一种无人车定位精度的确定方法及装置与流程

本发明涉及定位技术领域，尤其涉及一种无人车定位精度的确定方法及装置。

背景技术：

无人车作为一种智能化的移动交通工具，能够代替人类驾驶员完成一系列驾驶行为。无人车是一个集环境感知、导航定位以及决策控制等多功能于一体的综合系统。导航定位功能能够使无人车“了解”自身的位置、速度或方向等信息，以使决策控制功能依据无人车的定位信息做出相应的决策，规划出行驶路径并最终控制无人车按照决策和路径进行驾驶。综上，定位精度是影响无人车智能驾驶性能的关键因素，然而目前仍然缺乏无人车定位精度的确定方式。

技术实现要素：

有鉴于此，本发明实施例提供一种无人车定位精度的确定方法及装置，以确定无人车的定位精度。

第一方面，本发明实施例提供了一种无人车定位精度的确定方法，包括：

获取依据无人车的传感定位数据实时定位得到的定位坐标信息；

依据所述无人车的GPS数据、IMU数据和激光点云数据，确定所述无人车的真实坐标信息；

将获取的定位坐标信息与确定的真实坐标信息进行匹配，依据匹配结果确定所述无人车的定位精度。

第二方面，本发明实施例提供了一种无人车定位精度的确定装置，包括：

定位信息获取模块，用于获取依据无人车的传感定位数据实时定位得到的定位坐标信息；

真实信息确定模块，用于依据所述无人车的GPS数据、IMU数据和激光点云数据，确定所述无人车的真实坐标信息；

定位精度确定模块，用于将获取的定位坐标信息与确定的真实坐标信息进行匹配，依据匹配结果确定所述无人车的定位精度。

本发明实施例提供的技术方案，通过依据无人车的GPS定位数据、IMU数据和激光点云数据确定高准确度的无人车的真实坐标信息，并将无人车的高准确度的真实坐标信息与依据无人车的传感器数据实时定位得到的定位坐标信息进行匹配，依据匹配结果确定无人车中定位模块的定位精度。该方法能够确定无人车的定位精度，且定位精度的准确度较高，为基于定位结果确定无人车的行驶路线做好准备工作。

附图说明

图1是本发明实施例一提供的一种无人车定位精度的确定方法的流程图；

图2a是本发明实施例二提供的一种无人车定位精度的确定方法的流程图；

图2b是本发明实施例二提供的误差确定过程的示例图；

图3a是本发明实施例三提供的一种无人车定位精度的确定方法的流程图；

图3b是本发明实施例三提供的无人车的真实坐标信息确定过程的示意图；

图4是本发明实施例四提供的一种无人车定位精度的确定装置的结构图。

具体实施方式

下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释本发明，而非对本发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本发明相关的部分而非全部结构。

实施例一

图1是本发明实施例一提供的一种无人车定位精度的确定方法的流程图。本实施例的方法可以由无人车定位精度的确定装置来执行，该装置可通过硬件和/或软件的方式实现，且本实施例提供的方法一般可适用于无人车定位精度的测试情形。参考图1，本实施例提供的无人车定位精度的确定方法具体可以包括如下：

S11、获取依据无人车的传感定位数据实时定位得到的定位坐标信息。

其中，传感定位数据指的是通过无人车中定位传感器采集的数据。以无人车采用惯性导航系统(Inertial Navigation System，INS)进行定位为例，定位传感器可以包括陀螺仪和加速度传感器等，传感定位数据可以包括加速度数据和角速度数据等，INS从起点位置依据连续测得的无人车航向角和速度推算出无人车下一点的定位坐标信息，从而可连续测出无人车在每一时刻的定位坐标信息。

需要说明的是，本实施例中对无人车中定位系统不作具体限定，如无人车也可以采用全球定位系统(Global Positioning System，GPS)或北斗卫星导航系统(BeiDou Navigation Satellite System，BDS)进行定位。

S12、依据所述无人车的GPS数据、惯性测量单元(Inertial measurement unit，IMU)数据和激光点云数据，确定所述无人车的真实坐标信息。

在本实施例中，无人车中配置有GPS模块、惯性测量单元IMU和激光雷达等，在无人车行驶过程中可以实时获取差分GPS数据、IMU数据和激光点云数据，随后，可以将差分GPS数据和激光点云数据用迭代最近点算法(IterativeClosest Points，ICP)算法进行离线配准，得到精确的无人车的真实坐标信息；也可以将获取的差分GPS数据、IMU数据和激光点云数据与预先确定的高精地图进行比较，得到无人车的真实坐标信息。由于差分GPS数据的定位精度可以达到厘米级，再结合激光点云数据利用ICP算法进行离线配准确定的真实坐标信息的准确度高于厘米级。

