CN118112623A - 一种间断gnss信号下的车辆融合定位方法及相关设备 - Google Patents

Abstract

本发明提供一种间断GNSS信号下的车辆融合定位方法及相关设备，方法包括：获取惯性测量单元数据；利用运动模型对惯性测量单元数据进行理想化计算，以获得理想状态数据；进行GNSS观测，并根据有无GNSS信号确定更新扩展卡尔曼滤波器的方式，以获取估计状态数据，包括：在不存在GNSS信号时，伪造观测值以利用伪造的观测值扩展获得新的估计状态数据；基于理想状态数据和估计状态数据，确定任意对应时刻的真实状态数据，以实现车辆定位。由此，在缺失GNSS信号阶段，可以消除惯性测量单元的测量漂移、随机噪声等影响，保证了定位结果的准确性，同时在缺乏GNSS信号的区域能够继续保持状态估计的进行，拓展了现有GNSS/INS方法的使用场景。

Description

一种间断GNSS信号下的车辆融合定位方法及相关设备

技术领域

本发明涉及车辆定位技术领域，更具体地，涉及一种间断GNSS信号下的车辆融合定位方法、一种间断GNSS信号下的车辆融合定位装置、一种电子设备以及一种存储介质。

背景技术

道路行驶车辆在行驶到隧道、桥洞、城区高楼夹道等地区时，GNSS信号常常因为遮挡、建筑物表面反射等原因而失效，并有可能保持长期失效状态，在这种情况下可以使用惯性测量单元对车辆位置进行估计。但是惯性测量单元存在测量漂移(主要包括陀螺仪的角速度漂移)、随机噪声等问题，长期使用会累积大量误差。现有一般采用因子图优化和扩展卡尔曼滤波这两种方法进行GNSS/INS融合定位。

其中，因子图优化精度较高但需要大量计算，在传感器高采样率的场景下实时性较差。而卡尔曼滤波的GNSS/INS融合方法具有依赖GNSS位置观测信息更新状态，在GNSS信号中断时，系统会因为观测信息无法及时更新而累积大量误差。

由此，亟需一种新的技术方案以解决上述技术问题。

发明内容

在发明内容部分中引入了一系列简化形式的概念，这将在具体实施方式部分中进一步详细说明。本发明的发明内容部分并不意味着要试图限定出所要求保护的技术方案的关键特征和必要技术特征，更不意味着试图确定所要求保护的技术方案的保护范围。

第一方面，本发明提出一种间断GNSS信号下的车辆融合定位方法，包括：

获取惯性测量单元数据，其中，惯性测量单元数据包括加速度计测量值、陀螺仪测量值和磁力计测量值；

利用运动模型对惯性测量单元数据进行理想化计算，以获得理想状态数据；

进行GNSS观测，并根据有无GNSS信号确定更新扩展卡尔曼滤波器的方式，以获取估计状态数据，其中，GNSS信号包括纬度数据、经度数据和海拔数据，包括：在不存在GNSS信号时，伪造观测值以利用伪造的观测值扩展获得新的估计状态数据；

基于理想状态数据和估计状态数据，确定任意对应时刻的真实状态数据，以实现车辆定位。

可选地，在利用运动模型对惯性测量单元数据进行理想化计算之前，方法还包括：

对惯性测量单元数据进行初始化，以获取车辆在运动前的初始数据信息。

可选地，初始化过程中包括使用扩展卡尔曼滤波。

可选地，在根据有无GNSS信号确定更新扩展卡尔曼滤波器的方式之前，方法还包括：

将经度数据和纬度数据转换为笛卡尔坐标系数据格式。

可选地，方法还包括：

将车辆的左右平移方向的观测量确定为零；

利用运动模型确定车辆的左右平移方向和垂直方向的速度的噪声协方差矩阵。

第二方面，还提出了一种间断GNSS信号下的车辆融合定位装置，包括：

数据获取模块，用于获取惯性测量单元数据，其中，惯性测量单元数据包括加速度计测量值、陀螺仪测量值和磁力计测量值；

计算模块，用于利用运动模型对惯性测量单元数据进行理想化计算，以获得理想状态数据；

方式选择模块，用于进行GNSS观测，并根据有无GNSS信号确定更新扩展卡尔曼滤波器的方式，以获取估计状态数据，其中，GNSS信号包括纬度数据、经度数据和海拔数据；

