CN111811521A - 定位方法和装置、电子设备、车端设备、自动驾驶汽车 - Google Patents

定位方法和装置、电子设备、车端设备、自动驾驶汽车 Download PDF

Info

Publication number
CN111811521A
CN111811521A CN202010655526.9A CN202010655526A CN111811521A CN 111811521 A CN111811521 A CN 111811521A CN 202010655526 A CN202010655526 A CN 202010655526A CN 111811521 A CN111811521 A CN 111811521A
Authority
CN
China
Prior art keywords
standard deviation
navigation information
information
measurement unit
timestamp
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN202010655526.9A
Other languages
English (en)
Inventor
程风
杨晓龙
宋适宇
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Apollo Intelligent Technology Beijing Co Ltd
Original Assignee
Beijing Baidu Netcom Science and Technology Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Beijing Baidu Netcom Science and Technology Co Ltd filed Critical Beijing Baidu Netcom Science and Technology Co Ltd
Priority to CN202010655526.9A priority Critical patent/CN111811521A/zh
Publication of CN111811521A publication Critical patent/CN111811521A/zh
Priority to US17/210,144 priority patent/US20210206390A1/en
Priority to EP21164268.1A priority patent/EP3842750A3/en
Priority to JP2021060686A priority patent/JP7287997B2/ja
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
    • G01C21/28—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network with correlation of data from several navigational instruments
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W60/00—Drive control systems specially adapted for autonomous road vehicles
    • B60W60/001—Planning or execution of driving tasks
    • B60W60/0015—Planning or execution of driving tasks specially adapted for safety
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/10—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration
    • G01C21/12—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning
    • G01C21/16—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning by integrating acceleration or speed, i.e. inertial navigation
    • G01C21/165—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning by integrating acceleration or speed, i.e. inertial navigation combined with non-inertial navigation instruments
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
    • G01S13/88—Radar or analogous systems specially adapted for specific applications
    • G01S13/93—Radar or analogous systems specially adapted for specific applications for anti-collision purposes
    • G01S13/931—Radar or analogous systems specially adapted for specific applications for anti-collision purposes of land vehicles
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
    • G06F18/211—Selection of the most significant subset of features
    • G06F18/2113—Selection of the most significant subset of features by ranking or filtering the set of features, e.g. using a measure of variance or of feature cross-correlation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/25—Fusion techniques
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
    • G01S13/88—Radar or analogous systems specially adapted for specific applications
    • G01S13/93—Radar or analogous systems specially adapted for specific applications for anti-collision purposes
    • G01S13/931—Radar or analogous systems specially adapted for specific applications for anti-collision purposes of land vehicles
    • G01S2013/9322—Radar or analogous systems specially adapted for specific applications for anti-collision purposes of land vehicles using additional data, e.g. driver condition, road state or weather data
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
    • G01S13/88—Radar or analogous systems specially adapted for specific applications
    • G01S13/93—Radar or analogous systems specially adapted for specific applications for anti-collision purposes
    • G01S13/931—Radar or analogous systems specially adapted for specific applications for anti-collision purposes of land vehicles
    • G01S2013/9327—Sensor installation details

Landscapes

  • Engineering & Computer Science (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Data Mining & Analysis (AREA)
  • Theoretical Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Evolutionary Biology (AREA)
  • General Engineering & Computer Science (AREA)
  • Artificial Intelligence (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Computation (AREA)
  • Mechanical Engineering (AREA)
  • Transportation (AREA)
  • Human Computer Interaction (AREA)
  • Electromagnetism (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Navigation (AREA)

Abstract

本公开实施例公开了一种定位方法和装置、电子设备、车端设备、自动驾驶汽车和存储介质，涉及自动驾驶技术领域，包括：获取至少两个卡尔曼滤波器分别输出的导航信息，其中，每个卡尔曼滤波器均连接一个惯性测量单元，对多个导航信息进行融合，得到定位信息，通过采用一个惯性测量单元连接至一个卡尔曼滤波器，并对从各卡尔曼滤波器获取的多个导航信息进行融合，避免了现有技术中采用一个卡尔曼滤波器对多个惯性测量单元输出的相关信息进行计算时，计算量较大，效率偏低的技术问题，实现了降低各卡尔曼滤波器的计算量，提高计算效率的技术效果，且由于各卡尔曼滤波器之间为并行作业，进行可以减少信息干扰，从而提高定位信息的可靠性的技术效果。

