本公开涉及一种位姿估计方法、装置、设备及介质，该方法包括：获取车辆在T时刻和T+1时刻之间的轮速计观测数据；根据预设轮速计模型和车辆运动学模型，获取轮速计观测数据表征的车辆名义状态的时间导数；对轮速计观测数据表征的车辆名义状态的时间导数进行数值积分，基于积分结果获取车辆在T时刻和T+1时刻之间的名义位姿增量；根据误差传播算法、轮速计模型、车辆运动学模型以及车辆名义状态的时间导数，得到T时刻和T+1时刻之间对应的轮速计误差置信度；根据指定传感器在T时刻观测数据和T+1时刻观测数据、轮速计观测数据对应的名义位姿增量以及轮速计误差置信度，对车辆在T时刻和T+1时刻的真实位姿进行估计。上述方式普适性较强，便于广泛应用。便于广泛应用。便于广泛应用。
【技术实现步骤摘要】
位姿估计方法、装置、设备及介质
[0001]本公开涉及信息处理
，尤其涉及一种位姿估计方法、装置、设备及介质。
技术介绍
[0002]在无人驾驶场景中，若要实现无人车等车辆的高精度定位及导航，除了借助地图信息，还需要能够对无人车的位姿进行精确估计。
[0003]现有的位姿估计方案中大多需要无人车配置高品质IMU(Inertial Measurement Unit，惯性测量单元)，但是高品质IMU的造价昂贵，所需成本高昂，难以普及适用于诸如低端车型等车辆，普适性较差，难以广泛应用。
技术实现思路
[0004]为了解决上述技术问题或者至少部分地解决上述技术问题，本公开提供了一种位姿估计方法、装置、设备及介质。
[0005]第一方面，本公开实施例提供了一种位姿估计方法，所述方法包括：获取车辆在T时刻和T+1时刻之间的轮速计观测数据；其中，所述T时刻和所述T+1时刻为指定传感器在进行数据观测时的两个相邻时刻，且所述指定传感器为所述车辆上设置的用于观测车辆位姿的传感器；根据预设的轮速计模型和车辆运动学模型，获取所述轮速计观测数据表征的车辆名义状态的时间导数；对所述轮速计观测数据表征的车辆名义状态的时间导数进行数值积分，基于积分结果获取所述车辆在所述T时刻和所述T+1时刻之间的名义位姿增量；所述名义位姿增量为基于所述轮速计观测数据得到的车辆位姿增量；根据误差传播算法、所述轮速计模型、所述车辆运动学模型以及所述车辆名义状态的时间导数，得到所述T时刻和所述T+1时刻之间对应的轮速计误差置信度；其中，所述轮速计误差置信度是所述T时刻和所述T+1时刻之间真实位姿增量与所述名义位姿增量的误差的置信度；根据所述指定传感器在所述T时刻的观测数据和所述T+1时刻的观测数据、所述轮速计观测数据对应的名义位姿增量以及所述轮速计误差置信度，对所述车辆在所述T时刻和所述T+1时刻的真实位姿进行估计。
[0006]第二方面，本公开实施例还提供了一种位姿估计装置，包括：轮速计数据获取模块，用于获取车辆在T时刻和T+1时刻之间的轮速计观测数据；其中，所述T时刻和所述T+1时刻为指定传感器在观测数据时的两个相邻时刻，且所述指定传感器为所述车辆上设置的用于观测车辆位姿的传感器；状态获取模块，用于根据预设的轮速计模型和车辆运动学模型，获取所述轮速计观测数据表征的车辆名义状态的时间导数；积分模块，用于对所述轮速计观测数据表征的车辆名义状态的时间导数进行数值积分，基于积分结果获取车辆在所述T时刻和所述T+1时刻之间的名义位姿增量；所述名义位姿增量为基于所述轮速计观测数据得到的车辆位姿增量；置信度获取模块，用于根据误差传播算法、所述轮速计模型、所述车辆运动学模型以及所述车辆名义状态的时间导数，得到所述T时刻和所述T+1时刻之间对应的轮速计误差置信度；其中，所述轮速计误差置信度是所述T时刻和所述T+1时刻之间真实
