CN116026319A - 融合定位方法、装置、处理器、存储介质及电子装置 - Google Patents

Abstract

本发明涉及车辆定位领域，公开了一种融合定位方法、装置、处理器、存储介质及电子装置，涉及车辆定位技术领域。其中，该方法包括：获取车辆的测量数据和观测数据，其中，测量数据为根据车辆的陀螺仪和轮速计测量得到的数据，观测数据为根据车辆定位系统的多种定位传感器观测得到的数据；根据测量数据确定车辆的第一信息，其中，第一信息用于更新车辆的目标信息，目标信息用于表示车辆的定位信息；根据第一信息和对应关系确定车辆的第二信息；根据融合策略融合观测数据和第二信息，得到更新信息；将第一信息与更新信息合并，得到目标信息。本发明解决了相关技术中使用单一的定位方法对车辆进行定位，导致定位精度低的技术问题。

Description

融合定位方法、装置、处理器、存储介质及电子装置

技术领域

本发明涉及车辆定位技术领域，具体而言，涉及一种融合定位方法、装置、处理器、存储介质及电子装置。

背景技术

随着自动驾驶技术的发展，对车辆定位的精度要求也越来越高，高精度的定位算法能够为整个自动驾驶系统提供精确的车辆位置信息，进而准确确定出车辆的位姿和运动状态，是确保车辆能够安全、平稳地运行的关键因素之一。

目前，自动驾驶系统采用基于捷联解算的卫星—惯导组合定位系统对车辆进行定位，但是该卫星—惯导组合定位系统在被遮挡区域处可能存在由于无法有效接收卫星信号，而导致定位失效的问题。基于激光雷达的点云匹配定位算法能够有效地解决被遮挡区域处的定位问题，但该算法在大范围空旷场景或长隧道等场景中可能存在由于激光雷达点云数据没有明显的特征点，而导致匹配定位失效的问题。

针对上述的问题，目前尚未提出有效的解决方案。

发明内容

本发明实施例提供了一种融合定位方法、装置、处理器、存储介质及电子装置，以至少解决相关技术中使用单一的定位方法对车辆进行定位，导致定位精度低的技术问题。

根据本发明其中一实施例，提供了一种融合定位方法，包括：

获取车辆的测量数据和观测数据，其中，测量数据为根据车辆的陀螺仪和轮速计测量得到的数据，观测数据为根据车辆定位系统的多种定位传感器观测得到的数据；根据测量数据确定车辆的第一信息，其中，第一信息用于更新车辆的目标信息，目标信息用于表示车辆的定位信息；根据第一信息和对应关系确定车辆的第二信息，其中，对应关系用于表示第一信息、第二信息和目标信息之间的关系，第二信息用于更新车辆定位系统的测量误差；根据融合策略融合观测数据和第二信息，得到更新信息，其中，融合策略用于对第二信息进行更新，更新信息用于表示更新后的第二信息；将第一信息与更新信息合并，得到目标信息。

可选地，根据融合策略融合观测数据和第二信息，得到更新信息包括：根据融合策略融合第一观测数据和第二信息，得到第一更新信息，其中，第一观测数据为根据第一定位传感器观测得到的数据；根据融合策略融合第二观测数据和第一更新信息，得到第二更新信息，其中，第二观测数据为根据第二定位传感器观测得到的数据，多种定位传感器包括第一定位传感器和第二定位传感器。

可选地，将第一信息与更新信息合并，得到目标信息包括：将第一信息与第二更新信息合并，得到目标信息。

可选地，获取车辆的测量数据包括：根据陀螺仪获取车辆的角速度；根据轮速计获取车辆的速度。

可选地，根据测量数据确定车辆的第一信息包括：对角速度和速度进行积分，得到第一信息。

可选地，多种定位传感器包括激光雷达、全球定位系统、照相设备和地图设备。

根据本发明其中一实施例，还提供了一种融合定位装置，包括：

获取模块，获取模块用于获取车辆的测量数据和观测数据，其中，测量数据为根据车辆的陀螺仪和轮速计测量得到的数据，观测数据为根据车辆定位系统的多种定位传感器观测得到的数据；确定模块，确定模块用于根据测量数据确定车辆的第一信息，其中，第一信息用于更新车辆的目标信息，目标信息用于表示车辆的定位信息；确定模块还用于根据第一信息和对应关系确定车辆的第二信息，其中，对应关系用于表示第一信息、第二信息和目标信息之间的关系，第二信息用于更新车辆定位系统的测量误差；融合模块，融合模块用于根据融合策略融合观测数据和第二信息，得到更新信息，其中，融合策略用于对第二信息进行更新，更新信息用于表示更新后的第二信息；合并模块，合并模块用于将第一信息与更新信息合并，得到目标信息。

可选地，获取模块还用于根据陀螺仪获取车辆的角速度；根据轮速计获取车辆的速度。

可选地，确定模块还用于对角速度和速度进行积分，得到第一信息。

可选地，融合模块还用于根据融合策略融合第一观测数据和第二信息，得到第一更新信息，其中，第一观测数据为根据第一定位传感器观测得到的数据；根据融合策略融合第二观测数据和第一更新信息，得到第二更新信息，其中，第二观测数据为根据第二定位传感器观测得到的数据，多种定位传感器包括第一定位传感器和第二定位传感器。

可选地，合并模块还用于将第一信息与第二更新信息合并，得到目标信息。

可选地，多种定位传感器包括激光雷达、全球定位系统、照相设备和地图设备。

根据本发明其中一实施例，还提供了一种处理器，处理器用于运行程序，其中，程序被设置为运行时执行上述任一项中的融合定位方法。

根据本发明其中一实施例，还提供了一种计算机可读存储介质，存储介质中存储有计算机程序，其中，计算机程序被设置为在计算机或处理器上运行时，执行上述任一项中的融合定位方法。