Description

定位方法和装置、电子设备、车端设备、自动驾驶汽车
技术领域
本公开涉及计算机技术领域，尤其涉及自动驾驶技术领域，具体涉及一种定位方法和装置、电子设备、车端设备、自动驾驶汽车和存储介质。
背景技术
自动驾驶汽车(Autonomous vehicles Self-piloting automobile)，是一种通过电脑***实现无人驾驶的智能汽车，而定位是确保自动驾驶汽车安全驾驶的重要因素之一。
在现有技术中，采用的定位方法主要包括：设置两个惯性测量单元(Inertialmeasurement unit，IMU)，两个惯性测量单元分别与一个卡尔曼滤波器连接，由该卡尔曼滤波器对两个惯性测量单元的导航解算信息输出定位信息。
然而发明人在实现本公开的过程中，发现至少存在如下问题：通过由一个卡尔曼滤波器根据两个惯性测量单元的导航解算信息确定定位信息，导致计算量大，干扰性也偏大的问题。
发明内容
根据本公开实施例的一个方面，本公开实施例提供了一种定位方法，所述方法包括：
获取至少两个卡尔曼滤波器分别输出的导航信息，其中，每个所述卡尔曼滤波器均连接一个惯性测量单元，并根据所连接的惯性测量单元输出的数据生成所述导航信息；
对多个所述导航信息进行融合，得到定位信息。
在本公开实施例中，通过采用一个惯性测量单元连接至一个卡尔曼滤波器，并对从各卡尔曼滤波器获取的多个导航信息进行融合，避免了现有技术中采用一个卡尔曼滤波器对多个惯性测量单元输出的相关信息进行计算时，计算量较大，效率偏低的技术问题，实现了降低各卡尔曼滤波器的计算量，提高计算效率的技术效果，且由于各卡尔曼滤波器之间为并行作业，进行可以减少信息干扰，从而提高定位信息的可靠性的技术效果。
在一些实施例中，每个所述导航信息中均包括时间戳和协方差，且所述对多个所述导航信息进行融合，得到定位信息包括：
根据各所述导航信息的时间戳和/或协方差确定各自对应的惯性测量单元的权重；
根据各所述权重对各自对应的导航信息进行融合，得到所述定位信息。
在本公开实施例中，由于各导航信息的准确性和可靠性并不一定相同，因此，通过基于时间戳和/或协方差确定惯性测量单元的权重，并基于权重对导航信息进行融合，可以实现融合的灵活性和可靠性。
在一些实施例中，所述权重与所述协方差成反比；和/或，
所述权重与时间差值成反比，其中，所述时间差值为所述时间戳与当前时间的差值的绝对值。
在一些实施例中，若任意惯性测量单元对应的数据丢失和/或延迟，则所述对多个所述导航信息进行融合，得到定位信息包括：
对除所述任意惯性测量单元连接的卡尔曼滤波器输出的导航信息以外的导航信息进行融合，得到所述定位信息。
在本公开实施例中，对各导航信息进行过滤，即不考虑存在数据丢失和/或延迟的惯性测量单元对应的导航信息，从而实现融合的可靠性，进而得到可靠性高的定位信息。
在一些实施例中，所述导航信息为：各所述卡尔曼滤波器基于获取到的传感器的测量数据，对与各所述卡尔曼滤波器连接的所述惯性测量单元的导航解算信息进行更新得到的。
在本公开实施例中，通过获取到的传感器的测量数据对各导航解算信息进行修正，可以提高导航解算信息的准确性，进而提高定位信息的准确性。
在一些实施例中，若多个所述惯性测量单元中包括一个主惯性测量单元，则非主惯性测量单元的导航解算信息为：所述非主惯性测量单元基于所述主惯性测量单元对获取到的导航信息进行坐标转换，并进行姿态解算得到的。
在本公开实施例中，通过对各惯性测量单元的导航信息转换为同一坐标系的导航信息，以对导航信息进行统一的规制，从而实现定位信息的准确性。
在一些实施例中，所述传感器包括雷达传感器、GPS和里程传感器中的至少一种。
在一些实施例中，各所述导航信息中均包括时间戳、位置、速度、姿态、位置标准差、速度标准差、姿态标准差，对多个所述导航信息进行融合，得到定位信息包括：
根据各时间戳、各位置、各位置标准差和获取到的当前时间计算得到融合后的位置；
根据各时间戳、各速度、各速度标准差和所述当前时间计算得到融合后的速度；
根据各时间戳、各姿态、各姿态标准差和所述当前时间计算得到融合后的姿态；
根据各时间戳、各位置标准差和所述当前时间计算得到融合后的位置标准差；
根据各时间戳、各速度标准差和所述当前时间计算得到融合后的速度标准差；
根据各时间戳、各姿态标准差和所述当前时间计算得到融合后的姿态标准差。
根据本公开实施例的一个方面，本公开实施例提供了一种定位装置，所述装置包括：
获取模块，用于获取至少两个卡尔曼滤波器分别输出的导航信息，其中，每个所述卡尔曼滤波器均连接一个惯性测量单元，并根据所连接的惯性测量单元输出的数据生成所述导航信息；
融合模块，用于对多个所述导航信息进行融合，得到定位信息。
在一些实施例中，每个所述导航信息中均包括时间戳和协方差，所述融合模块用于，根据各所述导航信息的时间戳和/或协方差确定各自对应的惯性测量单元的权重，并根据各所述权重对各自对应的导航信息进行融合，得到所述定位信息。
在一些实施例中，所述权重与所述协方差成反比；和/或，
所述权重与时间差值成反比，其中，所述时间差值为所述时间戳与当前时间的差值的绝对值。
在一些实施例中，若任意惯性测量单元对应的数据丢失和/或延迟，则所述融合模块用于，对除所述任意惯性测量单元连接的卡尔曼滤波器输出的导航信息以外的导航信息进行融合，得到所述定位信息。
在一些实施例中，所述导航信息为：各所述卡尔曼滤波器基于获取到的传感器的测量数据，对与各所述卡尔曼滤波器连接的所述惯性测量单元的导航解算信息进行更新得到的。
在一些实施例中，若多个所述惯性测量单元中包括一个主惯性测量单元，则非主惯性测量单元的导航解算信息为：所述非主惯性测量单元基于所述主惯性测量单元对获取到的导航信息进行坐标转换，并进行姿态解算得到的。
在一些实施例中，所述传感器包括雷达传感器、GPS和里程传感器中的至少一种。
在一些实施例中，各所述导航信息中均包括时间戳、位置、速度、姿态、位置标准差、速度标准差、姿态标准差，所述融合模块用于，根据各时间戳、各位置、各位置标准差和获取到的当前时间计算得到融合后的位置，根据各时间戳、各速度、各速度标准差和所述当前时间计算得到融合后的速度，根据各时间戳、各姿态、各姿态标准差和所述当前时间计算得到融合后的姿态，根据各时间戳、各位置标准差和所述当前时间计算得到融合后的位置标准差，根据各时间戳、各速度标准差和所述当前时间计算得到融合后的速度标准差，根据各时间戳、各姿态标准差和所述当前时间计算得到融合后的姿态标准差。
根据本公开实施例的一个方面，本公开实施例提供了一种电子设备，包括：
至少一个处理器；以及
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行如上任一实施例所述的方法。
根据本公开实施例的一个方面，本公开实施例提供了一种车端设备，所述车端设备包括如上任一实施例所述的装置，或者，如上实施例所述的电子设备。
根据本公开实施例的一个方面，本公开实施例提供了一种自动驾驶汽车，所述自动驾驶汽车包括如上实施例所述的车端设备，还包括多个卡尔曼滤波器和多个惯性测量单元，其中，一个所述惯性测量单元与一个所述卡尔曼滤波器连接，且每个所述卡尔曼滤波器均与所述车端设备连接。
根据本公开实施例的一个方面，本公开实施例提供了一种存储有计算机指令的非瞬时计算机可读存储介质，所述计算机指令用于使所述计算机执行如上任一实施例所述的方法。
本公开实施例提供了一种定位方法和装置、电子设备、车端设备、自动驾驶汽车和存储介质，包括：获取至少两个卡尔曼滤波器分别输出的导航信息，其中，每个卡尔曼滤波器均连接一个惯性测量单元，对多个导航信息进行融合，得到定位信息，通过采用一个惯性测量单元连接至一个卡尔曼滤波器，并对从各卡尔曼滤波器获取的多个导航信息进行融合，避免了现有技术中采用一个卡尔曼滤波器对多个惯性测量单元输出的相关信息进行计算时，计算量较大，效率偏低的技术问题，实现了降低各卡尔曼滤波器的计算量，提高计算效率的技术效果，且由于各卡尔曼滤波器之间为并行作业，进行可以减少信息干扰，从而提高定位信息的可靠性的技术效果。
