System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind() 定位精度估计的方法、装置、电子设备及存储介质制造方法及图纸_技高网

定位精度估计的方法、装置、电子设备及存储介质制造方法及图纸

技术编号:40140225 阅读:10 留言:0更新日期:2024-01-23 23:30
本申请实施例提供了一种定位精度估计的方法、装置、设备以及存储介质,应用于地图、导航、自动驾驶、车联网、智能交通以及云计算等领域。该定位精度估计的方法包括:获取传感器采集的车辆的第一行驶信息;根据该第一行驶信息,得到该车辆的第一位置信息,以及在确定该第一位置信息的过程中使用的第一中间变量;根据该第一行驶信息和第一中间变量,在预先训练好的精度估计模型中确定目标精度估计模型;将该第一位置信息和所述第一中间变量输入目标精度估计模型,得到所述车辆的第二位置信息,以及该第一位置信息相对第二位置信息的精度误差。本申请实施例能够有效评估高精度定位的精度误差。

【技术实现步骤摘要】

本申请涉及交通领域,并且更具体地,涉及定位精度估计的方法、装置、设备以及存储介质。


技术介绍

1、智能化是当下汽车发展的主线之一。汽车智能化进程依赖于车辆传感器、算法软件和决策平台成熟度。高精度定位与高精度地图相结合能够为车辆提供精确的绝对位置信息,其与传感器的相对位置信息相辅相成,共同致力于提高智能驾驶的安全性。随着汽车智能化的程度不断提供,高精度定位的重要性愈发凸显。

2、精度误差的评估是高精度定位非常重要的一个部分。一次定位的精度误差即本次定位可能包含的误差大小,可以为后续的车辆控制、碰撞避让、智能车速、路径规划和行为决策给予非常大的帮助。但是,当前并没有一种能够有效评估高精度定位的精度误差的方案。


技术实现思路

1、本申请实施例提供了一种定位精度估计的方法、装置、设备以及存储介质,能够有效评估高精度定位的精度误差。

2、第一方面,本申请实施例提供了一种定位精度估计的方法,包括:

3、获取传感器采集的车辆的第一行驶信息;

4、根据所述第一行驶信息,得到所述车辆的第一位置信息,以及在确定所述第一位置信息的过程中使用的第一中间变量;

5、根据所述第一行驶信息和所述第一中间变量,在预先训练好的精度估计模型中确定目标精度估计模型;所述精度估计模型是根据训练样本集对机器学习模型进行训练得到的,所述训练样本集中的训练样本包括样本车辆的位置信息和在确定所述位置信息的过程中采用的中间变量;

6、将所述第一位置信息和所述第一中间变量输入所述目标精度估计模型,得到所述车辆的第二位置信息,以及所述第一位置信息相对所述第二位置信息的精度误差。

7、第二方面,本申请实施例提供了一种训练模型的方法,包括:

8、获取传感器在第一时间采集的样本车辆的第二行驶信息;

9、根据所述第二行驶信息,得到所述样本车辆的第三位置信息,以及在确定所述第三位置信息的过程中使用的第二中间变量;

10、获取定位设备在所述第一时间采集的所述样本车辆的第四位置信息;

11、确定训练样本集,所述训练样本集包括所述第三位置信息、所述第四位置信息和所述第二中间变量;

12、根据所述训练样本集对所述精度估计模型进行训练。

13、第三方面,本申请实施例提供了一种定位精度估计的装置,包括:

14、获取单元,用于获取传感器采集的车辆的第一行驶信息;

15、处理单元,用于根据所述第一行驶信息,得到所述车辆的第一位置信息,以及在确定所述第一位置信息的过程中使用的第一中间变量;

16、确定单元,用于根据所述第一行驶信息和所述第一中间变量,在预先训练好的精度估计模型中确定目标精度估计模型;所述精度估计模型是根据训练样本集对机器学习模型进行训练得到的,所述训练样本集中的训练样本包括样本车辆的位置信息和在确定所述位置信息的过程中采用的中间变量;

17、所述目标精度估计模型,用于输入所述第一位置信息和所述第一中间变量,得到所述车辆的第二位置信息,以及所述第一位置信息相对所述第二位置信息的精度误差。

18、第四方面,提供了一种训练模型的装置,其特征在于,包括:

19、第一获取单元,用于获取传感器在第一时间采集的样本车辆的第二行驶信息;

20、处理单元,用于根据所述第二行驶信息,得到所述样本车辆的第三位置信息,以及在确定所述第三位置信息的过程中使用的第二中间变量;

21、第二获取单元,用于获取定位设备在所述第一时间采集的所述样本车辆的第四位置信息;

22、确定单元,用于确定训练样本集,所述训练样本集包括所述第三位置信息、所述第四位置信息和所述第二中间变量;

23、训练单元,用于根据所述训练样本集对所述精度估计模型进行训练。

24、第五方面,本申请实施例提供了一种电子设备,包括:

25、处理器,适于实现计算机指令;以及,

26、存储器,存储有计算机指令,计算机指令适于由处理器加载并执行上述第一方面或第二方面的方法。

27、第六方面,本申请实施例提供了一种计算机可读存储介质,该计算机可读存储介质存储有计算机指令,该计算机指令被计算机设备的处理器读取并执行时,使得计算机设备执行上述第一方面或第二方面的方法。

28、第五方面,本申请实施例提供了一种计算机程序产品或计算机程序,该计算机程序产品或计算机程序包括计算机指令,该计算机指令存储在计算机可读存储介质中。计算机设备的处理器从计算机可读存储介质读取该计算机指令,处理器执行该计算机指令,使得该计算机设备执行上述第一方面或第二方面的方法。

29、基于以上技术方案,本申请实施例能够根据该第一行驶信息获取车辆的第一位置信息,以及获取在确定该第一位置信息的过程中使用的第一中间变量,然后根据该第一行驶信息和第一中间变量,在预先训练好的精度估计模型中确定目标精度估计模型,以及将该第一位置信息和第一中间变量输入该目标精度估计模型,得到车辆的第二位置信息,以及第一位置信息相对该第二位置信息的精度误差,从而能够有效评估高精度定位的精度误差。

本文档来自技高网...

