CN115790615A - 基于自动驾驶的多传感器融合方法、装置、介质及车辆 - Google Patents
基于自动驾驶的多传感器融合方法、装置、介质及车辆 Download PDFInfo
- Publication number
- CN115790615A CN115790615A CN202310044946.7A CN202310044946A CN115790615A CN 115790615 A CN115790615 A CN 115790615A CN 202310044946 A CN202310044946 A CN 202310044946A CN 115790615 A CN115790615 A CN 115790615A
- Authority
- CN
- China
- Prior art keywords
- state quantity
- state
- sensor fusion
- automatic driving
- matrix
- 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.)
- Granted
Links
Images
Landscapes
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
Abstract
本发明涉及自动驾驶技术领域,具体提供一种基于自动驾驶的多传感器融合方法、装置、介质及车辆,旨在解决在进行多传感器融合过程中,当一些状态维度需要被关闭时,如何有效抑制对应的状态量,且不对其他状态产生影响的问题。为此目的,本发明在存在需要进行状态抑制的第一目标状态量时,在卡尔曼滤波的传播阶段,将第一目标状态量自身维度的状态转移矩阵设置为单位矩阵,将与第一目标状态量和第二目标状态量均相关维度的状态转移矩阵设置为零矩阵;在更新阶段将第一目标状态量的雅克比矩阵设置为零矩阵,卡尔曼增益矩阵设置为零矩阵,避免第一目标状态量的抑制对第二目标状态量的协方差的影响。
Description
技术领域
本发明涉及自动驾驶技术领域,具体提供一种基于自动驾驶的多传感器融合方法、装置、介质及车辆。
背景技术
在自动驾驶技术中,多传感器融合算法一般是使用卡尔曼滤波方法实现融合的。而在一些状态维度不客观或需要强制不更新时,需要抑制对应的状态维度。
现有技术中,一般采用两种方法:一种是采用施密特开关的方法,但是这种方法没有考虑到不更新维度对其他维度对协方差的影响,实质上没有真正起到抑制作用;另一种是强制令状态及协方差不更新,也没有考虑到协方差的影响。
相应地,本领域需要一种新的多传感器融合方案来解决上述问题。
发明内容
为了克服上述缺陷,提出了本发明,以提供解决或至少部分地解决在进行多传感器融合过程中,当一些状态维度需要被关闭时,如何有效抑制对应的状态量,且不对其他状态产生影响的问题。
在第一方面,本发明提供一种基于自动驾驶的多传感器融合方法,所述方法包括:
当应用卡尔曼滤波进行多传感器融合时,获取需要进行状态抑制的第一目标状态量;
在所述卡尔曼滤波的传播阶段,将所述第一目标状态量自身维度的状态转移矩阵设置为单位矩阵,将与所述第一目标状态量和第二目标状态量均相关的维度的状态转移矩阵设置为零矩阵,其中,所述第二目标状态量为不需要进行状态抑制的状态量;
在所述卡尔曼滤波的更新阶段,将所述第一目标状态量的雅可比矩阵设置为零矩阵,并将所述第一目标状态量的卡尔曼增益矩阵设置为零矩阵,以实现在所述多传感器融合过程中对所述第一目标状态量的状态抑制时,对所述第二目标状态量的协方差矩阵的更新不产生影响。
在上述基于自动驾驶的多传感器融合方法的一个技术方案中,“获取需要进行状态抑制的第一目标状态量”的步骤包括:
判断所述卡尔曼滤波的每个状态量是否满足其对应的状态抑制条件;
将满足状态抑制条件的状态量作为所述第一目标状态量。
在上述基于自动驾驶的多传感器融合方法的一个技术方案中,所述状态量包括轮速速度系数,所述轮速速度系数的状态抑制条件为:
所述自动驾驶的速度小于等于预设的速度阈值;或,
所述自动驾驶的路线为非直线行驶。
在上述基于自动驾驶的多传感器融合方法的一个技术方案中,所述状态量包括传感器的时间延迟,所述时间延迟的状态抑制条件为:
所述自动驾驶的加速度小于等于预设的加速度阈值。