上述可选方式所具有的其他效果将在下文中结合具体实施例加以说明。
附图说明
附图用于更好地理解本方案，不构成对本公开的限定。其中：
图1为本公开实施例的定位方法的应用场景示意图；
图2为本公开实施例的定位方法的流程示意图；
图3为本公开实施例的方案和现有方案的对比示意图；
图4为本公开实施例对多个导航信息进行融合，得到定位信息的方法的流程示意图；
图5为本公开实施例的定位装置的示意图；
图6为本公开实施例的电子设备的框图；
图7为本公开实施例的自动驾驶汽车的框图。
具体实施方式
以下结合附图对本公开实施例的示范性实施例做出说明，其中包括本公开实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本公开实施例的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。
请参阅图1，图1为本公开实施例的定位方法的应用场景示意图。
如图1所示，自动驾驶汽车100行驶于道路200上，且自动驾驶汽车100上设置有两个惯性测量单元(图1中未示出)，且设置有两个卡尔曼滤波器(图1中未示出)，一个卡尔曼滤波器与一个惯性测量单元连接。
当然，自动驾驶汽车100还可设置各类传感器(图1中未示出)，如雷达传感器、GPS和里程传感器等。
如图1所示，道路200上还设置有指示牌300，指示牌300可以用于指示限速信息。
为了确保自动驾驶汽车100的驾驶安全，需要对自动驾驶汽车100进行定位，得到定位信息，以便基于定位信息对当前驾驶信息进行适应性调整。其中，当前驾驶信息包括但不限于速度、方向和加速度。
例如，对自动驾驶汽车100进行定位，得到定位信息后，基于定位信息可知，自动驾驶汽车100已进入限速区域(如与指示牌300指示的限速信息对应的区域)，则当自动驾驶汽车100的当前速度大于限速信息对应的速度时，控制自动驾驶汽车100减速，使得减速后的速度小于限速信息对应的速度。
下面以具体地实施例对本公开的技术方案以及本申请的技术方案如何解决上述技术问题进行详细说明。下面这几个具体的实施例可以相互结合，对于相同或相似的概念或过程可能在某些实施例中不再赘述。下面将结合附图，对本公开的实施例进行描述。
根据本公开实施例的一个方面，本公开实施例提供了一种应用于上述应用场景的定位方法。
请参阅图2，图2为本公开实施例的定位方法的流程示意图。
如图2所示，该方法包括：
S101：获取至少两个卡尔曼滤波器分别输出的导航信息，其中，每个卡尔曼滤波器均连接一个惯性测量单元，并根据所连接的惯性测量单元输出的数据生成导航信息。
其中，本公开实施例的执行主体可以为定位装置，当本公开实施例的定位方法应用如图1所示的应用场景时，该装置可以为计算机、服务器、车载终端和芯片(如嵌入式芯片)等。
其中，惯性测量单元(Inertial measurement unit，IMU)是测量物体三轴姿态角(或角速率)以及加速度等的装置。陀螺仪及加速度计是惯性测量单元的主要元件，其精度直接影响到惯性***的精度。
在一些实施例中，一个惯性测量单元可包括三个单轴的加速度计和三个单轴的陀螺仪，加速度计检测自动驾驶汽车在载体坐标***独立三轴的加速度信号，而陀螺仪检测载体相对于导航坐标系的角速度信号，测量自动汽车在三维空间中的角速度和加速度，并以此解算出自动驾驶汽车的导航解算信息，如姿态等，在导航中有着很重要的应用价值。
其中，具体解算过程可参见现有技术，此处不再赘述。
值得说明地是，卡尔曼滤波主要分两个步骤，预测加校正。预测是基于上一时刻的状态对当前状态进行估计，校正是根据当前状态的观测与上一时刻的估计进行综合分析，估计出***的最优状态值，然后下一时刻接着重复这个过程。即，卡尔曼滤波器可以基于惯性测量单元感知的相关信息生成导航信息，而卡尔曼滤波器的计算原理和具体计算方法均可参见现有技术，此处不再赘述。
在本公开实施例中，自动驾驶汽车包括多个卡尔曼滤波器，一个卡尔曼滤波器连接一个惯性测量单元。
也就是说，如果自动驾驶汽车包括两个卡尔曼滤波器，则自动驾驶汽车也包括两个惯性测量单元，且一个卡尔曼滤波器与一个惯性测量单元连接。
基于上述分析可知，卡尔曼滤波器可以基于其连接的惯性测量单元的数据信息生成导航信息，因此，在本公开实施例中，由定位装置对两个卡尔曼滤波器输出的导航信息进行获取。
S102：对多个导航信息进行融合，得到定位信息。
由于一个卡尔曼滤波器输出一个导航信息，因此，在经过S101之后，可得到多个导航信息，在该步骤中，可对经S101得到的多个导航信息进行融合，从而得到自动驾驶汽车的定位信息。
其中，可采用多种方法对多个导航信息进行融合，如平均法和权值法等，在本公开实施例中，对融合的方法不做限定。
为使读者更加透彻地理解本公开实施例的方案，以及理解本公开实施例的方案与现有方案的区别，现结合图3对本公开实施例的方案和现有方案进行详细阐述。
其中，图3中的3-1为现有方案，结合图3中的3-1可知，在现有技术中，可在自动驾驶汽车中设置一个卡尔曼滤波器，并在自动驾驶汽车中设置两个惯性测量单元，且分别为惯性测量单元A和B(图中示范性地画出了两个惯性测量单元，实际中可以为一个或多个)，两个惯性测量单元均与唯一的一个卡尔曼滤波器C连接，两个惯性测量单元将各自的导航解算信息均发送至该唯一的卡尔曼滤波器C，由该唯一的卡尔曼滤波器C生成导航信息，该导航信息即可确定为定位信息，或者，可从该导航信息中选取部分导航信息作为定位信息。
其中，图3中的3-2为本公开实施例的方案，结合图3中的3-2可知，在本公开实施例中，可在自动驾驶汽车中设置两个卡尔曼滤波器，且分别为惯性测量单元a和b(图中示范性地画出了两个卡尔曼滤波器，实际中可以为两个或者更多)，并在自动驾驶汽车中设置两个惯性测量单元，且分别为卡尔曼滤波器c和d(同理，图中示范性地画出了两个惯性测量单元，实际中可以为两个或者更多，且卡尔曼滤波器的数量与惯性测量单元的数量相同)。
惯性测量单元a与卡尔曼滤波器c连接，惯性测量单元b与卡尔曼滤波器d连接。
惯性测量单元a将其对应的导航解算信息发送至卡尔曼滤波器c，且惯性测量单元b将其对应的导航解算信息发送至卡尔曼滤波器d。
卡尔曼滤波器c将其对应的导航信息c1发送至定位装置，且卡尔曼滤波器d将其对应的导航信息d1发送至定位装置W。
定位装置W对导航信息c1和导航信息c2进行融合，并输出定位信息。
基于上述分析可知，本公开实施例提供了一种定位方法，该方法包括：获取至少两个卡尔曼滤波器分别输出的导航信息，其中，每个卡尔曼滤波器均连接一个惯性测量单元，并根据所连接的惯性测量单元输出的数据生成所述导航信息，对多个导航信息进行融合，得到定位信息，通过采用一个惯性测量单元连接至一个卡尔曼滤波器，并对从各卡尔曼滤波器获取的多个导航信息进行融合，避免了现有技术中采用一个卡尔曼滤波器对多个惯性测量单元输出的相关信息进行计算时，计算量较大，效率偏低的技术问题，实现了降低各卡尔曼滤波器的计算量，提高计算效率的技术效果，且由于各卡尔曼滤波器之间为并行作业，进行可以减少信息干扰，从而提高定位信息的可靠性的技术效果。
结合图4可知，在一些实施例中，每个导航信息中均包括时间戳和协方差，且对多个导航信息进行融合，得到定位信息包括：
S21：根据各导航信息的时间戳和/或协方差确定各自对应的惯性测量单元的权重。
可以理解地是，可从导航信息中提取时间戳和/或协方差，且协方差具体可以为估计状态的协方差。
