CN114485632A

CN114485632A - 车辆定位方法、系统及计算机可读存储介质

Info

Publication number: CN114485632A
Application number: CN202111682894.3A
Authority: CN
Inventors: 宋朝忠; 肖乐杰
Original assignee: Shenzhen Echiev Autonomous Driving Technology Co ltd
Current assignee: Shenzhen Echiev Autonomous Driving Technology Co ltd
Priority date: 2021-12-31
Filing date: 2021-12-31
Publication date: 2022-05-13
Anticipated expiration: 2041-12-31
Also published as: CN114485632B

Abstract

本发明公开了一种车辆定位方法、系统及计算机可读存储介质，其中，所述方法包括：获取初始模糊度参数，其中，根据所述初始模糊参数能确定所述车辆定位系统中紧耦合单元对车辆的第一定位信息；获取当前帧信息和历史帧信息，并根据所述当前帧信息和所述历史当前帧信息确定第二定位信息；根据所述第二定位信息对所述初始模糊度参数进行卡尔曼量测更新，并校正为目标模糊度参数；根据所述目标模糊度参数确认所述车辆的定位结果。旨在提高车辆的整体定位精度。

Description

车辆定位方法、系统及计算机可读存储介质

技术领域

本发明涉及自动驾驶领域，尤其涉及一种车辆定位方法、系统及计算机可读存储介质。

背景技术

随着科技的不断发展和进步，自动驾驶逐渐得到广泛应用，成为生活中的热点话题。

在自动驾驶领域中，高精度的定位信息是进行安全驾驶的基础。在相关技术中，通常采用GNSS/IMU紧耦合技术实现对自动驾驶车辆的定位，GNSS/IMU紧耦合技术在短时间内丢失卫星信号的情况下可以有比较高的定位精度，但是在经过城市的林荫小路、地下车库等场景下则无法保证定位精度，导致车辆的定位精度整体上不高。

