车辆定位方法、装置、电子设备、存储介质制造方法及图纸

本发明专利技术提供一种车辆定位方法、装置、电子设备、存储介质，方法包括：采集车辆的惯性导航系统的在k时刻的加速度数据和角速度数据；基于所述惯性导航系统的加速度数据和角速度数据及车辆在k‑1时刻经更新的状态变量预测车辆在k时刻的状态变量，所述状态变量包括车辆的速度变量及位置变量；根据车轮传感器的滚动距离数据及地图数据确定车辆在k时刻的观测位置；根据所预测的车辆在k时刻的状态变量及所确定的车辆在k时刻的观测位置更新车辆在k时刻的状态变量，将车辆在k时刻经更新的状态变量作为车辆在k时刻的定位数据，k为大于1的整数。本发明专利技术提供的方法及装置实现精确车辆定位。

【技术实现步骤摘要】
车辆定位方法、装置、电子设备、存储介质
本专利技术涉及车辆定位领域，尤其涉及一种车辆定位方法、装置、电子设备、存储介质。
技术介绍
随着车辆和定位技术的发展，精准获取车辆实时位置越来越重要，一方面对于车辆自身而言，司机需要知道自己所处的位置以及周围的环境，从而决策后面的行驶路径和驾驶行为；另一方面，对于远程监控中心而言，知道车辆的位置是实现远程监控的基础，尤其对于押运、出租、物流等行业，及时发现危险区域提前预警对于车、货、人都至关重要。通常而言，车载GPS(GlobalPositioningSystem全球定位系统)设备能够满足获取车辆实时位置的需要，该设备主要通过收发GPS、北斗等卫星信号来计算实时位置，通常需要能够接收到3颗以上的卫星信号才能得出准确位置。但是收发卫星信号通常对环境有要求，一旦受到遮挡，就会大幅下降定位的精准度，如云层、高架，更极端的，倘若车辆进入隧道、地下车库等完全封闭的环境，GPS定位信号就会迅速减弱甚至完全消失，对于需要在此时获取车辆位置的场景是会出现一定风险而十分不利的。目前为解决这个问题，车辆通常存在惯性导航系统，即加速度仪和陀螺仪，在车载GPS设备停止工作后，通过惯导系统测量车辆行进速度和方向，大致推算车辆位置。与此类似，车辆同时还具备前/后轮传感器，可以监测前/后的滚动距离和转向角，依此来计算车辆行进距离和方向，并推算车辆位置。然而，现有技术最大的缺点在误差，惯性导航系统存在累计误差，即加速度计和陀螺仪的测量均存在误差，同时每次的计算都依赖上一次的计算结果，由于高频率的采样，会导致误差迅速积累，无法实现较长时间的定位。而前/后轮传感器则存在系统误差，由于地面摩擦力和轮胎滑移的存在，轮胎的转动速度通常高于车辆速度，并且该误差会由于地面材质，湿度，温度不同而有所变化，用于推算车辆位置同样会产生较大的误差。由此可见，现有技术在车载GPS设备停止工作后，其无法实现精确的车辆定位。
技术实现思路
本专利技术为了克服上述相关技术存在的缺陷，提供一种车辆定位方法、装置、电子设备、存储介质，进而至少在一定程度上克服由于相关技术的限制和缺陷而导致的一个或者多个问题。根据本专利技术的一个方面，提供一种车辆定位方法，包括：采集车辆的惯性导航系统的在k时刻的加速度数据和角速度数据；基于所述惯性导航系统的加速度数据和角速度数据及车辆在k-1时刻经更新的状态变量预测车辆在k时刻的状态变量，所述状态变量包括车辆的速度变量及位置变量；根据车轮传感器的滚动距离数据及地图数据确定车辆在k时刻的观测位置；根据所预测的车辆在k时刻的状态变量及所确定的车辆在k时刻的观测位置更新车辆在k时刻的状态变量，将车辆在k时刻经更新的状态变量作为车辆在k时刻的定位数据，k为大于1的整数。可选地，采用卡尔曼滤波进行状态变量的预测和更新。可选地，基于所述惯性导航系统的加速度数据和角速度数据及车辆在k-1时刻经更新的状态变量预测车辆在k时刻的状态变量还包括：基于所述惯性导航系统的加速度数据和角速度数据及车辆在k-1时刻经更新的状态变量的协方差矩阵预测车辆在k时刻的状态变量的协方差矩阵。