其中，该步骤可具体包括：从各导航信息中提取各导航信息的时间戳，根据各时间戳确定各时间戳对应的惯性测量单元的权重。
基于上述示例对该步骤进行示范性地描述如下：提取导航信息c1的时间戳，提取导航信息d1的时间戳，根据导航信息c1的时间戳确定惯性单元a的权重，并根据导航信息d1的时间戳确定惯性单元b的权重。
其中，该步骤还可具体包括：从各导航信息中提取各导航信息的协方差，根据各协方差确定各协方差对应的惯性测量单元的权重。
基于上述示例对该步骤进行示范性地描述如下：提取导航信息c1的协方差，提取导航信息d1的协方差，根据导航信息c1的协方差确定惯性单元a的权重，并根据导航信息d1的协方差确定惯性单元b的权重。
其中，该步骤还可具体包括：从各导航信息中提取各导航信息的时间戳和协方差，根据各时间戳和各协方差确定各时间戳和各协方差对应的惯性测量单元的权重。
基于上述示例对该步骤进行示范性地描述如下：提取导航信息c1的时间戳和协方差，提取导航信息d1的时间戳和协方差，根据导航信息c1的时间戳和协方差确定惯性单元a的权重，并根据导航信息d1的时间戳和协方差确定惯性单元b的权重。
在一些实施例中，权重与协方差成反比。即协方差越大，权重越小；协方差越小，权重越大。
在一些实施例中，权重与时间差值成反比，其中，时间差值为时间戳与当前时间的差值的绝对值。即时间差值越大，权重越小；时间差值越小，权重越大。
其中，权重可以用于表征对导航信息的可靠程度。
例如，如果时间差值越小，则说明时间戳与当前时间越接近，则说明导航信息的误差越小，因此，分配给该导航信息的权重越大。
S22：根据各权重对各自对应的导航信息进行融合，得到定位信息。
在该步骤中，通过结合权重对各导航信息进行融合，由于权重可用于反映导航信息的可靠性，因此，基于权重对导航信息进行融合，可使得定位信息更加精准和可靠。
在一些实施例中，若任意惯性测量单元对应的数据丢失和/或延迟，则对多个所述导航信息进行融合，得到定位信息包括：
对除任意惯性测量单元连接的卡尔曼滤波器输出的导航信息以外的导航信息进行融合，得到定位信息。
基于上述示例对该步骤进行示范性地描述如下：若惯性测量单元a对应的数据丢失和/或延迟，则根据卡尔曼滤波器d输出的导航信息d1确定定位信息。
又例如，若有三个卡尔曼滤波器和三个惯性测量单元，每个卡尔曼滤波器连接一个惯性测量单元，如果其中的一个惯性测量单元对应的数据丢失和/或延迟，则将另外两个惯性测量单元分别连接的卡尔曼滤波器输出的两个导航信息进行融合，得到定位信息。
也就是说，在本公开实施例中，若部分惯性测量单元对应的数据丢失和/或延迟，则不再考虑该部分惯性测量单元对应的卡尔曼滤波器输出的导航信息，而是将其他的惯性测量单元对应的卡尔曼滤波器输出的导航信息进行融合，以便得到定位信息。
在本公开实施例中，由分离独立的卡尔曼滤波器处理各自连接的惯性测量单元的相关信息，各卡尔曼滤波器之间互不影响，在其中某一卡尔曼滤波器失效时，其它卡尔曼滤波器可以继续正常运行，有效增强了定位的鲁棒性。
在另一些实施例中，若发生过数据丢失和/或延迟的惯性测量单元恢复正常，则在融合的多个导航信息中，包括该已恢复正常的惯性测量单元对应的卡尔曼滤波器输出的导航信息。
在一些实施例中，导航信息为：各卡尔曼滤波器基于获取到的传感器的测量数据，对与各卡尔曼滤波器连接的惯性测量单元的导航解算信息进行更新得到的。
也就是说，卡尔曼滤波器从惯性测量单元中获取导航解算信息，并获取传感器的测量数据，并基于测量数据对导航解算信息进行修正，得到导航信息。
通过本公开实施例的方法，可以提高导航信息的准确性和可靠性，进而实现提高定位信息的准确性和可靠性的技术效果。
其中，传感器包括雷达传感器、GPS和里程传感器(Odometry)中的至少一种。
在一些实施例中，若多个惯性测量单元中包括一个主惯性测量单元，则非主惯性测量单元的导航解算信息为：非主惯性测量单元基于主惯性测量单元对获取到的导航信息进行坐标转换，并进行姿态解算得到的。
其中，主惯性测量单元是基于需求、经验和试验从多个惯性测量单元中选取的。
在一些实施例中，各导航信息中均包括时间戳、位置、速度、姿态、位置标准差、速度标准差、姿态标准差，对多个导航信息进行融合，得到定位信息包括：
根据各时间戳、各位置、各位置标准差和获取到的当前时间计算得到融合后的位置；
根据各时间戳、各速度、各速度标准差和当前时间计算得到融合后的速度；
根据各时间戳、各姿态、各姿态标准差和当前时间计算得到融合后的姿态；
根据各时间戳、各位置标准差和当前时间计算得到融合后的位置标准差；
根据各时间戳、各速度标准差和当前时间计算得到融合后的速度标准差；
根据各时间戳、各姿态标准差和当前时间计算得到融合后的姿态标准差。
基于上述实施例可知，可在对各导航信息进行融合时，可基于各惯性测量单元的权重实现，现以两个卡尔滤波器，且两个惯性测量单元的权重均为0.5(即为1/2)为例，结合公式对两个导航信息(导航信息c1和导航信息c2)进行融合进行详细阐述如下：
根据式1确定融合后的位置XF，式1：
Figure BDA0002576619800000121
根据式2确定融合后的速速VF，式2：
Figure BDA0002576619800000122
根据式3确定融合后的姿态φF，式3：
Figure BDA0002576619800000123
根据式4确定融合后的位置标准差ΔxF，式4：
Figure BDA0002576619800000124
根据式5确定融合后的速度标准差ΔvF，式5：
Figure BDA0002576619800000125
根据式6确定融合后的姿态标准差ΔφF，式6：
Figure BDA0002576619800000131
其中，T为当前时间，t1为导航信息c1的时间戳，X1为导航信息c1的位置，V1为导航信息c1的速度，φ1为导航信息c1的姿态，Δx1为导航信息c1的位置标准差，Δv1为导航信息c1的速度标准差，Δφ1为导航信息c1的姿态标准差，t2为导航信息d1的时间戳，X2为导航信息d1的位置，V2为导航信息d1的速度，φ2为导航信息d1的姿态，Δx2为导航信息d1的位置标准差，Δv2为导航信息d1的速度标准差，Δφ2为导航信息d1的姿态标准差。
根据本公开实施例的另一个方面，本公开实施例还提供了一种定位装置。
请参阅图5，图5为本公开实施例的定位装置的示意图。
如图5所示，该装置包括：
获取模块11，用于采集至少两个卡尔曼滤波器分别输出的导航信息，其中，每个所述卡尔曼滤波器均连接一个惯性测量单元，并根据所连接的惯性测量单元输出的数据生成所述导航信息；
融合模块12，用于对多个所述导航信息进行融合，得到定位信息。
在一些实施例中，每个所述导航信息中均包括时间戳和协方差，所述融合模块12用于，根据各所述导航信息的时间戳和/或协方差确定各自对应的惯性测量单元的权重，并根据各所述权重对各自对应的导航信息进行融合，得到所述定位信息。
在一些实施例中，所述权重与所述协方差成反比；和/或，
所述权重与时间差值成反比，其中，所述时间差值为所述时间戳与当前时间的差值的绝对值。
在一些实施例中，若任意惯性测量单元对应的数据丢失和/或延迟，则所述融合模块12用于，对除所述任意惯性测量单元连接的卡尔曼滤波器输出的导航信息以外的导航信息进行融合，得到所述定位信息。
在一些实施例中，所述导航信息为：各所述卡尔曼滤波器基于获取到的传感器的测量数据，对与各所述卡尔曼滤波器连接的所述惯性测量单元的导航解算信息进行更新得到的。
在一些实施例中，若多个所述惯性测量单元中包括一个主惯性测量单元，则非主惯性测量单元的导航解算信息为：所述非主惯性测量单元基于所述主惯性测量单元对获取到的导航信息进行坐标转换，并进行姿态解算得到的。