在上述基于自动驾驶的多传感器融合方法的一个技术方案中,所述状态量包括建模在轮速坐标系下的传感器的安装角度误差,所述传感器包括惯性测量单元、GNSS传感器和地图匹配定位传感器,所述传感器的安装角度误差包括俯仰角误差和/或航向角误差;
所述惯性测量单元的俯仰角误差的状态抑制条件为:
所述自动驾驶的速度小于等于预设的速度阈值;或,
所述自动驾驶的路线为非直线行驶;
所述惯性测量单元的航向角误差的状态抑制条件为:
所述自动驾驶的速度小于等于预设的速度阈值;或,
所述自动驾驶的加速度小于等于预设的加速度阈值;或,
所述自动驾驶的路线为非直线行驶;
所述GNSS传感器的航向角误差的状态抑制条件为:
所述自动驾驶的速度小于等于预设的速度阈值;或,
所述惯性测量单元的航向角误差的标定未达到收敛条件;
所述地图匹配定位传感器的航向角误差的状态抑制条件为:
所述自动驾驶的速度小于等于预设的速度阈值;或,
所述惯性测量单元的航向角误差的标定未达到收敛条件;或,
所述地图匹配定位传感器未获得高质量的匹配定位结果,其中所述高质量的匹配定位结果根据所述匹配定位结果的数据的质量位来判断。
在上述基于自动驾驶的多传感器融合方法的一个技术方案中,所述状态量包括传感器的传感器坐标系与所述惯性测量单元的惯性测量单元坐标系之间的杆臂值,所述杆臂值的状态抑制条件为:
所述自动驾驶的速度小于等于预设的速度阈值。
在上述基于自动驾驶的多传感器融合方法的一个技术方案中,所述状态量包括数字地图的局部地图偏移量,所述局部地图偏移量的状态抑制条件为:
所述自动驾驶的速度小于等于预设的速度阈值;或,
地图匹配定位传感器未获得高质量的匹配定位结果,其中所述高质量的匹配定位结果根据所述匹配定位结果的数据的质量位来判断;或,
惯性测量单元的航向角误差的标定未达到收敛条件。
在第二方面,提供一种控制装置,该控制装置包括至少一个处理器和至少一个存储装置,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基于自动驾驶的多传感器融合方法的技术方案中任一项技术方案所述的基于自动驾驶的多传感器融合方法。
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基于自动驾驶的多传感器融合方法的技术方案中任一项技术方案所述的基于自动驾驶的多传感器融合方法。
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所述的控制装置。
本发明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:
在实施本发明的技术方案中,本发明在应用卡尔曼滤波进行多传感器融合时,如果存在需要进行状态抑制的第一目标状态量,可以在卡尔曼滤波的传播阶段,将第一目标状态量自身维度的状态转移矩阵设置为单位矩阵,将与第一目标状态量和第二目标状态量均相关维度的状态转移矩阵设置为零矩阵,并在卡尔曼滤波的更新阶段,将第一目标状态量的雅克比矩阵设置为零矩阵,卡尔曼增益矩阵设置为零矩阵。通过上述配置方式,本发明在对第一目标状态量进行状态抑制时,对第二目标状态量的协方差矩阵不会产生影响,从而不会影响第二目标状态量的传播和更新过程。且通过本发明的多传感器融合方法能够对第一目标状态量进行灵活切换,但是对主状态不会产生影响,具备便捷可靠的特点。
附图说明
参照附图,本发明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,而并非意在对本发明的保护范围组成限制。其中:
图1是根据本发明的一个实施例的基于自动驾驶的多传感器融合方法的主要步骤流程示意图。
具体实施方式
下面参照附图来描述本发明的一些实施方式。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发明的技术原理,并非旨在限制本发明的保护范围。
在本发明的描述中,“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“一个”、“这个”也可以包含复数形式。
参阅附图1,图1是根据本发明的一个实施例的基于自动驾驶的多传感器融合方法的主要步骤流程示意图。如图1所示,本发明实施例中的基于自动驾驶的多传感器融合方法主要包括下列步骤S101-步骤S103。
步骤S101:当应用卡尔曼滤波进行多传感器融合时,获取需要进行状态抑制的第一目标状态量。
