CN112985386A

CN112985386A - 一种自动驾驶多源融合定位方法、装置、设备及存储介质

Info

Publication number: CN112985386A
Application number: CN202110103620.8A
Authority: CN
Inventors: 赵亮
Original assignee: Zhejiang Geely Holding Group Co Ltd; Zhejiang Shikong Daoyu Technology Co Ltd
Current assignee: Zhejiang Geely Holding Group Co Ltd; Zhejiang Shikong Daoyu Technology Co Ltd
Priority date: 2021-01-26
Filing date: 2021-01-26
Publication date: 2021-06-18
Anticipated expiration: 2041-01-26
Also published as: CN112985386B

Abstract

本申请公开一种自动驾驶多源融合定位方法、装置、设备及存储介质，本申请通过接收卫星广播的卫星状态域改正数；获取车身传感器实时采集的第一微机电惯导数据、第一精密单点定位数据、第一视觉定位数据和第一激光雷达定位数据；利用所述卫星状态域改正数对所述第一精密单点定位数据进行校正，得到第二精密单点定位数据；基于所述第一微机电惯导数据对所述第二精密单点定位数据、所述第一视觉定位数据和所述第一激光雷达定位数据进行惯导融合处理，得到多源融合定位数据，可以实现车辆在利用多源传感器得到精确多源融合定位数据的同时，保证实时定位数据的安全性。

Description

一种自动驾驶多源融合定位方法、装置、设备及存储介质

技术领域

本发明涉及车辆定位领域，尤其涉及一种自动驾驶多源融合定位方法、装置、设备及存储介质。

背景技术

车辆实现自动驾驶主要包括定位感知、规划决策、控制执行等方面的技术，定位和感知是实现自动驾驶的前提。自动驾驶车辆的应用场景复杂多样，交通路况包括高速公路、国省干道、城市快速路、城市道路、乡村道路等，覆盖了开阔天空环境、城市峡谷环境、高架下等多种环境，保证获取持续、稳定、可靠的定位感知结果是自动驾驶车辆能够运行的必要条件。自动驾驶汽车对卫星导航定位需求根据不同场景略有不同，根据国际海事无线电技术委员会134特别委员会(RTCM SC134)公开的RTCM Paper 2020-SC134-005报告的《Localization Requirements for Autonomous Vehicles》表明，在高速公路上，自动驾驶汽车定位绝对定位精度(卫星导航定位)横向误差应小于20cm(95％置信度)，在城市道路时，该横向误差应小于10cm(95％置信度)，并且定位完好性需满足ISO26262 ASILD的标准要求，因此，车辆的定位需要满足高精度的标准。

目前，基于卫星导航、激光雷达、毫米波雷达、视觉摄像头等传感器采集定位信息，已经是自动驾驶汽车发展的主要技术路径。但是，不同的传感器定位方式各自存在一些场景盲区，例如，GNSS卫星导航定位传感器定位无法在有遮挡的情况下保证定位可靠，如隧道内、高架下GNSS定位不精确；激光雷达定位无法在大雨、大雾等情况下使用；毫米波雷达定位无法识别障碍物是人还是汽车；视觉定位无法在大雨、大雾等可视条件差的情况下使用。除此之外，激光雷达、毫米波雷达、视觉等方式还存在距离的限制，距离越远，定位可靠性越差，且可测量距离有极限，通常不超过几百米。因此，现有技术中基于多传感器得到的定位结果存在精度低、可靠性低的问题。

发明内容

为了解决上述技术问题，本发明提供一种自动驾驶多源融合定位方法、装置、设备及存储介质，可以实现车辆在利用多源传感器得到多源融合定位数据的同时，保证实时定位数据的安全性。