在一些实施例中，所述传感器包括雷达传感器、GPS和里程传感器中的至少一种。
在一些实施例中，各所述导航信息中均包括时间戳、位置、速度、姿态、位置标准差、速度标准差、姿态标准差，所述融合模块用于，根据各时间戳、各位置、各位置标准差和获取到的当前时间计算得到融合后的位置，根据各时间戳、各速度、各速度标准差和所述当前时间计算得到融合后的速度，根据各时间戳、各姿态、各姿态标准差和所述当前时间计算得到融合后的姿态，根据各时间戳、各位置标准差和所述当前时间计算得到融合后的位置标准差，根据各时间戳、各速度标准差和所述当前时间计算得到融合后的速度标准差，根据各时间戳、各姿态标准差和所述当前时间计算得到融合后的姿态标准差。
根据本公开的实施例，本公开还提供了一种电子设备和一种可读存储介质。
如图6所示，是根据本公开实施例的电子设备的框图。电子设备旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字助理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本公开实施例的实现。
如图6所示，该电子设备包括：一个或多个处理器101、存储器102，以及用于连接各部件的接口，包括高速接口和低速接口。各个部件利用不同的总线互相连接，并且可以被安装在公共主板上或者根据需要以其它方式安装。处理器可以对在电子设备内执行的指令进行处理，包括存储在存储器中或者存储器上以在外部输入/输出装置(诸如，耦合至接口的显示设备)上显示GUI的图形信息的指令。在其它实施方式中，若需要，可以将多个处理器和/或多条总线与多个存储器一起使用。同样，可以连接多个电子设备，各个设备提供部分必要的操作(例如，作为服务器阵列、一组刀片式服务器、或者多处理器***)。图6中以一个处理器101为例。
存储器102即为本公开实施例所提供的非瞬时计算机可读存储介质。其中，所述存储器存储有可由至少一个处理器执行的指令，以使所述至少一个处理器执行本公开实施例所提供的定位方法。本公开实施例的非瞬时计算机可读存储介质存储计算机指令，该计算机指令用于使计算机执行本公开实施例所提供的定位方法。
存储器102作为一种非瞬时计算机可读存储介质，可用于存储非瞬时软件程序、非瞬时计算机可执行程序以及模块，如本公开实施例中的定位对应的程序指令/模块。处理器101通过运行存储在存储器102中的非瞬时软件程序、指令以及模块，从而执行服务器的各种功能应用以及数据处理，即实现上述方法实施例中的定位方法。
存储器102可以包括存储程序区和存储数据区，其中，存储程序区可存储操作***、至少一个功能所需要的应用程序；存储数据区可存储根据电子设备的使用所创建的数据等。此外，存储器102可以包括高速随机存取存储器，还可以包括非瞬时存储器，例如至少一个磁盘存储器件、闪存器件、或其他非瞬时固态存储器件。在一些实施例中，存储器102可选包括相对于处理器101远程设置的存储器，这些远程存储器可以通过网络连接至电子设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、区块链服务网络(Block-chain-based Service Network，BSN)、移动通信网及其组合。
电子设备还可以包括：输入装置103和输出装置104。处理器101、存储器102、输入装置103和输出装置104可以通过总线或者其他方式连接，图6中以通过总线连接为例。
输入装置103可接收输入的数字或字符信息，以及产生与电子设备的用户设置以及功能控制有关的键信号输入，例如触摸屏、小键盘、鼠标、轨迹板、触摸板、指示杆、一个或者多个鼠标按钮、轨迹球、操纵杆等输入装置。输出装置104可以包括显示设备、辅助照明装置(例如，LED)和触觉反馈装置(例如，振动电机)等。该显示设备可以包括但不限于，液晶显示器(LCD)、发光二极管(LED)显示器和等离子体显示器。在一些实施方式中，显示设备可以是触摸屏。
此处描述的***和技术的各种实施方式可以在数字电子电路***、集成电路***、专用ASIC(专用集成电路)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程***上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储***、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储***、该至少一个输入装置、和该至少一个输出装置。
这些计算机程序(也称作程序、软件、软件应用、或者代码)包括可编程处理器的机器指令，并且可以利用高级过程和/或面向对象的编程语言、和/或汇编/机器语言来实施这些计算机程序。如本文使用的，术语“机器可读介质”和“计算机可读介质”指的是用于将机器指令和/或数据提供给可编程处理器的任何计算机程序产品、设备、和/或装置(例如，磁盘、光盘、存储器、可编程逻辑装置(PLD))，包括，接收作为机器可读信号的机器指令的机器可读介质。术语“机器可读信号”指的是用于将机器指令和/或数据提供给可编程处理器的任何信号。
为了提供与用户的交互，可以在计算机上实施此处描述的***和技术，该计算机具有：用于向用户显示信息的显示装置(例如，CRT(阴极射线管)或者LCD(液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的***和技术实施在包括后台部件的计算***(例如，作为数据服务器)、或者包括中间件部件的计算***(例如，应用服务器)、或者包括前端部件的计算***(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的***和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算***中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将***的部件相互连接。通信网络的示例包括：局域网(LAN)、区块链服务网络(Block-chain-based Service Network，BSN)、广域网(WAN)和互联网。
计算机***可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。
根据本公开实施例的另一个方面，本公开实施例还提供了一种车端设备，所述车端设备包括如上任一实施例所述的装置，或者，如上实施例所述的电子设备。
根据本公开实施例的另一个方面，本公开实施例还提供了一种自动驾驶汽车。
请参阅图7，图7为本公开实施例的自动驾驶汽车的框图。
如图7所示，该自动驾驶汽车包括如上实施例所述的车端设备，还包括多个卡尔曼滤波器和多个惯性测量单元，其中，一个所述惯性测量单元与一个所述卡尔曼滤波器连接，且每个所述卡尔曼滤波器均与所述车端设备连接。
结合图7可知，在一些实施例中，自动驾驶汽车还包括传感器，如图7中所示的雷达传感器、GPS和里程传感器。
应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本公开中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本公开的技术方案所期望的结果，本文在此不进行限制。
上述具体实施方式，并不构成对本公开保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本公开的精神和原则之内所作的修改、等同替换和改进等，均应包含在本公开保护范围之内。

