CN112577526B - 一种多传感器融合定位的置信度计算方法及系统 - Google Patents

Abstract

本发明提供一种多传感器融合定位的置信度计算方法及系统，方法包括：根据车端上各传感器采集的数据，判断各传感器的运行状态；利用融合定位算法对各传感器采集的数据融合处理后得到最终定位结果；判断最终定位结果的有效性；根据各传感器的运行状态和最终定位结果的有效性，计算融合定位置信度。本发明从各个传感器自身的完好性计算功能入手，结合计算过程中融合定位的误差稳定性，能够更加全面直观的体现出各因素对定位结果的影响，保证输出置信度的计算过程客观合理。

Description

一种多传感器融合定位的置信度计算方法及系统

技术领域

本发明涉及车载定位领域，更具体地，涉及一种多传感器融合定位的置信度计算方法及系统。

背景技术

自动驾驶系统中，不仅需要高准确度的感知信息，高精度地图参照及准确的路径规划，高精度的定位也不可或缺。

但因为实际运行的车辆并非按照固定路线或限定场景运行，势必会经过不同的路况环境，下穿隧道，高架遮挡，城市峡谷，大频率信号干扰等均会对车载定位精度造成较大的影响。

基于当前的定位技术及硬件成本限制，无法在全场景下保持高精度的车道级定位，因此决策部分需要根据定位结果的置信度来判定是否退出自动驾驶状态或采取其它措施来保证车辆及人员安全。

发明内容

本发明提供一种克服上述问题或者至少部分地解决上述问题的一种多传感器融合定位的置信度计算方法及系统。

根据本发明的第一方面，提供了一种多传感器融合定位的置信度计算方法，包括：根据车端上各传感器采集的数据，判断各传感器的运行状态，所述运行状态包括有效状态和无效状态；利用融合定位算法对各传感器采集的数据融合处理后得到最终定位结果；判断最终定位结果的有效性；根据各传感器的运行状态和最终定位结果的有效性，计算融合定位置信度。

在上述技术方案的基础上，本发明还可以作出如下改进。

可选的，所述各传感器包括轮速传感器、惯性导航单元IMU、全球导航卫星系统GNSS和ADAS相机；所述判断各传感器的运行状态包括：分别判断所述轮速传感器、IMU、GNSS和ADAS相机的运行状态。。

可选的，通过如下方式判断轮速传感器在当前时刻的运行状态：根据车辆四轮的轮速信息，判断每一个车轮是否处于失速打滑状态，若是，则轮速传感器在当前时刻的运行状态为无效状态，舍弃当前时刻车辆四轮的轮速信息；若每一个车轮均不处于失速打滑状态，则计算四轮的轮速信息的平均值作为当前车辆综合轮速信息；通过判断当前车辆综合轮速信息与整车的综合速度之间的误差，确定轮速传感器在当前时刻的有效性。

可选的，通过如下方式判断IMU的运行状态：根据设定的工作频率和当前时刻与前一时刻相邻两帧IMU数据的时间间隔，判断当前时刻的IMU数据是否存在跳点，若存在明显跳点，则丢弃当前时刻的IMU数据，或者根据前序IMU数据确定当前时刻的IMU数据；判断当前时刻的IMU数据的观测值是否超出IMU的最大测量值，若超出，则IMU在当前时刻为无效状态，否则，为有效状态；判断当前时刻与前一时刻相邻两帧IMU数据的变化量是否超出正常车辆行驶变化阈值，若超出，则IMU在当前时刻为无效状态，否则，为有效状态。

可选的，通过如下方式判断GNSS的运行状态：根据当前车辆综合轮速信息和航向推算GNSS间隔周期内的位移增量及方向增量；计算通过GNSS采集的当前时刻和前一时刻两帧之间的位移增量和方向增量；将GNSS采集的当前时刻和前一时刻两帧之间的位移增量和方向增量与推算的GNSS间隔周期内的位移增量和方向增量进行对比，确定当前时刻的GNSS观测值的有效性。

