【技术实现步骤摘要】
车辆定位方法、装置、设备、存储介质及车辆
本申请涉及数据处理
,具体涉及自动驾驶技术。
技术介绍
在自动驾驶过程中,车辆的定位是上层系统对车辆进行自动驾驶控制的先决条件,车辆定位的准确与否会直接影响到车辆的自动驾驶行为。为了提高自动驾驶定位准确度,目前业内多采用多传感器进行融合定位。在多传感器融合定位技术中,常用的定位传感器包括雷达(Lidar)、全球导航卫星系统(globalnavigationsatellitesystem,GNSS)天线、惯性测量单元(Inertialmeasurementunit,IMU)等,与雷达、GNSS和IMU相对应的定位方法分别为基于地图的点云定位方法、GNSS定位方法、捷联惯性导航(Strapdowninertialnavigationsystem,SINS)。在多传感器融合定位过程中,IMU的更新频率最高,其次是雷达和GNSS。在一段时间内,IMU会不断地根据上一时刻的IMU定位(当前的初始位置)和方位推断当前的定位和方位,然而由于IMU每一次推断都会产生误差,随着时间累计,误差也会累计。因此,在一段时间之后若接收到雷达点云数据,会根据点云定位结果和IMU定位结果进行卡尔曼滤波,以确定位置误差量对IMU的定位结果进行修正,再将修正后的IMU定位结果作为融合定位结果输出。之后若再接收到GNSS定位结果时,也是与点云定位结果同样的处理过程对IMU定位进行修正。在上述过程中,如果GNSS信号解算不准确,就会影响GNSS和IMU的融合定位结果,而GNSS和IMU的融合 ...
【技术保护点】
1.一种车辆定位方法,其特征在于,包括:/n获取所述车辆的惯导信息和GNSS信息;/n基于所述GNSS信息与雷达定位地图之间的目标偏差量,对所述GNSS信息进行校正,所述目标偏差量是基于偏差量的变化量对所述GNSS信息与所述雷达定位地图之间的偏差量进行修正得到,所述偏差量的变化量是基于卡尔曼滤波进行实时估计得到;/n基于校正后的GNSS信息与所述惯导信息,对所述车辆进行定位。/n
【技术特征摘要】
1.一种车辆定位方法,其特征在于,包括:
获取所述车辆的惯导信息和GNSS信息;
基于所述GNSS信息与雷达定位地图之间的目标偏差量,对所述GNSS信息进行校正,所述目标偏差量是基于偏差量的变化量对所述GNSS信息与所述雷达定位地图之间的偏差量进行修正得到,所述偏差量的变化量是基于卡尔曼滤波进行实时估计得到;
基于校正后的GNSS信息与所述惯导信息,对所述车辆进行定位。
2.根据权利要求1所述的方法,其特征在于,所述基于校正后的GNSS信息与所述惯导信息,对所述车辆进行定位,包括:
基于校正后的GNSS信息和所述惯导信息,确定所述惯导信息的误差量;
基于所述惯导信息的误差量,对所述惯导信息进行修正;
基于修正后的所述惯导信息,确定所述车辆的定位信息。
3.根据权利要求2所述的方法,其特征在于,所述惯导信息的误差量,以及所述偏差量的变化量,基于如下方法步骤确定:
基于第K-1次惯导信息的误差量和第K-1次偏差量的变化量,对卡尔曼滤波器的状态方程进行时间更新,得到第K次惯导信息的误差量预测值和第K次偏差量的变化量预测值,其中,K为卡尔曼滤波器的迭代次数;
将所述校正后的GNSS信息与惯导信息的差值,作为第K次观测量;
基于所述第K次惯导信息的误差量预测值、第K次偏差量的变化量预测值和第K次观测量,对卡尔曼滤波器进行量测更新,得到第K次惯导信息的误差量和第K次偏差量的变化量。
4.根据权利要求3所述的方法,其特征在于,所述GNSS信息包括GNSS定位信息;所述惯导信息包括惯导定位信息;
所述将所述校正后的GNSS信息与惯导信息的差值,作为观测量,包括:
将所述GNSS定位信息与所述惯导定位信息的差值,作为所述观测量。
5.根据权利要求3所述的方法,其特征在于,所述基于第K-1次惯导信息的误差量和第K-1次偏差量的变化量,对卡尔曼滤波器的状态方程进行时间更新,得到第K次惯导信息的误差量预测值和第K次偏差量的变化量预测值,包括:
基于所述第K-1次惯导信息的误差量、第K-1次偏差量的变化量和状态转移矩阵,确定所述第K次惯导信息的误差量预测值和所述第K次偏差量的变化量预测值。
6.根据权利要求5所述的方法,其特征在于,所述基于所述第K-1次惯导信息的误差量、第K-1次偏差量的变化量和状态转移矩阵,确定第K次惯导信息的误差量预测值和第K次偏差量的变化量预测值,具体采用如下公式:
式中,δXk-1是卡尔曼滤波器在第K-1次的状态变量估计值;Fk,k-1是状态转移矩阵;是卡尔曼滤波器在第K次的状态变量预测值,包括第K次惯导信息的误差量预测值和第K次偏差量的变化量预测值。
7.根据权利要求3-6任一项所述的方法,其特征在于,所述惯导信息的误差量包括位置误差、速度误差、姿态角误差、陀螺仪零偏误差、加速度计零偏误差;
所述速度误差基于IMU采集的加速度进行积分得到;
所述位置误差基于所述速度误差进行积分得到;
所述姿态角误差基于IMU采集的角速度进行积分得到。
8.根据权利要求7所述的方法,其特征在于,所述位置误差采用如下公式确定:
式中,为位置误差;用于将由速度积分的距离误差分别转换到经度λ、纬度L和高度a上,Rm、Rn分别为地球子午圈半径和卯酉圈半径;v为速度误差。
9.根据权利要求7所述的方法,其特征在于,所述速度误差采用如下公式确定:
式中,为速度误差,为惯导解算的东向速度信息;为姿态矩阵,是载体坐标系到导航坐标系的旋转矩阵;是地球自转角速度在导航坐标系上的投影;为导航坐标系相对于地球坐标系的旋转在导航坐标系上的投影;fb为IMU中加速度计测量的比力;gn为重力加速度在导航坐标系上的投影。
10.根据权利要求7所述的方法,其特征在于,所述姿态角误差采用如下公式确定:
式中,为姿态角误差;为载体坐标系相对于导航坐标系的旋转在载体坐标系上的投影;为IMU中陀螺仪输出的角速度;为姿态矩阵,是导航坐标系到载体坐标系的旋转矩阵;是地球自转角速度在导航坐标系上的投影;为导航坐标系相对于地球坐标系的旋转在导航坐标系上的投影。
11.根据权利要求3-10任一项所述的方法,其特征在于,所述基于所述第K次惯导信息的误差量预测值、第K次偏差量的变化量预测值和第K次观测量,对卡尔曼滤波器进行量测更新,得到第K次惯导信息的误差量和第K次偏差量的变化量,包括:
基于所述第K次惯导信息的误差量预测值、第K次偏差量的变化量预测值、第K次观测量、量测矩阵和滤波增益,确定第K次的惯导信息误差量和第K次偏差量的变化量。
12.根据权利要求11所述的方法,其特征在于,所述基于所述第K次惯导信息的误差量预测值、第K次偏差量的变化量预测值和第K次观测量,对卡尔曼滤波器进行量测更新,得到第K次惯导信息的误差量和第K次偏差量的变化量,具体是采用如下公式:
δXk=δXk,k-1+Kk(ZG-HGδXk,k-1)
式中,δXk为卡尔曼滤波在第K次的状态变量估计值,包括第K次惯导信息的误差量和第K次偏差量的变化量;δXk,k-1为卡尔曼滤波在第K次的状态变量预测值,包括第K次惯导信息的误差量预测值和第K次偏差量的变化量预测值,Kk为滤波增益,Pk-1,k为Xk,k-1的协方差的预测值;HG是GNSS定位信息对应的量测矩阵;为HG的转置矩阵;Rk为观测量的协方差矩阵;ZG是接收到GNSS定位信息时的观测量;Fk,k-1是状态转移矩阵;Pk-1为第K-1次的误差状态变量δXk-1的协方差矩阵;为Fk,k-1的转置矩阵;Gk为噪声驱动矩阵;为Gk的转置矩阵;Qk为系统噪声协方差矩阵。
13.根据权利要求1-12任一项所述的方法,其特征在于,所述获取所述GNSS信息之前,所述...
【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
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。