根据本发明其中一实施例，还提供了一种电子装置，包括存储器和处理器，存储器中存储有计算机程序，处理器被设置为运行计算机程序以执行上述任一项中的融合定位方法。

在本发明实施例中，通过根据车辆的陀螺仪和轮速计测量得到测量数据，以及根据车辆定位系统的多种定位传感器观测得到观测数据，根据测量数据确定用于更新车辆的定位信息的第一信息，再根据第一信息和对应关系确定用于更新车辆定位系统的测量误差的第二信息，其中，对应关系用于表示第一信息、第二信息和目标信息(车辆的定位信息)之间的关系，并根据融合策略融合观测数据和第二信息得到更新信息，其中，融合策略用于对第二信息进行更新，更新信息用于表示更新后的第二信息，最后将第一信息与更新信息合并得到目标信息(车辆的定位信息)。达到了将多种定位传感器观测得到的数据进行融合，从而对车辆高精度定位的目的，上述方法鲁棒性强且实现成本较低。此外，上述方法不受特殊场景限制，避免了在特殊场景下对车辆定位结果不准确的问题，从而实现了提高车辆定位精度的技术效果，进而解决了相关技术中使用单一的定位方法对车辆进行定位，导致定位精度低的技术问题。

附图说明

此处所说明的附图用来提供对本发明的进一步理解，构成本申请的一部分，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：

图1是根据本发明其中一实施例的融合定位方法的流程图；

图2是根据本发明其中一实施例的融合定位方法的系统整体架构示意图；

图3是根据本发明其中一实施例的激光雷达点云匹配模块的结构框图；

图4是根据本发明其中一实施例的融合定位装置的结构框图。

具体实施方式

为了便于理解，示例性地给出了部分与本发明实施例相关概念的说明以供参考。

如下所示：

惯性测量单元(Inertial measurement unit，IMU)：主要包括陀螺仪和加速度计，用于测量物体的三轴姿态角(或角速度)以及加速度。其中，陀螺仪用于测量物体在三维空间中的角速度和加速度，并以此解算出物体的姿态。加速度计用于检测物体在载体坐标系统独立三轴的加速度信号。

航向角：在地面坐标系下，车辆质心速度与横轴的夹角，可用于表示车辆在三维空间中的方向。

卡尔曼滤波：一种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计的算法。由于观测数据中包括系统中的噪声和干扰的影响，所以最优估计也可看作是滤波过程。卡尔曼滤波算法包括直接法和间接法，本发明实施例中，通过间接卡尔曼滤波算法对车辆进行定位(融合定位)，车辆的真实状态被分解为积分状态和误差状态两种形式。在积分状态下，车辆的定位信息不受系统的不确定度的影响，在误差状态下，车辆的定位信息受系统的不确定度的影响。积分状态下的定位信息和误差状态下的定位信息合并即为车辆在真实状态下的定位信息，也即对车辆进行定位最终需要得到的定位信息。

点云数据：指在一个三维坐标系统中的一组向量的集合，扫描资料以点的形式记录，每一个点包含有三维坐标，有些可能含有颜色信息(RGB)或反射强度信息(Intensity)。

雅克比矩阵：在向量微积分中，雅克比矩阵是一阶偏导数以一定方式排列成的矩阵，其行列式称为雅克比行列式，其重要性在于它体现了一个可微方程与给出点的最优线性逼近，因此雅克比矩阵类似于多元函数的导数。

叉乘映射：是一种在向量空间中向量的二元算法，则向量a的叉乘映射可表示为：

其中，a_x表示向量a在x轴上的投影，a_y表示向量a在y轴上的投影，a_z表示向量a在z轴上的投影。

状态转移矩阵：是一种控制理论中的矩阵，是时间和初始时间的函数，可以将时间的状态向量和此矩阵相乘，得到时间的状态向量。

为了使本技术领域的人员更好地理解本发明方案，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，所描述的实施例仅仅是本发明一部分的实施例，而不是全部的实施例。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他实施例，都应当属于本发明保护的范围。

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、产品或设备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。

根据本发明其中一实施例，提供了一种融合定位方法的实施例，需要说明的是，在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。

该方法实施例可以在包含存储器和处理器的电子装置、类似的控制装置或者系统中执行，该电子装置、控制装置或者系统位于车辆中。以电子装置为例，电子装置可以包括一个或多个处理器和用于存储数据的存储器。可选地，上述电子装置还可以包括用于通信功能的通信设备以及显示设备。本领域普通技术人员可以理解，上述结构描述仅为示意，其并不对上述电子装置的结构造成限定。例如，电子装置还可包括比上述结构描述更多或者更少的组件，或者具有与上述结构描述不同的配置。

处理器可以包括一个或多个处理单元。例如：处理器可以包括中央处理器(central processing unit，CPU)、图形处理器(graphics processing unit，GPU)、数字信号处理(digital signal processing，DSP)芯片、微处理器(microcontroller unit，MCU)、可编程逻辑器件(field－programmable gate array，FPGA)、神经网络处理器(neural-network processing unit，NPU)、张量处理器(tensor processing unit，TPU)、人工智能(artificial intelligent，AI)类型处理器等的处理装置。其中，不同的处理单元可以是独立的部件，也可以集成在一个或多个处理器中。在一些实例中，电子装置也可以包括一个或多个处理器。

存储器可用于存储计算机程序，例如存储本发明实施例中的融合定位方法对应的计算机程序，处理器通过运行存储在存储器内的计算机程序，从而实现上述的融合定位方法。存储器可包括高速随机存储器，还可包括非易失性存储器，如一个或者多个磁性存储装置、闪存、或者其他非易失性固态存储器。在一些实例中，存储器可进一步包括相对于处理器远程设置的存储器，这些远程存储器可以通过网络连接至电子装置。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。

