CN116429094B - 定位方法、装置、电子设备及存储介质 - Google Patents
定位方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN116429094B CN116429094B CN202310709626.9A CN202310709626A CN116429094B CN 116429094 B CN116429094 B CN 116429094B CN 202310709626 A CN202310709626 A CN 202310709626A CN 116429094 B CN116429094 B CN 116429094B
- Authority
- CN
- China
- Prior art keywords
- data
- initialization
- equipment
- state
- acceleration
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 50
- 230000001133 acceleration Effects 0.000 claims abstract description 169
- 230000033001 locomotion Effects 0.000 claims abstract description 86
- 230000003068 static effect Effects 0.000 claims description 21
- 238000004364 calculation method Methods 0.000 claims description 19
- 238000005259 measurement Methods 0.000 claims description 11
- 238000012163 sequencing technique Methods 0.000 claims description 10
- 238000013473 artificial intelligence Methods 0.000 abstract description 3
- 238000004422 calculation algorithm Methods 0.000 description 11
- 238000004590 computer program Methods 0.000 description 11
- 238000004891 communication Methods 0.000 description 9
- 230000005484 gravity Effects 0.000 description 8
- 238000010586 diagram Methods 0.000 description 7
- 238000012545 processing Methods 0.000 description 7
- 238000005516 engineering process Methods 0.000 description 3
- 230000004807 localization Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000002159 abnormal effect Effects 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000013507 mapping Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- PUAQLLVFLMYYJJ-UHFFFAOYSA-N 2-aminopropiophenone Chemical compound CC(N)C(=O)C1=CC=CC=C1 PUAQLLVFLMYYJJ-UHFFFAOYSA-N 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011423 initialization method Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 230000002441 reversible effect Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
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
- G01C21/005—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 with correlation of navigation data from several sources, e.g. 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
- G01C21/10—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration
-
- 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
- G01C25/00—Manufacturing, calibrating, cleaning, or repairing instruments or devices referred to in the other groups of this subclass
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D30/00—Reducing energy consumption in communication networks
- Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Manufacturing & Machinery (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
Abstract
本公开关于一种定位方法、装置、电子设备及存储介质，涉及人工智能技术领域。其中，所述定位方法，包括：获取待定位设备的运动数据；基于运动数据确定待定位设备的设备状态；在待定位设备的设备状态为目标设备状态的情况下，对待定位设备进行参数初始化，得到初始化参数数据，以基于初始化参数数据对待定位设备进行定位；其中，目标设备状态包括匀加速度运动状态。采用本公开实施例提供的方法，可以在待定位设备处于匀加速度状态下进行参数初始化，可以大大降低参数初始化对初始状态的依赖，避免由于定位方法不能使用，导致定位失败的情况，进而能够提升定位方法的精度与鲁棒性。
