车辆定位方法、装置、电子设备及存储介质制造方法及图纸

本申请提供一种车辆定位方法、装置、电子设备及存储介质，方法包括：获取激光雷达接收到的第一返回信号；根据第一返回信号，确定车辆在当前定位时刻的实测位置；根据车辆的惯性导航系统，预测车辆在当前定位时刻的预测位置；对实测位置与预测位置进行融合，得到车辆的当前定位信息。本实施例利用实测位置与预测位置对最终定位结果进行误差修正，提高车辆定位精度。位精度。位精度。

【技术实现步骤摘要】
车辆定位方法、装置、电子设备及存储介质


[0001]本申请涉及定位
，具体而言，涉及一种车辆定位方法、装置、电子设备及存储介质。

技术介绍

[0002]随着自动驾驶的兴起，对于驾驶环境的感知要求日趋严格。在车辆自动驾驶过程中，激光雷达犹如车辆的眼睛。机械激光雷达被广泛采用于自动驾驶车辆测试中，但是其设备成本过高和生产率低，难以达到车载激光雷达的低成本化和量产化的要求。
[0003]在相关技术中，将微机电系统MEMS固态激光雷达应用于自动驾驶车辆，使其具有更高的分辨率、安全性以及更低的成本。但是MEMS激光雷达和惯性系统通常以同步定位与建图(Simultaneous Localization And Mapping，SLAM)的方式运行，MEMS固态激光雷达往往零点漂移和测量精准度很差，导致定位精度较差。

