车辆的融合定位方法、装置及电子设备、存储介质制造方法及图纸

本申请公开了一种车辆的融合定位方法、装置及电子设备、存储介质，该方法包括：获取车辆的传感器数据，具体包括当前时刻的观测数据和前一时刻的预测数据；利用车辆的传感器对应的预设滑动窗口确定当前时刻的异常数据阈值区间，预设滑动窗口中存储有预设时间长度的阈值数据；根据传感器数据及当前时刻的异常数据阈值区间，确定当前时刻的观测数据是否异常；若正常，则根据当前时刻的观测数据进行融合定位，得到车辆的融合定位结果。本申请基于不同传感器对应的预设滑动窗口来确定当前场景下该传感器的异常数据阈值区间，通过在定位过程中不断更新预设滑动窗口中的阈值数据，实现了不同场景下不同传感器的阈值的动态计算，提高了融合定位效果。了融合定位效果。了融合定位效果。

Vehicle fusion positioning method, device, electronic equipment and storage medium

【技术实现步骤摘要】
车辆的融合定位方法、装置及电子设备、存储介质


[0001]本申请涉及自动驾驶
，尤其涉及一种车辆的融合定位方法、装置及电子设备、存储介质。

技术介绍

[0002]融合定位是自动驾驶领域最重要的定位技术。在自动驾驶领域中通常采用多种传感器对车辆进行定位，例如，GPS(Global Positioning System，全球定位系统)、里程计、激光雷达以及相机等，每种模态的传感器都有其优点和缺点，并且只能在适当的环境中发挥积极的作用，因此最常用的方法就是对不同模态的传感器取长补短，对它们的观测数据或者计算结果进行融合，从而得到更加鲁棒的车辆定位结果。
[0003]基于不同模态的传感器进行融合定位仍然是一项具有挑战性的研究，其中最重要的挑战之一是如何处理传感器的异常值的问题，例如，某个传感器产生的错误的信息，如何避免在融合定位的过程中影响其他传感器的观测结果。
[0004]现有的解决方案通常是根据经验值对不同模态的传感器的测量结果设定一个固定的阈值，舍弃超出阈值的测量值，从而保证融合定位算法的稳定性。对于小规模场景来讲，场景较为固定，可以通过上述固定阈值的方式滤除大部分异常值。但是对于城市级等大规模场景，不同区域的场景变化明显，阈值太大容易引入测量误差，可能舍弃了有效的测量值，因此通过固定阈值的方式对异常值进行滤除，将导致融合定位效果较差。