Description
技术领域
本公开涉及人工智能技术领域，尤其涉及一种定位方法、装置、电子设备及存储介质。
背景技术
相关技术中，SLAM（Simultaneous Localization and Mapping，即时定位与地图构建）技术通常可以用于解决无RTK（Real - time kinematic，实时动态）环境下自动驾驶车辆、机器人等的定位问题。现阶段，SLAM的定位通常依赖于自动驾驶车辆或机器人本身的初始状态，该初始状态通常由自动驾驶车辆或机器人在静止、水平姿态较为理想的状态下初始化得到。但是，在实际中，自动驾驶车辆或机器人等设备可能处于各种各样的状态，导致经常会出现无法进行初始化或者多次初始化的情况，这会导致经常出现SLAM技术长时间不能使用的情况，从而导致定位失败。
发明内容
本公开提供一种定位方法、装置、电子设备及存储介质。本公开的技术方案如下：
根据本公开实施例的第一方面，提供一种定位方法，包括：
获取待定位设备的运动数据；
基于所述运动数据确定所述待定位设备的设备状态；
在所述待定位设备的设备状态为目标设备状态的情况下，对所述待定位设备进行参数初始化，得到初始化参数数据，以基于所述初始化参数数据对所述待定位设备进行定位；其中，所述目标设备状态包括匀加速度运动状态。
在一种可能的实施方式中，所述获取待定位设备的运动数据，包括：
获取待定位设备的移动装置在预设时段内的多组运动数据；其中，所述预设时段为与当前时刻的间隔时长为预设时长的时段，所述运动数据包括轮速数据；
所述基于所述运动数据确定所述待定位设备的设备状态，包括：
基于所述预设时段内的所述多组轮速数据确定所述待定位设备的设备状态。
在一种可能的实施方式中，所述基于所述预设时段内的所述多组轮速数据确定所述待定位设备的设备状态，包括：
基于所述预设时段内的所述多组轮速数据计算在每个采集时刻的纵向速度；
按照时间顺序对多个纵向速度进行排序，得到排序后的纵向速度序列；
基于所述纵向速度序列中多组相邻纵向速度计算得到多个轮速加速度；
计算所述多个轮速加速度的标准差和平均轮速加速度；
在所述多个轮速加速度的标准差小于标准差阈值，且与所述平均轮速加速度的差值大于预设差值的轮速加速度的数量小于预设数量的情况下，确定所述待定位设备的设备状态为匀加速度运动状态。
在一种可能的实施方式中，所述初始化参数数据包括初始化位置数据、初始化姿态数据、初始化速度数据、初始化加速度偏置数据、初始化角速度偏置数据中的至少一项；
所述在所述待定位设备的设备状态为目标设备状态的情况下，对所述待定位设备进行参数初始化，得到初始化参数数据，包括如下至少一项：
将所述待定位设备的所述初始化位置数据初始化为预设位置坐标；
获取所述待定位设备的实时姿态数据，基于所述实时姿态数据确定所述初始化姿态数据；其中，所述初始化姿态数据包括初始化航向角、初始化俯仰角、初始化翻滚角、补偿轮速加速度中的至少一项；
将所述初始化速度数据初始化为所述待定位设备在预设时段内的轮速平均速度；
基于所述待定位设备在所述预设时段内的加速度均值和实时加速度确定所述初始化加速度偏置数据；
将所述待定位设备在所述预设时段内的角速度均值确定为所述初始化角速度偏置数据。
在一种可能的实施方式中，所述目标设备状态还包括静止状态；所述基于所述运动数据确定所述待定位设备的设备状态，还包括：
基于所述预设时段内的所述多组轮速数据计算在每个采集时刻的纵向速度；
计算多个所述纵向速度的平均速度和最大速度；
在所述平均速度为零且所述最大速度小于第一预设阈值的情况下，确定所述待定位设备处于静止状态。
在一种可能的实施方式中，所述实时姿态数据、所述加速度和所述角速度由惯性测量单元采集。
根据本公开实施例的第二方面，提供一种定位装置，包括：
数据获取模块，用于获取待定位设备的运动数据；
状态确定模块，用于基于所述运动数据确定所述待定位设备的设备状态；
定位模块，用于在所述待定位设备的设备状态为目标设备状态的情况下，对所述待定位设备进行参数初始化，得到初始化参数数据，以基于所述初始化参数数据对所述待定位设备进行定位；其中，所述目标设备状态包括匀加速度运动状态。
在一种可能的实施方式中，所述数据获取模块，用于：
获取待定位设备的移动装置在预设时段内的多组运动数据；其中，所述预设时段为与当前时刻的间隔时长为预设时长的时段，所述运动数据包括轮速数据；
所述状态确定模块，用于：
基于所述预设时段内的所述多组轮速数据确定所述待定位设备的设备状态。
在一种可能的实施方式中，所述状态确定模块，包括：
第一计算单元，用于基于所述预设时段内的所述多组轮速数据计算在每个采集时刻的纵向速度；
排序单元，用于按照时间顺序对多个纵向速度进行排序，得到排序后的纵向速度序列；
第二计算单元，用于基于所述纵向速度序列中多组相邻纵向速度计算得到多个轮速加速度；
第三计算单元，用于计算所述多个轮速加速度的标准差和平均轮速加速度；
第一状态确定单元，用于在所述多个轮速加速度的标准差小于标准差阈值，且与所述平均轮速加速度的差值大于预设差值的轮速加速度的数量小于预设数量的情况下，确定所述待定位设备的设备状态为匀加速度运动状态。
在一种可能的实施方式中，所述初始化参数数据包括初始化位置数据、初始化姿态数据、初始化速度数据、初始化加速度偏置数据、初始化角速度偏置数据中的至少一项；
所述定位模块，包括如下至少一项：
第一初始化单元，用于将所述待定位设备的所述初始化位置数据初始化为预设位置坐标；
第二初始化单元，用于获取所述待定位设备的实时姿态数据，基于所述实时姿态数据确定所述初始化姿态数据；其中，所述初始化姿态数据包括初始化航向角、初始化俯仰角、初始化翻滚角、补偿轮速加速度中的至少一项；
第三初始化单元，用于将所述初始化速度数据初始化为所述待定位设备在预设时段内的轮速平均速度；
第四初始化单元，用于基于所述待定位设备在所述预设时段内的加速度均值和实时加速度确定所述初始化加速度偏置数据；
第五初始化单元，用于将所述待定位设备在所述预设时段内的角速度均值确定为所述初始化角速度偏置数据。
在一种可能的实施方式中，所述目标设备状态还包括静止状态；所述状态确定模块，还包括：
第四计算单元，用于基于所述预设时段内的所述多组轮速数据计算在每个采集时刻的纵向速度；
第五计算单元，用于计算多个所述纵向速度的平均速度和最大速度；
第二状态确定单元，用于在所述平均速度为零且所述最大速度小于第一预设阈值的情况下，确定所述待定位设备处于静止状态。
在一种可能的实施方式中，所述实时姿态数据、所述加速度和所述角速度由惯性测量单元采集。
根据本公开实施例的第三方面，提供一种电子设备，包括：
处理器；
用于存储所述处理器可执行指令的存储器;