为了达到上述申请的目的，本申请提供了一种自动驾驶多源融合定位方法，该方法包括：

接收卫星广播的卫星状态域改正数；

获取车身传感器实时采集的第一微机电惯导数据、第一精密单点定位数据、第一视觉定位数据和第一激光雷达定位数据；

利用所述卫星状态域改正数对所述第一精密单点定位数据进行校正，得到第二精密单点定位数据；

基于所述第一微机电惯导数据对所述第二精密单点定位数据、所述第一视觉定位数据和所述第一激光雷达定位数据进行惯导融合处理，得到多源融合定位数据。

另一方面，本申请还提供一种自动驾驶多源融合定位装置，该装置包括：

卫星数据接收模块，用于接收卫星广播的卫星状态域改正数；

第一数据获取模块，用于获取车身传感器实时采集的第一微机电惯导数据、第一精密单点定位数据、第一视觉定位数据和第一激光雷达定位数据；

精密单点定位数据校正模块，用于利用所述卫星状态域改正数对所述第一精密单点定位数据进行校正，得到第二精密单点定位数据；

惯导融合模块，用于基于所述第一微机电惯导数据对所述第二精密单点定位数据、所述第一视觉定位数据和所述第一激光雷达定位数据进行惯导融合处理，得到多源融合定位数据。

另一方面，本申请还提供一种自动驾驶多源融合定位设备所述设备包括处理器和存储器，所述存储器中存储有至少一条指令或至少一段程序，所述至少一条指令或所述至少一段程序由所述处理器加载并执行以实现上述的自动驾驶多源融合定位方法。

另一方面，本申请还提供一种计算机可读存储介质，所述存储介质中存储有至少一条指令或至少一段程序，所述至少一条指令或至少一段程序由处理器加载并执行以实现上述的自动驾驶多源融合定位方法。

实施本申请，具有如下有益效果：

本申请通过接收卫星广播的卫星状态域改正数；获取车身传感器实时采集的第一微机电惯导数据、第一精密单点定位数据、第一视觉定位数据和第一激光雷达定位数据；利用所述卫星状态域改正数对所述第一精密单点定位数据进行校正，得到第二精密单点定位数据；基于所述第一微机电惯导数据对所述第二精密单点定位数据、所述第一视觉定位数据和所述第一激光雷达定位数据进行惯导融合处理，得到多源融合定位数据，可以实现车辆在利用多源传感器得到精确多源融合定位数据的同时，保证实时定位数据的安全性。

附图说明

为了更清楚地说明本申请的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它附图。

图1为本申请实施例提供的一种自动驾驶多源融合定位方法的流程示意图；

图2为本申请实施例提供的一种惯导融合处理的流程示意图；

图3为本申请实施例提供的一种自动驾驶多源融合定位方法的流程示意图；

图4为本申请实施例提供的一种自动驾驶多源融合定位方法的流程示意图；

图5为本申请实施例提供的一种自动驾驶多源融合定位方法的流程示意图；

图6为本申请实施例提供的一种自动驾驶多源融合定位方法的流程示意图；

图7为本申请实施例提供的一种对多源融合定位数据进行安全分析的流程示意图；

图8为本申请实施例提供的一种安全分析模型的参数示意图；

图9为本申请实施例提供的一种自动驾驶多源融合定位装置的结构示意图。

具体实施方式

为了使本技术领域的人员更好地理解本申请中的技术方案，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，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都应当属于本申请保护的范围。

需要说明的是，本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或服务器不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。

为了实现本申请的技术方案，让更多的工程技术工作者容易了解和应用本申请，将结合具体的实施例，进一步阐述本申请的工作原理。

以下介绍本申请一种自动驾驶多源融合定位方法的实施例，图1是本申请实施例提供的一种自动驾驶多源融合定位方法的流程示意图，本说明书提供了如实施例或流程图所述的方法操作步骤，但基于常规或者无创造性的劳动可以包括更多或者更少的操作步骤。实施例中列举的步骤顺序仅仅为众多步骤执行顺序中的一种方式，不代表唯一的执行顺序。实施例中列举的步骤仅为一次多源融合定位数据的解算步骤，在实际操作中，这些步骤是重复进行的。具体的，如图1所示，该方法可以包括：

S101：接收卫星广播的卫星状态域改正数。

具体的，卫星状态域改正数是指卫星对卫星轨道误差、卫星钟差、卫星对流层误差、卫星电离层误差、卫星码差和卫星载波相位观测值的相位偏差进行状态改正，得到的状态域改正数。不同区域对应不同卫星的状态域改正数，例如A地与B地相隔距离非常远，A地的观测卫星为A1、A2、A3和A4四颗卫星，B地的观测卫星为B1、B2、B3、B4和B5五颗卫星，那么A地的车辆收到的均为A1、A2、A3和A4四颗卫星广播的卫星状态域改正数，B地的车辆收到的均为B1、B2、B3、B4和B5五颗卫星广播的卫星状态域改正数。

