车辆定位方法、装置、系统及存储介质制造方法及图纸

本发明专利技术公开了一种车辆定位方法、装置、系统及存储介质，一种车辆定位方法，包括：获取设置于车辆中的RTK设备采集的车辆定位信息；获取设置于车辆中的IMU采集的车辆的惯性测量信息；将车辆定位信息和惯性测量信息进行数据融合处理，得到优化后的车辆定位信息。本发明专利技术实施例公开的车辆定位方法、装置、系统及存储介质，可以提高对于车辆的定位精度，为自动驾驶提供精确地车辆定位信息。

【技术实现步骤摘要】
车辆定位方法、装置、系统及存储介质
本专利技术实施例涉及自动驾驶技术，尤其涉及一种车辆定位方法、装置、系统及存储介质。
技术介绍
随着人类文明的发展、科技的进步以及人类生活质量水平的提高，汽车也越来越成为人类生活中必不可少的工具。自动驾驶是新一轮汽车科技革命的下的新兴技术，代表着未来汽车技术的趋势，是汽车产业转型升级的关键。自动驾驶技术也开始逐渐成为热点，而车辆定位技术是自动驾驶最核心的技术之一。目前的自动驾驶技术依靠激光及毫米波雷达、计算机视觉、全球定位系统等技术，自动捕获车辆四周的环境信息，并给与一定的程序使之对获取到的环境信息进行决策和路径规划，以此达到一个完全不需要人类操作的自动驾驶。差分实时动态(Real-timeKinematic，RTK)是目前使用最广泛的高精度定位方法，在理想试验情况下定位精度可以达到2cm。但在实际车辆行驶过程中会存在信号遮挡、干扰、无法锁定等情况，此时定位结果可能会出现较大偏差。因此，为了保证车辆自动驾驶的安全性，如何提高车辆定位精度，是目前亟待解决的问题。
技术实现思路
本专利技术提供一种车辆定位方法、装置、系统及存储介质，可以提高对于车辆的定位精度，为自动驾驶提供精确地车辆定位信息。第一方面，本专利技术实施例提供一种车辆定位方法，包括：获取设置于车辆中的RTK设备采集的车辆定位信息；获取设置于车辆中的IMU采集的车辆的惯性测量信息；将车辆定位信息和惯性测量信息进行数据融合处理，得到优化后的车辆定位信息。在第一方面一种可能的实现方式中，获取设置于车辆中的IMU采集的车辆的惯性测量信息之后，还包括：基于RLS算法对惯性测量信息进行滤波处理，得到滤波后的惯性测量信息；将车辆定位信息和惯性测量信息进行数据融合处理，得到优化后的车辆定位信息，包括：将车辆定位信息和滤波后的惯性测量信息进行数据融合处理，得到优化后的车辆定位信息。在第一方面一种可能的实现方式中，基于RLS算法对惯性测量信息进行滤波处理，得到滤波后的惯性测量信息，包括：采用粒子群算法对RLS算法进行优化；基于优化后的RLS算法对惯性测量信息进行滤波处理，得到滤波后的惯性测量信息。在第一方面一种可能的实现方式中，采用粒子群算法对RLS算法进行优化，包括：对粒子的位置和速度随机初始化；计算每个粒子的适应值，将每个粒子的适应值作为历史最优值并将粒子的当前位置作为历史最好位置，同时，将所有粒子中的最好适应度作为粒子群的全局最优解；更新所有粒子的位置和速度；重新计算每个粒子的适应值，并将重新计算的每个粒子的适应值与历史最优值进行比较，如果重新计算的每个粒子的适应值超过粒子的历史最优值，则将粒子的当前位置更新为历史最优位置；将每个粒子的历史最优值与粒子群的历史最优值进行比较，如果粒子的历史最优值超过群体的历史最优值，则将粒子的当前位置更新为该粒子的历史最优位置，并将所有粒子中的最好适应度作为粒子群当前的全局最优解；若满足优化结束条件则输出结果，得到全局最优值，否则重新更新所有粒子的位置和速度。在第一方面一种可能的实现方式中，将车辆定位信息和惯性测量信息进行数据融合处理，得到优化后的车辆定位信息，包括：采用卡尔曼算法将车辆定位信息和惯性测量信息进行数据融合处理，得到优化后的车辆定位信息。在第一方面一种可能的实现方式中，将车辆定位信息和惯性测量信息进行数据融合处理，得到优化后的车辆定位信息，包括：对数据融合的误差纠正方程进行学习，得到学习结果；若RTK设备的信号强度低于预设阈值，则将学习结果和惯性测量信息进行数据融合处理，得到优化后的车辆定位信息。在第一方面一种可能的实现方式中，获取设置于车辆中的RTK设备采集的车辆定位信息，包括：获取设置于车辆中的RTK设备接收的差分定位数据；根据差分定位数据确定车辆定位信息。第二方面，本专利技术实施例提供一种车辆定位装置，包括：RTK信息获取模块，用于获取设置于车辆中的RTK设备采集的车辆定位信息；惯性测量信息获取模块，用于获取设置于车辆中的IMU采集的车辆的惯性测量信息；数据融合模块，用于将车辆定位信息和惯性测量信息进行数据融合处理，得到优化后的车辆定位信息。第三方面，本专利技术实施例提供一种智能驾驶控制系统，包括：一个或多个处理器；存储器，用于存储一个或多个程序；RTK设备；IMU；当一个或多个程序被一个或多个处理器执行，使得一个或多个处理器实现如第一方面任一种实现方式的车辆定位方法。第四方面，本专利技术实施例提供一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如第一方面任一种实现方式的车辆定位方法。本专利技术实施例提供的车辆定位方法、装置、系统及存储介质，在获取设置于车辆中的RTK设备采集的车辆定位信息和获取设置于车辆中的IMU采集的车辆的惯性测量信息之后，将车辆定位信息和惯性测量信息进行数据融合处理，得到优化后的车辆定位信息，使得车辆定位信息出现较大误差时，能够采用惯性测量信息对车辆定位信息进行优化，从而提高了对车辆进行定位的精度，为自动驾驶提供精确地车辆定位信息。附图说明图1为本专利技术实施例提供的车辆定位方法的流程图；图2为粒子群优化处理的流程示意图；图3为本专利技术实施例提供的车辆定位方法的信息处理示意图；图4为本专利技术实施例提供的车辆定位装置的结构示意图；图5为本专利技术提供的车辆定位系统的结构示意图；图6为本专利技术实施例提供的车辆定位系统安装于车辆中的示意图。具体实施方式下面结合附图和实施例对本专利技术作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释本专利技术，而非对本专利技术的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本专利技术相关的部分而非全部结构。图1为本专利技术实施例提供的车辆定位方法的流程图，如图1所示，本实施例提供的车辆定位方法包括：步骤S101，获取设置于车辆中的RTK设备采集的车辆定位信息。本实施例提供的车辆定位方法应用于任一种车辆中，其中车辆上需要设置RTK设备和惯性测量单元(InertialMeasurementUnit，IMU)。其中，RTK设备和IMU均设置于车辆中。RTK设备用于采集车辆的定位信息。RTK是基于载波相位观测值的实时动态定位技术，它能够实时地提供测站点在指定坐标系中的三维定位结果。RTK设备包括两个RTK天线，可以将两个RTK天线设置于车辆的顶部，且两个RTK天线间隔预设距离，例如间隔超过1米。RTK设备能够输出车辆的定位信息，车辆的定位信息例如是三维坐标数据。通过设置于车辆中的RTK设备可以获取车辆的定位信息。RTK设备接收的数据可以为差分定位数据，根据差分定位数据确定车辆定位信息。例如，在车辆中设置两个智能实时差分仪本文档来自技高网...