技术实现思路

[0004]本申请实施例的目的在于提供一种车辆定位方法、装置、电子设备及存储介质，旨在解决目前车辆定位结果存在定位精度差的问题。
[0005]第一方面，本申请实施例提供了一种车辆定位方法，包括：
[0006]获取激光雷达接收到的第一返回信号；
[0007]根据第一返回信号，确定车辆在当前定位时刻的实测位置；
[0008]根据车辆的惯性导航系统，预测车辆在当前定位时刻的预测位置；
[0009]对实测位置与预测位置进行融合，得到车辆的当前定位信息。
[0010]在本实施例中，通过获取激光雷达接收到的第一返回信号，并根据第一返回信号，确定车辆在当前定位时刻的实测位置，从而将激光雷达与车载雷达进行相互补偿，提高激光雷达的测量结果准确度；再根据车辆的惯性导航系统，预测车辆在当前定位时刻的预测位置，以及对实测位置与预测位置进行融合，得到车辆的当前定位信息，从而利用实测位置与预测位置对最终定位结果进行误差修正，提高车辆定位精度。
[0011]在一实施例中，确定车辆在当前定位时刻的实测位置，包括：
[0012]根据第一返回信号，确定车辆与周围物体的第一距离信息；
[0013]获取车辆在上一定位时刻与周围物体的第二距离信息，以及车辆在上一定位时刻的上一定位信息；
[0014]基于预设的卡尔曼滤波器，根据第一距离信息、第二距离信息和上一定位信息，确定车辆在当前定位时刻的实测位置。
[0015]在本实施例中，通过第一返回信号确定车辆与周围物体的第一距离信息，再结合利用上一定位时刻的第二距离信息和上一定位信息，测出车辆在当前定位时刻的实测位置，提高了定位精度。
[0016]在一实施例中，还包括：
[0017]获取车载雷达接收到的第二返回信号；
[0018]确定车辆在当前定位时刻的实测位置，包括：根据第二返回信号确定车辆在当前定位时刻的实测位置。
[0019]在一实施例中，确定车辆与周围物体的第一距离信息，包括：
[0020]根据第二返回信号，确定车辆与周围物体的第一距离信息。
[0021]本实施例将MEMS激光雷达与车辆自身雷达进行相互补偿，提高激光雷达的测量结果准确度。
[0022]在一实施例中，基于预设的卡尔曼滤波器，根据第一距离信息、第二距离信息和上一定位信息，确定车辆在当前定位时刻的实测位置，包括：
[0023]根据上一定位信息，构建卡尔曼滤波器的观测向量；
[0024]基于第一距离信息和第二距离信息，构建卡尔曼滤波器的状态向量；
[0025]基于状态向量，计算卡尔曼滤波器的卡尔曼增益矩阵；
[0026]基于卡尔曼滤波器的卡尔曼增益矩阵，对观测向量进行滤波，得到实测位置。
[0027]在本实施例中，基于上一定位信息构建观测向量，再利用第一距离信息和第二距离信息构建的状态向量对上一定位信息进行修正，从而得到车辆在当前时刻的实测位置，降低噪声干扰，提高定位准确度。
[0028]在一实施例中，基于状态向量，计算卡尔曼滤波器的卡尔曼增益矩阵，包括：
[0029]根据状态向量，计算卡尔曼滤波器的状态转移矩阵；
[0030]根据状态转移矩阵，更新状态向量的协方差矩阵；
[0031]根据协方差矩阵，计算卡尔曼滤波器的卡尔曼增益矩阵。
[0032]在本实施例中，通过状态向量，最终计算得到卡尔曼滤波器的卡尔曼增益矩阵，从而消除噪声影响，提高数据准确度。
[0033]在一实施例中，根据车辆的惯性导航系统，预测车辆在当前定位时刻的预测位置，包括：
[0034]获取车辆的运动状态信息和上一定位信息；
[0035]对运动状态信息进行捷联解算，得到车辆的姿态信息；
[0036]基于上一定位信息和车辆的姿态信息，预测车辆在当前定位时刻的预测位置。
[0037]在本实施例中，通过对运动状态信息进行捷联解算，得到车辆姿态信息，并结合上一定位信息，实现车辆预测位置的预测。
[0038]在一实施例中，运动状态信息包括位置坐标、三维运动速度和姿态四元数，对运动状态信息进行捷联解算，得到车辆的姿态信息，包括：
[0039]对位置坐标、三维运动速度和姿态四元数进行求导，得到第一求导结果，其中三维运动速度的求导结果为三维运动加速度；
[0040]对第一求导结果中的三维运动加速度进行偏差修正，得到第二求导结果；
[0041]对第二求导结果进行四阶近似运算，得到车辆的姿态信息。
[0042]在一实施例中，对实测位置与预测位置进行融合，得到车辆的当前定位信息，包括：
[0043]基于预设滤波器，确定实测位置的第一权重和预测位置的第二权重；
[0044]根据实测位置、第一权重、预测位置和第二权重，计算车辆的当前定位信息。
[0045]在本实施例中，从而预设滤波器确定权重，并基于权重值计算当前定位信息，以有效降低噪声干扰和提高定位准确度。
[0046]在一实施例中，获取激光雷达接收到的第一返回信号之前，还包括：
[0047]控制激光雷达发射激光信号；激光信号被反射后作为第一返回信号被激光雷达接收。
[0048]在一实施例中，激光雷达采用MEMS激光雷达，MEMS激光雷达包括微振镜，微振镜通过电磁驱动；
[0049]控制激光雷达发射激光信号包括：驱动MEMS激光雷达的微振镜，将激光信号向目标方向进行反射。