可选的，通过如下方式判断ADAS相机的运行状态：根据从相机拍摄的图像中识别出的相邻车道线的间距与真实间距之间的误差判断ADAS相机的运行状态；或者，根据相机拍摄的图像中识别的边线的正确性判断ADAS相机的运行状态；或者，根据从相机拍摄的图像中识别的车道线与已有的高精度地图中的车道线是否匹配判断ADAS相机的运行状态。

可选的，所述利用融合定位算法对各传感器采集的数据融合处理后得到最终定位结果包括：将当前时刻处于有效运行状态的各个传感器采集的数据输入扩展卡尔曼滤波算法，通过扩展卡尔曼滤波算法融合定位得到最终定位结果。

可选的，保存当前时刻之前的多帧最终定位结果的位置数据，分别计算相邻两帧位置数据之间的增量信息以及增量变化量信息；判断每一个增量信息以及每一个增量变化量信息是否均在阈值范围内，若是，则当前时刻的定位结果为有效；否则，当前时刻的定位结果无效。

可选的，所述根据各传感器的运行状态和最终定位结果的有效性，计算融合定位置信度包括：在当前时刻，对于每一个传感器和最终定位结果组成的多个因素若任一个因素为有效，则将所述任一个因素置1，若为无效，则置0；根据每一个因素对最终定位结果的影响，确定每一个因素的权重；根据每一个因素的有效状态和对应的权重加权求和，得到当前时刻的融合定位置信度。

根据本发明的第二方面，提供一种多传感器融合定位的置信度计算系统，包括：判断模块，用于根据车端上各传感器采集的数据，判断各传感器的运行状态，所述运行状态包括有效状态和无效状态；还用于判断最终定位结果的有效性；融合处理模块，用于利用融合定位算法对各传感器采集的数据融合处理后得到最终定位结果；计算模块，用于根据各传感器的运行状态和最终定位结果的有效性，计算融合定位置信度。

根据本发明的第三方面，提供了一种电子设备，包括存储器、处理器，所述处理器用于执行存储器中存储的计算机管理类程序时实现多传感器融合定位的置信度计算方法的步骤。

根据本发明的第四方面，提供了一种计算机可读存储介质，其上存储有计算机管理类程序，所述计算机管理类程序被处理器执行时实现多传感器融合定位的置信度计算方法的步骤。

本发明提供的一种多传感器融合定位的置信度计算方法及系统，从各个传感器自身的完好性计算功能入手，结合计算过程中融合定位的误差稳定性，能够更加全面直观的体现出各因素对定位结果的影响，保证输出置信度的计算过程客观合理。

附图说明

图1为本发明提供的一种多传感器融合定位的置信度计算方法流程图；

图2为本发明提供的轮速信息有效性判定的流程图；

图3为本发明提供的IMU有效性判定的流程图；

图4为本发明提供的GNSS有效性判定的流程图；

图5为本发明提供的一种多传感器融合定位的置信度计算系统结构示意图；

图6为为本发明实施例提供的一种可能的电子设备的硬件结构示意图；

图7为本发明实施例提供的一种可能的计算机可读存储介质的硬件结构示意图。

具体实施方式

下面结合附图和实施例，对本发明的具体实施方式作进一步详细描述。以下实施例用于说明本发明，但不用来限制本发明的范围。

图1为本发明提供的一种多传感器融合定位的置信度计算方法流程图，如图1所示，方法包括：101、根据车端上各传感器采集的数据，判断各传感器的运行状态，运行状态包括有效状态和无效状态；102、利用融合定位算法对各传感器采集的数据融合处理后得到最终定位结果；103、判断最终定位结果的有效性；根据各传感器的运行状态和最终定位结果的有效性，计算融合定位置信度。

可以理解的是，基于背景技术中的需求，本发明提供了一种车端融合定位置信度的计算方法，可根据车端各传感器的运行状态以及融合过程中最终定位结果的稳定性实时计算融合定位后的定位置信度。其中，当各传感器运行状态良好时，输出较高的定位置信度值，若传感器运行状态异常，则定位置信度值随传感器状态和失效时间而降低。

