一种行驶设备的定位方法、装置、设备及存储介质制造方法及图纸

本申请实施例公开了一种行驶设备的定位方法、装置、设备及存储介质。所述方法包括：根据行驶设备的状态数据和初始滤波器参数，确定预测状态空间向量和预测误差协方差矩阵；根据预测状态空间向量的一般状态空间向量，对先验地图数据和点云数据进行迭代匹配，并确定第一位姿信息和观测噪声矩阵；根据轮速计采集的脉冲数据，确定第二位姿信息和测量速度信息，并确定轮速计估计误差；根据第一位姿信息、第二位姿信息、测量速度信息、观测噪声矩阵、轮速计估计误差和预测误差协方差矩阵，确定当前状态空间向量和当前误差协方差矩阵，输出当前状态空间向量，并重置误差状态空间向量和当前误差协方差矩阵。本申请能够为行驶设备提供稳定准确的定位信息。

【技术实现步骤摘要】
一种行驶设备的定位方法、装置、设备及存储介质
本专利技术实施例涉及计算机
，尤其涉及一种行驶设备的定位方法、装置、设备及存储介质。
技术介绍
随着人工智能技术的发展，智能化的行驶设备(如智能机器人、自动行驶车辆等)在生产和生活中的使用越来越广泛。在行驶设备运行的过程中，对其进行实时定位是监管行驶设备的关键环节。目前，现有技术在对行驶设备进行定位时，通常是在环境地图已知的情况下，采用行驶设备上安装的单一传感器采集数据进行行驶设备的定位，存在定位结果准确性低的问题，亟需改进。
技术实现思路
本申请实施例提供了一种行驶设备的定位方法、装置、设备及存储介质，能够使行驶设备实现精确的自主定位。第一方面，本申请实施例提供了一种行驶设备的定位方法，该方法包括：根据组合惯导采集的行驶设备的状态数据和初始滤波器参数，确定所述行驶设备的预测状态空间向量和预测误差协方差矩阵；其中，所述预测状态空间向量包括一般状态空间向量和误差状态空间向量；根据所述预测状态空间向量的一般状态空间向量，对先验地图数据和激光雷达采集的点云数据进行迭代匹配，并根据迭代匹配结果，确定所述行驶设备的第一位姿信息和观测噪声矩阵；根据轮速计采集的脉冲数据，确定所述行驶设备的第二位姿信息和测量速度信息，并确定轮速计估计误差；根据所述第一位姿信息、所述第二位姿信息、所述测量速度信息、所述观测噪声矩阵、所述轮速计估计误差和所述预测误差协方差矩阵，确定所述行驶设备的当前状态空间向量和当前误差协方差矩阵，输出所述当前状态空间向量，并重置所述当前状态空间向量的误差状态空间向量和所述当前误差协方差矩阵。第二方面，本申请实施例提供了一种行驶设备的定位装置，该装置包括：预测模块，用于根据组合惯导采集的行驶设备的状态数据和初始滤波器参数，确定所述行驶设备的预测状态空间向量和预测误差协方差矩阵；其中，所述预测状态空间向量包括一般状态空间向量和误差状态空间向量；匹配模块，用于根据所述预测状态空间向量的一般状态空间向量，对先验地图数据和激光雷达采集的点云数据进行迭代匹配，并根据迭代匹配结果，确定所述行驶设备的第一位姿信息和观测噪声矩阵；第一确定模块，用于根据轮速计采集的脉冲数据，确定所述行驶设备的第二位姿信息和测量速度信息，并确定轮速计估计误差；第二确定模块，用于根据所述第一位姿信息、所述第二位姿信息、所述测量速度信息、所述观测噪声矩阵、所述轮速计估计误差和所述预测误差协方差矩阵，确定所述行驶设备的当前状态空间向量和当前误差协方差矩阵，输出所述当前状态空间向量，并重置所述当前状态空间向量的误差状态空间向量和所述当前误差协方差矩阵。第三方面，本申请实施例提供了一种电子设备，该电子设备包括：一个或多个处理器；存储装置，用于存储一个或多个程序；当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现本申请任意实施例所述的行驶设备的定位方法。第四方面，本申请实施例提供了一种非易失性可读存储介质，所述非易失性可读存储介质存储有计算机可执行指令，其中，该计算机可执行指令用于实现本申请任意实施例所述的行驶设备的定位方法。本申请实施例提供了一种行驶设备的定位方法、装置、设备及存储介质，根据组合惯导采集的行驶设备的状态数据和初始滤波器参数，确定行驶设备的预测状态空间向量和预测误差协方差矩阵；根据预测状态空间向量的一般状态空间向量，对先验地图数据和激光雷达采集的点云数据进行迭代匹配，并根据迭代匹配结果，确定行驶设备的第一位姿信息和观测噪声矩阵；根据轮速计采集的脉冲数据，确定行驶设备的第二位姿信息和测量速度信息，并确定轮速计估计误差；根据第一位姿信息、第二位姿信息、测量速度信息、观测噪声矩阵、轮速计估计误差和预测误差协方差矩阵，确定行驶设备的当前状态空间向量和当前误差协方差矩阵，输出当前状态空间向量，并重置当前状态空间向量的误差状态空间向量和当前误差协方差矩阵。执行本申请方案，能够为行驶设备提供稳定准确的定位信息。应当理解，本部分所描述的内容并非旨在标识本申请的实施例的关键或重要特征，也不用于限制本申请的范围。本申请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1A为本申请实施例一提供的一种行驶设备的定位方法的第一流程示意图；图1B为本申请实施例一提供的行驶设备的运动模型示意图；图2为本申请实施例二提供的一种行驶设备的定位方法的第二流程示意图；图3A为本申请实施例三提供的一种行驶设备的定位方法的第三流程示意图；图3B为本申请实施例三提供的一种行驶设备的定位方法的局部地图更新示意图；图3C为本申请实施例二提供的一种行驶设备的定位方法的原理示意图；图4为本申请实施例四提供的一种行驶设备的定位装置的结构示意图；图5是用来实现本申请实施例的一种行驶设备的定位方法的电子设备的框图。具体实施方式为使本申请实施例的目的、技术方案和优点更加清楚，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，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，都属于本申请保护的范围。实施例一图1A为本申请实施例一提供的一种行驶设备的定位方法的第一流程示意图；图1B为本申请实施例一提供的行驶设备的运动模型示意图。本实施例可适用于行驶设备运行过程中，对其进行实时定位的情况。本实施例提供的一种行驶设备的定位方法可以由本申请实施例提供的行驶设备的定位装置来执行，该装置可以通过软件和/或硬件的方式实现，并集成在执行本方法的电子设备中。在本实施例中，该电子设备可以是服务器设备，还可以是行驶设备，若为行驶设备时，可以是智能机器人、无人驾驶车辆等。参见图1A，本实施例的方法包括但不限于如下步骤：S110、根据组合惯导采集的行驶设备的状态数据和初始滤波器参数，确定行驶设备的预测状态空间向量和预测误差协方差矩阵。其中，组合惯导(InertialMeasurementUnit，IMU)又称惯性测量单元，其至少包括加速度计和陀螺仪。状态数据包括加速度信息和角速度信息，其中，加速度信息是通过加速度计采集的，角速度信息是通过陀螺仪采集的。本申请实施例的滤波器可以是卡尔曼滤波器，可选的，卡尔曼滤波器可以是传统的卡尔曼滤波器，也可以是误差状态卡尔曼滤波器。优选的，卡尔曼滤波器采用误差状态卡尔曼滤波器，误差状态卡尔曼滤波器能够有效避免卡尔曼滤波中参数冗余及协方差矩阵存在奇异性的缺点。初始滤波器参数是指为卡尔曼滤波器设置的初始参数，包括初始定位信息(即行驶设备的初始位姿信息)、初始误差协方差矩阵、加速度计的白噪声方差、陀螺仪的白噪声方差、速度随机游走方差和角度随机游走方差。在本申请实施本文档来自技高网...

【技术保护点】
1.一种行驶设备的定位方法，其特征在于，所述方法包括:/n根据组合惯导采集的行驶设备的状态数据和初始滤波器参数，确定所述行驶设备的预测状态空间向量和预测误差协方差矩阵；其中，所述预测状态空间向量包括一般状态空间向量和误差状态空间向量；/n根据所述预测状态空间向量的一般状态空间向量，对先验地图数据和激光雷达采集的点云数据进行迭代匹配，并根据迭代匹配结果，确定所述行驶设备的第一位姿信息和观测噪声矩阵；/n根据轮速计采集的脉冲数据，确定所述行驶设备的第二位姿信息和测量速度信息，并确定轮速计估计误差；/n根据所述第一位姿信息、所述第二位姿信息、所述测量速度信息、所述观测噪声矩阵、所述轮速计估计误差和所述预测误差协方差矩阵，确定所述行驶设备的当前状态空间向量和当前误差协方差矩阵，输出所述当前状态空间向量，并重置所述当前状态空间向量的误差状态空间向量和所述当前误差协方差矩阵。/n

【技术特征摘要】
1.一种行驶设备的定位方法，其特征在于，所述方法包括:
根据组合惯导采集的行驶设备的状态数据和初始滤波器参数，确定所述行驶设备的预测状态空间向量和预测误差协方差矩阵；其中，所述预测状态空间向量包括一般状态空间向量和误差状态空间向量；
根据所述预测状态空间向量的一般状态空间向量，对先验地图数据和激光雷达采集的点云数据进行迭代匹配，并根据迭代匹配结果，确定所述行驶设备的第一位姿信息和观测噪声矩阵；
根据轮速计采集的脉冲数据，确定所述行驶设备的第二位姿信息和测量速度信息，并确定轮速计估计误差；
根据所述第一位姿信息、所述第二位姿信息、所述测量速度信息、所述观测噪声矩阵、所述轮速计估计误差和所述预测误差协方差矩阵，确定所述行驶设备的当前状态空间向量和当前误差协方差矩阵，输出所述当前状态空间向量，并重置所述当前状态空间向量的误差状态空间向量和所述当前误差协方差矩阵。


2.根据权利要求1所述的方法，其特征在于，所述根据所述预测状态空间向量的一般状态空间向量，对先验地图数据和激光雷达采集的点云数据进行迭代匹配，包括：
将所述预测状态空间向量的一般状态空间向量中的位姿信息从惯导坐标系转换到雷达坐标系，并将转换到所述雷达坐标系下的预测状态空间向量的一般状态空间向量中的位姿信息作为初始位姿矩阵；
基于正态分布变换算法和所述初始位姿矩阵，对先验地图数据和激光雷达采集的点云数据进行预设次数的迭代匹配，得到每次迭代匹配对应的匹配分数，以及所述匹配分数关联的目标位姿矩阵。


3.根据权利要求2所述的方法，其特征在于，所述根据迭代匹配结果，确定所述行驶设备的第一位姿信息和观测噪声矩阵，包括：
将所述迭代匹配结果中的最高匹配分数关联的目标位姿矩阵作为所述行驶设备的第一位姿信息；
根据所述迭代匹配结果中的最高匹配分数，确定匹配置信度；
根据所述匹配置信度和旋转矩阵，确定所述观测噪声矩阵。


4.根据权利要求1所述的方法，其特征在于，所述根据轮速计采集的脉冲数据，确定所述行驶设备的第二位姿信息和测量速度信息，并确定轮速计估计误差，包括：
根据轮速计采集的脉冲数据，确定所述行驶设备当前时刻相对于上一时刻的位置增量和当前时刻的轮速信息；
根据所述当前时刻的轮速信息，确定所述行驶设备当前时刻相对于上一时刻的角度增量；
基于所述行驶设备的运动模型，根据所述行驶设备在上一时刻的位姿信息、所述位置增量以及所述角度增量，确定所述行驶设备在当前时刻的第二位姿信息；
根据所述当前时刻的轮速信息和所述角度增量，确定所述行驶设备在当前时刻的测量速度信息；
根据所述行驶设备的上一时刻的观测噪声矩阵和预设噪声值，确定所述轮速计估计误差。


5.根据权利要求1所述的方法，其特征在于，所述根据所述第一位姿信息、所述第二位姿信息、所述测量速度信息、所述观测噪声矩阵、所述轮速计估计误差和所述预测误差协方差矩阵，确定所述行驶设备的当前状态空间向量和当前误差协方差矩阵，包括：
对所述第一位姿信息、所述第二位姿信息、所述测量速度信息、所述观测噪声矩阵以及所述轮速计估计误差进行预处理，得到观测信息和观测误差；
根据所述观测信息、所述观测误差以及所述预测误差协方差矩阵，确定所述行驶设备的当前状态空间向量；
根据所述观测误差和所述预测误差协方差矩阵，确定所述当前误差协方差矩阵。


6.根据权利要求5所述的方法，其特征在于，所述对所述第一位姿信息、所述第二位姿信息、所述测量速度信息、所述观测噪声矩阵以及所述轮速计估计误差进行预处理，得到观测信息和观测误差，包括：
若所述观测噪声矩阵大于或等于第一预设阈值，则将所述第二位姿信息和所述测量速度信息作为所述观测信息，将所述轮速计估计误差作为所述观测误差；

【专利技术属性】
技术研发人员：胡小波，王义友，
申请(专利权)人：深圳市镭神智能系统有限公司，
类型：发明
国别省市：广东;44