通信设备用于经由一个网络接收或者发送数据。上述的网络具体实例可包括移动终端的通信供应商提供的无线网络。在一个实例中，通信设备包括一个网络适配器(network interface controller，NIC)，其可通过基站与其他网络设备相连从而可与互联网进行通讯。在一个实例中，通信设备可以为射频(radio frequency，RF)模块，其用于通过无线方式与互联网进行通讯。

显示设备可以例如触摸屏式的液晶显示器(liquid crystal display，LCD)和触摸显示器(也被称为“触摸屏”或“触摸显示屏”)。该液晶显示器可使得用户能够与移动终端的用户界面进行交互。在一些实施例中，上述移动终端具有图形用户界面(graphical userinterface，GUI)，用户可以通过触摸触敏表面上的手指接触和/或手势来与GUI进行人机交互，此处的人机交互功能可选的包括如下交互：视频会议、即时通信、收发电子邮件、通话界面、播放数字视频、播放数字音乐和/或网络浏览等、用于执行上述人机交互功能的可执行指令被配置/存储在一个或多个处理器可执行的计算机程序产品或可读存储介质中。在本实施例中提供了一种运行于电子装置的融合定位方法，图1是根据本发明其中一实施例的融合定位方法的流程图，如图1所示，该流程包括如下步骤：

步骤S10，获取车辆的测量数据和观测数据；

其中，测量数据为根据车辆的陀螺仪和轮速计测量得到的数据，观测数据为根据车辆定位系统的多种定位传感器观测得到的数据。

车辆的测量数据为根据车辆的陀螺仪和轮速计直接测量得到的数据，测量数据包括但不仅限于车辆的角速度和车辆的速度。其中，车辆的陀螺仪用于测量车辆的角速度，车辆的轮速计用于测量车辆的速度。车辆的观测数据为根据车辆定位系统的多种定位传感器观测得到的数据，其中，多种定位传感器包括但不仅限于激光雷达(Lidar)、全球定位系统(Global Position System，GPS)、照相设备(Camera)和地图设备等，不同的定位传感器所观测得到的观测数据可能不相同，示例性的，通过激光雷达进行车辆定位能够得到车辆的位姿信息，包括车辆的位置和航向角，通过GPS进行车辆定位能够得到车辆的三维坐标、速度以及时间信息。照相设备(Camera)通过采集车辆周围环境信息，从而获取车辆与周边物体的距离信息，对车辆进行定位。地图设备通过判断车辆所处位置，从而对车辆进行定位。

可以理解的是，由于多种定位传感器能够通过不同维度观测得到车辆的定位信息，因此，通过多种定位传感器获取的车辆的观测数据为多维数据。

由此，通过车辆的陀螺仪和轮速计获取车辆的测量数据，通过车辆定位系统的多种定位传感器获取车辆的观测数据，从而能够为后续确定车辆的第一信息以及更新第二信息的过程中提供准确的测量数据和观测数据，进而保证第一信息和更新后的第二信息的准确性。

步骤S11，根据测量数据确定车辆的第一信息；

其中，第一信息用于更新车辆的目标信息，目标信息用于表示车辆的定位信息。

通过间接卡尔曼滤波算法(误差卡尔曼滤波算法)对车辆进行定位时，车辆的真实状态被分解为积分状态和误差状态两种形式，第一信息可以理解为处于积分状态下的定位信息，该积分状态下的定位信息不受系统的不确定度的影响，不存在误差。

将车辆在积分状态下与误差状态下的定位信息合并，便能够得到车辆在真实状态下的定位信息，也即目标信息，该目标信息能够准确表示车辆的位置。因此可以理解的是，车辆在积分状态下的定位信息能够更新车辆在真实状态下的定位信息。

可选地，第一信息包括第一航向角信息、第一位置信息和第一陀螺仪零偏信息。第一航向角信息为在积分状态下的车辆的姿态信息，可以通过旋转矩阵的形式表示，记为

第一位置信息为在积分状态下的车辆的位置信息，可以通过三维空间向量表示，记为

第一陀螺仪零偏信息为在积分状态下的车辆的陀螺仪测量角速度时的零偏，记为

可选地，将测量数据中由陀螺仪检测得到的车辆角速度记为ω，由轮速计检测得到的车辆速度记为v。将测量数据代入到车辆在积分状态下的第一运动学模型中能够计算得到车辆在积分状态下的第一航向角信息

以及第一位置信息

从而实现对车辆位姿的推算(也即对车辆航迹的推算)。

可选地，车辆在积分状态下的第一运动学模型可以通过下述公式(1)-公式(4)表示：

ω_b＝ω_b+ωb_ω   (4)

其中，公式(1)中的

表示在积分状态下车辆在t+1时刻的航向角信息，

表示在积分状态下车辆在t时刻的航向角信息，Δt表示t+1时刻与t时刻之间的时间长度，需要注意的是，t+1时刻与t时刻只是表示两个不同的时刻，并不一定代表t+1时刻与t时刻之间的时间长度为1。

可以理解的是，由于车辆的陀螺仪存在零偏和噪声，公式(1)中的

表示通过公式(3)和公式(4)估算得出的车辆在t时刻的真实角速度。具体地，将陀螺仪的零偏记为ω_b，将陀螺仪的噪声记为ω_n，ω_n可以为陀螺仪的高斯白噪声，其均值为0，标准差为σ_ωn。将陀螺仪零偏的高斯白噪声记为ω_bω，其均值为0，标准差为σ_ωω。因此，通过公式(3)和公式(4)能够准确估算出车辆在t时刻的真实角速度，从而准确推算出车辆位姿。

公式(1)中的exp为指数函数的计算，例如exp(A)指e的A次方。

表示经过叉乘映射计算得到的关于

的叉乘矩阵。

公式(2)中的

表示在积分状态下车辆在t+1时刻的位置信息，

表示在积分状态下车辆在t时刻的位置信息，v_t表示车辆在t时刻由轮速计检测得到的车辆速度。

由此，根据通过车辆陀螺仪和轮速计获取的测量数据确定车辆的第一信息，从而能够为后续确定第二信息以及得到车辆的目标信息过程中，提供准确的第一信息，进而提高车辆定位信息的准确度。