对于车端上的各传感器，根据各传感器采集的数据，利用传感器自检或相互校验判断其完好性，然后根据各传感器的完好性状态及融合定位状态计算融合定位结果的置信度。

本发明从各个传感器自身的完好性计算功能入手，结合计算过程中融合定位的误差稳定性，能够更加全面直观的体现出各因素对定位结果的影响，保证输出置信度的计算过程客观合理。

在一种可能的实施例方式中，各传感器包括轮速传感器、IMU(惯性测量单元)、GNSS(Global Navigation Satellite System，全球卫星导航系统)和ADAS(高级驾驶辅助系统)相机；判断各传感器的运行状态包括：分别判断所述轮速传感器、IMU、GNSS和ADAS相机的运行状态，其中，运行状态包括有效状态和无效状态。

在一种可能的实施例方式中，通过如下方式判断轮速传感器在当前时刻的运行状态：根据车辆四轮的轮速信息，判断每一个车轮是否处于失速打滑状态，若是，则轮速传感器在当前时刻的运行状态为无效，舍弃车辆四轮的轮速信息；若每一个车轮均不处于失速打滑状态，则计算四轮的轮速信息的平均值作为当前车辆综合轮速信息；通过判断当前车辆综合轮速信息与整车的综合速度之间的误差，确定轮速传感器在当前时刻的有效性。

其中，参见图2，判断车辆轮速信息的有效性过程为，根据车辆的四个车轮的轮速信息，求取平均轮速值，将每一个车轮的轮速信息与平均轮速值对比，如果某一个车轮的轮速信息与平均轮速值之间的误差大于误差阈值，则该车轮处于失速打滑状态。只要四个车轮中有一个轮子处于失速打滑状态，则轮速传感器在当前时刻的运行状态为无效，将当前时刻的车辆的四个轮速信息均舍弃。

如果车辆的四个车轮均不处于失速打滑状态，则将四个车轮的轮速信息的平均值作为当前车辆综合轮速信息。计算当前车辆综合轮速信息与整车的综合速度之间的误差，如果误差小于误差阈值，则轮速传感器在当前时刻为有效，否则，无效。

在一种可能的实施例方式中，判断IMU的运行状态的具体方法可参见图3，根据设定的工作频率和当前时刻与前一时刻相邻两帧IMU数据的时间间隔，判断IMU数据是否存在跳点，若存在明显跳点，则丢弃当前时刻的IMU数据，认为IMU在当前时刻的运行状态无效。根据前序IMU数据确定当前时刻的IMU数据，具体为，可以根据当前时刻IMU数据的前面多个时刻的IMU数据，根据相邻两个时刻的IMU之间的增量具有稳定性的原理，对当前时刻的IMU数据进行预测。

另外，判断当前时刻的IMU数据的观测值是否超出IMU的最大测量值，若超出，则进行异常处理机制，可以理解为当前时刻IMU无效；判断当前时刻与前一时刻相邻两帧IMU数据的变化量是否超出正常车辆行驶变化阈值，若超出，则进入异常处理机制，可以理解为当前时刻IMU无效。

在一种可能的实施例方式中，判断GNSS的运行状态的具体方法可参见图4，根据当前车辆综合轮速信息和航向推算GNSS间隔周期内的位移增量及方向增量；计算通过GNSS采集的当前时刻和前一时刻两帧之间的位移增量和方向增量；将GNSS采集的当前时刻和前一时刻两帧之间的位移增量和方向增量与推算的GNSS间隔周期内的位移增量和方向增量进行对比，确定当前时刻的GNSS观测值的有效性。

