CN116222586A - 自动驾驶车辆的融合定位方法、装置及电子设备 - Google Patents
自动驾驶车辆的融合定位方法、装置及电子设备 Download PDFInfo
- Publication number
- CN116222586A CN116222586A CN202310027780.8A CN202310027780A CN116222586A CN 116222586 A CN116222586 A CN 116222586A CN 202310027780 A CN202310027780 A CN 202310027780A CN 116222586 A CN116222586 A CN 116222586A
- Authority
- CN
- China
- Prior art keywords
- sensor
- positioning
- data
- error model
- positioning data
- 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
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
-
- 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
- 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
- G01C21/1652—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 with ranging devices, e.g. LIDAR or RADAR
-
- 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
- G01C21/1656—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 with passive imaging devices, e.g. cameras
-
- 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
- G01C21/183—Compensation of inertial measurements, e.g. for temperature effects
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C25/00—Manufacturing, calibrating, cleaning, or repairing instruments or devices referred to in the other groups of this subclass
- G01C25/005—Manufacturing, calibrating, cleaning, or repairing instruments or devices referred to in the other groups of this subclass initial alignment, calibration or starting-up of inertial devices
-
- 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
- G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
- G01S17/86—Combinations of lidar systems with systems other than lidar, radar or sonar, e.g. with direction finders
-
- 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
- G01S19/00—Satellite radio beacon positioning systems; Determining position, velocity or attitude using signals transmitted by such systems
- G01S19/38—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system
- G01S19/39—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system the satellite radio beacon positioning system transmitting time-stamped messages, e.g. GPS [Global Positioning System], GLONASS [Global Orbiting Navigation Satellite System] or GALILEO
- G01S19/42—Determining position
- G01S19/45—Determining position by combining measurements of signals from the satellite radio beacon positioning system with a supplementary measurement
- G01S19/47—Determining position by combining measurements of signals from the satellite radio beacon positioning system with a supplementary measurement the supplementary measurement being an inertial measurement, e.g. tightly coupled inertial
