车辆定位状态的估计方法、装置、电子设备及存储介质制造方法及图纸

本申请涉及一种车辆定位状态估计方法、装置、电子设备及存储介质，其中，方法包括：在定位系统为非线性模型时，建立非线性系统的状态方程和量测方程，以计算k时刻的状态误差协方差预测值和互相关误差协方差；基于预设统计线性模型，利用状态误差协方差预测值和互相关误差协方差，构建伪量测方程；确定混合Agnesi准则核函数，并结合预设不动点迭代条件、伪量测方程进行不动点迭代，得到k时刻的最优状态误差协方差和状态估计值，以对目标车辆定位状态进行分析。由此，解决了现有的组合定位技术未考虑系统与量测信息同时存在非高噪声的情况，无法同时抑制过程非高斯噪声与量测非高斯噪声干扰，定位的精准度和稳定性较低等问题。定位的精准度和稳定性较低等问题。定位的精准度和稳定性较低等问题。

【技术实现步骤摘要】
车辆定位状态的估计方法、装置、电子设备及存储介质


[0001]本申请涉及车辆定位
，特别涉及一种车辆定位状态的估计方法
、
装置
、
电子设备及存储介质
。

技术介绍

[0002]精确
、
稳健的定位对于车辆和智能运输系统应用非常重要，目前许多针对城市环境的车辆定位技术使用各种传感器，如雷达
、
激光雷达
、
超声波
、
高清地图
、
惯性传感器和摄像等，其中惯性导航系统
(INS
，
Inertial Navigation System)
与卫星导航系统
(GNSS
，
Global Navigation Satellite System)
的组合导航系统
(INS/GNSS)
是当前应用最为广泛
、
最具研究前景的车辆定位方法
。
[0003]然而，在实际车辆定位系统应用中存在系统不确定性，主要体现在不精确的系统数学模型和未知的噪声干扰两个方面；由于外部应用环境复杂多变，通常存在着诸多不确定因素导致无法精确的建立系统数学模型
。
当系统设备出现老化或者其他外界干扰时，系统噪声和量测噪声存在非高斯噪声干扰，导致算法的估计精度下降甚至发散
。
因此深入研究非线性状态估计算法抑制非高斯噪声干扰的能力是提高算法估计精度的重要途径之一
。
[0004]而在实际的工程应用中，传统的
INS/GNSS
组合导航系统在
GNSS
中断时的性能可能较差，并且在多变的城市环境中对测量噪声的鲁棒性较差，在定位信息的精度受到数据噪声的影响时，无法满足自动驾驶的高精度定位需求
。GNSS
输出的数据被作为该组合导航系统的量测信息，但卫星信号在发送
、
传播和接收的过程中都会受到非高斯噪声干扰；此外，由于车辆载体的突然机动或
GNSS
接收机设备异常工作，可能会导致
GNSS
数据存在带有大异常值的非高斯噪声
。
[0005]当前在车载组合定位状态估计方法，如扩展卡尔曼
(EKF
，
Extended Kalman Filter)
，无迹卡尔曼滤波
(UKF
，
Unscented Kalman Filter)
和容积卡尔曼
(CKF
，
Cubature Kalman Filter)
均是基于高斯噪声背景假设所提出的，在非高斯噪声背景下，上述滤波器的估计性能将会受到极大的冲击，甚至出现滤波发散
、
导航精度下降的情况
。
[0006]为了提高状态估计算法在非高斯噪声环境下的鲁棒性能，近年来国内外学者在最优估计的基础上提出了一系列改进的鲁棒状态估计算法，其中基于最大相关熵准则
(MCC
，
Maximum Correntropy Criterion)
鲁棒状态估计算法因其对非高斯噪声出色的抑制能力成为当前的研究热点，然而这些在处理含有大异常值非高斯噪声和过程非高斯噪声与量测非高斯噪声同时存在的复杂噪声环境中表现出了局限性
。
[0007]综上可知，非高斯噪声作为车辆组合定位过程中不可避免的问题，而现有的组合定位方法大都针对量测非高斯噪声问题提出解决方案，并未考虑系统与量测信息同时存在非高噪声的情况，无法同时抑制过程非高斯噪声与量测非高斯噪声干扰，定位的准确度和稳定性较低，亟待解决
。