在本实施例中,在应用卡尔曼滤波进行多传感器融合时,可以获取需要进行状态抑制的第一目标状态量。
一个实施方式中,第一目标状态量可以为满足状态抑制条件的状态量。
一个实施方式中,第一目标状态量可以为需要强制不进行更新的状态量。如在一些情况下,一些状态量的更新对于多传感器融合意义不大,同时还会增加计算量,则可以强制不更新这些状态量。
步骤S102:在卡尔曼滤波的传播阶段,将第一目标状态量自身维度的状态转移矩阵设置为单位矩阵,将与第一目标状态量和第二目标状态量均相关的维度的状态转移矩阵设置为零矩阵,其中,第二目标状态量为不需要进行状态抑制的状态量。
在本实施例中,可以在卡尔曼滤波的传播阶段,可以将需要进行状态抑制的第一目标状态量自身维度的状态转移矩阵设置为单位矩阵,并将与第一目标状态量和第二目标状态量均相关的维度的状态转移矩阵设置为零矩阵。这样能够使得在卡尔曼滤波的传播阶段,第一目标状态量的协方差矩阵不进行更新,同时第二目标状态量的协方差矩阵依然进行更新,不受到第一目标状态量的影响。
步骤S103:在卡尔曼滤波的更新阶段,将第一目标状态量的雅克比矩阵设置为零矩阵,并将第一目标状态量的卡尔曼增益矩阵设置为零矩阵,以实现在多传感器融合过程中对第一目标状态量的状态抑制时,对第二目标状态量的协方差矩阵的更新不产生影响。
在本实施例中,可以在卡尔曼滤波的更新阶段,将第一目标状态量的雅克比矩阵设置为零矩阵,这样能够使得在卡尔曼滤波的更新阶段第二目标状态量的卡尔曼增益与单状态相同,但是此时第一目标状态量的卡尔曼增益矩阵不为零矩阵,会导致第一目标状态量的均值变化,因而需要将第一目标状态量的卡尔曼增益矩阵也设置为零矩阵,那么在进行协方差矩阵更新时,就能够使得第二目标状态量的协方差矩阵的更新与单状态也完成相同。这样就能够实现在对第一目标状态量进行状态抑制时,对第二目标状态量的协方差矩阵更新不产生影响。
一个实施方式中,可以通过以下公式(1)至(5)建立用于卡尔曼滤波的卡尔曼方程:
卡尔曼方程的一个状态的滤波过程如公式(6)至公式(10)所示:
更新阶段:
假设需要进行状态抑制的第一目标状态量为,不需要进行状态抑制的第二目标状态量为,那么在卡尔曼滤波的传播阶段,可以将第一目标状态量和第二目标状态量均相关的维度的状态转移矩阵设置为零矩阵,即==0,将第一目标状态量自身维度的状态转移矩阵设置为单位矩阵,即。
那么就可以获得更新阶段的卡尔曼增益为:
协方差更新为:
基于上述步骤S101-步骤S103,本发明实施例在应用卡尔曼滤波进行多传感器融合时,如果存在需要进行状态抑制的第一目标状态量,可以在卡尔曼滤波的传播阶段,将第一目标状态量自身维度的状态转移矩阵设置为单位矩阵,将与第一目标状态量和第二目标状态量均相关维度的状态转移矩阵设置为零矩阵,并在卡尔曼滤波的更新阶段,将第一目标状态量的雅克比矩阵设置为零矩阵,卡尔曼增益矩阵设置为零矩阵。通过上述配置方式,本发明实施例在对第一目标状态量进行状态抑制时,对第二目标状态量的协方差矩阵不会产生影响,从而不会影响第二目标状态量的传播和更新过程。且通过本发明的多传感器融合方法能够对第一目标状态量进行灵活切换,但是对主状态不会产生影响,具备便捷可靠的特点。
下面对步骤S101作进一步地说明。
在本发明实施例的一个实施方式中,步骤S101可以进一步包括以下步骤S1011和步骤S1012:
步骤S1011:判断卡尔曼滤波的每个状态量是否满足其对应的状态抑制条件。
步骤S1012:将满足状态抑制条件状态量作为第一目标状态量。
在本实施方式中,卡尔曼滤波的每个状态量都设置有与其对应的状态抑制条件,可以判断卡尔曼滤波的每个状态量是否满足其对应的状态抑制条件,若满足状态抑制条件,则可以将该状态量作为第一目标状态量。
一个实施方式中,状态量可以包括轮速速度系数,轮速速度系数的状态抑制条件为:
自动驾驶的速度小于等于预设的速度阈值;或,
自动驾驶的路线为非直线行驶。
一个实施方式中,状态量可以包括传感器的时间延迟,时间延迟的状态抑制条件为:
自动驾驶的加速度小于等于预设的加速度阈值。