-
- 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
- G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
- G01S7/02—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00
- G01S7/40—Means for monitoring or calibrating
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/80—Analysis of captured images to determine intrinsic or extrinsic camera parameters, i.e. camera calibration
- G06T7/85—Stereo camera calibration
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Computer Networks & Wireless Communication (AREA)
- Manufacturing & Machinery (AREA)
- Electromagnetism (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Theoretical Computer Science (AREA)
- Navigation (AREA)
Abstract
本申请公开了一种自动驾驶车辆的融合定位方法、装置及电子设备,该方法包括:获取自动驾驶车辆的多个传感器的第一定位数据;根据各个传感器的第一定位数据,利用预设标定策略对各个传感器进行标定,得到各个传感器的定位误差模型;利用各个传感器的定位误差模型分别对各个传感器的第二定位数据进行补偿,得到各个传感器的补偿后的第二定位数据;根据各个传感器的补偿后的第二定位数据进行融合定位,得到所述自动驾驶车辆的融合定位结果。本申请实施例的自动驾驶车辆的融合定位方法通过对不同传感器的定位误差进行标定,以此对不同传感器的定位数据进行补偿后再融合,提高了融合定位精度和稳定性。
Description
技术领域
本申请涉及自动驾驶技术领域,尤其涉及一种自动驾驶车辆的融合定位方法、装置及电子设备。
背景技术
自动驾驶车辆要保证在各种复杂场景下的行驶安全性和稳定性,需要有高精度的定位信息作为支撑,要实现在各复杂场景下的高精度定位,依靠单一传感器很难实现,往往需要通过多传感器信息进行融合定位,例如对激光雷达、视觉相机、IMU(InertialMeasurement Unit,惯性测量单元)等传感器的定位信息进行融合。
然而,在对多传感器信息进行融合时,不同传感器自身的定位结果会存在不同程度的误差,直接进行融合也将导致最终的融合定位结果存在较大误差,进而导致自动驾驶车辆的定位精度和定位稳定性降低。
发明内容
本申请实施例提供了一种自动驾驶车辆的融合定位方法、装置及电子设备,以提高自动驾驶车辆的融合定位精度和定位稳定性。
本申请实施例采用下述技术方案:
第一方面,本申请实施例提供一种自动驾驶车辆的融合定位方法,其中,所述方法包括:
获取自动驾驶车辆的多个传感器的第一定位数据;
根据各个传感器的第一定位数据,利用预设标定策略对各个传感器进行标定,得到各个传感器的定位误差模型;
利用各个传感器的定位误差模型分别对各个传感器的第二定位数据进行补偿,得到各个传感器的补偿后的第二定位数据;
根据各个传感器的补偿后的第二定位数据进行融合定位,得到所述自动驾驶车辆的融合定位结果。
可选地,所述获取自动驾驶车辆的多个传感器的第一定位数据包括:
获取自动驾驶车辆的当前状态数据,并根据所述当前状态数据确定所述自动驾驶车辆是否满足预设标定条件;
在所述自动驾驶车辆满足所述预设标定条件的情况下,获取所述自动驾驶车辆的多个传感器的第一定位数据。
可选地,所述根据所述当前状态数据确定所述自动驾驶车辆是否满足预设标定条件包括:
获取所述自动驾驶车辆的当前速度、RTK定位数据以及IMU原始数据;
根据所述当前速度和/或所述IMU原始数据确定所述自动驾驶车辆是否处于运动状态,根据所述RTK定位数据确定RTK定位状态是否为固定解状态,以及根据所述IMU原始数据确定所述自动驾驶车辆是否处于直行状态;
在所述自动驾驶车辆处于运动状态、所述RTK定位状态为固定解状态且所述自动驾驶车辆处于直行状态的情况下,确定所述自动驾驶车辆满足所述预设标定条件;
否则,则确定所述自动驾驶车辆不满足所述预设标定条件。
可选地,所述定位误差模型包括航向角误差模型,各个传感器的第一定位数据包括各个传感器对应的原始航向角,所述根据各个传感器的第一定位数据,利用预设标定策略对各个传感器进行标定,得到各个传感器的定位误差模型包括:
按照预设距离条件计算各个传感器对应的基准航向角;
根据各个传感器对应的原始航向角和各个传感器对应的基准航向角确定各个传感器的航向角误差模型。
可选地,所述定位误差模型包括速度误差模型,各个传感器的第一定位数据包括各个传感器对应的原始速度,所述根据各个传感器的第一定位数据,利用预设标定策略对各个传感器进行标定,得到各个传感器的定位误差模型包括:
获取各个传感器对应的RTK定位数据,所述RTK定位数据包括RTK定位速度;
根据各个传感器对应的原始速度以及对应的RTK定位速度确定各个传感器对应的速度误差模型。
可选地,在根据各个传感器的第一定位数据,利用预设标定策略对各个传感器进行标定,得到各个传感器的定位误差模型之后,所述方法还包括:
根据预设更新条件对各个传感器的定位误差模型进行更新,得到各个传感器的更新后的定位误差模型,所述预设更新条件包括预设距离间隔和/或预设时间间隔。
