CN113899374B - 自动驾驶车辆定位方法、装置及电子设备、存储介质 - Google Patents

自动驾驶车辆定位方法、装置及电子设备、存储介质 Download PDF

Info

Publication number
CN113899374B
CN113899374B CN202111502754.3A CN202111502754A CN113899374B CN 113899374 B CN113899374 B CN 113899374B CN 202111502754 A CN202111502754 A CN 202111502754A CN 113899374 B CN113899374 B CN 113899374B
Authority
CN
China
Prior art keywords
positioning
current vehicle
kalman filter
determining
state
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
CN202111502754.3A
Other languages
English (en)
Other versions
CN113899374A (zh
Inventor
费再慧
李岩
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 CN202111502754.3A priority Critical patent/CN113899374B/zh
Publication of CN113899374A publication Critical patent/CN113899374A/zh
Application granted granted Critical
Publication of CN113899374B publication Critical patent/CN113899374B/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
    • G01C21/26—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
    • 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
    • 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
    • G01S19/393—Trajectory determination or predictive tracking, e.g. Kalman filtering
    • 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
    • G01S19/41—Differential correction, e.g. DGPS [differential GPS]
    • 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
    • G01S19/48—Determining position by combining or switching between position solutions derived from the satellite radio beacon positioning system and position solutions derived from a further system
    • G01S19/49—Determining position by combining or switching between position solutions derived from the satellite radio beacon positioning system and position solutions derived from a further system whereby the further system is an inertial position system, e.g. loosely-coupled

Landscapes

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

Abstract

本申请公开了一种自动驾驶车辆定位方法、装置及电子设备、存储介质，其中，所述方法包括：获取当前车辆的高精定位信息；在所述高精定位信息满足预设定位条件的情况下，确定所述当前车辆的运动状态；在所述当前车辆的运动状态处于静止状态的情况下，确定所述当前车辆的卡尔曼滤波器的工作状态；根据所述卡尔曼滤波器的工作状态确定对应的定位策略，以根据所述定位策略对所述当前车辆进行定位。本申请实施例的自动驾驶车辆定位方法能够根据车辆的行驶状态以及卡尔曼滤波器的工作状态采用不同的自动驾驶车辆定位优化策略，从而保证长时间融合定位的稳定性和准确性，提高融合定位精度。