其中，所述处理器被配置为执行所述指令，以实现如第一方面中任一项所述的定位方法。
根据本公开实施例的第四方面，提供一种存储介质，当所述存储介质中的指令由电子设备的处理器执行时，使得电子设备能够执行如第一方面中任一项所述的定位方法。
根据本公开实施例的第五方面，提供一种计算机程序产品，包括计算机程序，所述计算机程序被处理器执行时实现如第一方面中任一项所述的定位方法。
本公开的实施例提供的技术方案至少带来以下有益效果：
在本公开实施例中，通过获取待定位设备的运动数据；基于运动数据确定待定位设备的设备状态；在待定位设备的设备状态为目标设备状态的情况下，对待定位设备进行参数初始化，得到初始化参数数据，以基于初始化参数数据对待定位设备进行定位；其中，目标设备状态包括匀加速度运动状态。这样，可以在待定位设备处于匀加速度状态下进行参数初始化，可以大大降低参数初始化对初始状态的依赖，避免由于待定位设备处于非静止状态、非水平姿态，导致无法进行初始化或者多次初始化的情况，从而可以避免由于定位方法不能使用，导致定位失败的情况，进而能够提升定位方法的精度与鲁棒性。
应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本公开。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本公开的实施例，并与说明书一起用于解释本公开的原理，并不构成对本公开的不当限定。
图1是根据一示例性实施例示出的一种定位方法的流程图。
图2a是根据一示例性实施例示出的一种初始化俯仰角的示意图。
图2b是根据一示例性实施例示出的一种初始化翻滚角的示意图。
图3是根据一示例性实施例示出的另一种定位方法的流程图。
图4是根据一示例性实施例示出的一种定位装置的框图。
图5是根据一示例性实施例示出的一种电子设备的框图。
具体实施方式
为了使本领域普通人员更好地理解本公开的技术方案，下面将结合附图，对本公开实施例中的技术方案进行清楚、完整地描述。
需要说明的是，本公开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，以便这里描述的本公开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。以下示例性实施例中所描述的实施方式并不代表与本公开相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本公开的一些方面相一致的装置和方法的例子。
下面结合附图对本公开实施例提供的定位方法、装置、电子设备及存储介质进行详细说明。
图1是根据一示例性实施例示出的一种定位方法的流程图，该定位方法可以应用于待定位设备，例如，可以为自动驾驶车辆、机器人等。如图1所示，定位方法可以包括以下步骤。
在步骤S101中，获取待定位设备的运动数据。
在本公开实施例中，在需要对某设备（即待定位设备）进行定位前，可以先获取待定位设备的运动数据，示例性的，为保证数据的实时性，可以实时的获取待定位设备的运动数据。其中，待定位设备例如可以是某自动驾驶车辆或机器人等；运动数据可以是用于描述待定位设备的运动状态的数据，例如可以包括轮速数据。
在步骤S102中，基于运动数据确定待定位设备的设备状态。
在本公开实施例中，在获取待定位设备的运动数据之后，可以基于待定位设备的运动数据确定待定位设备的设备状态。其中，设备状态可以用于指示待定位设备的运动状态，例如可以为静止状态、转弯状态、变加速度状态、匀加速度状态和未知状态等，其中未知状态可以是除前述状态之外的运动状态。
在步骤S103中，在待定位设备的设备状态为目标设备状态的情况下，对待定位设备进行参数初始化，得到初始化参数数据，以基于初始化参数数据对待定位设备进行定位。
其中，目标设备状态包括匀加速度运动状态。
在本公开实施例中，在基于运动数据确定待定位设备的设备状态之后，可以确定待定位设备的设备状态是否的目标设备状态，其中目标设备状态可以是预先设置的可以进行参数初始化的待定位设备的运动状态，例如可以是匀加速度运动状态。如果待定位设备的设备状态为目标设备状态，则可以对待定位设备进行参数初始化，得到初始化参数数据。在得到初始化参数数据之后，可以基于初始化参数数据对待定位设备进行定位。
在本公开实施例中，通过获取待定位设备的运动数据；基于运动数据确定待定位设备的设备状态；在待定位设备的设备状态为目标设备状态的情况下，对待定位设备进行参数初始化，得到初始化参数数据，以基于初始化参数数据对待定位设备进行定位；其中，目标设备状态包括匀加速度运动状态。这样，可以在待定位设备处于匀加速度状态下进行参数初始化，可以大大降低参数初始化对初始状态的依赖，避免由于待定位设备处于非静止状态、非水平姿态，导致无法进行初始化或者多次初始化的情况，从而可以避免由于定位方法不能使用，导致定位失败的情况，进而能够提升定位方法的精度与鲁棒性。
在一种可能的实施方式中，上述步骤中获取待定位设备的运动数据的具体实现方式可以为：
获取待定位设备的移动装置在预设时段内的多组运动数据。
其中，运动数据可以包括轮速数据。
相应的，上述步骤基于运动数据确定待定位设备的设备状态的具体实现方式可以为：
基于预设时段内的多组轮速数据确定待定位设备的设备状态。
在本公开实施例中，可以获取待定位设备的移动装置的运动数据作为待定位设备的运动数据。示例性的，可以获取待定位设备的移动装置在预设时段内的多组包括轮速数据的运动数据，作为待定位设备的运动数据。其中，移动装置例如可以是待定位设备的后部轮子，以待定位设备为自动驾驶车辆为例，移动装置可以是自动驾驶车辆的车后轮；预设时段可以是与当前时刻的间隔时长为预设时长的时段，其中间隔时长例如可以设置为1秒；轮速数据例如可以通过轮速计获取，轮速计的频率例如可以设置为50hz，即每20ms发送一次轮速测量信息。然后，可以基于待定位设备的移动装置在预设时段内的多组运动数据确定待定位设备的设备状态。如此，可以实时的获取待定位设备的轮速数据，为后续设备状态、参数初始化提供实时的数据基础，提高定位方法的实时性。
在进一步可能的实施方式中，上述步骤基于预设时段内的多组轮速数据确定待定位设备的设备状态的具体实现方式可以如下：
基于预设时段内的多组轮速数据计算在每个采集时刻的纵向速度；
按照时间顺序对多个纵向速度进行排序，得到排序后的纵向速度序列；
基于所述纵向速度序列中多组相邻纵向速度计算得到多个轮速加速度；
计算多个轮速加速度的标准差和平均轮速加速度；
在多个轮速加速度的标准差小于标准差阈值，且与平均轮速加速度的差值大于预设差值的轮速加速度的数量小于预设数量的情况下，确定待定位设备的设备状态为匀加速度运动状态。