【技术保护点】

1.一种定位精度估计的方法,其特征在于,包括:

2.根据权利要求1所述的方法,其特征在于,所述根据所述第一行驶信息,得到所述车辆的第一位置信息,以及在确定所述第一位置信息的过程中使用的第一中间变量,包括:

3.根据权利要求2所述的方法,其特征在于,所述第一行驶信息包括全球导航卫星系统GNSS传感器采集的所述车辆的行驶信息;

4.根据权利要求2所述的方法,其特征在于,所述根据所述第一行驶信息和所述第一中间变量,在预先训练好的精度估计模型中确定目标精度估计模型,包括:

5.根据权利要求4所述的方法,其特征在于,所述GNSS传感器采集的所述样本车辆的行驶信息按照时间周期性地置为无效和有效。

6.根据权利要求1所述的方法,其特征在于,所述第一行驶信息包括GNSS传感器采集的所述车辆的行驶信息;

7.根据权利要求1-6任一项所述的方法,其特征在于,所述第一行驶信息包括惯性测量单元IMU传感器、车速传感器和视觉传感器中的至少一种传感器采集的所述车辆的行驶信息。

8.根据权利要求1-6任一项所述的方法,其特征在于,所述第一中间变量包括用于确定所述第一位置信息所采用的优化算法的协方差和所述第一行驶信息在第一时间段的统计值中的至少一种。

9.根据权利要求1-6任一项所述的方法,其特征在于,所述第一位置信息包括所述车辆的第一经度、第一纬度和第一车辆方向角,所述第二位置信息包括所述车辆的第二经度、第二纬度和第二车辆方向角。

10.根据权利要求1-6任一项所述的方法,其特征在于,所述精度误差包括横向距离误差、纵向距离误差和方向角误差中的至少一种。

11.一种训练模型的方法,其特征在于,包括:

12.根据权利要求11所述的方法,其特征在于,所述第二行驶信息包括全球导航卫星系统GNSS传感器采集的所述样本车辆的行驶信息;

13.根据权利要求11所述的方法,其特征在于,所述第二行驶信息包括全球导航卫星系统GNSS传感器采集的所述样本车辆的行驶信息;

14.根据权利要求11所述的方法,其特征在于,所述第二行驶信息包括全球导航卫星系统GNSS传感器采集的所述样本车辆的行驶信息;

15.一种定位精度估计的装置,其特征在于,包括:

16.一种训练模型的装置,其特征在于,包括:

17.一种电子设备,其特征在于,包括处理器和存储器,所述存储器中存储有指令,所述处理器执行所述指令时,使得所述处理器执行权利要求1-14任一项所述的方法。

18.一种计算机存储介质,其特征在于,用于存储计算机程序,所述计算机程序包括用于执行权利要求1-14中任一项所述的方法。

19.一种计算机程序产品,其特征在于,包括计算机程序代码,当所述计算机程序代码被电子设备运行时,使得所述电子设备执行权利要求1-14中任一项所述的方法。

...

【技术特征摘要】

1.一种定位精度估计的方法,其特征在于,包括:

2.根据权利要求1所述的方法,其特征在于,所述根据所述第一行驶信息,得到所述车辆的第一位置信息,以及在确定所述第一位置信息的过程中使用的第一中间变量,包括:

3.根据权利要求2所述的方法,其特征在于,所述第一行驶信息包括全球导航卫星系统gnss传感器采集的所述车辆的行驶信息;

4.根据权利要求2所述的方法,其特征在于,所述根据所述第一行驶信息和所述第一中间变量,在预先训练好的精度估计模型中确定目标精度估计模型,包括:

5.根据权利要求4所述的方法,其特征在于,所述gnss传感器采集的所述样本车辆的行驶信息按照时间周期性地置为无效和有效。

6.根据权利要求1所述的方法,其特征在于,所述第一行驶信息包括gnss传感器采集的所述车辆的行驶信息;

7.根据权利要求1-6任一项所述的方法,其特征在于,所述第一行驶信息包括惯性测量单元imu传感器、车速传感器和视觉传感器中的至少一种传感器采集的所述车辆的行驶信息。

8.根据权利要求1-6任一项所述的方法,其特征在于,所述第一中间变量包括用于确定所述第一位置信息所采用的优化算法的协方差和所述第一行驶信息在第一时间段的统计值中的至少一种。

9.根据权利要求1-6任一项所述的方法,其特征在于,所述第一位置信息包括所述车辆的第一经度、第一纬度和第一车辆方向角,所述第二位...

【专利技术属性】
技术研发人员:张鑫杨占铎周彦兴李欣郑为志刘畅
申请(专利权)人:腾讯科技深圳有限公司
类型:发明
国别省市:

网友询问留言 已有0条评论
  • 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。

1