在一种可能的实施例方式中，通过如下方式判断ADAS相机的运行状态：根据从相机拍摄的图像中识别出的相邻车道线的间距与真实间距之间的误差判断ADAS相机的运行状态；或者，根据相机拍摄的图像中识别的边线的正确性判断ADAS相机的运行状态；或者，根据从相机拍摄的图像中识别的车道线与已有的高精度地图中的车道线是否匹配判断ADAS相机的运行状态。

可以理解的是，通过ADAS相机对车道进行拍摄，从拍摄的图像中识别出相邻两条车道线之间间距，计算该间距与真实间距之间的误差，如果误差过大，则ADAS相机无效。另外，比如，车道中存在实线的车道线和虚线的车道线，若根据图像识别出的车道线为实线，但是实际为虚线，或者根据图像是被出的车道线为虚线，但是实际上为实线，则此时ADFAS相机也为无效。

另外，根据ADAS相机拍摄的图像中识别的车道线的相关信息，比如，车道线的位置，车道线的类型等，将识别出的车道线的相关信息与已有的高精度地图中的车道线的相关信息进行匹配，如果能够匹配，则ADAS相机为有效运行状态；如果不能匹配，则ADAS相机为无效运行状态。

在一种可能的实施例方式中，利用融合定位算法对各传感器采集的数据融合处理后得到最终定位结果包括：将当前时刻处于有效运行状态的各个传感器采集的数据输入扩展卡尔曼滤波算法，通过扩展卡尔曼滤波算法融合定位得到最终定位结果。

可以理解的是，判断出了当前时刻每一个传感器的运行状态后，将处于有效运行状态的传感器采集的数据输入融合定位算法中，由融合定位算法对各个传感器采集的数据进行融合处理，得到融合处理后的最终定位结果。其中，本发明的融合定位算法采用卡尔曼滤波算法，可动态增减外部的观测数据输入数目，也就是向卡尔曼滤波算法输入各个传感器采集的数据，根据融合定位算法求出最终的定位结果。

在一种可能的实施例方式中，判断最终定位结果的有效性包括：保存当前时刻之前的多帧最终定位结果的位置数据，分别计算相邻两帧位置数据之间的增量信息以及增量变化量信息；判断每一个增量信息以及每一个增量变化量信息是否均在阈值范围内，若是，则当前时刻的定位结果为有效；否则，当前时刻的定位结果无效。

可以理解的是，根据上述各个传感器当前时刻采集的数据，通过融合定位算法计算出最终定位结果，最终定位结果为车辆在每一个时刻的位置数据，对于当前时刻的定位结果，保存当前时刻的前5个时刻的位置数据，计算每相邻两个时刻的位置数据的增量，计算得到4个增量；并计算相邻两个增量之间的增量变化量，得到3个增量变化量。判断每一个增量和每一个增量变化量是否均为阈值范围内，如果在，则当前时刻的定位结果有效；否则，当前时刻的定位结果无效。

在一种可能的实施例方式中，根据各传感器的运行状态和最终定位结果的有效性，计算融合定位置信度包括：在当前时刻，对于每一个传感器和最终定位结果组成的多个因素；若任一个因素为有效，则将所述任一个因素置1，若为无效，则置0；根据每一个因素对最终定位结果的影响，确定每一个传感器的权重；根据每一个因素的有效状态和对应的权重加权求和，得到当前时刻的融合定位置信度。

可以理解的是，由于每一个不同的时刻，各个传感器的运行状态不同，融合处理后的最终定位结果也不同，因此，不同时刻的定位置信度也不同，每一个时刻的定位置信度与当前时刻的各个传感器的运行状态以及对应的最终定位结果的有效性有关。在本发明汇总，将轮速传感器、IMU、GNSS和ADAS相机以及最终定位结果作为影响最终定位结果的多个因素。

对于每一个因素，前述已经分析了各个因素的有效性，对于任一个因素，如果有效，则将该因素值1，若无效，则置0。对于不同类型的传感器，基于其对最终定位结果的影响程度，为每一个因素设置不同的权重，最后基于每一个因素的有效性和对应的权重加权求和，得到当前时刻的定位置信度。

其中，每一个因素的权重，可根据不断的测试调整到最佳，比如，对于融合定位算法，可只改变其中的一个传感器对应的权重，其它数据的权重不变，对最终定位结果的影响。通过不断的调整，可将每一个因素对应的权重调整到最佳。

参见图5，提供了本发明的一种多传感器融合定位的置信度计算系统，包括判断模块501、融合处理模块502和计算模块503，其中：

判断模块501，用于根据车端上各传感器采集的数据，判断各传感器的运行状态，所述运行状态包括有效状态和无效状态；还用于判断最终定位结果的有效性；

融合处理模块502，用于利用融合定位算法对各传感器采集的数据融合处理后得到最终定位结果；

计算模块503，用于根据各传感器的运行状态和最终定位结果的有效性，计算融合定位置信度。

本发明提供的多传感器融合定位的置信度计算系统与前述各实施例提供的多传感器融合定位的置信度计算相对应，多传感器融合定位的置信度计算系统的相关技术特征可参考多传感器融合定位的置信度计算方法的相关技术特征，在此不再赘述。

请参阅图6，图6为本发明提供的电子设备的实施例示意图。如图6所示，本申请实施例提了一种电子设备，包括存储器610、处理器620及存储在存储器620上并可在处理器620上运行的计算机程序611，处理器620执行计算机程序611时实现以下步骤：根据车端上各传感器采集的数据，判断各传感器的运行状态，所述运行状态包括有效状态和无效状态；利用融合定位算法对各传感器采集的数据融合处理后得到最终定位结果；判断最终定位结果的有效性；根据各传感器的运行状态和最终定位结果的有效性，计算融合定位置信度。

请参阅图7，图7为本申请实施例提供的一种计算机可读存储介质的实施例示意图。如图7所示，本实施例提供了一种计算机可读存储介质700，其上存储有计算机程序711，该计算机程序711被处理器执行时实现如下步骤：根据车端上各传感器采集的数据，判断各传感器的运行状态，所述运行状态包括有效状态和无效状态；利用融合定位算法对各传感器采集的数据融合处理后得到最终定位结果；判断最终定位结果的有效性；根据各传感器的运行状态和最终定位结果的有效性，计算融合定位置信度。

本发明提供的一种多传感器融合定位的置信度计算方法及系统，利用各传感器运行状态及融合定位过程中滤波器状态稳定性来确定定位置信度。当各传感器运行状态良好时，输出较高的置信度值，若传感器运行状态异常，则将置信度值随传感器状态和失效时间而降低；能够更加全面直观的体现出各因素对定位结果的影响，保证输出置信度的计算过程客观合理。

需要说明的是，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，可以参见其它实施例的相关描述。

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。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、嵌入式计算机或者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进行各种改动和变型而不脱离本申请的精神和范围。这样，倘若本申请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，则本申请也意图包括这些改动和变型在内。

Claims (9)

1.一种多传感器融合定位的置信度计算方法，其特征在于，包括：

根据车端上各传感器采集的数据，判断各传感器的运行状态，所述运行状态包括有效状态和无效状态；

利用融合定位算法对处于有效状态的各传感器采集的数据融合处理后得到最终定位结果；

判断最终定位结果的有效性：

保存当前时刻之前的多帧最终定位结果的位置数据，分别计算相邻两帧位置数据之间的增量信息以及增量变化量信息；

判断每一个增量信息以及每一个增量变化量信息是否均在阈值范围内，若是，则当前时刻的定位结果为有效；否则，当前时刻的定位结果无效；

根据各传感器的运行状态和最终定位结果的有效性，计算融合定位置信度。

2.根据权利要求1所述的置信度计算方法，其特征在于，所述各传感器包括轮速传感器、惯性导航单元IMU、全球导航卫星系统GNSS和ADAS相机；

所述判断各传感器的运行状态包括：

分别判断所述轮速传感器、IMU、GNSS和ADAS相机的运行状态。

3.根据权利要求2所述的置信度计算方法，其特征在于，通过如下方式判断轮速传感器在当前时刻的运行状态：

根据车辆四轮的轮速信息，判断每一个车轮是否处于失速打滑状态，若是，则轮速传感器在当前时刻的运行状态为无效状态，舍弃当前时刻车辆四轮的轮速信息；

若每一个车轮均不处于失速打滑状态，则计算四轮的轮速信息的平均值作为当前车辆综合轮速信息；通过判断当前车辆综合轮速信息与整车的综合速度之间的误差，确定轮速传感器在当前时刻的有效性。

