时刻的正东方向位置，y_k表示当前时刻的正北方向位置，x_gnss表示GPS数据中正东方向位置，y_gnss表示GPS数据中正北方向位置；

若所述传感器数据为轮速数据，则分别确定当前时刻的运行状态观测量为

运行状态观测值为[v]，其中，v是读取到的所述目标对象的轮速，vx_k表示当前时刻的正东方向速度，vy_k表示当前时刻的正北方向速度；

若所述传感器数据为图像采集装置数据，根据所述图像采集装置数据，确定检测到的车道线的车道线位置信息，则分别确定当前时刻的运行状态观测值为[x₀,y₀,theta₀]，运行状态观测量为[x_k,y_k,theta_k]，其中，所述[x₀,y₀,theta₀]为检测到的车道线位置信息与地图数据中车道线位置信息进行比对后，确定的车道线交叉点的正东方向位置、正北方向位置和航向角，theta_k表示当前时刻的航向角。

可选的，第一更新模块1020用于，以及第二更新模块1030用于：

根据所述当前时刻的预测状态协方差矩阵、所述观测雅可比矩阵和所述观测协方差矩阵，确定增益值；

根据确定的增益值、所述当前时刻的预测运行状态，以及当前时刻的运行状态观测量和运行状态观测值，获得当前时刻的目标运行状态；

根据确定的增益值、所述当前时刻的预测状态协方差矩阵，以及所述观测雅可比矩阵和所述观测协方差矩阵，获得当前时刻的目标状态协方差矩阵。

可选的，若所述目标对象为车辆，则进一步包括，控制模块1040，用于：

根据所述当前时刻的目标运行状态，控制所述车辆行驶；

可选的，若所述目标对象为车辆，则控制模块1040，还用于：

根据所述当前时刻的目标运行状态，提示相应的行驶信息。

基于上述实施例，参阅图11所示为本申请实施例中电子设备的结构示意图。

本申请实施例提供了一种电子设备，该电子设备可以包括处理器1110(CenterProcessing Unit，CPU)、存储器1120、输入设备1130和输出设备1140等。

存储器1120可以包括只读存储器(ROM)和随机存取存储器(RAM)，并向处理器1110提供存储器1120中存储的程序指令和数据。在本申请实施例中，存储器1120可以用于存储本申请实施例中任一种定位方法的程序。

处理器1110通过调用存储器1120存储的程序指令，处理器1110用于按照获得的程序指令执行本申请实施例中任一种定位方法。

基于上述实施例，本申请实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现上述任意方法实施例中的定位方法。

本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。

本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。

尽管已描述了本申请的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例作出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本申请范围的所有变更和修改。

显然，本领域的技术人员可以对本申请实施例进行各种改动和变型而不脱离本申请实施例的精神和范围。这样，倘若本申请实施例的这些修改和变型属于本申请权利要求及其等同技术的范围之内，则本申请也意图包含这些改动和变型在内。

Claims (15)

1.一种定位方法，其特征在于，包括：

根据待定位的目标对象上一时刻的目标运行状态，预测所述目标对象当前时刻的预测运行状态，其中，所述预测运行状态中至少包括所述目标对象的预测位置信息；

根据所述预测运行状态所对应的预测位置信息，从地图数据中获取包含所述预测位置信息的预设范围内的参数化曲线描述信息；

根据获取到的参数化曲线描述信息，对所述预测运行状态进行更新，获得所述目标对象当前时刻的目标运行状态。

2.如权利要求1所述的方法，其特征在于，所述目标运行状态中至少包括所述目标对象的目标位置信息和目标姿态信息，所述预测运行状态中还至少包括所述目标对象的预测姿态信息；

所述目标运行状态和所述预测运行状态均由状态变量集合表示，所述状态变量集合中每个状态变量对应一个状态更新方程，各状态更新方程组合为状态更新方程组，并所述状态更新方程组的因变量为当前时刻的目标运行状态中各状态变量，自变量为上一个时刻的目标运行状态中各状态变量以及输入向量，所述输入向量包括表示加速度和角速度的各输入变量；

则根据待定位的目标对象上一时刻的目标运行状态，预测所述目标对象当前时刻的预测运行状态，包括：

获取测量的各输入变量和所述目标对象上一时刻的目标状态协方差矩阵；

基于扩展卡尔曼滤波方法，分别将所述各状态更新方程对各状态变量进行一阶求导，获得状态转移雅可比矩阵，并分别将所述各状态更新方程对所述各输入变量进行一阶求导，获得输入雅可比矩阵；