可选地，车辆在k时刻的状态变量根据如下公式预测：其中，Fk为基于单位时间确定的状态转换矩阵，为车辆在k-1时刻经更新的状态变量，为指示加速度的控制变量，Bk为对应于所述控制变量且基于所述单位时间确定的控制矩阵，wk为第一不确定干扰项，所述单位时间为k时刻和k-1时刻之间的时间差。可选地，车辆在k时刻的状态变量的协方差矩阵Pk根据如下公式预测：其中，Fk为基于单位时间确定的状态转换矩阵，为Fk的转置矩阵，Pk-1为车辆在k-1时刻经更新的状态变量的协方差矩阵，Qk为根据加速度方差及单位时间确定的第二不确定干扰项。可选地，根据所预测的车辆在k时刻的状态变量及所确定的车辆在k时刻的观测位置更新车辆在k时刻的状态变量包括：根据所预测的车辆在k时刻的状态变量、在k时刻的状态变量的协方差矩阵及所确定的车辆在k时刻的观测位置更新车辆在k时刻的状态变量及状态变量的协方差矩阵。可选地，车辆在k时刻的状态变量及状态变量的协方差矩阵根据如下公式更新：P′k＝Pk-K′HkPk；其中，为车辆在k时刻经更新的状态变量，为车辆在k时刻的状态变量，K′为卡尔曼增益中间值，为车辆在k时刻的观测位置，Hk为观测矩阵，P′k为车辆在k时刻经更新的状态变量的协方差矩阵，Pk为车辆在k时刻的状态变量的协方差矩阵。可选地，所述卡尔曼增益中间值K′根据如下公式计算：其中，Pk为车辆在k时刻的状态变量的协方差矩阵，Hk为观测矩阵，为观测矩阵的转置矩阵，Rk为观测噪声协方差。可选地，所述根据车轮传感器的滚动距离数据及地图数据确定车辆在k时刻的观测位置包括：计算地图道路数据中各道路之间的夹角和各道路的长度；根据所述车轮传感器的滚动距离数据与各道路的长度之间进行比较以确定车辆在k时刻所在的道路；计算所述车轮传感器的滚动距离数据与该道路前各道路的总长度之差作为车辆在所确定道路的位置；根据车辆在所确定道路的位置、所确定道路与前一道路之间的夹角、该道路前各道路的长度及该车辆在k-1时刻的位置确定车辆在k时刻的观测位置。根据本专利技术的又一方面，还提供一种车辆定位装置，包括：采集模块，用于采集车辆的惯性导航系统的在k时刻的加速度数据和角速度数据；预测模块，用于基于所述惯性导航系统的加速度数据和角速度数据及车辆在k-1时刻经更新的状态变量预测车辆在k时刻的状态变量，所述状态变量包括车辆的速度变量及位置变量；确定模块，用于根据车轮传感器的滚动距离数据及地图数据确定车辆在k时刻的观测位置；更新模块，用于根据所预测的车辆在k时刻的状态变量及所确定的车辆在k时刻的观测位置更新车辆在k时刻的状态变量，将车辆在k时刻经更新的状态变量作为车辆在k时刻的定位数据，k为大于1的整数。根据本专利技术的又一方面，还提供一种电子设备，所述电子设备包括：处理器；存储介质，其上存储有计算机程序，所述计算机程序被所述处理器运行时执行如上所述的步骤。根据本专利技术的又一方面，还提供一种存储介质，所述存储介质上存储有计算机程序，所述计算机程序被处理器运行时执行如上所述的步骤。相比现有技术，本专利技术的优势在于：本专利技术通过采集性导航系统的加速度仪和陀螺仪数据，来预测单位时间后车辆的状态变量，并通过采集车轮传感器的滚动距离数据结合地图数据确定车辆的观测位置，从而更新前述的状态变量，由此，可以获得准确的车辆定位数据，降低噪声，并减小采用单一的数据进行位置估计产生的误差。附图说明通过参照附图详细描述其示例实施方式，本专利技术的上述和其它特征及优点将变得更加明显。图1示出了根据本专利技术实施例的车辆定位方法的流程图。图2示出了根据本专利技术实施例的采用卡尔曼滤波进行车辆状态变量的预测更新的示意图。图3示出了根据本专利技术实施例的根据车轮传感器的滚动距离数据及地图数据确定车辆在k时刻的观测位置的示意图。图4示出了根据本专利技术实施例的车辆定位装置的模块图。图5示意性示出本专利技术示例性实施例中一种计算机可读存储介质示意图。图6示意性示出本专利技术示例性实施例中一种电子设备示意图。具体实施方式现在将参考附图更全面地描述示例实施方式。然而，示例实施方式能够以多种形式实施，且不应被理解为限于在此阐述的范本文档来自技高网...

