本申请公开了一种用于自动驾驶的定位置信度预测模型的训练方法、装置，该方法包括：获取惯导RTK信息和对应的高精定位信息，所述惯导RTK信息包括惯导RTK定位信息；根据所述高精定位信息确定所述惯导RTK定位信息的定位误差；根据所述惯导RTK定位信息的定位误差确定所述惯导RTK定位信息的置信度；利用所述惯导RTK信息以及所述惯导RTK定位信息的置信度训练定位置信度预测模型，得到训练后的定位置信度预测模型。本申请实施例的用于自动驾驶的定位置信度预测模型的训练方法将惯导RTK定位信息的定位误差转化为相应的定位置信度，并以此来训练定位置信度预测模型，提高了定位置信度预测的精度，为后续融合定位提供了有力支撑。为后续融合定位提供了有力支撑。为后续融合定位提供了有力支撑。
【技术实现步骤摘要】
用于自动驾驶的定位置信度预测模型的训练方法、装置
[0001]本申请涉及自动驾驶
，尤其涉及一种用于自动驾驶的定位置信度预测模型的训练方法、装置。
技术介绍
[0002]为了实现自动驾驶车辆的高精度定位，往往需要将多个传感器的数据进行融合处理，在进行融合定位时，需要知晓各个传感器的定位信息和对应的置信度，置信度的准确性将直接影响融合定位精度。
[0003]单一的RTK(Real
‑
time kinematic，实时差分)定位状态无法满足自动驾驶的需要，例如在城市复杂道路下，在RTK定位状态为固定解的情况下仍然可能出现定位误差较大的情况。
[0004]现有方案直接根据RTK定位状态等参数进行建模，较为复杂，无法获取准确的定位置信度。
技术实现思路
[0005]本申请实施例提供了一种用于自动驾驶的定位置信度预测模型的训练方法、装置，以提高定位置信度预测的精度。
[0006]本申请实施例采用下述技术方案：
[0007]第一方面，本申请实施例提供一种用于自动驾驶的定位置信度预测模型的训练方法，其中，所述方法包括：
[0008]获取惯导RTK信息和对应的高精定位信息，所述惯导RTK信息包括惯导RTK定位信息；
[0009]根据所述高精定位信息确定所述惯导RTK定位信息的定位误差；
[0010]根据所述惯导RTK定位信息的定位误差确定所述惯导RTK定位信息的置信度；
[0011]利用所述惯导RTK信息以及所述惯导RTK定位信息的置信度训练定位置信度预测模型，得到训练后的定位置信度预测模型。
[0012]可选地，所述获取惯导RTK信息和对应的高精定位信息包括：
[0013]获取所述惯导RTK信息对应的高精度惯导数据和基站数据；
[0014]对所述高精度惯导数据和所述基站数据进行后处理解算，得到所述高精定位信息。
[0015]可选地，所述根据所述惯导RTK定位信息的定位误差确定所述惯导RTK定位信息的置信度包括：
[0016]若所述惯导RTK定位信息的定位误差不大于第一预设误差阈值，则确定所述惯导RTK定位信息的置信度为第一置信度；
[0017]若所述惯导RTK定位信息的定位误差不小于第二预设误差阈值，则确定所述惯导RTK定位信息的置信度为第二置信度；
[0018]若所述惯导RTK定位信息的定位误差大于所述第一预设误差阈值，且小于所述第二预设误差阈值，则确定所述惯导RTK定位信息的置信度为第三置信度；
[0019]其中，所述第一预设误差阈值小于所述第二预设误差阈值，所述第一置信度大于所述第三置信度，所述第三置信度大于所述第二置信度。
[0020]可选地，所述惯导RTK信息还包括惯导RTK信息的绝对时间、RTK定位状态、水平位置精度因子和卫星数量，所述利用所述惯导RTK信息以及所述惯导RTK定位信息的置信度训练定位置信度预测模型，得到训练后的定位置信度预测模型包括：
[0021]基于惯导RTK的上电时间，将所述惯导RTK信息的绝对时间转换为相对连续时间；
[0022]将所述惯导RTK信息的相对连续时间、所述RTK定位状态、所述水平位置精度因子和所述卫星数量作为所述定位置信度预测模型的输入，将所述惯导RTK定位信息的置信度作为监督信号，训练所述定位置信度预测模型，得到训练后的定位置信度预测模型。
[0023]可选地，所述定位置信度预测模型采用LSTM长短期记忆网络。
[0024]第二方面，本申请实施例还提供一种自动驾驶车辆的融合定位方法，其中，所述方法包括：
[0025]获取当前的惯导RTK信息，所述当前的惯导RTK信息包括当前的惯导RTK信息的绝对时间、惯导RTK定位信息、RTK定位状态、水平位置精度因子和卫星数量；
[0026]基于所述当前的惯导RTK信息，利用定位置信度预测模型预测当前的惯导RTK定位信息的置信度；
[0027]基于所述当前的惯导RTK定位信息的置信度进行融合定位，得到自动驾驶车辆的融合定位结果；
[0028]其中，所述定位置信度预测模型基于前述任一所述用于自动驾驶的定位置信度预测模型的训练方法训练得到。
[0029]第三方面，本申请实施例还提供一种用于自动驾驶的定位置信度预测模型的训练装置，其中，所述装置包括：
[0030]第一获取单元，用于获取惯导RTK信息和对应的高精定位信息，所述惯导RTK信息包括惯导RTK定位信息；
[0031]第一确定单元，用于根据所述高精定位信息确定所述惯导RTK定位信息的定位误差；
[0032]第二确定单元，用于根据所述惯导RTK定位信息的定位误差确定所述惯导RTK定位信息的置信度；
[0033]训练单元，用于利用所述惯导RTK信息以及所述惯导RTK定位信息的置信度训练定位置信度预测模型，得到训练后的定位置信度预测模型。
[0034]第四方面，本申请实施例还提供一种自动驾驶车辆的融合定位装置，其中，所述装置包括：
[0035]第二获取单元，用于获取当前的惯导RTK信息，所述当前的惯导RTK信息包括当前的惯导RTK信息的绝对时间、惯导RTK定位信息、RTK定位状态、水平位置精度因子和卫星数量；
[0036]预测单元，用于基于所述当前的惯导RTK信息，利用定位置信度预测模型预测当前的惯导RTK定位信息的置信度；
[0037]融合定位单元，用于基于所述当前的惯导RTK定位信息的置信度进行融合定位，得到自动驾驶车辆的融合定位结果；
[0038]其中，所述定位置信度预测模型基于前述所述用于自动驾驶的定位置信度预测模型的训练装置训练得到。
[0039]第五方面，本申请实施例还提供一种电子设备，包括：
[0040]处理器；以及
[0041]被安排成存储计算机可执行指令的存储器，所述可执行指令在被执行时使所述处理器执行前述之任一所述用于自动驾驶的定位置信度预测模型的训练方法，或者用于执行前述所述自动驾驶车辆的融合定位方法。
[0042]第六方面，本申请实施例还提供一种计算机可读存储介质，所述计算机可读存储介质存储一个或多个程序，所述一个或多个程序当被包括多个应用程序的电子设备执行时，使得所述电子设备执行前述之任一所述用于自动驾驶的定位置信度预测模型的训练方法，或者用于执行前述所述自动驾驶车辆的融合定位方法。
[0043]本申请实施例采用的上述至少一个技术方案能够达到以下有益效果：本申请实施例的用于自动驾驶的定位置信度预测模型的训练方法，先获取惯导RTK信息和对应的高精定位信息，惯导RTK信息包括惯导RTK定位信息；然后根据高精定位信息确定惯导RTK定位信息的定位误差；之后根据惯导RTK定位信息的定位误差确定惯导RTK定位信息的置信度；最后利用惯导RTK信息以及惯导RTK定位信息的置信度训练定位置信度预测模型，得到训练后的定位置信度预测模型。本申请实施例的用于自动驾驶的定位置信度本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种用于自动驾驶的定位置信度预测模型的训练方法，其中，所述方法包括：获取惯导RTK信息和对应的高精定位信息，所述惯导RTK信息包括惯导RTK定位信息；根据所述高精定位信息确定所述惯导RTK定位信息的定位误差；根据所述惯导RTK定位信息的定位误差确定所述惯导RTK定位信息的置信度；利用所述惯导RTK信息以及所述惯导RTK定位信息的置信度训练定位置信度预测模型，得到训练后的定位置信度预测模型。2.如权利要求1所述方法，其中，所述获取惯导RTK信息和对应的高精定位信息包括：获取所述惯导RTK信息对应的高精度惯导数据和基站数据；对所述高精度惯导数据和所述基站数据进行后处理解算，得到所述高精定位信息。3.如权利要求1所述方法，其中，所述根据所述惯导RTK定位信息的定位误差确定所述惯导RTK定位信息的置信度包括：若所述惯导RTK定位信息的定位误差不大于第一预设误差阈值，则确定所述惯导RTK定位信息的置信度为第一置信度；若所述惯导RTK定位信息的定位误差不小于第二预设误差阈值，则确定所述惯导RTK定位信息的置信度为第二置信度；若所述惯导RTK定位信息的定位误差大于所述第一预设误差阈值，且小于所述第二预设误差阈值，则确定所述惯导RTK定位信息的置信度为第三置信度；其中，所述第一预设误差阈值小于所述第二预设误差阈值，所述第一置信度大于所述第三置信度，所述第三置信度大于所述第二置信度。4.如权利要求1所述方法，其中，所述惯导RTK信息还包括惯导RTK信息的绝对时间、RTK定位状态、水平位置精度因子和卫星数量，所述利用所述惯导RTK信息以及所述惯导RTK定位信息的置信度训练定位置信度预测模型，得到训练后的定位置信度预测模型包括：基于惯导RTK的上电时间，将所述惯导RTK信息的绝对时间转换为相对连续时间；将所述惯导RTK信息的相对连续时间、所述RTK定位状态、所述水平位置精度因子和所述卫星数量作为所述定位置信度预测模型的输入，将所述惯导RTK定位信息的置信度作为监督信号，训练所述定位置信度预测模型，得到训练后的定位置信度预测模型。5.如权利要求1～4之任一所述方法，其中，所述定位置信度预测模型采用LSTM长短期记忆网络。6.一种自动驾驶车辆的融合定位方法，其中，所述方法包括：获取当前的惯导RTK信息，所述当前的惯导...
【专利技术属性】
技术研发人员：费再慧，李岩，张海强，
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：
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。