CN112197772A - 一种确定车辆移动轨迹的方法及相关装置 - Google Patents

一种确定车辆移动轨迹的方法及相关装置 Download PDF

Info

Publication number
CN112197772A
CN112197772A CN202011419926.6A CN202011419926A CN112197772A CN 112197772 A CN112197772 A CN 112197772A CN 202011419926 A CN202011419926 A CN 202011419926A CN 112197772 A CN112197772 A CN 112197772A
Authority
CN
China
Prior art keywords
vehicle
data
latitudinal
moment
speed
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
CN202011419926.6A
Other languages
English (en)
Other versions
CN112197772B (zh
Inventor
李晓宵
费再慧
贾双成
朱磊
李成军
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.)
Zhidao Network Technology Beijing Co Ltd
Original Assignee
Zhidao Network 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 Zhidao Network Technology Beijing Co Ltd filed Critical Zhidao Network Technology Beijing Co Ltd
Priority to CN202011419926.6A priority Critical patent/CN112197772B/zh
Publication of CN112197772A publication Critical patent/CN112197772A/zh
Application granted granted Critical
Publication of CN112197772B publication Critical patent/CN112197772B/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
    • G01C21/26—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
    • 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
    • G01S19/47—Determining position by combining measurements of signals from the satellite radio beacon positioning system with a supplementary measurement the supplementary measurement being an inertial measurement, e.g. tightly coupled inertial

Landscapes

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

Abstract

本申请是关于一种确定车辆移动轨迹的方法及相关装置。该方法包括：获取车辆行驶时前N个相邻时刻的定位位置和前进方向速度；将前N个相邻时刻下车辆的前进方向速度映射到经纬度方向，分别得到经度方向速度和纬度方向速度；获取前N个相邻时刻下加速度计的前进轴的输出数据和陀螺仪的旋转轴的输出数据；根据前N个相邻时刻下加速度计的输出数据、陀螺仪的输出数据、车辆的经度方向速度和纬度方向速度，确定下一时刻下车辆的经度方向位移、纬度方向位移、经度方向速度和纬度方向速度；根据前N个相邻时刻下车辆的定位位置和下一时刻下车辆的经度方向位移、纬度方向位移，得到车辆的移动轨迹。本申请能够提升车辆移动轨迹的精度。