可选地,所述定位误差模型包括横向位置误差模型,各个传感器的第一定位数据包括视觉传感器对应的原始位置信息,所述根据各个传感器的第一定位数据,利用预设标定策略对各个传感器进行标定,得到各个传感器的定位误差模型包括:
获取RTK定位数据,所述RTK定位数据包括RTK定位位置;
根据所述视觉传感器对应的原始位置信息和所述RTK定位位置,确定所述视觉传感器对应的总位置误差,所述总位置误差包括横向位置误差和纵向位置误差;
利用预设剔除策略剔除所述视觉传感器对应的总位置误差中的纵向位置误差,得到所述视觉传感器对应的横向位置误差;
根据所述视觉传感器对应的横向位置误差确定所述横向位置误差模型。
第二方面,本申请实施例还提供一种自动驾驶车辆的融合定位装置,其中,所述装置包括:
获取单元,用于获取自动驾驶车辆的多个传感器的第一定位数据;
标定单元,用于根据各个传感器的第一定位数据,利用预设标定策略对各个传感器进行标定,得到各个传感器的定位误差模型;
补偿单元,用于利用各个传感器的定位误差模型分别对各个传感器的第二定位数据进行补偿,得到各个传感器的补偿后的第二定位数据;
融合定位单元,用于根据各个传感器的补偿后的第二定位数据进行融合定位,得到所述自动驾驶车辆的融合定位结果。
第三方面,本申请实施例还提供一种电子设备,包括:
处理器;以及
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。
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。
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:本申请实施例的自动驾驶车辆的融合定位方法,先获取自动驾驶车辆的多个传感器的第一定位数据;然后根据各个传感器的第一定位数据,利用预设标定策略对各个传感器进行标定,得到各个传感器的定位误差模型;之后利用各个传感器的定位误差模型分别对各个传感器的第二定位数据进行补偿,得到各个传感器的补偿后的第二定位数据;最后根据各个传感器的补偿后的第二定位数据进行融合定位,得到自动驾驶车辆的融合定位结果。本申请实施例的自动驾驶车辆的融合定位方法通过对不同传感器的定位误差进行标定,以此对不同传感器的定位数据进行补偿后再融合,提高了融合定位精度和定位稳定性。
附图说明
此处所说明的附图用来提供对本申请的进一步理解,构成本申请的一部分,本申请的示意性实施例及其说明用于解释本申请,并不构成对本申请的不当限定。在附图中:
图1为本申请实施例中一种自动驾驶车辆的融合定位方法的流程示意图;
图2为本申请实施例中一种自动驾驶车辆的融合定位装置的结构示意图;
图3为本申请实施例中一种电子设备的结构示意图。
具体实施方式
为使本申请的目的、技术方案和优点更加清楚,下面将结合本申请具体实施例及相应的附图对本申请技术方案进行清楚、完整地描述。显然,所描述的实施例仅是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
以下结合附图,详细说明本申请各实施例提供的技术方案。
本申请实施例提供了一种自动驾驶车辆的融合定位方法,如图1所示,提供了本申请实施例中一种自动驾驶车辆的融合定位方法的流程示意图,所述方法至少包括如下的步骤S110至步骤S140:
步骤S110,获取自动驾驶车辆的多个传感器的第一定位数据。
在进行自动驾驶车辆的融合定位时,需要先获取自动驾驶车辆上装载的多个传感器的第一定位数据,第一定位数据例如可以包括激光雷达对应的点云定位结果、视觉相机对应的视觉定位结果、轮速计的定位结果以及IMU的定位结果等。
步骤S120,根据各个传感器的第一定位数据,利用预设标定策略对各个传感器进行标定,得到各个传感器的定位误差模型。
在得到各个传感器的第一定位数据后,可以基于各个传感器的定位结果,利用预设标定策略对各个传感器的定位误差进行标定,由于融合定位不仅仅需要保证用于融合的位置准确,速度、姿态等信息也需要足够准确,因此这里的定位误差例如可以包括位置误差、速度误差、航向角误差等,从而得到各个传感器的定位误差模型。预设标定策略例如可以是采用高精定位信息来衡量各个传感器的定位数据的误差。定位误差模型可以通过一段时间内或者一段距离内各个传感器产生的定位误差构建得到,以保证定位误差模型的准确性和鲁棒性。
步骤S130,利用各个传感器的定位误差模型分别对各个传感器的第二定位数据进行补偿,得到各个传感器的补偿后的第二定位数据。
在实际定位阶段,可以利用前述步骤标定好的各个传感器的定位误差模型分别对各个传感器产生的第二定位数据进行补偿,也即对定位数据的误差进行补偿,从而提高各个传感器的定位结果的精度。
步骤S140,根据各个传感器的补偿后的第二定位数据进行融合定位,得到所述自动驾驶车辆的融合定位结果。
在得到各个传感器的补偿后的第二定位数据后,可以利用预设融合定位算法如卡尔曼滤波或者扩展卡尔曼滤波等对多个传感器的补偿后的定位数据进行融合处理,从而得到高精度的融合定位结果。
本申请实施例的自动驾驶车辆的融合定位方法通过对不同传感器的定位误差进行标定,以此对不同传感器的定位数据进行补偿后再融合,提高了融合定位精度和稳定性。
在本申请的一些实施例中,所述获取自动驾驶车辆的多个传感器的第一定位数据包括:获取自动驾驶车辆的当前状态数据,并根据所述当前状态数据确定所述自动驾驶车辆是否满足预设标定条件;在所述自动驾驶车辆满足所述预设标定条件的情况下,获取所述自动驾驶车辆的多个传感器的第一定位数据。
为了保证各个传感器的定位误差标定的准确性,可以在自动驾驶车辆的当前状态满足一定标定条件的情况下进行定位误差的标定,因此可以先获取自动驾驶车辆的当前状态数据,当前状态数据可以反映出自动驾驶车辆当前的行驶状态、定位状态等信息,进而可以以此来判断自动驾驶车辆当前是否适合进行标定。