S103：获取车身传感器实时采集的第一微机电惯导数据、第一精密单点定位数据、第一视觉定位数据和第一激光雷达定位数据。

具体的，车身传感器可以包括MEMS(Micro-Electro-Mechanical System，微机电)惯性导航传感器、GNSS(Global Navigation Satellite System，全球导航卫星系统)定位传感器、视觉摄像头和激光雷达传感器。相应的，第一微机电惯导数据是指微机电惯导传感器采集的数据，第一精密单点定位数据是GNSS采集的精密单点定位数据，第一视觉定位数据是指视觉摄像头采集的视觉定位数据，第一激光雷达定位数据是指激光雷达传感器采集的激光雷达定位数据。本实施例中，GNSS采集的精密单点定位数据可以是利用PPP-RTK(precise point positioning-Real time kinematic，区域参考网增强精密单点定位)获取的精密单点定位数据，例如，利用PPP-RTK获取北斗GPS卫星对车辆的定位数据。

S105：利用卫星状态域改正数对第一精密单点定位数据进行校正，得到第二精密单点定位数据。

具体的，第一精密单点定位数据由于是直接由一组观测卫星得到的车辆的精密单点定位数据，而该组观测卫星本身存在一些误差，导致得到的精密单点定位数据与实际结果存在偏差。卫星轨道误差、卫星钟差、卫星对流层误差、卫星电离层误差、卫星码差和卫星载波相位观测值的相位偏差均会导致精密单点定位数据与实际结果的偏差。本申请实施例中，车辆利用PPP-RTK获取精密单点定位数据，同时车辆接收观测卫星发送的卫星状态域改正数，利用卫星状态域改正数对第一精密单点定位数据进行校正，得到第二精密单点定位数据。由此，可以实现车辆精密单点定位，定位精度满足横向误差小于10cm(95％置信度)；另外，车辆只需要单向接收精密单点定位数据和卫星状态域改正数，无需向外输出精密单点定位数据，保证了定位数据的安全性。

S107：基于第一微机电惯导数据对第二精密单点定位数据、第一视觉定位数据和第一激光雷达定位数据进行惯导融合处理，得到多源融合定位数据。

具体的，第一微机电惯导数据是指微机电惯导传感器采集的数据，该数据可以包括车辆的位置数据、姿态数据、加速度数据和角速度数据等。微机电惯导传感器的定位更新频率高，可以达到100Hz或以上，基于车辆的位置数据、姿态数据、加速度数据和角速度数据等，可以确定车辆的实时目标车身坐标系。再将第二精密单点定位数据、第一视觉定位数据和第一激光雷达定位数据融合到目标车身坐标系下，得到多源融合定位数据。得到的多源融合定位数据可以是与第二精密单点定位数据一样的经纬高类型的定位数据，在融合过程中，第一视觉定位数据和第一激光雷达定位数据在融合到目标车身坐标系下之后，可以对目标车身坐标系下的第二精密单点定位数据进行纠偏。

在一些实施例中，如图2所示，基于第一微机电惯导数据对第二精密单点定位数据、第一视觉定位数据和第一激光雷达定位数据进行惯导融合处理，得到多源融合定位数据可以包括：

S1071：以第一微机电惯导数据的获取时间为基准，对第二精密单点定位数据、第一视觉定位数据和第一激光雷达定位数据进行时间同步处理，得到第三精密单点定位数据、第二视觉定位数据和第二激光雷达定位数据。

S1073：以第一微机电惯导数据的坐标系为基准，对第三精密单点定位数据、第二视觉定位数据和第二激光雷达定位数据进行空间转换，得到第四精密单点定位数据、第三视觉定位数据和第三激光雷达定位数据。