一个实施方式中,状态量可以包括建模在轮速坐标系下的传感器的安装角度误差,传感器可以包括惯性测量单元、GNSS(Global Navigation Satellite System,全球导航卫星***)传感器和地图匹配定位传感器,传感器的安装角度误差可以包括俯仰角误差和航向角误差;其中,GNSS为全球导航卫星***,其是能在地球表面或近地空间的任何地点为用户提供全天候的3维坐标和速度以及时间信息的空基无线电导航定位***。GNSS传感器为设置在自动驾驶车辆上的,与全球导航卫星***配合使用的传感器。GNSS传感器可以为与GPS(Global Positioning System,全球定位***),北斗卫星导航***,伽利略卫星导航***等***配合使用的传感器,只要能提供全局的位置、速度、姿态量测的传感器都可以是GNSS传感器。
惯性测量单元的俯仰角误差的状态抑制条件为:
自动驾驶的速度小于等于预设的速度阈值;或,
自动驾驶的路线为非直线行驶。
惯性测量单元的航向角误差的状态抑制条件为:
自动驾驶的速度小于等于预设的速度阈值;或,
自动驾驶的加速度小于等于预设的加速度阈值;或,
自动驾驶的路线为非直线行驶。
GNSS传感器的航向角误差的状态抑制条件为:
自动驾驶的速度小于等于预设的速度阈值;或,
惯性测量单元的航向角误差的标定未达到收敛条件。
地图匹配定位传感器的航向角误差的状态抑制条件为:
自动驾驶的速度小于等于预设的速度阈值;或,
惯性测量单元的航向角误差的标定未达到收敛条件;或,
地图匹配定位传感器未获得高质量的匹配定位结果,其中高质量的匹配定位结果根据匹配定位结果的数据的质量位来判断。
一个实施方式中,地图匹配定位传感器可以通过传感器采集的数据与数字地图进行匹配以实现定位。地图匹配定位传感器可以包括车载相机和车载激光雷达。数字地图可以包括高精度地图和点云地图。如通过车载相机采集的图像数据与高精度地图进行匹配;通过车载激光雷达采集的点云数据与点云地图进行匹配。
一个实施方式中,状态量可以包括传感器的传感器坐标系与惯性测量单元的惯性测量单元坐标系之间的杆臂值,杆臂值的状态抑制条件为:
自动驾驶的速度小于等于预设的速度阈值。
一个实施方式中,状态量可以包括数字地图的局部地图偏移量,其中,数字地图可以包括高精度地图和点云地图。局部地图偏移量的状态抑制条件为:
自动驾驶的速度小于等于预设的速度阈值;或,
地图匹配定位传感器未获得高质量的匹配定位结果,其中高质量的匹配定位结果根据匹配定位结果的数据的质量位来判断;或,
惯性测量单元的航向角误差的标定未达到收敛条件。
一个实施方式中,速度阈值可以为3m/s,加速度阈值可以为0.2m/s2。
需要指出的是,尽管上述实施例中将各个步骤按照特定的先后顺序进行了描述,但是本领域技术人员可以理解,为了实现本发明的效果,不同的步骤之间并非必须按照这样的顺序执行,其可以同时(并行)执行或以其他顺序执行,这些变化都在本发明的保护范围之内。
本领域技术人员能够理解的是,本发明实现上述一实施例的方法中的全部或部分流程,也可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一计算机可读存储介质中,该计算机程序在被处理器执行时,可实现上述各个方法实施例的步骤。其中,所述计算机程序包括计算机程序代码,所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读存储介质可以包括:能够携带所述计算机程序代码的任何实体或装置、介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器、随机存取存储器、电载波信号、电信信号以及软件分发介质等。需要说明的是,所述计算机可读存储介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减,例如在某些司法管辖区,根据立法和专利实践,计算机可读存储介质不包括电载波信号和电信信号。
进一步,本发明还提供了一种控制装置。在根据本发明的一个控制装置实施例中,控制装置包括至少一个处理器和至少一个存储装置,存储装置可以被配置成存储执行上述方法实施例的基于自动驾驶的多传感器融合方法的程序,处理器可以被配置成用于执行存储装置中的程序,该程序包括但不限于执行上述方法实施例的基于自动驾驶的多传感器融合方法的程序。为了便于说明,仅示出了与本发明实施例相关的部分,具体技术细节未揭示的,请参照本发明实施例方法部分。