真实定位模块，用于基于理想状态数据和估计状态数据，确定任意对应时刻的真实状态数据，以实现车辆定位。

第三方面，还提出了一种电子设备，包括处理器和存储器，其中，存储器中存储有计算机程序指令，计算机程序指令被处理器运行时用于执行如上所述的间断GNSS信号下的车辆融合定位方法。

第四方面，还提出了一种存储介质，在存储介质上存储了程序指令，程序指令在运行时用于执行如上所述的间断GNSS信号下的车辆融合定位方法。

根据上述技术方案，获取惯性测量单元数据，其中，惯性测量单元数据包括加速度计测量值、陀螺仪测量值和磁力计测量值；利用运动模型对惯性测量单元数据进行理想化计算，以获得理想状态数据；进行GNSS观测，并根据有无GNSS信号确定更新扩展卡尔曼滤波器的方式，以获取估计状态数据，其中，GNSS信号包括纬度数据、经度数据和海拔数据；基于理想状态数据和估计状态数据，确定任意对应时刻的真实状态数据，以实现车辆定位。由此，在可以接收GNSS信号阶段使用GNSS观测值进行滤波器参数更新，在缺失GNSS信号阶段，可以消除惯性测量单元的测量漂移、随机噪声等影响，保证了定位结果的准确性，同时在缺乏GNSS信号的区域能够继续保持状态估计的进行，拓展了现有GNSS/INS方法的使用场景。同时能对惯性测量单元与车体的安装误差、惯性测量单元周围的电磁环境磁感应强度进行估计，并对以上参数进行实时更新，即将车身与惯性测量单元之间的姿态、位置信息加入到滤波器状态量中，并扩展了这两个变量的运动和观测模型，还将电磁场强度加入滤波器状态量中，扩展了该变量的运动和观测模型。此外，还能够在线标定惯性测量单元与车身的相对姿态、位置关系，给出车辆的精确姿态和位置，进而对惯性测量单元的安装要求适当降低，方便了该设备安装过程，减少安装所需的时间、经济成本。

本发明的间断GNSS信号下的车辆融合定位方法，本发明的其它优点、目标和特征将部分通过下面的说明体现，部分还将通过对本发明的研究和实践而为本领域的技术人员所理解。

附图说明

通过阅读下文优选实施方式的详细描述，各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的，而并不认为是对本说明书的限制。而且在整个附图中，用相同的参考符号表示相同的部件。在附图中：

图1示出了根据本发明一个实施例的间断GNSS信号下的车辆融合定位方法的示意性流程图；

图2示出了根据本发明一个实施例的间断GNSS信号下的车辆融合定位装置的示意性框图；以及

图3示出了根据本发明一个实施例的电子设备的示意性框图。

具体实施方式

本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”、“第四”等(如果存在)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，以便这里描述的实施例能够以除了在这里图示或描述的内容以外的顺序实施。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。下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。

GNSS/INS融合定位方法包括：因子图优化和扩展卡尔曼滤波。在因子图优化方法中，将所有时刻的惯性测量单元的三维姿态、速度、位置、陀螺仪测量漂移、加速度计测量漂移作为状态量，然后根据各个时刻的GNSS的位置观测信息，构建最大后验概率估计，整体优化，以求状态量与观测量具有相近数值。在扩展卡尔曼滤波方法中需要同时使用GNSS信号和惯性测量单元测量值进行定位，其主要依靠惯性测量单元的测量值更新运动学公式：使用陀螺仪测量的角速度更新三维空间姿态，使用加速度计测量的加速度更新速度和位置。使用GNSS的位置信号作为观测，以修正惯性测量单元测量漂移、随机噪声等对运动学公式的影响。现有的方法主要将惯性测量单元的三维姿态误差、速度误差、位置误差、陀螺仪测量漂移误差、加速度计测量漂移误差作为主要状态量。在运动时，使用理想的运动学模型进行状态预测：使用陀螺仪读数减去陀螺仪测量漂移后，乘以采样间隔以获得三维姿态变化量；使用加速度计读数减去加速度计测量漂移，加上重力加速度补偿后，乘以采样间隔以获得速度变化量；将上一时刻的三维空间姿态增加当前计算出的三维姿态变化量，将上一时刻的速度增加当前计算出的速度变化量以获得当前状态；根据速度更新位置；保持陀螺仪测量漂移、加速度计测量漂移不变。在观测时以GNSS数据作为实际观测值，与理想运动学模型下计算的位置计算误差，并用误差作为指导更新状态量。以上是一次预测、更新过程，而扩展卡尔曼滤波则是经过多次这样的过程逐渐获得精确的状态量估计。在以上现有的两种融合定位方法中，因子图优化精度较高但需要大量计算，在传感器高采样率的场景下实时性较差。扩展卡尔曼滤波的方式不仅具有足够的精度，而且计算较为高效，能够满足实时性要求，因此本发明采用扩展卡尔曼滤波的方式。