Description

一种确定车辆移动轨迹的方法及相关装置
技术领域
本申请涉及导航技术领域，尤其涉及一种确定车辆移动轨迹的方法及相关装置。
背景技术
定位系统例如GPS具有性能好、精度高、应用广的特点。但在某些场景下，例如桥下，涵洞，隧道，密集楼宇之间等定位信号不好的位置，相关技术的定位系统的定位偏差很大，甚至无法提供定位结果。
包含加速度计和陀螺仪的惯性测量单元（Inertial Measurement Unit，简称IMU）由于可以测量物体在惯性空间中的角速度和加速度，而被引入到定位应用中来。然而，IMU中的加速度计和陀螺仪受各种因素影响，使用一段时间后，其性能会发生变化，使得测量得到的数据会有所偏差，从而达不到预期的定位需求，继而无法得到准确的移动轨迹。
发明内容
为克服相关技术中存在的问题，本申请提供一种确定车辆移动轨迹的方法及相关装置，能够提升车辆移动轨迹的精度。
本申请第一方面提供一种确定车辆移动轨迹的方法，包括：
利用定位系统获取所述车辆在行驶过程中前N个相邻时刻的定位数据，所述定位数据包括所述车辆的定位位置和前进方向速度，其中，所述前进方向速度为所述车辆的前进方向上的速度，所述前N个相邻时刻包括第0时刻至第N-1时刻，所述N为大于或等于2的正整数；
根据所述前N个相邻时刻下所述车辆的前进方向速度，确定在所述前N个相邻时刻下所述车辆的经度方向速度和纬度方向速度；
获取在所述前N个相邻时刻下加速度计的前进轴的输出数据以及陀螺仪的旋转轴的输出数据；
根据所述前N个相邻时刻下所述加速度计的前进轴的输出数据、所述陀螺仪的旋转轴的输出数据，以及所述前N个相邻时刻下所述车辆的经度方向速度和纬度方向速度，确定在第N时刻下所述车辆的经度方向位移、纬度方向位移、经度方向速度和纬度方向速度；
根据所述第N-1时刻下所述车辆的定位位置、以及所述第N时刻下所述车辆的经度方向位移和纬度方向位移，获得所述第N时刻下所述车辆的定位位置；
根据所述前N个相邻时刻下所述车辆的定位位置和所述第N时刻下所述车辆的定位位置，得到所述车辆由所述第0时刻移动至所述第N时刻的移动轨迹。
优选的，所述根据所述前N个相邻时刻下所述加速度计的前进轴的输出数据、所述陀螺仪的旋转轴的输出数据，以及所述前N个相邻时刻下所述车辆的经度方向速度和纬度方向速度，确定在第N时刻下所述车辆的经度方向位移、纬度方向位移、经度方向速度和纬度方向速度，包括：
将所述前N个相邻时刻下所述加速度计的前进轴的输出数据、所述陀螺仪的旋转轴的输出数据，以及所述前N个相邻时刻下所述车辆的经度方向速度和纬度方向速度作为输入数据，输入预设数据模型中进行预测，得到在第N时刻下所述车辆的经度方向位移、纬度方向位移、经度方向速度和纬度方向速度，其中，所述预设数据模型为使用多组训练数据通过长短期记忆网络训练得出的，所述多组训练数据中的每组训练数据均包括：N个相邻时刻下的所述加速度计的前进轴的输出数据、所述陀螺仪的旋转轴的输出数据、所述车辆的经度方向速度和纬度方向速度。
优选的，所述方法还包括：
获取多个样本定位数据，所述多个样本定位数据包括在多个相邻时刻下由所述定位系统采集的定位数据，以及在所述多个相邻时刻下由所述加速度计采集的前进轴的输出数据和由所述陀螺仪采集的旋转轴的输出数据；
根据所述多个样本定位数据对应生成多组样本数据，其中，所述多组样本数据中的每组样本数据均包括：对应时刻下的所述加速度计的前进轴的输出数据、所述陀螺仪的旋转轴的输出数据、所述车辆的实际经度方向速度和实际纬度方向速度，相邻的N组样本数据构成一组训练数据；
确定滑动窗口大小，所述滑动窗口内包含所述多组样本数据中相邻的N组样本数据，所述N组样本数据包括tm时刻至tm+N-1时刻对应的样本数据；
将所述N组样本数据作为输入数据，输入到长短期记忆网络进行处理，再经过至少两个全连接层，得到tm+N时刻下所述车辆的预测经度方向位移、预测纬度方向位移、预测经度方向速度和预测纬度方向速度；
将所述滑动窗口以预设步长在所述多组样本数据中滑动，分别得到位于每相邻的N组样本数据之后的下一时刻下所述车辆的预测经度方向位移、预测纬度方向位移、预测经度方向速度和预测纬度方向速度；
根据各时刻下所述定位数据包括的定位位置，确定所述各时刻下所述车辆的实际经度方向位移和实际纬度方向位移；
根据所述各时刻下所述车辆的预测经度方向位移、预测纬度方向位移、预测经度方向速度和预测纬度方向速度，以及所述各时刻下所述车辆的实际经度方向位移、实际纬度方向位移、实际经度方向速度和实际纬度方向速度，采用均方误差MSE算法计算得到样本误差；
根据所述样本误差进行模型优化，得到所述预设数据模型。
优选的，所述根据所述前N个相邻时刻下所述车辆的前进方向速度，确定在所述前N个相邻时刻下所述车辆的经度方向速度和纬度方向速度，包括：
将所述前N个相邻时刻的前进方向速度分别映射到经度方向，得到所述前N个相邻时刻下所述车辆的经度方向速度；
将所述前N个相邻时刻的前进方向速度分别映射到纬度方向，得到所述前N个相邻时刻下所述车辆的纬度方向速度。
优选的，所述根据所述前N个相邻时刻下所述车辆的定位位置和所述第N时刻下所述车辆的定位位置，得到所述车辆由所述第0时刻移动至所述第N时刻的移动轨迹之后，所述方法还包括：
获取在所述第N时刻下所述加速度计的前进轴的输出数据以及所述陀螺仪的旋转轴的输出数据；
根据第1时刻至所述第N时刻下所述加速度计的前进轴的输出数据、所述陀螺仪的旋转轴的输出数据，以及所述第1时刻至所述第N时刻下所述车辆的经度方向速度和纬度方向速度，确定在第N+1时刻下所述车辆的经度方向位移、纬度方向位移、经度方向速度和纬度方向速度；
根据所述第N时刻下所述车辆的定位位置、以及所述第N+1时刻下所述车辆的经度方向位移和纬度方向位移，获得所述第N+1时刻下所述车辆的定位位置；
根据所述第N时刻下所述车辆的定位位置和所述第N+1时刻下所述车辆的定位位置，得到所述车辆由所述第N时刻移动至所述第N+1时刻的移动轨迹。
本申请第二方面提供一种确定车辆移动轨迹的装置，包括：
定位获取单元，用于利用定位系统获取所述车辆在行驶过程中前N个相邻时刻的定位数据，所述定位数据包括所述车辆的定位位置和前进方向速度，其中，所述前进方向速度为所述车辆的前进方向上的速度，所述前N个相邻时刻包括第0时刻至第N-1时刻，所述N为大于或等于2的正整数；
速度确定单元，用于根据所述前N个相邻时刻下所述车辆的前进方向速度，确定在所述前N个相邻时刻下所述车辆的经度方向速度和纬度方向速度；
数据获取单元，用于获取在所述前N个相邻时刻下加速度计的前进轴的输出数据以及陀螺仪的旋转轴的输出数据；
数据确定单元，用于根据所述前N个相邻时刻下所述加速度计的前进轴的输出数据、所述陀螺仪的旋转轴的输出数据，以及所述前N个相邻时刻下所述车辆的经度方向速度和纬度方向速度，确定在第N时刻下所述车辆的经度方向位移、纬度方向位移、经度方向速度和纬度方向速度；
位置确定单元，用于根据所述第N-1时刻下所述车辆的定位位置、以及所述第N时刻下所述车辆的经度方向位移和纬度方向位移，获得所述第N时刻下所述车辆的定位位置；
轨迹确定单元，用于根据所述前N个相邻时刻下所述车辆的定位位置和所述第N时刻下所述车辆的定位位置，得到所述车辆由所述第0时刻移动至所述第N时刻的移动轨迹。
优选的，所述数据确定单元具体用于将所述前N个相邻时刻下所述加速度计的前进轴的输出数据、所述陀螺仪的旋转轴的输出数据，以及所述前N个相邻时刻下所述车辆的经度方向速度和纬度方向速度作为输入数据，输入预设数据模型中进行预测，得到在第N时刻下所述车辆的经度方向位移、纬度方向位移、经度方向速度和纬度方向速度，其中，所述预设数据模型为使用多组训练数据通过长短期记忆网络训练得出的，所述多组训练数据中的每组训练数据均包括：N个相邻时刻下的所述加速度计的前进轴的输出数据、所述陀螺仪的旋转轴的输出数据、所述车辆的经度方向速度和纬度方向速度。
优选的，所述速度确定单元具体用于将所述前N个相邻时刻的前进方向速度分别映射到经度方向，得到所述前N个相邻时刻下所述车辆的经度方向速度；将所述前N个相邻时刻的前进方向速度分别映射到纬度方向，得到所述前N个相邻时刻下所述车辆的纬度方向速度。
优选的，所述数据获取单元，还用于在所述轨迹确定单元根据所述前N个相邻时刻下所述车辆的定位位置和所述第N时刻下所述车辆的定位位置，得到所述车辆由所述第0时刻移动至所述第N时刻的移动轨迹之后，获取在所述第N时刻下所述加速度计的前进轴的输出数据以及所述陀螺仪的旋转轴的输出数据；
所述数据确定单元，还用于根据第1时刻至所述第N时刻下所述加速度计的前进轴的输出数据、所述陀螺仪的旋转轴的输出数据，以及所述第1时刻至所述第N时刻下所述车辆的经度方向速度和纬度方向速度，确定在第N+1时刻下所述车辆的经度方向位移、纬度方向位移、经度方向速度和纬度方向速度；