在本发明实施例中控制装置可以是包括各种电子设备形成的控制装置设备。在一些可能的实施方式中,控制装置可以包括多个存储装置和多个处理器。而执行上述方法实施例的基于自动驾驶的多传感器融合方法的程序可以被分割成多段子程序,每段子程序分别可以由处理器加载并运行以执行上述方法实施例的基于自动驾驶的多传感器融合方法的不同步骤。具体地,每段子程序可以分别存储在不同的存储装置中,每个处理器可以被配置成用于执行一个或多个存储装置中的程序,以共同实现上述方法实施例的基于自动驾驶的多传感器融合方法,即每个处理器分别执行上述方法实施例的基于自动驾驶的多传感器融合方法的不同步骤,来共同实现上述方法实施例的基于自动驾驶的多传感器融合方法。
上述多个处理器可以是部署于同一个设备上的处理器,例如上述控制装置可以是由多个处理器组成的高性能设备,上述多个处理器可以是该高性能设备上配置的处理器。此外,上述多个处理器也可以是部署于不同设备上的处理器,例如上述控制装置可以是服务器集群,上述多个处理器可以是服务器集群中不同服务器上的处理器。
进一步,本发明还提供了一种计算机可读存储介质。在根据本发明的一个计算机可读存储介质实施例中,计算机可读存储介质可以被配置成存储执行上述方法实施例的基于自动驾驶的多传感器融合方法的程序,该程序可以由处理器加载并运行以实现上述基于自动驾驶的多传感器融合方法。为了便于说明,仅示出了与本发明实施例相关的部分,具体技术细节未揭示的,请参照本发明实施例方法部分。该计算机可读存储介质可以是包括各种电子设备形成的存储装置设备,可选的,本发明实施例中计算机可读存储介质是非暂时性的计算机可读存储介质。
进一步,本发明还提供了一种车辆。在根据本发明的一个车辆实施例中,车辆可以包括控制装置实施例中的控制装置。
进一步,应该理解的是,由于各个模块的设定仅仅是为了说明本发明的装置的功能单元,这些模块对应的物理器件可以是处理器本身,或者处理器中软件的一部分,硬件的一部分,或者软件和硬件结合的一部分。因此,图中的各个模块的数量仅仅是示意性的。
本领域技术人员能够理解的是,可以对装置中的各个模块进行适应性地拆分或合并。对具体模块的这种拆分或合并并不会导致技术方案偏离本发明的原理,因此,拆分或合并之后的技术方案都将落入本发明的保护范围内。
至此,已经结合附图所示的优选实施方式描述了本发明的技术方案,但是,本领域技术人员容易理解的是,本发明的保护范围显然不局限于这些具体实施方式。在不偏离本发明的原理的前提下,本领域技术人员可以对相关技术特征作出等同的更改或替换,这些更改或替换之后的技术方案都将落入本发明的保护范围之内。
Claims (10)
1.一种基于自动驾驶的多传感器融合方法,其特征在于,所述方法包括:
当应用卡尔曼滤波进行多传感器融合时,获取需要进行状态抑制的第一目标状态量;
在所述卡尔曼滤波的传播阶段,将所述第一目标状态量自身维度的状态转移矩阵设置为单位矩阵,将与所述第一目标状态量和第二目标状态量均相关的维度的状态转移矩阵设置为零矩阵,其中,所述第二目标状态量为不需要进行状态抑制的状态量;
在所述卡尔曼滤波的更新阶段,将所述第一目标状态量的雅可比矩阵设置为零矩阵,并将所述第一目标状态量的卡尔曼增益矩阵设置为零矩阵,以实现在所述多传感器融合过程中对所述第一目标状态量的状态抑制时,对所述第二目标状态量的协方差矩阵的更新不产生影响。
2.根据权利要求1所述的基于自动驾驶的多传感器融合方法,其特征在于,“获取需要进行状态抑制的第一目标状态量”的步骤包括:
判断所述卡尔曼滤波的每个状态量是否满足其对应的状态抑制条件;
将满足状态抑制条件的状态量作为所述第一目标状态量。
3.根据权利要求2所述的基于自动驾驶的多传感器融合方法,其特征在于,所述状态量包括轮速速度系数,所述轮速速度系数的状态抑制条件为:
所述自动驾驶的速度小于等于预设的速度阈值;或,
所述自动驾驶的路线为非直线行驶。
4.根据权利要求2所述的基于自动驾驶的多传感器融合方法,其特征在于,所述状态量包括传感器的时间延迟,所述时间延迟的状态抑制条件为:
所述自动驾驶的加速度小于等于预设的加速度阈值。
5.根据权利要求2所述的基于自动驾驶的多传感器融合方法,其特征在于,所述状态量包括建模在轮速坐标系下的传感器的安装角度误差,所述传感器包括惯性测量单元、GNSS传感器和地图匹配定位传感器,所述传感器的安装角度误差包括俯仰角误差和/或航向角误差;
所述惯性测量单元的俯仰角误差的状态抑制条件为:
所述自动驾驶的速度小于等于预设的速度阈值;或,
所述自动驾驶的路线为非直线行驶;
所述惯性测量单元的航向角误差的状态抑制条件为:
所述自动驾驶的速度小于等于预设的速度阈值;或,
所述自动驾驶的加速度小于等于预设的加速度阈值;或,
所述自动驾驶的路线为非直线行驶;