S13、将获取的定位坐标信息与确定的真实坐标信息进行匹配，依据匹配结果确定所述无人车的定位精度。

具体的，可以依据时间戳将无人车在每一时刻的定位坐标信息与真实坐标信息进行比较，并依据二者之间的差值确定无人车的定位精度，如若99％的差值均小于或等于1cm，则可以确定无人车的定位精度是1cm。

本实施例提供的技术方案，通过依据无人车的GPS定位数据、IMU数据和激光点云数据确定高准确度的无人车的真实坐标信息，并将无人车的高准确度的真实坐标信息与依据无人车的传感器数据实时定位得到的定位坐标信息进行匹配，依据匹配结果确定无人车中定位模块的定位精度，该方法能够确定无人车的定位精度，且定位精度的准确度较高，为基于定位结果确定无人车的行驶路线做好准备工作。

示例性的，将获取的定位坐标信息与确定的真实坐标信息进行匹配，依据匹配结果确定所述无人车的定位精度，可以包括：

将所述无人车的定位坐标信息与所述真实坐标信息进行匹配，确定所述无人车的定位误差；

依据所述无人车的定位误差确定所述无人车的定位精度。

实施例二

本实施例在上述实施例一的基础上提供了一种新的无人车定位精度的确定方法。在本实施例中具体提供了一种依据定位坐标信息与真实坐标信息的匹配结果确定无人车的定位精度的方式。2a是本发明实施例二提供的无人车定位精度的确定方法的流程图。参考图2a本实施例提供的无人车定位精度的确定方法具体可以包括如下：

S21、获取依据无人车的传感定位数据实时定位得到的定位坐标信息。

S22、依据所述无人车的GPS数据、IMU数据和激光点云数据，确定所述无人车的真实坐标信息。

S23、依据所述的定位坐标信息与所述真实坐标信息，在世界坐标系下确定所述无人车的直线误差和高度误差。

具体的，针对每一时刻，确定无人车在该时刻的定位坐标信息在世界坐标系xoy面上投影，与真实坐标信息在xoy面上投影的距离，将确定的距离作为无人车在该时刻的直线误差。并且，针对每一时刻，确定无人车在该时刻的定位坐标信息与真实坐标信息在世界坐标系z轴方向上的距离，将确定的距离作为无人车在该时刻的高度误差。

S24、依据所述无人车的真实坐标信息，构建所述无人车在每一时刻的运动坐标系。

参考图2b，针对每一时刻，将由无人车在该时刻之前的历史时刻(如该时刻的前一时刻)的真实坐标信息Pt-1到无人车在该时刻的真实坐标信息Pt的方向作为无人车在该时刻的运动坐标系的纵轴正方向o＇y＇，将水平面上垂直于纵轴正方向o＇y＇的方向确定为横轴正方向o＇x＇且横轴正方向o＇x＇与纵轴正方向o＇y＇在无人车在历史时刻的真实坐标信息Pt-1处相交，即构建了无人车在每一时刻的运动坐标系的水平面x＇o＇y＇。

S25、依据所述的定位坐标信息与所述真实坐标信息，在构建得到的运动坐标系下确定所述无人车的横向误差和纵向误差。

参考图2b，针对每一时刻，将该时刻的定位坐标信息Zt与真实坐标信息Pt在该时刻运动坐标系的横轴方向o＇x＇上的投影间距Dh确定为该时刻的横向误差，并将该时刻的定位坐标信息Zt与真实坐标信息Pt在该时刻运动坐标系的纵轴方向o＇y＇上的投影间距Dv确定为该时刻的纵向误差。

S26、依据所述无人车的线误差、高度误差、横向误差和纵向误差，确定所述无人车的定位精度。

分别统计无人车在每一时刻的直线误差、高度误差、横向误差和纵向误差，例如统计5w-10w帧定位数据，若统计得到直线误差、高度误差、横向误差和纵向误差99.99％在某一个误差范围内，则可以将该误差范围确定为无人车的定位精度。