技术实现思路

[0005]本申请实施例提供了一种车辆的融合定位方法、装置及电子设备、存储介质，以实现不同场景下不同传感器的异常数据阈值的动态计算，提高融合定位精度。
[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车辆的融合定位方法，其中，所述方法包括：
[0008]获取车辆的传感器数据，所述传感器数据包括当前时刻的观测数据和前一时刻的预测数据；
[0009]利用所述车辆的传感器对应的预设滑动窗口确定当前时刻的异常数据阈值区间，所述预设滑动窗口中存储有预设时间长度的阈值数据；
[0010]根据所述传感器数据以及所述当前时刻的异常数据阈值区间，确定所述当前时刻的观测数据是否异常；
[0011]在所述当前时刻的观测数据正常的情况下，根据所述当前时刻的观测数据进行融合定位，得到所述车辆的融合定位结果。
[0012]可选地，所述当前时刻的观测数据包括当前时刻的观测位置，所述前一时刻的预测数据包括前一时刻的位姿数据，所述获取车辆的传感器数据包括：
[0013]获取所述前一时刻的位姿数据以及当前时刻的传感器测量值；
[0014]根据所述前一时刻的位姿数据以及当前时刻的传感器测量值，确定当前时刻的位
姿数据，所述当前时刻的位姿数据包括所述当前时刻的观测位置。
[0015]可选地，所述预设时间长度的阈值数据包括多个观测位置与对应的预测位置之间的相对距离，所述利用所述车辆的传感器对应的预设滑动窗口确定当前时刻的异常数据阈值区间包括：
[0016]根据各个观测位置与对应的预测位置之间的相对距离，确定所述相对距离的平均值；
[0017]根据所述各个观测位置与对应的预测位置之间的相对距离以及所述相对距离的平均值，确定所述相对距离的方差；
[0018]根据所述相对距离的平均值与所述相对距离的方差的差值，确定所述异常数据阈值区间的下限；
[0019]根据所述相对距离的平均值与所述相对距离的方差的和，确定所述异常数据阈值区间的上限。
[0020]可选地，所述预设滑动窗口包括缓冲区，所述利用所述车辆的传感器对应的预设滑动窗口确定当前时刻的异常数据阈值区间包括：
[0021]将所述预设滑动窗口中存储的多帧阈值数据进行排序；
[0022]根据排序结果确定位于所述缓冲区的阈值数据和非缓冲区的阈值数据；
[0023]根据所述非缓冲区的阈值数据，确定所述当前时刻的异常数据阈值区间。
[0024]可选地，所述当前时刻的观测数据包括当前时刻的观测位置，所述前一时刻的预测数据包括前一时刻的预测位置，所述根据所述传感器数据以及所述当前时刻的异常数据阈值区间，确定所述当前时刻的观测数据是否异常包括：
[0025]确定所述当前时刻的观测位置与所述前一时刻的预测位置的相对距离；
[0026]若所述当前时刻的观测位置与所述前一时刻的预测位置的相对距离位于所述异常数据阈值区间内，则确定所述当前时刻的观测位置正常；
[0027]否则，确定所述当前时刻的观测位置异常。
[0028]可选地，在获取车辆的传感器数据之后，所述方法还包括：
[0029]将所述当前时刻的观测位置与所述前一时刻的预测位置的相对距离作为一帧阈值数据，存储到所述预设滑动窗口中。
[0030]可选地，所述将所述当前时刻的观测位置与所述前一时刻的预测位置的相对距离作为一帧阈值数据，存储到所述预设滑动窗口中包括：
[0031]确定所述预设滑动窗口中存储的阈值数据的帧数是否达到所述预设滑动窗口对应的帧数阈值；
[0032]若是，则将所述预设滑动窗口中存储的最早的一帧阈值数据删除，并将所述当前时刻的观测位置与所述前一时刻的预测位置的相对距离作为最新的一帧阈值数据，存储到所述预设滑动窗口中。
[0033]第二方面，本申请实施例还提供一种车辆的融合定位装置，其中，所述装置包括：
[0034]获取单元，用于获取车辆的传感器数据，所述传感器数据包括当前时刻的观测数据和前一时刻的预测数据；
[0035]第一确定单元，用于利用所述车辆的传感器对应的预设滑动窗口确定当前时刻的异常数据阈值区间，所述预设滑动窗口中存储有预设时间长度的阈值数据；
[0036]第二确定单元，用于根据所述传感器数据以及所述当前时刻的异常数据阈值区间，确定所述当前时刻的观测数据是否异常；
[0037]融合定位单元，用于在所述当前时刻的观测数据正常的情况下，根据所述当前时刻的观测数据进行融合定位，得到所述车辆的融合定位结果。
[0038]第三方面，本申请实施例还提供一种电子设备，包括：
[0039]处理器；以及
[0040]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方法。
[0041]第四方面，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方法。
[0042]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：本申请实施例的车辆的融合定位方法，先获取车辆的传感器数据，传感器数据包括当前时刻的观测数据和前一时刻的预测数据；然后利用车辆的传感器对应的预设滑动窗口确定当前时刻的异常数据阈值区间，预设滑动窗口中存储有预设时间长度的阈值数据；之后根据传感器数据以及当前时刻的异常数据阈值区间，确定当前时刻的观测数据是否异本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种车辆的融合定位方法，其中，所述方法包括：获取车辆的传感器数据，所述传感器数据包括当前时刻的观测数据和前一时刻的预测数据；利用所述车辆的传感器对应的预设滑动窗口确定当前时刻的异常数据阈值区间，所述预设滑动窗口中存储有预设时间长度的阈值数据；根据所述传感器数据以及所述当前时刻的异常数据阈值区间，确定所述当前时刻的观测数据是否异常；在所述当前时刻的观测数据正常的情况下，根据所述当前时刻的观测数据进行融合定位，得到所述车辆的融合定位结果。2.如权利要求1所述方法，其中，所述当前时刻的观测数据包括当前时刻的观测位置，所述前一时刻的预测数据包括前一时刻的位姿数据，所述获取车辆的传感器数据包括：获取所述前一时刻的位姿数据以及当前时刻的传感器测量值；根据所述前一时刻的位姿数据以及当前时刻的传感器测量值，确定当前时刻的位姿数据，所述当前时刻的位姿数据包括所述当前时刻的观测位置。3.如权利要求1所述方法，其中，所述预设时间长度的阈值数据包括多个观测位置与对应的预测位置之间的相对距离，所述利用所述车辆的传感器对应的预设滑动窗口确定当前时刻的异常数据阈值区间包括：根据各个观测位置与对应的预测位置之间的相对距离，确定所述相对距离的平均值；根据所述各个观测位置与对应的预测位置之间的相对距离以及所述相对距离的平均值，确定所述相对距离的方差；根据所述相对距离的平均值与所述相对距离的方差的差值，确定所述异常数据阈值区间的下限；根据所述相对距离的平均值与所述相对距离的方差的和，确定所述异常数据阈值区间的上限。4.如权利要求1所述方法，其中，所述预设滑动窗口包括缓冲区，所述利用所述车辆的传感器对应的预设滑动窗口确定当前时刻的异常数据阈值区间包括：将所述预设滑动窗口中存储的多帧阈值数据进行排序；根据排序结果确定位于所述缓冲区的阈值数据和非缓冲区的阈值数据；根据所述非缓冲区的阈值数据，确定所述当前时刻的异常数据阈值区间。5.如权利要求1所述方法，其中，所述当前时刻的观测数据包括当前时刻的观测位置，所述前一时刻的预测数据包括前一时刻的预测位置，所述根据...

【专利技术属性】
技术研发人员：王林杰，
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：