所述GNSS传感器的航向角误差的状态抑制条件为:
所述自动驾驶的速度小于等于预设的速度阈值;或,
所述惯性测量单元的航向角误差的标定未达到收敛条件;
所述地图匹配定位传感器的航向角误差的状态抑制条件为:
所述自动驾驶的速度小于等于预设的速度阈值;或,
所述惯性测量单元的航向角误差的标定未达到收敛条件;或,
所述地图匹配定位传感器未获得高质量的匹配定位结果,其中所述高质量的匹配定位结果根据所述匹配定位结果的数据的质量位来判断。
6.根据权利要求2所述的基于自动驾驶的多传感器融合方法,其特征在于,所述状态量包括传感器的传感器坐标系与惯性测量单元的惯性测量单元坐标系之间的杆臂值,所述杆臂值的状态抑制条件为:
所述自动驾驶的速度小于等于预设的速度阈值。
7.根据权利要求2所述的基于自动驾驶的多传感器融合方法,其特征在于,所述状态量包括数字地图的局部地图偏移量,所述局部地图偏移量的状态抑制条件为:
所述自动驾驶的速度小于等于预设的速度阈值;或,
地图匹配定位传感器未获得高质量的匹配定位结果,其中所述高质量的匹配定位结果根据所述匹配定位结果的数据的质量位来判断;或,
惯性测量单元的航向角误差的标定未达到收敛条件。
8.一种控制装置,包括至少一个处理器和至少一个存储装置,所述存储装置适于存储多条程序代码,其特征在于,所述程序代码适于由所述处理器加载并运行以执行权利要求1至7中任一项所述的基于自动驾驶的多传感器融合方法。
9.一种计算机可读存储介质,其中存储有多条程序代码,其特征在于,所述程序代码适于由处理器加载并运行以执行权利要求1至7中任一项所述的基于自动驾驶的多传感器融合方法。
10.一种车辆,其特征在于,所述车辆包括权利要求8中的控制装置。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310044946.7A CN115790615B (zh) | 2023-01-30 | 2023-01-30 | 基于自动驾驶的多传感器融合方法、装置、介质及车辆 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310044946.7A CN115790615B (zh) | 2023-01-30 | 2023-01-30 | 基于自动驾驶的多传感器融合方法、装置、介质及车辆 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115790615A true CN115790615A (zh) | 2023-03-14 |
CN115790615B CN115790615B (zh) | 2023-05-05 |
Family
ID=85429188
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310044946.7A Active CN115790615B (zh) | 2023-01-30 | 2023-01-30 | 基于自动驾驶的多传感器融合方法、装置、介质及车辆 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115790615B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115959140A (zh) * | 2023-03-16 | 2023-04-14 | 安徽蔚来智驾科技有限公司 | 基于卡尔曼滤波的车辆纵向阻力获取方法、装置及车辆 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20070213933A1 (en) * | 2006-03-08 | 2007-09-13 | Honeywell International Inc. | Methods and systems for implementing an iterated extended Kalman filter within a navigation system |
CN107289933A (zh) * | 2017-06-28 | 2017-10-24 | 东南大学 | 基于mems传感器和vlc定位融合的双卡尔曼滤波导航装置和方法 |
CN112256006A (zh) * | 2019-07-02 | 2021-01-22 | ***通信集团贵州有限公司 | 一种数据的处理方法、装置及电子设备 |