4.根据权利要求2所述的置信度计算方法，其特征在于，通过如下方式判断IMU的运行状态：

根据设定的工作频率和当前时刻与前一时刻相邻两帧IMU数据的时间间隔，判断当前时刻的IMU数据是否存在跳点，若存在明显跳点，则丢弃当前时刻的IMU数据，或者根据前序IMU数据确定当前时刻的IMU数据；

判断当前时刻的IMU数据的观测值是否超出IMU的最大测量值，若超出，则IMU在当前时刻为无效状态，否则，为有效状态；

判断当前时刻与前一时刻相邻两帧IMU数据的变化量是否超出正常车辆行驶变化阈值，若超出，则IMU在当前时刻为无效状态，否则，为有效状态。

5.根据权利要求3所述的置信度计算方法，其特征在于，通过如下方式判断GNSS的运行状态：

根据当前车辆综合轮速信息和航向推算GNSS间隔周期内的位移增量及方向增量；

计算通过GNSS采集的当前时刻和前一时刻两帧之间的位移增量和方向增量；

将GNSS采集的当前时刻和前一时刻两帧之间的位移增量和方向增量与推算的GNSS间隔周期内的位移增量和方向增量进行对比，确定当前时刻的GNSS观测值的有效性。

6.根据权利要求2所述的置信度计算方法，其特征在于，通过如下方式判断ADAS相机的运行状态：

根据从相机拍摄的图像中识别出的相邻车道线的间距与真实间距之间的误差判断ADAS相机的运行状态；

或者，

根据相机拍摄的图像中识别的边线的正确性判断ADAS相机的运行状态；

或者，

根据从相机拍摄的图像中识别的车道线与已有的高精度地图中的车道线是否匹配判断ADAS相机的运行状态。

7.根据权利要求1-6任一项所述的置信度计算方法，其特征在于，所述利用融合定位算法对各传感器采集的数据融合处理后得到最终定位结果包括：

将当前时刻处于有效运行状态的各个传感器采集的数据输入扩展卡尔曼滤波算法，通过扩展卡尔曼滤波算法融合定位得到最终定位结果。

8.根据权利要求1所述的置信度计算方法，其特征在于，所述根据各传感器的运行状态和最终定位结果的有效性，计算融合定位置信度包括：

在当前时刻，对于每一个传感器和最终定位结果组成的多个因素，

若任一个因素为有效，则将所述任一个因素置1，若为无效，则置0；

根据每一个因素对最终定位结果的影响，确定每一个因素的权重；

根据每一个因素的有效状态和对应的权重加权求和，得到当前时刻的融合定位置信度。

9.一种多传感器融合定位的置信度计算系统，其特征在于，包括：

判断模块，用于根据车端上各传感器采集的数据，判断各传感器的运行状态，所述运行状态包括有效状态和无效状态；还用于判断最终定位结果的有效性：保存当前时刻之前的多帧最终定位结果的位置数据，分别计算相邻两帧位置数据之间的增量信息以及增量变化量信息；判断每一个增量信息以及每一个增量变化量信息是否均在阈值范围内，若是，则当前时刻的定位结果为有效；否则，当前时刻的定位结果无效；

融合处理模块，用于利用融合定位算法对处于有效状态的各传感器采集的数据融合处理后得到最终定位结果；

计算模块，用于根据各传感器的运行状态和最终定位结果的有效性，计算融合定位置信度。