CN115290101A - 一种车辆定位方法及系统 - Google Patents
一种车辆定位方法及系统 Download PDFInfo
- Publication number
- CN115290101A CN115290101A CN202210781806.3A CN202210781806A CN115290101A CN 115290101 A CN115290101 A CN 115290101A CN 202210781806 A CN202210781806 A CN 202210781806A CN 115290101 A CN115290101 A CN 115290101A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- positioning
- lane
- matching
- data
- 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
- G01C21/26—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
- 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
- G01C21/34—Route searching; Route guidance
- G01C21/3446—Details of route searching algorithms, e.g. Dijkstra, A*, arc-flags, using precalculated routes
-
- 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
- G01S19/42—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
Abstract
本发明提供一种车辆定位方法及系统,该方法包括:采集定位相关数据,并将各传感器数据转换至同一坐标系下;分别标定IMU参数和VCU参数;基于标定后的IMU和VCU参数,根据DR推算结果和实际观测值通过卡尔曼滤波得到组合导航位置信息;基于组合导航位置提取局部地图数据,将局部地图与ADAS相机数据匹配,若匹配到地图中的车道,则基于DR推算结果、ADAS相机数据、匹配车道信息以及GPS定位,输出车辆匹配定位;若车辆无法匹配到车道,则基于组合导航位置、ADAS相机数据和局部地图进行ICP车道匹配,当匹配置信度低于预定值,则根据车辆规划控制信息,通过贝叶斯模型和最小二乘法,计算车辆融合定位结果。通过该方案可以有效提高车道级车辆融合定位准确度。
Description
技术领域
本发明属于智能驾驶领域,尤其涉及一种车辆定位方法及系统。
背景技术
作为智能驾驶的重要组成部分,高精度定位技术对横纵向定位、障碍物感知、路径规划、行为决策等方面有着重要的作用。目前,智能驾驶高精定位技术主要采用轨迹推算(Dead Reckoning,即DR)、惯性导航技术、卫星导航定位技术、路标定位技术、地图匹配定位技术、视觉定位技术等进行融合定位方法。然而,由于实际路况复杂,现有的融合定位仍存在车道匹配错误的问题,使得车道级车辆定位精度偏低。
发明内容
有鉴于此,本发明实施例提供了一种车辆定位方法及系统,用于解决现有车道级车辆定位精度低的问题。
在本发明实施例的第一方面,提供了一种车辆定位方法,包括:
至少通过ADAS相机、VCU传感器、IMU和GNSS采集定位数据,并根据各传感器间的相对位置,将各传感器数据转换至目标定位点坐标系下;
分别标定IMU参数和VCU参数;
基于标定后的IMU参数和VCU参数,对IMU采集数据、VCU采集数据进行DR推算,将推算结果作为预测量,并将实际采集的位置信息、速度信息作为观测量,通过卡尔曼滤波得到组合导航位置信息;
基于组合导航位置信息提取局部地图数据,将局部地图数据与ADAS相机数据匹配,若匹配到地图中的车道,则基于DR推算结果、ADAS相机数据、匹配车道信息以及GPS定位,输出车辆匹配定位;
若车辆无法匹配到地图中车道,则基于组合导航位置信息、ADAS相机数据和局部地图数据进行ICP车道匹配,当ICP输出的匹配置信度低于预定值,则根据车辆规划控制信息,通过贝叶斯模型和最小二乘法,计算车辆融合定位结果。
在本发明实施例的第二方面,提供了一种车辆定位系统,包括:
坐标转换模块,用于至少通过ADAS相机、VCU传感器、IMU和GNSS采集定位数据,并根据各传感器间的相对位置,将传感器数据转换至目标定位点坐标系下;
