CN116518986B - 自动驾驶车辆的定位方法、装置及电子设备、存储介质 - Google Patents
自动驾驶车辆的定位方法、装置及电子设备、存储介质 Download PDFInfo
- Publication number
- CN116518986B CN116518986B CN202310806779.5A CN202310806779A CN116518986B CN 116518986 B CN116518986 B CN 116518986B CN 202310806779 A CN202310806779 A CN 202310806779A CN 116518986 B CN116518986 B CN 116518986B
- Authority
- CN
- China
- Prior art keywords
- positioning
- speed
- measurement data
- sensor
- automatic driving
- 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 51
- 238000005259 measurement Methods 0.000 claims abstract description 262
- 238000012549 training Methods 0.000 claims abstract description 34
- 230000008859 change Effects 0.000 claims description 15
- 230000000007 visual effect Effects 0.000 claims description 15
- 230000001133 acceleration Effects 0.000 claims description 12
- 238000012545 processing Methods 0.000 description 13
- 238000004590 computer program Methods 0.000 description 11
- 238000010586 diagram Methods 0.000 description 8
- 238000005516 engineering process Methods 0.000 description 6
- 230000008569 process Effects 0.000 description 6
- 238000001914 filtration Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 5
- 238000013528 artificial neural network Methods 0.000 description 4
- 230000004927 fusion Effects 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 2
- 230000015556 catabolic process Effects 0.000 description 2
- 238000006731 degradation reaction Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 230000005856 abnormality Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 238000000354 decomposition reaction Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000011022 operating instruction Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 230000001960 triggered 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
- G01C21/26—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
- 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
- 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
- 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
-
- 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
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T90/00—Enabling technologies or technologies with a potential or indirect contribution to GHG emissions mitigation
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
本申请公开了一种自动驾驶车辆的定位方法、装置及电子设备、存储介质,该方法包括:在自动驾驶车辆的多个第一传感器的定位状态均处于失效状态时,获取第二传感器的第一量测数据,包括第一IMU量测数据和第一轮速计量测数据;根据第一IMU量测数据和行驶状态,利用预设量测噪声预测模型确定速度量测噪声,预设量测噪声预测模型在至少一个第一传感器的定位状态处于有效状态时训练得到;根据第一量测数据和速度量测噪声进行定位,得到定位结果。本申请在多个传感器定位失效时,基于IMU和轮速计进行辅助定位,并利用事先训练的量测噪声预测模型预测不同行驶状态的速度量测噪声,以此进行定位估计,提高多传感器定位失效场景下的定位精度和稳定性。
Description
技术领域
本申请涉及自动驾驶技术领域,尤其涉及一种自动驾驶车辆的定位方法、装置及电子设备、存储介质。