S1075：基于第四精密单点定位数据、第三视觉定位数据和第三激光雷达定位数据确定目标定位数据，并将目标定位数据作为多源融合定位数据。

在另外的实施例中，如图3所示，该方法可以包括：

S201：接收卫星广播的卫星状态域改正数。

S203：获取车身传感器实时采集的第一微机电惯导数据、第一精密单点定位数据、第一视觉定位数据和第一激光雷达定位数据。

S205：利用卫星状态域改正数对第一精密单点定位数据进行校正，得到第二精密单点定位数据。

S207：分别判断第二精密单点定位数据、第一视觉定位数据和第一激光雷达定位数据是否满足对应的融合条件。

具体的，可以预先设置第二精密单点定位数据对应的融合条件为，观测卫星数量不小于预设观测卫星数量，并且DOP(几何精度衰减因子)值小于预设DOP值。GNSS接收卫星测距信号，实时判断观测卫星数量及空间分布结构DOP值，当观测卫星数量不小于4颗并且DOP值小于4时，GNSS可以实现精密单点定位，得到精密单点定位数据，因此，预设观测卫星数量可以大于等于4，预设DOP值可以小于等于4。另一方面，可以预先设置第一视觉定位数据对应的融合条件为，观测到的有效视觉特征点不小于预设视觉特征点数。视觉摄像头至少需要同时观测到3个明显的有效视觉特征点，才可以实现稳定可靠的视觉定位，得到视觉定位数据。因此，预设视觉特征点数可以大于等于3。另一方面，可以预先设置第一激光雷达定位数据对应的融合条件为，采集到的点云特征点不小于预设点云特征点数。激光雷达的定位需要有至少3个有效点云特征点进行匹配，才能实现稳定可靠的激光雷达定位，得到激光雷达定位数据。因此，预设点云特征点数可以大于等于3。

S209：当均满足条件时，基于第一微机电惯导数据对第二精密单点定位数据、第一视觉定位数据和第一激光雷达定位数据进行惯导融合处理，得到多源融合定位数据。

在另外的实施例中，如图4所示，该方法可以包括：

S301：接收卫星广播的卫星状态域改正数。

S303：获取车身传感器实时采集的第一微机电惯导数据、第一精密单点定位数据、第一视觉定位数据和第一激光雷达定位数据。

S305：利用卫星状态域改正数对第一精密单点定位数据进行校正，得到第二精密单点定位数据。

S307：分别判断第二精密单点定位数据、第一视觉定位数据和第一激光雷达定位数据是否满足对应的融合条件。

具体的，可以预先设置第二精密单点定位数据对应的融合条件为，观测卫星数量不小于预设观测卫星数量，并且DOP(Dilution of Precision，几何精度衰减因子)值小于预设DOP值。GNSS接收卫星测距信号，实时判断观测卫星数量及空间分布结构DOP值，当观测卫星数量不小于4颗并且DOP值小于4时，GNSS可以实现精密单点定位，得到精密单点定位数据，因此，预设观测卫星数量可以大于等于4，预设DOP值可以小于等于4。另一方面，可以预先设置第一视觉定位数据对应的融合条件为，观测到的有效视觉特征点不小于预设视觉特征点数。视觉摄像头至少需要同时观测到3个明显的有效视觉特征点，才可以实现稳定可靠的视觉定位，得到视觉定位数据。因此，预设视觉特征点数可以大于等于3。另一方面，可以预先设置第一激光雷达定位数据对应的融合条件为，采集到的点云特征点不小于预设点云特征点数。激光雷达的定位需要有至少3个有效点云进行匹配，才能实现稳定可靠的激光雷达定位，得到激光雷达定位数据。因此，预设点云特征点数可以大于等于3。

S309：当第二精密单点定位数据、第一视觉定位数据和第一激光雷达定位数据中至少一类定位数据满足对应的融合条件时，基于第一微机电惯导数据对满足对应融合条件的定位数据进行惯导融合处理，得到多源融合定位数据。

具体的，当第二精密单点定位数据、第一视觉定位数据和第一激光雷达定位数据中至少一类定位数据满足对应的融合条件时，将不满足对应融合条件的传感器观测数据或采集数据作为验证数据，将满足对应融合条件的定位数据融合到目标车身坐标系下，得到多源融合定位数据，再利用验证数据检验多源融合定位数据的可靠性。另外，当第二精密单点定位数据、第一视觉定位数据和第一激光雷达定位数据均不满足对应的融合条件时，将三类传感器的观测数据或采集数据进行融合处理得到多源融合定位数据。