但是现有使用卡尔曼滤波的GNSS/INS融合方法具有以下几大缺点：1)现有方法依赖GNSS位置观测信息更新状态，在GNSS信号中断时，系统会因为观测信息无法及时更新而累积大量误差；2)现有方法的状态信息实际反映的是惯性测量单元的运动状态，在忽视惯性测量单元与车身安装误差的情况下也可以代表车身运动状态，但在机械震动、安装老化等因素导致的误差扩大的情况下，现有方法对车身状态的感知失效；3)已有方法在使用磁力计测量值确定航向角时，只考虑地磁场影响，而忽略车体以及车载电器设备所激发的电磁场。因此，考虑到上述技术问题，根据本发明的第一方面，本发明提出一种间断GNSS信号下的车辆融合定位方法。图1示出了根据本发明一个实施例的一种间断GNSS信号下的车辆融合定位方法100的示意性流程图。如图1所示，方法100可以包括以下步骤。

步骤S110，获取惯性测量单元数据，其中，惯性测量单元数据包括加速度计测量值、陀螺仪测量值和磁力计测量值。

示例性地，可以获取一段时间内的惯性测量单元数据其中，分别表示加速度计测量值、陀螺仪测量值和磁力计测量值，每个测量值都是三维右手坐标系下的三维向量。

可选地，在利用运动模型对惯性测量单元数据进行理想化计算之前，方法还包括：对惯性测量单元数据进行初始化，以获取车辆在运动前的初始数据信息。示例性地，初始化过程可以使用加速度计测量值和磁力计测量值，估计惯性测量单元相对于导航坐标系的三维姿态传感器偏置/>外磁场/>而对于速度/>位置/>安装误差缺乏观测/>无法进行估计。此时可以使用扩展卡尔曼滤波方法进行估计。卡尔曼滤波中的估计参数为状态误差δχ_n，首先使用误差预测方程预测误差/>和状态协方差P_n：

其中表示误差预测值，δχ_n-1为上一次估计后的偏差值，因为认为上一次估计是无偏估计，因此其为全0向量；/>表示状态量协方差预测值，P_n-1为上一次估计后误差估计值与真实估计值的协方差；/>表示噪声的协方差矩阵，包括陀螺仪噪声，加速度计噪声，陀螺仪漂移噪声，加速度计漂移噪声，磁力计漂移噪声，安装误差的姿态噪声和位置噪声，外磁场噪声(总计8种噪声，每种噪声为3维向量)，/>和分别如下定义：

其中I＝I_3×3，0＝0_3×3，Δt表示惯性测量单元两次采样之间的时间间隔，g^w表示重力加速度在导航坐标系下的表示，一般为[0,0,9.8]^T。

初始化过程中需要使用已知的物理量，导航系原点处的重力加速度g^w和地球磁感应强度m^w(可以看作已知量)，将其视作观测量y＝[g^w,m^w]^T，更新扩展卡尔曼滤波中观测的误差状态。更新过程首先根据下列公式获得卡尔曼增益并更新误差状态，具体表示如下：

其中是使用估计值表示的观测量，具体为/> 初始化阶段可以认为车辆静止没有运动，所以理想状态数据/> 且/>所以数值上/> 是测量噪声的协方差矩阵，在这里主要包括加速度计和磁力计的测量噪声；/>是/>关于/>的雅可比矩阵，其具体形式为：

