[發明專利]基于神經網絡模型的車輛定位方法及裝置

有效

• 申請號: 202110370139.5
• 申請日: 2021-04-07
• 公開（公告）號: CN112762933B
• 公開（公告）日: 2021-07-09
• 發明（設計）人: 費再慧;單國航;賈雙成;朱磊;李成軍
• 申請（專利權）人: 智道網聯科技（北京）有限公司
• 主分類號: G01C21/16
• 分類號: G01C21/16;G06N3/04;G06N3/08
• 代理公司: 北京中知君達知識產權代理有限公司 11769
• 代理人: 李辰;黃啟法

本申請是關于一種基于神經網絡模型的車輛定位方法及裝置。該方法包括：向預先訓練好的數據模型輸入慣性測量單元的測量數據，其中，所述預先訓練好的數據模型為使用多組數據通過機器學習訓練得出的，多組數據中的每組數據均包括：定位模塊的加速度和定位模塊的角速度；使所述數據模型對所述慣性測量單元的測量數據進行時間校正并輸出校正測量數據，獲得所述校正測量數據；依據車輛的初始位姿、所述校正測量數據，獲得車輛的定位數據。本申請提供的技術方案，能夠基于神經網絡模型降低慣性測量單元的累積誤差，提高車輛定位的精度。

技術領域

本申請涉及導航技術領域，尤其涉及一種基于神經網絡模型的車輛定位方法及裝置。

背景技術

衛星定位模塊例如GPS（Global Positioning System，全球定位系統）定位模塊具有性能好、精度高、應用廣的特點。但在某些場景下，例如橋下，涵洞，隧道，密集樓宇之間等定位信號不好的位置，相關技術的衛星定位模塊的定位偏差很大，甚至無法提供定位結果。而包含慣性測量單元（Inertial Measurement Unit，簡稱IMU）的慣性導航系統，可以利用慣性測量單元的測量數據，推算出載體的運動軌跡。

慣性導航系統利用慣性測量單元的加速度計和陀螺儀的測量數據來推算載體的運動軌跡。然而，慣性測量單元中的加速度計和陀螺儀受各種因素影響，使用一段時間后，其內參數和性能會發生變化，使得的測量數據會有所偏差，而且隨著時間的推移積累較大的誤差，這樣慣性導航系統通過慣性測量單元的測量數據推算得到的運動軌跡也存在較大的誤差。

發明內容

為克服相關技術中存在的問題，本申請提供一種基于神經網絡模型的車輛定位方法及裝置，能夠基于神經網絡模型降低慣性測量單元的累積誤差，提高依據慣性測量單元的測量數據進行車輛定位的精度。

本申請第一方面提供一種基于神經網絡模型的車輛定位方法，所述方法包括：

向預先訓練好的數據模型輸入慣性測量單元的測量數據，其中，所述預先訓練好的數據模型為使用多組數據通過機器學習訓練得出的，多組數據中的每組數據均包括：定位模塊的加速度和定位模塊的角速度；

使所述數據模型對所述慣性測量單元的測量數據進行時間校正并輸出校正測量數據；

依據車輛的初始位姿、所述校正測量數據，獲得車輛的定位數據。

優選的，所述向預先訓練好的數據模型輸入慣性測量單元的測量數據之前，包括獲得所述數據模型的步驟，具體包括:

依據定位模塊的位置信息和姿態信息，分別進行樣條擬合處理構建第一樣條曲線組，第一樣條曲線組包括第一位置樣條曲線、第一姿態樣條曲線；

依據所述第一樣條曲線組，獲得所述定位模塊的第一加速度序列數據和所述定位模塊的第一角速度序列數據；

向預設的神經網絡模型輸入所述第一加速度序列數據和所述第一角速度序列數據，以及所述慣性測量單元的第二加速度序列數據和第二角速度序列數據，其中，所述第一加速度序列數據與第二加速度序列數據在采樣時間上對齊，所述第一角速度序列數據與第二角速度序列數據在采樣時間上對齊；

通過使所述第二加速度序列數據向所述第一加速度序列數據收斂，使所述第二角速度序列數據向所述第一角速度序列數據收斂，獲得訓練好的數據模型。

優選的，所述依據定位模塊的位置信息和姿態信息，分別進行樣條擬合處理構建第一樣條曲線組，第一樣條曲線組包括第一位置樣條曲線、第一姿態樣條曲線，包括：

依據定位模塊的位置信息，進行B樣條擬合處理構建第一位置樣條曲線;

依據定位模塊的姿態信息，進行B樣條擬合處理構建第一姿態樣條曲線。