US20210341624A1 (en) * | 2020-05-01 | 2021-11-04 | Deere & Company | Navigation Apparatus and Method in Which Measurement Quantization Errors are Modeled as States |
CN113899374A (zh) * | 2021-12-10 | 2022-01-07 | 智道网联科技(北京)有限公司 | 自动驾驶车辆定位方法、装置及电子设备、存储介质 |
WO2022007437A1 (zh) * | 2020-07-04 | 2022-01-13 | 华为技术有限公司 | 传感器安装偏差角的标定方法、组合定位***和车辆 |
CN114413934A (zh) * | 2022-01-20 | 2022-04-29 | 北京经纬恒润科技股份有限公司 | 一种车辆定位***校正方法和装置 |
CN114877886A (zh) * | 2022-05-17 | 2022-08-09 | 浙江工业大学 | 一种车载组合导航设备姿态自适应估计方法 |
WO2022166046A1 (zh) * | 2021-02-05 | 2022-08-11 | 北京理工大学 | 基于事件触发状态估计的车辆质心侧偏角估计方法及*** |
CN115371689A (zh) * | 2022-08-24 | 2022-11-22 | 智道网联科技(北京)有限公司 | 自动驾驶车辆的融合定位方法、装置及电子设备 |
-
2023
- 2023-01-30 CN CN202310044946.7A patent/CN115790615B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20070213933A1 (en) * | 2006-03-08 | 2007-09-13 | Honeywell International Inc. | Methods and systems for implementing an iterated extended Kalman filter within a navigation system |
CN107289933A (zh) * | 2017-06-28 | 2017-10-24 | 东南大学 | 基于mems传感器和vlc定位融合的双卡尔曼滤波导航装置和方法 |
CN112256006A (zh) * | 2019-07-02 | 2021-01-22 | ***通信集团贵州有限公司 | 一种数据的处理方法、装置及电子设备 |
US20210341624A1 (en) * | 2020-05-01 | 2021-11-04 | Deere & Company | Navigation Apparatus and Method in Which Measurement Quantization Errors are Modeled as States |
WO2022007437A1 (zh) * | 2020-07-04 | 2022-01-13 | 华为技术有限公司 | 传感器安装偏差角的标定方法、组合定位***和车辆 |
WO2022166046A1 (zh) * | 2021-02-05 | 2022-08-11 | 北京理工大学 | 基于事件触发状态估计的车辆质心侧偏角估计方法及*** |
CN113899374A (zh) * | 2021-12-10 | 2022-01-07 | 智道网联科技(北京)有限公司 | 自动驾驶车辆定位方法、装置及电子设备、存储介质 |
CN114413934A (zh) * | 2022-01-20 | 2022-04-29 | 北京经纬恒润科技股份有限公司 | 一种车辆定位***校正方法和装置 |
CN114877886A (zh) * | 2022-05-17 | 2022-08-09 | 浙江工业大学 | 一种车载组合导航设备姿态自适应估计方法 |
CN115371689A (zh) * | 2022-08-24 | 2022-11-22 | 智道网联科技(北京)有限公司 | 自动驾驶车辆的融合定位方法、装置及电子设备 |