在本公开实施例中，在基于预设时段内的多组轮速数据确定待定位设备的设备状态时，可以先基于预设时段内的多组轮速数据计算在每个采集时刻的纵向速度，示例性的，可以先对移动装置在预设时段内每个采集时刻的轮速数据取平均速度，再用该平均速度乘以两轮方向（例如前进为1、后退为-1），以该乘积值作为对应的采集时刻的纵向速度，得到预设时段内的多个纵向速度。然后，再对多个纵向速度按照时间顺序进行排序，得到排序后的纵向速度序列。再计算纵向速度序列中多组相邻纵向速度计算得到多个轮速加速度，例如，可以是计算纵向速度序列所有相邻两个纵向速度间的轮速加速度。之后，可以计算多个轮速加速度的标准差和平均轮速加速度，确定前述多个轮速加速度的标准差是否小于标准差阈值，以及确定与平均轮速加速度的差值大于预设差值的轮速加速度的数量，并确定该与平均轮速加速度的差值大于预设差值的轮速加速度的数量是否小于预设数量。如果多个轮速加速度的标准差小于标准差阈值，且与平均轮速加速度的差值大于预设差值的轮速加速度的数量小于预设数量，则可以确定待定位设备的设备状态为匀加速度运动状态。可以理解的，可以仅在待定位设备处于非转向状态的情况下，进行待定位设备的设备状态为匀加速度运动状态的判断；待定位设备是否处于非转向状态可以基于IMU（InertialMeasurement Unit，惯性测量单元）数据进行判断。如此，可以基于轮速数据实现设备状态的判断，为后续的参数初始化和定位处理提供数据支撑。
在一种可能的实施方式中，初始化参数数据包括初始化位置数据、初始化姿态数据、初始化速度数据、初始化加速度偏置数据、初始化角速度偏置数据中的至少一项。
相应的，上述步骤中在待定位设备的设备状态为目标设备状态的情况下，对待定位设备进行参数初始化，得到初始化参数数据，包括如下至少一项：
将待定位设备的初始化位置数据初始化为预设位置坐标；
获取待定位设备的实时姿态数据，基于实时姿态数据确定初始化姿态数据；其中，初始化姿态数据包括初始化航向角、初始化俯仰角、初始化翻滚角、补偿轮速加速度中的至少一项；
将初始化速度数据初始化为待定位设备在预设时段内的轮速平均速度；
基于待定位设备在预设时段内的加速度均值和实时加速度确定初始化加速度偏置数据；
将待定位设备在预设时段内的角速度均值确定为初始化角速度偏置数据。
在本公开实施例中，参数初始化包括对待定位设备的位置（pos）、姿态（quat）、速度（vel）、加速度偏置（ba）和角速度偏置（bg）五个状态中的至少一个进行初始化，相应的，初始化参数数据包括初始化位置数据、初始化姿态数据、初始化速度数据、初始化加速度偏置数据、初始化角速度偏置数据中的至少一项。在进行位置初始化时，考虑到SLAM是一种相对定位算法，其输出的定位信息也是基于相对坐标系的（相对坐标系即以待定位设备起点的后轴中心接地点为原点，相对坐标系正前方为y轴正方向，相对坐标系正右方为x轴正方向，相对坐标系正上方为z轴正方向），所以其初始位置可以初始化设为预设位置坐标，预设位置坐标可以是（0,0,0），静止状态和匀加速度运动状态都是预设位置坐标。在姿态初始化时，可以获取待定位设备的实时姿态数据，其中，实时姿态数据可以由IMU（InertialMeasurement Unit，惯性测量单元）采集，IMU可以实时提供三个方向的加速度与角速度，实现三维的姿态数据采集，然后，可以基于实时姿态数据确定初始化姿态数据，例如，确定初始化航向角、初始化俯仰角、初始化翻滚角、补偿轮速加速度中的至少一项。示例性的，同位置初始化相同，SLAM的坐标系为相对坐标系，所以其航向为相对值，且大部分6轴IMU无法计算航向值，所以初始化航向角初始化为0；加速度计测量的是其感受到的加速度，静止时，IMU是没有做加速运动的，但因为重力的原因，其能感受到重力加速度，且不管IMU是何姿态，重力是绝对竖直向下的。若IMU为绝对水平姿态，则x轴与y轴加速度读数均为0，当加速度计旋转一定的姿态时，重力加速度会在加速度的3个轴上产生相应的分量，如图2a和图2b所示，利用三轴分量大小，即可计算出初始化俯仰角（pitch）与初始化翻滚角（roll）；静止状态下，可直接利用IMU加速度计读数的平均值进行计算，但由于在运动状态下即加速度不变的状态下，待定位设备具有自身加速度，需在IMU加速度计读数的基础上，补偿掉轮速加速度进行计算。
在速度初始化时，在匀加速度运动状态下，可以将初始化速度数据初始化为待定位设备在预设时段内的轮速平均速度，也即预设时段内的纵向速度的平均速度；在静止状态下，初始化速度数据可以初始化为0。在加速度偏置初始化时，可以基于待定位设备在预设时段内的加速度均值和实时加速度确定初始化加速度偏置数据。在角速度偏置初始化时，可以将待定位设备在预设时段内的角速度均值确定为初始化角速度偏置数据。示例性的， IMU器件一个重要的指标就是零偏，包含加速度零偏和角速度零偏，零偏是在IMU器件生产出来以后就不变化的一个值，在IMU不受外力影响下，零偏围绕真实值做上下浮动，所以静止状态下，取预设时段内的加速度均值和预设时段内的角速度均值作为IMU零偏。由于待定位设备存在真实加速度（可由轮速测量值计算得出），加速度不变的状态下，初始化加速度偏置数据为IMU测量值均值减去真实加速度，初始化角速度偏置数据为IMU测量值的均值。
在一种可能得实施方式中，目标设备状态还包括静止状态；上述步骤中基于运动数据确定待定位设备的设备状态，还包括：
基于预设时段内的多组轮速数据和移动方向，计算待定位设备的多个纵向速度；
计算多个纵向速度的平均速度和最大速度；
在平均速度为零且最大速度小于第一预设阈值的情况下，确定待定位设备处于静止状态。
在本公开实施例中，可以先基于预设时段内的所述多组轮速数据计算在每个采集时刻的纵向速度，再计算多个纵向速度的平均速度和最大速度。然后，可以确定平均速度是否为零、最大速度是否小于第一预设阈值，其中，第一预设阈值例如可以设置为0.01m/s、0.02m/s、0.03m/s等。如果平均速度为零且最大速度小于第一预设阈值，则可以认为待定位设备处于静止状态。之后，可以对待定位设备进行参数初始化，得到初始化参数数据，以基于初始化参数数据对所述待定位设备进行定位。可以理解的，在静止状态下进行参数初始化的具体实现方式与匀加速度状态下的参数初始化方法类似，且已在匀加速度状态下的参数初始化部分进行说明，在此不再赘述；同样的，静止状态下的实时姿态数据同样由IMU采集。如此，还可以在静止状态下实现参数初始化，而且由于实时姿态数据由IMU采集，故而，还可以在静止状态下实现三维的参数初始化，进而可以提高静止状态下的初始化参数的准确性。