参数标定模块,用于分别标定IMU参数和VCU参数;
组合导航模块,用于基于标定后的IMU参数和VCU参数,对IMU采集数据、VCU采集数据进行DR推算,将推算结果作为预测量,并将实际采集的位置信息、速度信息作为观测量,通过卡尔曼滤波得到组合导航位置信息;
匹配定位模块,用于基于组合导航位置信息提取局部地图数据,将局部地图数据与ADAS相机数据匹配,若匹配到地图中的车道,则基于DR推算结果、ADAS相机数据、匹配车道信息以及GPS定位,输出车辆匹配定位;
融合定位模块,用于当车辆无法匹配到地图中车道,则基于组合导航位置信息、ADAS相机数据和局部地图数据进行ICP车道匹配,当ICP输出的匹配置信度低于预定值,则根据车辆规划控制信息,通过贝叶斯模型和最小二乘法,计算车辆融合定位结果。
在本发明实施例的第三方面,提供了一种电子设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器运行的计算机程序,所述处理器执行所述计算机程序时实现如本发明实施例第一方面所述方法的步骤。
在本发明实施例的第四方面,提供了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本发明实施例第一方面提供的所述方法的步骤。
本发明实施例中,在组合导航、地图匹配的基础上,根据组合导航位置信息、ADAS相机数据和局部地图数据进行ICP车道匹配,并在匹配置信度低时,引入车辆规划控制信息,通过贝叶斯模型和最小二乘法拟合,计算车辆融合定位结果。从而可以有效提升车辆融合定位精度,在保障车道匹配准确度的基础上,实现车道级的车辆定位,进而能为智能驾驶提供可靠的定位数据。
附图说明
为了更清楚地说明本发明实施例中的技术方案,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介绍,显而易见地,下面描述的附图仅仅是本发明的一些实施例,对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取其他附图。
图1为本发明一个实施例提供的一种车辆定位方法流程示意图;
图2为本发明一个实施例提供的一种车辆定位方法的另一流程示意图;
图3为本发明一个实施例提供的一种车辆定位系统的结构示意图;
图4为本发明的一个实施例提供的一种电子设备的结构示意图。
具体实施方式
为使得本发明的发明目的、特征、优点能够更加的明显和易懂,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,下面所描述的实施例仅仅是本发明一部分实施例,而非全部的实施例。基于本发明中的实施例,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它实施例,都属于本发明保护的范围。
应当理解,本发明的说明书或权利要求书及上述附图中的术语“包括”以及其他相近意思表述,意指覆盖不排他的包含,如包含一系列步骤或单元的过程、方法或系统、设备没有限定于已列出的步骤或单元。此外,“第一”“第二”用于区分不同对象,并非用于描述特定顺序。
请参阅图1,本发明实施例提供的一种车辆定位方法的流程示意图,包括:
S101、至少通过ADAS相机、VCU传感器、IMU和GNSS采集定位数据,并根据各传感器间的相对位置,将传感器数据转换至目标定位点坐标系下;
所述ADAS(Advanced Driving Assistance System)相机,即高级驾驶辅助系统相机,本实施例中可以是车辆的前视摄像机;所述VCU(Vehiclecontrol unit)传感器,即电机传感器,本实施例中可用于采集车辆速度;所述IMU(Inertial Measurement Unit)即惯性测量单元,可用于测量物体三轴姿态角和加速度;所述GNSS(Global NavigationSatellite System)即全球导航卫星系统定位模块,可以为车辆提供绝对定位。
其中,所述ADAS相机安装在车辆前挡风玻璃,用于采集车道线、交通标志特征;所述VCU传感器用于采集车辆车速信息;所述IMU安装在车辆后轴中心,用于采集车辆三轴加速度和角速度信息;所述GNSS用于采集大地坐标系下车辆绝对定位信息。GNSS模块可以安装在鲨鱼鳍或同等位置,提供大地坐标系下车辆精确的绝对位置数据。
所述定位数据是指与定位相关的数据,本实施例中,相机采集的图像数据、传感器采集的车速数据、惯性测量单元采集的加速度和姿态角等数据均可以用于车辆定位,通过地图匹配、航位推算等均可以实现车辆定位。