之后使用以下公式升级状态组合和状态量协方差矩阵

一般经过初始化后得到的状态量大致为即初始化阶段只能获得惯性测量单元的三维姿态、部分传感器测量漂移以及外磁场信息，其中/>表示广义加法。由此，在初始阶段，车辆保持静止，使用重力加速度和地磁场测量值估计惯性测量单元的初始三维姿态、环境磁场强度以及重力加速度实际数值，能够在初始状态未知的情况下给出状态粗估计值，为后续状态估计提供较为精确的初始值，有利于后续状态估计的准确性和稳定性。

步骤S120，利用运动模型对惯性测量单元数据进行理想化计算，以获得理想状态数据。

示例性地，运动模型可以在车辆起动后开始对状态组合进行更新，具体来说可以根据惯性测量单元数据对状态进行理想化计算，获得理想状态数据并将其作为扩展卡尔曼滤波的预测状态。运动模型是根据惯性测量单元数据值来计算状态的过程。首先测量数据可以建模为以下形式：

其中a_n,ω_n,m_n为真实物理值，为随机噪声。根据惯性测量单元数据的测量计算状态的过程可以用以下公式表示：

除此之外，在状态组合中的其他参数实际更新模型如下所示：

其中均为随机噪声，在运动模型中可以忽略随机噪声，即得：

需要说明的是，运动模型计算的是理想状态的组合，与扩展卡尔曼滤波器需要估计的状态误差无关。

步骤S130，进行GNSS观测，并根据有无GNSS信号确定更新扩展卡尔曼滤波器的方式，以获取估计状态数据，其中，GNSS信号包括纬度数据、经度数据和海拔数据，包括：在不存在GNSS信号时，伪造观测值以利用伪造的观测值扩展获得新的估计状态数据。

示例性地，在上述一段时间内获取GNSS定位数据其中，其中m<k表示一段时间内GNSS信号缺失，/>由纬度、经度、海拔数据组成。χ_n中是旋转矩阵,表示惯性测量单元在导航坐标系中的三维姿态；/>表示惯性测量单元在导航系中的速度；/>表示惯性测量单元在导航系中的位置。导航坐标系根据场景设置，一般选择地球某一确定点(已知纬度、经度、海拔)为导航坐标系原点，其正北为导航坐标系x轴正方向，正东为y轴正方向，正下方与重力对齐的方向为z轴正方向。/> 分别表示加速度计、陀螺仪和磁力计的测量漂移；和/>分别表示惯性测量单元与车体之间的三维姿态安装误差、重心位置安装误差；/>表示惯性测量单元附近的外磁场向量。

可选地，在GNSS信号缺失时和有GNSS信号时，可以采用不同的更新方式获得对应的估计状态数据。在有GNSS信号，即使用GNSS观测更新的阶段，首先需要明确GNSS给出的经纬度数据并不是笛卡尔坐标系下的表示，而运动模型中的公式都是建立在笛卡尔坐标系下的，因此首先需要将经纬度数据进行转换，转换方式为建立前文提及的导航坐标系，在本发明中以最先接受到的GNSS定位位置作为导航坐标系的原点，其后接收到的GNSS数据都先转换到导航坐标系中。假设原点的经纬度与海拔信息为 那么任意其他点/>可以通过以下方式进行转换为笛卡尔坐标p_n

其中r是将地球看作正球形时地球的半径长度，一般为6371000m。此时可以认为观测量y＝p_n，用估计值表示的观测量因此可以获得此时/>

H＝[0_3×6 I 0_3×18]. (29)

此后使用式(5)(6)(8)(9)完成估计状态的更新，式(8)中N_n需要更换为测量噪声的协方差矩阵在这里是GNSS信号的噪声协方差矩阵。

而在缺失GNSS信号的阶段，用“车辆行驶假设”来生成“伪观测”。具体来说，当车辆行驶的时候，一般认为车体只具有向前或者向后的速度，而不会左右平移，更不会上下跳跃，如果车身坐标系以正前方为x轴正方向，车身右侧为y轴正方向，车身下方为z轴正方向，那么行驶车辆只会具有x轴速度。依靠这一点假设，可以认为观测量y＝[0 0]^T，使用估计值表示的观测量如下：