为使本公开实施例提供的定位方法更清晰，下面结合附图3对本公开实施例提供的定位方法进行说明。图3以待定位设备为自动驾驶汽车为例示出了本公开实施例提供的一种定位方法的流程图。如图3所示，本实施例首先可以收集1s 内IMU与轮速信息，利用该信息判断车辆状态，然后大致把车辆状态分为5类：未知状态（UNKNOWN）、静止状态（STATIC）、转弯状态（TURN_AROUND）、变加速度运动状态（ACC_CHANGE）和匀加速度运动状态（ACC_CONSTANT），其中若加速度一直为0不变，匀加速度运动状态即为匀速状态。其中，又因为转弯状态，角速度输出包含转弯角速度，不方便进行bg初始化，加速度输出存在三个方向加速度，无法进行水平姿态初始化；变加速度运动状态轮速加速度不易统计，无法计算车辆实际加速度。所以本方案只在静止状态和匀加速度运动状态两种状态下进行参数初始化。本公开实施例提供的定位方法的具体流程如下：
1、收集数据，即获取待定位设备的运动数据。
示例性的，由于需要保证传感器数据获取的实时性，自动驾驶汽车车端一般都会搭载实时通信系统，该系统能够保证算法完整实时地接收传感器数据。自动驾驶汽车领域搭载的IMU传感器频率通常为100hz，即每10ms发送一次IMU的测量信息，轮速计的频率通常为50hz，即每20ms发送一次轮速计测量信息。算法中首先累计100帧IMU消息和50帧轮速消息用来判断车辆状态，100帧IMU消息与50帧轮速即为1s内IMU与轮速的所有信息。
2、判断状态，即判断待定位设备（自动驾驶汽车）的设备状态。
首先可以利用轮速信息，对两个车后轮的速度取平均然后再乘以两轮方向（前进为1，后退为-1），以此值作为车体的纵向速度。
求取1s车体的纵向速度的平均速度与最大速度，若平均速度为0并且最大速度小于0.02m/s，则判定车辆为静止状态。求取1s IMU数据角速度绝对值的平均值与最小值，若平均值不为0并且最小值大于0.01rad/s，则判定车辆为转弯状态。利用1s轮速数据，对其按时间排序，利用相邻两帧求取轮速加速度，进而求取轮速加速度的标准差，若标准差大于阈值，则判定车辆状态为变加速度运动状态。在轮速加速度小于标准差阈值的前提下，统计加速度异常值（与平均轮速加速度相差大于第一预设阈值的值）的数量，若加速度异常值的数量小于阈值，则判定车辆状态为匀加速度运动状态。若车辆状态不属于上述任何状态，则判定车辆状态为未知状态。若判定状态为未知状态、拐弯状态与变加速度运动状态，则清空累计数据，回到步骤1重新收集数据，判断状态；若判定状态为静止状态与匀加速度状态，则执行参数初始化。
3、参数初始化，包括如下多个流程：
3.1、位置初始化
由于SLAM是一种相对定位算法，其输出的定位信息也是基于相对坐标系（以车辆起点的后轴中心接地点为原点，车辆正前方为y轴正方向，车辆正右方为x轴正方向，车辆正上方为z轴正方向），所以其初始位置设为预设位置坐标（0,0,0）。
3.2、姿态初始化
同位置初始化相同，SLAM的坐标系为相对坐标系，所以其航向为相对值，且大部分6轴IMU无法计算航向值，所以初始化航向角初始化为0。
加速度计测量的是其感受到的加速度，静止时，IMU是没有做加速运动的，但因为重力的原因，其能感受到重力加速度，且不管IMU是何姿态，重力是绝对竖直向下的。若IMU为绝对水平姿态，则x轴与y轴加速度读数均为0，当加速度计旋转一定的姿态时，重力加速度会在加速度的3个轴上产生相应的分量，如图2所示，利用三轴分量大小，即可计算出初始化俯仰角与初始化翻滚角。
静止状态下，可直接利用IMU加速度计读数的平均值进行计算，但由于在运动状态下即加速度不变的状态下，车辆具有自身加速度，需在IMU加速度计读数的基础上，补偿补偿轮速加速度补偿掉轮速加速度进行计算。
3.3、速度初始化
静止状态下，初始化速度数据为0，匀加速度运动状态下，初始化速度数据为轮速平均速度。
3.4、IMU偏置初始化
IMU器件一个重要的指标就是零偏，包含加速度零偏和角速度零偏。零偏是在IMU器件生产出来以后，就不变化的一个值，在IMU不受外力影响下，零偏围绕真实值做上下浮动，所以静止状态下，取加速度角速度的均值作为IMU零偏。由于自动驾驶汽车存在真实加速度（可由轮速测量值计算得出），加速度不变状态下，初始化加速度偏置数据初始化为IMU测量值均值减去真实加速度，初始化角速度偏置数据初始化为IMU测量值的均值。
如此，本实施例提供的定位方法可用于SLAM技术的初始化，且本方案降低了车辆对初始状态的依赖，可在静止状态、匀加速度运动状态以及任意姿态下获取到精度较高的初始化参数数据，进而能够提高SLAM算法的精度与鲁棒性。同时，SLAM算法因发散导致精度变差后，会进行重初始化，此时无论车辆是什么状态，均能找到合适的状态进行初始化，所以本实施例提供的定位方法能够保证SLAM算法长期稳定运行，不会因发散导致精度变差后SLAM算法不可用，相对持续平滑稳定的定位结果，能够更有效保证自动驾驶车辆的安全，也对下游算法更加友好。
基于相同的发明构思，本公开的实施例还提供了一种定位装置，如图4所示，图4是根据一示例性实施例示出的一种定位装置的框图。参照图4，该定位装置400可以包括：
数据获取模块410，用于获取待定位设备的运动数据；
状态确定模块420，用于基于所述运动数据确定所述待定位设备的设备状态；
定位模块430，用于在所述待定位设备的设备状态为目标设备状态的情况下，对所述待定位设备进行参数初始化，得到初始化参数数据，以基于所述初始化参数数据对所述待定位设备进行定位；其中，所述目标设备状态包括匀加速度运动状态。
在一种可能的实施方式中，所述数据获取模块410，用于：
获取待定位设备的移动装置在预设时段内的多组运动数据；其中，所述预设时段为与当前时刻的间隔时长为预设时长的时段，所述运动数据包括轮速数据；
所述状态确定模块，用于：
基于所述预设时段内的所述多组轮速数据确定所述待定位设备的设备状态。
在一种可能的实施方式中，所述状态确定模块420，包括：
第一计算单元，用于基于所述预设时段内的所述多组轮速数据计算在每个采集时刻的纵向速度；
排序单元，用于按照时间顺序对多个纵向速度进行排序，得到排序后的纵向速度序列；
第二计算单元，用于基于所述纵向速度序列中多组相邻纵向速度计算得到多个轮速加速度；
第三计算单元，用于计算所述多个轮速加速度的标准差和平均轮速加速度；
第一状态确定单元，用于在所述多个轮速加速度的标准差小于标准差阈值，且与所述平均轮速加速度的差值大于预设差值的轮速加速度的数量小于预设数量的情况下，确定所述待定位设备的设备状态为匀加速度运动状态。
在一种可能的实施方式中，所述初始化参数数据包括初始化位置数据、初始化姿态数据、初始化速度数据、初始化加速度偏置数据、初始化角速度偏置数据中的至少一项；
所述定位模块430，包括如下至少一项：
第一初始化单元，用于将所述待定位设备的所述初始化位置数据初始化为预设位置坐标；
第二初始化单元，用于获取所述待定位设备的实时姿态数据，基于所述实时姿态数据确定所述初始化姿态数据；其中，所述初始化姿态数据包括初始化航向角、初始化俯仰角、初始化翻滚角、补偿轮速加速度中的至少一项；
第三初始化单元，用于将所述初始化速度数据初始化为所述待定位设备在预设时段内的轮速平均速度；