背景技术
随着自动驾驶技术和车规级硬件的发展,多传感器融合定位如GNSS(GlobalNavigation Satellite System,全球卫星导航系统)/RTK(Real-time kinematic,实时动态差分)+IMU(Inertial Measurement Unit,惯性测量单元)+激光/视觉定位技术已经逐步取代了传统的组合导航如GNSS/RTK+IMU定位技术,成为自动驾驶车辆的主流定位方案。
由于受到信号好坏的影响,GNSS/RTK无法时时刻刻提供有效的定位信息,因此在以卡尔曼滤波作为融合框架的多传感器融合定位方案中,激光定位或者视觉定位作为辅助定位方法,在GNSS/RTK失效时,可作为额外的观测信息提供给滤波器保证定位的平滑性与稳定性。
依靠高精度地图或者预先建立的点云地图,视觉定位或者激光定位在理想情况下,可以实时提供10hz的高置信度的定位信息。在路况、车况、环境良好的情况下,可以为自动驾驶车辆提供对标GNSS/RTK精度的厘米级别定位。
但是,在多种极端情况下,比如积雪、传感器受干扰、路面损坏、隧道区域等,视觉定位或者激光定位也会存在失效的情况,导致融合定位效果较差,仅能依靠IMU和轮速计等进行自动驾驶车辆的定位,但此时的量测信息存在较大噪声,导致自动驾驶车辆的定位精度和稳定性较低。
发明内容
本申请实施例提供了一种自动驾驶车辆的定位方法、装置及电子设备、存储介质,以提高特殊场景下自动驾驶车辆的定位精度和定位稳定性。
本申请实施例采用下述技术方案:
第一方面,本申请实施例提供一种自动驾驶车辆的定位方法,其中,所述方法包括:
在自动驾驶车辆的多个第一传感器的定位状态均处于失效状态的情况下,获取第二传感器的第一量测数据,所述第二传感器的第一量测数据包括第一IMU量测数据和第一轮速计量测数据;
根据所述第一IMU量测数据和自动驾驶车辆的行驶状态,利用预设量测噪声预测模型确定速度量测噪声,所述预设量测噪声预测模型在至少一个第一传感器的定位状态处于有效状态的情况下训练得到;
根据所述第二传感器的第一量测数据和所述速度量测噪声进行定位,得到自动驾驶车辆的定位结果。
可选地,所述多个第一传感器的定位状态包括激光SLAM的定位状态、视觉SLAM的定位状态和GNSS/RTK的定位状态,所述在自动驾驶车辆的多个第一传感器的定位状态均处于失效状态的情况下,获取第二传感器的第一量测数据包括:
获取激光SLAM定位信息的置信度、视觉SLAM定位信息的置信度以及GNSS/RTK定位信息的差分状态;
在激光SLAM定位信息的置信度低于第一预设置信度阈值、视觉SLAM定位信息的置信度低于第二预设置信度阈值且GNSS/RTK定位信息的差分状态为非固定解状态的情况下,确定所述自动驾驶车辆的多个第一传感器的定位状态均处于失效状态。
可选地,所述第一IMU量测数据包括角速度和加速度,所述自动驾驶车辆的行驶状态通过如下方式得到:
根据所述角速度确定自动驾驶车辆的角速度变化信息,以及根据所述加速度确定自动驾驶车辆的侧向速度;
若所述自动驾驶车辆的角速度变化信息大于预设角速度变化阈值,且所述自动驾驶车辆的侧向速度大于预设侧向速度阈值,则确定所述自动驾驶车辆的行驶状态为转弯状态;
否则,则确定自动驾驶车辆的行驶状态为直行状态。
可选地,所述第一轮速计量测数据包括轮速计输出的速度,所述根据所述第二传感器的第一量测数据和所述速度量测噪声进行定位,得到自动驾驶车辆的定位结果包括:
根据所述轮速计输出的速度和非完整性约束构造自动驾驶车辆的第一观测速度;
根据所述第一IMU量测数据、所述自动驾驶车辆的第一观测速度和所述速度量测噪声进行定位,得到所述自动驾驶车辆的定位结果。
可选地,所述根据所述轮速计输出的速度和非完整性约束构造自动驾驶车辆的第一观测速度包括:
将所述轮速计输出的速度作为自动驾驶车辆的前向速度;
根据非完整性约束对自动驾驶车辆的侧向速度和垂向速度进行约束,得到非完整性约束后的侧向速度和垂向速度;
根据所述自动驾驶车辆的前向速度以及非完整性约束后的侧向速度和垂向速度构造自动驾驶车辆的第一观测速度。
可选地,所述预设量测噪声预测模型通过如下方式训练得到:
在目标第一传感器的定位状态处于有效状态的情况下,获取目标第一传感器的量测数据以及对应的第二传感器的第二量测数据和自动驾驶车辆的第二观测速度,所述目标第一传感器为所述多个第一传感器中的至少一个,所述第二传感器的第二量测数据包括第二IMU量测数据和第二轮速计量测数据;
根据所述目标第一传感器的量测数据、第二传感器的第二量测数据、自动驾驶车辆的第二观测速度以及对应的自动驾驶车辆的行驶状态训练预设量测噪声预测模型。
可选地,所述目标第一传感器的量测数据包括目标第一传感器输出的速度,所述根据所述目标第一传感器的量测数据、第二传感器的第二量测数据、自动驾驶车辆的第二观测速度以及对应的自动驾驶车辆的行驶状态训练预设量测噪声预测模型包括:
根据所述目标第一传感器输出的速度和所述自动驾驶车辆的第二观测速度确定实际的速度量测噪声;
根据所述第二传感器的第二量测数据、实际的速度量测噪声以及对应的行驶状态训练所述预设量测噪声预测模型。
第二方面,本申请实施例还提供一种自动驾驶车辆的定位装置,其中,所述装置包括:
获取单元,用于在自动驾驶车辆的多个第一传感器的定位状态均处于失效状态的情况下,获取第二传感器的第一量测数据,所述第二传感器的第一量测数据包括第一IMU量测数据和第一轮速计量测数据;
确定单元,用于根据所述第一IMU量测数据和自动驾驶车辆的行驶状态,利用预设量测噪声预测模型确定速度量测噪声,所述预设量测噪声预测模型在至少一个第一传感器的定位状态处于有效状态的情况下训练得到;
定位单元,用于根据所述第二传感器的第一量测数据和所述速度量测噪声进行定位,得到自动驾驶车辆的定位结果。
第三方面,本申请实施例还提供一种电子设备,包括:
处理器;以及
被安排成存储计算机可执行指令的存储器,所述可执行指令在被执行时使所述处理器执行前述之任一所述方法。
第四方面,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一个或多个程序,所述一个或多个程序当被包括多个应用程序的电子设备执行时,使得所述电子设备执行前述之任一所述方法。