其中此外根据运动模型(37)(39)(40)可得/>此时可以获得此时

此后使用式(5)(6)(8)(9)完成估计状态的更新，式(8)中N_n需要更换为测量噪声的协方差矩阵在这里是车辆横向和垂直速度的噪声协方差矩阵。在无法接收GNSS信号阶段，借助“车辆正常行驶”假设使用“伪观测”更新滤波器参数，在GNSS信号中断时会假设车辆处于正常行驶过程，只有前向或者后向速度，而无横向、纵向速度，因此使用车辆横向和纵向的“伪测量”速度值0更新参数，可以消除惯性测量单元的测量漂移、随机噪声等影响，同时在缺乏GNSS信号的区域能够继续保持状态估计的进行，拓展了现有GNSS/INS方法的使用场景。

步骤S140，基于理想状态数据和估计状态数据，确定任意对应时刻的真实状态数据，以实现车辆定位。

在卡尔曼滤波完成误差状态估计后，通过

来获得真实状态φ_n，其中代表广义加法，这里使用此种标记的原因是δ与/>以及/>形式不同，其定义如下：

广义加法的具体形式可以写为：

其中[y]_×表示关于向量y的反对称变换，对于y＝[y₁,y₂,y₃]^T，其反对称变换可以写作

根据上述技术方案，获取惯性测量单元数据，其中，惯性测量单元数据包括加速度计测量值、陀螺仪测量值和磁力计测量值；利用运动模型对惯性测量单元数据进行理想化计算，以获得理想状态数据；进行GNSS观测，并根据有无GNSS信号确定更新扩展卡尔曼滤波器的方式，以获取估计状态数据，其中，GNSS信号包括纬度数据、经度数据和海拔数据；基于理想状态数据和估计状态数据，确定任意对应时刻的真实状态数据，以实现车辆定位。由此，在可以接收GNSS信号阶段使用GNSS观测值进行滤波器参数更新，在缺失GNSS信号阶段，可以消除惯性测量单元的测量漂移、随机噪声等影响，同时在缺乏GNSS信号的区域能够继续保持状态估计的进行，拓展了现有GNSS/INS方法的使用场景。同时能对惯性测量单元与车体的安装误差、惯性测量单元周围的电磁环境磁感应强度进行估计，并对以上参数进行实时更新，即将车身与惯性测量单元之间的姿态、位置信息加入到滤波器状态量中，并扩展了这两个变量的运动和观测模型，还将电磁场强度加入滤波器状态量中，扩展了该变量的运动和观测模型。此外，还能够在线标定惯性测量单元与车身的相对姿态、位置关系，给出车辆的精确姿态和位置，进而对惯性测量单元的安装要求适当降低，方便了该设备安装过程，减少安装所需的时间、经济成本。

根据本发明的第二方面，还提出了一种间断GNSS信号下的车辆融合定位装置，图2示出了根据本发明一个实施例的间断GNSS信号下的车辆融合定位装置200的示意性流程图。如图2所示，装置200可以包括：数据获取模块210、计算模块220、方式选择模块230以及真实定位模块240。包括：

数据获取模块210，用于获取惯性测量单元数据，其中，惯性测量单元数据包括加速度计测量值、陀螺仪测量值和磁力计测量值；

计算模块220，用于利用运动模型对惯性测量单元数据进行理想化计算，以获得理想状态数据；

方式选择模块230，用于进行GNSS观测，并根据有无GNSS信号确定更新扩展卡尔曼滤波器的方式，以获取估计状态数据，其中，GNSS信号包括纬度数据、经度数据和海拔数据，包括：在不存在GNSS信号时，伪造观测值以利用伪造的观测值扩展获得新的估计状态数据；

真实定位模块240，用于基于理想状态数据和估计状态数据，确定任意对应时刻的真实状态数据，以实现车辆定位。

根据本发明的第三方面，还提出了一种电子设备。图3示出了根据本发明一个实施例的电子设备300的示意性框图。如图3所示，电子设备300包括处理器310和存储器320，其中，存储器320中存储有计算机程序指令，计算机程序指令被处理器310运行时用于执行如上所述的间断GNSS信号下的车辆融合定位方法。

根据本发明的第四方面，还提出了一种存储介质，在存储介质上存储了程序指令，程序指令在运行时用于执行如上所述的间断GNSS信号下的车辆融合定位方法。存储介质例如可以包括平板电脑的存储部件、计算机的硬盘、只读存储器(ROM)、可擦除可编程只读存储器(EPROM)、便携式紧致盘只读存储器(CD-ROM)、USB存储器、或者上述存储介质的任意组合。所述计算机可读存储介质可以是一个或多个计算机可读存储介质的任意组合。