第四初始化单元，用于基于所述待定位设备在所述预设时段内的加速度均值和实时加速度确定所述初始化加速度偏置数据；
第五初始化单元，用于将所述待定位设备在所述预设时段内的角速度均值确定为所述初始化角速度偏置数据。
在一种可能的实施方式中，所述目标设备状态还包括静止状态；所述状态确定模块420，还包括：
第四计算单元，用于基于所述预设时段内的所述多组轮速数据计算在每个采集时刻的纵向速度；
第五计算单元，用于计算多个所述纵向速度的平均速度和最大速度；
第二状态确定单元，用于在所述平均速度为零且所述最大速度小于第一预设阈值的情况下，确定所述待定位设备处于静止状态。
在一种可能的实施方式中，所述实时姿态数据、所述加速度和所述角速度由惯性测量单元采集。
关于上述实施例中的装置，其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述，此处将不做详细阐述说明。
根据本公开的实施例，本公开还提供了一种电子设备、一种存储介质和一种计算机程序产品。
图5示出了可以用来实施本公开的实施例的示例电子设备500的示意性框图。电子设备500旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本公开的实现。
如图5所示，电子设备500包括计算单元501，其可以根据存储在只读存储器（ROM）502中的计算机程序或者从存储单元508加载到随机访问存储器（RAM）503中的计算机程序，来执行各种适当的动作和处理。在RAM503中，还可存储操作电子设备500时所需的各种程序和数据。计算单元501、ROM502以及RAM 503通过总线504彼此相连。输入/输出（I/O）接口505也连接至总线504。
电子设备500中的多个部件连接至I/O接口505，包括：输入单元506，例如键盘、鼠标等；输出单元507，例如各种类型的显示器、扬声器等；存储单元508，例如磁盘、光盘等；以及通信单元509，例如网卡、调制解调器、无线通信收发机等。通信单元509允许电子设备500通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
计算单元501可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元501的一些示例包括但不限于中央处理单元（CPU）、图形处理单元（GPU）、各种专用的人工智能（AI）计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器（DSP）、以及任何适当的处理器、控制器、微控制器等。计算单元501执行上文所描述的各个方法和处理，例如定位方法。例如，在一些实施例中，定位方法可被实现为计算机软件程序，其被有形地包含于机器可读介质，例如存储单元508。在一些实施例中，计算机程序的部分或者全部可以经由ROM 502和/或通信单元509而被载入和/或安装到电子设备500上。当计算机程序加载到RAM 503并由计算单元501执行时，可以执行上文描述的定位方法的一个或多个步骤。备选地，在其他实施例中，计算单元501可以通过其他任何适当的方式（例如，借助于固件）而被配置为执行定位方法。
本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列（FPGA）、专用集成电路（ASIC）、专用标准产品（ASSP）、芯片上系统的系统（SOC）、负载可编程逻辑设备（CPLD）、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
用于实施本公开的方法的计算机程序产品的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器，使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行，作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本公开的上下文中，存储介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。存储介质可以是机器可读信号介质或机器可读储存介质。存储介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器（RAM）、只读存储器（ROM）、可擦除可编程只读存储器（EPROM或快闪存储器）、光纤、便捷式紧凑盘只读存储器（CD-ROM）、光学储存设备、磁储存设备、或上述内容的任何合适组合。
为了提供与用户的交互，可以在计算机上实施此处描述的系统和技术，该计算机具有：用于向用户显示信息的显示装置（例如，CRT（阴极射线管）或者LCD（液晶显示器）监视器）；以及键盘和指向装置（例如，鼠标或者轨迹球），用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈（例如，视觉反馈、听觉反馈、或者触觉反馈）；并且可以用任何形式（包括声输入、语音输入或者、触觉输入）来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统（例如，作为数据服务器）、或者包括中间件部件的计算系统（例如，应用服务器）、或者包括前端部件的计算系统（例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互）、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信（例如，通信网络）来将系统的部件相互连接。通信网络的示例包括：局域网（LAN）、广域网（WAN）、互联网和区块链网络。
计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器，又称为云计算服务器或云主机，是云计算服务体系中的一项主机产品，以解决了传统物理主机与VPS服务（"Virtual Private Server"，或简称 "VPS"）中，存在的管理难度大，业务扩展性弱的缺陷。服务器也可以为分布式系统的服务器，或者是结合了区块链的服务器。
应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本发公开中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本公开公开的技术方案所期望的结果，本文在此不进行限制。
上述具体实施方式，并不构成对本公开保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本公开的精神和原则之内所作的修改、等同替换和改进等，均应包含在本公开保护范围之内。
Claims (10)