Description

自动驾驶车辆定位方法、装置及电子设备、存储介质
技术领域
本申请涉及自动驾驶技术领域，尤其涉及一种自动驾驶车辆定位方法、装置及电子设备、存储介质。
背景技术
自动驾驶场景下，需要实现自动驾驶车辆的高精度定位，目前通常采用多传感器融合定位的方式，即通过卡尔曼滤波器融合多个传感器采集的定位信息，从而实现车辆的高精度定位。
然而，现有方案由于停车等工况会带来定位误差，卡尔曼滤波器在长时间运行时，会累计误差信息，长时间会影响卡尔曼滤波器的定位效果，甚至会导致卡尔曼滤波器崩溃，进而大大影响了融合定位结果的准确性和稳定性。
发明内容
本申请实施例提供了一种自动驾驶车辆定位方法、装置及电子设备、存储介质，以提高自动驾驶车辆的长时间高精度定位的准确性和稳定性。
本申请实施例采用下述技术方案：
第一方面，本申请实施例提供一种自动驾驶车辆定位方法，其中，所述方法包括：
获取当前车辆的高精定位信息；
在所述高精定位信息满足预设定位条件的情况下，确定所述当前车辆的运动状态；
在所述当前车辆的运动状态处于静止状态的情况下，确定所述当前车辆的卡尔曼滤波器的工作状态；
根据所述卡尔曼滤波器的工作状态确定对应的定位策略，以根据所述定位策略对所述当前车辆进行定位。
可选地，所述在所述高精定位信息满足预设定位条件的情况下，确定所述当前车辆的运动状态包括：
获取所述当前车辆的轮速，和/或，所述当前车辆的惯性测量单元IMU输出的角速度；
在所述当前车辆的轮速小于等于预设速度阈值，和/或，所述IMU输出的角速度小于预设角速度阈值要求的情况下，确定所述当前车辆的运动状态为静止状态；
否则，确定所述当前车辆的运动状态为非静止状态。
可选地，所述在所述当前车辆的运动状态处于静止状态的情况下，确定所述当前车辆的卡尔曼滤波器的工作状态包括：
获取所述卡尔曼滤波器的当前计数；
在所述卡尔曼滤波器的当前计数小于预设数量阈值时，确定所述卡尔曼滤波器的工作状态为短时间工作状态；
在所述卡尔曼滤波器的当前计数不小于预设数量阈值时，确定所述卡尔曼滤波器的工作状态为长时间工作状态。
可选地，所述卡尔曼滤波器的当前状态包括短时间工作状态和长时间工作状态，所述根据所述卡尔曼滤波器的工作状态确定对应的定位策略，以根据所述定位策略对所述当前车辆进行定位包括：
在所述卡尔曼滤波器处于所述短时间工作状态的情况下，确定所述定位策略为直接将当前车辆的实时差分定位RTK的定位信息作为观测值进行量测更新；
在所述卡尔曼滤波器处于所述长时间工作状态的情况下，确定所述定位策略为重启所述卡尔曼滤波器，并获取所述当前车辆在静止状态下的IMU的加速度表零偏值和陀螺零偏值，以根据所述加速度表零偏值和所述陀螺零偏值修正IMU输出的定位信息。
可选地，所述根据所述卡尔曼滤波器的工作状态确定对应的定位策略，以根据所述定位策略对所述当前车辆进行定位包括：
在所述卡尔曼滤波器处于所述短时间工作状态的情况下，暂停获取所述IMU输出的当前定位信息；
将所述IMU输出的上一时刻的定位信息作为所述IMU输出的当前定位信息。
可选地，在确定所述当前车辆的运动状态之后，所述方法还包括：
在所述当前车辆的运动状态处于静止状态的情况下，确定所述当前车辆的IMU的加速度表零偏值和陀螺零偏值。
可选地，所述当前车辆的高精定位信息为RTK设备输出的定位信息，在确定所述当前车辆的运动状态之后，所述方法还包括：
在所述当前车辆的运动状态处于静止状态的情况下，获取所述卡尔曼滤波器输出的定位信息；
确定所述卡尔曼滤波器输出的定位信息与所述RTK设备输出的定位信息之间的误差；
在所述误差小于预设误差阈值的情况下，获取所述当前车辆在静止状态下的IMU的加速度表零偏值和陀螺零偏值；
根据所述加速度表零偏值和所述陀螺零偏值修正IMU输出的定位信息。
第二方面，本申请实施例还提供一种自动驾驶车辆定位装置，其中，所述装置包括：
第一获取单元，用于获取当前车辆的高精定位信息；
第一确定单元，用于在所述高精定位信息满足预设定位条件的情况下，确定所述当前车辆的运动状态；
第二确定单元，用于在所述当前车辆的运动状态处于静止状态的情况下，确定所述当前车辆的卡尔曼滤波器的工作状态；
定位单元，用于根据所述卡尔曼滤波器的工作状态确定对应的定位策略，以根据所述定位策略对所述当前车辆进行定位。
第三方面，本申请实施例还提供一种电子设备，包括：
处理器；以及
被安排成存储计算机可执行指令的存储器，所述可执行指令在被执行时使所述处理器执行前述之任一所述方法。
第四方面，本申请实施例还提供一种计算机可读存储介质，所述计算机可读存储介质存储一个或多个程序，所述一个或多个程序当被包括多个应用程序的电子设备执行时，使得所述电子设备执行前述之任一所述方法。