步骤S12，根据第一信息和对应关系确定车辆的第二信息；

其中，对应关系用于表示第一信息、第二信息和目标信息之间的关系，第二信息用于更新车辆定位系统的测量误差。

可选地，对应关系可以参见下述表1，表1示出了在真实状态、积分状态和误差状态下车辆的航向角信息、位置信息和陀螺仪零偏信息之间的关系，也即在真实状态、积分状态和误差状态下车辆的定位信息之间的关系。可以看出，将车辆在积分状态下

与误差状态下的定位信息合并，便能够得到车辆在真实状态下的定位信息。

表1

第二信息可以理解为处于误差状态下的定位信息，该误差状态下的定位信息受系统的不确定度的影响，存在误差。可以理解的是，由于车辆在真实状态下的定位信息需要将车辆在积分状态下与误差状态下的定位信息合并才能够准确得出，因此车辆在误差状态下的定位信息能够更新车辆在真实状态下的定位信息。具体地，由于误差状态下的定位信息受系统的不确定度的影响，存在误差，因此可以理解为车辆在误差状态下的定位信息能够更新车辆定位系统的测量误差。

可选地，第二信息包括第二航向角信息、第二位置信息和第二陀螺仪零偏信息。第二航向角信息为在误差状态下的车辆的姿态信息，记为δR。第二位置信息为在误差状态下的车辆的位置信息，记为δP。第二陀螺仪零偏信息为在误差状态下的车辆的陀螺仪测量角速度时的零偏，记为δω_b。

可选地，根据第一信息和对应关系能够推导出车辆的定位信息在误差状态下的第二运动学模型，车辆在误差状态下的第二运动学模型可以通过下述公式(5)表示：

其中，公式(5)中的I表示单位矩阵，

和

表示状态转移矩阵，σv表示速度的方差。可以看出，根据第一信息、对应关系以及上述公式(5)即能够确定出车辆在误差状态下的第二信息，进一步地，该第二信息可以理解为通过估算得到的误差。

由此，根据车辆在积分状态下的第一信息和对应关系确定车辆在误差状态下的第二信息，从而能够确定出与第一信息对应的第二信息，为后续将第一信息和第二信息合并为目标信息提供准确的数据基础。

步骤S13，根据融合策略融合观测数据和第二信息；

其中，融合策略用于对第二信息进行更新，更新信息用于表示更新后的第二信息。

步骤S13可以理解为根据融合策略将通过车辆定位系统的多种定位传感器获取的观测数据，与根据第一信息和对应关系确定的第二信息进行融合，将观测数据和第二信息融合的目的是为了更新第二信息。由于车辆定位系统存在测量误差，误差较大会导致车辆定位系统对车辆定位的定位信息不准确，因此需要通过融合多种定位传感器观测得到的观测数据来降低车辆定位系统的测量误差，使得定位信息更加精确。

将根据车辆定位系统的多种定位传感器观测得到的观测数据用y表示，由于在通过多种定位传感器获取观测数据时，受传感器自身精度因素的影响，会产生不可避免的观测误差，将该观测误差用V表示，可以理解为V用于表示传感器的自身观测误差。将车辆定位系统的状态到观测空间的变换函数用h(x)表示，可以理解的是，不同的定位传感器观测得到的观测数据不同，因此对应的变换函数h(x)的具体形式不同。

具体地，观测数据y的数学表达式如公式(6)所示：

y＝h(x)+V(6)

基于公式(6)能够得到融合策略的数学表达式，具体地，融合策略的数据表达式如公式(7)-公式(9)所示：

K＝QH^T(HQH^T+V)^-1       (7)

Q＝(1-KH)Q       (9)

其中，Q用于表示误差状态下的协方差矩阵，H用于表示变换函数h(x)关于状态的雅克比矩阵，K用于表示间接卡尔曼滤波算法的卡尔曼增益。

可以理解为通过传感器实际观测时得到的实际观测误差，受环境因素和传感器自身精度因素的共同影响。

根据上述融合策略融合观测数据和第二信息，可以理解为将公式(5)和公式(6)代入到公式(7)-公式(9)中，得到更新信息，即更新后的第二信息，更新信息可以表示为

通过将多种传感器得到的观测数据与误差状态下的第二信息进行融合，不断更新第二信息，使得在误差状态下的第二信息的误差越来越小，从而提高将第一信息和第二信息合并得到的真实状态下的定位信息的精度，使得定位结果更加精确。

步骤S14，将第一信息与更新信息合并，得到目标信息。

将积分状态下的第一信息与更新信息(即更新后的误差状态下的第二信息)基于表1中给出的组合形式进行合并，得到真实状态下用于表示车辆定位信息的目标信息。由于更新信息可以为根据多种定位传感器观测得到的观测数据融合得到的，因此该更新信息的误差极小，将第一信息与更新信息合并得到的目标信息的精度极高，从而能够提高车辆定位系统的精度。

图2是根据本发明其中一实施例的融合定位方法的系统整体架构示意图，如图2所示，综合说明上述步骤S10至步骤S14的实现过程。系统包括航迹推算模块、量测更新模块和定位结果模块三个模块，航迹推算模块用于确定车辆在积分状态下的定位信息，也即第一信息。量测更新模块用于确定车辆在误差状态下的定位信息，也即第二信息，并根据多种定位传感器得到的观测数据对第二信息进行更新，得到更新信息。定位结果模块用于将航迹推算模块确定的第一信息以及量测更新模块确定的更新信息进行合并，得到车辆在真实状态下的定位信息，即目标信息。