1.一种定位方法，其特征在于， 包括：
获取待定位设备的运动数据；
基于所述运动数据确定所述待定位设备的设备状态；
在所述待定位设备的设备状态为目标设备状态的情况下，对所述待定位设备进行参数初始化，得到初始化参数数据，以基于所述初始化参数数据对所述待定位设备进行定位；其中，所述目标设备状态包括匀加速度运动状态；
所述获取待定位设备的运动数据，包括：
获取待定位设备的移动装置在预设时段内的多组运动数据；其中，所述预设时段为与当前时刻的间隔时长为预设时长的时段，所述运动数据包括轮速数据；
所述基于所述运动数据确定所述待定位设备的设备状态，包括：
基于所述预设时段内的多组轮速数据计算在每个采集时刻的纵向速度；
按照时间顺序对多个纵向速度进行排序，得到排序后的纵向速度序列；
基于所述纵向速度序列中多组相邻纵向速度计算得到多个轮速加速度；
计算所述多个轮速加速度的标准差和平均轮速加速度；
在所述多个轮速加速度的标准差小于标准差阈值，且与所述平均轮速加速度的差值大于预设差值的轮速加速度的数量小于预设数量的情况下，确定所述待定位设备的设备状态为匀加速度运动状态。
2.根据权利要求1所述的定位方法，其特征在于，所述初始化参数数据包括初始化位置数据、初始化姿态数据、初始化速度数据、初始化加速度偏置数据、初始化角速度偏置数据中的至少一项；
所述在所述待定位设备的设备状态为目标设备状态的情况下，对所述待定位设备进行参数初始化，得到初始化参数数据，包括如下至少一项：
将所述待定位设备的所述初始化位置数据初始化为预设位置坐标；
获取所述待定位设备的实时姿态数据，基于所述实时姿态数据确定所述初始化姿态数据；其中，所述初始化姿态数据包括初始化航向角、初始化俯仰角、初始化翻滚角、补偿轮速加速度中的至少一项；
将所述初始化速度数据初始化为所述待定位设备在预设时段内的轮速平均速度；
基于所述待定位设备在所述预设时段内的加速度均值和实时加速度确定所述初始化加速度偏置数据；
将所述待定位设备在所述预设时段内的角速度均值确定为所述初始化角速度偏置数据。
3.根据权利要求1所述的定位方法，其特征在于，所述目标设备状态还包括静止状态；所述基于所述运动数据确定所述待定位设备的设备状态，还包括：
基于所述预设时段内的所述多组轮速数据计算在每个采集时刻的纵向速度；
计算多个所述纵向速度的平均速度和最大速度；
在所述平均速度为零且所述最大速度小于第一预设阈值的情况下，确定所述待定位设备处于静止状态。
4.根据权利要求2所述的定位方法，其特征在于，所述实时姿态数据、所述加速度和所述角速度由惯性测量单元采集。
5.一种定位装置，其特征在于，包括：
数据获取模块，用于获取待定位设备的运动数据；
状态确定模块，用于基于所述运动数据确定所述待定位设备的设备状态；
定位模块，用于在所述待定位设备的设备状态为目标设备状态的情况下，对所述待定位设备进行参数初始化，得到初始化参数数据，以基于所述初始化参数数据对所述待定位设备进行定位；其中，所述目标设备状态包括匀加速度运动状态；
所述数据获取模块，用于：
获取待定位设备的移动装置在预设时段内的多组运动数据；其中，所述预设时段为与当前时刻的间隔时长为预设时长的时段，所述运动数据包括轮速数据；
所述状态确定模块，用于：
第一计算单元，用于基于所述预设时段内的多组轮速数据计算在每个采集时刻的纵向速度；
排序单元，用于按照时间顺序对多个纵向速度进行排序，得到排序后的纵向速度序列；
第二计算单元，用于基于所述纵向速度序列中多组相邻纵向速度计算得到多个轮速加速度；
第三计算单元，用于计算所述多个轮速加速度的标准差和平均轮速加速度；
第一状态确定单元，用于在所述多个轮速加速度的标准差小于标准差阈值，且与所述平均轮速加速度的差值大于预设差值的轮速加速度的数量小于预设数量的情况下，确定所述待定位设备的设备状态为匀加速度运动状态。
6.根据权利要求5所述的定位装置，其特征在于，所述初始化参数数据包括初始化位置数据、初始化姿态数据、初始化速度数据、初始化加速度偏置数据、初始化角速度偏置数据中的至少一项；
所述定位模块，包括如下至少一项：
第一初始化单元，用于将所述待定位设备的所述初始化位置数据初始化为预设位置坐标；
第二初始化单元，用于获取所述待定位设备的实时姿态数据，基于所述实时姿态数据确定所述初始化姿态数据；其中，所述初始化姿态数据包括初始化航向角、初始化俯仰角、初始化翻滚角、补偿轮速加速度中的至少一项；
第三初始化单元，用于将所述初始化速度数据初始化为所述待定位设备在预设时段内的轮速平均速度；
第四初始化单元，用于基于所述待定位设备在所述预设时段内的加速度均值和实时加速度确定所述初始化加速度偏置数据；
第五初始化单元，用于将所述待定位设备在所述预设时段内的角速度均值确定为所述初始化角速度偏置数据。
7.根据权利要求5所述的定位装置，其特征在于，所述目标设备状态还包括静止状态；所述状态确定模块，还包括：
第四计算单元，用于基于所述预设时段内的所述多组轮速数据计算在每个采集时刻的纵向速度；
第五计算单元，用于计算多个所述纵向速度的平均速度和最大速度；
第二状态确定单元，用于在所述平均速度为零且所述最大速度小于第一预设阈值的情况下，确定所述待定位设备处于静止状态。
8.根据权利要求6所述的定位装置，其特征在于，所述实时姿态数据、所述加速度和所述角速度由惯性测量单元采集。
9.一种电子设备，其特征在于，包括：
处理器；
用于存储所述处理器可执行指令的存储器;
其中，所述处理器被配置为执行所述指令，以实现如权利要求1至4中任一项所述的定位方法。
10.一种存储介质，当所述存储介质中的指令由电子设备的处理器执行时，使得电子设备能够执行如权利要求1至4中任一项所述的定位方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310709626.9A CN116429094B (zh) | 2023-06-15 | 2023-06-15 | 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 |
|---|---|---|---|
| CN202310709626.9A CN116429094B (zh) | 2023-06-15 | 2023-06-15 | 定位方法、装置、电子设备及存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116429094A CN116429094A (zh) | 2023-07-14 |
| CN116429094B true CN116429094B (zh) | 2023-09-26 |
Family
ID=87092986