所述目标定位点可以选定为车辆后轴中心,以车辆前方为Y轴,车辆右向为X轴,垂直朝向天空方向为Z轴,构建目标定位点坐标系。根据实际测量获取传感器之间的相对定位点的位置、姿态信息,将所有传感器输出数据转化到目标定位点坐标系下。其中包括相机坐标系到后轴中心、IMU到后轴中心、天线(GNSS数据)到后轴中心位姿信息。
S102、分别标定IMU参数和VCU参数;
由于VCU传感器和IMU在实际使用时,会存在一定的误差,主要为安装失准角,以及VCU的标度因子。通过对IMU参数和VCU参数进行标定,可以减小数据测量误差。
具体的,建立三轴速度误差、位置误差、姿态误差、加速度误差、角速率误差十五维的状态方程,作为卡尔曼滤波预测模型,并将导航坐标系中的位置信息、速度信息作为观测量,建立卡尔曼滤波更新模型,通过迭代求解IMU安装失准角;
建立速度误差、位置误差、标度因子的三维状态方程,作为卡尔曼滤波预测模型,并将导航坐标系中的位置信息作为观测量,建立卡尔曼滤波更新模型,通过迭代求解VCU标度因子。
所述导航坐标系即以东向、北向和朝天三个方向建立的坐标系。
S103、基于标定后的IMU参数和VCU参数,对IMU采集数据、VCU采集数据进行DR推算,将推算结果作为预测量,并将实际采集的位置信息、速度信息作为观测量,通过卡尔曼滤波得到组合导航位置信息;
所述DR(Dead Reckoning)推算是在初始位置上累加位移矢量计算当前位置的过程,如根据起始位置、车辆的行驶方向、速度、加速度等,即可计算出车辆下一时刻的位置。
具体的,基于IMU采集数据、VCU采集数据进行航位推算,作为车辆下一位置的预测,将实际导航坐标系下测量的位置、速度信息作为观测,通过卡尔曼滤波迭代,组合导航输出位置、速度、姿态信息。
S104、基于组合导航位置信息提取局部地图数据,将局部地图数据与ADAS相机数据匹配,若可以匹配到地图中的车道,则基于DR推算结果、ADAS相机数据、匹配车道信息以及GPS定位,输出车辆匹配定位;
基于组合导航计算的位置信息,提取车辆附近一定范围的局部地图。将车辆ADAS相机提取的道路特征(包括车道线和交通标志)与地图上的车道匹配,若能与局部地图中车道匹配(定位点在车道上),就可以根据航位推算信息、ADAS相机数据以及匹配车道信息,计算车辆定位,并结合GPS实时定位信息,采用GPS_RTK的纵向信息和匹配的横向信息融合输出车辆匹配定位信息。
S105、若车辆无法匹配到地图中车道,则基于组合导航位置信息、ADAS相机数据和局部地图数据进行ICP车道匹配,当ICP输出的匹配置信度低于预定值,则根据车辆规划控制信息,通过贝叶斯模型和最小二乘法,计算车辆融合定位结果。
所述ICP(Iterative Closest Point,即迭代最近点)车道匹配是通过迭代最小化源数据与目标数据对应点,来实现匹配点之间距离累计最小,从而确定车辆所在车道。具体可以在组合导航输出位置的基础上,根据相机数据、导航地图数据,进行位置匹配,输出匹配车道以及匹配置信度。
当匹配置信度低于一定值,此时则需要根据车辆的规划控制信息,进一步进行融合定位。所述车辆规划控制信息是高级驾驶辅助系统(ADAS)在控制车辆行驶时,反馈的控制信息,包括变道前、变道中和变道后等。
其中,若ICP输出的匹配置信度高于预定值,则基于ICP匹配车道、GPS定位计算融合定位结果。
当ICP车道匹配成功,可以基于匹配车道信息及车辆定位,确定车辆所在车道位置。
本实施例中,在前期融合定位的基础上引入车辆规划控制的部分信息,从而有效提升了融合定位的正确率。
在一个实施例中,所述根据车辆规划控制信息,通过贝叶斯模型和最小二乘法,计算车辆融合定位结果包括:
分别建立车辆左变道、右变道和车道保持的状态方程,将实际DR推算结果、车辆匹配定位结果和规划控制变道信息作为观测量,建立贝叶斯模型判断车辆下一帧匹配的车道信息;
基于一定时间内车辆定位轨迹,通过最小二乘法拟合车辆轨迹,求解下一帧对应的拟合曲线上的点作为融合定位点。
通过贝叶斯模型确定车辆下一帧所在车道,通过最小二乘法拟合车辆轨迹,确定车辆融合定位点,从而实现车辆的车道级定位。
进一步的,基于GPS定位和车辆的毫米波雷达数据,检测判断融合定位点是否与下一帧的车道存在匹配错误,若匹配错误,则进行预警提示,并对融合定位进行功能降级。
当检测到融合定位存在匹配错误,需要对融合定位进行功能降级,如可以增加匹配定位、组合惯导定位的权重等,减少对融合定位结果的依赖,从而增大智能驾驶系统对融合定位的冗余。
在本发明另一实施例中,如图2所示,步骤S105中在进行ICP车道匹配时还包括:
S201、根据车辆行驶的道路环境,发送协同定位信号;