本申请实施例采用的上述至少一个技术方案能够达到以下有益效果:本申请实施例的自动驾驶车辆的定位方法,先在自动驾驶车辆的多个第一传感器的定位状态均处于失效状态的情况下,获取第二传感器的第一量测数据,第二传感器的第一量测数据包括第一IMU量测数据和第一轮速计量测数据;然后根据第一IMU量测数据和自动驾驶车辆的行驶状态,利用预设量测噪声预测模型确定速度量测噪声,预设量测噪声预测模型在至少一个第一传感器的定位状态处于有效状态的情况下训练得到;最后根据第二传感器的第一量测数据和速度量测噪声进行定位,得到自动驾驶车辆的定位结果。本申请实施例的自动驾驶车辆的定位方法在多个传感器定位失效的情况下,基于IMU和轮速计进行一定时间内的辅助定位,并利用事先训练好的速度量测噪声预测模型预测不同行驶状态的速度量测噪声,以此进行定位估计,提高多传感器定位失效场景下的定位精度和定位稳定性。
附图说明
此处所说明的附图用来提供对本申请的进一步理解,构成本申请的一部分,本申请的示意性实施例及其说明用于解释本申请,并不构成对本申请的不当限定。在附图中:
图1为本申请实施例中一种自动驾驶车辆的定位方法的流程示意图;
图2为本申请实施例中一种自动驾驶车辆的定位装置的结构示意图;
图3为本申请实施例中一种电子设备的结构示意图。
具体实施方式
为使本申请的目的、技术方案和优点更加清楚,下面将结合本申请具体实施例及相应的附图对本申请技术方案进行清楚、完整地描述。显然,所描述的实施例仅是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,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,都属于本申请保护的范围。
以下结合附图,详细说明本申请各实施例提供的技术方案。
本申请实施例提供了一种自动驾驶车辆的定位方法,如图1所示,提供了本申请实施例中一种自动驾驶车辆的定位方法的流程示意图,所述方法至少包括如下的步骤S110至步骤S130:
步骤S110,在自动驾驶车辆的多个第一传感器的定位状态均处于失效状态的情况下,获取第二传感器的第一量测数据,所述第二传感器的第一量测数据包括第一IMU量测数据和第一轮速计量测数据。
本申请实施例的自动驾驶车辆的定位方案主要是针对自动驾驶车辆的多个第一传感器的定位状态均失效的情况下所采取的辅助定位方案,这里的第一传感器例如可以包括激光雷达、视觉相机以及GNSS/RTK等,在极端情况下,当这些传感器的定位状态均处于失效状态时,自动驾驶车辆需要依靠第二传感器如IMU和轮速计输出的量测数据进行定位,IMU输出的量测数据例如可以包括角速度和加速度,轮速计输出的量测数据例如可以包括速度。
步骤S120,根据所述第一IMU量测数据和自动驾驶车辆的行驶状态,利用预设量测噪声预测模型确定速度量测噪声,所述预设量测噪声预测模型在至少一个第一传感器的定位状态处于有效状态的情况下训练得到。
在基于第二传感器进行自动驾驶车辆的定位时,速度是主要的观测信息之一,由于多传感器定位失效的情况下,速度量测信息也会存在一定的噪声,而自动驾驶车辆的行驶状态如直行状态和转弯状态的不同,对应的速度量测噪声的大小也不同,如果依赖于固定的量测噪声值进行滤波处理,会导致自动驾驶车辆的定位精度降低,尤其是在转弯状态下,定位发散较为严重。
基于此,本申请实施例事先在至少一个第一传感器的定位状态处于有效状态的情况下训练了速度量测噪声的预测模型,将当前的第一IMU量测数据和自动驾驶车辆的行驶状态作为预测模型的输入,从而预测出当前行驶状态下的速度量测噪声,这里的预测模型具体可以基于BP(Back Propagation,反向传播)神经网络来实现,具体如何训练,本领域技术人员可以结合现有技术确定,在此不作具体限定。
步骤S130,根据所述第二传感器的第一量测数据和所述速度量测噪声进行定位,得到自动驾驶车辆的定位结果。
在得到预设量测噪声预测模型预测的当前的速度量测噪声之后,即可将该速度量测噪声作为用于修正速度观测信息的依据,连同第二传感器的第一量测数据共同输入到卡尔曼滤波器中进行滤波处理,从而得到当前的定位结果,包括自动驾驶车辆的位置、姿态等信息。
本申请实施例的自动驾驶车辆的定位方法在多个传感器定位失效的情况下,基于IMU和轮速计进行一定时间内的辅助定位,并利用事先训练好的速度量测噪声预测模型预测不同行驶状态的速度量测噪声,以此进行定位估计,提高多传感器定位失效场景下的定位精度和定位稳定性。
在本申请的一些实施例中,所述多个第一传感器的定位状态包括激光SLAM的定位状态、视觉SLAM的定位状态和GNSS/RTK的定位状态,所述在自动驾驶车辆的多个第一传感器的定位状态均处于失效状态的情况下,获取第二传感器的第一量测数据包括:获取激光SLAM定位信息的置信度、视觉SLAM定位信息的置信度以及GNSS/RTK定位信息的差分状态;在激光SLAM定位信息的置信度低于第一预设置信度阈值、视觉SLAM定位信息的置信度低于第二预设置信度阈值且GNSS/RTK定位信息的差分状态为非固定解状态的情况下,确定所述自动驾驶车辆的多个第一传感器的定位状态均处于失效状态。
在执行本申请实施例的定位方案时,可以实时判断各个第一传感器的定位状态是否处于失效状态,具体可以根据激光SLAM提供的定位信息的置信度、视觉SLAM提供的定位信息的置信度以及GNSS/RTK提供的定位信息的差分状态来判断,如果激光SLAM定位信息的置信度低于对应的置信度阈值要求,说明激光SLAM定位处于失效状态,如果视觉SLAM定位信息的置信度低于对应的置信度阈值要求,说明视觉SLAM定位也处于失效状态,如果GNSS/RTK的定位结果为非固定解,说明GNSS/RTK定位也处于失效状态。
当上述激光SLAM、视觉SLAM以及GNSS/RTK定位均处于失效状态时,此时需要依靠自动驾驶车辆的IMU和轮速计进行航位推算。
在本申请的一些实施例中,所述第一IMU量测数据包括角速度和加速度,所述自动驾驶车辆的行驶状态通过如下方式得到:根据所述角速度确定自动驾驶车辆的角速度变化信息,以及根据所述加速度确定自动驾驶车辆的侧向速度;若所述自动驾驶车辆的角速度变化信息大于预设角速度变化阈值,且所述自动驾驶车辆的侧向速度大于预设侧向速度阈值,则确定所述自动驾驶车辆的行驶状态为转弯状态;否则,则确定自动驾驶车辆的行驶状态为直行状态。
本申请实施例在确定自动驾驶车辆当前的行驶状态时,可以根据第一IMU量测数据来确定,第一IMU量测数据具体可以包括角速度和加速度,利用角速度和加速度信息来综合判断自动驾驶车辆的行驶状态,以保证行驶状态判断的准确性。