在另外的实施例中，如图5所示，该方法可以包括：

S401：接收卫星广播的卫星状态域改正数。

S403：获取车身传感器实时采集的第一微机电惯导数据、第一精密单点定位数据、第一视觉定位数据和第一激光雷达定位数据。

S405：利用卫星状态域改正数对第一精密单点定位数据进行校正，得到第二精密单点定位数据。

S407：根据预设的第一权重模型对第二精密单点定位数据进行权重分析，得到第二精密单点定位数据所对应的第一权重。

具体的，根据观测卫星数量以及DOP值可以确定第一权重，例如，当观测卫星数量为4，DOP值为3时，第一权重值大；当观测值数量为2，DOP值为5时，第一权重值小。

S409：根据预设的第二权重模型对第一视觉定位数据进行权重分析，得到第一视觉定位数据所对应的第二权重。

具体的，根据有效视觉特征点的数量可以确定第二权重，例如，当观测到4个明显的有效视觉特征点时，第二权重值大；当观测到的有效视觉特征点数量为2时，第二权重值小。

S411：根据预设的第三权重模型对第一激光雷达定位数据进行权重分析，得到第一激光雷达定位数据所对应的第三权重。

具体的，根据点云特征点的数量可以确定第三权重，例如，当点云特征点数为5时，第三权重值大；当点云特征点数位2时，第三权重值小。

S413：基于第一权重、第二权重、第三权重和第一微机电惯导数据对第二精密单点定位数据、第一视觉定位数据、第一激光雷达定位数据进行惯导融合处理，得到多源融合定位数据。

具体的，第一权重、第二权重和第三权重的值可以预先进行综合设置，例如，当观测卫星数量为4并且DOP值为4，观测到3个明显的有效视觉特征点，并且激光雷达采集的有效点云特征点数为3时，可以设置第一权重大于第二权重，同时第一权重大于第三权重，因为得到的多源融合定位数据可以是与第二精密单点定位数据一样的经纬高类型的定位数据，当第二精密单点定位数据、第一视觉定位数据和第一激光雷达定位数据是在观测条件较好、不存在遮挡的场景下观测采集到的数据时，经纬高类型的第二精密单点定位数据在融合时的权重高，定位结果将更精确。再例如，当车辆在隧道中行驶时，GNSS传感器无法进行可靠定位，此时在第一权重、第二权重和第三权重中，可以设置第一权重值很小，第二权重值和第三权重值按需分配。

在另外的实施例中，如图6所示，该方法可以包括：

S501：接收卫星广播的卫星状态域改正数。

S503：获取车身传感器实时采集的第一微机电惯导数据、第一精密单点定位数据、第一视觉定位数据和第一激光雷达定位数据。

S505：利用卫星状态域改正数对第一精密单点定位数据进行校正，得到第二精密单点定位数据。

S5061：获取车辆静止时的基准微机电惯导数据。

具体的，车辆作为一个刚体，运动方向为前后，不会产生左右移动的情况，因此，可以提前设置前后运动速度为零的信息为基准微机电惯导数据。

S5063：基于基准微机电惯导数据对第一微机电惯导数据进行坐标系校准，得到第二微机电惯导数据。

S507：基于第二微机电惯导数据对第二精密单点定位数据、第一视觉定位数据和第一激光雷达定位数据进行惯导融合处理，得到多源融合定位数据。

在这一实施例中，由于多源传感器与目标车身坐标系的空间关系不稳定：各传感器布置在车身不同位置，车辆本身是一个刚体，但车辆的内饰、底盘、车顶等不完全是一个刚体，在行驶过程中会产生一定的振动，在传感器安装位置振动情况下，各传感器的定位数据的空间坐标系不一致，因此，需要对第一微机电惯导数据进行坐标系校准。

在另外的实施例中，如图7所示，基于第一微机电惯导数据对第二精密单点定位数据、第一视觉定位数据和第一激光雷达定位数据进行惯导融合处理，得到多源融合定位数据之后，该方法还可以包括：