上述内容仅用于辅助理解本发明的技术方案，并不代表承认上述内容是现有技术。

发明内容

本发明的主要目的在于提供一种车辆定位方法、系统及计算机可读存储介质，旨在达成提高车辆的整体定位精度。

为实现上述目的，本发明提供一种车辆定位方法，应用于车辆定位系统，所述车辆定位方法包括：

获取初始模糊度参数，其中，根据所述初始模糊参数能确定所述车辆定位系统中紧耦合单元对车辆的第一定位信息；

获取当前帧信息和历史帧信息，并根据所述当前帧信息和所述历史当前帧信息确定第二定位信息；

根据所述第二定位信息对所述初始模糊度参数进行卡尔曼量测更新，并校正为目标模糊度参数；

根据所述目标模糊度参数确认所述车辆的定位结果。

可选地，所述定位信息包括位置信息、姿态信息、速度信息和/或协方差矩阵。

可选地，所述获取当前帧信息和历史帧信息，并根据所述当前帧信息和所述历史当前帧信息确定第二定位信息的步骤包括：

通过所述车辆定位系统的雷达单元获取当前帧信息，并通过车辆定位系统的高精度地图单元获取历史帧信息；

根据所述当前帧信息和所述历史帧信息确定所述第二定位信息。

可选地，所述根据所述目标模糊度参数确认所述车辆的定位结果的步骤之后，还包括：

将所述定位结果反馈到所述雷达单元和所述高精度地图单元，根据所述定位结果校正所述雷达单元和所述高精度地图单元的测量误差。

可选地，所述紧耦合单元包括全球卫星定位单元和惯性测量单元，所述获取初始模糊度参数的步骤包括：

通过所述车辆定位系统的全球卫星定位单元确定基站与卫星的第一单差；

通过所述车辆定位系统的全球卫星定位单元确定所述车辆与所述卫星的第二单差；

通过所述第一单差和所述第二单差确定所述初始模糊度参数。

可选地，所述通过所述第一单差和所述第二单差确定所述初始模糊度参数的步骤之后包括：

通过所述车辆定位系统的惯性测量单元确定所述车辆的加速度和角速度；

根据所述初始模糊度参数确定所述第一定位信息，并根据所述第一定位信息、所述加速度和所述角速度确定第三定位信息；

根据所述第三定位信息重置所述第二单差，并根据重置后的第二单差优化所述初始模糊度参数。

可选地，所述根据所述第三定位信息重置所述第二单差，并根据重置后的第二单差优化所述初始模糊度参数的步骤之后包括：

根据优化后的初始模糊度参数重新确定所述车辆定位系统中紧耦合单元的第一定位信息。

可选地，所述根据优化后的初始模糊度参数重新确定所述车辆定位系统中紧耦合单元的第一定位信息的步骤之后包括：

将所述第一定位信息反馈到所述惯性测量单元，根据所述第一定位信息校正所述惯性测量单元的测量误差。

此外，为实现上述目的，本发明还提供一种车辆定位系统，所车辆定位系统包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的车辆定位程序，所述车辆定位程序被所述处理器执行时实现如上所述的车辆定位方法的步骤。

此外，为实现上述目的，本发明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上存储有车辆定位程序，所述车辆定位程序被处理器执行时实现如上所述的车辆定位方法的步骤。

本发明实施例提出的一种车辆定位方法、系统及计算机可读存储介质，先获取初始模糊度参数，其中，根据所述初始模糊参数能确定所述车辆定位系统中紧耦合单元对车辆的第一定位信息；获取当前帧信息和历史帧信息，并根据所述当前帧信息和所述历史当前帧信息确定第二定位信息；根据所述第二定位信息对所述初始模糊度参数进行卡尔曼量测更新，并校正为目标模糊度参数；根据所述目标模糊度参数确认所述车辆的定位结果。这样通过紧耦合单元确定了车辆的第一定位信息，再通过当前点云信息和历史点云信息获取第二定位信息，使第二定位信息校正第一定位信息，以得到更为精准的车辆定位结果，这样达成了提高车辆整体上的定位精度。

附图说明

图1是本发明实施例方案涉及的硬件运行环境的终端结构示意图；

图2为本发明车辆定位方法的一实施例的流程示意图；

图3为本发明车辆定位方法的另一实施例的流程示意图；

图4为本发明车辆定位方法的又一实施例的流程示意图；

图5为本发明车辆定位方法实施例涉及的应用场景示意图。

本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。

具体实施方式

应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

由于在相关技术中，通常采用GNSS/IMU紧耦合技术实现对自动驾驶车辆的定位，GNSS/IMU紧耦合技术在短时间内丢失卫星信号的情况下可以有比较高的定位精度，但是在经过城市的林荫小路、地下车库等长时间接收不到卫星信号的场景下，无法保证车辆还能得到精准的定位信息。这样导致了车辆的定位精度整体上不高。

为了提高车辆的整体定位精度，本发明实施例提出一种车辆定位方法、系统及计算机可读存储介质，其中，所述方法的主要步骤包括：

根据所述目标模糊度参数确认所述车辆的定位结果。

这样先通过初始模糊度参数确定紧耦合单元对车辆的第一定位信息，再通过当前点云信息和历史点云信息获取车辆的第二定位信息，通过第二定位信息校正初始模糊度参数为目标模糊度参数，根据目标模糊度参数和第一定位信息得到更为精准地车辆定位结果。因此，基于上述实施例给出的方案，可以提高车辆整体的定位信息。

以下结合附图对本发明权利要求要求保护的内容进行详细说明。

如图1所示，图1是本发明实施例方案涉及的硬件运行环境的终端结构示意图。

本发明实施例终端可以运行车辆定位系统。

如图1所示，该终端可以包括：处理器1001，例如CPU，存储器1003，通信总线1002。其中，通信总线1002用于实现这些组件之间的连接通信。存储器1003可以是高速RAM存储器，也可以是稳定的存储器(non-volatile memory)，例如磁盘存储器。存储器1003可选的还可以是独立于前述处理器1001的存储装置。