由于标定的目的在于确定出各个传感器的定位误差模型,从而可以将定位误差模型作为后续补偿定位误差的基础,因此上述设置的预设标定条件主要是为了尽可能约束自动驾驶车辆处于较优的状态下,从而能够在线标定出更准确的定位误差模型。这样,定位误差模型的实际应用阶段也不会受到RTK定位状态的影响,也即即使卫星定位信号较差,同样可以利用上述标定好的定位误差模型进行定位误差补偿。
在本申请的一些实施例中,所述根据所述当前状态数据确定所述自动驾驶车辆是否满足预设标定条件包括:获取所述自动驾驶车辆的当前速度、RTK定位数据以及IMU原始数据;根据所述当前速度和/或所述IMU原始数据确定所述自动驾驶车辆是否处于运动状态,根据所述RTK定位数据确定RTK定位状态是否为固定解状态,以及根据所述IMU原始数据确定所述自动驾驶车辆是否处于直行状态;在所述自动驾驶车辆处于运动状态、所述RTK定位状态为固定解状态且所述自动驾驶车辆处于直行状态的情况下,确定所述自动驾驶车辆满足所述预设标定条件;否则,则确定所述自动驾驶车辆不满足所述预设标定条件。
本申请实施例在判断自动驾驶车辆是否满足预设标定条件时,可以从以下几个方面来判断:
第一个方面是自动驾驶车辆行驶状态的判断,可以通过获取自动驾驶车辆当前的车底盘速度来判断,如果车底盘速度大于预设速度阈值,则认为车辆处于正常的运动动态,否则,则可能处于静止状态或者刚由静止状态进入运动状态的情况,之所以将刚由静止状态进入运动状态的情况与正常的运动状态区分开是因为车辆在刚刚进入运动状态时的误差优化逻辑与已经正式进入相对稳定的运动状态时的误差优化逻辑不同,本申请实施例主要针对的是车辆已经正式进入到相对稳定的运动状态时的定位误差的标定,因此上述预设速度阈值可以设置为大于0的数值,如1m/s,而非以0来区分运动状态和静止状态。
此外,需要说明的是,有些情况下可能无法获取到自动驾驶车辆的当前速度,此时可以利用IMU原始数据来判断运动状态,当然,也可以结合当前速度和IMU原始数据来综合判断。
第二个方面是自动驾驶车辆的RTK定位状态的判断,由于后续要将RTK定位结果作为衡量其他传感器的定位误差的基准,因此需要保证RTK定位结果的准确性,进而才能够保证其他传感器的定位误差计算的准确性。具体可以根据RTK定位状态是否为固定解来判断当前的RTK定位位置是否可用,如果是固定解,则说明RTK定位位置能够达到厘米级别的精度,也即位置足够准确。
第三个方面是自动驾驶车辆是否处于直行状态的判断,如果自动驾驶车辆处于非直行状态,例如拐弯的情况,会影响定位误差如航向角误差标定的准确性,标定结果的可参考性降低,因此可以在车辆处于直行的状态下进行后续的在线标定,从而保证定位误差标定的准确性,直行状态可以根据IMU数据中的角速度等来判断。
基于上述三个方面,如果判断出自动驾驶车辆处于正常的运动状态、RTK定位状态为固定解且自动驾驶车辆处于直行状态,那么可以认为满足预设标定条件,否则,则不满足。需要说明的是,上述三个方面的判断没有严格的先后顺序的限制,可以同步判断,也可以异步判断。
在本申请的一些实施例中,所述定位误差模型包括航向角误差模型,各个传感器的第一定位数据包括各个传感器对应的原始航向角,所述根据各个传感器的第一定位数据,利用预设标定策略对各个传感器进行标定,得到各个传感器的定位误差模型包括:按照预设距离条件计算各个传感器对应的基准航向角;根据各个传感器对应的原始航向角和各个传感器对应的基准航向角确定各个传感器的航向角误差模型。
在融合定位阶段,航向角等姿态信息的融合是十分重要的一个维度,如果姿态误差较大,会对自动驾驶车辆的姿态控制和定位都产生较大的影响,因此本申请实施例的定位误差模型可以包括航向角误差模型。由于激光雷达、视觉相机以及IMU等传感器都会输出航向角信息,因此可以分别对这些传感器的航向角误差模型进行标定。
在对各个传感器的航向角误差模型进行标定时,可以先按照定义好的预设距离条件来计算各个传感器对应的基准航向角数据,基准航向角数据主要来源于RTK定位结果,具体计算可以基于现有的航向角计算方式,例如根据角度弧度的转换以及两个RTK定位位置之间的欧式距离来计算RTK航向角的大小。
由于航向角的计算与两点之间的距离有关,距离过小或者过大,都会导致航向角计算不准确,因此本申请实施例定义了预设距离条件,预设距离条件表征了每隔多远的距离计算一个基准航向角数据,即用来约束基准航向角数据的计算,例如可以设置为每3~5米计算一个基准航向角数据,从而保证基准航向角数据计算的准确性,进而能够作为后续衡量其他传感器的航向角偏差的基准。预设距离条件除了可以包括距离间隔的设置,还可以包括总距离的设置,例如设置缓存一段距离如500米内的自动驾驶车辆的RTK定位数据并计算得到多个基准航向角数据。
之后可以将各个传感器对应的原始航向角分别与对应的基准航向角进行比较,计算各个传感器对应的多个航向角误差,最后可以用一定的拟合算法将每个传感器对应的多个航向角误差进行拟合,从而可以得到各个传感器对应的航向角误差模型,航向角误差模型可以表征的是原始航向角与基准航向角的对应关系,也可以表征原始航向角与航向角误差的对应关系,具体如何拟合,本领域技术人员可以根据实际需求设置。
后续在获取到自动驾驶车辆的第二定位数据时,即可利用上述标定好的航向角误差模型对各个传感器的第二定位数据中的航向角进行补偿,再将各个传感器补偿后的航向角观测值用于融合定位,从而提高航向角信息融合的准确性。
在本申请的一些实施例中,所述定位误差模型包括速度误差模型,各个传感器的第一定位数据包括各个传感器对应的原始速度,所述根据各个传感器的第一定位数据,利用预设标定策略对各个传感器进行标定,得到各个传感器的定位误差模型包括:获取各个传感器对应的RTK定位数据,所述RTK定位数据包括RTK定位速度;根据各个传感器对应的原始速度以及对应的RTK定位速度确定各个传感器对应的速度误差模型。
在融合定位阶段,对于速度信息的融合也是十分重要的一个维度,如果速度误差较大,会导致自动驾驶车辆的定位产生较大的误差,因此本申请实施例的定位误差模型可以包括速度误差模型。由于速度信息主要由激光雷达和轮速计等传感器输出,因此可以分别对这些传感器的速度误差模型进行标定。