可选地，航迹推算模块通过根据IMU陀螺仪获得的车辆角速度和根据轮速计获得的车辆速度进行积分计算，得到车辆在积分状态下的第一信息，量测更新模块基于第一信息与对应关系确定车辆在误差状态下第二信息，并通过多种定位传感器(例如包括例如激光雷达(Lidar)、全球定位系统(GPS)、照相设备(Camera)和地图设备等)对第二信息进行更新，实现量测更新，得到更新后的第二信息，即更新信息，最后定位结果模块将第一信息与更新信息进行合并，得到车辆在真实状态下的目标信息，即高精度的定位结果。

通过上述步骤，通过根据车辆的陀螺仪和轮速计测量得到测量数据，以及根据车辆定位系统的多种定位传感器观测得到观测数据，根据测量数据确定用于更新车辆的定位信息的第一信息，再根据第一信息和对应关系确定用于更新车辆定位系统的测量误差的第二信息，其中，对应关系用于表示第一信息、第二信息和目标信息(车辆的定位信息)之间的关系，并根据融合策略融合观测数据和第二信息得到更新信息，其中，融合策略用于对第二信息进行更新，更新信息用于表示更新后的第二信息，最后将第一信息与更新信息合并得到目标信息(车辆的定位信息)。达到了将多种定位传感器观测得到的数据进行融合，从而对车辆高精度定位的目的，上述方法鲁棒性强且实现成本较低。此外，上述方法不受特殊场景限制，避免了在特殊场景下对车辆定位结果不准确的问题，从而实现了提高车辆定位精度的技术效果，进而解决了相关技术中使用单一的定位方法对车辆进行定位，导致定位精度低的技术问题。

可选地，多种定位传感器包括激光雷达、全球定位系统、照相设备和地图设备。

通过根据车辆定位系统的多种定位传感器获取车辆的观测数据，多种定位传感器包括但不仅限于激光雷达(Lidar)、全球定位系统(GPS)、照相设备(Camera)和地图设备，具体地，可以参见对上述步骤S10的描述，此处不过多赘述。

由此，通过根据车辆定位系统的多种定位传感器获取车辆的观测数据，从而能够多方位、全面地获得各类观测信息，进而保证后续定位结果的精确性。

可选地，在步骤S10中，获取车辆的测量数据可以包括以下执行步骤：

步骤S100，根据陀螺仪获取车辆的角速度；

根据陀螺仪通过检测车辆相对于导航坐标系的角速度信号获取车辆的角速度信息，具体地，可以参见对上述步骤S10的描述，此处不过多赘述。

可以理解的是，由于陀螺仪装置具有定轴性和进动性，而车轴有一股保持水平的力，所以车轮转得越快，就越不容易倒下，因此通过陀螺仪获取车辆的角速度具有较高的稳定性，能够为后续确定车辆第一信息持续稳定地提供准确的车辆角速度ω。

此外，由于IMU的陀螺仪存在零偏和噪声，可能会对最终获取到的车辆角速度ω产生误差影响，因此，将陀螺仪零偏的高斯白噪声表示为ω_bω，其均值为0，标准差为σ_ωω，可由上述公式(4)计算得出陀螺仪存在的零偏ω_b，陀螺仪的高斯白噪声表示为ω_n，其均值为0，标准差为σ_ωn，则估计的真实车辆角速度

可以由上述公式(3)计算得出，进而能够保证车辆第一信息的准确性，具体地，可以参见对上述步骤S10的描述，此处不过多赘述。

步骤S101，根据轮速计获取车辆的速度。

根据车辆的轮速计通过测量车辆的车轮转速获取车辆的速度，其中，轮速计是用来测量车轮转速的传感器，一般来说，所有的转速传感器都可以作为轮速传感器，但是考虑到车轮的工作环境以及空间大小等实际因素，常用的轮速传感器主要有：磁电式轮速传感器、霍尔式轮速传感器。

在一种可选的实例中，可以选取磁电式轮速传感器作为轮速计获取车辆速度v。磁电式轮速传感器是由永磁性磁芯和线圈组成，磁力线从磁芯的一极出来，穿过齿圈和空气，返回到磁芯的另一极。由于传感器的线圈圈绕在磁芯上，因此，这些磁力线也会穿过线圈，当车轮旋转时，与车轮同步的齿圈(转子)随之旋转，齿圈上的齿和间隙依次快速经过传感器的磁场，其结果是改变了磁路的磁阻，从而导致线圈中感应电势发生变化，产生一定幅值、频率的电势脉冲。其中，脉冲的频率即每秒钟产生的脉冲个数，反映了车轮旋转的快慢，即得到车辆的速度v。

在另一种可选的实例中，可以选取霍尔式轮速传感器作为轮速计获取车辆速度v。霍尔式轮速传感器利用霍尔效应原理，用霍尔元件作为汽车的车轮转速传感器时，多采用磁感应强度B作输人信号，通过磁感应强度B随轮速变化，产生霍尔电势脉冲，经霍尔集成电路内部的放大、整形、功放后，向外输出脉冲序列，其空占比随转盘的角速度变化。齿盘的转动交替改变磁阻，引起磁感应强度变化，即可测取传感器输出的霍尔电势脉冲，脉冲的频率，即每秒钟产生的脉冲个数，反映了车轮旋转的快慢，通过脉冲的频率可得知车轮转速，即获得车辆的速度v。

可选地，在步骤S11中，根据测量数据确定车辆的第一信息可以包括以下执行步骤：

步骤S110，对角速度和速度进行积分，得到第一信息。

将通过陀螺仪获取的估计的真实车辆角速度

和通过轮速计得到的车辆速度v根据上述公式(1)-公式(4)进行积分处理，从而得到积分状态下的第一信息(，包括车辆旋转中的三维姿态，即第一航向角信息

以及三维空间中的车辆位置，即第一位置信息

进而实现车辆位姿的推算(也即航迹推算)。具体地，可以参见对上述步骤S11的描述，此处不过多赘述。

由于本发明实施例采用基于误差卡尔曼滤波的方式进行多种传感器定位数据结果的融合，该方法为间接卡尔曼滤波算法，真实的状态被分解为积分状态和误差状态两种形式，将积分状态下的第一信息作为车辆航迹推算的结果，进而通过代入不同时间产生的估计的真实车辆角速度