【技术保护点】
1.一种车辆定位方法，其特征在于，包括：采集车辆的惯性导航系统的在k时刻的加速度数据和角速度数据；基于所述惯性导航系统的加速度数据和角速度数据及车辆在k‑1时刻经更新的状态变量预测车辆在k时刻的状态变量，所述状态变量包括车辆的速度变量及位置变量；根据车轮传感器的滚动距离数据及地图数据确定车辆在k时刻的观测位置；根据所预测的车辆在k时刻的状态变量及所确定的车辆在k时刻的观测位置更新车辆在k时刻的状态变量，将车辆在k时刻经更新的状态变量作为车辆在k时刻的定位数据，k为大于1的整数。

【技术特征摘要】
1.一种车辆定位方法，其特征在于，包括：采集车辆的惯性导航系统的在k时刻的加速度数据和角速度数据；基于所述惯性导航系统的加速度数据和角速度数据及车辆在k-1时刻经更新的状态变量预测车辆在k时刻的状态变量，所述状态变量包括车辆的速度变量及位置变量；根据车轮传感器的滚动距离数据及地图数据确定车辆在k时刻的观测位置；根据所预测的车辆在k时刻的状态变量及所确定的车辆在k时刻的观测位置更新车辆在k时刻的状态变量，将车辆在k时刻经更新的状态变量作为车辆在k时刻的定位数据，k为大于1的整数。2.如权利要求1所述的车辆定位方法，其特征在于，采用卡尔曼滤波进行状态变量的预测和更新。3.如权利要求2所述的车辆定位方法，其特征在于，基于所述惯性导航系统的加速度数据和角速度数据及车辆在k-1时刻经更新的状态变量预测车辆在k时刻的状态变量还包括：基于所述惯性导航系统的加速度数据和角速度数据及车辆在k-1时刻经更新的状态变量的协方差矩阵预测车辆在k时刻的状态变量的协方差矩阵。4.如权利要求3所述的车辆定位方法，其特征在于，车辆在k时刻的状态变量根据如下公式预测：其中，Fk为基于单位时间确定的状态转换矩阵，为车辆在k-1时刻经更新的状态变量，为指示加速度的控制变量，Bk为对应于所述控制变量且基于所述单位时间确定的控制矩阵，wk为第一不确定干扰项，所述单位时间为k时刻和k-1时刻之间的时间差。5.如权利要求4所述的车辆定位方法，其特征在于，车辆在k时刻的状态变量的协方差矩阵Pk根据如下公式预测：其中，Fk为基于单位时间确定的状态转换矩阵，为Fk的转置矩阵，Pk-1为车辆在k-1时刻经更新的状态变量的协方差矩阵，Qk为根据加速度方差及单位时间确定的第二不确定干扰项。6.如权利要求3所述的车辆定位方法，其特征在于，根据所预测的车辆在k时刻的状态变量及所确定的车辆在k时刻的观测位置更新车辆在k时刻的状态变量包括：根据所预测的车辆在k时刻的状态变量、在k时刻的状态变量的协方差矩阵及所确定的车辆在k时刻的观测位置更新车辆在k时刻的状态变量及状态变量的协方差矩阵。7.如权利要求6所述的车辆定位方法，其特征在于，车辆在k时刻的状...

【专利技术属性】
技术研发人员：许赟，赵延宁，
申请(专利权)人：江苏满运软件科技有限公司，
类型：发明
国别省市：江苏,32