在一些定位较差、路况复杂的道路环境中,GPS定位误差较大,相机采集的特征数据难以准确识别,且地图中无法直观进行车道区分,如大型立交桥等,需要进行协助定位。
示例性的,在开阔较宽的道路,无法利用匹配直接ICP获取精确位置信息,向规划控制模块发出协同定位信号Flag1;在不开阔较宽的道路(立交桥环境),无法确定处于立交桥那一层,向规划控制模块发出协同定位信号Flag2;在复杂路况,通过HMI向驾驶员推送协助定位信息Flag3。
S202通过采取对应的协同定位策略,进行ICP车道匹配;
所述协同定位策略至少包括向边线变道、识别立交桥桥上桥下和人为输入精准车道位置。
所述协同定位策略用于控制车辆行驶或获取相关的数据输入,一遍对车辆位置进行识别,提升车辆融合定位在不同道路环境下的适应性,减小定位误差。
示例性的,接收到协同定位信号Flag1后,在安全的条件下,向边线进行变道操作协助定位;接收到协同定位信号Flag2后,通过识别桥下、桥上特征反馈给定位模块辅助定位;接收到协同定位信号Flag3后,可视化界面提醒乘车人员输入精确的位置信息并反馈,协助完成ICP车道匹配。
应理解,上述实施例中各步骤的序号大小并不意味着执行顺序的先后,各过程的执行顺序应以其功能和内在逻辑确定,而不应对本发明实施例的实施过程构成任何限定。
图3为本发明实施例提供的一种车辆定位系统的结构示意图,该系统包括:
坐标转换模块310,用于至少通过ADAS相机、VCU传感器、IMU和GNSS采集定位数据,并根据各传感器间的相对位置,将各传感器数据转换至目标定位点坐标系下;
其中,所述ADAS相机安装在车辆前挡风玻璃,用于采集车道线、交通标志特征;所述VCU传感器用于采集车辆车速信息;所述IMU安装在车辆后轴中心,用于采集车辆三轴加速度和角速度信息;所述GNSS用于采集大地坐标系下车辆绝对定位信息。
可以理解的是,在所述坐标转换模块中,当各传感器采集到数据后,可以基于各传感器间相对位置的转换关系,直接将采集数据转换至目标点坐标系下,即基于特定的转换关系公式可以直接转换。
参数标定模块320,用于分别标定IMU参数和VCU参数;
其中,所述参数标定模块320包括:
IMU标定单元,用于建立三轴速度误差、位置误差、姿态误差、加速度误差、角速率误差十五维的状态方程,作为卡尔曼滤波预测模型,并将导航坐标系中的位置信息、速度信息作为观测量,建立卡尔曼滤波更新模型,通过迭代求解IMU安装失准角;
VCU标定单元,用于建立速度误差、位置误差、标度因子的三维状态方程,作为卡尔曼滤波预测模型,并将导航坐标系中的位置信息作为观测量,建立卡尔曼滤波更新模型,通过迭代求解VCU标度因子。
所述参数标定模块一般是在车辆定位前,预先完成IMU和VCU的标定,即车辆定位系统开始定位前,预先标注好IMU安装失准角和VCU标度因子。
组合导航模块330,用于基于标定后的IMU参数和VCU参数,对IMU采集数据、VCU采集数据进行DR推算,将推算结果作为预测量,并将实际采集的位置信息、速度信息作为观测量,通过卡尔曼滤波得到组合导航位置信息;
具体的,所述组合导航模块中,基于IMU采集数据、VCU采集数据进行航位推算,作为车辆下一位置的预测,将实际导航坐标系下测量的位置、速度信息作为观测,通过卡尔曼滤波迭代,组合导航输出位置、速度、姿态信息。
匹配定位模块340,用于基于组合导航位置信息提取局部地图数据,将局部地图数据与ADAS相机数据匹配,若匹配到地图中的车道,则基于DR推算结果、ADAS相机数据、匹配车道信息以及GPS定位,输出车辆匹配定位;
融合定位模块350,用于当车辆无法匹配到地图中车道,则基于组合导航位置信息、ADAS相机数据和局部地图数据进行ICP车道匹配,当ICP输出的匹配置信度低于预定值,则根据车辆规划控制信息,通过贝叶斯模型和最小二乘法,计算车辆融合定位结果。
可选的,所述融合定位模块350中
若ICP输出的匹配置信度高于预定值,则基于ICP匹配车道、GPS定位计算融合定位结果。
具体的,所述根据车辆规划控制信息,通过贝叶斯模型和最小二乘法,计算车辆融合定位结果包括:
分别建立车辆左变道、右变道和车道保持的状态方程,将实际DR推算结果、车辆匹配定位结果和规划控制变道信息作为观测量,建立贝叶斯模型判断车辆下一帧匹配的车道信息;
基于一定时间内车辆定位轨迹,通过最小二乘法拟合车辆轨迹,求解下一帧对应的拟合曲线上的点作为融合定位点。
优选的,检测判断融合定位点是否与下一帧的车道存在匹配错误,若匹配错误,则进行预警提示,并对融合定位进行功能降级。
在一个实施例中,所述融合定位模块350包括:
协同定位单元,根据车辆行驶的道路环境,发送协同定位信号,通过采取对应的协同定位策略,进行ICP车道匹配;