S1091：利用预设安全分析模型对多源融合定位数据进行安全分析处理。

具体的，安全分析模型可以包括三个分析参数，如图8所示，分别为δx(纵向安全限制距离)，δy(横向安全限制距离),δα(姿态角安全限制距离)。δx、δy、δα可以通过车辆自身信息、道路信息和多源融合定位数据分析得出，车辆自身信息是指不同类型及不同型号的车辆的长宽高信息，道路信息是指车辆行驶的道路是直路或者弯路或者高架等，以及道路的宽度、曲率等信息。不同类型及不同型号的车辆在不同道路上的安全分析模型不同，例如，卡车、两厢小汽车和SUV(运动型多用途汽车)在同一道路上分别有各自对应的三种安全分析模型；一辆汽车在直路和弯路上分别对应两种安全分析模型。当基于多源融合定位数据的δx、δy、δα同时满足预设安全条件时，安全分析模型输出结果为安全。

S1093：当分析结果为不安全时，发送安全告警。

本申请另一方面还提供一种自动驾驶多源融合定位装置的实施例，如图9所示，该装置可以包括：

卫星数据接收模块601，用于接收卫星广播的卫星状态域改正数；

第一数据获取模块603，用于获取车身传感器实时采集的第一微机电惯导数据、第一精密单点定位数据、第一视觉定位数据和第一激光雷达定位数据；

精密单点定位数据校正模块605，用于利用卫星状态域改正数对第一精密单点定位数据进行校正，得到第二精密单点定位数据；

惯导融合模块607，用于基于第一微机电惯导数据对第二精密单点定位数据、第一视觉定位数据和第一激光雷达定位数据进行惯导融合处理，得到多源融合定位数据。

在另外的实施例中，该方法还可以包括：

融合条件判断模块，用于分别判断第二精密单点定位数据、第一视觉定位数据和第一激光雷达定位数据是否满足对应的融合条件。

在另外的实施例中，该方法还可以包括：

第一权重确定模块，用于根据预设的第一权重模型对第二精密单点定位数据进行权重分析，得到第二精密单点定位数据所对应的第一权重。

第二权重确定模块，用于根据预设的第二权重模型对第一视觉定位数据进行权重分析，得到第一视觉定位数据所对应的第二权重。

第三权重确定模块，用于根据预设的第三权重模型对第一激光雷达定位数据进行权重分析，得到第一激光雷达定位数据所对应的第三权重。

在一些实施例中，惯导融合模块607可以包括：

时间同步单元，用于以第一微机电惯导数据的获取时间为基准，对第二精密单点定位数据、第一视觉定位数据和第一激光雷达定位数据进行时间同步处理，得到第三精密单点定位数据、第二视觉定位数据和第二激光雷达定位数据。

空间修正单元，用于以第一微机电惯导数据的坐标系为基准，对第三精密单点定位数据、第二视觉定位数据和第二激光雷达定位数据进行空间转换，得到第四精密单点定位数据、第三视觉定位数据和第三激光雷达定位数据。

多源融合单元，用于基于第四精密单点定位数据、第三视觉定位数据和第三激光雷达定位数据确定目标定位数据，并将目标定位数据作为多源融合定位数据。

在另外的实施例中，该装置还可以包括：

基准数据获取模块，用于获取车辆静止时的基准微机电惯导数据。

第二微电机惯导数据确定模块，用于基于基准微机电惯导数据对第一微机电惯导数据进行坐标系校准，得到第二微机电惯导数据。

在另外的实施例中，该装置还可以包括：

安全分析模块，用于利用预设安全分析模型对多源融合定位数据进行安全分析处理。

告警模块，用于当分析结果为不安全时，发送安全告警。

本申请另外还提供一种自动驾驶多源融合定位设备的实施例，该设备包括处理器和存储器，该存储器中存储有至少一条指令或至少一段程序，该至少一条指令或至少一段程序由处理器加载并执行以实现上述任一实施例所述的自动驾驶多源融合定位方法。

本申请另外还提供一种计算机可读存储介质的实施例，该存储介质中存储有至少一条指令或至少一段程序，该至少一条指令或至少一段程序由处理器加载并执行以实现上述任一实施例所述的自动驾驶多源融合定位方法。

上述的实施例可以看出，本申请通过接收卫星广播的卫星状态域改正数；获取车身传感器实时采集的第一微机电惯导数据、第一精密单点定位数据、第一视觉定位数据和第一激光雷达定位数据；利用所述卫星状态域改正数对所述第一精密单点定位数据进行校正，得到第二精密单点定位数据；基于所述第一微机电惯导数据对所述第二精密单点定位数据、所述第一视觉定位数据和所述第一激光雷达定位数据进行惯导融合处理，得到多源融合定位数据，可以实现车辆在利用多源传感器得到精确多源融合定位数据的同时，保证实时定位数据的安全性。