在标定激光雷达和轮速计对应的速度误差模型时,同样可以以RTK定位结果中包含的速度V_rtk作为基准,分别计算激光雷达的速度误差v_s和轮速计的速度误差v_o,然后通过最小二乘或者LM(Levenberg-Marquardt,列文伯格-马夸尔特)等算法优化或者在线标定出激光雷达的速度误差模型的系数ks和bs,以及轮速计的速度误差模型的系数ko和bo,最终得到的激光雷达的速度误差模型和轮速计的速度误差模型可以分别表示为如下形式:
V_rtk=ks*v_s+bs
V_rtk=ko*v_o+bo
后续在获取到自动驾驶车辆的第二定位数据时,即可利用上述速度误差模型对各个传感器的第二定位数据中的速度进行补偿,再将各个传感器补偿后的速度观测值用于融合定位,从而提高速度信息融合的准确性。
在本申请的一些实施例中,在根据各个传感器的第一定位数据,利用预设标定策略对各个传感器进行标定,得到各个传感器的定位误差模型之后,所述方法还包括:根据预设更新条件对各个传感器的定位误差模型进行更新,得到各个传感器的更新后的定位误差模型,所述预设更新条件包括预设距离间隔和/或预设时间间隔。
由于前述实施例标定出的定位误差模型是基于一定距离内或者一段时间内的定位数据构建得到的,因此随着时间推移以及实际场景等的变化,模型的参数可能也会发生变化,因此本申请实施例可以按照一定更新条件对各个传感器的定位误差模型进行更新,以保证各个传感器的定位误差模型的准确性。
上述更新条件例如可以定义为每隔预设距离如10km更新一次,或者每隔一段时间如10min更新一次,相当于定期遗忘历史信息,只使用最近的一段数据来自适应构建定位误差模型。
在本申请的一些实施例中,所述定位误差模型包括横向位置误差模型,各个传感器的第一定位数据包括视觉传感器对应的原始位置信息,所述根据各个传感器的第一定位数据,利用预设标定策略对各个传感器进行标定,得到各个传感器的定位误差模型包括:获取RTK定位数据,所述RTK定位数据包括RTK定位位置;根据所述视觉传感器对应的原始位置信息和所述RTK定位位置,确定所述视觉传感器对应的总位置误差,所述总位置误差包括横向位置误差和纵向位置误差;利用预设剔除策略剔除所述视觉传感器对应的总位置误差中的纵向位置误差,得到所述视觉传感器对应的横向位置误差;根据所述视觉传感器对应的横向位置误差确定所述横向位置误差模型。
传感器的定位数据中除了包含航向角和速度等信息,也包含位置信息,例如视觉相机输出的位置信息,因此除了前述实施例中构建的航向角误差模型和速度误差模型,本申请实施例还可以针对位置误差构建位置误差模型,由于视觉相机输出的位置信息的纵向位置误差通常较大,一般不用于融合定位,因此本申请实施例这里构建的位置误差模型主要是指横向位置误差模型。
在基于视觉相机输出的位置信息构建横向位置误差模型时,由于视觉相机输出的位置信息是UTM(Universal Transverse Mercator Grid System,通用横墨卡托格网***)坐标系下的X-Y-Z坐标值,因此直接将其与当前的RTK位置作差后得到的总位置误差中既包含横向位置误差,又包含纵向位置误差,因此可以先将总位置误差中的纵向位置误差剔除,也即将横向位置误差从总位置误差中分离出来,例如可以采取如下剔除策略来实现:
vio_dp.x()=_time_vio_data.x()-_time_pos_data.x();
vio_dp.y()=_time_vio_data.y()-_time_pos_data.y();
_vio_dp=sqrt(vio_dp.x()*vio_dp.x()+vio_dp.y()*vio_dp.y());
double pos_yaw=-atan2(vio_dp.x(),vio_dp.y())+M_PI*0.5;
_vio_dp’=abs(sin(pos_yaw-ori_yaw))*_vio_dp;//this make sure only useval lat data;
其中,_time_vio_data.x()和_time_vio_data.y()分别表示的是视觉相机输出的XY轴位置坐标,_time_pos_data.x()和_time_pos_data.y()分别表示的是RTK的XY轴位置坐标,vio_dp.x()和vio_dp.y()分别表示的是XY轴的位置误差,_vio_dp为XY轴的位置误差对应的欧式距离,pos_yaw为视觉相机输出的航向角,ori_yaw为RTK航向角,M_PI*0.5表示的是90度,_vio_dp’即为横向位置误差。
在得到上述横向位置误差后,同样可以采取一定的拟合算法对多个横向位置误差进行拟合得到横向位置误差模型,后续在获取到视觉相机的第二定位数据时,即可利用上述横向位置误差模型对视觉相机的第二定位数据中的横向位置进行补偿,再将补偿后的横向位置观测值用于融合定位,从而提高横向位置信息融合的准确性。
本申请实施例还提供了一种自动驾驶车辆的融合定位装置200,如图2所示,提供了本申请实施例中一种自动驾驶车辆的融合定位装置的结构示意图,所述装置200包括:获取单元210、标定单元220、补偿单元230以及融合定位单元240,其中:
获取单元210,用于获取自动驾驶车辆的多个传感器的第一定位数据;
标定单元220,用于根据各个传感器的第一定位数据,利用预设标定策略对各个传感器进行标定,得到各个传感器的定位误差模型;
补偿单元230,用于利用各个传感器的定位误差模型分别对各个传感器的第二定位数据进行补偿,得到各个传感器的补偿后的第二定位数据;
融合定位单元240,用于根据各个传感器的补偿后的第二定位数据进行融合定位,得到所述自动驾驶车辆的融合定位结果。
在本申请的一些实施例中,所述获取单元210具体用于:获取自动驾驶车辆的当前状态数据,并根据所述当前状态数据确定所述自动驾驶车辆是否满足预设标定条件;在所述自动驾驶车辆满足所述预设标定条件的情况下,获取所述自动驾驶车辆的多个传感器的第一定位数据。