本领域普通技术人员通过阅读上述有关间断GNSS信号下的车辆融合定位方法的相关描述可以理解间断GNSS信号下的车辆融合定位装置、电子设备以及存储介质的具体细节以及有益效果，为了简洁在此不再赘述。

在本申请所提供的几个实施例中，应该理解到，所揭露的装置和/或设备，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，单元的划分，仅仅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讯连接可以是通过一些接口，装置或单元的间接耦合或通讯连接，可以是电性，机械或其它的形式。

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网络单元上。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，在本申请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。

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，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的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(可以是个人计算机，服务器，或者网络设备等)执行本申请各个实施例方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(Read-Only Memory，ROM)、随机存取存储器(Random Access Memory，RAM)、磁碟或者光盘等各种可以存储程序代码的介质。

以上，以上实施例仅用以说明本申请的技术方案，而非对其限制；尽管参照前述实施例对本申请进行了详细的说明，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申请各实施例技术方案的精神和范围。

Claims (8)

1.一种间断GNSS信号下的车辆融合定位方法，其特征在于，包括：

获取惯性测量单元数据，其中，所述惯性测量单元数据包括加速度计测量值、陀螺仪测量值和磁力计测量值；

利用运动模型对所述惯性测量单元数据进行理想化计算，以获得理想状态数据；

进行GNSS观测，并根据有无GNSS信号确定更新扩展卡尔曼滤波器的方式，以获取估计状态数据，其中，所述GNSS信号包括纬度数据、经度数据和海拔数据，包括：在不存在所述GNSS信号时，伪造观测值以利用伪造的观测值扩展获得新的估计状态数据；基于所述理想状态数据和所述估计状态数据，确定任意对应时刻的真实状态数据，以实现车辆定位。

2.如权利要求1所述的间断GNSS信号下的车辆融合定位方法，其特征在于，在所述利用运动模型对所述惯性测量单元数据进行理想化计算之前，所述方法还包括：

对所述惯性测量单元数据进行初始化，以获取所述车辆在运动前的初始数据信息。

3.如权利要求2所述的间断GNSS信号下的车辆融合定位方法，其特征在于，所述初始化过程中包括使用扩展卡尔曼滤波。

4.如权利要求1所述的间断GNSS信号下的车辆融合定位方法，其特征在于，在所述根据有无GNSS信号确定更新扩展卡尔曼滤波器的方式之前，所述方法还包括：

将所述经度数据和所述纬度数据转换为笛卡尔坐标系数据格式。

5.如权利要求1所述的间断GNSS信号下的车辆融合定位方法，其特征在于，所述方法还包括：

将所述车辆的左右平移方向的观测量确定为零；

利用所述运动模型确定所述车辆的左右平移方向和垂直方向的速度的噪声协方差矩阵。

6.一种间断GNSS信号下的车辆融合定位装置，其特征在于，包括：

数据获取模块，用于获取惯性测量单元数据，其中，所述惯性测量单元数据包括加速度计测量值、陀螺仪测量值和磁力计测量值；

计算模块，用于利用运动模型对所述惯性测量单元数据进行理想化计算，以获得理想状态数据；

方式选择模块，用于进行GNSS观测，并根据有无GNSS信号确定更新扩展卡尔曼滤波器的方式，以获取估计状态数据，其中，所述GNSS信号包括纬度数据、经度数据和海拔数据，包括：在不存在所述GNSS信号时，伪造观测值以利用伪造的观测值扩展获得新的估计状态数据；

真实定位模块，用于基于所述理想状态数据和所述估计状态数据，确定任意对应时刻的真实状态数据，以实现车辆定位。

7.一种电子设备，其特征在于，包括处理器和存储器，其中，所述存储器中存储有计算机程序指令，所述计算机程序指令被所述处理器运行时用于执行如权利要求1至5任一项所述的间断GNSS信号下的车辆融合定位方法。

8.一种存储介质，在所述存储介质上存储了程序指令，所述程序指令在运行时用于执行如权利要求1至5任一项所述的间断GNSS信号下的车辆融合定位方法。