本申请实施例采用的上述至少一个技术方案能够达到以下有益效果：本申请实施例的自动驾驶车辆定位方法，先获取当前车辆的高精定位信息；然后在高精定位信息满足预设定位条件的情况下，确定当前车辆的运动状态；之后在当前车辆的运动状态处于静止状态的情况下，确定当前车辆的卡尔曼滤波器的工作状态；最后根据卡尔曼滤波器的工作状态确定定位策略，以根据定位策略对当前车辆进行定位。本申请实施例的自动驾驶车辆定位方法能够根据车辆的行驶状态以及卡尔曼滤波器的工作状态采用不同自动驾驶车辆定位优化策略，从而保证长时间融合定位的稳定性和准确性，提高融合定位精度。
附图说明
此处所说明的附图用来提供对本申请的进一步理解，构成本申请的一部分，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：
图1为本申请实施例中一种自动驾驶车辆定位方法的流程示意图；
图2为本申请实施例中一种自动驾驶车辆定位装置的结构示意图；
图3为本申请实施例中一种电子设备的结构示意图。
具体实施方式
为使本申请的目的、技术方案和优点更加清楚，下面将结合本申请具体实施例及相应的附图对本申请技术方案进行清楚、完整地描述。显然，所描述的实施例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。
以下结合附图，详细说明本申请各实施例提供的技术方案。
本申请实施例提供了一种自动驾驶车辆定位方法，如图1所示，提供了本申请实施例中一种自动驾驶车辆定位方法的流程示意图，所述方法至少包括如下的步骤S110至步骤S140：
步骤S110，获取当前车辆的高精定位信息。
本申请实施例的自动驾驶车辆定位方法可以基于组合导航系统来实现，具体采用哪种组合导航方式，本领域技术人员可根据实际需要灵活选择，在此不作具体限定。
在进行车辆的实时定位时，可以先获取当前车辆的高精定位信息，这里的高精定位信息可以是利用组合导航系统中的实时差分定位（Real - time kinematic，简称RTK）设备实时采集到的，RTK设备能够实现厘米级的定位精度，因此在自动驾驶领域中具有十分重要的作用。
步骤S120，在所述高精定位信息满足预设定位条件的情况下，确定所述当前车辆的运动状态。
在得到当前车辆的高精定位信息后，需要进一步判断该高精定位信息是否可用，例如如果是RTK设备采集的定位信息，那么需要判断该定位结果是否是一个固定解，即是否达到厘米级别的定位精度。
如果是固定解，则认为当前的高精定位信息是可用的，可以继续执行本申请实施例的后续流程，即判断当前车辆的运动状态，例如是静止状态还是非静止状态。如果不是固定解，说明当前采集的定位结果不够准确，可以舍弃该定位信息，继续执行实时获取当前车辆的高精定位信息的步骤，直到获取到符合要求的高精定位信息。
步骤S130，在所述当前车辆的运动状态处于静止状态的情况下，确定所述当前车辆的卡尔曼滤波器的工作状态。
在确定当前车辆的运动状态时，如果确定当前车辆的运动状态处于静止状态，说明出现了停车这一工况，由于在停车场景下，卡尔曼滤波器仍然在工作，因此会产生一定的累计误差，停车时间越长，卡尔曼滤波器输出的定位结果的累计误差越大，最终将导致定位结果和实际情况存在较大偏差。
为了避免上述情况的发生，在确定出车辆处于静止状态时，本申请实施例需要进一步确定车辆的卡尔曼滤波器的工作状态，该工作状态可以用于表征卡尔曼滤波器的工作时长。
步骤S140，根据所述卡尔曼滤波器的工作状态确定对应的定位策略，以根据所述定位策略对所述当前车辆进行定位。
在确定了卡尔曼滤波器的工作状态后，如果卡尔曼滤波器当前已经工作了较长时间，说明已经累计了较大误差，需要采取该状态下对应的定位策略进行定位优化；反之，如果卡尔曼滤波器还没有工作较长时间，说明累计误差仍可接受，那么需要采取另一种定位策略进行定位优化。
本申请实施例的自动驾驶车辆定位方法能够根据车辆的行驶状态以及卡尔曼滤波器的工作状态采用不同自动驾驶车辆定位优化策略，从而保证长时间融合定位的稳定性和准确性，提高融合定位精度。
在本申请的一个实施例中，所述在所述高精定位信息满足预设定位条件的情况下，确定所述当前车辆的运动状态包括：获取所述当前车辆的轮速，和/或，所述当前车辆的惯性测量单元IMU输出的角速度；在所述当前车辆的轮速小于等于预设速度阈值，和/或，所述IMU输出的角速度小于预设角速度阈值要求的情况下，确定所述当前车辆的运动状态为静止状态；否则，确定所述当前车辆的运动状态为非静止状态。
本申请实施例在确定当前车辆的运动状态时，可以通过不同方式来确定，例如可以获取当前车辆的轮速VEL，当轮速小于等于预设速度阈值时，如VEL<=0.01m/s时，可以认为车辆已经处于静止状态，还可以获取当前车辆的惯性测量单元IMU（InertialMeasurement Unit）在一段时间内输出的角速度std，例如3s内的输出std<0.0001时，可以认为车辆已经处于静止状态。
当然，为了进一步提高判断的准确性，也可以基于轮速和角速度共同判断，当两者均满足相应的阈值要求时，可以认为车辆处于静止静态。