[0050]在本实施例中，通过控制MEMS激光雷达以实现第一返回信号的接收。
[0051]第二方面，本申请实施例提供了一种车辆定位装置，包括：
[0052]获取模块，用于获取激光雷达接收到的第一返回信号；
[0053]确定模块，用于根据第一返回信号，确定车辆在当前定位时刻的实测位置；
[0054]预测模块，用于根据车辆的惯性导航系统，预测车辆在当前定位时刻的预测位置；
[0055]融合模块，用于对实测位置与预测位置进行融合，得到车辆的当前定位信息。
[0056]在一实本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种车辆定位方法，其特征在于，包括：获取激光雷达接收到的第一返回信号；根据所述第一返回信号，确定车辆在当前定位时刻的实测位置；根据所述车辆的惯性导航系统，预测所述车辆在当前定位时刻的预测位置；对所述实测位置与所述预测位置进行融合，得到所述车辆的当前定位信息。2.根据权利要求1所述的车辆定位方法，其特征在于，所述确定车辆在当前定位时刻的实测位置，包括：根据所述第一返回信号，确定所述车辆与周围物体的第一距离信息；获取所述车辆在上一定位时刻与所述周围物体的第二距离信息，以及所述车辆在上一定位时刻的上一定位信息；基于预设的卡尔曼滤波器，根据所述第一距离信息、所述第二距离信息和所述上一定位信息，确定车辆在当前定位时刻的实测位置。3.根据权利要求2所述的车辆定位方法，其特征在于，还包括：获取车载雷达接收到的第二返回信号；所述确定车辆在当前定位时刻的实测位置，包括：根据所述第二返回信号确定车辆在当前定位时刻的实测位置。4.根据权利要求3所述的车辆定位方法，其特征在于，所述确定所述车辆与周围物体的第一距离信息包括：根据所述第二返回信号，确定所述车辆与周围物体的第一距离信息。5.根据权利要求2至4任一项所述的车辆定位方法，其特征在于，所述基于预设的卡尔曼滤波器，根据所述第一距离信息、所述第二距离信息和所述上一定位信息，确定车辆在当前定位时刻的实测位置，包括：根据所述上一定位信息，构建所述卡尔曼滤波器的观测向量；基于所述第一距离信息和所述第二距离信息，构建所述卡尔曼滤波器的状态向量；基于所述状态向量，计算所述卡尔曼滤波器的卡尔曼增益矩阵；基于所述卡尔曼滤波器的卡尔曼增益矩阵，对所述观测向量进行滤波，得到所述实测位置。6.根据权利要求5所述的车辆定位方法，其特征在于，所述基于所述状态向量，计算所述卡尔曼滤波器的卡尔曼增益矩阵，包括：根据所述状态向量，计算所述卡尔曼滤波器的状态转移矩阵；根据所述状态转移矩阵，更新所述状态向量的协方差矩阵；根据所述协方差矩阵，计算所述卡尔曼滤波器的卡尔曼增益矩阵。7.根据权利要求1至4任一项所述的车辆定位方法，其特征在于，所述根据所述车辆的惯性导航系统，预测所述车辆在当前定位时刻的预测位置，包括：获取所述车辆的运动状态信息和上一定位信息；对所述运动状态信息进行捷联解算，得到所述车辆的姿态信息；基于所述上一定位信息和所述车辆的姿态信息，预测所述车辆在当前定位时刻的预测位置。8.根据权利要求7所述的车辆定位方法，其特征在于，所述运动状态信息包括位置坐
标、三维运动速度和姿态四元数，所述对所述运动状态信息进行捷联解算，得到所述车辆的姿态信息，包括：对所述位置坐标、所述三维运动速度和所述姿态四元数进行求导，得到第一求导结果，其中所述三维运动速度的求导结果为三维运动加速度；对所述第一求导结果中的三维运动加速度进行偏差修正，得到第二求导结果；对所述第二求导结果进行四阶近似运算，得到车辆的姿态信息。9.根据权利要求1至4任一项所述的车辆定位方法，其特征在于，所述对所述实测位置与所述预测位置进行融合，得到所述车辆的当前定位信息，包括：基于预设滤波器，确定所述实测位置的第一权重和所述预测位置的第二权重；根据所述实测位置、所述第一权重、所述预测位置和所述第二权重，计算所述车辆的当前定位信息。10.根据权利要求1所述的车辆定位方法，其特征在于，所述获取激光雷达接收到的第一返回信号之前，还包括：控制所述激光雷达发射激光信号；所述激光信号被反射后作为所述第一返回信号被所述激光雷达接收。11.根据权利要求10所述的车辆定位方法，其特征在于，所述激光雷达采用MEMS激光雷达，所述MEMS激光雷达包括微振镜，所述微振镜通过电磁驱动；所述控制所述激光雷达发射激光信号包括：驱动所述MEMS激光雷达的微振镜，将所述激光信号向目标方向进行反射。12.一种车辆定位装置，其特征在于，包括：获取模块，用于获取激光雷达接收到的第一返回信号；确定模块，用于根据所述第一返回信号，确定车辆在当前定位时刻的实测位置；预测模块，用于根据所述车辆的惯性导航系统，预测所述车辆在当前定位时刻的预测位置；融合模块，用于对所述实测位置与所述预测位置进行融合，得到所述车辆的当前定位信息。13.根据权利要求12所述的车辆定位装置，其特征...

【专利技术属性】
技术研发人员：吴旭茂，王月，李楠，司徒春辉，
申请(专利权)人：广州导远电子科技有限公司，
类型：发明
国别省市：