位姿增量与所述名义位姿增量的误差的置信度；位姿估计模块，用于根据所述指定传感器在所述T时刻的观测数据和所述T+1时刻的观测数据、所述轮速计观测数据对应的名义位姿增量以及所述轮速计误差置信度，对所述车辆在所述T时刻和所述T+1时刻的真实位姿进行估计。
[0007]第三方面，本公开实施例还提供了一种电子设备，所述电子设备包括：处理器；用于存储所述处理器可执行指令的存储器；所述处理器，用于从所述存储器中读取所述可执行指令，并执行所述指令以实现如本公开实施例提供的位姿估计方法。
[0008]第四方面，本公开实施例还提供了一种计算机可读存储介质，所述存储介质存储有计算机程序，所述计算机程序用于执行如本公开实施例提供的位姿估计方法。
[0009]本公开实施例提供的上述技术方案，能够根据车辆在T时刻和T+1时刻之间的轮速计观测数据、轮速计模型和车辆运动学模型确定轮速计观测数据表征的车辆名义状态的时间导数，并进一步通过对轮速计观测数据表征的车辆名义状态的时间导数进行数值积分以得到车辆在T时刻和T+1时刻之间的名义位姿增量，以及根据误差传播算法、轮速计模型、车辆运动学模型以及车辆名义状态的时间导数，得到轮速计误差置信度，最后根据指定传感器在T时刻的观测数据和T+1时刻的观测数据、轮速计观测数据对应的名义位姿增量以及轮速计误差置信度，对车辆在T时刻和T+1时刻的真实位姿进行估计，上述方式无需高品质IMU传感器，仅采用轮速计和其他传感器的观测数据便可进行位姿估计，普适性较强，便于广泛应用。
[0010]应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
附图说明
[0011]此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本公开的实施例，并与说明书一起用于解释本公开的原理。
[0012]为了更清楚地说明本公开实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，对于本领域普通技术人员而言，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
[0013]图1为本公开实施例提供的一种位姿估计方法的流程示意图；
[0014]图2为本公开实施例提供的一种位姿估计装置的结构示意图；
[0015]图3为本公开实施例提供的一种电子设备的结构示意图。
具体实施方式
[0016]为了能够更清楚地理解本公开的上述目的、特征和优点，下面将对本公开的方案进行进一步描述。需要说明的是，在不冲突的情况下，本公开的实施例及实施例中的特征可以相互组合。
[0017]在下面的描述中阐述了很多具体细节以便于充分理解本公开，但本公开还可以采用其他不同于在此描述的方式来实施；显然，说明书中的实施例只是本公开的一部分实施例，而不是全部的实施例。
[0018]建图与定位技术是自动驾驶领域的核心技术之一，对于无人驾驶场景而言，通常
首先需要对环境进行建图，然后在建好的地图中实现定位功能。但是提前建立好的地图会随着环境变化和时间推移而可能过时，逐渐无法为车辆定位提供足够的信息，因此若要实现高精度定位，除了借助地图的信息，还需要鲁棒的里程计，也即需要基于车辆上的传感器对车辆位姿进行估计，位姿估计的精度会直接影响车辆定位。
[0019]目前的位姿估计方案中大多需要采用高精度的IMU观测数据与诸如激光雷达/视觉传感器等车辆上配置的其它传感器的观测数据进行紧耦合(融合处理)，但是这种方案对IMU精度要求较高，需要无人车配置高品质的IMU，但高品质的IMU非常昂贵，因此无人驾驶的大多低端车型难以采用上述紧耦合方案。相比之下，车辆的轮速计数据(诸如轮速、方向盘转角等)非常容易获取，因此专利技术人研究了将轮速计观测数据和其它传感器的观测数据进行位姿估计的方案，该方案也可称为基于轮速计的多传感器融合的紧耦合方案，为便于理解，以下进行详细阐述说明。