在本申请的一个实施例中，所述在所述当前车辆的运动状态处于静止状态的情况下，确定所述当前车辆的卡尔曼滤波器的工作状态包括：获取所述卡尔曼滤波器的当前计数；在所述卡尔曼滤波器的当前计数小于预设数量阈值时，确定所述卡尔曼滤波器的工作状态为短时间工作状态；在所述卡尔曼滤波器的当前计数不小于预设数量阈值时，确定所述卡尔曼滤波器的工作状态为长时间工作状态。
本申请实施例在确定当前车辆的卡尔曼滤波器的工作状态时，可以通过统计卡尔曼滤波器的计数来确定。具体地，在当前车辆的运动状态处于静止状态时，获取卡尔曼滤波器的当前计数，当前计数越大，说明卡尔曼滤波器进行融合定位的次数越多，累计误差越大，反之则越小。因此这里可以事先确定出一个经验值，作为预设数量阈值，然后将当前计数与该预设数量阈值比较，从而确定卡尔曼滤波器的工作状态。例如，卡尔曼滤波器的计数频率为每秒计数1次，那么上述预设数量阈值可以设置为600，当然具体如何设置，可根据实际情况灵活调整。
基于此，如果当前计数小于600，可以认为卡尔曼滤波器的工作状态为短时间工作状态，累计误差仍然可被接受，而如果该计数大于等于600，可以认为卡尔曼滤波器的工作状态为长时间工作状态，累计误差已经较大， 继续利用卡尔曼滤波器进行融合定位，将使定位结果与实际结果产生较大偏差。
此外，需要说明的是，实际应用场景下，卡尔曼滤波器的计数频率是可调整的，这也是本申请实施例利用卡尔曼滤波器的计数来反映卡尔曼滤波器的工作状态的原因，而非直接对卡尔曼滤波器的工作时间进行计时。
在本申请的一个实施例中，所述卡尔曼滤波器的当前状态包括短时间工作状态和长时间工作状态，所述根据所述卡尔曼滤波器的工作状态确定对应的定位策略，以根据所述定位策略对所述当前车辆进行定位包括：在所述卡尔曼滤波器处于所述短时间工作状态的情况下，确定所述定位策略为直接将当前车辆的实时差分定位RTK的定位信息作为观测值进行量测更新；在所述卡尔曼滤波器处于所述长时间工作状态的情况下，确定所述定位策略为重启所述卡尔曼滤波器，并获取所述当前车辆在静止状态下的IMU的加速度表零偏值和陀螺零偏值，以根据所述加速度表零偏值和陀螺零偏值修正IMU输出的定位信息。
本申请实施例在根据卡尔曼滤波器的工作状态确定定位策略时，如果确定出卡尔曼滤波器处于短时间工作状态，说明在停车状态时，卡尔曼滤波器还没有进行长时间计数，进而也就没有进行长时间的融合定位，因此这时滤波器的累计误差仍可接受，那么此时采取的定位策略可以是直接将当前车辆的RTK设备的定位信息作为观测值输入到卡尔曼滤波器进行量测更新即可，由于停车状态下，IMU采集的角速度等信息都接近于0，且IMU的定位误差相对更大，因此此时无需再考虑IMU输出的定位结果。
如果确定出卡尔曼滤波器处于长时间工作状态，说明在停车状态时，卡尔曼滤波器已经进行了较长时间的计数，也即进行了较长时间的融合定位，这时滤波器的累计误差已经较大，因此不宜继续融合处理，那么此时采取的定位策略可以是重启卡尔曼滤波器，然后获取当前车辆在静止状态下的IMU的加速度表零偏值和陀螺零偏值，从而可以根据加速度表零偏值和所述陀螺零偏值修正IMU输出的定位信息。
在本申请的一个实施例中，在确定所述当前车辆的运动状态之后，所述方法还包括：在所述当前车辆的运动状态处于静止状态的情况下，确定所述当前车辆的IMU的加速度表零偏值和陀螺零偏值。
加速度表零偏是加速度表误差的一部分，陀螺零偏是陀螺仪误差的一部分，可以在当前车辆的运动状态处于静止状态的情况下，分别估计出车辆的加速度表的零偏值和陀螺仪的零偏值，从而便于后续对IMU输出的定位结果进行修正。
在本申请的一个实施例中，所述根据所述卡尔曼滤波器的工作状态确定对应的定位策略，以根据所述定位策略对所述当前车辆进行定位包括：在所述卡尔曼滤波器处于所述短时间工作状态的情况下，暂停获取所述IMU输出的当前定位信息；将所述IMU输出的上一时刻的定位信息作为所述IMU输出的当前定位信息。
如前所述，本申请实施例在确定出卡尔曼滤波器处于短时间工作状态的情况下，可以直接将当前车辆的RTK的定位信息作为观测值进行量测更新，进一步地，这里可以不再进行当前时刻的IMU状态预测，因为在停车状态下，IMU采集的角速度等信息都接近于0，且IMU的定位误差相对更大，因此可以直接将RTK设备输出的高精定位结果输入到卡尔曼滤波器进行量测更新，从而降低停车状态下的定位误差。
由于当前时刻没有进行IMU的状态预测，但如果下一时刻车辆进入非静止状态就需要恢复IMU的状态预测，因此如果直接将当前时刻的IMU的状态预测结果置为 0，将导致后续融合定位结果出现跳变等情况，为了避免该种情况出现，可以取上一时刻的IMU状态预测结果作为当前时刻的状态预测结果。
在本申请的一个实施例中，所述当前车辆的高精定位信息为RTK设备输出的定位信息，在确定所述当前车辆的运动状态之后，所述方法还包括：在所述当前车辆的运动状态处于静止状态的情况下，获取所述卡尔曼滤波器输出的定位信息；确定所述卡尔曼滤波器输出的定位信息与所述RTK设备输出的定位信息之间的误差；在所述误差小于预设误差阈值的情况下，获取所述当前车辆在静止状态下的IMU的加速度表零偏值；根据所述加速度表零偏值和所述陀螺零偏值修正IMU输出的定位信息。