和车辆速度v得到不同的第一信息，从而实现车辆状态的更新，在后续合并第一信息与更新信息时，能够提供实时准确的第一信息，进而保证目标信息的精确度。

可选地，在步骤S13中，根据融合策略融合观测数据和第二信息，得到更新信息可以包括以下执行步骤：

步骤S130，根据融合策略融合第一观测数据和第二信息，得到第一更新信息；

步骤S131，根据融合策略融合第二观测数据和第一更新信息，得到第二更新信息。

其中，第一观测数据为根据第一定位传感器观测得到的数据，第二观测数据为根据第二定位传感器观测得到的数据，多种定位传感器包括第一定位传感器和第二定位传感器。

可以理解的是，观测数据由车辆定位系统的多种定位传感器对车辆进行观测获得，多种定位传感器包括但不仅限于激光雷达(Lidar)、全球定位系统(GPS)、照相设备(Camera)和地图设备，上述第一定位传感器和第二定位传感器仅代表不同的定位传感器，并不具体限定为哪一种定位传感器。相应地，第一观测数据和第二观测数据为与第一定位传感器和第二定位传感器对应的观测数据，并不具体限定为哪一类观测数据。

示例性的，以通过A定位传感器和B定位传感器两种定位传感器进行融合更新，第一观测数据为根据A定位传感器观测得到的，第二观测数据为根据B定位传感器观测得到的为例，根据融合策略融合观测数据和第二信息时，首先将一个定位传感器(例如A定位传感器)观测得到的观测数据(例如第一观测数据)与第二信息进行融合，得到第一更新信息，再将另一个定位传感器(例如B定位传感器)观测得到的观测数据(例如第二观测数据)与第一更新信息进行融合，得到第二更新信息，此处由于只涉及两个定位传感器，因此第二更新信息即为目标更新信息，也即为步骤S13中的更新信息。

可选地，车辆定位系统中可能包括多种定位传感器，因此可以将多种定位传感器观测得到的观测数据都进行融合。上述通过两种定位传感器进行融合更新仅为举例，并不限定于只融合两种定位传感器观测得到的观测数据。

示例性的，可以将激光雷达(Lidar)作为第一定位传感器，则通过激光雷达得到的观测数据为第一观测数据。将全球定位系统(GPS)作为第二定位传感器，则通过GPS得到的观测数据为第二观测数据。

可选地，激光雷达是通过点云匹配模块获取第一观测数据的，点云匹配模块通过将激光雷达传感器驱动模块输入的实时点云数据进行特征提取，并将提取到的特征点云与预先采集的点云地图进行匹配，得到精准的匹配定位结果。

图3是根据本发明其中一实施例的激光雷达点云匹配模块的结构框图，如图3所示，由传感器驱动模块获取实时点云数据、车身信号以及IMU信号，将实时点云传输至特征提取模块，特征提取模块通过特征提取算法将实时点云轻量化，得到特征点云，并将特征点云被分别传输至里程计模块和匹配定位模块。传感器驱动模块还将车身信号以及IMU信号传输至里程计模块，里程计模块接收由传感器驱动模块传输的车身信号、IMU信号以及由特征提取模块传输的特征点云，通过帧间匹配算法得到相邻点云帧之间的相对运动，从而为匹配定位模块提供车辆姿态的匹配初值，将匹配初值传输至点云地图模块，点云地图模块根据匹配初值匹配一定范围的点云地图，为匹配定位模块提供地图点云。匹配定位模块接收由特征提取模块传输的特征点云和由点云地图模块传输的地图点云，从而得到车辆的位姿变换，也即确定车辆的位置。

可以理解的是，在自动驾驶车辆运行过程中，可能会出现动态障碍物对匹配定位结果产生影响，因此，该匹配定位模块采用正态分布变换(NDT)算法作为点云配准算法，从而提升点云匹配定位算法的稳定性，匹配定位模块通过NDT算法将特征点云与地图点云进行配准，进而得到优化后的车辆精准位姿变换结果。

匹配定位模块输出车辆匹配的姿态信息RL和匹配的位置信息PL，匹配的姿态信息RL和匹配的位置信息PL在实际观测时产生的误差通过公式(10)和公式(11)表示，其中，eR表示匹配的姿态信息RL的误差，eP表示匹配的位置信息PL的误差，该公式(10)和公式(11)即为观测过程中产生的实际观测误差

公式(10)和公式(11)表示如下：

根据激光雷达观测得到的观测数据的变换函数h(x)的雅克比矩阵H通过公式(12)表示，其中，J₁表示雅克比矩阵，公式(12)表示如下：

可选地，将公式(10)-公式(12)代入到公式(7)-公式(9)中，能够得到将第一观测数据与第二信息进行融合得到的第一更新信息。

此外，由于传统机械式激光雷达成本较高，本发明实施例可以采用固态激光雷达进行实时点云数据的采集。例如，可以利用光学相控阵列、光子集成电路、以及远场辐射方向图等新兴技术代替机械旋转部件进行工作，实现发射激光角度的调整。

根据融合策略将第二信息和由第一定位传感器观测得到的第一观测数据进行融合，得到第一更新信息，从而在后续融合第二观测数据和第一更新信息得到第二更新信息时，能够提供准确的第一更新信息，进而保证第二更新信息的准确性。

