组合导航方法、装置、设备及存储介质制造方法及图纸

本申请公开了组合导航方法、装置、设备及存储介质，涉及自动驾驶技术。具体实现方案为：通过组合导航的测量数据对根据卡尔曼滤波估计方式所得到的车辆的第一误差状态变量估计值进一步地进行优化处理，然后根据优化处理所得到的第二误差状态变量估计值可以准确地预测出上述车辆的状态变量，从而可以提高上述车辆的定位信息的准确度。

【技术实现步骤摘要】
组合导航方法、装置、设备及存储介质
本申请涉及数据处理，尤其涉及一种自动驾驶技术。
技术介绍
随着自动驾驶车辆技术的发展，对自动驾驶车辆定位的准确度要求越来越高，采用组合导航技术来实现车辆定位是常用的定位方式，组合导航是指综合各种导航设备进行控制的导航系统。现有技术中，对组合导航的数据通常采用卡尔曼滤波估计方式进行处理。但采用卡尔曼滤波估计方式对每次测量数据只进行一次状态估计，得到的误差状态估计量不准确，从而无法准确地预测系统状态量，导致定位信息的准确度不高。
技术实现思路
提供了一种用于提高车辆的定位信息准确度的组合导航方法、装置、设备及存储介质。根据第一方面，提供了一种组合导航方法，包括：根据第一导航系统在第k时刻的第一测量数据和第二导航系统在所述第k时刻的第二测量数据，对第k-1时刻到所述第k时刻的车辆的第一误差状态变量估计值进行优化处理，得到所述第k时刻的所述车辆的第二误差状态变量估计值；其中，所述第一误差状态变量估计值为根据卡尔曼滤波估计方式对所述第一导航系统的历史测量数据进行处理所得到的；所述k为大于1的整数；根据所述第二误差状态变量估计值对所述第k-1时刻到所述第k时刻的所述车辆的第一状态变量估计值进行修正处理，得到所述第k时刻所述车辆的第二状态变量估计值；根据所述第二状态变量估计值确定所述车辆的定位信息。可以看出，与现有技术不同的是，本申请实施例中，通过组合导航的测量数据对根据卡尔曼滤波估计方式所得到的车辆的第一误差状态变量估计值进一步地进行优化处理，然后根据优化处理所得到的第二误差状态变量估计值可以准确地预测出上述车辆的状态变量，从而可以提高上述车辆的定位信息的准确度。根据第二方面，提供了一种组合导航装置，包括：优化模块，用于根据第一导航系统在第k时刻的第一测量数据和第二导航系统在所述第k时刻的第二测量数据，对第k-1时刻到所述第k时刻的车辆的第一误差状态变量估计值进行优化处理，得到所述第k时刻的所述车辆的第二误差状态变量估计值；其中，所述第一误差状态变量估计值为根据卡尔曼滤波估计方式对所述第一导航系统的历史测量数据进行处理所得到的；所述k为大于1的整数；修正模块，用于根据所述第二误差状态变量估计值对所述第k-1时刻到所述第k时刻的所述车辆的第一状态变量估计值进行修正处理，得到所述第k时刻所述车辆的第二状态变量估计值；定位模块，用于根据所述第二状态变量估计值确定所述车辆的定位信息。根据第三方面，提供了一种电子设备，包括：至少一个处理器；以及与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行上述第一方面所述的方法。根据第四方面，提供了一种存储有计算机指令的非瞬时计算机可读存储介质，所述计算机指令用于使所述计算机执行上述第一方面所述的方法。上述申请中的一个实施例具有如下优点或有益效果：通过组合导航的测量数据对根据卡尔曼滤波估计方式所得到的车辆的第一误差状态变量估计值进一步地进行优化处理，然后根据优化处理所得到的第二误差状态变量估计值可以准确地预测出上述车辆的状态变量，从而可以提高上述车辆的定位信息的准确度。应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。附图说明附图用于更好地理解本方案，不构成对本申请的限定。其中：图1为本申请一实施例提供的组合导航方法的流程示意图；图2为本申请另一实施例提供的组合导航方法的流程示意图；图3为本申请另一实施例提供的组合导航方法的流程示意图；图4为本申请实施例提供的组合导航装置的结构示意图；图5是用来实现本申请实施例的组合导航方法的电子设备的框图。具体实施方式以下结合附图对本申请的示范性实施例做出说明，其中包括本申请实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本申请的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。首先，对本申请实施例的应用场景和所涉及的部分词汇进行解释说明。本申请实施例提供的组合导航方法可以应用于车辆定位的应用场景，当然，还可以应用于其它应用场景中。示例性地，本申请实施例中涉及的车辆可以为自动驾驶车辆；当然，本申请实施例中涉及的车辆也可以为非自动驾驶车辆。本申请实施例提供的组合导航方法的执行主体可以为车辆中的电子设备，或者上述电子设备中的组合导航装置。示例性地，上述组合导航装置可以通过软件和/或硬件实现。本申请实施例涉及的上述电子设备可以包括但不限于：车辆中的主控电脑(或者称之为工控机)。本申请实施例中涉及的惯性测量单元(Inertialmeasurementunit，IMU)是用于测量载体三轴姿态角及加速度的装置。通常情况下，IMU可以包括但不限于：三个速率陀螺和三个线加速度计；陀螺仪和加速度计直接固连在载体(例如车辆)上。其中，陀螺仪和加速度计分别用来测量载体的角运动信息和线运动信息，以便于计算机设备根据这些测量数据信息解算出运载体的航向、姿态、速度和位置等信息。本申请实施例中的车辆的导航系统为组合导航系统。其中，组合导航系统通常以惯导系统作为主导航系统，而将其他导航定位误差不随时间积累的导航系统(例如无线电导航、天文导航、地形匹配导航、全球全球定位系统等)作为辅助导航系统，并应用卡尔曼滤波技术将辅助导航系统的辅助信息作为观测量，对组合系统的状态变量进行最优估计，以获得高精度的导航定位信号。本申请实施例中涉及的第一导航系统为上述车辆的主导航系统。示例性地，上述第一导航系统可以包括但不限于：捷联惯导系统(Strap-downInertialNavigationSystem，SINS)。其中，SINS通常将IMU中的加速度计和陀螺仪直接安装在载体(例如车辆)上，在计算机设备中实时计算姿态矩阵(载体坐标系与导航坐标系之间的关系)，以便于把载体坐标系下IMU的测量数据信息转换为导航坐标系下的测量数据信息，然后在导航坐标系下进行导航计算。本申请实施例中涉及的第二导航系统为上述车辆的辅助导航系统。示例性地，上述第二导航系统可以包括但不限于：全球导航卫星系统(GlobalNavigationSatelliteSystem，GNSS)，或者激光雷达导航系统。本申请实施例中涉及的车辆的状态变量可以包括但不限于以下至少一项：车辆的位置、车辆的速度、车辆的姿态四元数、加速度计零偏、陀螺仪零偏。应理解，本申请实施例中涉及的粗体参数均代表向量。示例性地，本申请实施例中涉及的车辆的状态变量可以为满足以下公式(1)：其中，X代表车辆本文档来自技高网...

【技术保护点】
1.一种组合导航方法，其特征在于，包括：/n根据第一导航系统在第k时刻的第一测量数据和第二导航系统在所述第k时刻的第二测量数据，对第k-1时刻到所述第k时刻的车辆的第一误差状态变量估计值进行优化处理，得到所述第k时刻的所述车辆的第二误差状态变量估计值；其中，所述第一误差状态变量估计值为根据卡尔曼滤波估计方式对所述第一导航系统的历史测量数据进行处理所得到的；所述k为大于1的整数；/n根据所述第二误差状态变量估计值对所述第k-1时刻到所述第k时刻的所述车辆的第一状态变量估计值进行修正处理，得到所述第k时刻所述车辆的第二状态变量估计值；/n根据所述第二状态变量估计值确定所述车辆的定位信息。/n

【技术特征摘要】
1.一种组合导航方法，其特征在于，包括：
根据第一导航系统在第k时刻的第一测量数据和第二导航系统在所述第k时刻的第二测量数据，对第k-1时刻到所述第k时刻的车辆的第一误差状态变量估计值进行优化处理，得到所述第k时刻的所述车辆的第二误差状态变量估计值；其中，所述第一误差状态变量估计值为根据卡尔曼滤波估计方式对所述第一导航系统的历史测量数据进行处理所得到的；所述k为大于1的整数；
根据所述第二误差状态变量估计值对所述第k-1时刻到所述第k时刻的所述车辆的第一状态变量估计值进行修正处理，得到所述第k时刻所述车辆的第二状态变量估计值；
根据所述第二状态变量估计值确定所述车辆的定位信息。


2.根据权利要求1所述的方法，其特征在于，所述根据第一导航系统在第k时刻的第一测量数据和第二导航系统在所述第k时刻的第二测量数据，对第k-1时刻到所述第k时刻的车辆的第一误差状态变量估计值进行优化处理，得到所述第k时刻的所述车辆的第二误差状态变量估计值，包括：
根据所述第一测量数据、所述第二测量数据、所述第k-1时刻到第k时刻的所述车辆的误差状态变量的协方差矩阵估计值以及所述第一误差状态变量估计值，生成最优化问题函数；其中，所述协方差矩阵估计值为根据所述卡尔曼滤波估计方式对所述第一导航系统的历史测量数据进行处理所得到的；所述最优化问题函数用于指示使得所述最优化问题函数取最小值时的目标变量值；
求解所述最优化问题函数得到所述目标变量值，并根据所述目标变量值得到所述第二误差状态变量估计值。


3.根据权利要求2所述的方法，其特征在于，所述最优化问题函数满足以下公式：



其中，argmin()代表求最小函数，Zk代表所述第一测量数据与所述第二测量数据之间的测量数据差，Rk代表所述第二测量数据的协方差矩阵，δXk代表所述第二误差状态变量估计值，为所述最优化问题函数的目标变量值，δXk,k-1代表所述第一误差状态变量估计值，Pk,k-1代表所述协方差矩阵估计值，||||2代表2-范数，T代表转置。


4.根据权利要求2或3所述的方法，其特征在于，所述求解所述最优化问题函数得到所述目标变量值，包括：
采用非线性优化方式对所述最优化问题函数进行处理，得到所述目标变量值。


5.根据权利要求2或3所述的方法，其特征在于，所述根据第一导航系统在第k时刻的第一测量数据和第二导航系统在所述第k时刻的第二测量数据，对第k-1时刻到所述第k时刻的车辆的第一误差状态变量估计值进行优化处理，得到所述第k时刻的所述车辆的第二误差状态变量估计值之前，所述方法还包括：
根据所述卡尔曼滤波估计方式对所述第一导航系统的历史测量数据进行预处理，得到所述第一误差状态变量估计值和协方差矩阵估计值。


6.根据权利要求5所述的方法，其特征在于，所述根据所述卡尔曼滤波估计方式对所述第一导航系统的历史测量数据进行预处理，得到所述第一误差状态变量估计值和协方差矩阵估计值，包括：
根据所述第一导航系统的历史测量数据构建惯性导航系统解算方程；
对所述惯性导航系统解算方程进行数据处理，得到卡尔曼滤波时间更新方程；
根据所述卡尔曼滤波时间更新方程，得到所述第一误差状态变量估计值和协方差矩阵估计值。


7.根据权利要求1-3中任一项所述的方法，其特征在于，所述第一导航系统包括：捷联惯...

【专利技术属性】
技术研发人员：杨晓龙，程风，侯深化，宋适宇，
申请(专利权)人：北京百度网讯科技有限公司，
类型：发明
国别省市：北京;11