所述位置确定单元，还用于根据所述第N时刻下所述车辆的定位位置、以及所述第N+1时刻下所述车辆的经度方向位移和纬度方向位移，获得所述第N+1时刻下所述车辆的定位位置；
所述轨迹确定单元，还用于根据所述第N时刻下所述车辆的定位位置和所述第N+1时刻下所述车辆的定位位置，得到所述车辆由所述第N时刻移动至所述第N+1时刻的移动轨迹。
本申请第三方面提供一种电子设备，包括：
处理器；以及
存储器，其上存储有可执行代码，当所述可执行代码被所述处理器执行时，使所述处理器执行如上所述的方法。
本申请第四方面提供一种非暂时性机器可读存储介质，其上存储有可执行代码，当所述可执行代码被电子设备的处理器执行时，使所述处理器执行如上所述的方法。
本申请提供的技术方案，在车辆上配置有定位系统以及包含加速度计和陀螺仪的IMU，利用定位系统可以获取车辆在行驶过程中前N个相邻时刻车辆的定位位置和前进方向速度，并将前N个相邻时刻下车辆的前进方向速度映射到经纬度方向，分别得到经度方向速度和纬度方向速度，同时利用加速度计测得前进轴的输出数据以及利用陀螺仪测得旋转轴的输出数据；以前N个相邻时刻下车辆的经度方向速度、纬度方向速度、加速度计的输出数据和陀螺仪的输出数据为依据，来预测出下一时刻车辆的经度方向位移、纬度方向位移、经度方向速度和纬度方向速度；结合前N个相邻时刻下车辆的定位位置和下一时刻下车辆的经度方向位移、纬度方向位移，得到车辆在这些时刻的移动轨迹。本申请的技术方案，以在前的多个时刻IMU测量出的数据和车辆的经度方向速度和纬度方向速度为依据，来求得下一个时刻车辆的经度方向位移和纬度方向位移，再结合前多个时刻车辆的定位位置，即可得到这些时刻车辆的移动轨迹，相对传统的仅采用定位系统或IMU推算出的轨迹，其估算出的轨迹准确性更高。
应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本申请。
附图说明
通过结合附图对本申请示例性实施方式进行更详细的描述，本申请的上述以及其它目的、特征和优势将变得更加明显，其中，在本申请示例性实施方式中，相同的参考标号通常代表相同部件。
图1是本申请实施例示出的一种确定车辆移动轨迹的方法的流程示意图；
图2是本申请实施例示出的另一种确定车辆移动轨迹的方法的流程示意图；
图3是本申请实施例示出的一种确定车辆移动轨迹的装置的结构示意图；
图4是本申请实施例示出的一种电子设备的结构示意图。
具体实施方式
下面将参照附图更详细地描述本申请的优选实施方式。虽然附图中显示了本申请的优选实施方式，然而应该理解，可以以各种形式实现本申请而不应被这里阐述的实施方式所限制。相反，提供这些实施方式是为了使本申请更加透彻和完整，并且能够将本申请的范围完整地传达给本领域的技术人员。
在本申请使用的术语是仅仅出于描述特定实施例的目的，而非旨在限制本申请。在本申请和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式，除非上下文清楚地表示其他含义。还应当理解，本文中使用的术语“和/或”是指并包含一个或多个相关联的列出项目的任何或所有可能组合。
在本申请的描述中，“多个”的含义是两个或两个以上，除非另有明确具体的限定。
以下结合附图详细描述本申请实施例的技术方案。
实施例一
请参阅图1，本申请实施例提供了一种确定车辆移动轨迹的方法。如图1所示，该方法至少可以包括以下步骤：
100、利用定位系统获取车辆在行驶过程中前N个相邻时刻的定位数据，该定位数据可以包括车辆的定位位置和前进方向速度，前N个相邻时刻包括第0时刻至第N-1时刻，N为大于或等于2的正整数。
本申请实施例中，在车辆上可以设有定位系统，该定位系统可以包括但不限于GPS（Global Positioning System，全球定位系统）、北斗卫星定位系统、RTK（RealTimeKinematic，实时动态）定位系统等中的至少一种。利用定位系统可以获得车辆在行驶过程中前N个相邻时刻的定位数据，该定位数据可以包括但不限于车辆的定位位置、车辆的前进方向速度、车辆的姿态等信息，其中，车辆的前进方向速度是指车辆的前进方向上的速度。定位系统可以是实时采集或周期性采集定位数据，如每秒钟采集5个定位数据，则采样时间间隔为200ms；又如每秒钟采集10个定位数据，则采样时间间隔为100ms。前N个相邻时刻可以是车辆启动时采集的前N个相邻时刻，也可以是车辆行驶一段时间后采集的N个相邻时刻，这里不作限定。前N个相邻时刻中任意相邻两个时刻之间的时间间隔相同，即为采样时间间隔。
可以理解的是，前N个相邻时刻的定位数据也可以是默认定位数据或人工手动输入的，这里不作唯一限定。
110、根据前N个相邻时刻下车辆的前进方向速度，确定在前N个相邻时刻下车辆的经度方向速度和纬度方向速度。
本申请实施例中，对于每一时刻下测得的车辆的前进方向速度，可以求得该时刻下车辆的经度方向速度和纬度方向速度。
在一可选的实施方式中，步骤110根据前N个相邻时刻下车辆的前进方向速度，确定在前N个相邻时刻下车辆的经度方向速度和纬度方向速度的具体实时方式可以包括以下步骤：
11）将前N个相邻时刻的前进方向速度分别映射到经度方向，得到前N个相邻时刻下车辆的经度方向速度；
12）将前N个相邻时刻的前进方向速度分别映射到纬度方向，得到前N个相邻时刻下车辆的纬度方向速度。
具体的，针对每一时刻车辆的前进方向速度，可以将车辆的前进方向速度映射到经纬度坐标系中，将前进方向速度在经度方向的投影确定为经度方向速度，将前进方向速度在纬度方向的投影确定为纬度方向速度，即将前进方向速度在经度方向和纬度方向进行了分解，得到经度方向速度和纬度方向速度。
120、获取在前N个相邻时刻下加速度计的前进轴的输出数据以及陀螺仪的旋转轴的输出数据。
本申请实施例中，车辆上可以设有惯性测量单元IMU，IMU可以包括加速度计和陀螺仪，加速度计可以是三轴或单轴加速度计，用于测量车辆的加速度，陀螺仪可以是三轴或单轴陀螺仪，用于测量车辆的角速度或转向角等。可以将IMU设置于车辆上安装的车机内，也可以设置于车机外，但与车机之间可以进行通信交互。定位系统可以安装在车机内，也可以设置于车机外，且与车机建立有通信连接。本申请实施例提供的确定车辆移动轨迹的方法可以应用于车机。
本申请实施例中，加速度计可以包括前进轴加速度计，该前进轴与车辆的前进方向平行，测得的前进轴的输出数据为车辆前进方向的加速度。陀螺仪可以包括旋转轴陀螺仪，该旋转轴与车辆的前进方向垂直，测得的旋转轴的输出数据可以为车辆垂直方向的角速度或水平方向的转向角等。
可以理解的是，在执行步骤120之前，可以先将定位系统的时间与IMU的时间进行同步校准，以使两者输出的时间相同，以避免因两者参考时间不同而使结果不准确。
130、根据前N个相邻时刻下加速度计的前进轴的输出数据、陀螺仪的旋转轴的输出数据，以及前N个相邻时刻下车辆的经度方向速度和纬度方向速度，确定在第N时刻下车辆的经度方向位移、纬度方向位移、经度方向速度和纬度方向速度。
在一可选的实施方式中，步骤130根据前N个相邻时刻下加速度计的前进轴的输出数据、陀螺仪的旋转轴的输出数据，以及前N个相邻时刻下车辆的经度方向速度和纬度方向速度，确定在第N时刻下车辆的经度方向位移、纬度方向位移、经度方向速度和纬度方向速度的具体实施方式可以包括以下步骤：
13）将前N个相邻时刻下加速度计的前进轴的输出数据、陀螺仪的旋转轴的输出数据，以及前N个相邻时刻下车辆的经度方向速度和纬度方向速度作为输入数据，输入预设数据模型中进行预测，得到在第N时刻下车辆的经度方向位移、纬度方向位移、经度方向速度和纬度方向速度，其中，预设数据模型可以为使用多组训练数据通过长短期记忆网络训练得出的，上述多组训练数据中的每组训练数据均可以包括：N个相邻时刻下的加速度计的前进轴的输出数据、陀螺仪的旋转轴的输出数据、车辆的经度方向速度和纬度方向速度。
具体的，可以事先存储好预设数据模型，将前N个相邻时刻下加速度计的前进轴的输出数据、陀螺仪的旋转轴的输出数据、车辆的经度方向速度和纬度方向速度作为输入，输入到预设数据模型中，以使预设数据模型对输入进行模型预测，得到四个输出。这四个输出分别为前N个相邻时刻的下一时刻车辆的经度方向位移、纬度方向位移、以及该下一时刻车辆的经度方向速度和纬度方向速度。由于前N个相邻时刻为第0时刻至第N-1时刻，则前N个相邻时刻的下一时刻为第N时刻。第N时刻下车辆的经度方向位移可以看作为第N时刻车辆所处位置与第N-1时刻车辆所处位置在经度方向的距离。第N时刻下车辆的纬度方向位移可以看作为第N时刻车辆所处位置与第N-1时刻车辆所处位置在纬度方向的距离。
其中，预设数据模型可以从是网络或服务器中直接下载的，也可以是自身进行样本训练得到的，这里不作限定。