在此处所提供的说明书中，说明了大量具体细节。然而，能够理解，本发明的实施例可以在没有这些具体细节的情况下实践。在一些实例中，并未详细示出公知的方法、结构和技术，以便不模糊对本说明书的理解。

类似地，应当理解，为了精简本公开并帮助理解各个发明方面中的一个或多个，在上面对本发明的示例性实施例的描述中，本发明的各个特征有时被一起分组到单个实施例、图、或者对其的描述中。然而，并不应将该公开的方法解释成反映如下意图：即所要求保护的本发明要求比在每个权利要求中所明确记载的特征更多的特征。更确切地说，如本发明的权利要求书所反映的那样，发明方面在于少于前面公开的单个实施例的所有特征。因此，遵循具体实施方式的权利要求书由此明确地并入该具体实施方式，其中每个权利要求本身都作为本发明的单独实施例。

本领域那些技术人员可以理解，可以对实施例中的设备中的模块进行自适应性地改变并且把它们设置在与该实施例不同的一个或多个设备中。可以把实施例中的模块或单元或组件组合成一个模块或单元或组件，以及此外可以把它们分成多个子模块或子单元或子组件。除了这样的特征和/或过程或者单元中的至少一些是相互排斥之外，可以采用任何组合对本说明书(包括伴随的权利要求、摘要和附图)中公开的所有特征以及如此公开的任何方法或者设备的所有过程或单元进行组合。除非另外明确陈述，本说明书(包括伴随的权利要求、摘要和附图)中公开的每个特征可以由提供相同、等同或相似目的的替代特征来代替。

此外，本领域的技术人员能够理解，尽管在此所述的实施例包括其它实施例中所包括的某些特征而不是其它特征，但是不同实施例的特征的组合意味着处于本发明的范围之内并且形成不同的实施例。例如，在本发明的权利要求书中，所要求保护的实施例的任意之一都可以以任意的组合方式来使用。

本发明还可以实现为用于执行这里所描述的方法的一部分或者全部的设备或者系统程序(如计算机程序和计算机程序产品)。这样的实现本发明的程序可以存储在计算机可读介质上，或者可以具有一个或者多个信号的形式。这样的信号可以从因特网网站上下载得到，也可以在载体信号上提供，或者以任何其他形式提供。

应该注意的是，上述实施例是对本发明进行说明而不是对本发明进行限制，并且本领域技术人员在不脱离所附权利要求的范围的情况下可设计出替换实施例。在权利要求中，不应将位于括号之间的任何参考符号构造成对权利要求的限制。单词“包含”不排除存在未列在权利要求中的元件或者步骤等。位于元件之前的单词“一”或“一个”不排除存在多个这样的元件。本发明可以借助于包括有若干不同元件的硬件以及借助于适当编程的计算机来实现。在列举了若干系统的单元权利要求中，这些系统中的若干个可以是通过同一个硬件项来具体体现。单词第一、第二以及第三等的使用不表示任何顺序，可将这些单词解释为名称。

Claims

1.一种自动驾驶多源融合定位方法，其特征在于，所述方法包括：

接收卫星广播的卫星状态域改正数；

基于所述第一微机电惯导数据对所述第二精密单点定位数据、所述第一视觉定位数据和所述第一激光雷达定位数据进行惯导融合处理，得到车辆的多源融合定位数据。

2.根据权利要求1所述的方法，其特征在于，所述基于所述第一微机电惯导数据对所述第二精密单点定位数据、所述第一视觉定位数据和所述第一激光雷达定位数据进行惯导融合处理，得到多源融合定位数据之前，所述方法还包括：

分别判断所述第二精密单点定位数据、所述第一视觉定位数据和所述第一激光雷达定位数据是否满足对应的融合条件；

当均满足时，执行基于所述第一微机电惯导数据对所述第二精密单点定位数据、所述第一视觉定位数据和所述第一激光雷达定位数据进行惯导融合处理的步骤，得到多源融合定位数据。

