本发明专利技术涉及自动驾驶技术领域，具体提供一种自动驾驶车辆的定位方法、控制装置、可读存储介质及车辆，旨在解决如何有效提升自动驾驶的安全性和用户的使用体验的问题。为此目的，本发明专利技术应用卡尔曼滤波算法对自动驾驶车辆的地图匹配结果和实时动态差分定位结果之间的偏差数据进行实时估计，这样就能够在自动驾驶车辆进行实时定位时，根据实时估计的偏差数据补偿地图匹配结果或实时动态差分定位结果，从而在地图匹配结果或实时动态差分定位结果其中之一缺失时，根据另一个定位结果获取缺失的数据，确保了自动驾驶车辆的全局定位能力，使得自动驾驶车辆能够在更多场景下开启自动驾驶功能，有效地提升用户的使用体验。有效地提升用户的使用体验。有效地提升用户的使用体验。
【技术实现步骤摘要】
自动驾驶车辆的定位方法、装置、可读存储介质及车辆
[0001]本专利技术涉及自动驾驶
，具体提供一种自动驾驶车辆的定位方法、控制装置、可读存储介质及车辆。
技术介绍
[0002]自动驾驶在进行全局定位时，需要融合多种定位传感器的数据，比如实时动态差分（Real
ꢀ‑ꢀ
time kinematic，RTK）定位和地图匹配定位。但是由于地图制作工艺和法规加偏插件的问题，会导致两者定位存在横向误差，且在不同的路段的表现也不一致。目前主流的做法是融合地图匹配定位结果的横向和实时动态差分定位结果的纵向信息，但是这样会丢失实时动态差分定位结果的横向约束信息，在一些没有地图匹配的路段（如雨雪天气导致可视条件差，感知误检率高等），全局定位也就会很快丢失准确的定位能力，这不但会降低自动驾驶的安全性，也会大大降低用户的自动驾驶体验。
[0003]相应地，本领域需要一种新的自动驾驶的定位方案来解决上述问题。
技术实现思路
[0004]为了克服上述缺陷，提出了本专利技术，以提供解决或至少部分地解决如何有效提升自动驾驶的安全性和用户的使用体验的问题。
[0005]在第一方面，本专利技术提供一种自动驾驶车辆的定位方法，所述方法包括：当所述自动驾驶车辆的地图匹配结果和实时动态差分定位结果都存在时，应用卡尔曼滤波算法，实时获取所述地图匹配结果和所述实时动态差分定位结果之间的偏差数据；当所述地图匹配结果或所述实时动态差分定位结果缺失时，根据获取的所述偏差数据，获取所述自动驾驶车辆的全局定位结果。
[0006]在上述自动驾驶车辆的定位方法的一个技术方案中，所述应用卡尔曼滤波算法，实时获取所述地图匹配结果和所述实时动态差分定位结果之间的偏差数据，包括：建立所述卡尔曼滤波算法的观测方程，所述观测方程的状态量为所述偏差数据的观测值；根据所述地图匹配结果和实时动态差分定位结果，建立所述卡尔曼滤波算法的量测方程；根据所述观测方程和所述量测方程，获取所述卡尔曼滤波算法的残差项；基于所述残差项和所述卡尔曼滤波算法的观测噪声，对所述偏差数据的观测值进行迭代更新，以实时获取所述偏差数据。
[0007]在上述自动驾驶车辆的定位方法的一个技术方案中，所述方法还包括根据以下步骤获取所述卡尔曼滤波算法当前的观测噪声：当所述自动驾驶车辆的地图匹配结果和实时动态差分定位结果均存在时，根据所述地图匹配结果和所述实时动态差分定位结果，获取所述当前的观测噪声；
当所述自动驾驶车辆的地图匹配结果或实时动态差分定位结果不存在时，根据预设的经验值或上一时刻的观测噪声，获取所述当前的观测噪声。
[0008]在上述自动驾驶车辆的定位方法的一个技术方案中，所述根据所述地图匹配结果和所述实时动态差分定位结果，获取所述当前的观测噪声，包括：将当前时刻之前的预设历史时长内的所述地图匹配结果和所述实时动态差分定位结果分别转换至车体坐标系下；根据所述车体坐标系下的地图匹配结果和实时动态差分定位结果，获取所述地图匹配结果和实时动态差分定位结果的偏差数据；根据所述预设历史时长内所述偏差数据的方差，获取所述当前的观测噪声。
[0009]在上述自动驾驶车辆的定位方法的一个技术方案中，所述根据获取的所述偏差数据，获取所述自动驾驶车辆的全局定位结果，包括：当所述地图匹配结果缺失时，根据实时动态差分定位结果和所述偏差数据，获取地图匹配结果；根据所述实时动态差分定位结果和获取的地图匹配结果，获取所述自动驾驶车辆的全局定位结果。
[0010]在上述自动驾驶车辆的定位方法的一个技术方案中，所述根据获取的所述偏差数据，获取所述自动驾驶车辆的全局定位结果，包括：当所述实时动态差分定位结果缺失时，根据地图匹配结果和所述偏差数据，获取实时动态差分定位结果；根据获取的实时动态差分定位结果和所述地图匹配结果，获取所述自动驾驶车辆的全局定位结果。
[0011]在上述自动驾驶车辆的定位方法的一个技术方案中，所述偏差数据为所述地图匹配结果和所述实时动态差分定位结果之间的横向偏差。
[0012]在第二方面，提供一种控制装置，该控制装置包括处理器和存储装置，所述存储装置适于存储多条程序代码，所述程序代码适于由所述处理器加载并运行以执行上述自动驾驶车辆的定位方法的技术方案中任一项技术方案所述的自动驾驶车辆的定位方法。
[0013]在第三方面，提供一种计算机可读存储介质，该计算机可读存储介质其中存储有多条程序代码，所述程序代码适于由处理器加载并运行以执行上述自动驾驶车辆的定位方法的技术方案中任一项技术方案所述的自动驾驶车辆的定位方法。
[0014]在第四方面，提供一种车辆，所述车辆包括上述控制装置技术方案中所述的控制装置。
[0015]本专利技术上述一个或多个技术方案，至少具有如下一种或多种有益效果：在实施本专利技术的技术方案中，本专利技术应用卡尔曼滤波算法对自动驾驶车辆的地图匹配结果和实时动态差分定位结果之间的偏差数据进行实时估计，这样就能够对地图匹配结果和实时动态差分定位结果之间的偏差数据进行准确地估计，当地图匹配结果或实时动态差分定位结果缺失时，可以根据实时估计的偏差数据补偿地图匹配结果或实时动态差分定位结果，从而确保了自动驾驶车辆的全局定位能力。通过上述配置方式，本专利技术能够有效利用地图匹配结果和实时差分定位结果之间的偏差数据，在确保自动驾驶车辆的安全性的同时，能够确保自动驾驶车辆在更多场景下开启自动驾驶功能，有效地提升用户的使用体
验。
附图说明
[0016]参照附图，本专利技术的公开内容将变得更易理解。本领域技术人员容易理解的是：这些附图仅仅用于说明的目的，而并非意在对本专利技术的保护范围组成限制。其中：图1是根据本专利技术的一个实施例的自动驾驶车辆的定位方法的主要步骤流程示意图；图2是根据本专利技术实施例的一个实施方式的应用卡尔曼滤波算法获取偏差数据的主要步骤流程示意图；图3是根据本专利技术实施例的一个实施方式的获取卡尔曼滤波算法当前的观测噪声的主要步骤流程示意图。
具体实施方式
[0017]下面参照附图来描述本专利技术的一些实施方式。本领域技术人员应当理解的是，这些实施方式仅仅用于解释本专利技术的技术原理，并非旨在限制本专利技术的保护范围。
[0018]在本专利技术的描述中，“模块”、“处理器”可以包括硬件、软件或者两者的组合。一个模块可以包括硬件电路，各种合适的感应器，通信端口，存储器，也可以包括软件部分，比如程序代码，也可以是软件和硬件的组合。处理器可以是中央处理器、微处理器、图像处理器、数字信号处理器或者其他任何合适的处理器。处理器具有数据和/或信号处理功能。处理器可以以软件方式实现、硬件方式实现或者二者结合方式实现。非暂时性的计算机可读存储介质包括任何合适的可存储程序代码的介质，比如磁碟、硬盘、光碟、闪存、只读存储器、随机存取存储器等等。术语“A和/或B”表示所有可能的A与B的组合，比如只是A、只是B或者A和B。术语“至少一个A或B”或者“A和B中的至少一个”含义与“A和/或B”类似，可以包括只是A、只是B或者A和B。单数形式的术语“本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种自动驾驶车辆的定位方法，其特征在于，所述方法包括：当所述自动驾驶车辆的地图匹配结果和实时动态差分定位结果都存在时，应用卡尔曼滤波算法，实时获取所述地图匹配结果和所述实时动态差分定位结果之间的偏差数据；当所述地图匹配结果或所述实时动态差分定位结果缺失时，根据获取的所述偏差数据，获取所述自动驾驶车辆的全局定位结果。2.根据权利要求1所述的自动驾驶车辆的定位方法，其特征在于，所述应用卡尔曼滤波算法，实时获取所述地图匹配结果和所述实时动态差分定位结果之间的偏差数据，包括：建立所述卡尔曼滤波算法的观测方程，所述观测方程的状态量为所述偏差数据的观测值；根据所述地图匹配结果和实时动态差分定位结果，建立所述卡尔曼滤波算法的量测方程；根据所述观测方程和所述量测方程，获取所述卡尔曼滤波算法的残差项；基于所述残差项和所述卡尔曼滤波算法的观测噪声，对所述偏差数据的观测值进行迭代更新，以实时获取所述偏差数据。3.根据权利要求2所述的自动驾驶车辆的定位方法，其特征在于，所述方法还包括根据以下步骤获取所述卡尔曼滤波算法当前的观测噪声：当所述自动驾驶车辆的地图匹配结果和实时动态差分定位结果均存在时，根据所述地图匹配结果和所述实时动态差分定位结果，获取所述当前的观测噪声；当所述自动驾驶车辆的地图匹配结果或实时动态差分定位结果不存在时，根据预设的经验值或上一时刻的观测噪声，获取所述当前的观测噪声。4.根据权利要求3所述的自动驾驶车辆的定位方法，其特征在于，所述根据所述地图匹配结果和所述实时动态差分定位结果，获取所述当前的观测噪声，包括：将当前时刻之前的预设历史时长内的所述地图匹配结果和所述实时动态差...
【专利技术属性】
技术研发人员：沈达云，袁弘渊，易世春，杨东升，
申请(专利权)人：安徽蔚来智驾科技有限公司，
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。