Claims (20)

1.一种定位方法，其特征在于，所述方法包括：
获取至少两个卡尔曼滤波器分别输出的导航信息，其中，每个所述卡尔曼滤波器均连接一个惯性测量单元，并根据所连接的惯性测量单元输出的数据生成所述导航信息；
对多个所述导航信息进行融合，得到定位信息。
2.根据权利要求1所述的方法，其特征在于，每个所述导航信息中均包括时间戳和协方差，且所述对多个所述导航信息进行融合，得到定位信息包括：
根据各所述导航信息的时间戳和/或协方差确定各自对应的惯性测量单元的权重；
根据各所述权重对各自对应的导航信息进行融合，得到所述定位信息。
3.根据权利要求2所述的方法，其特征在于，所述权重与所述协方差成反比；和/或，
所述权重与时间差值成反比，其中，所述时间差值为所述时间戳与当前时间的差值的绝对值。
4.根据权利要求1至3中任一项所述的方法，其特征在于，若任意惯性测量单元输出的数据丢失和/或延迟，则所述对多个所述导航信息进行融合，得到定位信息包括：
对除所述任意惯性测量单元连接的卡尔曼滤波器输出的导航信息以外的导航信息进行融合，得到所述定位信息。
5.根据权利要求1至3中任一项所述的方法，其特征在于，所述导航信息为：各所述卡尔曼滤波器基于获取到的传感器的测量数据，对与各所述卡尔曼滤波器连接的所述惯性测量单元的导航解算信息进行更新得到的。
6.根据权利要求5所述的方法，其特征在于，若多个所述惯性测量单元中包括一个主惯性测量单元，则非主惯性测量单元的导航解算信息为：所述非主惯性测量单元基于所述主惯性测量单元对获取的导航信息进行坐标转换，并进行姿态解算得到的。
7.根据权利要求5所述的方法，其特征在于，所述传感器包括雷达传感器、GPS和里程传感器中的至少一种。
8.根据权利要求1至3中任一项所述的方法，其特征在于，各所述导航信息中均包括时间戳、位置、速度、姿态、位置标准差、速度标准差、姿态标准差，对多个所述导航信息进行融合，得到定位信息包括：
根据各时间戳、各位置、各位置标准差和获取到的当前时间计算得到融合后的位置；
根据各时间戳、各速度、各速度标准差和所述当前时间计算得到融合后的速度；
根据各时间戳、各姿态、各姿态标准差和所述当前时间计算得到融合后的姿态；
根据各时间戳、各位置标准差和所述当前时间计算得到融合后的位置标准差；
根据各时间戳、各速度标准差和所述当前时间计算得到融合后的速度标准差；
根据各时间戳、各姿态标准差和所述当前时间计算得到融合后的姿态标准差。
9.一种定位装置，其特征在于，所述装置包括：
获取模块，用于获取至少两个卡尔曼滤波器分别输出的导航信息，其中，每个所述卡尔曼滤波器均连接一个惯性测量单元，并根据所连接的惯性测量单元输出的数据生成所述导航信息；
融合模块，用于对多个所述导航信息进行融合，得到定位信息。
10.根据权利要求9所述的装置，其特征在于，每个所述导航信息中均包括时间戳和协方差，所述融合模块用于，根据各所述导航信息的时间戳和/或协方差确定各自对应的惯性测量单元的权重，并根据各所述权重对各自对应的导航信息进行融合，得到所述定位信息。
11.根据权利要求10所述的装置，其特征在于，所述权重与所述协方差成反比；和/或，
所述权重与时间差值成反比，其中，所述时间差值为所述时间戳与当前时间的差值的绝对值。
12.根据权利要求9至11中任一项所述的装置，其特征在于，若任意惯性测量单元输出的数据丢失和/或延迟，则所述融合模块用于，对除所述任意惯性测量单元连接的卡尔曼滤波器输出的导航信息以外的导航信息进行融合，得到所述定位信息。
13.根据权利要求9至11中任一项所述的装置，其特征在于，所述导航信息为：各所述卡尔曼滤波器基于获取到的传感器的测量数据，对与各所述卡尔曼滤波器连接的所述惯性测量单元的导航解算信息进行更新得到的。
14.根据权利要求13所述的装置，其特征在于，若多个所述惯性测量单元中包括一个主惯性测量单元，则非主惯性测量单元的导航解算信息为：所述非主惯性测量单元基于所述主惯性测量单元对获取到的导航信息进行坐标转换，并进行姿态解算得到的。
15.根据权利要求13所述的装置，其特征在于，所述传感器包括雷达传感器、GPS和里程传感器中的至少一种。
16.根据权利要求9至11中任一项所述的装置，其特征在于，各所述导航信息中均包括时间戳、位置、速度、姿态、位置标准差、速度标准差、姿态标准差，所述融合模块用于，根据各时间戳、各位置、各位置标准差和获取到的当前时间计算得到融合后的位置，根据各时间戳、各速度、各速度标准差和所述当前时间计算得到融合后的速度，根据各时间戳、各姿态、各姿态标准差和所述当前时间计算得到融合后的姿态，根据各时间戳、各位置标准差和所述当前时间计算得到融合后的位置标准差，根据各时间戳、各速度标准差和所述当前时间计算得到融合后的速度标准差，根据各时间戳、各姿态标准差和所述当前时间计算得到融合后的姿态标准差。
17.一种电子设备，其特征在于，包括：
至少一个处理器；以及
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1-8中任一项所述的方法。
18.一种车端设备，其特征在于，所述车端设备包括如权利要求9至16中任一项所述的装置，或者，如权利要求17所述的电子设备。
19.一种自动驾驶汽车，其特征在于，所述自动驾驶汽车包括如权利要求18所述的车端设备，还包括多个卡尔曼滤波器和多个惯性测量单元，其中，一个所述惯性测量单元与一个所述卡尔曼滤波器连接，且每个所述卡尔曼滤波器均与所述车端设备连接。
20.一种存储有计算机指令的非瞬时计算机可读存储介质，其特征在于，所述计算机指令用于使所述计算机执行权利要求1-8中任一项所述的方法。
CN202010655526.9A 2020-07-09 2020-07-09 定位方法和装置、电子设备、车端设备、自动驾驶汽车 Pending CN111811521A (zh)