本领域技术人员可以理解，图1中示出的终端结构并不构成对终端的限定，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。

如图1所示，作为一种计算机存储介质的存储器1003中可以包括操作系统以及车辆定位程序。

在图1所示的终端中，处理器1001可以用于调用存储器1003中存储的车辆定位程序，并执行以下操作：

根据所述目标模糊度参数确认所述车辆的定位结果。

进一步地，处理器1001可以调用存储器1003中存储的车辆定位程序，还执行以下操作：

在自动驾驶领域中，高精度的定位信息是进行安全驾驶的基础。常见的车载领域定位方法主要有卫星定位(GNSS)、惯性测量(IMU)，其中，GNSS具有定位精度高、成本低、连续性好、全天候、实时等优点，但是在遮挡等条件下定位性能差；IMU具有频率高、不受干扰等优点，但是随着时间增长定位精度会降低。

在相关技术中，通常采用GNSS/IMU紧耦合技术实现对自动驾驶车辆的定位，GNSS/IMU紧耦合技术在短时间内被遮挡或丢失卫星信号的情况下可以有比较高的定位精度，但是在经过城市的林荫小路、地下车库等长时间丢失卫星信号的场景下无法保证定位精度，导致车辆的定位精度整体上不高，使得车辆行驶时的安全性得不到保障。

由此可见，在车辆定位方法中，存在上述缺陷。本发明实施例为解决上述缺陷，提出一种应用于车辆定位系统的车辆定位方法，旨在达成提高车辆整体定位精度的效果。

以下，通过具体示例性方案对本发明权利要求要求保护的内容，进行解释说明，以便本领域技术人员更好地理解本发明权利要求的保护范围。可以理解的是，以下示例性方案不对本发明的保护范围进行限定，仅用于解释本发明。

示例性地，参照图2，在本发明车辆定位方法的一实施例中，所述车辆定位方法包括以下步骤：

步骤S10、获取初始模糊度参数，其中，根据所述初始模糊参数能确定所述车辆定位系统中紧耦合单元对车辆的第一定位信息；

在本实施例中，执行车辆定位方法的主体是车辆定位系统，车辆定位系统安装在需要定位的车辆上，车辆定位系统中包括紧耦合单元，紧耦合单元是全球卫星定位单元和惯性测量单元进行配合的定位方式，通过紧耦合单元可以获取到初始模糊度参数，可以理解的是，要得到一个更为精准的车辆定位的关键在于在得到一个准确性更高的模糊度，在紧耦合单元中，在初始模糊度确定后，可以根据初始模糊度确定车辆的第一定位信息。

可选地，第一定位信息包括了位置信息、姿态信息、速度信息和/或协方差矩阵。

步骤S20、获取当前帧信息和历史帧信息，并根据所述当前帧信息和所述历史当前帧信息确定第二定位信息；

在本实施例中，车辆定位系统还包括雷达单元和高精度地图单元，雷达单元是以发送激光束探测目标，以获取追踪目标当前位置、速度等特征量的激光雷达系统，而高精度地图单元是预先配置有高精度地图的系统，其中包括有历史的点云信息、语义信息、格栅图等，可以理解的是，雷达单元获取的信息是当前行驶时的定位信息，所以称为当前帧信息，高精度地图单元是行驶前预先配置的信息，所以称为历史帧信息。在具有当前帧信息和历史帧信息后，通过匹配算法，就可以得到车辆的第二定位信息。

步骤S30、根据所述第二定位信息对所述初始模糊度参数进行卡尔曼量测更新，并校正为目标模糊度参数；

在本实施例中，在得到了第二定位信息之后，根据第二定位信息对第一定位信息进行一个校正，校正的方式是对初始模糊度进行卡尔曼量测更新，以校正为目标模糊度参数，卡尔曼量测更新是指卡尔曼滤波，本质上是数据融合算法，将具有同样测量目的，来自不同传感器、可能具有不同单位的数据融合在一起，得到一个更精确的目的测量值，可以理解的是，本实施例是将雷达单元和高精度地图单元得到的第二定位信息，融合到第一定位信息解算过程中的模糊度确定中，以将初始模糊度校正更新为一个更为精准的目标模糊度。

步骤S40、根据所述目标模糊度参数确认所述车辆的定位结果。

在本实施例中，在根据第二定位信息将初始模糊度参数校正为了目标模糊度参数，根据目标模糊度能够确定一个相较于第一定位信息更为精准的车辆定位结果。

可选地，在确定了更为精准的车辆定位结果后，还可以将车辆定位结果反馈回到雷达单元和高精度单元当中，以校正雷达单元和高精度地图单元的测量误差，可以理解的是，通过雷达单元和高精度地图单元获取当前帧信息和历史帧信息，匹配算法获得第二定位信息的过程中也会存在误差，标定、器件、地图本身会存在的误差，匹配也会存在误差，通过车辆定位结果的反馈，可以校正误差，在雷达单元和高精度地图单元进行下一次当前帧信息和历史帧信息的获取时或者在匹配算法时，会得到更为精准的定位信息，基于精准的定位信息对模糊度参数进行量测更新会得到更为精准的模糊度参数，从而得到更为精准的车辆定位结果，这样车辆定位系统的定位精度会随着使用越来越高。

在本实施例的一可选实施方案中，车辆定位方法可以应用于车辆定位系统。首先获取初始模糊度参数，其中，根据所述初始模糊参数能确定所述车辆定位系统中紧耦合单元对车辆的第一定位信息；获取当前帧信息和历史帧信息，并根据所述当前帧信息和所述历史当前帧信息确定第二定位信息；根据所述第二定位信息对所述初始模糊度参数进行卡尔曼量测更新校正为目标模糊度参数；根据所述目标模糊度参数确认所述车辆的定位结果。这样通过获取当前帧和历史帧信息确定第二定位信息，基于第二定位信息对初始模糊度进行更新，以获得比第一定位信息更为精准的车辆定位结果。在长时间接收不到卫星信号的场景下，本实施例也能够保证车辆的精准定位，提高了车辆整体的定位精度。

可选地，参照图3，基于上述任一实施例，在本发明车辆定位方法的另一实施例中，所述车辆定位方法包括：

步骤S11、通过所述车辆定位系统的全球卫星定位单元确定基站与卫星第一单差；

步骤S12、通过所述车辆定位系统的全球卫星定位单元确定所述车辆与所述卫星确定第二单差；

在本实施例中，执行车辆定位方法的主体是车辆定位系统，车辆定位系统包括有紧耦合单元、雷达单元和高精度地图单元，其中，紧耦合单元包括全球卫星定位单元和惯性测量定位单元，全球卫星定位单元是利用多颗卫星的伪距、星历、载波等信息定位的无线电导航单元，能提供全球性、全天候、连续性和实时性的导航、定位和定时功能。

在车辆定位系统中的全球定位单元中，首先获取基站的位置、速度，通过卫星星历确定基站与卫星的伪距、载波、多普勒等信息，取多颗卫星进行比较，得到第一伪距单差、第一载波单差、第一多普勒单差，上述单差可统称为第一单差。单差是多颗卫星观测量之间作差。同样的方式，可以获得流动站的第二单差，流动站即是车辆。

步骤S13、通过所述第一单差和所述第二单差确定所述初始模糊度参数。

在本实施例中，获得第一单差和第二单差后，进行卡尔曼更新，获得初始模糊度参数，基于初始模糊度参数，可以获取到全球定位单元对车辆的定位信息，包括位置、速度、协方差矩阵等，可以理解的是，全球卫星定位单元可以得到车辆的定位信息，但是如果卫星信号差时，这个定位信息精准度并不算高，需要融合其他的定位单元对其进行校正。