在本申请的一些实施例中,所述获取单元210具体用于:获取所述自动驾驶车辆的当前速度、RTK定位数据以及IMU原始数据;根据所述当前速度和/或所述IMU原始数据确定所述自动驾驶车辆是否处于运动状态,根据所述RTK定位数据确定RTK定位状态是否为固定解状态,以及根据所述IMU原始数据确定所述自动驾驶车辆是否处于直行状态;在所述自动驾驶车辆处于运动状态、所述RTK定位状态为固定解状态且所述自动驾驶车辆处于直行状态的情况下,确定所述自动驾驶车辆满足所述预设标定条件;否则,则确定所述自动驾驶车辆不满足所述预设标定条件。
在本申请的一些实施例中,所述定位误差模型包括航向角误差模型,各个传感器的第一定位数据包括各个传感器对应的原始航向角,所述标定单元220具体用于:按照预设距离条件计算各个传感器对应的基准航向角;根据各个传感器对应的原始航向角和各个传感器对应的基准航向角确定各个传感器的航向角误差模型。
在本申请的一些实施例中,所述定位误差模型包括速度误差模型,各个传感器的第一定位数据包括各个传感器对应的原始速度,所述标定单元220具体用于:获取各个传感器对应的RTK定位数据,所述RTK定位数据包括RTK定位速度;根据各个传感器对应的原始速度以及对应的RTK定位速度确定各个传感器对应的速度误差模型。
在本申请的一些实施例中,所述装置还包括:更新单元,用于根据预设更新条件对各个传感器的定位误差模型进行更新,得到各个传感器的更新后的定位误差模型,所述预设更新条件包括预设距离间隔和/或预设时间间隔。
在本申请的一些实施例中,所述定位误差模型包括横向位置误差模型,各个传感器的第一定位数据包括视觉传感器对应的原始位置信息,所述标定单元220具体用于:获取RTK定位数据,所述RTK定位数据包括RTK定位位置;根据所述视觉传感器对应的原始位置信息和所述RTK定位位置,确定所述视觉传感器对应的总位置误差,所述总位置误差包括横向位置误差和纵向位置误差;利用预设剔除策略剔除所述视觉传感器对应的总位置误差中的纵向位置误差,得到所述视觉传感器对应的横向位置误差;根据所述视觉传感器对应的横向位置误差确定所述横向位置误差模型。
能够理解,上述自动驾驶车辆的融合定位装置,能够实现前述实施例中提供的自动驾驶车辆的融合定位方法的各个步骤,关于自动驾驶车辆的融合定位方法的相关阐释均适用于自动驾驶车辆的融合定位装置,此处不再赘述。
图3是本申请的一个实施例电子设备的结构示意图。请参考图3,在硬件层面,该电子设备包括处理器,可选地还包括内部总线、网络接口、存储器。其中,存储器可能包含内存,例如高速随机存取存储器(Random-Access Memory,RAM),也可能还包括非易失性存储器(non-volatile memory),例如至少1个磁盘存储器等。当然,该电子设备还可能包括其他业务所需要的硬件。
处理器、网络接口和存储器可以通过内部总线相互连接,该内部总线可以是ISA(Industry Standard Architecture,工业标准体系结构)总线、PCI(PeripheralComponent Interconnect,外设部件互连标准)总线或EISA(Extended Industry StandardArchitecture,扩展工业标准结构)总线等。所述总线可以分为地址总线、数据总线、控制总线等。为便于表示,图3中仅用一个双向箭头表示,但并不表示仅有一根总线或一种类型的总线。
存储器,用于存放程序。具体地,程序可以包括程序代码,所述程序代码包括计算机操作指令。存储器可以包括内存和非易失性存储器,并向处理器提供指令和数据。
处理器从非易失性存储器中读取对应的计算机程序到内存中然后运行,在逻辑层面上形成自动驾驶车辆的融合定位装置。处理器,执行存储器所存放的程序,并具体用于执行以下操作:
获取自动驾驶车辆的多个传感器的第一定位数据;
根据各个传感器的第一定位数据,利用预设标定策略对各个传感器进行标定,得到各个传感器的定位误差模型;
利用各个传感器的定位误差模型分别对各个传感器的第二定位数据进行补偿,得到各个传感器的补偿后的第二定位数据;
根据各个传感器的补偿后的第二定位数据进行融合定位,得到所述自动驾驶车辆的融合定位结果。
上述如本申请图1所示实施例揭示的自动驾驶车辆的融合定位装置执行的方法可以应用于处理器中,或者由处理器实现。处理器可能是一种集成电路芯片,具有信号的处理能力。在实现过程中,上述方法的各步骤可以通过处理器中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器可以是通用处理器,包括中央处理器(CentralProcessing Unit,CPU)、网络处理器(Network Processor,NP)等;还可以是数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific IntegratedCircuit,ASIC)、现场可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。可以实现或者执行本申请实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合本申请实施例所公开的方法的步骤可以直接体现为硬件译码处理器执行完成,或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器,闪存、只读存储器,可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器,处理器读取存储器中的信息,结合其硬件完成上述方法的步骤。
该电子设备还可执行图1中自动驾驶车辆的融合定位装置执行的方法,并实现自动驾驶车辆的融合定位装置在图1所示实施例的功能,本申请实施例在此不再赘述。
本申请实施例还提出了一种计算机可读存储介质,该计算机可读存储介质存储一个或多个程序,该一个或多个程序包括指令,该指令当被包括多个应用程序的电子设备执行时,能够使该电子设备执行图1所示实施例中自动驾驶车辆的融合定位装置执行的方法,并具体用于执行:
获取自动驾驶车辆的多个传感器的第一定位数据;