根据所述状态转移雅可比矩阵、所述输入雅可比矩阵、所述上一时刻的目标运行状态，以及获取的各输入变量，预测所述目标对象当前时刻的预测运行状态；

根据所述状态转移雅可比矩阵、所述输入雅可比矩阵、所述上一时刻的目标状态协方差矩阵，以及预设的测量噪声协方差矩阵和状态转移过程噪声协方差矩阵，预测所述目标对象当前时刻的预测状态协方差矩阵。

3.如权利要求2所述的方法，其特征在于，根据获取到的参数化曲线描述信息，对所述预测运行状态进行更新，获得所述目标对象当前时刻的目标运行状态，具体包括：

根据获取到的参数化曲线描述信息，确定所述目标对象的第一运行轨迹约束条件；

根据所述第一运行轨迹约束条件，对所述预测运行状态进行更新，获得所述目标对象当前时刻的目标运行状态。

4.如权利要求3所述的方法，其特征在于，所述参数化曲线描述信息包括所述地图数据中的道路几何信息和道路类型，则根据获取到的参数化曲线描述信息，确定所述目标对象的第一运行轨迹约束条件，包括：

根据获取到的参数化曲线描述信息，获得所述目标对象当前时刻对应的道路类型和道路中心线几何方程；

根据所述道路类型和道路中心线几何方程，分别确定当前时刻的运行状态观测量和运行状态观测值，其中，所述运行状态观测量表示能够获取到的状态变量，所述运行状态观测值为所述运行状态观测量对应的约束取值；

分别将所述当前时刻的运行状态观测量对所述各状态变量进行一阶求导，获得观测雅可比矩阵，并确定观测协方差矩阵，其中，所述观测协方差矩阵表征所述运行状态观测值的观测置信度；

将所述观测雅可比矩阵和所述观测协方差矩阵，以及所述当前时刻的运行状态观测量和所述运行状态观测值作为所述目标对象的第一运行轨迹约束条件。

5.如权利要求4所述的方法，其特征在于，根据所述道路类型和道路中心线几何方程，分别确定当前时刻的运行状态观测量和运行状态观测值，具体包括：

若所述道路类型为直线路段，道路中心线几何方程为ax+by+c＝0，则分别确定当前时刻的运行状态观测量为[c-ax_k-by_k；theta_k]，运行状态观测值为[0；atan(a/b)]，其中，x_k表示当前时刻的正东方向位置，y_k表示当前时刻的正北方向位置，theta_k表示当前时刻的航向角。

6.如权利要求4所述的方法，其特征在于，根据所述道路类型和道路中心线几何方程，分别确定当前时刻的运行状态观测量和运行状态观测值，包括：

若所述道路类型为圆拟合路段，道路中心线几何方程为(x-x_c)²+(y-y_c)²＝r²，则分别确定当前时刻的运行状态观测量为：

运行状态观测值为：[0；0；theta0+s/r]；

其中，(x_c,y_c)为道路对应的圆弧起点位置坐标，theta0是道路对应的圆弧起点位置的航向角，r表示距离圆弧起点位置的弧线长，x_k表示当前时刻的正东方向位置，y_k表示当前时刻的正北方向位置，theta_k表示当前时刻的航向角，vx_k表示当前时刻的正东方向速度，vy_k表示当前时刻的正北方向速度，omega表示当前时刻的角速度。

7.如权利要求4所述的方法，其特征在于，根据所述道路类型和道路中心线几何方程，分别确定当前时刻的运行状态观测量和运行状态观测值，包括：

若所述道路类型为圆缓圆路段，则分别确定当前时刻的运行状态观测量为：

运行状态观测值为：[x0+∫cos(0.5*ka*τ^2+kb*τ+theta0)dτ；y0+∫sin(0.5*ka*τ^2+kb*τ+theta0)dτ；ka*τ+kb；0.5*ka*τ^2+kb*τ+theta0]；

其中，x_k表示当前时刻的正东方向位置，y_k表示当前时刻的正北方向位置，theta_k表示当前时刻的航向角，vx_k表示当前时刻的正东方向速度，vy_k表示当前时刻的正北方向速度，omega表示当前时刻的角速度，(x0,y0)为道路起点处位置坐标，ka为曲率斜率，kb为起始点处曲率，s为距离圆缓圆路段起点的曲线长，积分的下限为0，上限为s，theta0为起点处斜率。