在本实施例公开的技术方案中，通过所述车辆定位系统的全球卫星定位单元获取基站与所述卫星的第一伪距，并通过所述第一伪距确定第一单差；通过所述车辆定位系统的全球卫星定位单元获取所述车辆与所述卫星的第二伪距，并通过所述第一伪距确定第二单差；通过所述第一单差和所述第二单差确定所述初始模糊度参数。在全球卫星定位单元中获取的车辆的初始模糊度参数，可以根据初始模糊度参数得到车辆的初始定位信息，这些初始数据是后续融合其他定位单元的前提，本实施例实现了车辆定位的初始化。

可选地，参照图4，基于上述任一实施例，在本发明车辆定位方法的又一实施例中，所述车辆定位方法包括：

S14、通过所述车辆定位系统的惯性测量单元确定所述车辆的加速度和角速度；

在本实施例中，执行车辆定位方法的主体是车辆定位系统，车辆定位系统中包括惯性测量单元，惯性测量单元包括三轴加速度计和三轴陀螺仪，主要用来检测和测量加速度和角速度的传感器。根据惯性测量单元确定车辆的加速度和角速度。

S15、根据所述初始模糊度参数确定所述第一定位信息，并根据所述第一定位信息、所述加速度和所述角速度确定第三定位信息；

在本实施例中，惯性测量单元本质上也是一个定位单元，可以基于加速度和角速度确定车辆的定位信息，到那时仅仅是根据加速度和角速度并不能确定车辆定位信息，还需要对车辆的位置进行一个初始化，根据步骤S13(通过所述第一单差和所述第二单差确定所述初始模糊度参数)得到了一个初始模糊度参数，基于初始模糊度参数可以确定车辆的初始定位信息，这样对初始定位信息、测量出来的加速度和角速度进行捷联解算，实现对车辆位置下一时刻的定位信息进行一个预估，这个预估的定位信息即是惯性测量单元确定的第三定位信息。

S16、根据所述第三定位信息重置所述第二单差，并根据重置后的第二单差优化所述初始模糊度参数。

在本实施例中，惯性测量单元确定了第三定位信息，包括车辆的位置、速度和姿态，基于第三信息更新流动站(车辆)与卫星的第二单差，可以获得到一个更加准确的流动站第二单差，在对第一单差和第二单差的卡尔曼量测更新时，可以优化得到一个更为准确的模糊度参数，基于优化后的模糊度参数，可以得到更为精准的车辆定位信息，即第一定位信息。如此实现了车辆定位系统中紧耦合单元对车辆的定位，相较于仅依靠全球卫星定位单元的定位，紧耦合单元的定位信息更加精准，但是惯性测量单元仅能预估短时间的车辆定位信息，这样使得紧耦合单元只能在短时间的卫星信号丢失的情况下有较好的定位精度。

可选地，在获得第一定位信息后，还可以将第一定位信息反馈到惯性测量单元，根据第一定位信息校正惯性测量单元的测量误差，可以理解的是，惯性测量单元，测量的加速度、角速度相较于实际加速度、角速度存在一定的误差，在紧耦合确定了第一定位信息后，将第一定位信息反馈的惯性测量单元，使得惯性定位测量单元基于第一定位信息校正自身的测量误差，这样惯性测量单元第三定位会更加精准，也会使得以第三定位信息作为基准校正的第二单差更加精准，从而使得最后的定位结果更加精准。

可选地，惯性测量单元中会对定位信息进行卡尔曼时间更新，本质上是加速度、角速度数据积分，卡尔曼时间更新除了会校正位置、速度、姿态外，还会更新协方差矩阵。同时全球卫星定位单元的定位和雷达单元与高精度地图单元也会涉及协方差矩阵，将三个不同的板块涉及的协方差矩阵进行比较，可以得到车辆定位系统中最终的定位结果的可行度，基于可行度进行车辆自动策略的生成，提高了车辆自动驾驶的安全性。

为了更好地理解，请参照图5，图5是本实施例的一具体应用场景：

如图所述是执行本实施例车辆定位方法的车辆定位系统，其中Lidar是雷达单元，Hdmap是高精度地图单元，GNSS是全球卫星定位单元，IMU是惯性测量单元，GNSS解算流程可以确定初始模糊度，并确定第一定位信息，同时仅基于GNSS解算流程确定的第一定位信息可以作为IMU的初始位置，根据加速度、角速度的捷联解算确定IMU的第三定位信息，第三定位信息可以用于重置GNSS对流动站的第二单差，根据第二单差可以优化初始模糊度，得到更为精准的第一定位信息，匹配Lidar/Hdmap，确定第二定位信息，根据第二定位信息可以再次对初始模糊度进行卡尔曼量测更新，以确定最终的定位结果，可以反馈到IMU和Lidar/Hdmap，进行误差校正，根据第一定位信息、第二定位信息和第三定位信息中的协方差矩阵可以确定定位结果的可信度。

在本实施例公开的技术方案中，通过所述车辆定位系统的惯性测量单元确定所述车辆的加速度和角速度；根据所述初始模糊度参数确定所述第一定位信息，并根据所述第一定位信息、所述加速度和所述角速度确定第三定位信息；根据所述第三定位信息重置所述第二单差，并根据重置后的第二单差优化所述初始模糊度参数。这样通过惯性测量单元的第三定位信息重置第二单差，使得初始模糊度参数和第一定位信息更加准确，实现了全球卫星定位单元和惯性测量单元的定位融合，是融合第三定位信息的前提，提高了车辆的整体定位精度。

此外，本发明实施例还提出一种车辆定位系统，所述车辆定位系统包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的车辆定位程序，所述车辆定位程序被所述处理器执行时实现如上各个实施例所述的车辆定位方法的步骤。

此外，本发明实施例还提出一种计算机可读存储介质，所述计算机可读存储介质上存储有车辆定位程序，所述车辆定位程序被处理器执行时实现如上各个实施例所述的车辆定位方法的步骤。

需要说明的是，在本文中，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、物品或者系统不仅包括那些要素，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、物品或者系统所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者系统中还存在另外的相同要素。

上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。

通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在如上所述的一个存储介质(如ROM/RAM、磁碟、光盘)中，包括若干指令用以使得车辆定位系统执行本发明各个实施例所述的方法。

以上仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。

Claims

1.一种车辆定位方法，其特征在于，应用于车辆定位系统，所述车辆定位方法包括：

根据所述目标模糊度参数确认所述车辆的定位结果。

2.如权利要求1所述的车辆定位方法，其特征在于，所述定位信息包括位置信息、姿态信息、速度信息和/或协方差矩阵。

3.如权利要求1所述的车辆定位方法，其特征在于，所述获取当前帧信息和历史帧信息，并根据所述当前帧信息和所述历史当前帧信息确定第二定位信息的步骤包括：

4.如权利要求3所述的车辆定位方法，其特征在于，所述根据所述目标模糊度参数确认所述车辆的定位结果的步骤之后，还包括：

5.如权利要求1所述的车辆定位方法，其特征在于，所述紧耦合单元包括全球卫星定位单元和惯性测量单元，所述获取初始模糊度参数的步骤包括：

6.如权利要求5所述的车辆定位方法，其特征在于，所述通过所述第一单差和所述第二单差确定所述初始模糊度参数的步骤之后包括：

7.如权利要求6所述的车辆定位方法，其特征在于，所述根据所述第三定位信息重置所述第二单差，并根据重置后的第二单差优化所述初始模糊度参数的步骤之后包括：

8.如权利要求6所述的车辆定位方法，其特征在于，所述根据优化后的初始模糊度参数重新确定所述车辆定位系统中紧耦合单元的第一定位信息的步骤之后包括：

9.一种车辆定位系统，其特征在于，所述车辆定位系统包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的车辆定位程序，所述车辆定位程序被所述处理器执行时实现如权利要求1至8中任一项所述的车辆定位方法的步骤。

10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有车辆定位程序，所述车辆定位程序被处理器执行时实现如权利要求1至8中任一项所述的车辆定位方法的步骤。