相应地，可以将全球定位系统(GPS)作为第二定位传感器，车辆内置的GPS天线会接受到来自环绕地球的24颗GPS卫星中的至少3颗所传递的数据信息，由此测定车辆当前所处的位置，导航主机通过GPS卫星信号确定的位置坐标与电子地图数据相匹配，进而确定车辆在电子地图中的准确位置信息，即可以将通过全球定位系统(GPS)获取的观测数据作为第二观测数据。

根据融合策略将第一更新信息与由第二定位传感器观测得到的第二观测数据进行融合，得到第二更新信息，从而在后续将第一信息与第二更新信息合并，得到目标信息时，能够提供准确的第二更新信息，进而保证目标信息的准确性。

可以理解的是，上述仅示例了将根据第一定位传感器观测获得第一观测数据，与根据第二定位传感器观测获得第二观测数据融合更新的过程，还可以将照相设备(Camera)作为第三定位传感器，第三定位传感器观测获得第三观测数据，以及将地图设备作为第四定位传感器，第四定位传感器观测获得第四观测数据。采用第三观测数据和第四观测数据继续对上述第二更新信息进行融合更新，更新过程与上述描述相似，此处不再进行赘述，从而使得得到的更新信息的误差最小。

根据融合策略融合第一观测数据和第二信息，得到第一更新信息，以及根据融合策略融合第二观测数据和第一更新信息，得到第二更新信息，实质上都是对第二信息进行更新，通过不断融合由不同定位传感器观测获得的观测数据，实现对误差状态下的第二信息的更新，进而使得在后续将第一信息与更新信息合并，得到目标信息时，更新信息为融合了各类定位传感器的观测数据后的第二信息，从而最大程度减小各类误差对目标信息的影响。

可选地，在步骤S131中，根据融合策略融合第二观测数据和第一更新信息，得到第二更新信息后可以包括以下执行步骤：

步骤S132，将第一信息与第二更新信息合并，得到目标信息。

将根据多种定位传感器观测得到的观测数据融合得到的第二更新信息与积分状态下的第一信息进行合并，合并过程参照上述表1给出的组合形式，从而得到真实状态下的目标信息，即车辆的定位信息，使得目标信息始终经过航迹推算和量测更新两个阶段，并且通过融合多种定位传感器观测得到的观测数据，有效减小了定位误差，进而保证车辆定位信息的精确度。

由此，可以看出，本发明实施例提出的融合定位方法，能够基于IUM和轮速计构件数学模型进行车辆航迹推算，使得推算结果稳定，易于实现。此外，本发明实施例提出基于误差卡尔曼滤波的方式进行多种传感器定位数据结果的融合，能够实现误差状态的更新，使得定位结果更加精准。

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根据上述实施例的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一个存储介质(如ROM/RAM、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是手机，计算机，服务器，或者网络设备等)执行本发明各个实施例所述的方法。

在本实施例中还提供了一种融合定位装置，该装置用于实现上述实施例及优选实施方式，已经进行过说明的不再赘述。如以下所使用的，术语“模块”可以实现预定功能的软件和/或硬件的组合。尽管以下实施例所描述的装置较佳地以软件来实现，但是硬件，或者软件和硬件的组合的实现也是可能并被构想的。

图4是根据本发明其中一实施例的融合定位装置的结构框图，如图4所示，以融合定位装置400进行示例，该装置包括：获取模块401，获取模块401用于获取车辆的测量数据和观测数据，其中，测量数据为根据车辆的陀螺仪和轮速计测量得到的数据，观测数据为根据车辆定位系统的多种定位传感器观测得到的数据；确定模块402，确定模块402用于根据测量数据确定车辆的第一信息，其中，第一信息用于更新车辆的目标信息，目标信息用于表示车辆的定位信息；确定模块402还用于根据第一信息和对应关系确定车辆的第二信息，其中，对应关系用于表示第一信息、第二信息和目标信息之间的关系，第二信息用于更新车辆定位系统的测量误差；融合模块403，融合模块403用于根据融合策略融合观测数据和第二信息，得到更新信息，其中，融合策略403还用于对第二信息进行更新，更新信息用于表示更新后的第二信息；合并模块404，合并模块404用于将第一信息与更新信息合并，得到目标信息。

可选地，获取模块401还用于根据陀螺仪获取车辆的角速度；根据轮速计获取车辆的速度。

可选地，确定模块402还用于对角速度和速度进行积分，得到第一信息。

可选地，融合模块403还用于根据融合策略融合第一观测数据和第二信息，得到第一更新信息，其中，第一观测数据为根据第一定位传感器观测得到的数据；根据融合策略融合第二观测数据和第一更新信息，得到第二更新信息，其中，第二观测数据为根据第二定位传感器观测得到的数据，多种定位传感器包括第一定位传感器和第二定位传感器。

可选地，合并模块404还用于将第一信息与第二更新信息合并，得到目标信息。

可选地，多种定位传感器包括激光雷达、全球定位系统、照相设备和地图设备。

需要说明的是，上述各个模块是可以通过软件或硬件来实现的，对于后者，可以通过以下方式实现，但不限于此：上述模块均位于同一处理器中；或者，上述各个模块以任意组合的形式分别位于不同的处理器中。

根据本发明其中一实施例，还提供了一种处理器，处理器用于运行程序，其中，程序被设置为运行时执行上述任一项中的融合定位方法。

可选地，在本实施例中，上述处理器可以被设置为通过计算机程序执行以下步骤：

步骤S1，获取车辆的测量数据和观测数据；

步骤S2，根据测量数据确定车辆的第一信息；

步骤S3，根据第一信息和对应关系确定车辆的第二信息；

步骤S4，根据融合策略融合观测数据和第二信息；

步骤S5，将第一信息与更新信息合并，得到目标信息。

本发明的实施例还提供了一种计算机可读存储介质，该存储介质中存储有计算机程序，其中，该计算机程序被设置为在计算机或处理器上运行时，执行上述任一项方法实施例中的步骤。

