一种自动驾驶车辆辅助定位方法及装置制造方法及图纸

本发明专利技术公开一种自动驾驶车辆辅助定位方法及装置，应用于隧道或桥梁等GNSS信号受到屏蔽，车辆的定位装置无法接收到GNSS信号的情况，该方法包括步骤：在车辆处于GNSS信号丢失的区域，实时检测车辆当前位置的信号特征值，根据信号特征值与地理位置信息的对应关系，匹配得到与所述车辆当前位置的信号特征值对应的地理位置信息。相比采用惯性传感器辅助定位的方式，本发明专利技术提供的方案利用预先生成信号特征值与地理位置信息的对应关系，为实际行驶车辆进行辅助定位，提高了定位的准确性和稳定性。

【技术实现步骤摘要】
一种自动驾驶车辆辅助定位方法及装置
本专利技术涉及智能交通
，更具体地说，涉及一种自动驾驶车辆辅助定位方法及装置。
技术介绍
精确定位对车辆的自动驾驶技术来说至关重要，目前常用的定位方法是由GPS、北斗等GNSS(GlobalNavigationSatelliteSystem，全球导航定位系统)提供粗略的位置信息，再由激光雷达或多传感器数据融合技术形成高精度的定位信息。但是，在实际应用中，当车辆行驶到隧道或立交桥等GNSS信号完全遮挡的区域时，会发生GNSS信号丢失的情况。针对GNSS信号丢失的情况，目前主要通过采用惯性传感器辅助定位的方式，但是，惯性传感器的误差随着时间积累迅速增大，定位稳定性较差。
技术实现思路
有鉴于此，本专利技术提出一种自动驾驶车辆辅助定位方法及装置，欲在发生GNSS信号丢失的情况时，实现提高定位的准确性和稳定性的目的。为了实现上述目的，现提出的方案如下：一种自动驾驶车辆辅助定位方法，包括：在车辆处于GNSS信号丢失的区域时，实时检测车辆当前位置的信号特征值；根据信号特征值与地理位置信息的对应关系，匹配得到与所述车辆当前位置的信号特征值对应的地理位置信息。可选的，所述根据信号特征值与地理位置信息的对应关系，匹配得到与所述车辆当前位置的信号特征值对应的地理位置信息，包括：计算所述车辆当前位置的信号特征值分别与所述对应关系中各个信号特征值的差异；确定计算得到最小差异的信号特征值为匹配结果；将作为所述匹配结果的信号特征值对应的地理位置信息，作为所述车辆当前位置的信号特征值对应的地理位置信息。可选的，所述计算所述车辆当前位置的信号特征值分别与所述对应关系中各个信号特征值的差异，包括：计算所述车辆当前位置的信号特征值分别与所述对应关系中各个信号特征值的相似度；或，计算所述车辆当前位置的信号特征值分别与所述对应关系中各个信号特征值的欧氏距离。可选的，在所述计算所述车辆当前位置的信号特征值分别与所述对应关系中各个信号特征值的差异的步骤前，还包括：根据所述车辆当前位置的信号特征值对应的信号发射源，从信号特征值与地理位置信息的对应关系中匹配得到第一对应关系，所述第一对应关系中的信号特征值对应的信号发射源与所述车辆当前位置的信号特征值对应的信号发射源相同；所述计算所述车辆当前位置的信号特征值分别与所述对应关系中各个信号特征值的差异，为：计算所述车辆当前位置的信号特征值分别与所述第一对应关系中各个信号特征值的差异。可选的，所述根据信号特征值与地理位置信息的对应关系，计算得到与所述车辆当前位置的信号特征值对应的地理位置信息，包括：将所述车辆当前位置的信号特征值输入到预先训练得到的深度学习模型中，得到所述深度学习模型输出的地理位置信息，所述深度学习模型为根据信号特征值与地理位置信息的对应关系训练得到的。一种自动驾驶车辆辅助定位装置，包括：信号特征值检测单元，用于在车辆处于GNSS信号丢失的区域时，实时检测车辆当前位置的信号特征值；数据匹配单元，用于根据信号特征值与地理位置信息的对应关系，计算得到与所述车辆当前位置的信号特征值对应的地理位置信息。可选的，所述数据匹配单元，包括：差异计算单元，用于计算所述车辆当前位置的信号特征值分别与所述对应关系中各个信号特征值的差异；最小差异确定单元，用于确定计算得到最小差异的信号特征值为匹配结果；匹配结果确定单元，用于将作为所述匹配结果的信号特征值对应的地理位置信息，作为所述车辆当前位置的信号特征值对应的地理位置信息。可选的，所述差异计算单元，具体用于：计算所述车辆当前位置的信号特征值分别与所述对应关系中各个信号特征值的相似度；或，计算所述车辆当前位置的信号特征值分别与所述对应关系中各个信号特征值的欧氏距离。可选的，所述数据匹配单元，还包括：筛选单元，用于根据所述车辆当前位置的信号特征值对应的信号发射源，从信号特征值与地理位置信息的对应关系中匹配得到第一对应关系，所述第一对应关系中的信号特征值对应的信号发射源与所述车辆当前位置的信号特征值对应的信号发射源相同；所述差异计算单元，具体用于计算所述车辆当前位置的信号特征值分别与所述第一对应关系中各个信号特征值的差异。可选的，所述数据匹配单元，具体用于：将所述车辆当前位置的信号特征值输入到预先训练得到的深度学习模型中，得到所述深度学习模型输出的地理位置信息，所述深度学习模型为根据信号特征值与地理位置信息的对应关系训练得到的。与现有技术相比，本专利技术的技术方案具有以下优点：上述技术方案提供的一种自动驾驶车辆辅助定位方法，应用于隧道或桥梁等GNSS信号受到屏蔽，车辆的定位装置无法接收到GNSS信号的情况，该方法包括步骤：在车辆处于GNSS信号丢失的区域时，实时检测车辆当前位置的信号特征值；根据信号特征值与地理位置信息的对应关系，计算得到与所述车辆当前位置的信号特征值对应的地理位置信息；将匹配得到的地理位置信息作为所述车辆当前位置的估计位置。相比采用惯性传感器辅助定位的方式，本专利技术提供的方案利用预先生成信号特征值与地理位置信息的对应关系，为实际行驶车辆进行辅助定位，提高了定位的准确性和稳定性。附图说明为了更清楚地说明本专利技术实施例或现有技术中的技术方案，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地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图。图1为一种RSU的设置方式的示意图；图2为本专利技术实施例提供的一种自动驾驶车辆辅助定位方法的流程图；图3为一种具体的信号多径结构的示意图；图4为本专利技术实施例提供的一种利用欧氏距离算法的匹配方法的流程图；图5为本专利技术实施例提供的一种利用贝叶斯估计算法的匹配方法流程图；图6为本专利技术实施例提供的一种自动驾驶车辆辅助定位装置的逻辑示意图。具体实施方式本专利技术的核心思路为，在GNSS信号受到屏蔽的区域设置多个RSU(RoadSideUnit，路侧单元)，预先根据OBU(OnBoardUnit，车载单元)在GNSS信号受到屏蔽的区域检测到的信号特征值，生成信号特征值地图，即信号特征值与地理位置信息的对应关系，图1示出了一种RSU的设置方式。在自动驾驶车辆实际行驶到GNSS信号丢失的区域时，OBU与RSU进行通信，检测得到车辆当前位置的信号特征值，进而根据预先生成的信号特征值与地理位置信息的对应关系，匹配得到与车辆当前位置的信号特征值对应的地理位置信息，即得到了车辆当前位置的估计位置，提高了在无法接收到GNSS信号时定位的准确性和稳定性。下面将结合本专利技术实施例中的附图，对本专利技术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专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，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，都属于本专利技术保护的范围。本实施例提供一种自动驾驶车辆辅助定位方法，参见图2所示，该方法包括步骤：S11：在车辆处于GNSS信号丢失的区域时，实时检测车辆当前位置的信号特征值；在车辆的定位装置接收到不到GNSS信号时，即GNSS信号丢失时，OBU与RSU进行通信，检测得到车辆当前位置的信号特征值。信号特征值包括但不限于OBU接收到的各个本文档来自技高网...