根据各个传感器的第一定位数据,利用预设标定策略对各个传感器进行标定,得到各个传感器的定位误差模型;
利用各个传感器的定位误差模型分别对各个传感器的第二定位数据进行补偿,得到各个传感器的补偿后的第二定位数据;
根据各个传感器的补偿后的第二定位数据进行融合定位,得到所述自动驾驶车辆的融合定位结果。
本领域内的技术人员应明白,本发明的实施例可提供为方法、***、或计算机程序产品。因此,本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(***)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
在一个典型的配置中,计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。
内存可能包括计算机可读介质中的非永久性存储器,随机存取存储器(RAM)和/或非易失性内存等形式,如只读存储器(ROM)或闪存(flash RAM)。内存是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括,但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带,磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质,可用于存储可以被计算设备访问的信息。按照本文中的界定,计算机可读介质不包括暂存电脑可读媒体(transitory media),如调制的数据信号和载波。
还需要说明的是,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。
本领域技术人员应明白,本申请的实施例可提供为方法、***或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
以上所述仅为本申请的实施例而已,并不用于限制本申请。对于本领域技术人员来说,本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等,均应包含在本申请的权利要求范围之内。
Claims (10)
1.一种自动驾驶车辆的融合定位方法,其中,所述方法包括:
获取自动驾驶车辆的多个传感器的第一定位数据;
根据各个传感器的第一定位数据,利用预设标定策略对各个传感器进行标定,得到各个传感器的定位误差模型;
利用各个传感器的定位误差模型分别对各个传感器的第二定位数据进行补偿,得到各个传感器的补偿后的第二定位数据;
根据各个传感器的补偿后的第二定位数据进行融合定位,得到所述自动驾驶车辆的融合定位结果。
2.如权利要求1所述方法,其中,所述获取自动驾驶车辆的多个传感器的第一定位数据包括:
获取自动驾驶车辆的当前状态数据,并根据所述当前状态数据确定所述自动驾驶车辆是否满足预设标定条件;
在所述自动驾驶车辆满足所述预设标定条件的情况下,获取所述自动驾驶车辆的多个传感器的第一定位数据。
3.如权利要求2所述方法,其中,所述根据所述当前状态数据确定所述自动驾驶车辆是否满足预设标定条件包括:
获取所述自动驾驶车辆的当前速度、RTK定位数据以及IMU原始数据;
根据所述当前速度和/或所述IMU原始数据确定所述自动驾驶车辆是否处于运动状态,根据所述RTK定位数据确定RTK定位状态是否为固定解状态,以及根据所述IMU原始数据确定所述自动驾驶车辆是否处于直行状态;
在所述自动驾驶车辆处于运动状态、所述RTK定位状态为固定解状态且所述自动驾驶车辆处于直行状态的情况下,确定所述自动驾驶车辆满足所述预设标定条件;
否则,则确定所述自动驾驶车辆不满足所述预设标定条件。
4.如权利要求1所述方法,其中,所述定位误差模型包括航向角误差模型,各个传感器的第一定位数据包括各个传感器对应的原始航向角,所述根据各个传感器的第一定位数据,利用预设标定策略对各个传感器进行标定,得到各个传感器的定位误差模型包括:
按照预设距离条件计算各个传感器对应的基准航向角;
根据各个传感器对应的原始航向角和各个传感器对应的基准航向角确定各个传感器的航向角误差模型。
5.如权利要求1所述方法,其中,所述定位误差模型包括速度误差模型,各个传感器的第一定位数据包括各个传感器对应的原始速度,所述根据各个传感器的第一定位数据,利用预设标定策略对各个传感器进行标定,得到各个传感器的定位误差模型包括:
获取各个传感器对应的RTK定位数据,所述RTK定位数据包括RTK定位速度;
根据各个传感器对应的原始速度以及对应的RTK定位速度确定各个传感器对应的速度误差模型。
6.如权利要求1所述方法,其中,在根据各个传感器的第一定位数据,利用预设标定策略对各个传感器进行标定,得到各个传感器的定位误差模型之后,所述方法还包括:
根据预设更新条件对各个传感器的定位误差模型进行更新,得到各个传感器的更新后的定位误差模型,所述预设更新条件包括预设距离间隔和/或预设时间间隔。
7.如权利要求1所述方法,其中,所述定位误差模型包括横向位置误差模型,各个传感器的第一定位数据包括视觉传感器对应的原始位置信息,所述根据各个传感器的第一定位数据,利用预设标定策略对各个传感器进行标定,得到各个传感器的定位误差模型包括:
获取RTK定位数据,所述RTK定位数据包括RTK定位位置;
根据所述视觉传感器对应的原始位置信息和所述RTK定位位置,确定所述视觉传感器对应的总位置误差,所述总位置误差包括横向位置误差和纵向位置误差;
利用预设剔除策略剔除所述视觉传感器对应的总位置误差中的纵向位置误差,得到所述视觉传感器对应的横向位置误差;
根据所述视觉传感器对应的横向位置误差确定所述横向位置误差模型。
8.一种自动驾驶车辆的融合定位装置,其中,所述装置包括:
获取单元,用于获取自动驾驶车辆的多个传感器的第一定位数据;
标定单元,用于根据各个传感器的第一定位数据,利用预设标定策略对各个传感器进行标定,得到各个传感器的定位误差模型;
补偿单元,用于利用各个传感器的定位误差模型分别对各个传感器的第二定位数据进行补偿,得到各个传感器的补偿后的第二定位数据;