技术实现思路

[0008]本申请提供一种车辆定位状态的估计方法
、
装置
、
电子设备及存储介质，以解决现有的组合定位技术未考虑系统与量测信息同时存在非高噪声的情况，无法同时抑制过程非高斯噪声与量测非高斯噪声干扰，定位的精准度和稳定性较低等问题
。
[0009]本申请第一方面实施例提供一种车辆定位状态的估计方法，包括以下步骤：检测构建的组合导航系统的定位系统模型的类型，并在检测到所述类型为非线性模型类型的情况下，建立所述组合导航系统的状态方程和量测方程；根据所述状态方程和所述量测方程分别计算
k
时刻所述非线性模型的状态误差协方差和互相关误差协方差，并利用所述状态误差协方差和所述互相关误差协方差，构建所述非线性模型的伪量测方程，其中，
k
为正整数；确定混合
Agnesi
准则核函数，通过预设不动点迭代条件
、
所述伪量测方程及所述混合
Agnesi
准则核函数进行不动点迭代操作，得到所述
k
时刻非线性模型的卡尔曼增益；根据所述卡尔曼增益计算所述非线性模型的最优状态误差协方差和最优状态估计值，使得所述组合导航系统根据所述最优状态误差协方差和所述最优状态估计值估测目标车辆的定位状态
。
[0010]可选地，在本申请的一个实施例中，还包括：在检测到所述类型为线性模型类型的情况下，建立所述组合导航系统的线性状态方程和线性量测方程；基于所述线性状态方程和所述线性量测方程进行不动点迭代操作，得到所述线性模型的最优状态误差协方差和最优状态估计值；根据所述线性模型的最优状态误差协方差和最优状态估计值，估测所述目标车辆的定位状态
。
[0011]可选地，在本申请的一个实施例中，所述根据所述状态方程和所述量测方程分别计算
k
时刻所述非线性模型的状态误差协方差和互相关误差协方差，包括：计算
k
‑1时刻的第一容积点，并通过所述状态方程传播所述第一容积点，得到第一更新容积点；基于所述第一更新容积点，计算所述
k
时刻非线性模型的状态估计值和状态误差协方差；计算所述
k
‑1时刻的第二容积点，并通过所述量测方程传播所述第二容积点，得到第二更新容积点；基于所述第二更新容积点，计算所述
k
时刻非线性模型的互相关误差协方差
。
[0012]可选地，在本申请的一个实施例中，所述通过预设不动点迭代条件
、
所述伪量测方程及所述混合
Agnesi
准则核函数进行不动点迭代操作，得到所述
k
时刻非线性模型的卡尔曼增益，包括：确定所述预设不动点迭代条件的初值，并基于所述初值，计算所述
k
时刻第
i
次不动点迭代下非线性模型的卡尔曼增益，其中，
i
为正整数
。
[0013]可选地，在本申请的一个实施例中，所述根据所述卡尔曼增益计算所述非线性模型的最优状态误差协方差和最优状态估计值，包括：基于所述卡尔曼增益，计算所述
k
时刻第
i...

【技术保护点】

【技术特征摘要】
1.
一种车辆定位状态的估计方法，其特征在于，包括以下步骤：检测构建的组合导航系统的定位系统模型的类型，并在检测到所述类型为非线性模型类型的情况下，建立所述组合导航系统的状态方程和量测方程；根据所述状态方程和所述量测方程分别计算
k
时刻所述非线性模型的状态误差协方差和互相关误差协方差，并利用所述状态误差协方差和所述互相关误差协方差，构建所述非线性模型的伪量测方程，其中，
k
为正整数；确定混合
Agnesi
准则核函数，通过预设不动点迭代条件
、
所述伪量测方程及所述混合
Agnesi
准则核函数进行不动点迭代操作，得到所述
k
时刻非线性模型的卡尔曼增益；根据所述卡尔曼增益计算所述非线性模型的最优状态误差协方差和最优状态估计值，使得所述组合导航系统根据所述最优状态误差协方差和所述最优状态估计值估测目标车辆的定位状态
。2.
根据权利要求1所述的方法，其特征在于，还包括：在检测到所述类型为线性模型类型的情况下，建立所述组合导航系统的线性状态方程和线性量测方程；基于所述线性状态方程和所述线性量测方程进行不动点迭代操作，得到所述线性模型的最优状态误差协方差和最优状态估计值；根据所述线性模型的最优状态误差协方差和最优状态估计值，估测所述目标车辆的定位状态
。3.
根据权利要求1所述的方法，其特征在于，所述根据所述状态方程和所述量测方程分别计算
k
时刻所述非线性模型的状态误差协方差和互相关误差协方差，包括：计算
k
‑1时刻的第一容积点，并通过所述状态方程传播所述第一容积点，得到第一更新容积点；基于所述第一更新容积点，计算所述
k
时刻非线性模型的状态估计值和状态误差协方差；计算所述
k
‑1时刻的第二容积点，并通过所述量测方程传播所述第二容积点，得到第二更新容积点；基于所述第二更新容积点，计算所述
k
时刻非线性模型的互相关误差协方差
。4.
根据权利要求3所述的方法，其特征在于，所述通过预设不动点迭代条件
、
所述伪量测方程及所述混合
Agnesi
准则核函数进行不动点迭代操作，得到所述
k
时刻非线性模型的卡尔曼增益，包括：确定所述预设不动点迭代条件的初值，并基于所述初值，计算所述
k
时刻第
i
次不动点迭代下非线性模型的卡尔曼增益，其中，
i
为正整数
。5.
根据权利要求4所述的方法，其特征在于，所述根据所述卡尔曼增益计算所述非线性模型的最优状态误差协方差和最优状态估计值，包括：基于所述卡尔曼增益，计算所述
k
时刻第
i
次不动点迭代下非线性模型的状态估计值和状态误差协方差；基于所述不动点迭代条件，判断不动点迭代是否结束，其中，若结束，则将所述不动点迭代结束时的所述状态估计值和所述状态误差协方差，作为所述非线性模型的最优状态误差协方差和最优状态估计值
。
6.
一种车辆定位状态的估计装置，其特征在于，包括：检测模块，用于检测构建的组合导航系统的定位系统模型的类型，并在检测到所述类型为非线性...

【专利技术属性】
技术研发人员：孟庆文，王建强，王广玮，张海伦，
申请(专利权)人：清华大学，
类型：发明
国别省市：