一方面可以通过角速度信息计算出自动驾驶车辆的角速度变化情况,例如可以利用角速度方差来衡量,因为车辆在直行状态下的角速度变化通常较小,而当出现转弯时,角速度会发生明显变化。另一方面可以通过加速度和上一时刻速度计算出当前时刻的速度,通过分解得到自动驾驶车辆的侧向速度,因为车辆在直行状态下,不考虑侧滑等情况,侧向速度应当等于0或者接近于0 ,而当出现转弯时,侧向速度会明显大于0。基于此,如果角速度方差大于事先设定的方差阈值,并且侧向速度也大于对应的侧向速度阈值,则可以认为自动驾驶车辆当前处于转弯状态,反之,则认为其处于直行状态。
在本申请的一些实施例中,所述第一轮速计量测数据包括轮速计输出的速度,所述根据所述第二传感器的第一量测数据和所述速度量测噪声进行定位,得到自动驾驶车辆的定位结果包括:根据所述轮速计输出的速度和非完整性约束构造自动驾驶车辆的第一观测速度;根据所述第一IMU量测数据、所述自动驾驶车辆的第一观测速度和所述速度量测噪声进行定位,得到所述自动驾驶车辆的定位结果。
本申请实施例在根据第二传感器的第一量测数据和速度量测噪声进行定位时,可以先根据轮速计输出的速度,采用融合车辆运动学约束条件即非完整性约束(Non-Holonomic Constraint,简称NHC)构造自动驾驶车辆的第一观测速度,非完整性约束是指在车辆行驶过程中假定车辆不出现侧滑、漂移、弹跳等,车辆的侧向和垂向速度为0,构造虚拟观测量,进行运动约束的过程。其效果与虚拟观测量方差的设置息息相关。
基于卡尔曼滤波器的滤波方程,将第一IMU量测数据、自动驾驶车辆的第一观测速度和速度量测噪声输入到卡尔曼滤波器进行滤波处理,从而得到自动驾驶车辆的定位结果。
在本申请的一些实施例中,所述根据所述轮速计输出的速度和非完整性约束构造自动驾驶车辆的第一观测速度包括:将所述轮速计输出的速度作为自动驾驶车辆的前向速度;根据非完整性约束对自动驾驶车辆的侧向速度和垂向速度进行约束,得到非完整性约束后的侧向速度和垂向速度;根据所述自动驾驶车辆的前向速度以及非完整性约束后的侧向速度和垂向速度构造自动驾驶车辆的第一观测速度。
本申请实施例在根据轮速计输出的速度和非完整性约束构造自动驾驶车辆的第一观测速度时,可以利用车辆正常行驶中车辆X轴和Z轴(X,Y,Z分别对应车辆右,前,上的方向)速度为零的约束条件,确定速度量测噪声,Y轴使用轮速计输出的速度speed_vehicle,以此构造得到观测速度(0,speed_vehicle,0),从而提升航位推算精度。
卡尔曼滤波器的滤波方程可以表示为Z=HX+V,其中,Z为观测速度(0,speed_vehicle,0),H为量测矩阵,X为待估计的状态量(速度、位置、姿态),V为速度量测噪声。
在本申请的一些实施例中,所述预设量测噪声预测模型通过如下方式训练得到:在目标第一传感器的定位状态处于有效状态的情况下,获取目标第一传感器的量测数据以及对应的第二传感器的第二量测数据和自动驾驶车辆的第二观测速度,所述目标第一传感器为所述多个第一传感器中的至少一个,所述第二传感器的第二量测数据包括第二IMU量测数据和第二轮速计量测数据;根据所述目标第一传感器的量测数据、第二传感器的第二量测数据、自动驾驶车辆的第二观测速度以及对应的自动驾驶车辆的行驶状态训练预设量测噪声预测模型。
本申请实施例在训练速度量测噪声的预测模型时,可以采用BP神经网络作为基础网络结构,这里可以先确定BP神经网络的输入和输出,输入具体可以包括第二传感器的第二量测数据如6轴的IMU量测数据和轮速计量测数据,还包括自动驾驶车辆的行驶状态如直行状态或转弯状态,输出即为3轴速度量测噪声。
上述目标第一传感器是指当前处于有效状态的任意一个第一传感器,即可以是激光雷达、视觉相机、GNSS/RTK中任意一个能够提供准确的量测信息的传感器,因此本申请实施例在在线训练预测模型的阶段,需要实时检测各个传感器的定位状态,只有在至少有一个第一传感器处于有效状态,才能够进行模型训练。
上述对于第一传感器的有效状态的约束主要是考虑到在训练速度量测噪声的预测模型时,需要有实际的速度量测噪声作为监督信号,实际的速度量测噪声是指基于非完整性约束和轮速计量测速度构造得到的第二观测速度与基准的速度观测值之间的差值,而基准的速度观测值就需要以多个第一传感器中至少一个处于有效状态的传感器输出的速度信息为准。
基于上述输入数据以及监督信号即可在线训练BP神经网络,当迭代一定次数或者满足相关收敛条件(如准确度90%以上)时,输出预设量测噪声预测模型,基于该预设量测噪声预测模型即可对不同行驶状态下的速度量测噪声进行预测,从而提高多个传感器定位失效情况下的定位精度。
此外,还需要说明的是,上述对于量测噪声预测模型的训练数据的采集不依赖于数据采集的连续性,也即不要求自动驾驶车辆的第一传感器持续处于有效状态才能够实现,只要有任意一个第一传感器处于有效状态,即可记录相应的传感器数据,直到积累的数据量满足模型训练的要求即可进行在线训练。当后续产生一定量的新的训练数据时,还可以对历史训练的预测模型进行更新迭代,从而进一步提高预测模型的准确性。
在本申请的一些实施例中,所述目标第一传感器的量测数据包括目标第一传感器输出的速度,所述根据所述目标第一传感器的量测数据、第二传感器的第二量测数据、自动驾驶车辆的第二观测速度以及对应的自动驾驶车辆的行驶状态训练预设量测噪声预测模型包括:根据所述目标第一传感器输出的速度和所述自动驾驶车辆的第二观测速度确定实际的速度量测噪声;根据所述第二传感器的第二量测数据、实际的速度量测噪声以及对应的行驶状态训练所述预设量测噪声预测模型。
如前所述,在训练预设量测噪声预测模型,需要确定监督信号,这里的监督信号即为实际的速度量测噪声,可以根据目标第一传感器即有效状态的第一传感器输出的速度和自动驾驶车辆的第二观测速度计算得到,以此训练预设量测噪声预测模型。
在本申请的一些实施例中,所述自动驾驶车辆配置有至少两个IMU,所述IMU量测数据为有效的IMU量测数据,所述获取第二传感器的第一量测数据包括:根据各个IMU的量测数据和IMU量测阈值确定各个IMU的状态;根据各个IMU的状态确定所述有效的IMU量测数据。
目前的自动驾驶车辆中通常仅配置有一个IMU,但多传感器定位失效的情况下,如果单个IMU也出现异常将导致整个定位系统失效。基于此,本申请实施例的自动驾驶车辆配置有至少两个IMU,当两个IMU都处于有效状态时,可以使用其中任意一个IMU的量测数据进行后续处理,当然也可以对两个IMU的量测数据进行加权融合后再用于后续处理。
上述各个IMU的状态可以基于IMU量测阈值来判断,如果其中一个IMU的量测数据不满足IMU量测阈值的要求,则可以判断该IMU的状态为失效状态,此时可以使用另一个IMU的量测数据进行后续处理。本申请实施例通过IMU的冗余配置进一步保证了在多传感器定位失效情况下的自动驾驶车辆的定位精度和定位稳定性。
在本申请的一些实施例中,在根据所述第二传感器的量测数据和所述速度量测噪声进行定位,得到自动驾驶车辆的定位结果之后,所述方法还包括:根据所述自动驾驶车辆的定位结果确定自动驾驶车辆的定位结果的定位精度;根据所述自动驾驶车辆的定位结果的定位精度确定自动驾驶车辆是否触发报警条件;在触发报警条件的情况下,进行报警并对自动驾驶车辆进行定位降级处理。
基于前述实施例可以实现多传感器定位失效的情况下自动驾驶车辆在短时间内的定位精度,但如果长时间无法得到有效的传感器观测信息,自动驾驶车辆的定位精度会降低,因此本申请实施例可以根据自动驾驶车辆的定位结果实时确定定位精度,如果定位精度满足自动驾驶车辆的定位精度要求,则可以继续正常行驶,如果不满足,则触发报警,同时还需要对自动驾驶车辆进行降级处理,即进行车道保持,当持续一定时间仍无法得到有效的传感器观测信息,则需要远程介入或者人工接管,以保证自动驾驶车辆的安全性。
本申请实施例还提供了一种自动驾驶车辆的定位装置200,如图2所示,提供了本申请实施例中一种自动驾驶车辆的定位装置的结构示意图,所述装置200包括:获取单元210、确定单元220以及定位单元230,其中:
获取单元210,用于在自动驾驶车辆的多个第一传感器的定位状态均处于失效状态的情况下,获取第二传感器的第一量测数据,所述第二传感器的第一量测数据包括第一IMU量测数据和第一轮速计量测数据;
确定单元220,用于根据所述第一IMU量测数据和自动驾驶车辆的行驶状态,利用预设量测噪声预测模型确定速度量测噪声,所述预设量测噪声预测模型在至少一个第一传感器的定位状态处于有效状态的情况下训练得到;
定位单元230,用于根据所述第二传感器的第一量测数据和所述速度量测噪声进行定位,得到自动驾驶车辆的定位结果。
在本申请的一些实施例中,所述多个第一传感器的定位状态包括激光SLAM的定位状态、视觉SLAM的定位状态和GNSS/RTK的定位状态,所述获取单元210具体用于:获取激光SLAM定位信息的置信度、视觉SLAM定位信息的置信度以及GNSS/RTK定位信息的差分状态;在激光SLAM定位信息的置信度低于第一预设置信度阈值、视觉SLAM定位信息的置信度低于第二预设置信度阈值且GNSS/RTK定位信息的差分状态为非固定解状态的情况下,确定所述自动驾驶车辆的多个第一传感器的定位状态均处于失效状态。
在本申请的一些实施例中,所述第一IMU量测数据包括角速度和加速度,所述自动驾驶车辆的行驶状态通过如下方式得到:根据所述角速度确定自动驾驶车辆的角速度变化信息,以及根据所述加速度确定自动驾驶车辆的侧向速度;若所述自动驾驶车辆的角速度变化信息大于预设角速度变化阈值,且所述自动驾驶车辆的侧向速度大于预设侧向速度阈值,则确定所述自动驾驶车辆的行驶状态为转弯状态;否则,则确定自动驾驶车辆的行驶状态为直行状态。
在本申请的一些实施例中,所述第一轮速计量测数据包括轮速计输出的速度,所述定位单元230具体用于:根据所述轮速计输出的速度和非完整性约束构造自动驾驶车辆的第一观测速度;根据所述第一IMU量测数据、所述自动驾驶车辆的第一观测速度和所述速度量测噪声进行定位,得到所述自动驾驶车辆的定位结果。
在本申请的一些实施例中,所述定位单元230具体用于:将所述轮速计输出的速度作为自动驾驶车辆的前向速度;根据非完整性约束对自动驾驶车辆的侧向速度和垂向速度进行约束,得到非完整性约束后的侧向速度和垂向速度;根据所述自动驾驶车辆的前向速度以及非完整性约束后的侧向速度和垂向速度构造自动驾驶车辆的第一观测速度。
在本申请的一些实施例中,所述预设量测噪声预测模型通过如下方式训练得到:在目标第一传感器的定位状态处于有效状态的情况下,获取目标第一传感器的量测数据以及对应的第二传感器的第二量测数据和自动驾驶车辆的第二观测速度,所述目标第一传感器为所述多个第一传感器中的至少一个,所述第二传感器的第二量测数据包括第二IMU量测数据和第二轮速计量测数据;根据所述目标第一传感器的量测数据、第二传感器的第二量测数据、自动驾驶车辆的第二观测速度以及对应的自动驾驶车辆的行驶状态训练预设量测噪声预测模型。
在本申请的一些实施例中,所述目标第一传感器的量测数据包括目标第一传感器输出的速度,所述预设量测噪声预测模型通过如下方式训练得到:根据所述目标第一传感器输出的速度和所述自动驾驶车辆的第二观测速度确定实际的速度量测噪声;根据所述第二传感器的第二量测数据、实际的速度量测噪声以及对应的行驶状态训练所述预设量测噪声预测模型。
能够理解,上述自动驾驶车辆的定位装置,能够实现前述实施例中提供的自动驾驶车辆的定位方法的各个步骤,关于自动驾驶车辆的定位方法的相关阐释均适用于自动驾驶车辆的定位装置,此处不再赘述。
图3是本申请的一个实施例电子设备的结构示意图。请参考图3,在硬件层面,该电子设备包括处理器,可选地还包括内部总线、网络接口、存储器。其中,存储器可能包含内存,例如高速随机存取存储器(Random-Access Memory,RAM),也可能还包括非易失性存储器(non-volatile memory),例如至少1个磁盘存储器等。当然,该电子设备还可能包括其他业务所需要的硬件。
处理器、网络接口和存储器可以通过内部总线相互连接,该内部总线可以是ISA(Industry Standard Architecture,工业标准体系结构)总线、PCI(PeripheralComponent Interconnect,外设部件互连标准)总线或EISA(Extended Industry StandardArchitecture,扩展工业标准结构)总线等。所述总线可以分为地址总线、数据总线、控制总线等。为便于表示,图3中仅用一个双向箭头表示,但并不表示仅有一根总线或一种类型的总线。
存储器,用于存放程序。具体地,程序可以包括程序代码,所述程序代码包括计算机操作指令。存储器可以包括内存和非易失性存储器,并向处理器提供指令和数据。
处理器从非易失性存储器中读取对应的计算机程序到内存中然后运行,在逻辑层面上形成自动驾驶车辆的定位装置。处理器,执行存储器所存放的程序,并具体用于执行以下操作:
在自动驾驶车辆的多个第一传感器的定位状态均处于失效状态的情况下,获取第二传感器的第一量测数据,所述第二传感器的第一量测数据包括第一IMU量测数据和第一轮速计量测数据;
根据所述第一IMU量测数据和自动驾驶车辆的行驶状态,利用预设量测噪声预测模型确定速度量测噪声,所述预设量测噪声预测模型在至少一个第一传感器的定位状态处于有效状态的情况下训练得到;
根据所述第二传感器的第一量测数据和所述速度量测噪声进行定位,得到自动驾驶车辆的定位结果。
上述如本申请图1所示实施例揭示的自动驾驶车辆的定位装置执行的方法可以应用于处理器中,或者由处理器实现。处理器可能是一种集成电路芯片,具有信号的处理能力。在实现过程中,上述方法的各步骤可以通过处理器中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器可以是通用处理器,包括中央处理器(Central ProcessingUnit,CPU)、网络处理器(Network Processor,NP)等;还可以是数字信号处理器(DigitalSignal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现场可编程门阵列(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。可以实现或者执行本申请实施例中的公开的各方法、步骤及逻辑框图。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。结合本申请实施例所公开的方法的步骤可以直接体现为硬件译码处理器执行完成,或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器,闪存、只读存储器,可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器,处理器读取存储器中的信息,结合其硬件完成上述方法的步骤。
该电子设备还可执行图1中自动驾驶车辆的定位装置执行的方法,并实现自动驾驶车辆的定位装置在图1所示实施例的功能,本申请实施例在此不再赘述。
本申请实施例还提出了一种计算机可读存储介质,该计算机可读存储介质存储一个或多个程序,该一个或多个程序包括指令,该指令当被包括多个应用程序的电子设备执行时,能够使该电子设备执行图1所示实施例中自动驾驶车辆的定位装置执行的方法,并具体用于执行:
在自动驾驶车辆的多个第一传感器的定位状态均处于失效状态的情况下,获取第二传感器的第一量测数据,所述第二传感器的第一量测数据包括第一IMU量测数据和第一轮速计量测数据;
根据所述第一IMU量测数据和自动驾驶车辆的行驶状态,利用预设量测噪声预测模型确定速度量测噪声,所述预设量测噪声预测模型在至少一个第一传感器的定位状态处于有效状态的情况下训练得到;
根据所述第二传感器的第一量测数据和所述速度量测噪声进行定位,得到自动驾驶车辆的定位结果。
本领域内的技术人员应明白,本发明的实施例可提供为方法、系统、或计算机程序产品。因此,本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
在一个典型的配置中,计算设备包括一个或多个处理器 (CPU)、输入/输出接口、网络接口和内存。
内存可能包括计算机可读介质中的非永久性存储器,随机存取存储器 (RAM) 和/或非易失性内存等形式,如只读存储器 (ROM) 或闪存(flash RAM)。内存是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括,但不限于相变内存 (PRAM)、静态随机存取存储器 (SRAM)、动态随机存取存储器 (DRAM)、其他类型的随机存取存储器 (RAM)、只读存储器 (ROM)、电可擦除可编程只读存储器 (EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘 (DVD) 或其他光学存储、磁盒式磁带,磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质,可用于存储可以被计算设备访问的信息。按照本文中的界定,计算机可读介质不包括暂存电脑可读媒体 (transitory media),如调制的数据信号和载波。
还需要说明的是,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、商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、商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、商品或者设备中还存在另外的相同要素。
本领域技术人员应明白,本申请的实施例可提供为方法、系统或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
以上所述仅为本申请的实施例而已,并不用于限制本申请。对于本领域技术人员来说,本申请可以有各种更改和变化。凡在本申请的精神和原理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权利要求范围之内。
Claims (9)
1.一种自动驾驶车辆的定位方法,其中,所述方法包括:
在自动驾驶车辆的多个第一传感器的定位状态均处于失效状态的情况下,获取第二传感器的第一量测数据,所述第二传感器的第一量测数据包括第一IMU量测数据和第一轮速计量测数据;
根据所述第一IMU量测数据和自动驾驶车辆的行驶状态,利用预设量测噪声预测模型确定速度量测噪声,所述预设量测噪声预测模型在至少一个第一传感器的定位状态处于有效状态的情况下训练得到;
根据所述第二传感器的第一量测数据和所述速度量测噪声进行定位,得到自动驾驶车辆的定位结果;
所述多个第一传感器的定位状态均处于失效状态是指多个第一传感器输出的定位信息均不可信的状态;
所述预设量测噪声预测模型通过如下方式训练得到:
在目标第一传感器的定位状态处于有效状态的情况下,获取目标第一传感器的量测数据以及对应的第二传感器的第二量测数据和自动驾驶车辆的第二观测速度,所述目标第一传感器为所述多个第一传感器中的至少一个,所述第二传感器的第二量测数据包括第二IMU量测数据和第二轮速计量测数据;
根据所述目标第一传感器的量测数据、第二传感器的第二量测数据、自动驾驶车辆的第二观测速度以及对应的自动驾驶车辆的行驶状态训练预设量测噪声预测模型。
2.如权利要求1所述方法,其中,所述多个第一传感器的定位状态包括激光SLAM的定位状态、视觉SLAM的定位状态和GNSS/RTK的定位状态,所述在自动驾驶车辆的多个第一传感器的定位状态均处于失效状态的情况下,获取第二传感器的第一量测数据包括:
获取激光SLAM定位信息的置信度、视觉SLAM定位信息的置信度以及GNSS/RTK定位信息的差分状态;
在激光SLAM定位信息的置信度低于第一预设置信度阈值、视觉SLAM定位信息的置信度低于第二预设置信度阈值且GNSS/RTK定位信息的差分状态为非固定解状态的情况下,确定所述自动驾驶车辆的多个第一传感器的定位状态均处于失效状态。
3.如权利要求1所述方法,其中,所述第一IMU量测数据包括角速度和加速度,所述自动驾驶车辆的行驶状态通过如下方式得到:
根据所述角速度确定自动驾驶车辆的角速度变化信息,以及根据所述加速度确定自动驾驶车辆的侧向速度;
若所述自动驾驶车辆的角速度变化信息大于预设角速度变化阈值,且所述自动驾驶车辆的侧向速度大于预设侧向速度阈值,则确定所述自动驾驶车辆的行驶状态为转弯状态;
否则,则确定自动驾驶车辆的行驶状态为直行状态。
4.如权利要求1所述方法,其中,所述第一轮速计量测数据包括轮速计输出的速度,所述根据所述第二传感器的第一量测数据和所述速度量测噪声进行定位,得到自动驾驶车辆的定位结果包括:
根据所述轮速计输出的速度和非完整性约束构造自动驾驶车辆的第一观测速度;
根据所述第一IMU量测数据、所述自动驾驶车辆的第一观测速度和所述速度量测噪声进行定位,得到所述自动驾驶车辆的定位结果。
5.如权利要求4所述方法,其中,所述根据所述轮速计输出的速度和非完整性约束构造自动驾驶车辆的第一观测速度包括:
将所述轮速计输出的速度作为自动驾驶车辆的前向速度;
根据非完整性约束对自动驾驶车辆的侧向速度和垂向速度进行约束,得到非完整性约束后的侧向速度和垂向速度;
根据所述自动驾驶车辆的前向速度以及非完整性约束后的侧向速度和垂向速度构造自动驾驶车辆的第一观测速度。
6.如权利要求1~5之任一所述方法,其中,所述目标第一传感器的量测数据包括目标第一传感器输出的速度,所述根据所述目标第一传感器的量测数据、第二传感器的第二量测数据、自动驾驶车辆的第二观测速度以及对应的自动驾驶车辆的行驶状态训练预设量测噪声预测模型包括:
根据所述目标第一传感器输出的速度和所述自动驾驶车辆的第二观测速度确定实际的速度量测噪声;
根据所述第二传感器的第二量测数据、实际的速度量测噪声以及对应的行驶状态训练所述预设量测噪声预测模型。
7.一种自动驾驶车辆的定位装置,其中,所述装置包括:
获取单元,用于在自动驾驶车辆的多个第一传感器的定位状态均处于失效状态的情况下,获取第二传感器的第一量测数据,所述第二传感器的第一量测数据包括第一IMU量测数据和第一轮速计量测数据;
确定单元,用于根据所述第一IMU量测数据和自动驾驶车辆的行驶状态,利用预设量测噪声预测模型确定速度量测噪声,所述预设量测噪声预测模型在至少一个第一传感器的定位状态处于有效状态的情况下训练得到;
定位单元,用于根据所述第二传感器的第一量测数据和所述速度量测噪声进行定位,得到自动驾驶车辆的定位结果;
所述多个第一传感器的定位状态均处于失效状态是指多个第一传感器输出的定位信息均不可信的状态;
所述预设量测噪声预测模型通过如下方式训练得到:
在目标第一传感器的定位状态处于有效状态的情况下,获取目标第一传感器的量测数据以及对应的第二传感器的第二量测数据和自动驾驶车辆的第二观测速度,所述目标第一传感器为所述多个第一传感器中的至少一个,所述第二传感器的第二量测数据包括第二IMU量测数据和第二轮速计量测数据;
根据所述目标第一传感器的量测数据、第二传感器的第二量测数据、自动驾驶车辆的第二观测速度以及对应的自动驾驶车辆的行驶状态训练预设量测噪声预测模型。
8.一种电子设备,包括:
处理器;以及
被安排成存储计算机可执行指令的存储器,所述可执行指令在被执行时使所述处理器执行所述权利要求1~6之任一所述方法。
9.一种计算机可读存储介质,所述计算机可读存储介质存储一个或多个程序,所述一个或多个程序当被包括多个应用程序的电子设备执行时,使得所述电子设备执行所述权利要求1~6之任一所述方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310806779.5A CN116518986B (zh) | 2023-07-04 | 2023-07-04 | 自动驾驶车辆的定位方法、装置及电子设备、存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310806779.5A CN116518986B (zh) | 2023-07-04 | 2023-07-04 | 自动驾驶车辆的定位方法、装置及电子设备、存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116518986A CN116518986A (zh) | 2023-08-01 |
CN116518986B true CN116518986B (zh) | 2023-10-03 |
Family
ID=87390726
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310806779.5A Active CN116518986B (zh) | 2023-07-04 | 2023-07-04 | 自动驾驶车辆的定位方法、装置及电子设备、存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116518986B (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110758403A (zh) * | 2019-10-30 | 2020-02-07 | 北京百度网讯科技有限公司 | 自动驾驶车辆的控制方法、装置、设备及存储介质 |