在一可选的实施方式中，当预设数据模型为通过样本训练得到的时，图1所描述的方法还可以包括以下步骤：
14）获取多个样本定位数据，上述多个样本定位数据可以包括在多个相邻时刻下由定位系统采集的定位数据，以及在上述多个相邻时刻下由加速度计采集的前进轴的输出数据和由陀螺仪采集的旋转轴的输出数据；
15）根据上述多个样本定位数据对应生成多组样本数据，其中，上述多组样本数据中的每组样本数据均可以包括：对应时刻下的加速度计的前进轴的输出数据、陀螺仪的旋转轴的输出数据、车辆的实际经度方向速度和实际纬度方向速度，相邻的N组样本数据构成一组训练数据；
16）确定滑动窗口大小，滑动窗口内可以包含上述多组样本数据中相邻的N组样本数据，上述N组样本数据可以包括tm时刻至tm+N-1时刻对应的样本数据；
17）将上述N组样本数据作为输入数据，输入到长短期记忆网络进行处理，再经过至少两个全连接层，得到tm+N时刻下车辆的预测经度方向位移、预测纬度方向位移、预测经度方向速度和预测纬度方向速度；
18）将滑动窗口以预设步长在上述多组样本数据中滑动，重复执行步骤16）和步骤17），分别得到位于每相邻的N组样本数据之后的下一时刻下车辆的预测经度方向位移、预测纬度方向位移、预测经度方向速度和预测纬度方向速度；
19）根据各时刻下定位数据包括的定位位置，确定各时刻下车辆的实际经度方向位移和实际纬度方向位移；
20）根据各时刻下车辆的预测经度方向位移、预测纬度方向位移、预测经度方向速度和预测纬度方向速度，以及各时刻下车辆的实际经度方向位移、实际纬度方向位移、实际经度方向速度和实际纬度方向速度，采用均方误差MSE算法计算得到样本误差；
21）根据该样本误差进行模型优化，得到预设数据模型。
具体的，可以利用定位系统和IMU采集多个样本定位数据，再根据这些样本定位数据来生成多组样本数据。例如，利用RTK定位系统每一秒钟采集10个定位数据，以及相同时刻下利用IMU采集加速度计前进轴的输出数据和陀螺仪旋转轴的输出数据，一段时间后得到数目较大的多个样本定位数据。其中，定位系统采集的每一个定位数据可以包括但不限于对应时刻车辆的位置、车辆的前进方向速度和姿态等等。对于任一时刻车辆的前进方向速度，通过对其进行经纬度方向的映射，从而得到对应的实际经度方向速度vx和实际纬度方向速度vy。通过以上方法，能够得到多组样本数据，每一组样本数据包括四个数据，分别为对应时刻下的加速度计前进轴的输出数据、陀螺仪旋转轴的输出数据、车辆的实际经度方向速度和实际纬度方向速度。一个时刻对应一组样本数据，N个相邻时刻的样本数据组成N组样本数据，这N组样本数据构成一组训练数据。另外，根据前后相邻时刻车辆位置的变化，可以得到后一时刻相对前一时刻的实际经度方向位移dx和实际纬度方向位移dy。
对于生成的多组样本数据，可以采用滑动窗口的方式每次提取相邻的N组样本数据进行处理。滑动窗口大小可以是指相邻的N组样本数据在时间维度上的时间间隔，即滑动窗口一次只可以包含相邻的N组样本数据。当任意相邻两个样本定位数据的采样时间间隔为100ms时，滑动窗口大小可以为N*100ms。
举例来说，假设滑动窗口大小为400ms，相邻两个样本定位数据的采样时间间隔为100ms，则滑动窗口内可以包含4组样本数据。当滑动窗口内第一次包含t0、t1、t2和t3这4个相邻时刻的样本数据时，将这4组样本数据输入到至少两层长短期记忆网络（Long ShortTerm Memory，简称LSTM）中进行处理，再经过至少两个全连接层，最后得到下一时刻（即t4时刻）下车辆的预测经度方向位移dx'、预测纬度方向位移dy'、预测经度方向速度vx'和预测纬度方向速度vy'。将滑动窗口以预设步长100ms在多组样本数据中滑动，获得新的4组样本数据，分别为t1、t2、t3和t4这4个相邻时刻的样本数据，同样地，将这4组样本数据输入到至少两层LSTM网络中进行处理，再经过至少两个全连接层，最后得到其下一时刻（即t5时刻）下车辆的预测经度方向位移、预测纬度方向位移、预测经度方向速度和预测纬度方向速度。继续以预设步长移动滑动窗口，依次往后，不断更新滑动窗口内的样本数据。每次滑动窗口内的4组样本数据均采用上述方式进行处理，得到每相邻的N组样本数据之后的下一时刻下车辆的预测经度方向位移、预测纬度方向位移、预测经度方向速度和预测纬度方向速度。
进一步地，可以采用MSE（Mean Square Error，均方误差）损失拟合实际真实值dx、dy、vx、vy，不断优化模型，得到最优的预设数据模型。具体的，假设上述多组样本数据为n组样本数据，即表示有n个时刻。根据各时刻下车辆的预测经度方向位移dx'、预测纬度方向位移dy'、预测经度方向速度vx'和预测纬度方向速度vy'，以及各时刻下车辆的实际经度方向位移dx、实际纬度方向位移dy、实际经度方向速度vx和实际纬度方向速度vy，计算全部样本数据的误差MSE：
Figure 746742DEST_PATH_IMAGE001
其中，r为滑动窗口能包含的样本数据组数，如上面举例所示滑动窗口每次能包含4组样本数据，则r为4，即从t4时刻才有预测值，t0~t3时刻只有真实值，没有预测值。可以理解的是，滑动窗口的大小可以根据实际需求和/或应用场景进行适应性调整，如滑动窗口可以包含2组、3组、4组、6组、8组、10组、12组、15组、32组、64组或其他值，这里不作限定。
当MSE值越大，表明模型的预测效果越差，此时可以通过调整模型中的一项或多项参数和/或调整模型的结构来不断优化模型，使得MSE值尽可能最小，即预测值尽可能的趋近实际真实值，从而得到最优的预设数据模型，使得后续对输入数据进行预测时得到的结果误差小。
140、根据第N-1时刻下车辆的定位位置、以及第N时刻下车辆的经度方向位移和纬度方向位移，获得第N时刻下车辆的定位位置。
150、根据前N个相邻时刻下车辆的定位位置和第N时刻下车辆的定位位置，得到车辆由第0时刻移动至第N时刻的移动轨迹。
本申请实施例中，车辆的定位位置可以看作为车辆所处位置的经纬度坐标。第N时刻下车辆的经度方向位移和纬度方向位移是相对于第N-1时刻下车辆的定位位置而言的，在第N-1时刻下车辆的定位位置已知的情况下，即可得出第N时刻下车辆的定位位置。在明确了各时刻车辆的定位位置后，即可得到车辆由第0时刻移动至第N时刻的移动轨迹。
举例来说，假设N为4，利用定位系统获得第0时刻至第3时刻下车辆的定位位置和前进方向速度，根据第0时刻车辆的前进方向速度v0，确定出该时刻车辆的经度方向速度vx0和纬度方向速度vy0；根据第1时刻车辆的前进方向速度v1，确定出该时刻车辆的经度方向速度vx1和纬度方向速度vy1；根据第2时刻车辆的前进方向速度v2，确定出该时刻车辆的经度方向速度vx2和纬度方向速度vy2；根据第3时刻车辆的前进方向速度v3，确定出该时刻车辆的经度方向速度vx3和纬度方向速度vy3。同时，在第0时刻获得加速度计的输出数据acc0和陀螺仪的输出数据gyro0，在第1时刻获得加速度计的输出数据acc1和陀螺仪的输出数据gyro1，在第2时刻获得加速度计的输出数据acc2和陀螺仪的输出数据gyro2，在第3时刻获得加速度计的输出数据acc3和陀螺仪的输出数据gyro3。将vx0、vy0、acc0和gyro0，vx1、vy1、acc1和gyro1，vx2、vy2、acc2和gyro2，以及vx3、vy3、acc3和gyro3共四组数据输入预设数据模型，通过模型预测，得到下一时刻（即第4时刻）下车辆的经度方向位移dx4、纬度方向位移dy4、经度方向速度vx4和纬度方向速度vy4。再根据车辆在第3时刻的经纬度坐标、第4时刻车辆的经度方向位移dx4和纬度方向位移dy4，能够得到第4时刻车辆的经纬度坐标，进而获得车辆在第0时刻至第4时刻的移动轨迹。
可以理解的是，本申请实施例虽然是以车辆为例进行说明的，但并不仅仅局限于此，本申请技术方案也可以应用于其他的移动设备，如安装有定位系统和IMU的移动机器人中，这里不作限定。
综上，本申请实施例在车辆上配置有定位系统以及包含加速度计和陀螺仪的IMU，利用定位系统可以获取车辆在行驶过程中前N个相邻时刻车辆的定位位置和前进方向速度，并将前N个相邻时刻下车辆的前进方向速度映射到经纬度方向，分别得到经度方向速度和纬度方向速度，同时利用加速度计测得前进轴的输出数据以及利用陀螺仪测得旋转轴的输出数据；以前N个相邻时刻下车辆的经度方向速度、纬度方向速度、加速度计的输出数据和陀螺仪的输出数据为依据，来预测出下一时刻车辆的经度方向位移、纬度方向位移、经度方向速度和纬度方向速度；结合前N个相邻时刻下车辆的定位位置和下一时刻下车辆的经度方向位移、纬度方向位移，得到车辆在这些时刻的移动轨迹。本申请实施例以在前的多个时刻IMU测量出的数据和车辆的经度方向速度和纬度方向速度为依据，来求得下一个时刻车辆的经度方向位移和纬度方向位移，再结合前多个时刻车辆的定位位置，即可得到这些时刻车辆的移动轨迹，相对传统的仅采用定位系统或IMU推算出的轨迹，其估算出的轨迹准确性更高。