本申请实施例在确定车辆处于静止状态的情况下，除了可以通过判断卡尔曼滤波器的状态来进一步采取不同的定位策略，还可以将卡尔曼滤波器输出的融合定位信息和RTK设备输出的定位信息进行比较，确定两者之间的误差sqrt，例如每1s输出一次定位信息，那么可以每1s比较一次，如果输出的误差小于预设误差阈值，例如sqrt(dpx^2+ dpy^2+dpz^2)<0.3m，说明融合定位信息和RTK设备的定位偏差较小，这时可以直接根据停车状态下估计的加速度表零偏值和陀螺零偏值修正IMU输出的定位信息，使用修正后的定位信息进行后续IMU状态预测。
本申请实施例还提供了一种自动驾驶车辆定位装置200，如图2所示，提供了本申请实施例中一种自动驾驶车辆定位装置的结构示意图，所述装置200包括：第一获取单元210、第一确定单元220、第二确定单元230以及定位单元240，其中：
第一获取单元210，用于获取当前车辆的高精定位信息；
第一确定单元220，用于在所述高精定位信息满足预设定位条件的情况下，确定所述当前车辆的运动状态；
第二确定单元230，用于在所述当前车辆的运动状态处于静止状态的情况下，确定所述当前车辆的卡尔曼滤波器的工作状态；
定位单元240，用于根据所述卡尔曼滤波器的工作状态确定对应的定位策略，以根据所述定位策略对所述当前车辆进行定位。
在本申请的一个实施例中，所述第一确定单元220具体用于：获取所述当前车辆的轮速，和/或，所述当前车辆的惯性测量单元IMU输出的角速度；在所述当前车辆的轮速小于等于预设速度阈值，和/或，所述IMU输出的角速度小于预设角速度阈值要求的情况下，确定所述当前车辆的运动状态为静止状态；否则，确定所述当前车辆的运动状态为非静止状态。
在本申请的一个实施例中，所述第二确定单元230具体用于：获取所述卡尔曼滤波器的当前计数；在所述卡尔曼滤波器的当前计数小于预设数量阈值时，确定所述卡尔曼滤波器的工作状态为短时间工作状态；在所述卡尔曼滤波器的当前计数不小于预设数量阈值时，确定所述卡尔曼滤波器的工作状态为长时间工作状态。
在本申请的一个实施例中，所述卡尔曼滤波器的当前状态包括短时间工作状态和长时间工作状态，所述定位单元240具体用于：在所述卡尔曼滤波器处于所述短时间工作状态的情况下，确定所述定位策略为直接将当前车辆的实时差分定位RTK的定位信息作为观测值进行量测更新；在所述卡尔曼滤波器处于所述长时间工作状态的情况下，确定所述定位策略为重启所述卡尔曼滤波器，并获取所述当前车辆在静止状态下的IMU的加速度表零偏值和陀螺零偏值，以根据所述加速度表零偏值和所述陀螺零偏值修正IMU输出的定位信息。
在本申请的一个实施例中，所述定位单元240具体用于：在所述卡尔曼滤波器处于所述短时间工作状态的情况下，暂停获取所述IMU输出的当前定位信息；将所述IMU输出的上一时刻的定位信息作为所述IMU输出的当前定位信息。
在本申请的一个实施例中，所述装置还包括：第三确定单元，用于在所述当前车辆的运动状态处于静止状态的情况下，确定所述当前车辆的IMU的加速度表零偏值和陀螺零偏值。
在本申请的一个实施例中，所述装置还包括：第二获取单元，用于在所述当前车辆的运动状态处于静止状态的情况下，获取所述卡尔曼滤波器输出的定位信息；第四确定单元，用于确定所述卡尔曼滤波器输出的定位信息与所述RTK设备输出的定位信息之间的误差；第三获取单元，用于在所述误差小于预设误差阈值的情况下，获取所述当前车辆在静止状态下的IMU的加速度表零偏值和陀螺零偏值；修正单元，用于根据所述加速度表零偏值和所述陀螺零偏值修正IMU输出的定位信息。
能够理解，上述自动驾驶车辆定位装置，能够实现前述实施例中提供的自动驾驶车辆定位方法的各个步骤，关于自动驾驶车辆定位方法的相关阐释均适用于自动驾驶车辆定位装置，此处不再赘述。
图3是本申请的一个实施例电子设备的结构示意图。请参考图3，在硬件层面，该电子设备包括处理器，可选地还包括内部总线、网络接口、存储器。其中，存储器可能包含内存，例如高速随机存取存储器(Random-Access Memory，RAM)，也可能还包括非易失性存储器（non-volatile memory），例如至少1个磁盘存储器等。当然，该电子设备还可能包括其他业务所需要的硬件。
处理器、网络接口和存储器可以通过内部总线相互连接，该内部总线可以是ISA(Industry Standard Architecture，工业标准体系结构）总线、PCI(PeripheralComponent Interconnect，外设部件互连标准)总线或EISA(Extended Industry StandardArchitecture，扩展工业标准结构）总线等。所述总线可以分为地址总线、数据总线、控制总线等。为便于表示，图3中仅用一个双向箭头表示，但并不表示仅有一根总线或一种类型的总线。
存储器，用于存放程序。具体地，程序可以包括程序代码，所述程序代码包括计算机操作指令。存储器可以包括内存和非易失性存储器，并向处理器提供指令和数据。
处理器从非易失性存储器中读取对应的计算机程序到内存中然后运行，在逻辑层面上形成自动驾驶车辆定位装置。处理器，执行存储器所存放的程序，并具体用于执行以下操作：
获取当前车辆的高精定位信息；
在所述高精定位信息满足预设定位条件的情况下，确定所述当前车辆的运动状态；
在所述当前车辆的运动状态处于静止状态的情况下，确定所述当前车辆的卡尔曼滤波器的工作状态；
根据所述卡尔曼滤波器的工作状态确定对应的定位策略，以根据所述定位策略对所述当前车辆进行定位。
上述如本申请图1所示实施例揭示的自动驾驶车辆定位装置执行的方法可以应用于处理器中，或者由处理器实现。处理器可能是一种集成电路芯片，具有信号的处理能力。在实现过程中，上述方法的各步骤可以通过处理器中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器可以是通用处理器，包括中央处理器（Central ProcessingUnit，CPU）、网络处理器（Network Processor，NP）等；还可以是数字信号处理器（DigitalSignal 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。可以实现或者执行本申请实施例中的公开的各方法、步骤及逻辑框图。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。结合本申请实施例所公开的方法的步骤可以直接体现为硬件译码处理器执行完成，或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器，闪存、只读存储器，可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器，处理器读取存储器中的信息，结合其硬件完成上述方法的步骤。
该电子设备还可执行图1中自动驾驶车辆定位装置执行的方法，并实现自动驾驶车辆定位装置在图1所示实施例的功能，本申请实施例在此不再赘述。
本申请实施例还提出了一种计算机可读存储介质，该计算机可读存储介质存储一个或多个程序，该一个或多个程序包括指令，该指令当被包括多个应用程序的电子设备执行时，能够使该电子设备执行图1所示实施例中自动驾驶车辆定位装置执行的方法，并具体用于执行：
获取当前车辆的高精定位信息；
在所述高精定位信息满足预设定位条件的情况下，确定所述当前车辆的运动状态；
在所述当前车辆的运动状态处于静止状态的情况下，确定所述当前车辆的卡尔曼滤波器的工作状态；
根据所述卡尔曼滤波器的工作状态确定对应的定位策略，以根据所述定位策略对所述当前车辆进行定位。
本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明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，本发明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。
本发明是参照根据本发明实施例的方法、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。
在一个典型的配置中，计算设备包括一个或多个处理器 (CPU)、输入/输出接口、网络接口和内存。
内存可能包括计算机可读介质中的非永久性存储器，随机存取存储器 (RAM) 和/或非易失性内存等形式，如只读存储器 (ROM) 或闪存(flash RAM)。内存是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存 (PRAM)、静态随机存取存储器 (SRAM)、动态随机存取存储器 (DRAM)、其他类型的随机存取存储器 (RAM)、只读存储器 (ROM)、电可擦除可编程只读存储器 (EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘 (DVD) 或其他光学存储、磁盒式磁带，磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括暂存电脑可读媒体 (transitory media)，如调制的数据信号和载波。
还需要说明的是，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。
本领域技术人员应明白，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。
以上所述仅为本申请的实施例而已，并不用于限制本申请。对于本领域技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本申请的权利要求范围之内。