3.根据权利要求1所述的方法，其特征在于，所述基于所述第一微机电惯导数据对所述第二精密单点定位数据、所述第一视觉定位数据和所述第一激光雷达定位数据进行惯导融合处理，得到多源融合定位数据之前，所述方法还包括：

根据预设的第一权重模型对所述第二精密单点定位数据进行权重分析，得到所述第二精密单点定位数据所对应的第一权重；

根据预设的第二权重模型对所述第一视觉定位数据进行权重分析，得到所述第一视觉定位数据所对应的第二权重；

根据预设的第三权重模型对所述第一激光雷达定位数据进行权重分析，得到所述第一激光雷达定位数据所对应的第三权重；

相应的，所述基于所述第一微机电惯导数据对所述第二精密单点定位数据、所述第一视觉定位数据和所述第一激光雷达定位数据进行惯导融合处理，得到多源融合定位数据包括：

基于所述第一权重、所述第二权重、所述第三权重和所述第一微机电惯导数据对所述第二精密单点定位数据、所述第一视觉定位数据、所述第一激光雷达定位数据进行惯导融合处理，得到多源融合定位数据。

4.根据权利要求1所述的方法，其特征在于，基于所述第一微机电惯导数据对所述第二精密单点定位数据、所述第一视觉定位数据和所述第一激光雷达定位数据进行惯导融合处理，得到多源融合定位数据包括：

以所述第一微机电惯导数据的获取时间为基准，对所述第二精密单点定位数据、所述第一视觉定位数据和所述第一激光雷达定位数据进行时间同步处理，得到第三精密单点定位数据、第二视觉定位数据和第二激光雷达定位数据；

以所述第一微机电惯导数据的坐标系为基准，对所述第三精密单点定位数据、所述第二视觉定位数据和所述第二激光雷达定位数据进行空间转换，得到第四精密单点定位数据、第三视觉定位数据和第三激光雷达定位数据；

基于所述第四精密单点定位数据、第三视觉定位数据和第三激光雷达定位数据确定目标定位数据，并将所述目标定位数据作为所述多源融合定位数据。

5.根据权利要求1所述的方法，其特征在于，所述基于所述第一微机电惯导数据对所述第二精密单点定位数据、所述第一视觉定位数据和所述第一激光雷达定位数据进行惯导融合处理，得到多源融合定位数据之前，所述方法还包括：

获取车辆静止时的基准微机电惯导数据；

基于所述基准微机电惯导数据对所述第一微机电惯导数据进行坐标系校准，得到第二微机电惯导数据；

基于所述第二微机电惯导数据对所述第二精密单点定位数据、所述第一视觉定位数据和所述第一激光雷达定位数据进行惯导融合处理，得到多源融合定位数据。

6.根据权利要求2所述的方法，其特征在于，所述分别判断所述第二精密单点定位数据、所述第一视觉定位数据和所述第一激光雷达定位数据是否满足对应的融合条件之后，所述方法还包括：

当所述第二精密单点定位数据、所述第一视觉定位数据和所述第一激光雷达定位数据中至少一类定位数据满足对应的融合条件时，基于所述第一微机电惯导数据对满足对应融合条件的定位数据进行惯导融合处理，得到多源融合定位数据。

7.根据权利要求1所述的方法，其特征在于，所述基于所述第一微机电惯导数据对所述第二精密单点定位数据、所述第一视觉定位数据和所述第一激光雷达定位数据进行惯导融合处理，得到多源融合定位数据之后，所述方法还包括：

利用预设安全分析模型对所述多源融合定位数据进行安全分析处理；

当分析结果为不安全时，发送安全告警。

8.一种自动驾驶多源融合定位装置，其特征在于，所述装置包括：

9.一种自动驾驶多源融合定位设备，其特征在于，所述设备包括处理器和存储器，所述存储器中存储有至少一条指令或至少一段程序，所述至少一条指令或所述至少一段程序由所述处理器加载并执行以实现如权利要求1至7任意一项所述的自动驾驶多源融合定位方法。

10.一种计算机可读存储介质，其特征在于，所述存储介质中存储有至少一条指令或至少一段程序，所述至少一条指令或至少一段程序由处理器加载并执行以实现如权利要求1至7任意一项所述的自动驾驶多源融合定位方法。