【技术保护点】
1.一种车辆定位方法，其特征在于，包括：/n获取设置于车辆中的实时动态RTK设备采集的车辆定位信息；/n获取设置于车辆中的惯性测量单元IMU采集的车辆的惯性测量信息；/n将所述车辆定位信息和所述惯性测量信息进行数据融合处理，得到优化后的车辆定位信息。/n

【技术特征摘要】
1.一种车辆定位方法，其特征在于，包括：
获取设置于车辆中的实时动态RTK设备采集的车辆定位信息；
获取设置于车辆中的惯性测量单元IMU采集的车辆的惯性测量信息；
将所述车辆定位信息和所述惯性测量信息进行数据融合处理，得到优化后的车辆定位信息。


2.根据权利要求1所述的方法，其特征在于，所述获取设置于车辆中的IMU采集的车辆的惯性测量信息之后，还包括：
基于递归最小二乘RLS算法对所述惯性测量信息进行滤波处理，得到滤波后的惯性测量信息；
所述将所述车辆定位信息和所述惯性测量信息进行数据融合处理，得到优化后的车辆定位信息，包括：
将所述车辆定位信息和所述滤波后的惯性测量信息进行数据融合处理，得到优化后的车辆定位信息。


3.根据权利要求2所述的方法，其特征在于，所述基于RLS算法对所述惯性测量信息进行滤波处理，得到滤波后的惯性测量信息，包括：
采用粒子群算法对所述RLS算法进行优化；
基于优化后的RLS算法对所述惯性测量信息进行滤波处理，得到滤波后的惯性测量信息。


4.根据权利要求3所述的方法，其特征在于，所述采用粒子群算法对所述RLS算法进行优化，包括：
对粒子的位置和速度随机初始化；
计算每个粒子的适应值，将每个粒子的适应值作为历史最优值并将粒子的当前位置作为历史最好位置，同时，将所有粒子中的最好适应度作为粒子群的全局最优解；
更新所有粒子的位置和速度；
重新计算每个粒子的适应值，并将重新计算的每个粒子的适应值与历史最优值进行比较，如果重新计算的每个粒子的适应值超过粒子的历史最优值，则将粒子的当前位置更新为历史最优位置；
将每个粒子的历史最优值与粒子群的历史最优值进行比较，如果粒子的历史最优值超过群体的历史最优值，则将粒子的当前位置更新为该粒子的历史最优位置，并将所有粒子中的最好适应度作为粒子群当前的全局最优解；
若满足优化结束条件则输出结果，得...

【专利技术属性】
技术研发人员：邓恒，
申请(专利权)人：上海康莫巴智能科技有限公司，
类型：发明
国别省市：上海;31