CN112880674A (zh) * | 2021-01-21 | 2021-06-01 | 深圳市镭神智能系统有限公司 | 一种行驶设备的定位方法、装置、设备及存储介质 |
KR20220036453A (ko) * | 2020-09-15 | 2022-03-23 | 인하대학교 산학협력단 | 센서 데이터를 통한 자율주행 차량의 실시간 다이나믹 추정 방법 및 장치 |
CN114812595A (zh) * | 2022-05-05 | 2022-07-29 | 智道网联科技(北京)有限公司 | 用于融合定位的状态预警方法、装置及电子设备、存储介质 |
CN115371689A (zh) * | 2022-08-24 | 2022-11-22 | 智道网联科技(北京)有限公司 | 自动驾驶车辆的融合定位方法、装置及电子设备 |
CN116222586A (zh) * | 2023-01-09 | 2023-06-06 | 智道网联科技(北京)有限公司 | 自动驾驶车辆的融合定位方法、装置及电子设备 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR102525191B1 (ko) * | 2020-08-07 | 2023-04-26 | 한국전자통신연구원 | 자율주행 차량에서의 주행 경로 생성 및 제어 시스템 및 방법 |
-
2023
- 2023-07-04 CN CN202310806779.5A patent/CN116518986B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110758403A (zh) * | 2019-10-30 | 2020-02-07 | 北京百度网讯科技有限公司 | 自动驾驶车辆的控制方法、装置、设备及存储介质 |
KR20220036453A (ko) * | 2020-09-15 | 2022-03-23 | 인하대학교 산학협력단 | 센서 데이터를 통한 자율주행 차량의 실시간 다이나믹 추정 방법 및 장치 |
CN112880674A (zh) * | 2021-01-21 | 2021-06-01 | 深圳市镭神智能系统有限公司 | 一种行驶设备的定位方法、装置、设备及存储介质 |
CN114812595A (zh) * | 2022-05-05 | 2022-07-29 | 智道网联科技(北京)有限公司 | 用于融合定位的状态预警方法、装置及电子设备、存储介质 |
CN115371689A (zh) * | 2022-08-24 | 2022-11-22 | 智道网联科技(北京)有限公司 | 自动驾驶车辆的融合定位方法、装置及电子设备 |
CN116222586A (zh) * | 2023-01-09 | 2023-06-06 | 智道网联科技(北京)有限公司 | 自动驾驶车辆的融合定位方法、装置及电子设备 |
Also Published As
Publication number | Publication date |
---|---|
CN116518986A (zh) | 2023-08-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112577526B (zh) | 一种多传感器融合定位的置信度计算方法及系统 | |
JP7113134B2 (ja) | 車両制御装置 | |
CN115390086B (zh) | 用于自动驾驶的融合定位方法、装置及电子设备、存储介质 | |
KR102620325B1 (ko) | 교통 흐름 정보의 결정 방법, 장치, 전자 기기 및 저장 매체 | |
CN111026081B (zh) | 一种误差计算方法、装置、设备及存储介质 | |
CN115184976B (zh) | 自动驾驶车辆的定位方法、装置及电子设备、存储介质 | |
CN114274972A (zh) | 自主驾驶环境中的场景识别 | |
JP2022513511A (ja) | 完全性範囲を特定するための方法 | |
CN114812595A (zh) | 用于融合定位的状态预警方法、装置及电子设备、存储介质 | |
CN115390103A (zh) | 卫星定位信号的异常检测方法、装置及电子设备 | |
CN115962774A (zh) | 点云地图更新方法、装置及电子设备、存储介质 | |
CN115060257A (zh) | 一种基于民用级惯性测量单元的车辆变道检测方法 | |
CN115856976B (zh) | 自动驾驶车辆的融合定位方法、装置及电子设备 | |
CN115950441B (zh) | 自动驾驶车辆的融合定位方法、装置及电子设备 | |
CN115856979B (zh) | 自动驾驶车辆的定位方法、装置及电子设备、存储介质 | |
CN116518986B (zh) | 自动驾驶车辆的定位方法、装置及电子设备、存储介质 | |
CN116222586A (zh) | 自动驾驶车辆的融合定位方法、装置及电子设备 | |
CN116148821A (zh) | 激光雷达的外参修正方法和装置、电子设备和存储介质 | |
CN116295490A (zh) | 车辆定位方法、装置及电子设备、存储介质 | |
CN116678425A (zh) | 自动驾驶车辆的定位方法、装置及电子设备、存储介质 | |
CN115014395A (zh) | 用于自动驾驶的车辆航向角实时标定方法、装置 | |
CN113327456A (zh) | 一种车道结构检测方法及装置 | |
CN116559899B (zh) | 自动驾驶车辆的融合定位方法、装置和电子设备 | |
CN113932835B (zh) | 自动驾驶车辆定位杆臂的标定方法、装置及电子设备 | |
KR102304662B1 (ko) | 무인 이동체의 사고의 재현을 위한 항법 필터링 |
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 |