所述协同定位策略至少包括向边线变道、识别立交桥桥上桥下和人为输入精准车道位置。
本实施例中,所述融合定位模块中引入车辆规划控制的部分信息,从而很好的提升了车道匹配的正确率,进而提升车辆融合定位精度。
在一些实施例中,所述车辆定位系统还可以包括可视化显示模块,用于将车辆定位、局部地图信息进行可视化显示。方便用户用户查看车道级定位结果。
所述领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的装置和模块的具体工作过程可以参考前述方法实施例中对应的过程,在此不再赘述。
图4是本发明一实施例提供的一种电子设备的结构示意图。所述电子设备用于车辆定位。如图4所示,该实施例的电子设备4至少包括:存储器410、处理器420以及系统总线430,所述存储器410包括存储其上的可运行的程序4101,本领域技术人员可以理解,图4中示出的电子设备结构并不构成对电子设备的限定,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。
下面结合图4对电子设备的各个构成部件进行具体的介绍:
存储器410可用于存储软件程序以及模块,处理器420通过运行存储在存储器410的软件程序以及模块,从而执行电子设备的各种功能应用以及数据处理。存储器410可主要包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需的应用程序(比如声音播放功能、图像播放功能等)等;存储数据区可存储根据电子设备的使用所创建的数据(比如缓存数据)等。此外,存储器410可以包括高速随机存取存储器,还可以包括非易失性存储器,例如至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。
在存储器410上包含网络请求方法的可运行程序4101,所述可运行程序4101可以被分割成一个或多个模块/单元,所述一个或多个模块/单元被存储在所述存储器410中,并由处理器420执行,以实现车辆定位等,所述一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段,该指令段用于描述所述计算机程序4101在所述电子设备4中的执行过程。例如,所述计算机程序4101可以被分割为坐标转换模块、参数标定模块、组合导航模块、匹配定位模块和融合定位模块等。
处理器420是电子设备的控制中心,利用各种接口和线路连接整个电子设备的各个部分,通过运行或执行存储在存储器410内的软件程序和/或模块,以及调用存储在存储器410内的数据,执行电子设备的各种功能和处理数据,从而对电子设备进行整体状态监控。可选的,处理器420可包括一个或多个处理单元;优选的,处理器420可集成应用处理器和调制解调处理器,其中,应用处理器主要处理操作系统、应用程序等,调制解调处理器主要处理无线通信。可以理解的是,上述调制解调处理器也可以不集成到处理器520中。
系统总线430是用来连接计算机内部各功能部件,可以传送数据信息、地址信息、控制信息,其种类可以是例如PCI总线、ISA总线、CAN总线等。处理器420的指令通过总线传递至存储器410,存储器410反馈数据给处理器420,系统总线430负责处理器420与存储器410之间的数据、指令交互。当然系统总线430还可以接入其他设备,例如网络接口、显示设备等。
在本发明实施例中,该电子设备所包括的处理420执行的可运行程序包括:
至少通过ADAS相机、VCU传感器、IMU和GNSS采集定位数据,并根据各传感器间的相对位置,将各传感器数据转换至目标定位点坐标系下;
分别标定IMU参数和VCU参数;
基于标定后的IMU参数和VCU参数,对IMU采集数据、VCU采集数据进行DR推算,将推算结果作为预测量,并将实际采集的位置信息、速度信息作为观测量,通过卡尔曼滤波得到组合导航位置信息;
基于组合导航位置信息提取局部地图数据,将局部地图数据与ADAS相机数据匹配,若匹配到地图中的车道,则基于DR推算结果、ADAS相机数据、匹配车道信息以及GPS定位,输出车辆匹配定位;
若车辆无法匹配到地图中车道,则基于组合导航位置信息、ADAS相机数据和局部地图数据进行ICP车道匹配,当ICP输出的匹配置信度低于预定值,则根据车辆规划控制信息,通过贝叶斯模型和最小二乘法,计算车辆融合定位结果。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的系统,装置和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
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述或记载的部分,可以参见其它实施例的相关描述。
以上所述,以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (10)
1.一种车辆定位方法,其特征在于,包括:
至少通过ADAS相机、VCU传感器、IMU和GNSS采集定位数据,并根据各传感器间的相对位置,将各传感器数据转换至目标定位点坐标系下;
分别标定IMU参数和VCU参数;
基于标定后的IMU参数和VCU参数,对IMU采集数据、VCU采集数据进行DR推算,将推算结果作为预测量,并将实际采集的位置信息、速度信息作为观测量,通过卡尔曼滤波得到组合导航位置信息;
基于组合导航位置信息提取局部地图数据,将局部地图数据与ADAS相机数据匹配,若匹配到地图中的车道,则基于DR推算结果、ADAS相机数据、匹配车道信息以及GPS定位,输出车辆匹配定位;
若车辆无法匹配到地图中车道,则基于组合导航位置信息、ADAS相机数据和局部地图数据进行ICP车道匹配,当ICP输出的匹配置信度低于预定值,则根据车辆规划控制信息,通过贝叶斯模型和最小二乘法,计算车辆融合定位结果。
2.根据权利要求1所述的方法,其特征在于,所述ADAS相机安装在车辆前挡风玻璃,用于采集车道线、交通标志特征;所述VCU传感器用于采集车辆车速信息;所述IMU安装在车辆后轴中心,用于采集车辆三轴加速度和角速度信息;所述GNSS用于采集大地坐标系下车辆绝对定位信息。
3.根据权利要求1所述的方法,其特征在于,所述分别标定IMU参数和VCU参数包括:
建立三轴速度误差、位置误差、姿态误差、加速度误差、角速率误差十五维的状态方程,作为卡尔曼滤波预测模型,并将导航坐标系中的位置信息、速度信息作为观测量,建立卡尔曼滤波更新模型,通过迭代求解IMU安装失准角;
建立速度误差、位置误差、标度因子的三维状态方程,作为卡尔曼滤波预测模型,并将导航坐标系中的位置信息作为观测量,建立卡尔曼滤波更新模型,通过迭代求解VCU标度因子。
4.根据权利要求1所述的方法,其特征在于,所述若车辆无法匹配到地图中车道,则基于组合导航位置信息、ADAS相机数据和局部地图数据进行ICP车道匹配还包括:
根据车辆行驶的道路环境,发送协同定位信号,通过采取对应的协同定位策略,进行ICP车道匹配;
所述协同定位策略至少包括向边线变道、识别立交桥桥上桥下和人为输入精准车道位置。
5.根据权利要求1所述的方法,其特征在于,所述当ICP输出的匹配置信度低于预定值,则根据车辆规划控制信息,通过贝叶斯模型和最小二乘法,计算车辆融合定位结果还包括:
若ICP输出的匹配置信度高于预定值,则基于ICP匹配车道、GPS定位计算融合定位结果。
6.根据权利要求1所述的方法,其特征在于,所述根据车辆规划控制信息,通过贝叶斯模型和最小二乘法,计算车辆融合定位结果包括:
分别建立车辆左变道、右变道和车道保持的状态方程,将实际DR推算结果、车辆匹配定位结果和规划控制变道信息作为观测量,建立贝叶斯模型判断车辆下一帧匹配的车道信息;
基于一定时间内车辆定位轨迹,通过最小二乘法拟合车辆轨迹,求解下一帧对应的拟合曲线上的点作为融合定位点。
7.根据权利要求6所述的方法,其特征在于,所述求解下一帧对应的拟合曲线上的点作为融合定位点还包括:
检测判断融合定位点是否与下一帧的车道存在匹配错误,若匹配错误,则进行预警提示,并对融合定位进行功能降级。
8.一种车辆定位系统,其特征在于,包括:
坐标转换模块,用于至少通过ADAS相机、VCU传感器、IMU和GNSS采集定位数据,并根据各传感器间的相对位置,将传感器数据转换至目标定位点坐标系下;
参数标定模块,用于分别标定IMU参数和VCU参数;
组合导航模块,用于基于标定后的IMU参数和VCU参数,对IMU采集数据、VCU采集数据进行DR推算,将推算结果作为预测量,并将实际采集的位置信息、速度信息作为观测量,通过卡尔曼滤波得到组合导航位置信息;
匹配定位模块,用于基于组合导航位置信息提取局部地图数据,将局部地图数据与ADAS相机数据匹配,若匹配到地图中的车道,则基于DR推算结果、ADAS相机数据、匹配车道信息以及GPS定位,输出车辆匹配定位;
融合定位模块,用于当车辆无法匹配到地图中车道,则基于组合导航位置信息、ADAS相机数据和局部地图数据进行ICP车道匹配,当ICP输出的匹配置信度低于预定值,则根据车辆规划控制信息,通过贝叶斯模型和最小二乘法,计算车辆融合定位结果。
9.一种电子设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如权利要求1至7任一项所述的一种车辆定位方法的步骤。
10.一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,其特征在于,所述计算机程序被执行时实现如权利要求1至7任一项所述的一种车辆定位方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210781806.3A CN115290101A (zh) | 2022-07-01 | 2022-07-01 | 一种车辆定位方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210781806.3A CN115290101A (zh) | 2022-07-01 | 2022-07-01 | 一种车辆定位方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115290101A true CN115290101A (zh) | 2022-11-04 |
Family
ID=83822593
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210781806.3A Pending CN115290101A (zh) | 2022-07-01 | 2022-07-01 | 一种车辆定位方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115290101A (zh) |
-
2022
- 2022-07-01 CN CN202210781806.3A patent/CN115290101A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109946732B (zh) | 一种基于多传感器数据融合的无人车定位方法 | |
CN110160542B (zh) | 车道线的定位方法和装置、存储介质、电子装置 | |
JP2022113746A (ja) | 判定装置 | |
KR20220033477A (ko) | 자동 발렛 파킹 시스템의 위치 추정 장치 및 방법 | |
CN108051839B (zh) | 一种车载三维定位装置及三维定位的方法 | |
CN103843035B (zh) | 用于几何校准借助车辆的传感器系统形成的传感器数据的设备和方法 | |
CN112985386B (zh) | 一种自动驾驶多源融合定位方法、装置、设备及存储介质 | |
CN112835085B (zh) | 确定车辆位置的方法和装置 | |
CN107521559A (zh) | 转向角标定方法、运动轨迹计算方法和设备和车载设备 | |
CN114167470A (zh) | 一种数据处理方法和装置 | |
CN113405545A (zh) | 定位方法、装置、电子设备及计算机存储介质 | |
CN113252022A (zh) | 一种地图数据处理方法及装置 | |
CN110243364B (zh) | 无人机航向确定方法、装置、无人机及存储介质 | |
KR20190040818A (ko) | 차량 내부 센서, 카메라, 및 gnss 단말기를 이용한 3차원 차량 항법 시스템 | |
CN110567467A (zh) | 基于多传感器的地图构建方法、装置及存储介质 | |
JPWO2020202522A1 (ja) | 車両測位装置 | |
WO2018212301A1 (ja) | 自己位置推定装置、制御方法、プログラム及び記憶媒体 | |
JP2023164553A (ja) | 位置推定装置、推定装置、制御方法、プログラム及び記憶媒体 | |
CN113405555B (zh) | 一种自动驾驶的定位传感方法、系统及装置 | |
CN111619553A (zh) | 工程车辆和工程车辆的泊车控制方法 | |
CN114264301A (zh) | 车载多传感器融合定位方法、装置、芯片及终端 | |
JP7203805B2 (ja) | 移動体の定位誤差の分析 | |
JP6324423B2 (ja) | 車両位置検出装置 | |
CN111103584A (zh) | 用于获知车辆的环境中的物体的高度信息的设备和方法 | |
CN115290101A (zh) | 一种车辆定位方法及系统 |
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 |