此外，如果仅采用一个时刻的数据来预测下一时刻的数据，在原始时刻的数据不准确的情况下，预测出来的下一时刻数据也将是不准确的，这样之后时刻预测出的数据同样不准确，从而使得最终得到的轨迹精度差。而采用在先的多个时刻的数据来预测下一时刻的数据，即使在先时刻中有一个时刻的数据不准确，对下一时刻的预测结果不会造成多大影响，其准确性远比前者要高，从而使得最终得到的轨迹精度得以提升。因此，相对于仅利用一个时刻的数据来预测下一时刻的数据，本申请利用在先的多个时刻的数据来预测下一时刻的数据，其预测的准确性更高，最终得到更准确的轨迹。
实施例二
请参阅图2，本申请实施例还提供了另一种确定车辆移动轨迹的方法。其中，车辆上可以设置有IMU，IMU可以包括加速度计和陀螺仪。如图2所示，该方法至少可以包括以下步骤：
200、利用定位系统获取车辆在行驶过程中前N个相邻时刻的定位数据，该定位数据可以包括车辆的定位位置和前进方向速度，其中，车辆的前进方向速度为车辆的前进方向上的速度，前N个相邻时刻包括第0时刻至第N-1时刻，N为大于或等于2的正整数。
210、根据前N个相邻时刻下车辆的前进方向速度，确定在前N个相邻时刻下车辆的经度方向速度和纬度方向速度。
220、获取在前N个相邻时刻下加速度计的前进轴的输出数据以及陀螺仪的旋转轴的输出数据。
230、根据前N个相邻时刻下加速度计的前进轴的输出数据、陀螺仪的旋转轴的输出数据，以及前N个相邻时刻下车辆的经度方向速度和纬度方向速度，确定在第N时刻下车辆的经度方向位移、纬度方向位移、经度方向速度和纬度方向速度；
240、根据第N-1时刻下车辆的定位位置、以及第N时刻下车辆的经度方向位移和纬度方向位移，获得第N时刻下车辆的定位位置。
250、根据前N个相邻时刻下车辆的定位位置和第N时刻下车辆的定位位置，得到车辆由第0时刻移动至第N时刻的移动轨迹。
其中，步骤200至步骤250的具体实施过程可以参考实施例一中对步骤100至步骤150的相关描述，这里不再赘述。
260、获取在第N时刻下加速度计的前进轴的输出数据以及陀螺仪的旋转轴的输出数据。
270、根据第1时刻至第N时刻下加速度计的前进轴的输出数据、陀螺仪的旋转轴的输出数据，以及第1时刻至第N时刻下车辆的经度方向速度和纬度方向速度，确定在第N+1时刻下车辆的经度方向位移、纬度方向位移、经度方向速度和纬度方向速度。
280、根据第N时刻下车辆的定位位置、以及第N+1时刻下车辆的经度方向位移和纬度方向位移，获得第N+1时刻下车辆的定位位置。
290、根据第N时刻下车辆的定位位置和第N+1时刻下车辆的定位位置，得到车辆由第N时刻移动至第N+1时刻的移动轨迹。
本申请实施例中，在通过预设数据模型进行预测得到第N时刻车辆的经度方向位移、纬度方向位移、经度方向速度和纬度方向速度后，可以获取第N时刻加速度计前进轴的输出数据和陀螺仪旋转轴的输出数据。以第1时刻至第N时刻加速度计前进轴的输出数据和陀螺仪旋转轴的输出数据，以及第1时刻至第N-1时刻测得的车辆的经度方向速度和纬度方向速度和通过模型预测得到的第N时刻车辆的经度方向速度和纬度方向速度作为新的输入数据，输入预设数据模型进行预测，得到第N+1时刻车辆的经度方向位移、纬度方向位移、经度方向速度和纬度方向速度。其中，第N+1时刻车辆的经度方向位移可以看作为第N+1时刻车辆所处位置与第N时刻车辆所处位置在经度方向的距离。第N+1时刻车辆的纬度方向位移可以看作为第N+1时刻车辆所处位置与第N时刻车辆所处位置在纬度方向的距离。
进一步地，通过已经推测出的第N时刻车辆的定位位置以及第N+1时刻车辆的经度方向位移和纬度方向位移，得到第N+1时刻车辆的定位位置。结合第0时刻至第N+1时刻车辆的位置变化，可以得到车辆的移动轨迹。按照上述步骤，依次往后类推，可以得到接下来各个时刻车辆的经度方向位移和纬度方向位移，进而可以推测出每一时刻车辆的定位位置，得到车辆在这些时刻的移动轨迹。
仍以上述N为4进行举例说明，利用第0时刻下的vx0、vy0、acc0和gyro0，第1时刻下的vx1、vy1、acc1和gyro1，第2时刻下的vx2、vy2、acc2和gyro2，以及第3时刻下的vx3、vy3、acc3和gyro3共四组数据输入预设数据模型，通过模型预测，得到第4时刻下车辆的经度方向位移dx4、纬度方向位移dy4、经度方向速度vx4和纬度方向速度vy4。获取第4时刻下加速度计的输出数据acc4和陀螺仪的输出数据gyro4，将第1时刻下的vx1、vy1、acc1和gyro1，第2时刻下的vx2、vy2、acc2和gyro2，第3时刻下的vx3、vy3、acc3和gyro3，以及第4时刻下的vx4、vy4、acc4和gyro4作为新的四组数据输入预设数据模型进行预测，得到第5时刻下车辆的经度方向位移dx5、纬度方向位移dy5、经度方向速度vx5和纬度方向速度vy5。获取第5时刻加速度计的输出数据acc5和陀螺仪的输出数据gyro5，将第2时刻下的vx2、vy2、acc2和gyro2，第3时刻下的vx3、vy3、acc3和gyro3，第4时刻下的vx4、vy4、acc4和gyro4，以及第5时刻下的vx5、vy5、acc5和gyro5作为新的四组数据输入预设数据模型进行预测，得到第6时刻下车辆的经度方向位移dx6、纬度方向位移dy6、经度方向速度vx6和纬度方向速度vy6。按照上述方法依次往后类推，得到各时刻车辆的经度方向位移dx和纬度方向位移dy，再结合第0时刻至第3时刻车辆的定位位置，可以推测出各时刻车辆的定位位置，进而得到车辆在各时刻的移动轨迹。
本申请实施例中，以在前的多个时刻IMU测量出的数据和车辆的经度方向速度和纬度方向速度为依据，来求得下一个时刻车辆的经度方向位移和纬度方向位移，再结合前多个时刻车辆的定位位置，即可得到这些时刻车辆的移动轨迹，相对传统的仅采用定位系统或IMU推算出的轨迹，其估算出的轨迹准确性更高。此外，相对于仅利用一个时刻的数据来预测下一时刻的数据，本申请利用在先的多个时刻的数据来预测下一时刻的数据，其预测的准确性更高，最终得到更准确的轨迹。
此外，只有初始的几个时刻的经度方向速度和纬度方向速度是通过定位系统得到的，而其余时刻的经度方向速度和纬度方向速度均是通过模型预测推导得出的，以及仅需通过定位系统获得车辆的初始几个定位位置，其余时刻车辆的定位位置是通过算法推测出的，这样能够降低因定位系统定位不准而造成位置偏差的发生概率，进而提升了车辆移动轨迹推算的准确率。
实施例三
与前述应用功能实现方法实施例相对应，本申请还提供了一种确定车辆移动轨迹的装置、电子设备及相应的实施例。
请参阅图3，本申请还提供了一种确定车辆移动轨迹的装置。该装置可以用于执行上述实施例一和实施例二提供的确定车辆移动轨迹的方法。具体的，如图3所示，该装置可以包括：
定位获取单元31，用于利用定位系统获取车辆在行驶过程中前N个相邻时刻的定位数据，该定位数据至少可以包括车辆的定位位置和前进方向速度，其中，车辆的前进方向速度为车辆的前进方向上的速度，前N个相邻时刻包括第0时刻至第N-1时刻，N为大于或等于2的正整数；
速度确定单元32，用于根据前N个相邻时刻下车辆的前进方向速度，确定在前N个相邻时刻下车辆的经度方向速度和纬度方向速度；
数据获取单元33，用于获取在前N个相邻时刻下加速度计的前进轴的输出数据以及陀螺仪的旋转轴的输出数据；
数据确定单元34，用于根据前N个相邻时刻下加速度计的前进轴的输出数据、陀螺仪的旋转轴的输出数据，以及前N个相邻时刻下车辆的经度方向速度和纬度方向速度，确定在第N时刻下车辆的经度方向位移、纬度方向位移、经度方向速度和纬度方向速度；
位置确定单元35，用于根据第N-1时刻下车辆的定位位置、以及第N时刻下车辆的经度方向位移和纬度方向位移，获得第N时刻下车辆的定位位置；
轨迹确定单元36，用于根据前N个相邻时刻下车辆的定位位置和第N时刻下车辆的定位位置，得到车辆由第0时刻移动至第N时刻的移动轨迹。
可选的，数据确定单元34具体可以用于将前N个相邻时刻下加速度计的前进轴的输出数据、陀螺仪的旋转轴的输出数据，以及前N个相邻时刻下车辆的经度方向速度和纬度方向速度作为输入数据，输入预设数据模型中进行预测，得到在第N时刻下车辆的经度方向位移、纬度方向位移、经度方向速度和纬度方向速度，其中，预设数据模型可以为使用多组训练数据通过长短期记忆网络训练得出的，上述多组训练数据中的每组训练数据均可以包括：N个相邻时刻下的加速度计的前进轴的输出数据、陀螺仪的旋转轴的输出数据、车辆的经度方向速度和纬度方向速度。
可选的，图3所示的装置还可以包括：