Claims (9)

1.一种自动驾驶车辆定位方法，其中，所述方法包括：
获取当前车辆的高精定位信息；
在所述高精定位信息满足预设定位条件的情况下，确定所述当前车辆的运动状态；
在所述当前车辆的运动状态处于静止状态的情况下，确定所述当前车辆的卡尔曼滤波器的工作状态；
根据所述卡尔曼滤波器的工作状态确定对应的定位策略，以根据所述定位策略对所述当前车辆进行定位，其中，
所述卡尔曼滤波器的工作状态包括短时间工作状态和长时间工作状态，所述根据所述卡尔曼滤波器的工作状态确定对应的定位策略，以根据所述定位策略对所述当前车辆进行定位包括：
在所述卡尔曼滤波器处于所述短时间工作状态的情况下，确定所述定位策略为直接将当前车辆的实时差分定位RTK的定位信息作为观测值进行量测更新；
在所述卡尔曼滤波器处于所述长时间工作状态的情况下，确定所述定位策略为重启所述卡尔曼滤波器，并获取所述当前车辆在静止状态下的IMU的加速度表零偏值和陀螺零偏值，以根据所述加速度表零偏值和所述陀螺零偏值修正IMU输出的定位信息。
2.根据权利要求1所述方法，其中，所述在所述高精定位信息满足预设定位条件的情况下，确定所述当前车辆的运动状态包括：
获取所述当前车辆的轮速，和/或，所述当前车辆的惯性测量单元IMU输出的角速度；
在所述当前车辆的轮速小于等于预设速度阈值，和/或，所述IMU输出的角速度小于预设角速度阈值要求的情况下，确定所述当前车辆的运动状态为静止状态；
否则，确定所述当前车辆的运动状态为非静止状态。
3.根据权利要求1所述方法，其中，所述在所述当前车辆的运动状态处于静止状态的情况下，确定所述当前车辆的卡尔曼滤波器的工作状态包括：
获取所述卡尔曼滤波器的当前计数；
在所述卡尔曼滤波器的当前计数小于预设数量阈值时，确定所述卡尔曼滤波器的工作状态为短时间工作状态；
在所述卡尔曼滤波器的当前计数不小于预设数量阈值时，确定所述卡尔曼滤波器的工作状态为长时间工作状态。
4.根据权利要求1所述方法，其中，所述根据所述卡尔曼滤波器的工作状态确定对应的定位策略，以根据所述定位策略对所述当前车辆进行定位包括：
在所述卡尔曼滤波器处于所述短时间工作状态的情况下，暂停获取所述IMU输出的当前定位信息；
将所述IMU输出的上一时刻的定位信息作为所述IMU输出的当前定位信息。
5.根据权利要求1所述方法，其中，在确定所述当前车辆的运动状态之后，所述方法还包括：
在所述当前车辆的运动状态处于静止状态的情况下，确定所述当前车辆的IMU的加速度表零偏值和陀螺零偏值。
6.根据权利要求1所述方法，其中，所述当前车辆的高精定位信息为RTK设备输出的定位信息，在确定所述当前车辆的运动状态之后，所述方法还包括：
在所述当前车辆的运动状态处于静止状态的情况下，获取所述卡尔曼滤波器输出的定位信息；
确定所述卡尔曼滤波器输出的定位信息与所述RTK设备输出的定位信息之间的误差；
在所述误差小于预设误差阈值的情况下，获取所述当前车辆在静止状态下的IMU的加速度表零偏值和陀螺零偏值；
根据所述加速度表零偏值和所述陀螺零偏值修正IMU输出的定位信息。
7.一种自动驾驶车辆定位装置，其中，所述装置包括：
第一获取单元，用于获取当前车辆的高精定位信息；
第一确定单元，用于在所述高精定位信息满足预设定位条件的情况下，确定所述当前车辆的运动状态；
第二确定单元，用于在所述当前车辆的运动状态处于静止状态的情况下，确定所述当前车辆的卡尔曼滤波器的工作状态；
定位单元，用于根据所述卡尔曼滤波器的工作状态确定对应的定位策略，以根据所述定位策略对所述当前车辆进行定位，
所述卡尔曼滤波器的工作状态包括短时间工作状态和长时间工作状态，所述定位单元具体用于：
在所述卡尔曼滤波器处于所述短时间工作状态的情况下，确定所述定位策略为直接将当前车辆的实时差分定位RTK的定位信息作为观测值进行量测更新；
在所述卡尔曼滤波器处于所述长时间工作状态的情况下，确定所述定位策略为重启所述卡尔曼滤波器，并获取所述当前车辆在静止状态下的IMU的加速度表零偏值和陀螺零偏值，以根据所述加速度表零偏值和所述陀螺零偏值修正IMU输出的定位信息。
8.一种电子设备，包括：
处理器；以及
被安排成存储计算机可执行指令的存储器，所述可执行指令在被执行时使所述处理器执行所述权利要求1~6之任一所述方法。
9.一种计算机可读存储介质，所述计算机可读存储介质存储一个或多个程序，所述一个或多个程序当被包括多个应用程序的电子设备执行时，使得所述电子设备执行所述权利要求1~6之任一所述方法。
CN202111502754.3A 2021-12-10 2021-12-10 自动驾驶车辆定位方法、装置及电子设备、存储介质 Active CN113899374B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111502754.3A CN113899374B (zh) 2021-12-10 2021-12-10 自动驾驶车辆定位方法、装置及电子设备、存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111502754.3A CN113899374B (zh) 2021-12-10 2021-12-10 自动驾驶车辆定位方法、装置及电子设备、存储介质

