基于多传感器的车辆定位方法、装置、设备及介质制造方法及图纸

本发明专利技术公开了一种基于多传感器的车辆定位方法、装置、设备及可读存储介质，其中方法包括：首先获取预设周期内自动驾驶车辆中所有传感器的采集数据，生成传感器数据集合；然后对所述传感器数据集合进行数据特征提取，再将同类别的特征数据进行数据融合，得到最优传感器数据集合；最后采用改进UKF算法根据所述最优传感器数据集合进行定位计算，得到所述自动驾驶车辆的定位数据。相比于现有技术只考虑车身CAN信息进行定位，本发明专利技术通过对全车传感器的采集数据进行统筹分类，通过对整车多个传感器数据的采集和分类融合，结合改进的UKF算法实现自动驾驶车辆的精准定位，满足考虑多传感器融合定位的需求的同时，大大提高车辆定位的精准度和可靠性。准度和可靠性。准度和可靠性。

【技术实现步骤摘要】
基于多传感器的车辆定位方法、装置、设备及介质


[0001]本专利技术涉及自动驾驶
，尤其是涉及一种基于多传感器的车辆定位方法、装置、设备及可读存储介质。

技术介绍

[0002]自动驾驶汽车又称无人驾驶汽车、电脑驾驶汽车或轮式移动机器人，是一种通过电脑系统实现无人驾驶的智能汽车，汽车自动驾驶技术通常采用车身上设置的各类传感器来了解周围的交通状况，并通过一个详尽的地图对前方的道路进行导航。
[0003]在自动驾驶领域中，精确的定位是非常重要的一环。但是，在对现有技术的研究与实践的过程中，本专利技术的专利技术人发现，目前在现有技术中，对自动驾驶中的车辆进行定位时是通过车身CAN总线获取自车的车速、横向和纵向线加速度等进行计算，实现自车定位。现有技术只考虑车身CAN信息进行定位，容易导致定位精度低的问题，甚至影响后续的车辆自动驾驶的安全。

技术实现思路

[0004]本专利技术实施例所要解决的技术问题在于，提供一种基于多传感器的车辆定位方法、装置、设备及可读存储介质，能够通过对全车传感器的采集数据进行统筹分类，通过对整车多个本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于多传感器的车辆定位方法，其特征在于，至少包括如下步骤：获取预设周期内自动驾驶车辆中所有传感器的采集数据，生成传感器数据集合；对所述传感器数据集合先后进行数据特征提取以及数据融合，得到最优传感器数据集合；采用预设UKF算法根据所述最优传感器数据集合进行定位计算，得到所述自动驾驶车辆的定位数据。2.根据权利要求1所述的基于多传感器的车辆定位方法，其特征在于，所述预设UKF算法，包括：根据初始参数各个传感器的采集计算权重；根据K
‑
1时刻的状态向量和状态协方差矩阵计算sigma点值；预测K时刻的状态向量和状态协方差矩阵；计算状态预测的sigma点；计算量测创新协方差矩阵、状态和量测协方差矩阵；根据K时刻的量测值计算卡尔曼滤波的增益、状态向量的滤波值和状态协方差矩阵，计算自适应过程噪声协方差矩阵和自适应测量噪声协方差矩阵；对计算结果进行修正估计。3.根据权利要求1所述的基于多传感器的车辆定位方法，其特征在于，所述传感器包括相机视觉传感器、毫米波雷达传感器、激光雷达传感器、超声波雷达传感器、IMU/GPS传感器以及V2X车联网设备。4.根据权利要求1所述的基于多传感器的车辆定位方法，其特征在于，所述对所述传感器数据集合先后进行数据特征提取以及数据融合，得到最优传感器数据集合，包括：根据各传感器的类型以及各类型对应的特征提取算法，分别对各采集数据进行特征提取，获得每个采集数据对应的一类或多类特征数据；其中，所述特征数据的类别包括用户输入类、车道信息类、交通标志类、目标对象类和位置类；将同类别的特征数据进行数据融合，获得每个类别对应的融合数据，生成得到最优传感器数据集合。5.根据权利要求4所述的基于多传感器的车辆定位方法，其特征在于，所述分别对各采集数据进行特征提取，获得每个采集数据对应的一类或多类特征数据，具体为：当所述采集数据为相机视觉传感器采集数据时，对所述相机视觉传感器采集数据进行图像特征提取，分别获得车道信息类、交通标志类和目标对象类各自对应的特征数据；当所述采集数据为毫米波雷达传感器采集数据、激光雷达传感器采集数据或超声波雷达传感器采集数据时，对采集数据进行目标特征提取，获得目标对象类对应...

【专利技术属性】
技术研发人员：张希言，管越，胡孟琦，
申请(专利权)人：国汽智控北京科技有限公司，
类型：发明
国别省市：