样本获取单元，用于获取多个样本定位数据，上述多个样本定位数据可以包括在多个相邻时刻下由定位系统采集的定位数据，以及在上述多个相邻时刻下由加速度计采集的前进轴的输出数据和由陀螺仪采集的旋转轴的输出数据；
数据生成单元，用于根据上述多个样本定位数据对应生成多组样本数据，其中，上述多组样本数据中的每组样本数据均包括：对应时刻下的加速度计的前进轴的输出数据、陀螺仪的旋转轴的输出数据、车辆的实际经度方向速度和实际纬度方向速度，相邻的N组样本数据构成一组训练数据；
窗口确定单元，用于确定滑动窗口大小，滑动窗口内可以包含上述多组样本数据中相邻的N组样本数据，上述N组样本数据可以包括tm时刻至tm+N-1时刻对应的样本数据；
数据预测单元，用于将上述N组样本数据作为输入数据，输入到长短期记忆网络进行处理，再经过至少两个全连接层，得到tm+N时刻下车辆的预测经度方向位移、预测纬度方向位移、预测经度方向速度和预测纬度方向速度；将滑动窗口以预设步长在上述多组样本数据中滑动，分别得到位于每相邻的N组样本数据之后的下一时刻下车辆的预测经度方向位移、预测纬度方向位移、预测经度方向速度和预测纬度方向速度；
位移获取单元，用于根据各时刻下定位数据包括的定位位置，确定各时刻下车辆的实际经度方向位移和实际纬度方向位移；
误差计算单元，用于根据各时刻下车辆的预测经度方向位移、预测纬度方向位移、预测经度方向速度和预测纬度方向速度，以及各时刻下车辆的实际经度方向位移、实际纬度方向位移、实际经度方向速度和实际纬度方向速度，采用均方误差MSE算法计算得到样本误差；
模型优化单元，用于根据该样本误差进行模型优化，得到预设数据模型。
可选的，速度确定单元32具体可以用于将前N个相邻时刻的前进方向速度分别映射到经度方向，得到前N个相邻时刻下车辆的经度方向速度；将前N个相邻时刻的前进方向速度分别映射到纬度方向，得到前N个相邻时刻下所述车辆的纬度方向速度。
可选的，数据获取单元33，还可以用于在轨迹确定单元36根据前N个相邻时刻下车辆的定位位置和第N时刻下车辆的定位位置，得到车辆由第0时刻移动至第N时刻的移动轨迹之后，获取在第N时刻下加速度计的前进轴的输出数据以及陀螺仪的旋转轴的输出数据；
数据确定单元34，还可以用于根据第1时刻至第N时刻下加速度计的前进轴的输出数据、陀螺仪的旋转轴的输出数据，以及第1时刻至第N时刻下车辆的经度方向速度和纬度方向速度，确定在第N+1时刻下车辆的经度方向位移、纬度方向位移、经度方向速度和纬度方向速度；
位置确定单元35，还可以用于根据第N时刻下车辆的定位位置、以及第N+1时刻下车辆的经度方向位移和纬度方向位移，获得第N+1时刻下车辆的定位位置；
轨迹确定单元36，还可以用于根据第N时刻下车辆的定位位置和第N+1时刻下车辆的定位位置，得到车辆由第N时刻移动至第N+1时刻的移动轨迹。
实施图3所示的装置，以在前的多个时刻IMU测量出的数据和车辆的经度方向速度和纬度方向速度为依据，来求得下一个时刻车辆的经度方向位移和纬度方向位移，再结合前多个时刻车辆的定位位置，即可得到这些时刻车辆的移动轨迹，相对传统的仅采用定位系统或IMU推算出的轨迹，其估算出的轨迹准确性更高。此外，相对于仅利用一个时刻的数据来预测下一时刻的数据，本申请利用在先的多个时刻的数据来预测下一时刻的数据，其预测的准确性更高，最终得到更准确的轨迹。
此外，只有初始的几个时刻的经度方向速度和纬度方向速度是通过定位系统得到的，而其余时刻的经度方向速度和纬度方向速度均是通过模型预测推导得出的，以及仅需通过定位系统获得车辆的初始几个定位位置，其余时刻车辆的定位位置是通过算法推测出的，这样能够降低因定位系统定位不准而造成位置偏差的发生概率，进而提升了车辆移动轨迹推算的准确率。
关于上述实施例中的装置，其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述，此处将不再做详细阐述说明。
请参阅图4，本申请实施例还提供了一种电子设备。该电子设备可以用于执行上述实施例一和实施例二提供的确定车辆移动轨迹的方法。具体的，如图4所示，该电子设备400可以包括：至少一个处理器401、存储器402、至少一个通信接口403等组件。其中，这些组件可以通过一条或多条通信总线404进行通信连接。本领域技术人员可以理解，图4中示出的电子设备400的结构并不构成对本申请实施例的限定，它既可以是总线形结构，也可以是星型结构，还可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。其中：
处理器401可以是中央处理单元(Central Processing Unit，CPU)，还可以是其他通用处理器、数字信号处理器 (Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现场可编程门阵列 (Field-Programmable Gate Array，FPGA) 或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
存储器402可以包括各种类型的存储单元，例如系统内存、只读存储器（ROM），和永久存储装置。其中，ROM可以存储处理器401或者计算机的其他模块需要的静态数据或者指令。永久存储装置可以是可读写的存储装置。永久存储装置可以是即使计算机断电后也不会失去存储的指令和数据的非易失性存储设备。在一些实施方式中，永久性存储装置采用大容量存储装置（例如磁或光盘、闪存）作为永久存储装置。另外一些实施方式中，永久性存储装置可以是可移除的存储设备（例如软盘、光驱）。系统内存可以是可读写存储设备或者易失性可读写存储设备，例如动态随机访问内存。系统内存可以存储一些或者所有处理器在运行时需要的指令和数据。此外，存储器402可以包括任意计算机可读存储媒介的组合，包括各种类型的半导体存储芯片（DRAM，SRAM，SDRAM，闪存，可编程只读存储器），磁盘和/或光盘也可以采用。在一些实施方式中，存储器402可以包括可读和/或写的可移除的存储设备，例如激光唱片（CD）、只读数字多功能光盘（例如DVD-ROM，双层DVD-ROM）、只读蓝光光盘、超密度光盘、闪存卡（例如SD卡、min SD卡、Micro-SD卡等等）、磁性软盘等等。计算机可读存储媒介不包含载波和通过无线或有线传输的瞬间电子信号。
通信接口403可以包括有线通信接口、无线通信接口等，可以用于与定位系统、IMU或其他设备进行通信交互。
存储器402上存储有可执行代码，当可执行代码被处理器401处理时，可以使处理器401执行上文述及的确定车辆移动轨迹的方法中的部分或全部步骤。
上文中已经参考附图详细描述了本申请的方案。在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详细描述的部分，可以参见其他实施例的相关描述。本领域技术人员也应该知悉，说明书中所涉及的动作和模块并不一定是本申请所必须的。另外，可以理解，本申请实施例方法中的步骤可以根据实际需要进行顺序调整、合并和删减，本申请实施例装置中的模块可以根据实际需要进行合并、划分和删减。
此外，根据本申请的方法还可以实现为一种计算机程序或计算机程序产品，该计算机程序或计算机程序产品包括用于执行本申请的上述方法中部分或全部步骤的计算机程序代码指令。
或者，本申请还可以实施为一种非暂时性机器可读存储介质（或计算机可读存储介质、或机器可读存储介质），其上存储有可执行代码（或计算机程序、或计算机指令代码），当所述可执行代码（或计算机程序、或计算机指令代码）被电子设备（或电子设备、服务器等）的处理器执行时，使所述处理器执行根据本申请的上述方法的各个步骤的部分或全部。
本领域技术人员还将明白的是，结合这里的申请所描述的各种示例性逻辑块、模块、电路和算法步骤可以被实现为电子硬件、计算机软件或两者的组合。
附图中的流程图和框图显示了根据本申请的多个实施例的系统和方法的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分，所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标记的功能也可以以不同于附图中所标记的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
以上已经描述了本申请的各实施例，上述说明是示例性的，并非穷尽性的，并且也不限于所披露的各实施例。在不偏离所说明的各实施例的范围和精神的情况下，对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。本文中所用术语的选择，旨在最好地解释各实施例的原理、实际应用或对市场中的技术的改进，或者使本技术领域的其它普通技术人员能理解本文披露的各实施例。

Claims (10)

1.一种确定车辆移动轨迹的方法，其特征在于，包括：
利用定位系统获取所述车辆在行驶过程中前N个相邻时刻的定位数据，所述定位数据包括所述车辆的定位位置和前进方向速度，其中，所述前进方向速度为所述车辆的前进方向上的速度，所述前N个相邻时刻包括第0时刻至第N-1时刻，所述N为大于或等于2的正整数；
根据所述前N个相邻时刻下所述车辆的前进方向速度，确定在所述前N个相邻时刻下所述车辆的经度方向速度和纬度方向速度；
获取在所述前N个相邻时刻下加速度计的前进轴的输出数据以及陀螺仪的旋转轴的输出数据；
根据所述前N个相邻时刻下所述加速度计的前进轴的输出数据、所述陀螺仪的旋转轴的输出数据，以及所述前N个相邻时刻下所述车辆的经度方向速度和纬度方向速度，确定在第N时刻下所述车辆的经度方向位移、纬度方向位移、经度方向速度和纬度方向速度；
根据所述第N-1时刻下所述车辆的定位位置、以及所述第N时刻下所述车辆的经度方向位移和纬度方向位移，获得所述第N时刻下所述车辆的定位位置；
根据所述前N个相邻时刻下所述车辆的定位位置和所述第N时刻下所述车辆的定位位置，得到所述车辆由所述第0时刻移动至所述第N时刻的移动轨迹。
2.根据权利要求1所述的方法，其特征在于，所述根据所述前N个相邻时刻下所述加速度计的前进轴的输出数据、所述陀螺仪的旋转轴的输出数据，以及所述前N个相邻时刻下所述车辆的经度方向速度和纬度方向速度，确定在第N时刻下所述车辆的经度方向位移、纬度方向位移、经度方向速度和纬度方向速度，包括：
将所述前N个相邻时刻下所述加速度计的前进轴的输出数据、所述陀螺仪的旋转轴的输出数据，以及所述前N个相邻时刻下所述车辆的经度方向速度和纬度方向速度作为输入数据，输入预设数据模型中进行预测，得到在第N时刻下所述车辆的经度方向位移、纬度方向位移、经度方向速度和纬度方向速度，其中，所述预设数据模型为使用多组训练数据通过长短期记忆网络训练得出的，所述多组训练数据中的每组训练数据均包括：N个相邻时刻下的所述加速度计的前进轴的输出数据、所述陀螺仪的旋转轴的输出数据、所述车辆的经度方向速度和纬度方向速度。
3.根据权利要求2所述的方法，其特征在于，所述方法还包括：
获取多个样本定位数据，所述多个样本定位数据包括在多个相邻时刻下由所述定位系统采集的定位数据，以及在所述多个相邻时刻下由所述加速度计采集的前进轴的输出数据和由所述陀螺仪采集的旋转轴的输出数据；
根据所述多个样本定位数据对应生成多组样本数据，其中，所述多组样本数据中的每组样本数据均包括：对应时刻下的所述加速度计的前进轴的输出数据、所述陀螺仪的旋转轴的输出数据、所述车辆的实际经度方向速度和实际纬度方向速度，相邻的N组样本数据构成一组训练数据；
确定滑动窗口大小，所述滑动窗口内包含所述多组样本数据中相邻的N组样本数据，所述N组样本数据包括tm时刻至tm+N-1时刻对应的样本数据；
将所述N组样本数据作为输入数据，输入到长短期记忆网络进行处理，再经过至少两个全连接层，得到tm+N时刻下所述车辆的预测经度方向位移、预测纬度方向位移、预测经度方向速度和预测纬度方向速度；
将所述滑动窗口以预设步长在所述多组样本数据中滑动，分别得到位于每相邻的N组样本数据之后的下一时刻下所述车辆的预测经度方向位移、预测纬度方向位移、预测经度方向速度和预测纬度方向速度；
根据各时刻下所述定位数据包括的定位位置，确定所述各时刻下所述车辆的实际经度方向位移和实际纬度方向位移；
根据所述各时刻下所述车辆的预测经度方向位移、预测纬度方向位移、预测经度方向速度和预测纬度方向速度，以及所述各时刻下所述车辆的实际经度方向位移、实际纬度方向位移、实际经度方向速度和实际纬度方向速度，采用均方误差MSE算法计算得到样本误差；
根据所述样本误差进行模型优化，得到所述预设数据模型。
4.根据权利要求1所述的方法，其特征在于，所述根据所述前N个相邻时刻下所述车辆的前进方向速度，确定在所述前N个相邻时刻下所述车辆的经度方向速度和纬度方向速度，包括：
将所述前N个相邻时刻的前进方向速度分别映射到经度方向，得到所述前N个相邻时刻下所述车辆的经度方向速度；
将所述前N个相邻时刻的前进方向速度分别映射到纬度方向，得到所述前N个相邻时刻下所述车辆的纬度方向速度。
5.根据权利要求1-4任一所述的方法，其特征在于，所述根据所述前N个相邻时刻下所述车辆的定位位置和所述第N时刻下所述车辆的定位位置，得到所述车辆由所述第0时刻移动至所述第N时刻的移动轨迹之后，所述方法还包括：
获取在所述第N时刻下所述加速度计的前进轴的输出数据以及所述陀螺仪的旋转轴的输出数据；
根据第1时刻至所述第N时刻下所述加速度计的前进轴的输出数据、所述陀螺仪的旋转轴的输出数据，以及所述第1时刻至所述第N时刻下所述车辆的经度方向速度和纬度方向速度，确定在第N+1时刻下所述车辆的经度方向位移、纬度方向位移、经度方向速度和纬度方向速度；
根据所述第N时刻下所述车辆的定位位置、以及所述第N+1时刻下所述车辆的经度方向位移和纬度方向位移，获得所述第N+1时刻下所述车辆的定位位置；
根据所述第N时刻下所述车辆的定位位置和所述第N+1时刻下所述车辆的定位位置，得到所述车辆由所述第N时刻移动至所述第N+1时刻的移动轨迹。
6.一种确定车辆移动轨迹的装置，其特征在于，包括：
定位获取单元，用于利用定位系统获取所述车辆在行驶过程中前N个相邻时刻的定位数据，所述定位数据包括所述车辆的定位位置和前进方向速度，其中，所述前进方向速度为所述车辆的前进方向上的速度，所述前N个相邻时刻包括第0时刻至第N-1时刻，所述N为大于或等于2的正整数；
速度确定单元，用于根据所述前N个相邻时刻下所述车辆的前进方向速度，确定在所述前N个相邻时刻下所述车辆的经度方向速度和纬度方向速度；
数据获取单元，用于获取在所述前N个相邻时刻下加速度计的前进轴的输出数据以及陀螺仪的旋转轴的输出数据；
数据确定单元，用于根据所述前N个相邻时刻下所述加速度计的前进轴的输出数据、所述陀螺仪的旋转轴的输出数据，以及所述前N个相邻时刻下所述车辆的经度方向速度和纬度方向速度，确定在第N时刻下所述车辆的经度方向位移、纬度方向位移、经度方向速度和纬度方向速度；
位置确定单元，用于根据所述第N-1时刻下所述车辆的定位位置、以及所述第N时刻下所述车辆的经度方向位移和纬度方向位移，获得所述第N时刻下所述车辆的定位位置；
轨迹确定单元，用于根据所述前N个相邻时刻下所述车辆的定位位置和所述第N时刻下所述车辆的定位位置，得到所述车辆由所述第0时刻移动至所述第N时刻的移动轨迹。
7.根据权利要求6所述的装置，其特征在于，所述数据确定单元具体用于将所述前N个相邻时刻下所述加速度计的前进轴的输出数据、所述陀螺仪的旋转轴的输出数据，以及所述前N个相邻时刻下所述车辆的经度方向速度和纬度方向速度作为输入数据，输入预设数据模型中进行预测，得到在第N时刻下所述车辆的经度方向位移、纬度方向位移、经度方向速度和纬度方向速度，其中，所述预设数据模型为使用多组训练数据通过长短期记忆网络训练得出的，所述多组训练数据中的每组训练数据均包括：N个相邻时刻下的所述加速度计的前进轴的输出数据、所述陀螺仪的旋转轴的输出数据、所述车辆的经度方向速度和纬度方向速度。
8.根据权利要求6所述的装置，其特征在于，所述速度确定单元具体用于将所述前N个相邻时刻的前进方向速度分别映射到经度方向，得到所述前N个相邻时刻下所述车辆的经度方向速度；将所述前N个相邻时刻的前进方向速度分别映射到纬度方向，得到所述前N个相邻时刻下所述车辆的纬度方向速度。
9.根据权利要求6-8任一所述的装置，其特征在于，
所述数据获取单元，还用于在所述轨迹确定单元根据所述前N个相邻时刻下所述车辆的定位位置和所述第N时刻下所述车辆的定位位置，得到所述车辆由所述第0时刻移动至所述第N时刻的移动轨迹之后，获取在所述第N时刻下所述加速度计的前进轴的输出数据以及所述陀螺仪的旋转轴的输出数据；
所述数据确定单元，还用于根据第1时刻至所述第N时刻下所述加速度计的前进轴的输出数据、所述陀螺仪的旋转轴的输出数据，以及所述第1时刻至所述第N时刻下所述车辆的经度方向速度和纬度方向速度，确定在第N+1时刻下所述车辆的经度方向位移、纬度方向位移、经度方向速度和纬度方向速度；
所述位置确定单元，还用于根据所述第N时刻下所述车辆的定位位置、以及所述第N+1时刻下所述车辆的经度方向位移和纬度方向位移，获得所述第N+1时刻下所述车辆的定位位置；
所述轨迹确定单元，还用于根据所述第N时刻下所述车辆的定位位置和所述第N+1时刻下所述车辆的定位位置，得到所述车辆由所述第N时刻移动至所述第N+1时刻的移动轨迹。
10.一种电子设备，其特征在于，包括：
处理器；以及
存储器，其上存储有可执行代码，当所述可执行代码被所述处理器执行时，使所述处理器执行如权利要求1-5中任一项所述的方法。
CN202011419926.6A 2020-12-08 2020-12-08 一种确定车辆移动轨迹的方法及相关装置 Active CN112197772B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011419926.6A CN112197772B (zh) 2020-12-08 2020-12-08 一种确定车辆移动轨迹的方法及相关装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011419926.6A CN112197772B (zh) 2020-12-08 2020-12-08 一种确定车辆移动轨迹的方法及相关装置