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310709626.9A Active CN116429094B (zh) | 2023-06-15 | 2023-06-15 | 定位方法、装置、电子设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116429094B (zh) |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111949929A (zh) * | 2020-08-12 | 2020-11-17 | 智能移动机器人(中山)研究院 | 一种多传感器融合的四足机器人运动里程计设计方法 |
| CN112577527A (zh) * | 2021-02-25 | 2021-03-30 | 北京主线科技有限公司 | 车载imu误差标定方法及装置 |
| CN112798010A (zh) * | 2019-11-13 | 2021-05-14 | 北京三快在线科技有限公司 | 一种视觉惯性里程计vio系统的初始化方法、装置 |
| CN114234967A (zh) * | 2021-12-16 | 2022-03-25 | 浙江大学 | 一种基于多传感器融合的六足机器人定位方法 |
| WO2022083038A1 (zh) * | 2020-10-23 | 2022-04-28 | 浙江商汤科技开发有限公司 | 视觉定位方法及相关装置、设备和计算机可读存储介质 |
| CN115451949A (zh) * | 2022-08-22 | 2022-12-09 | 南京邮电大学 | 一种基于车轮安装惯性测量单元的车辆定位方法 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113945206B (zh) * | 2020-07-16 | 2024-04-19 | 北京图森未来科技有限公司 | 一种基于多传感器融合的定位方法及装置 |
-
2023
- 2023-06-15 CN CN202310709626.9A patent/CN116429094B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112798010A (zh) * | 2019-11-13 | 2021-05-14 | 北京三快在线科技有限公司 | 一种视觉惯性里程计vio系统的初始化方法、装置 |
| CN111949929A (zh) * | 2020-08-12 | 2020-11-17 | 智能移动机器人(中山)研究院 | 一种多传感器融合的四足机器人运动里程计设计方法 |
| WO2022083038A1 (zh) * | 2020-10-23 | 2022-04-28 | 浙江商汤科技开发有限公司 | 视觉定位方法及相关装置、设备和计算机可读存储介质 |
| CN112577527A (zh) * | 2021-02-25 | 2021-03-30 | 北京主线科技有限公司 | 车载imu误差标定方法及装置 |
| CN114234967A (zh) * | 2021-12-16 | 2022-03-25 | 浙江大学 | 一种基于多传感器融合的六足机器人定位方法 |
| CN115451949A (zh) * | 2022-08-22 | 2022-12-09 | 南京邮电大学 | 一种基于车轮安装惯性测量单元的车辆定位方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116429094A (zh) | 2023-07-14 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US11199421B2 (en) | Technologies for pedestrian dead reckoning | |
| JP2021177168A (ja) | 車両のデッドレコニング方法、装置、デバイス、記憶媒体、及びプログラム | |
| CN110030999A (zh) | 一种基于惯性导航的定位方法、装置、系统和车辆 | |
| CN110942474B (zh) | 机器人目标跟踪方法、设备及存储介质 | |
| EP3852065A1 (en) | Data processing method and apparatus | |
| CN114179825B (zh) | 多传感器融合获取量测值置信度方法及自动驾驶车辆 | |
| CN107782304B (zh) | 移动机器人的定位方法及装置、移动机器人及存储介质 | |
| WO2023142353A1 (zh) | 一种位姿预测方法及装置 | |
| CN108829996B (zh) | 获得车辆定位信息的方法及装置 | |
| CN104101293A (zh) | 量测机台坐标系归一系统及方法 | |
| CN111623767A (zh) | Imu伪数据的生成方法、装置、电子设备及存储介质 | |
| CN116429094B (zh) | 定位方法、装置、电子设备及存储介质 | |
| CN109866217B (zh) | 机器人里程定位方法、装置、终端设备及计算机存储介质 | |
| CN113218389A (zh) | 一种车辆定位方法、装置、存储介质及计算机程序产品 | |
| CN113029136A (zh) | 定位信息处理的方法、设备、存储介质及程序产品 | |
| CN115727871A (zh) | 一种轨迹质量检测方法、装置、电子设备和存储介质 | |
| CN115628754A (zh) | 里程计初始化方法、装置、电子设备及自动驾驶车辆 | |
| CN115097156B (zh) | 一种自动驾驶中障碍物的速度估计方法、装置和电子设备 | |
| CN111568304A (zh) | 扫地机器人定位方法、装置及扫地机器人 | |
| CN112966059B (zh) | 针对定位数据的数据处理方法、装置、电子设备和介质 | |
| CN110579779B (zh) | Gps质量确定方法、装置、设备和介质 | |
| CN117806469A (zh) | 一种自动定位方法、装置、设备及介质 | |
| CN117495912A (zh) | 一种多帧点云中动态物体的标注方法、装置、设备和存储介质 | |
| CN117346782A (zh) | 定位优化方法、装置、电子设备和存储介质 | |
| CN116499496A (zh) | 一种惯性传感器的校验方法、装置、电子设备及存储介质 |
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 |