【技术保护点】
1.一种自动驾驶车辆辅助定位方法，其特征在于，包括：在车辆处于GNSS信号丢失的区域时，实时检测车辆当前位置的信号特征值；根据信号特征值与地理位置信息的对应关系，匹配得到与所述车辆当前位置的信号特征值对应的地理位置信息。

【技术特征摘要】
1.一种自动驾驶车辆辅助定位方法，其特征在于，包括：在车辆处于GNSS信号丢失的区域时，实时检测车辆当前位置的信号特征值；根据信号特征值与地理位置信息的对应关系，匹配得到与所述车辆当前位置的信号特征值对应的地理位置信息。2.根据权利要求1所述的方法，其特征在于，所述根据信号特征值与地理位置信息的对应关系，匹配得到与所述车辆当前位置的信号特征值对应的地理位置信息，包括：计算所述车辆当前位置的信号特征值分别与所述对应关系中各个信号特征值的差异；确定计算得到最小差异的信号特征值为匹配结果；将作为所述匹配结果的信号特征值对应的地理位置信息，作为所述车辆当前位置的信号特征值对应的地理位置信息。3.根据权利要求2所述的方法，其特征在于，所述计算所述车辆当前位置的信号特征值分别与所述对应关系中各个信号特征值的差异，包括：计算所述车辆当前位置的信号特征值分别与所述对应关系中各个信号特征值的相似度；或，计算所述车辆当前位置的信号特征值分别与所述对应关系中各个信号特征值的欧氏距离。4.根据权利要求2所述的方法，其特征在于，在所述计算所述车辆当前位置的信号特征值分别与所述对应关系中各个信号特征值的差异的步骤前，还包括：根据所述车辆当前位置的信号特征值对应的信号发射源，从信号特征值与地理位置信息的对应关系中匹配得到第一对应关系，所述第一对应关系中的信号特征值对应的信号发射源与所述车辆当前位置的信号特征值对应的信号发射源相同；所述计算所述车辆当前位置的信号特征值分别与所述对应关系中各个信号特征值的差异，为：计算所述车辆当前位置的信号特征值分别与所述第一对应关系中各个信号特征值的差异。5.根据权利要求1所述的方法，其特征在于，所述根据信号特征值与地理位置信息的对应关系，计算得到与所述车辆当前位置的信号特征值对应的地理位置信息，包括：将所述车辆当前位置的信号特征值输入到预先训练得到的深度学习模...

【专利技术属性】
技术研发人员：常琳，蒋华涛，李庆，陈大鹏，
申请(专利权)人：中国科学院微电子研究所，
类型：发明
国别省市：北京,11