Publications (2)

Publication Number Publication Date
CN112197772A true CN112197772A (zh) 2021-01-08
CN112197772B CN112197772B (zh) 2021-07-02

Family

ID=74033881

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011419926.6A Active CN112197772B (zh) 2020-12-08 2020-12-08 一种确定车辆移动轨迹的方法及相关装置

Country Status (1)

Country Link
CN (1) CN112197772B (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112762932A (zh) * 2021-04-07 2021-05-07 智道网联科技(北京)有限公司 基于神经网络模型的轨迹推算方法及装置
CN112985462A (zh) * 2021-04-21 2021-06-18 智道网联科技(北京)有限公司 基于卷积神经网络模型的惯性测量数据校正方法及装置
CN113175936A (zh) * 2021-06-28 2021-07-27 智道网联科技(北京)有限公司 基于神经网络模型的车辆轨迹推算方法及装置
CN114745698A (zh) * 2022-06-08 2022-07-12 深圳市永达电子信息股份有限公司 一种移动通信车自动对准方法、系统及移动通信车

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20130005114A (ko) * 2011-07-05 2013-01-15 현대자동차주식회사 차량용 크루즈 컨트롤시스템의 제어방법 및 이를 포함하는 차량용 전자통제시스템
CN105890592A (zh) * 2016-03-30 2016-08-24 湖南大学 基于 Online-WSVR 算法的车辆位置信息预测方法
CN110118560A (zh) * 2019-05-28 2019-08-13 东北大学 一种基于lstm和多传感器融合的室内定位方法
CN110213716A (zh) * 2019-05-20 2019-09-06 北京邮电大学 一种基于雾无线接入网络的车联组网方法
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
CN111609846A (zh) * 2020-04-08 2020-09-01 延锋伟世通电子科技（上海）有限公司 车辆行驶轨迹预测方法、系统、介质及车载终端

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20130005114A (ko) * 2011-07-05 2013-01-15 현대자동차주식회사 차량용 크루즈 컨트롤시스템의 제어방법 및 이를 포함하는 차량용 전자통제시스템
CN105890592A (zh) * 2016-03-30 2016-08-24 湖南大学 基于 Online-WSVR 算法的车辆位置信息预测方法
CN110213716A (zh) * 2019-05-20 2019-09-06 北京邮电大学 一种基于雾无线接入网络的车联组网方法
CN110118560A (zh) * 2019-05-28 2019-08-13 东北大学 一种基于lstm和多传感器融合的室内定位方法
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
CN111609846A (zh) * 2020-04-08 2020-09-01 延锋伟世通电子科技（上海）有限公司 车辆行驶轨迹预测方法、系统、介质及车载终端

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112762932A (zh) * 2021-04-07 2021-05-07 智道网联科技(北京)有限公司 基于神经网络模型的轨迹推算方法及装置
CN112762932B (zh) * 2021-04-07 2021-07-13 智道网联科技(北京)有限公司 基于神经网络模型的轨迹推算方法及装置
CN112985462A (zh) * 2021-04-21 2021-06-18 智道网联科技(北京)有限公司 基于卷积神经网络模型的惯性测量数据校正方法及装置
CN112985462B (zh) * 2021-04-21 2021-07-23 智道网联科技(北京)有限公司 基于卷积神经网络模型的惯性测量数据校正方法及装置
CN113175936A (zh) * 2021-06-28 2021-07-27 智道网联科技(北京)有限公司 基于神经网络模型的车辆轨迹推算方法及装置
CN113175936B (zh) * 2021-06-28 2021-08-31 智道网联科技(北京)有限公司 基于神经网络模型的车辆轨迹推算方法及装置
CN114745698A (zh) * 2022-06-08 2022-07-12 深圳市永达电子信息股份有限公司 一种移动通信车自动对准方法、系统及移动通信车

Also Published As

Publication number Publication date
CN112197772B (zh) 2021-07-02

Similar Documents

Publication Publication Date Title
CN112197772B (zh) 一种确定车辆移动轨迹的方法及相关装置
CN111928869B (zh) 车辆运动轨迹估计方法、装置及电子设备
CN112985462B (zh) 基于卷积神经网络模型的惯性测量数据校正方法及装置
Chen et al. Improving inertial sensor by reducing errors using deep learning methodology
CN112762933B (zh) 基于神经网络模型的车辆定位方法及装置
CN112146683B (zh) 惯性测量单元标定参数调整方法、装置及电子设备
CN112461269B (zh) 惯性测量单元标定方法、设备及服务器
CN111982158B (zh) 一种惯性测量单元标定方法及装置
CN111552757B (zh) 生成电子地图的方法、装置、设备及存储介质
US11187719B2 (en) In-motion initialization of accelerometer for accurate vehicle positioning
CN112118537B (zh) 一种利用图片实现移动轨迹估算的方法及相关装置
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
CN112130188B (zh) 车辆定位方法、设备及云服务器
CN113252060B (zh) 基于神经网络模型的车辆轨迹推算方法及装置
CN114543800B (zh) 一种用于车辆移动轨迹估计的处理方法及相关装置
CN112762932B (zh) 基于神经网络模型的轨迹推算方法及装置
CN112985463B (zh) 基于卷积神经网络模型的惯性测量单元标定方法及装置
CN113917512B (zh) 自动驾驶车辆的定位方法、装置、电子设备及存储介质
CN113175936B (zh) 基于神经网络模型的车辆轨迹推算方法及装置
CN111580139A (zh) 卫星导航数据的有效性判断方法及装置、电子设备
CN113280813B (zh) 基于神经网络模型的惯性测量数据补偿方法及装置
CN112348903B (zh) 行车记录仪外参数标定方法、装置及电子设备
CN112284421B (zh) 一种imu内参调整方法及相关装置
CN113985466A (zh) 一种基于模式识别的组合导航方法及系统
CN113566849A (zh) 惯性测量单元的安装角度标定方法、装置和计算机设备

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
GR01 Patent grant
GR01 Patent grant