Non-Patent Citations (1)
Title |
---|
王建伟 等: "基于Kalman滤波的干扰源融合定位算法初探", 《中国无线电》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115959140A (zh) * | 2023-03-16 | 2023-04-14 | 安徽蔚来智驾科技有限公司 | 基于卡尔曼滤波的车辆纵向阻力获取方法、装置及车辆 |
CN115959140B (zh) * | 2023-03-16 | 2023-06-02 | 安徽蔚来智驾科技有限公司 | 基于卡尔曼滤波的车辆纵向阻力获取方法、装置及车辆 |
Also Published As
Publication number | Publication date |
---|---|
CN115790615B (zh) | 2023-05-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109669202B (zh) | 位置估计装置和方法 | |
CN105783922B (zh) | 用于确定针对具有磁力计辅助的混合导航***的航向的方法 | |
US7860651B2 (en) | Enhanced inertial system performance | |
CN109435955B (zh) | 一种自动驾驶***性能评估方法、装置、设备及存储介质 | |
CN111536972B (zh) | 一种基于里程计刻度系数修正的车载dr导航方法 | |
CN109781117B (zh) | 一种组合定位方法和*** | |
US20080077325A1 (en) | Systems and methods for a hybrid transition matrix | |
CN111928869B (zh) | 车辆运动轨迹估计方法、装置及电子设备 | |
CN113465628B (zh) | 惯性测量单元数据补偿方法及*** | |
US20230366680A1 (en) | Initialization method, device, medium and electronic equipment of integrated navigation system | |
CN115790615B (zh) | 基于自动驾驶的多传感器融合方法、装置、介质及车辆 | |
CN110006421B (zh) | 一种基于mems和gps的车载导航方法及*** | |
EP1508776A1 (en) | Autonomous velocity estimation and navigation | |
CN110440830A (zh) | 动基座下车载捷联惯导***自对准方法 | |
CN115096346A (zh) | 基于自动驾驶的传感器参数标定方法、装置、介质及车辆 | |
CN113551666A (zh) | 自动驾驶多传感器融合定位方法和装置、设备及介质 | |
JP2022068866A (ja) | Gnss受信状況が突然かつ顕著に変化する場合における、車両のgnssに基づく位置特定装置の位置特定結果に関する少なくとも1つの完全性情報を決定するための方法 | |
CN114252077B (zh) | 基于联邦滤波器的双gps/sins的组合导航方法及*** | |
CN113607176B (zh) | 组合导航***轨迹输出方法及装置 | |
CN116718153B (zh) | 一种基于gnss和ins的形变监测方法及*** | |
CN111469781A (zh) | 用于输出信息的方法和装置 | |
CN115839718B (zh) | 一种基于运动约束的融合定位方法及装置 | |
CN116917771A (zh) | 用于借助卡尔曼滤波器确定至少一个***状态的方法 | |
Robins | Recent Developments in the" TERPROM" Integrated Navigation System | |
EP4193122A1 (en) | Extended dead reckoning accuracy |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |