【技术实现步骤摘要】
基于神经网络模型的车辆轨迹推算方法及装置
本申请涉及导航
，尤其涉及一种基于神经网络模型的车辆轨迹推算方法及装置。
技术介绍
卫星定位模块例如GPS（GlobalPositioningSystem，全球定位系统）卫星定位模块具有性能好、精度高、应用广的特点。在某些场景下，例如桥下，涵洞，隧道，密集楼宇之间等定位信号不好的位置，初始位置和尾点位置之间的轨迹可能缺失。相关技术中，可以利用惯性测量单元IMU（Inertialmeasurementunit）来实现IMU轨迹推算。其中，IMU轨迹推算中，可以采用某一点作为起点，将该起点的起点位置信息和初始速度信息作为初始参数结合IMU实时采集的加速度和角速度进行轨迹推算，然而，IMU中的采集加速度的加速度计和采集角速度的陀螺仪受各种因素影响，使用一段时间后，其性能会发生变化，使得测量得到的数据会有所偏差，从而达不到预期的定位需求，继而无法得到准确的移动轨迹。
技术实现思路
为解决或部分解决相关技术中存在的问题，本申请提供一种基于神经网络模型的车辆轨迹...
【技术保护点】
1.一种基于神经网络模型的车辆轨迹推算方法，其特征在于，包括：/n依据同一时间段的惯性测量单元的测量数据序列、定位模块的位置数据序列，求解车辆位置推算方程，获得车辆位置推算方程的参数；/n将获得的所述车辆位置推算方程的参数代入所述车辆位置推算方程，获得所述车辆位置推算公式，依据车辆位置推算公式和航向角推算公式，基于神经网络模型建立待训练的车辆轨迹推算模型；/n向所述待训练的车辆轨迹推算模型输入所述惯性测量单元的测量数据序列，以使所述待训练的车辆轨迹推算模型依据所述惯性测量单元的测量数据序列输出车辆的推算轨迹；/n使所述车辆的推算轨迹向所述定位模块的轨迹收敛，获得训练好的车辆...
【技术特征摘要】
1.一种基于神经网络模型的车辆轨迹推算方法，其特征在于，包括：
依据同一时间段的惯性测量单元的测量数据序列、定位模块的位置数据序列，求解车辆位置推算方程，获得车辆位置推算方程的参数；
将获得的所述车辆位置推算方程的参数代入所述车辆位置推算方程，获得所述车辆位置推算公式，依据车辆位置推算公式和航向角推算公式，基于神经网络模型建立待训练的车辆轨迹推算模型；
向所述待训练的车辆轨迹推算模型输入所述惯性测量单元的测量数据序列，以使所述待训练的车辆轨迹推算模型依据所述惯性测量单元的测量数据序列输出车辆的推算轨迹；
使所述车辆的推算轨迹向所述定位模块的轨迹收敛，获得训练好的车辆轨迹推算模型；
向所述训练好的车辆轨迹推算模型输入惯性测量单元的测量数据序列，以使所述训练好的车辆轨迹推算模型输出车辆的移动轨迹。
2.根据权利要求1所述的方法，其特征在于，所述依据同一时间段的惯性测量单元的测量数据序列、定位模块的位置数据序列，求解车辆位置推算方程，获得车辆位置推算方程的参数，包括：
依据所述定位模块的位置数据序列，获得同一时间段每个时刻的位置、速度；
依据所述惯性测量单元的测量数据序列，获得所述同一时间段每个时刻的加速度；
依据同一时间段多个相邻时刻的位置、速度、加速度和相邻时刻的时间差，求解车辆位置推算方程，获得车辆位置推算方程的参数。
3.根据权利要求1所述的方法，其特征在于，所述使所述车辆的推算轨迹向所述定位模块的轨迹收敛，获得训练好的车辆轨迹推算模型，包括：
依据所述定位模块的位置数据序列，获得所述定位模块的轨迹；
使所述车辆的推算轨迹与所述定位模块的轨迹的误差和最小，动态调整车辆位置推算公式的参数，获得训练好的车辆轨迹推算模型。
4.根据权利要求1所述的方法，其特征在于，所述车辆位置推算方程为：
P=P0+k1*v0*t+k1*a0*t2+k2*v0*t2+k2*a0*t3+b
式中，P为后一时刻的位置，P0为前一时刻的位置，v0为前一时刻的速度，a0为前一时刻的加速度，t为前后时刻的时间差，k1、k2、b为车辆位置推算方程的参数；依据所述定位模块的位置数据序列获得后一时刻的位置P、前一时刻的位置P0和前一时刻的速度v0依据，依据所述惯性测量单元的测量数据序列获得加速度a0。
5.一种基于神经网络模型的车辆轨迹推算装置，其特征在于，包括：
参数获取模块，用于依据同一时间段的惯性测量单元的测量数据序列、定位模块的位置数据序列，求解车辆位置推算方程...
【专利技术属性】
技术研发人员：费再慧，贾双成，朱磊，李成军，潘冰，
申请(专利权)人：智道网联科技北京有限公司，
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。