融合定位单元,用于根据各个传感器的补偿后的第二定位数据进行融合定位,得到所述自动驾驶车辆的融合定位结果。
9.一种电子设备,包括:
处理器;以及
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所述权利要求1~7之任一所述方法。
10.一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所述权利要求1~7之任一所述方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310027780.8A CN116222586A (zh) | 2023-01-09 | 2023-01-09 | 自动驾驶车辆的融合定位方法、装置及电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310027780.8A CN116222586A (zh) | 2023-01-09 | 2023-01-09 | 自动驾驶车辆的融合定位方法、装置及电子设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116222586A true CN116222586A (zh) | 2023-06-06 |
Family
ID=86570695
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310027780.8A Pending CN116222586A (zh) | 2023-01-09 | 2023-01-09 | 自动驾驶车辆的融合定位方法、装置及电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116222586A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116518986A (zh) * | 2023-07-04 | 2023-08-01 | 蘑菇车联信息科技有限公司 | 自动驾驶车辆的定位方法、装置及电子设备、存储介质 |
-
2023
- 2023-01-09 CN CN202310027780.8A patent/CN116222586A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116518986A (zh) * | 2023-07-04 | 2023-08-01 | 蘑菇车联信息科技有限公司 | 自动驾驶车辆的定位方法、装置及电子设备、存储介质 |
CN116518986B (zh) * | 2023-07-04 | 2023-10-03 | 蘑菇车联信息科技有限公司 | 自动驾驶车辆的定位方法、装置及电子设备、存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10267638B2 (en) | Method and system for adapting a navigation system | |
CN115390086B (zh) | 用于自动驾驶的融合定位方法、装置及电子设备、存储介质 | |
CN114279453B (zh) | 基于车路协同的自动驾驶车辆定位方法、装置及电子设备 | |
CN116222586A (zh) | 自动驾驶车辆的融合定位方法、装置及电子设备 | |
CN115184976B (zh) | 自动驾驶车辆的定位方法、装置及电子设备、存储介质 | |
CN114812595B (zh) | 用于融合定位的状态预警方法、装置及电子设备、存储介质 | |
CN115546315A (zh) | 自动驾驶车辆的传感器在线标定方法、装置及存储介质 | |
CN115727843A (zh) | 用于航位推算的轮速确定方法、装置及设备 | |
CN115056801A (zh) | 自动驾驶的多路径识别方法、装置及电子设备、存储介质 | |
CN114114369A (zh) | 自动驾驶车辆定位方法和装置、电子设备和存储介质 | |
CN113932835B (zh) | 自动驾驶车辆定位杆臂的标定方法、装置及电子设备 | |
CN115856979B (zh) | 自动驾驶车辆的定位方法、装置及电子设备、存储介质 | |
CN115950441B (zh) | 自动驾驶车辆的融合定位方法、装置及电子设备 | |
CN116148821A (zh) | 激光雷达的外参修正方法和装置、电子设备和存储介质 | |
WO2023185215A1 (zh) | 数据校准 | |
CN116106869A (zh) | 自动驾驶车辆的定位评价方法、装置及电子设备 | |
CN115014395A (zh) | 用于自动驾驶的车辆航向角实时标定方法、装置 | |
CN116448146A (zh) | 一种惯性导航***自标定方法、装置、设备及存储介质 | |
CN113917512B (zh) | 自动驾驶车辆的定位方法、装置、电子设备及存储介质 | |
CN114739416A (zh) | 自动驾驶车辆定位方法、装置及电子设备、存储介质 | |
CN115112125A (zh) | 自动驾驶车辆的定位方法、装置及电子设备、存储介质 | |
CN115183786A (zh) | 用于自动驾驶的传感器误差预测模型的训练方法、装置 | |
CN116518986B (zh) | 自动驾驶车辆的定位方法、装置及电子设备、存储介质 | |
CN115685280A (zh) | 自动驾驶车辆的姿态优化方法、装置及电子设备 | |
CN116559899B (zh) | 自动驾驶车辆的融合定位方法、装置和电子设备 |
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 |