CN114942025A - 车辆导航定位方法、装置、电子设备及存储介质 - Google Patents
车辆导航定位方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN114942025A CN114942025A CN202210330919.1A CN202210330919A CN114942025A CN 114942025 A CN114942025 A CN 114942025A CN 202210330919 A CN202210330919 A CN 202210330919A CN 114942025 A CN114942025 A CN 114942025A
- Authority
- CN
- China
- Prior art keywords
- data
- positioning
- vehicle
- gnss
- preset
- 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.)
- Pending
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
- G01C21/10—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
- G01C21/1652—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 with ranging devices, e.g. LIDAR or RADAR
-
- 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
- G01C21/30—Map- or contour-matching
-
- 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
-
- 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
本申请提供一种车辆导航定位方法、装置、电子设备及存储介质,方法包括:获取车辆的监测数据,所述监测数据包括所述的GNSS数据、车辆数据和IMU数据;对所述监测数据中的两个或两个以上的数据进行融合,得到第一定位数据,所述监测数据中的两个或两个以上的数据包括所述GNSS数据和所述IMU数据;将第一定位数据和所述车辆数据输入到预设卡尔曼滤波器进行滤波运算,得到第二定位数据;将第二定位数据与预设高精度地图匹配,得到目标定位数据。本申请基于滤波器修正定位误差,利用高精度地图进行匹配,能够识别出车道线等信息,提高车辆定位精度,使得定位精度达到车道级导航的需求。
Description
技术领域
本申请涉及导航定位技术领域,具体而言,涉及一种车辆导航定位方法、装置、电子设备及存储介质。
背景技术
随着自动驾驶技术的快速发展,L3级别及以上的自动驾驶、无人送货车、园区无人驾驶巴士和无人扫地车等场景应用,对高精度导航定位、测速、授时和测姿设备均提出更高要求。
目前,传统的组合导航方式是卫星惯性导航结合里程计实现的融合导航,这种方式能够可以融合卫星导航和惯性导航的优势,在没有卫星信号的情况下,能够依旧保证导航过程满足一定精度。但在多路径等复杂路况情况下,容易受环境的干扰,定位精度无法保证满足L3级别及以上的定位要求。
发明内容
本申请实施例的目的在于提供一种车辆导航定位方法、装置、电子设备及存储介质,旨在解决当前车辆定位精度无法满足自动驾驶要求的问题。
第一方面,本申请实施例提供了一种车辆导航定位方法,包括:
获取车辆的监测数据,所述监测数据包括所述的GNSS数据、车辆数据和IMU数据;
对所述监测数据中的两个或两个以上的数据进行融合,得到第一定位数据,所述监测数据中的两个或两个以上的数据包括所述GNSS数据和所述IMU数据;
将第一定位数据和所述车辆数据输入到预设卡尔曼滤波器进行滤波运算,得到第二定位数据;
将第二定位数据与预设高精度地图匹配,得到目标定位数据。
在一实施例中,所述监测数据还包括雷达检测数据。
在一实施例中,所述雷达检测数据包括激光雷达数据、毫米波雷达数据、超声波雷达数据中的至少一种。
在一实施例中,对所述监测数据中的两个或两个以上的待融合数据进行融合,得到第一定位数据,包括:
对所述GNSS数据、所述IMU数据和所述雷达数据进行融合,得到所述第一定位数据。
在一实施例中,在所述获取车辆的监测数据之后,所述对所述监测数据中的两个或两个以上的待融合数据进行融合,得到第一定位数据之前,所述方法还包括:
判断所述监测数据是否为可用;
当所述监测数据为不可用时,则获取所述车辆的用冗余数据,并对所述冗余数据中的两个或两个以上的数据进行融合,得到所述第一定位数据。
在一实施例中,所述冗余数据包括冗余GNSS数据、冗余车辆数据、冗余IMU数据、冗余雷达检测数据中的至少两种。
在一实施例中,所述对所述监测数据中的两个或两个以上的数据进行融合,得到第一定位数据,包括:
对所述IMU数据进行捷联解算,得到解算后的融合定位数据;
对所述融合定位数据和所述GNSS数据进行融合,得到所述第一定位数据。
在一实施例中,所述对所述融合定位数据和所述GNSS数据进行融合,得到所述第一定位数据,包括:
基于RTK对所述GNSS数据进行实时差分定位解算,得到RTK固定解数据;
将所述融合定位数据与所述RTK固定解数据进行融合,得到所述第一定位数据。
在一实施例中,所述基于RTK对所述GNSS数据进行实时差分定位解算,得到RTK固定解数据,包括:
将所述GNSS数据以跨域资源共享CROS差分数据的数据形式,通过以太网输入到处理器MCU进行实时差分定位解算,输出所述RTK固定解数据。
在一实施例中,所述对所述融合定位数据和所述GNSS数据进行融合,得到所述第一定位数据,包括:
基于PPP-RTK对GNSS数据进行定位解算,得到PPP-RTK固定解算数据;
将所述融合定位数据与所述PPP-RTK固定解算数据进行融合,得到所述第一定位数据。
在一实施例中,所述对所述GNSS数据和所述IMU数据进行数据融合,得到第一定位数据,包括:
若车辆的GNSS信号断开,则将已知的所述GNSS数据作为车辆参考位置,并结合所述IMU数据确定所述第一定位数据。
在一实施例中,所述第一定位数据和所述第二定位数据包括经纬度坐标、车速、车辆姿态角和/或车辆航向角。
在一实施例中,所述将第一定位数据和所述车辆数据输入到预设卡尔曼滤波器进行滤波运算,得到第二定位数据,包括:
将所述第一定位数据和所述车辆数据输入到所述预设卡尔曼滤波器;
将真实性约束条件输入到预设卡尔曼滤波器,以对所述预设卡尔曼滤波器的滤波运算进行约束;
利用所述预设卡尔曼滤波器,对符合所述预设真实性约束条件的所述车辆数据和第一定位数据进行滤波修正,得到所述第二定位数据。
在一实施例中,所述利用所述预设卡尔曼滤波器,对符合所述预设真实性约束条件的所述车辆数据和第一定位数据进行滤波修正,得到所述第二定位数据,包括:
将所述方向盘转角数据与所述车轮轮速数据组成二维观测向量,以及将所述方向盘转角数据的角度残差值和所述车轮轮速数据的速度残差值组成观测噪声;
基于所述观测噪声,计算所述预设卡尔曼滤波器的卡尔曼增益值;
基于所述二维观测向量和所述卡尔曼增益值,对所述第一定位数据进行数据修正,得到第二定位数据。
在一实施例中,所述预设真实性约束条件包括运动约束条件、速率约束条件、零速约束条件和/或零角约束条件。
在一实施例中,所述车辆数据包括方向盘转角数据、车轮轮速数据和档位信息中的至少一种。
在一实施例中,所述将第一定位数据和所述车辆数据输入到预设卡尔曼滤波器进行滤波,得到第二定位数据之后,还包括:
获取所述车辆的场景视觉数据;
根据所述场景视觉数据,匹配所述第二定位数据对应的车道信息,得到包含所述车道信息的第二定位数据。
在一实施例中,所述将第二定位数据与预设高精度地图匹配,得到目标定位数据,包括:
根据包含所述车道信息的第二定位数据,对所述车辆在所述预设高精度地图进行车道匹配,得到所述目标定位数据,所述目标定位数据包含所述预设高精度地图的目标车道信息。
在一实施例中,所述根据包含所述车道信息的第二定位数据,对所述车辆在所述预设高精度地图进行车道匹配,得到所述目标定位数据,包括:
根据所述第二定位数据和所述高精度地图进行全局路径规划或局部车道级路径规划,以对所述车辆在所述预设高精度地图进行车道匹配,得到所述目标定位数据。
在一实施例中,所述根据所述第二定位数据和所述高精度地图进行全局路径规划或局部车道级路径规划,以对所述车辆在所述预设高精度地图进行车道匹配,得到所述目标定位数据,包括:
根据所述第二定位数据,构建车辆行驶时的路径树;
根据所述路径树,增量加载所述预设高精度地图;
根据所述车道信息,对所述车辆在所述预设高精度地图进行车道匹配,得到所述目标定位数据。
在一实施例中,在所述将第二定位数据与预设高精度地图匹配,得到目标定位数据之后,所述方法包括:
将所述目标定位数据发送至车辆控制器。
在一实施例中,所述获取车辆的监测数据,包括:通过CAN、CANFD通信方式、ETH通信方式或Flexray通信方式获取所述GNSS数据和所述车辆数据。
本申请第二方面公开一种车辆导航定位装置,包括:
第一获取模块,用于获取车辆的监测数据,所述监测数据包括所述的GNSS数据、车辆数据和IMU数据;
融合模块,用于对所述监测数据中的两个或两个以上的数据进行融合,得到第一定位数据,所述监测数据中的两个或两个以上的数据包括所述GNSS数据和所述IMU数据;
滤波模块,用于将第一定位数据和所述车辆数据输入到预设卡尔曼滤波器进行滤波运算,得到第二定位数据;
第一匹配模块,用于将第二定位数据与预设高精度地图匹配,得到目标定位数据。
在一实施例中,所述监测数据还包括雷达检测数据。
在一实施例中,所述雷达检测数据包括激光雷达数据、毫米波雷达数据、超声波雷达数据中的至少一种。
在一实施例中,所述融合模块用于对所述GNSS数据、所述IMU数据和所述雷达数据进行融合,得到所述第一定位数据。
在一实施例中,所述车辆导航定位装置还包括:
判断模块,用于判断所述监测数据是否为可用;
以及,所述融合模块还用于当所述监测数据为不可用时,获取所述车辆的用冗余数据,并对所述冗余数据中的两个或两个以上的数据进行融合,得到所述第一定位数据。
在一实施例中,所述冗余数据包括冗余GNSS数据、冗余车辆数据、冗余IMU数据、冗余雷达检测数据中的至少两种。
在一实施例中,所述融合模块,包括:
解算子模块,用于对所述IMU数据进行捷联解算,得到解算后的融合定位数据;
融合子模块,用于对所述融合定位数据和所述GNSS数据进行融合,得到所述第一定位数据。
在一实施例中,所述融合子模块,包括:
第一解算单元,用于基于RTK对所述GNSS数据进行实时差分定位解算,得到RTK固定解数据;
第一融合单元,用于将所述融合定位数据与所述RTK固定解数据进行融合,得到所述第一定位数据。
在一实施例中,所述第一解算单元,包括:
解算子单元,用于将所述GNSS数据以跨域资源共享CROS差分数据的数据形式,通过以太网输入到处理器MCU进行实时差分定位解算,输出所述RTK固定解数据。
在一实施例中,所述融合子模块,包括:
第二解算单元,用于基于PPP-RTK对GNSS数据进行定位解算,得到PPP-RTK固定解算数据;
第二融合单元,用于将所述融合定位数据与所述PPP-RTK固定解算数据进行融合,得到所述第一定位数据。
在一实施例中,所述融合模块,还包括:
结合子模块,用于若车辆的GNSS信号断开,则将已知的所述GNSS数据作为车辆参考位置,并结合所述IMU数据确定所述第一定位数据。
在一实施例中,所述第一定位数据和所述第二定位数据包括经纬度坐标、车速、车辆姿态角和/或车辆航向角。
在一实施例中,所述滤波模块,包括:
第一输入子模块,用于将所述第一定位数据和所述车辆数据输入到所述预设卡尔曼滤波器;
第二输入子模块,用于将真实性约束条件输入到预设卡尔曼滤波器,以对所述预设卡尔曼滤波器的滤波运算进行约束;
修正子模块,用于利用所述预设卡尔曼滤波器,对符合所述预设真实性约束条件的所述车辆数据和第一定位数据进行滤波修正,得到所述第二定位数据。
在一实施例中,所述修正子模块,包括:
组成单元,用于将所述方向盘转角数据与所述车轮轮速数据组成二维观测向量,以及将所述方向盘转角数据的角度残差值和所述四轮轮速数据的速度残差值组成观测噪声;
计算单元,用于基于所述观测噪声,计算所述预设卡尔曼滤波器的卡尔曼增益值;
修正单元,用于基于所述二维观测向量和所述卡尔曼增益值,对所述第一定位数据进行数据修正,得到第二定位数据。
在一实施例中,所述预设真实性约束条件包括运动约束条件、速率约束条件、零速约束条件和/或零角约束条件。
在一实施例中,所述车辆数据包括方向盘转角数据、车轮轮速数据和档位信息中的至少一种。
在一实施例中,所述车辆导航定位装置还包括:
第二获取模块,用于获取所述车辆的场景视觉数据;
第二匹配模块,用于根据所述场景视觉数据,匹配所述第二定位数据对应的车道信息,得到包含车道信息的第二定位数据。
在一实施例中,所述第二匹配模块,包括:
匹配子模块,用于根据包含所述车道信息的第二定位数据,对所述车辆在所述预设高精度地图进行车道匹配,得到所述目标定位数据,所述目标定位数据包含所述预设高精度地图的目标车道信息。
在一实施例中,所述匹配子模块,包括:路径规划单元,用于根据所述第二定位数据和所述高精度地图进行全局路径规划或局部车道级路径规划,以对所述车辆在所述预设高精度地图进行车道匹配,得到所述目标定位数据。
在一实施例中,所述路径规划单元,包括:
构建单元,用于根据所述第二定位数据,构建车辆行驶时的路径树;
加载单元,用于根据所述路径树,增量加载所述预设高精度地图;
匹配单元,用于根据所述车道信息,对所述车辆在所述预设高精度地图进行车道匹配,得到所述目标定位数据。
在一实施例中,所述装置还包括:
发送模块,用于将所述目标定位数据发送至车辆控制器。
在一实施例中,所述第一获取模块通过CAN通信方式、CANFD通信方式、ETH通信方式或Flexray通信方式获取所述GNSS数据和所述车辆数据。
本申请第三方面公开一种车辆,该车辆包括高精度地图盒子和GNSS传感器、IMU传感器和控制器;
所述高精度地图盒子与所述GNSS传感器和所述IMU传感器通信连接,用于接收所述GNSS传感器的GNSS数据,和用于接收所述IMU传感器的IMU数据;
所述高精度地图盒子与所述控制器通信连接,用于将基于融合所述GNSS数据和所述IMU数据而得到的目标定位数据发送至所述控制器。
在一实施例中,所述车辆还包括雷达传感器,所述雷达传感器与所述高精度地图盒子通信连接,用于生成雷达检测数据并向所述高精度地图盒子输入所述雷达检测数据。
在一实施例中,所述车辆还包括成像检测传感器,成像检测传感器与所述高精度地图盒子通信连接,用于生成场景视觉数据并向所述高精度地图盒子输入所述场景视觉数据。
本申请第四方面公开一种电子设备,包括存储器及处理器,所述存储器用于存储计算机程序,所述处理器运行所述计算机程序以使所述电子设备执行本申请第一方面的车辆导航定位方法。
本申请第五方面公开一种计算机可读存储介质,其存储有计算机程序,所述计算机程序被处理器执行时实现本申请第一方面的车辆导航定位方法。
数据融合模块
附图说明
为了更清楚地说明本申请实施例的技术方案,下面将对本申请实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本申请的某些实施例,因此不应被看作是对范围的限定,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他相关的附图。
图1为本申请一实施例提供的车辆导航定位方法的流程示意图;
图2为本申请另一实施例提供的车辆导航定位方法的流程示意图;
图3为本申请实施例提供的车辆导航定位装置的结构示意图;
图4为本申请实施例提供的电子设备的结构示意图。
具体实施方式
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描述。
应注意到:相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步定义和解释。同时,在本申请的描述中,术语“第一”、“第二”等仅用于区分描述,而不能理解为指示或暗示相对重要性。
如背景技术相关记载,传统的组合导航方式是卫星惯性导航结合里程计实现的融合导航,这种方式能够可以融合卫星导航和惯性导航的优势,在没有卫星信号的情况下,能够依旧保证导航过程满足一定精度。但在多路径等复杂路况情况下,容易受环境的干扰,定位精度无法保证满足L3级别及以上的定位要求。
针对上述现有技术中的问题,本申请提供了一种车辆导航定位方法,通过获取车辆的GNSS数据、车辆数据和IMU数据,对GNSS数据和IMU数据进行数据融合,得到第一定位数据,从而能够得到车辆的基于卫星导航定位的初始位置,以及惯性导航更新的移动位置;在将第一定位数据和车辆数据输入到预设卡尔曼滤波器进行滤波,得到第二定位数据,从而利用车辆的车辆数据修正第一定位数据的定位误差,提高车辆定位精度;最后将第二定位数据与预设高精度地图匹配,得到目标定位数据,从而能够得到第二定位数据对应在高精度地图的地图位置信息,以定位到车辆在高精度地图中车道线等高精度信息,提高车辆定位精度,满足车道导航级别的要求,进而能够实现自动驾驶。
为实现上述方法,本申请实施例还提供一种车辆,该车辆包括用于获取监测数据的传感器,其中,具体地,用于获取监测数据的传感器包括用户、IMU传感器、CNSS传感器,且IMU传感器用于获取车辆的IMU数据,CNSS传感器用户获取车辆的CNSS数据,与此同时,车辆还包括高精度地图盒子(HD-MAP BOX),高精度地图盒子与用于获取监测数据的传感器通信连接,具体地,在一些具体实施方式中,高精度地图盒子与IMU传感器和CNSS传感器通信连接,用于接收IMU传感器的IMU数据和CNSS传感器的CNSS数据,进而基于CNSS数据和IMU数据输出高精度的目标定位数据。
在本申请实施例中,车辆还包括控制器,车辆的控制器与高精度地图盒子通信连接,用于接收高精度地图盒子输出的目标定位数据,其中,车辆的控制器包括导航地图模块,当车辆的控制器接收到目标定位数据后,导航地图模块基于目标定位数据完成导航,具体地,高精度地图盒子向车辆的控制器输出目标定位数据时,高精度地图盒子根据控制器的导航地图模块所支持的信号形式、内容传输输出目标定位数据,其中,信号形式、内容传输基于导航地图模块对高精度地图盒子的需求频率进行定义。
在本申请实施例的一可选实施方式中,用于获取监测数据的传感器还包括雷达传感器、成像检测传感器,其中,雷达传感器用于获取车辆的雷达检测数据,成像检测传感器用于获取车辆的场景视觉数据。进一步地,雷达传感器包括激光雷达、毫米波雷达、超声波雷达,其中,激光雷达用于获取车辆的激光雷达数据、毫米波雷达用于获取车辆的毫米波雷达数据,超声波雷达用于获取车辆的超声波雷达数据。需要说明的是,在不脱离本申请实施例的发明构思下,本领域技术人员应当理解的是本申请实施例的车辆还可以包括其他用于获取车辆的监测数据并可用于车辆到导航的传感器。进一步可选地,车辆的成像检测传感器包括车辆的前置摄像头或后置摄像头、单双目摄像头等其他用于对车辆周围环境进行检测成像的设备。
在本申请实施例的一些可选实施方式中,高精度地图盒子通过以太网与车辆的控制器通信连接,其中,高精度地图盒子将携带目标定位数据的EHP(Electronic HorizonProvider)消息发送至车辆的控制器,可选地,车辆的控制器为ADAS(Advanced DriverAssistance System,高级驾驶辅助系统)域控制器,例如,车辆的控制器为高级驾驶辅助系统中的ECU(Electronic Control Unit,电子控制单元)。
在本申请实施例中,高精度地图盒子包括数据通信模块,该数据通信模块用于获取车辆的监测数据,具体地,在一些具体实施方式中,数据通信模块用于获取车辆的GNSS数据、车辆的IMU数据,或者在另一具体实施方式中,数据通信模块用于获取车辆的GNSS数据、车辆的IMU数据、雷达检测数据和场景视觉数据。
在本申请实施例中,车辆的监测数据还包括了车辆数据,其中,车辆数据可以车辆的速度检测传感器、档位检测传感器、角度检测传感器产生,即车辆数据包括车辆的轮速、档位、方向盘角度。需要说明的是,车辆数据还包括其他可用于导航的车辆姿态数据。进一步地,数据通信模块还用于接收车辆数据,具体地,在一些具体实施方式中,数据通信模块与车辆的底盘总线通信连接,从而获取车辆的轮速、档位、方向盘角度等车辆姿态数据。
在本申请实施例中的一具体实施方式,高精度地图盒子的数据通信模块包括CANFD模块,其中,CANFD模块基于CANFD协接收CNSS数据、车辆数据。进一步地,数据通信模块还包括IMU模块,其中,IMU模块用于接接收IMU传感器的IMU数据。
进一步地,在另一具体实施方式中,数据通信模块包括CAN模块,其中,CAN模块基于CAN协议接收CNSS数据、车辆数据。
在本申请实施例中,数据通信模块中的用于接收CNSS数据、车辆数据的模块还可以是基于其他通信协议实现的通信模块,例如,数据通信模块包括基于ETH实现的通信模块、基于Flexray协议实现的通信模块,且基于ETH实现的通信模块、基于Flexray协议实现的通信模块均可用于接收CNSS数据、车辆数据。
在本申请实施例中,高精度地图盒子还包括数据融合模块,其中,数据融合模块用于对监测数据中的两个或两个以上的数据进行融合,得到第一定位数据,进而将第一定位数据和车辆数据输入到预设卡尔曼滤波器进行滤波运算,得到第二定位数据,相应地,高精度地图盒子还包括高精地图EHP,其中,高精地图EHP用于将第二定位数据与预设高精度地图匹配,得到目标定位数据,另一方面,高精地图EHP(Electronic HorizonProvider)基于ADASIS V3协议架构实现,因此可将目标定位数据封装为ADASIS V3信号,进而将携带目标定位数据的ADASIS V3信号发送至车辆的ADAS域控制器,以将目标定位数据作为自动驾驶所需参数,发送给车辆的控制器,以使得车辆的控制器基于目标定位数据完成精确导航驾驶。需要说明的是,高精地图EHP还可将封装的ADASIS V3信号发送给控制器中的导航地图模块或其他有对高精地图有需求模块。
在本申请实施例中,高精地图EHP用于将第二定位数据与预设高精度地图匹配,得到目标定位数据的具体过程为:基于第二定位数据构建车辆前方的路径树,其中,车辆前方的路径作为目标定位数据发送给车辆的控制器。进一步可选地,高精地图EHP构建的目标定位数据包括了预设范围内的高精地图数据,例如,目标定位数据包括了车辆前方1km的高精地图数据。
进一步地,在车辆行进过程中,高精地图EHP以行进初始时刻的高精地图数据为基础,向车辆发送增量高精地图数据,例如,假设行进初始时刻的高精地图数据为车辆前方1km的高精地图数据,则以车辆前方1km的高精地图数据为基础,在车辆每前进100m时,向车辆发送100m增量高精地图数据,从而确保车辆的前方有900-1000m的高精地图。
参见图1,图1示出了本申请实施例提供的一种车辆导航定位方法的实现流程图。本申请实施例中下述的车辆导航定位方法可应用于高精度地图盒子,其中,高精度地图盒子是一种电子设备,电子设备包括但不限于连接车载设备的智能手机、平板电脑、桌上型计算机、超级计算机、个人数字助理、物理服务器、云服务器等计算机设备。本申请实施例的车辆导航定位方法,包括步骤S101至S104,详述如下:
步骤S101,获取车辆的监测数据,监测数据包括GNSS数据、车辆数据和IMU数据。
在步骤S101中,GNSS数据是基于全球导航卫星系统在地球表面或近地空间的任何地点为车辆提供全天候三维坐标和速度以及时间信息等的GNSS数据。
在步骤S101中,IMU数据包括但不限于车辆三轴姿态角(或角速率)以及加速度。另一方面,车辆数据包括但不限于车轮轮速数据、档位信息和方向盘角度数据等。
示例性地,对于高精度地图盒子,可以通过该高精度地图盒子上的CANFD模块接收车辆数据和GNSS数据,通过IMU模块接收车辆上的IMU传感器测量得到的角速率和加速度等数据。
步骤S102,对监测数据中的两个或两个以上的数据进行融合,得到第一定位数据,监测数据中的两个或两个以上的数据包括GNSS数据和IMU数据。
在本步骤中的一具体实施方式中,可对监测数据中的两个数据进行融合,从而得到第一定位数据,也可以对监测数据中的三个数据进行融合,从而得到第一定位数据,例如,对监测数据中的GNSS数据和IMU数据进行融合,或对监测数据中的NSS数据、IMU数据、雷达检测数据进行融合。
在本步骤中,第一定位数据包括但不限于经纬度坐标、车速、车辆姿态角和车辆航向角等数据。当车辆存在GNSS信号时,将GNSS数据与IMU数据进行数据融合,使得定位过程既能够具备卫星导航的优势,又能具备惯性导航的优势,使两者结合更新车辆定位信息,以提高定位精度。当车辆不存在GNSS信号(GNSS信号断开),将已知的GNSS数据作为车辆的定位参考位置,结合IMU数据更新车辆定位信息,实现无GNSS信号时的定位。
步骤S103,将第一定位数据和车辆数据输入到预设卡尔曼滤波器进行滤波,得到第二定位数据。
在本步骤中,卡尔曼滤波器为利用线性系统状态方程,通过系统输入输出观测数据,对系统状态进行最优估算的算法。由于观测数据中包括系统中的噪声和干扰的影响,所以最优估算也可以看作是滤波过程。由于第一定位数据中的GNSS数据和IMU数据在一定程度上存在偏差,所以对第一定位数据进行修正。具体而言,本实施例采用车辆数据对第一定位数据进行滤波,从而实现车辆数据对第一定位数据进行修正,提高第一定位数据的准确度,提高定位精度。可选地,采用二维向量作为卡尔曼滤波器的输入向量,滤波方式简单,对硬件资源消耗少,降低导航成本。可选地,步骤:利用预设卡尔曼滤波器,对符合预设真实性约束条件的车辆数据和第一定位数据进行滤波修正,得到第二定位数据,包括:
获取车辆数据中的方向盘转角数据和车轮轮速数据;将转角角度与移动速度组成二维观测向量,以及将方向盘转角数据的角度残差值和四轮轮速数据的速度残差值组成观测噪声,计算卡尔曼滤波器的卡尔曼增益值;基于二维观测向量和卡尔曼增益值,对第一定位数据进行数据修正,得到第二定位数据。通过残差值组成的观测噪声计算卡尔曼增益值,并利用转角角度和移动速度组成的二维观测向量,对第一定位数据进行修正,以实现车辆信息对导航定位信息的修正,消除噪声影响,提高数据准确度。
步骤S104,将第二定位数据与预设高精度地图匹配,得到目标定位数据。
在本步骤中,目标定位数据包括但不限于地理围栏、前身信息类型、前身信息距离、道路ID、车道ID、车道编号、车道标志距离、车道标志方位角、车辆位置和HD-MAP内容等。
示例性,根据输入的第二定位数据,第二定位数据包括经纬度、所在的道路ID和车道编号,构建车辆前方的路径树。初始定位时发送前方1KM高精度地图数据信号,然后在行进过程中,每前进100m,增量发送100m的高精度地图数据信号,即保证车辆前方有900-1000m的高精度地图。
在一实施例中,监测数据还包括雷达检测数据。
在一实施例中,雷达检测数据包括激光雷达数据、毫米波雷达数据、超声波雷达数据中的至少一种。
在一实施例中,对监测数据中的两个或两个以上的待融合数据进行融合,得到第一定位数据,包括以下子步骤:
对GNSS数据、IMU数据和雷达数据进行融合,得到第一定位数据。
在一实施例中,在获取车辆的监测数据之后,对监测数据中的两个或两个以上的待融合数据进行融合,得到第一定位数据之前,本申请实施例的方法还包括以下步骤:
判断监测数据是否为可用;
当监测数据为不可用时,则获取车辆的用冗余数据,并对冗余数据中的两个或两个以上的数据进行融合,得到第一定位数据。
在一实施例中,冗余数据包括冗余GNSS数据、冗余车辆数据、冗余IMU数据、冗余雷达检测数据中的至少两种。
在一实施例中,上述步骤S102,包括:对IMU数据进行捷联解算,得到解算后的融合定位数据;对融合定位数据和GNSS数据进行融合,得到第一定位数据。
在本实施例中,捷联解算为捷联式惯性导航解算,捷联表示与载体(汽车)固联。本实施例IMU数据包括位置坐标、三维运动速度和姿态四元数,捷联解算过程可以为对IMU数据进行求导,得到解算后的融合定位数据,实现不依赖环境信息而定位。
可选地,对融合定位数据和GNSS数据融合时,对GNSS数据进行RTK跳点误差修正。
进一步地,对融合定位数据和GNSS数据进行融合,得到第一定位数据,包括:基于RTK对GNSS数据进行实时差分定位解算,得到RTK固定解数据;将融合定位数据与RTK固定解数据进行融合,得到第一定位数据。
在本实施例中,RTK技术是基于载波相位观测值的实时动态定位技术,它能够实时地提供测站点在指定坐标系中的三维定位结果,并达到厘米级精度。可选地,GNSS数据以跨域资源共享CROS差分数据的数据形式,通过以太网输入到处理器MCU进行RTK实时差分定位解算,输出RTK固定解用于与融合定位数据融合定位。
示例性地,在RTK作业模式下,基准站通过数据链将其观测值和测站坐标信息一起传送给流动站。流动站不仅通过数据链接收来自基准站的数据,还要采集GPS观测数据(GNSS数据),并在系统内组成差分观测值进行实时处理,同时给出厘米级定位结果,历时不到一秒钟。流动站可处于静止状态,也可处于运动状态;可在固定点上先进行初始化后再进入动态作业,也可在动态条件下直接开机,并在动态环境下完成周模糊度的搜索求解。在整周末知数解固定后,即可进行每个历元的实时处理,只要能保持四颗以上卫星相位观测值的跟踪和必要的几何图形,则流动站可随时给出厘米级定位结果。
在一实施例中,步骤S102包括:基于PPP-RTK对GNSS数据进行定位解算,得到PPP-RTK固定解算数据;
将融合定位数据与PPP-RTK固定解算数据进行融合,得到第一定位数据。
在一实施例中,上述步骤S103,包括:将第一定位数据和车辆数据输入到预设卡尔曼滤波器;将真实性约束条件输入到预设卡尔曼滤波器,以对预设卡尔曼滤波器的滤波运算进行约束。
在本实施例中,真实性约束条件为对车辆信息进行验证的预设条件,其包括但不限于运动约束条件、速率约束条件、零速约束条件和零角约束条件等。例如,运动约束条件为车辆向预设方向运动。本实施例将第一定位数据融合CAN信息,经过卡尔曼滤波以及各种真实性约束条件,重新修正更新到捷联解算的结果,即符合需求精度的定位结果。在本申请实施例中,由于第二定位数据基于第一定位数据修正得到,因此第二定位数据也包括经纬度坐标、车速、车辆姿态角和/或车辆航向角。
在图1实施例的基础上,图2示出了实施例提供的另一种车辆导航定位方法的实现流程图。如图2所示,在步骤S103之后还包括步骤S201至S202。需要说明的是,与图1实施例相同的步骤,此处不再赘述。
步骤S201,获取车辆的场景视觉数据。
在本步骤中,通过摄像头采集场景视觉数据,例如采集车辆前方的场景图像,该场景图像包括车辆所处车道、周围环境等信息。
步骤S202,根据场景视觉数据,匹配第二定位数据对应的车道信息,得到包含车道信息的第二定位数据。
在本步骤中,每个定位位置均对应有至少一个场景视觉数据,所以根据场景视觉数据,确定车辆在第二定位数据对应的位置时的车道信息,以实现车道级定位。
在图2实施例的基础上,上述步骤S104,包括:根据包含车道信息的第二定位数据,对车辆在预设高精度地图进行车道匹配,得到目标定位数据,目标定位数据包含预设高精度地图的目标车道信息。
在本实施例中,由于高精度地图具有高精度信息,所以通过高精度地图进行车道匹配,以得到车辆的高精度车道信息,进一步提高车道级定位的定位精度。
在一实施例中,步骤:根据包含车道信息的第二定位数据,对车辆在预设高精度地图进行车道匹配,得到目标定位数据,包括:
根据第二定位数据和高精度地图进行全局路径规划或局部车道级路径规划,以对车辆在预设高精度地图进行车道匹配,得到目标定位数据。
为了执行上述方法实施例对应的方法,以实现相应的功能和技术效果,下面提供一种车辆导航定位装置。参见图3,图3是本申请实施例提供的一种车辆导航定位装置的结构框图。本实施例中该装置包括的各模块用于执行图1和图2对应的实施例中的各步骤,具体参见图1和图2以及图1和图2所对应的实施例中的相关描述。为了便于说明,仅示出了与本实施例相关的部分,本申请实施例提供的车辆导航定位装置,包括:
第一获取模块301,用于获取车辆的监测数据,监测数据包括的GNSS数据、车辆数据和IMU数据;
融合模块302,用于对监测数据中的两个或两个以上的数据进行融合,得到第一定位数据,监测数据中的两个或两个以上的数据包括GNSS数据和IMU数据;
滤波模块303,用于将第一定位数据和车辆数据输入到预设卡尔曼滤波器进行滤波运算,得到第二定位数据;
第一匹配模块304,用于将第二定位数据与预设高精度地图匹配,得到目标定位数据。
在一实施例中,监测数据还包括雷达检测数据。
在一实施例中,雷达检测数据包括激光雷达数据、毫米波雷达数据、超声波雷达数据中的至少一种。
在一实施例中,融合模块用于对GNSS数据、IMU数据和雷达数据进行融合,得到第一定位数据。
在一实施例中,车辆导航定位装置还包括:
判断模块,用于判断监测数据是否为可用;
以及,融合模块还用于当监测数据为不可用时,获取车辆的用冗余数据,并对冗余数据中的两个或两个以上的数据进行融合,得到第一定位数据。
在一实施例中,冗余数据包括冗余GNSS数据、冗余车辆数据、冗余IMU数据、冗余雷达检测数据中的至少两种。
在一实施例中,融合模块302,包括:
解算子模块,用于对IMU数据进行捷联解算,得到解算后的融合定位数据;
融合子模块,用于对融合定位数据和GNSS数据进行融合,得到第一定位数据。
在一实施例中,融合子模块,包括:
第一解算单元,用于基于实时动态差分RTK技术,对GNSS数据进行实时差分定位解算,得到RTK固定解数据;
第一融合单元,用于将融合定位数据与RTK固定解数据进行融合,得到第一定位数据。
在一实施例中,第一解算单元,包括:
解算子单元,用于将GNSS数据以跨域资源共享CROS差分数据的数据形式,通过以太网输入到处理器MCU进行实时差分定位解算,输出RTK固定解数据。
在一实施例中,融合模块302,还包括:
结合子模块,用于若车辆的GNSS信号断开,则将已知的GNSS数据作为车辆参考位置,并结合IMU数据确定第一定位数据。
在一实施例中,融合子模块302,包括:
第二解算单元,用于基于PPP-RTK对GNSS数据进行定位解算,得到PPP-RTK固定解算数据;
第二融合单元,用于将融合定位数据与PPP-RTK固定解算数据进行融合,得到第一定位数据。
在一实施例中,第一定位数据包括经纬度坐标、车速、车辆姿态角和车辆航向角。
在一实施例中,滤波模块303,包括:
第一输入子模块,用于将第一定位数据和车辆数据输入到预设卡尔曼滤波器;
第二输入子模块,用于将真实性约束条件输入到预设卡尔曼滤波器,以对预设卡尔曼滤波器的滤波运算进行约束;
修正子模块,用于利用预设卡尔曼滤波器,对符合预设真实性约束条件的车辆数据和第一定位数据进行滤波修正,得到第二定位数据。
在一实施例中,符合预设真实性约束条件的车辆数据包括方向盘转角数据和车轮轮速数据。
在一实施例中,修正子模块,包括:
组成单元,用于将方向盘转角数据与车轮轮速数据组成二维观测向量,以及将方向盘转角数据的角度残差值和四轮轮速数据的速度残差值组成观测噪声;
计算单元,用于基于观测噪声,计算预设卡尔曼滤波器的卡尔曼增益值;
修正单元,用于基于二维观测向量和卡尔曼增益值,对第一定位数据进行数据修正,得到第二定位数据。
在一实施例中,预设真实性约束条件包括运动约束条件、速率约束条件、零速约束条件和/或零角约束条件。
在一实施例中,车辆数据包括方向盘转角数据、车轮轮速数据和档位信息中的至少一种。
在一实施例中,装置还包括:
第二获取模块,用于获取车辆的场景视觉数据;
第二匹配模块,用于根据场景视觉数据,匹配第二定位数据对应的车道信息,得到包含车道信息的第二定位数据。
在一实施例中,第二匹配模块,包括:
匹配子模块,用于根据包含车道信息的第二定位数据,对车辆在预设高精度地图进行车道匹配,得到目标定位数据,目标定位数据包含预设高精度地图的目标车道信息。
在一实施例中,匹配子模块,包括:路径规划单元,用于根据第二定位数据和高精度地图进行全局路径规划或局部车道级路径规划,以对车辆在预设高精度地图进行车道匹配,得到目标定位数据。
在一实施例中,匹配子模块,包括:
构建单元,用于根据第二定位数据,构建车辆行驶时的路径树;
加载单元,用于根据路径树,增量加载预设高精度地图;
匹配单元,用于根据车道信息,对车辆在预设高精度地图进行车道匹配,得到目标定位数据。
在一实施例中,装置还包括:
发送模块,用于将目标定位数据通过以太网发送至车辆的ADAS域控制器。
在一实施例中,通过CAN总线获取GNSS数据、车辆数据和IMU数据。
上述的车辆导航定位装置可实施上述方法实施例的车辆导航定位方法。上述方法实施例中的可选项也适用于本实施例,这里不再详述。本申请实施例的其余内容可参照上述方法实施例的内容,在本实施例中,不再进行赘述。
图4为本申请一实施例提供的电子设备的结构示意图。如图4所示,该实施例的电子设备4包括:至少一个处理器40(图4中仅示出一个)处理器、存储器41以及存储在存储器41中并可在至少一个处理器40上运行的计算机程序42,处理器40执行计算机程序42时实现上述任意方法实施例中的步骤。
电子设备4可以是智能手机、平板电脑、桌上型计算机、超级计算机、个人数字助理、物理服务器和云服务器等计算设备。该电子设备可包括但不仅限于处理器40、存储器41。本领域技术人员可以理解,图4仅仅是电子设备4的举例,并不构成对电子设备4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,例如还可以包括输入输出设备、网络接入设备等。
所称处理器40可以是中央处理单元(Central Processing Unit,CPU),该处理器40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)、现成可编程门阵列(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。
所述存储器41在一些实施例中可以是所述电子设备4的内部存储单元,例如电子设备4的硬盘或内存。所述存储器41在另一些实施例中也可以是所述电子设备4的外部存储设备,例如所述电子设备4上配备的插接式硬盘,智能存储卡(Smart Media Card,SMC),安全数字(Secure Digital,SD)卡,闪存卡(Flash Card)等。进一步地,所述存储器41还可以既包括所述电子设备4的内部存储单元也包括外部存储设备。所述存储器41用于存储操作系统、应用程序、引导装载程序(BootLoader)、数据以及其他程序等,例如所述计算机程序的程序代码等。所述存储器41还可以用于暂时地存储已经输出或者将要输出的数据。
另外,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有计算机程序,所述计算机程序被处理器执行时实现可实现上述任意方法实施例中的步骤。
本申请实施例提供了一种计算机程序产品,当计算机程序产品在电子设备上运行时,使得电子设备执行时实现可实现上述各个方法实施例中的步骤。
在本申请所提供的几个实施例中,应该理解到,所揭露的装置和方法,也可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的,例如,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装置、方法和计算机程序产品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方式中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。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动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。
另外,在本申请各个实施例中的各功能模块可以集成在一起形成一个独立的部分,也可以是各个模块单独存在,也可以两个或两个以上模块集成形成一个独立的部分。
所述功能如果以软件功能模块的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案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一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述仅为本申请的实施例而已,并不用于限制本申请的保护范围,对于本领域的技术人员来说,本申请可以有各种更改和变化。凡在本申请的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本申请的保护范围之内。应注意到:相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步定义和解释。
以上所述,仅为本申请的具体实施方式,但本申请的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本申请揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本申请的保护范围之内。因此,本申请的保护范围应所述以权利要求的保护范围为准。
需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,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、物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、物品或者设备中还存在另外的相同要素。
Claims (49)
1.一种车辆导航定位方法,其特征在于,包括:
获取车辆的监测数据,所述监测数据包括GNSS数据、车辆数据和IMU数据;
对所述监测数据中的两个或两个以上的数据进行融合,得到第一定位数据,所述监测数据中的两个或两个以上的数据包括所述GNSS数据和所述IMU数据;
将第一定位数据和所述车辆数据输入到预设卡尔曼滤波器进行滤波运算,得到第二定位数据;
将第二定位数据与预设高精度地图匹配,得到目标定位数据。
2.根据权利要求1所述的车辆导航定位方法,其特征在于,所述监测数据还包括雷达检测数据。
3.如权利要求2所述的车辆导航定位方法,其特征在于,所述雷达检测数据包括激光雷达数据、毫米波雷达数据、超声波雷达数据中的至少一种。
4.如权利要求2-3任一项所述的车辆导航定位方法,其特征在于,对所述监测数据中的两个或两个以上的待融合数据进行融合,得到第一定位数据,包括:
对所述GNSS数据、所述IMU数据和所述雷达检测数据进行融合,得到所述第一定位数据。
5.根据权利要求1所述的车辆导航定位方法,其特征在于,在所述获取车辆的监测数据之后,所述对所述监测数据中的两个或两个以上的待融合数据进行融合,得到第一定位数据之前,所述方法还包括:
判断所述监测数据是否为可用;
当所述监测数据为不可用时,则获取所述车辆的用冗余数据,并对所述冗余数据中的两个或两个以上的数据进行融合,得到所述第一定位数据。
6.根据权利要求5所述的车辆导航定位方法,其特征在于,所述冗余数据包括冗余GNSS数据、冗余车辆数据、冗余IMU数据、冗余雷达检测数据中的至少两种。
7.根据权利要求1所述的车辆导航定位方法,其特征在于,所述对所述监测数据中的两个或两个以上的数据进行融合,得到第一定位数据,包括:
对所述IMU数据进行捷联解算,得到解算后的融合定位数据;
对所述融合定位数据和所述GNSS数据进行融合,得到所述第一定位数据。
8.根据权利要求7所述的车辆导航定位方法,其特征在于,所述对所述融合定位数据和所述GNSS数据进行融合,得到所述第一定位数据,包括:
基于RTK对所述GNSS数据进行实时差分定位解算,得到RTK固定解数据;
将所述融合定位数据与所述RTK固定解数据进行融合,得到所述第一定位数据。
9.根据权利要求8所述的车辆导航定位方法,其特征在于,所述基于RTK对所述GNSS数据进行实时差分定位解算,得到RTK固定解数据,包括:
将所述GNSS数据以跨域资源共享CROS差分数据的数据形式,通过以太网输入到处理器MCU进行实时差分定位解算,输出所述RTK固定解数据。
10.如权利要求7所述的车辆导航定位方法,其特征在于,所述对所述融合定位数据和所述GNSS数据进行融合,得到所述第一定位数据,包括:
基于PPP-RTK对GNSS数据进行定位解算,得到PPP-RTK固定解算数据;
将所述融合定位数据与所述PPP-RTK固定解算数据进行融合,得到所述第一定位数据。
11.根据权利要求1所述的车辆导航定位方法,其特征在于,所述对所述GNSS数据和所述IMU数据进行数据融合,得到第一定位数据,包括:
若车辆的GNSS信号断开,则将已知的所述GNSS数据作为车辆参考位置,并结合所述IMU数据确定所述第一定位数据。
12.根据权利要求1所述的车辆导航定位方法,其特征在于,所述第一定位数据和所述第二定位数据包括经纬度坐标、车速、车辆姿态角和/或车辆航向角。
13.根据权利要求1所述的车辆导航定位方法,其特征在于,所述将第一定位数据和所述车辆数据输入到预设卡尔曼滤波器进行滤波运算,得到第二定位数据,包括:
将所述第一定位数据和所述车辆数据输入到所述预设卡尔曼滤波器;
将预设真实性约束条件输入到预设卡尔曼滤波器,以对所述预设卡尔曼滤波器的滤波运算进行约束;
利用所述预设卡尔曼滤波器,对符合所述预设真实性约束条件的所述车辆数据和第一定位数据进行滤波修正,得到所述第二定位数据。
14.根据权利要求13所述的车辆导航定位方法,其特征在于,所述利用所述预设卡尔曼滤波器,对符合所述预设真实性约束条件的所述车辆数据和第一定位数据进行滤波修正,得到所述第二定位数据,包括:
将所述方向盘转角数据与所述车轮轮速数据组成二维观测向量,以及将所述方向盘转角数据的角度残差值和所述车轮轮速数据的速度残差值组成观测噪声;
基于所述观测噪声,计算所述预设卡尔曼滤波器的卡尔曼增益值;
基于所述二维观测向量和所述卡尔曼增益值,对所述第一定位数据进行数据修正,得到第二定位数据。
15.根据权利要求13所述的车辆导航定位方法,其特征在于,所述预设真实性约束条件包括运动约束条件、速率约束条件、零速约束条件和/或零角约束条件。
16.根据权利要求1所述的车辆导航定位方法,其特征在于,所述车辆数据包括方向盘转角数据、车轮轮速数据和档位信息中的至少一种。
17.根据权利要求1所述的车辆导航定位方法,其特征在于,所述将第一定位数据和所述车辆数据输入到预设卡尔曼滤波器进行滤波,得到第二定位数据之后,还包括:
获取所述车辆的场景视觉数据;
根据所述场景视觉数据,匹配所述第二定位数据对应的车道信息,得到包含所述车道信息的第二定位数据。
18.根据权利要求1所述的车辆导航定位方法,其特征在于,所述将第二定位数据与预设高精度地图匹配,得到目标定位数据,包括:
根据包含车道信息的第二定位数据,对所述车辆在所述预设高精度地图进行车道匹配,得到所述目标定位数据,所述目标定位数据包含所述预设高精度地图的目标车道信息。
19.根据权利要求18所述的车辆导航定位方法,其特征在于,所述根据包含所述车道信息的第二定位数据,对所述车辆在所述预设高精度地图进行车道匹配,得到所述目标定位数据,包括:
根据所述第二定位数据和所述高精度地图进行全局路径规划或局部车道级路径规划,以对所述车辆在所述预设高精度地图进行车道匹配,得到所述目标定位数据。
20.根据权利要求19所述的车辆导航定位方法,其特征在于,所述根据所述第二定位数据和所述高精度地图进行全局路径规划或局部车道级路径规划,以对所述车辆在所述预设高精度地图进行车道匹配,得到所述目标定位数据,包括:
根据所述第二定位数据,构建车辆行驶时的路径树;
根据所述路径树,增量加载所述预设高精度地图;
根据所述车道信息,对所述车辆在所述预设高精度地图进行车道匹配,得到所述目标定位数据。
21.根据权利要求1所述的车辆导航定位方法,其特征在于,在所述将第二定位数据与预设高精度地图匹配,得到目标定位数据之后,所述方法包括:
将所述目标定位数据发送至车辆控制器。
22.根据权利要求1所述的车辆导航定位方法,其特征在于,所述获取车辆的监测数据,包括:
通过CAN、CANFD通信方式、ETH通信方式或Flexray通信方式获取所述GNSS数据和所述车辆数据。
23.一种车辆导航定位装置,其特征在于,包括:
第一获取模块,用于获取车辆的监测数据,所述监测数据包括GNSS数据、车辆数据和IMU数据;
融合模块,用于对所述监测数据中的两个或两个以上的数据进行融合,得到第一定位数据,所述监测数据中的两个或两个以上的数据包括所述GNSS数据和所述IMU数据;
滤波模块,用于将第一定位数据和所述车辆数据输入到预设卡尔曼滤波器进行滤波运算,得到第二定位数据;
第一匹配模块,用于将第二定位数据与预设高精度地图匹配,得到目标定位数据。
24.根据权利要求23所述的车辆导航定位装置,其特征在于,所述监测数据还包括雷达检测数据。
25.如权利要求24所述的车辆导航定位装置,其特征在于,所述雷达检测数据包括激光雷达数据、毫米波雷达数据、超声波雷达数据中的至少一种。
26.如权利要求24所述的车辆导航定位装置,其特征在于,所述融合模块用于对所述GNSS数据、所述IMU数据和所述雷达检测数据进行融合,得到所述第一定位数据。
27.根据权利要求23所述的车辆导航定位装置,其特征在于,所述车辆导航定位装置还包括:
判断模块,用于判断所述监测数据是否为可用;
以及,所述融合模块还用于当所述监测数据为不可用时,获取所述车辆的用冗余数据,并对所述冗余数据中的两个或两个以上的数据进行融合,得到所述第一定位数据。
28.根据权利要求27所述的车辆导航定位方法,其特征在于,所述冗余数据包括冗余GNSS数据、冗余车辆数据、冗余IMU数据、冗余雷达检测数据中的至少两种。
29.根据权利要求23所述的车辆导航定位装置,其特征在于,所述融合模块,包括:
解算子模块,用于对所述IMU数据进行捷联解算,得到解算后的融合定位数据;
融合子模块,用于对所述融合定位数据和所述GNSS数据进行融合,得到所述第一定位数据。
30.根据权利要求29所述的车辆导航定位装置,其特征在于,所述融合子模块,包括:
第一解算单元,用于基于RTK对所述GNSS数据进行实时差分定位解算,得到RTK固定解数据;
第一融合单元,用于将所述融合定位数据与所述RTK固定解数据进行融合,得到所述第一定位数据。
31.根据权利要求30所述的车辆导航定位装置,其特征在于,所述第一解算单元,包括:
解算子单元,用于将所述GNSS数据以跨域资源共享CROS差分数据的数据形式,通过以太网输入到处理器MCU进行实时差分定位解算,输出所述RTK固定解数据。
32.根据权利要求29所述的车辆导航定位装置,其特征在于,所述融合子模块,包括:
第二解算单元,用于基于PPP-RTK对GNSS数据进行定位解算,得到PPP-RTK固定解算数据;
第二融合单元,用于将所述融合定位数据与所述PPP-RTK固定解算数据进行融合,得到所述第一定位数据。
33.根据权利要求23所述的车辆导航定位装置,其特征在于,所述融合模块,还包括:
结合子模块,用于若车辆的GNSS信号断开,则将已知的所述GNSS数据作为车辆参考位置,并结合所述IMU数据确定所述第一定位数据。
34.根据权利要求23所述的车辆导航定位装置,其特征在于,所述第一定位数据和所述第二定位数据包括经纬度坐标、车速、车辆姿态角和/或车辆航向角。
35.根据权利要求23所述的车辆导航定位装置,其特征在于,所述滤波模块,包括:
第一输入子模块,用于将所述第一定位数据和所述车辆数据输入到所述预设卡尔曼滤波器;
第二输入子模块,用于将预设真实性约束条件输入到预设卡尔曼滤波器,以对所述预设卡尔曼滤波器的滤波运算进行约束;
修正子模块,用于利用所述预设卡尔曼滤波器,对符合所述预设真实性约束条件的所述车辆数据和第一定位数据进行滤波修正,得到所述第二定位数据。
36.根据权利要求35所述的车辆导航定位装置,其特征在于,所述修正子模块,包括:
组成单元,用于将所述方向盘转角数据与所述车轮轮速数据组成二维观测向量,以及将所述方向盘转角数据的角度残差值和所述四轮轮速数据的速度残差值组成观测噪声;
计算单元,用于基于所述观测噪声,计算所述预设卡尔曼滤波器的卡尔曼增益值;
修正单元,用于基于所述二维观测向量和所述卡尔曼增益值,对所述第一定位数据进行数据修正,得到第二定位数据。
37.根据权利要求35所述的车辆导航定位装置,其特征在于,所述预设真实性约束条件包括运动约束条件、速率约束条件、零速约束条件和/或零角约束条件。
38.根据权利要求23所述的车辆导航定位装置,其特征在于,所述车辆数据包括方向盘转角数据、车轮轮速数据和档位信息中的至少一种。
39.根据权利要求23所述的车辆导航定位装置,其特征在于,所述车辆导航定位装置还包括:
第二获取模块,用于获取所述车辆的场景视觉数据;
第二匹配模块,用于根据所述场景视觉数据,匹配所述第二定位数据对应的车道信息,得到包含车道信息的第二定位数据。
40.根据权利要求39所述的车辆导航定位装置,其特征在于,所述第二匹配模块,包括:
匹配子模块,用于根据包含车道信息的第二定位数据,对所述车辆在所述预设高精度地图进行车道匹配,得到所述目标定位数据,所述目标定位数据包含所述预设高精度地图的目标车道信息。
41.根据权利要求40所述的车辆导航定位装置,其特征在于,所述匹配子模块,包括:路径规划单元,用于根据所述第二定位数据和所述高精度地图进行全局路径规划或局部车道级路径规划,以对所述车辆在所述预设高精度地图进行车道匹配,得到所述目标定位数据。
42.根据权利要求41所述的车辆导航定位装置,其特征在于,所述路径规划单元,包括:
构建单元,用于根据所述第二定位数据,构建车辆行驶时的路径树;
加载单元,用于根据所述路径树,增量加载所述预设高精度地图;
匹配单元,用于根据所述车道信息,对所述车辆在所述预设高精度地图进行车道匹配,得到所述目标定位数据。
43.根据权利要求23所述的车辆导航定位装置,其特征在于,所述装置还包括:
发送模块,用于将所述目标定位数据发送至车辆控制器。
44.根据权利要求23所述的车辆导航定位装置,其特征在于,所述第一获取模块通过CAN通信方式、CANFD通信方式、ETH通信方式或Flexray通信方式获取所述GNSS数据和所述车辆数据。
45.一种车辆,其特征在于,包括高精度地图盒子和GNSS传感器、IMU传感器和控制器;
所述高精度地图盒子与所述GNSS传感器和所述IMU传感器通信连接,用于接收所述GNSS传感器的GNSS数据,和用于接收所述IMU传感器的IMU数据;
所述高精度地图盒子与所述控制器通信连接,用于将基于融合所述GNSS数据和所述IMU数据而得到的目标定位数据发送至所述控制器。
46.如权利要求45所述的车辆,其特征在于,所述车辆还包括雷达传感器,所述雷达传感器与所述高精度地图盒子通信连接,用于生成雷达检测数据并向所述高精度地图盒子输入所述雷达检测数据。
47.如权利要求45所述的车辆,其特征在于,所述车辆还包括成像检测传感器,成像检测传感器与所述高精度地图盒子通信连接,用于生成场景视觉数据并向所述高精度地图盒子输入所述场景视觉数据。
48.一种电子设备,其特征在于,包括存储器及处理器,所述存储器用于存储计算机程序,所述处理器运行所述计算机程序以使所述电子设备执行根据权利要求1至22中任一项所述的车辆导航定位方法。
49.一种计算机可读存储介质,其特征在于,其存储有计算机程序,所述计算机程序被处理器执行时实现如权利要求1至22中任一项所述的车辆导航定位方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210330919.1A CN114942025A (zh) | 2022-03-30 | 2022-03-30 | 车辆导航定位方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210330919.1A CN114942025A (zh) | 2022-03-30 | 2022-03-30 | 车辆导航定位方法、装置、电子设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114942025A true CN114942025A (zh) | 2022-08-26 |
Family
ID=82906714
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210330919.1A Pending CN114942025A (zh) | 2022-03-30 | 2022-03-30 | 车辆导航定位方法、装置、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114942025A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115597630A (zh) * | 2022-12-13 | 2023-01-13 | 深圳市徐港电子有限公司(Cn) | 车辆导航装置的检测方法、系统及电子设备 |
CN117092665A (zh) * | 2023-08-03 | 2023-11-21 | 广州海格晶维信息产业有限公司 | 一种组合导航设备抗多径干扰的方法及系统 |
-
2022
- 2022-03-30 CN CN202210330919.1A patent/CN114942025A/zh active Pending
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115597630A (zh) * | 2022-12-13 | 2023-01-13 | 深圳市徐港电子有限公司(Cn) | 车辆导航装置的检测方法、系统及电子设备 |
CN117092665A (zh) * | 2023-08-03 | 2023-11-21 | 广州海格晶维信息产业有限公司 | 一种组合导航设备抗多径干扰的方法及系统 |
CN117092665B (zh) * | 2023-08-03 | 2024-04-19 | 广州海格晶维信息产业有限公司 | 一种组合导航设备抗多径干扰的方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10788830B2 (en) | Systems and methods for determining a vehicle position | |
CN107328410B (zh) | 用于定位自动驾驶车辆的方法和汽车电脑 | |
CN107328411B (zh) | 车载定位系统和自动驾驶车辆 | |
CN110411457B (zh) | 基于行程感知与视觉融合的定位方法、系统、终端和存储介质 | |
CN114942025A (zh) | 车辆导航定位方法、装置、电子设备及存储介质 | |
US10990111B2 (en) | Position determination apparatus and method for vehicle | |
KR102331312B1 (ko) | 차량 내부 센서, 카메라, 및 gnss 단말기를 이용한 3차원 차량 항법 시스템 | |
CN113063425B (zh) | 车辆定位方法、装置、电子设备及存储介质 | |
CN110458885B (zh) | 基于行程感知与视觉融合的定位系统和移动终端 | |
CN112596089A (zh) | 融合定位方法、装置、电子设备及存储介质 | |
CN115326084A (zh) | 车辆定位方法、装置、计算机设备、存储介质 | |
Hsu et al. | Hong Kong UrbanNav: An open-source multisensory dataset for benchmarking urban navigation algorithms | |
TWI674393B (zh) | 多定位系統切換與融合校正方法及其裝置 | |
CN114127738A (zh) | 自动地图制作和定位 | |
Benz et al. | Speed sensor-aided navigation filter for robust localization in GNSS-denied mining environments | |
CN115900732A (zh) | 基于路侧相机和车载单元的组合导航方法及系统 | |
CN114897942A (zh) | 点云地图的生成方法、设备及相关存储介质 | |
Meguro et al. | Road ortho-image generation based on accurate vehicle trajectory estimation by GPS Doppler | |
Noureldin et al. | a Framework for Multi-Sensor Positioning and Mapping for Autonomous Vehicles | |
Wankerl et al. | Evaluation of a segmented navigation filter approach for vehicle self-localization in urban environment | |
Teramoto et al. | Development of the “PRECISE” automotive integrated positioning system and high-accuracy digital map generation | |
KR20190033760A (ko) | 차량의 측위 장치 및 방법 | |
CN113029130B (zh) | 数据处理方法、装置、计算机设备和存储介质 | |
Harr | Fail-safe vehicle pose estimation in lane-level maps using pose graph optimization | |
WO2023139935A1 (ja) | 演算装置、自己位置推定装置、地図情報生成方法 |
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 |