Priority Applications (4)

Application Number Priority Date Filing Date Title
CN202010655526.9A CN111811521A (zh) 2020-07-09 2020-07-09 定位方法和装置、电子设备、车端设备、自动驾驶汽车
US17/210,144 US20210206390A1 (en) 2020-07-09 2021-03-23 Positioning method and apparatus, vehicle device, and autonomous vehicle
EP21164268.1A EP3842750A3 (en) 2020-07-09 2021-03-23 Positioning method, electronic device, vehicle device, and autonomous vehicle
JP2021060686A JP7287997B2 (ja) 2020-07-09 2021-03-31 位置決め方法、位置決め装置、電子機器、車端機器、自動運転車、コンピュータ可読記憶媒体及びコンピュータプログラム

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010655526.9A CN111811521A (zh) 2020-07-09 2020-07-09 定位方法和装置、电子设备、车端设备、自动驾驶汽车

Publications (1)

Publication Number Publication Date
CN111811521A true CN111811521A (zh) 2020-10-23

Family

ID=72843215

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010655526.9A Pending CN111811521A (zh) 2020-07-09 2020-07-09 定位方法和装置、电子设备、车端设备、自动驾驶汽车

Country Status (4)

Country Link
US (1) US20210206390A1 (zh)
EP (1) EP3842750A3 (zh)
JP (1) JP7287997B2 (zh)
CN (1) CN111811521A (zh)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113008244A (zh) * 2021-02-25 2021-06-22 广州导远电子科技有限公司 导航信息的处理方法、装置、电子设备及存储介质
CN114199236A (zh) * 2021-11-29 2022-03-18 北京百度网讯科技有限公司 定位数据处理的方法、装置、电子设备和自动驾驶车辆
CN114413929A (zh) * 2021-12-06 2022-04-29 阿波罗智能技术(北京)有限公司 定位信息的校验方法、装置、***、无人车及存储介质
WO2022110801A1 (zh) * 2020-11-26 2022-06-02 浙江商汤科技开发有限公司 数据处理方法及装置、电子设备和存储介质
CN115597624A (zh) * 2022-08-31 2023-01-13 广州文远知行科技有限公司（Cn） 惯导单元的性能检测方法、装置、设备及存储介质

Families Citing this family (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20240125916A1 (en) * 2022-07-05 2024-04-18 Samsung Electronics Co., Ltd. Method and apparatus for indoor positioning using ranging and sensing information
CN114877892A (zh) * 2022-07-11 2022-08-09 泉州通维科技有限责任公司 一种用于光伏机器人的融合定位方法
CN115164888B (zh) * 2022-09-06 2022-12-09 中国船舶重工集团公司第七0七研究所 一种误差修正方法、装置、电子设备和存储介质
CN117307418B (zh) * 2023-11-13 2024-03-22 北京通泰恒盛科技有限责任公司 基于惯导的风机桨叶姿态的监测方法、***和介质
CN117492056B (zh) * 2023-12-26 2024-03-22 合众新能源汽车股份有限公司 车辆融合定位方法、***、装置和计算机可读介质
CN117490705B (zh) * 2023-12-27 2024-03-22 合众新能源汽车股份有限公司 车辆导航定位方法、***、装置和计算机可读介质

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6522266B1 (en) * 2000-05-17 2003-02-18 Honeywell, Inc. Navigation system, method and software for foot travel
CN101762805A (zh) * 2008-07-02 2010-06-30 凹凸电子（武汉）有限公司 组合导航***以及导航方法
CN102914785A (zh) * 2011-08-03 2013-02-06 哈曼贝克自动***股份有限公司 基于卫星定位数据和车辆传感器数据的车辆导航
CN102997923A (zh) * 2012-11-30 2013-03-27 北京控制工程研究所 一种基于多模型自适应滤波的自主导航方法
CN104296753A (zh) * 2014-09-26 2015-01-21 北京控制工程研究所 一种基于多模型滤波的空间目标定位方法
CN106197406A (zh) * 2016-06-20 2016-12-07 天津大学 一种基于惯性导航和rssi无线定位的融合方法
CN106979781A (zh) * 2017-04-12 2017-07-25 南京航空航天大学 基于分布式惯性网络的高精度传递对准方法
CN109737959A (zh) * 2019-03-20 2019-05-10 哈尔滨工程大学 一种基于联邦滤波的极区多源信息融合导航方法
CN110108268A (zh) * 2019-04-08 2019-08-09 上海未来伙伴机器人有限公司 视觉slam方法和可移动视觉slam装置
CN110542414A (zh) * 2018-05-28 2019-12-06 北京京东尚科信息技术有限公司 无人飞行器的导航模块管理方法与装置

Family Cites Families (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5184304A (en) * 1991-04-26 1993-02-02 Litton Systems, Inc. Fault-tolerant inertial navigation system
FR2826447B1 (fr) * 2001-06-26 2003-09-19 Sagem Procede et dispositif de navigation inertielle hybride
US8019538B2 (en) * 2007-07-25 2011-09-13 Honeywell International Inc. System and method for high accuracy relative navigation
US9052202B2 (en) * 2010-06-10 2015-06-09 Qualcomm Incorporated Use of inertial sensor data to improve mobile station positioning
US9165470B2 (en) * 2011-07-25 2015-10-20 GM Global Technology Operations LLC Autonomous convoying technique for vehicles
JP5910514B2 (ja) * 2013-01-15 2016-04-27 株式会社日立製作所 経路配信システム
JP6365818B2 (ja) 2014-02-28 2018-08-01 日本電気株式会社 信号変換装置及びシンボルタイミング検出方法
WO2015162873A1 (ja) * 2014-04-25 2015-10-29 日本電気株式会社 位置姿勢推定装置、画像処理装置及び位置姿勢推定方法
US10782411B2 (en) * 2018-01-12 2020-09-22 Uatc, Llc Vehicle pose system
US11016999B2 (en) * 2018-08-31 2021-05-25 Here Global B.V. Use of geographic database comprising lane level information for traffic parameter prediction

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6522266B1 (en) * 2000-05-17 2003-02-18 Honeywell, Inc. Navigation system, method and software for foot travel
CN101762805A (zh) * 2008-07-02 2010-06-30 凹凸电子（武汉）有限公司 组合导航***以及导航方法
CN102914785A (zh) * 2011-08-03 2013-02-06 哈曼贝克自动***股份有限公司 基于卫星定位数据和车辆传感器数据的车辆导航
CN102997923A (zh) * 2012-11-30 2013-03-27 北京控制工程研究所 一种基于多模型自适应滤波的自主导航方法
CN104296753A (zh) * 2014-09-26 2015-01-21 北京控制工程研究所 一种基于多模型滤波的空间目标定位方法
CN106197406A (zh) * 2016-06-20 2016-12-07 天津大学 一种基于惯性导航和rssi无线定位的融合方法
CN106979781A (zh) * 2017-04-12 2017-07-25 南京航空航天大学 基于分布式惯性网络的高精度传递对准方法
CN110542414A (zh) * 2018-05-28 2019-12-06 北京京东尚科信息技术有限公司 无人飞行器的导航模块管理方法与装置
CN109737959A (zh) * 2019-03-20 2019-05-10 哈尔滨工程大学 一种基于联邦滤波的极区多源信息融合导航方法
CN110108268A (zh) * 2019-04-08 2019-08-09 上海未来伙伴机器人有限公司 视觉slam方法和可移动视觉slam装置

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
JARED B.BANCROFT,ETC.: "Data Fusion Algorithms for Multiple Inertial Measurement Units", 《SENSORS》 *

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2022110801A1 (zh) * 2020-11-26 2022-06-02 浙江商汤科技开发有限公司 数据处理方法及装置、电子设备和存储介质
CN113008244A (zh) * 2021-02-25 2021-06-22 广州导远电子科技有限公司 导航信息的处理方法、装置、电子设备及存储介质
CN113008244B (zh) * 2021-02-25 2023-07-14 广州导远电子科技有限公司 导航信息的处理方法、装置、电子设备及存储介质
CN114199236A (zh) * 2021-11-29 2022-03-18 北京百度网讯科技有限公司 定位数据处理的方法、装置、电子设备和自动驾驶车辆
CN114413929A (zh) * 2021-12-06 2022-04-29 阿波罗智能技术(北京)有限公司 定位信息的校验方法、装置、***、无人车及存储介质
CN115597624A (zh) * 2022-08-31 2023-01-13 广州文远知行科技有限公司（Cn） 惯导单元的性能检测方法、装置、设备及存储介质

Also Published As

Publication number Publication date
EP3842750A3 (en) 2021-10-27
JP7287997B2 (ja) 2023-06-06
JP2021105614A (ja) 2021-07-26
EP3842750A2 (en) 2021-06-30
US20210206390A1 (en) 2021-07-08

Similar Documents

Publication Publication Date Title
CN111811521A (zh) 定位方法和装置、电子设备、车端设备、自动驾驶汽车
CN111649739B (zh) 定位方法和装置、自动驾驶车辆、电子设备和存储介质
CN111721289B (zh) 自动驾驶中车辆定位方法、装置、设备、存储介质及车辆
CN110806215B (zh) 车辆定位的方法、装置、设备及存储介质
CN111679302A (zh) 车辆定位方法、装置、电子设备和计算机存储介质
CN107748569B (zh) 用于无人机的运动控制方法、装置及无人机***
CN110617825B (zh) 一种车辆定位方法、装置、电子设备和介质
CN111721305B (zh) 定位方法和装置、自动驾驶车辆、电子设备和存储介质
US20210035456A1 (en) Unmanned aircraft, and method and system for navigation
CN112800159A (zh) 地图数据处理方法及装置
CN111623767B (zh) 用于定位的imu伪数据的生成方法、装置、电子设备及介质
JP7372949B2 (ja) 速度予測方法、装置、電子機器、記憶媒体及びコンピュータプログラム製品
CN111521187B (zh) 自动驾驶定位组合导航方法、装置、设备及存储介质
US10197402B2 (en) Travel direction information output apparatus, map matching apparatus, travel direction information output method, and computer readable medium
CN111780757B (zh) 定位方法和装置、电子设备、车端设备、自动驾驶汽车
CN113218380B (zh) 一种电子罗盘的校正方法、装置、电子设备及存储介质
CN114199236A (zh) 定位数据处理的方法、装置、电子设备和自动驾驶车辆
CN110579779B (zh) Gps质量确定方法、装置、设备和介质
CN112824936A (zh) 一种地物高度确定方法、装置、电子设备和介质
CN113375667B (zh) 导航方法、装置、设备和存储介质
CN111795695B (zh) 位置信息确定方法、装置及设备
CN115453491A (zh) 点云数据处理方法、装置、***及存储介质

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
TA01 Transfer of patent application right
TA01 Transfer of patent application right

Effective date of registration: 20211022

Address after: 105 / F, building 1, No. 10, Shangdi 10th Street, Haidian District, Beijing 100085

Applicant after: Apollo Intelligent Technology (Beijing) Co.,Ltd.

Address before: 2 / F, *** building, 10 Shangdi 10th Street, Haidian District, Beijing 100085

Applicant before: BEIJING BAIDU NETCOM SCIENCE AND TECHNOLOGY Co.,Ltd.