可选地，在本实施例中，上述计算机可读存储介质可以被设置为存储用于执行以下步骤的计算机程序：

步骤S1，获取车辆的测量数据和观测数据；

步骤S2，根据测量数据确定车辆的第一信息；

步骤S3，根据第一信息和对应关系确定车辆的第二信息；

步骤S4，根据融合策略融合观测数据和第二信息；

步骤S5，将第一信息与更新信息合并，得到目标信息。

可选地，在本实施例中，上述计算机可读存储介质可以包括但不限于：U盘、只读存储器(Read-Only Memory，ROM)、随机存取存储器(Random Access Memory，RAM)、移动硬盘、磁碟或者光盘等各种可以存储计算机程序的介质。

本发明的实施例还提供了一种电子装置，包括存储器和处理器，存储器中存储有计算机程序，处理器被设置为运行计算机程序以执行上述任一项方法实施例中的步骤。

可选地，在本实施例中，上述电子装置中的处理器可以被设置为运行计算机程序以执行以下步骤：

步骤S1，获取车辆的测量数据和观测数据；

步骤S2，根据测量数据确定车辆的第一信息；

步骤S3，根据第一信息和对应关系确定车辆的第二信息；

步骤S4，根据融合策略融合观测数据和第二信息；

步骤S5，将第一信息与更新信息合并，得到目标信息。

可选地，本实施例中的具体示例可以参考上述实施例及可选实施方式中所描述的示例，本实施例在此不再赘述。

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。

在本发明的上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其他实施例的相关描述。

在本申请所提供的几个实施例中，应该理解到，所揭露的技术内容，可通过其它的方式实现。其中，以上所描述的装置实施例仅仅是示意性的，例如所述单元的划分，可以为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，单元或模块的间接耦合或通信连接，可以是电性或其它的形式。

所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。

另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。

所述集成的单元如果以软件功能单元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或者该技术方案的全部或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(可为个人计算机、服务器或者网络设备等)执行本发明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、只读存储器(Read-Only Memory，ROM)、随机存取存储器(Random Access Memory，RAM)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。

以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。

Claims (10)

1.一种融合定位方法，其特征在于，包括：

获取车辆的测量数据和观测数据，其中，所述测量数据为根据所述车辆的陀螺仪和轮速计测量得到的数据，所述观测数据为根据车辆定位系统的多种定位传感器观测得到的数据；

根据所述测量数据确定所述车辆的第一信息，其中，所述第一信息用于更新所述车辆的目标信息，所述目标信息用于表示所述车辆的定位信息；

根据所述第一信息和对应关系确定所述车辆的第二信息，其中，所述对应关系用于表示所述第一信息、所述第二信息和所述目标信息之间的关系，所述第二信息用于更新所述车辆定位系统的测量误差；

根据融合策略融合所述观测数据和所述第二信息，得到更新信息，其中，所述融合策略用于对所述第二信息进行更新，所述更新信息用于表示更新后的所述第二信息；

将所述第一信息与所述更新信息合并，得到所述目标信息。

2.根据权利要求1所述的方法，其特征在于，所述根据融合策略融合所述观测数据和所述第二信息，得到更新信息包括：

根据所述融合策略融合第一观测数据和所述第二信息，得到第一更新信息，其中，所述第一观测数据为根据第一定位传感器观测得到的数据；

根据所述融合策略融合第二观测数据和所述第一更新信息，得到第二更新信息，其中，所述第二观测数据为根据第二定位传感器观测得到的数据，所述多种定位传感器包括所述第一定位传感器和所述第二定位传感器。

3.根据权利要求2所述的方法，其特征在于，所述将所述第一信息与所述更新信息合并，得到所述目标信息包括：

将所述第一信息与所述第二更新信息合并，得到所述目标信息。

4.根据权利要求1-3中任一项所述的方法，其特征在于，所述获取车辆的测量数据包括：

根据所述陀螺仪获取所述车辆的角速度；

根据所述轮速计获取所述车辆的速度。

5.根据权利要求4所述的方法，其特征在于，所述根据所述测量数据确定所述车辆的第一信息包括：

对所述角速度和所述速度进行积分，得到所述第一信息。

6.根据权利要求1-3中任一项所述的方法，其特征在于，所述多种定位传感器包括激光雷达、全球定位系统、照相设备和地图设备。

7.一种融合定位装置，其特征在于，包括：

获取模块，所述获取模块用于获取车辆的测量数据和观测数据，其中，所述测量数据为根据所述车辆的陀螺仪和轮速计测量得到的数据，所述观测数据为根据车辆定位系统的多种定位传感器观测得到的数据；

确定模块，所述确定模块用于根据所述测量数据确定所述车辆的第一信息，其中，所述第一信息用于更新所述车辆的目标信息，所述目标信息用于表示所述车辆的定位信息；

所述确定模块还用于根据所述第一信息和对应关系确定所述车辆的第二信息，其中，所述对应关系用于表示所述第一信息、所述第二信息和所述目标信息之间的关系，所述第二信息用于更新所述车辆定位系统的测量误差；

融合模块，所述融合模块用于根据融合策略融合所述观测数据和所述第二信息，得到更新信息，其中，所述融合策略用于对所述第二信息进行更新，所述更新信息用于表示更新后的所述第二信息；

合并模块，所述合并模块用于将所述第一信息与所述更新信息合并，得到所述目标信息。

8.一种处理器，其特征在于，所述处理器用于运行程序，其中，所述程序被设置为在所述处理器上运行时执行所述权利要求1至6任一项中所述的融合定位方法。

9.一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中存储有计算机程序，其中，所述计算机程序被设置为在计算机或处理器上运行时，执行上述权利要求1至6任一项中所述的融合定位方法。

10.一种电子装置，包括存储器和处理器，其特征在于，所述存储器中存储有计算机程序，所述处理器被设置为运行所述计算机程序以执行上述权利要求1至6任一项中所述的融合定位方法。

Images