Publications (2)

Publication Number Publication Date
CN113899374A CN113899374A (zh) 2022-01-07
CN113899374B true CN113899374B (zh) 2022-05-17

Family

ID=79025471

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111502754.3A Active CN113899374B (zh) 2021-12-10 2021-12-10 自动驾驶车辆定位方法、装置及电子设备、存储介质

Country Status (1)

Country Link
CN (1) CN113899374B (zh)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114114369B (zh) * 2022-01-27 2022-07-15 智道网联科技(北京)有限公司 自动驾驶车辆定位方法和装置、电子设备和存储介质
CN114475655B (zh) * 2022-01-29 2024-05-03 智道网联科技(北京)有限公司 自动驾驶的预警方法、装置和计算机可读存储介质
CN114812595A (zh) * 2022-05-05 2022-07-29 智道网联科技(北京)有限公司 用于融合定位的状态预警方法、装置及电子设备、存储介质
CN115790615B (zh) * 2023-01-30 2023-05-05 安徽蔚来智驾科技有限公司 基于自动驾驶的多传感器融合方法、装置、介质及车辆

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7860651B2 (en) * 2005-08-30 2010-12-28 Honeywell International Inc. Enhanced inertial system performance
CN110567456B (zh) * 2019-09-03 2021-06-11 兰州交通大学 基于抗差卡尔曼滤波的bds/ins组合列车定位方法
CN110940344B (zh) * 2019-11-25 2020-06-26 奥特酷智能科技(南京)有限公司 一种用于自动驾驶的低成本传感器组合定位方法
CN111366154B (zh) * 2020-03-26 2022-05-17 三一建筑机器人(西安)研究院有限公司 一种航向角确定方法、装置及电子设备
CN111721289B (zh) * 2020-06-28 2022-06-03 阿波罗智能技术(北京)有限公司 自动驾驶中车辆定位方法、装置、设备、存储介质及车辆
CN111750854A (zh) * 2020-07-22 2020-10-09 上海康莫巴智能科技有限公司 车辆定位方法、装置、系统及存储介质

Also Published As

Publication number Publication date
CN113899374A (zh) 2022-01-07

Similar Documents

Publication Publication Date Title
CN113899374B (zh) 自动驾驶车辆定位方法、装置及电子设备、存储介质
CN113791435B (zh) Gnss信号异常值的检测方法、装置及电子设备、存储介质
CN115184976B (zh) 自动驾驶车辆的定位方法、装置及电子设备、存储介质
CN114279453B (zh) 基于车路协同的自动驾驶车辆定位方法、装置及电子设备
CN114114369B (zh) 自动驾驶车辆定位方法和装置、电子设备和存储介质
CN114993333A (zh) 自动驾驶车辆的融合定位方法、装置及电子设备
CN115371689A (zh) 自动驾驶车辆的融合定位方法、装置及电子设备
CN115056801A (zh) 自动驾驶的多路径识别方法、装置及电子设备、存储介质
CN114777814A (zh) 基于车路云的融合定位精度评估方法、装置及系统
CN114877900A (zh) 用于隧道的自动驾驶车辆融合定位方法以及相关装置
CN115390103A (zh) 卫星定位信号的异常检测方法、装置及电子设备
CN114894214A (zh) 自动驾驶车辆的融合定位方法、装置及电子设备
CN115856976B (zh) 自动驾驶车辆的融合定位方法、装置及电子设备
CN115014395A (zh) 用于自动驾驶的车辆航向角实时标定方法、装置
CN114739416A (zh) 自动驾驶车辆定位方法、装置及电子设备、存储介质
CN116164763A (zh) 目标航向角确定方法、装置及电子设备、存储介质
CN115950441A (zh) 自动驾驶车辆的融合定位方法、装置及电子设备
CN113932834B (zh) 融合定位设备的检验方法、装置及电子设备、存储介质
CN116148821A (zh) 激光雷达的外参修正方法和装置、电子设备和存储介质
CN116222586A (zh) 自动驾驶车辆的融合定位方法、装置及电子设备
CN115856979A (zh) 自动驾驶车辆的定位方法、装置及电子设备、存储介质
CN115183786A (zh) 用于自动驾驶的传感器误差预测模型的训练方法、装置
CN113890668A (zh) 多传感器的时间同步方法、装置及电子设备、存储介质
CN116929407A (zh) 一种自适应数据校准方法及装置
CN115540864A (zh) 自动驾驶车辆的姿态优化方法、装置及电子设备

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