8.如权利要求2所述的方法，其特征在于，进一步包括：

若当前时刻获取到的为所述目标对象的传感器数据，则根据获取到的传感器数据，确定所述目标对象的第二运行轨迹约束条件；

根据所述第二运行轨迹约束条件，对所述预测运行状态进行更新，获得所述当前时刻的目标运行状态。

9.如权利要求8所述的方法，其特征在于，则根据获取到的传感器数据，确定所述目标对象的第二运行轨迹约束条件，包括：

根据传获取到的传感器数据，分别确定当前时刻的运行状态观测量和运行状态观测值，其中，所述运行状态观测量表示能够获取到的状态变量，所述运行状态观测值为所述运行状态观测量对应的约束取值；

分别将所述当前时刻的运行状态观测量对所述各状态变量进行一阶求导，获得观测雅可比矩阵，并确定观测协方差矩阵，其中，所述观测协方差矩阵表征所述运行状态观测值的观测置信度；

将所述观测雅可比矩阵和所述观测协方差矩阵，以及所述运行状态观测量和所述运行状态观测值作为所述目标对象的第二运行轨迹约束条件。

10.如权利要求9所述的方法，其特征在于，根据传获取到的传感器数据，分别确定当前时刻的运行状态观测量和运行状态观测值，包括：

若所述传感器数据为GPS数据，则分别确定当前时刻的运行状态观测量为[x_k,y_k]，运行状态观测值为[x_gnss,y_gnss]，其中_，x_k表示当前时刻的正东方向位置，y_k表示当前时刻的正北方向位置，x_gnss表示GPS数据中正东方向位置，y_gnss表示GPS数据中正北方向位置；

若所述传感器数据为轮速数据，则分别确定当前时刻的运行状态观测量为

运行状态观测值为[v]，其中，v是读取到的所述目标对象的轮速，vx_k表示当前时刻的正东方向速度，vy_k表示当前时刻的正北方向速度；

若所述传感器数据为图像采集装置数据，根据所述图像采集装置数据，确定检测到的车道线的车道线位置信息，则分别确定当前时刻的运行状态观测值为[x₀,y₀,theta₀]，运行状态观测量为[x_k,y_k,theta_k]，其中，所述[x₀,y₀,theta₀]为检测到的车道线位置信息与地图数据中车道线位置信息进行比对后，确定的车道线交叉点的正东方向位置、正北方向位置和航向角，theta_k表示当前时刻的航向角。

11.如权利要求4或9所述的方法，其特征在于，根据所述第一运行轨迹约束条件或所述第二运行轨迹约束条件，对所述预测运行状态进行更新，获得所述目标对象当前时刻的目标运行状态，包括：

根据所述当前时刻的预测状态协方差矩阵、所述观测雅可比矩阵和所述观测协方差矩阵，确定增益值；

根据确定的增益值、所述当前时刻的预测运行状态，以及当前时刻的运行状态观测量和运行状态观测值，获得当前时刻的目标运行状态；

根据确定的增益值、所述当前时刻的预测状态协方差矩阵，以及所述观测雅可比矩阵和所述观测协方差矩阵，获得当前时刻的目标状态协方差矩阵。

12.如权利要求1所述的方法，其特征在于，若所述目标对象为车辆，则获得所述目标对象当前时刻的目标运行状态之后，进一步包括：

根据所述当前时刻的目标运行状态，控制所述车辆行驶；或，

根据所述当前时刻的目标运行状态，提示相应的行驶信息。

13.一种定位装置，其特征在于，包括：

预测模块，用于根据待定位的目标对象上一时刻的目标运行状态，预测所述目标对象当前时刻的预测运行状态，其中，所述预测运行状态中至少包括所述目标对象的预测位置信息；

获取模块，用于根据所述预测运行状态所对应的预测位置信息，从地图数据中获取包含所述预测位置信息的预设范围内的参数化曲线描述信息；

第一更新模块，用于根据获取到的参数化曲线描述信息，对所述预测运行状态进行更新，获得所述目标对象当前时刻的目标运行状态。

14.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现权利要求1-12任一项所述方法的步骤。

15.一种计算机可读存储介质，其上存储有计算机程序，其特征在于：所述计算机程序被处理器执行时实现权利要求1-12任一项所述方法的步骤。

Images