[0020]图1为本公开实施例提供的一种位姿估计方法的流程示意图，该方法可以由位姿本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种位姿估计方法，其特征在于，包括：获取车辆在T时刻和T+1时刻之间的轮速计观测数据；其中，所述T时刻和所述T+1时刻为指定传感器在进行数据观测时的两个相邻时刻，且所述指定传感器为所述车辆上设置的用于观测车辆位姿的传感器；根据预设的轮速计模型和车辆运动学模型，获取所述轮速计观测数据表征的车辆名义状态的时间导数；对所述轮速计观测数据表征的车辆名义状态的时间导数进行数值积分，基于积分结果获取所述车辆在所述T时刻和所述T+1时刻之间的名义位姿增量；所述名义位姿增量为基于所述轮速计观测数据得到的车辆位姿增量；根据误差传播算法、所述轮速计模型、所述车辆运动学模型以及所述车辆名义状态的时间导数，得到所述T时刻和所述T+1时刻之间对应的轮速计误差置信度；其中，所述轮速计误差置信度是所述T时刻和所述T+1时刻之间真实位姿增量与所述名义位姿增量的误差的置信度；根据所述指定传感器在所述T时刻的观测数据和所述T+1时刻的观测数据、所述轮速计观测数据对应的名义位姿增量以及所述轮速计误差置信度，对所述车辆在所述T时刻和所述T+1时刻的真实位姿进行估计。2.根据权利要求1所述的方法，其特征在于，所述轮速计误差置信度通过所述T时刻和所述T+1时刻之间真实位姿增量与所述名义位姿增量之间的误差的协方差表征。3.根据权利要求1所述的方法，其特征在于，根据误差传播算法、所述轮速计模型、所述车辆运动学模型以及所述车辆名义状态的时间导数，得到所述T时刻和所述T+1时刻之间对应的轮速计误差置信度的步骤，包括：基于所述轮速计模型和所述车辆运动学模型获取车辆真实状态的时间导数；根据误差传播算法，采用所述车辆真实状态的时间导数结合所述车辆名义状态的时间导数，确定所述T时刻和所述T+1时刻之间真实位姿增量与所述名义位姿增量的误差的时间导数；对所述误差的时间导数进行数值积分，获得所述误差的转移方程；基于所述误差的转移方程递推得到所述T时刻和所述T+1时刻之间真实位姿增量与所述名义位姿增量之间的误差的协方差，并采用误差的协方差表征T时刻和T+1时刻之间真实位姿增量与名义位姿增量之间对应的轮速计误差置信度。4.根据权利要求2所述的方法，其特征在于，在所述误差的协方差不满秩的情况下，所述误差基于指定的三维数据表示，且所述指定的三维数据包括六自由度模型中的T时刻车辆坐标系对应的X轴方向位移、Y轴位移以及偏航角。5.根据权利要求2所述的方法，其特征在于，在所述误差的协方差不满秩的情况下，所述误差基于六自由度模型表征，且所述六自由度模型中添加有垂直于车辆瞬时平面方向的速度噪声、翻滚角的角速度噪声和俯仰角的角速度噪声。6.根据权利要求1所述的方法，其特征在于，根据所述指定传感器在所述T时刻的观测数据和所述T+1时刻的观测数据，所述轮速计观测数据对应的名义位姿增量以及所述轮速计误差置信度，对所述车辆在所述T时刻和所述T+1时刻的真实位姿进行估计的步骤，包括：根据所述指定传感器在所述T时刻的观测数据和所述T+1时刻的观测数据，获取所述车
辆在所述T时刻的第一...
【专利技术属性】
技术研发人员：王亚慧，
申请(专利权)人：驭势科技北京有限公司，
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。