本实施例提供的技术方案，获取无人车实时定位得到的定位坐标信息以及无人车的真实坐标信息，并依据真实坐标信息构建无人车的运动坐标系，随后，依据无人车的定位坐标信息以及真实坐标信息确定无人车在世界坐标系下的直线误差和高度误差，并且确定无人车在运动坐标系下的横向误差和纵向误差，最后，统计无人车的直线误差、高度误差、横向误差和纵向误差，并依据统计结果确定无人车的定位精度。该方法从直线误差、高度误差、横向误差和纵向误差四个方面确定无人车的定位精度，定位精度的准确度较高，为基于定位结果确定无人车的行驶路线做好准备工作。

实施例三

本实施例在上述实施例一的基础上提供了一种新的无人车定位精度的确定方法。在本实施例中具体提供了一种确定无人车的真实坐标信息的方式。3a是本发明实施例三提供的无人车定位精度的确定方法的流程图。参考图3a本实施例提供的无人车定位精度的确定方法具体可以包括如下：

S31、获取依据无人车的传感定位数据实时定位得到的定位坐标信息。

S32、对所述无人车的激光点云数据进行标志点匹配，识别所述激光点云数据中包含的障碍物，并确定在每一时刻所述无人车与所述障碍物之间的相对位置信息。

具体的，参考图3b，可以采用ICP对无人车的激光点云数据进行标志点匹配，得到激光点云数据中包含的障碍物O，并通过点云识别确定在每一时刻无人车X_t与障碍物O_i的相对位置信息，其中t＝1,2,3…且i＝1,2,3…。

S33、依据所述无人车的GPS数据确定所述无人车在每一时刻的位置信息，并依据所述无人车的IMU数据确定所述无人车在每一时刻的运动信息。

参考图3b，具体的，依据无人车的GPS数据可以确定在世界坐标系下无人车在每一时刻的位置信息X_t，依据IMU数据可以确定无人车在每一时刻的运动信息u_t，其中运动信息u_t可以是加速度信息、方向信息和速度信息等。

S34、依据所述无人车在每一时刻的位置信息和运动信息，确定所述无人车的运动误差。

示例性的，依据所述无人车在每一时刻的位置信息和运动信息，确定所述无人车的运动误差，可以包括：依据所述无人车在每一时刻的运动信息以及在该时刻之前的历史时刻的位置信息，确定所述无人车在该时刻的预估位置；依据所述无人车在每一时刻的位置信息以及预估位置，确定所述无人车的运动误差。例如，依据如下公式计算无人车的运动误差ep_t：ep_t＝x_t-f(x_t-1,u_t),其中f(x_t-1,u_t)是无人车在t时刻的预估位置，x_t-1是无人车在t-1时刻的位置信息。

S35、依据在每一时刻所述无人车与所述障碍物之间的相对位置信息和所述运动信息，确定IMU的观测误差。

示例性的，依据在每一时刻所述无人车与所述障碍物之间的相对位置信息和所述运动信息，确定IMU的观测误差，可以包括：依据所述无人车在每一时刻的运动信息以及在该时刻之前的历史时刻所述无人车与所述障碍物的相对位置信息，确定在该时刻所述无人车与所述障碍物的预估相对位置信息；依据在每一时刻所述无人车与所述障碍物的相对位置信息以及预估相对位置信息，确定所述IMU的观测误差。例如，依据如下公式计算IMU的观测误差eL_t：eL_t＝z_t-g(z_t-1,u_t),其中g(z_t-1,u_t)是在t时刻无人车与障碍物的预估相对位置信息，z_t-1是t-1时刻无人车与障碍物的相对位置信息，z_t是t时刻无人车与障碍物的相对位置信息。

S36、依据每一时刻的运动误差和观测误差，以及所述无人车在每一时刻的位置信息，确定所述无人车在每一时刻的真实坐标信息。

具体的，依据如下公式确定每一时刻的最小误差min error：

min error＝∑_t(ep_t)²+∑_i(eL_t)²

依据无人车在每一时刻的位置信息和最小误差得到每一时刻的真实坐标信息，其中无人车在每一时刻的位置信息可以依据无人车的GPS数据得到。

S37、将获取的定位坐标信息与确定的真实坐标信息进行匹配，依据匹配结果确定所述无人车的定位精度。

本实施例提供的技术方案，通过获取无人车实时定位得到的定位坐标信息。并且，识别无人车的激光点云数据中包含的障碍物，确定无人车与障碍物之间的相对位置信息，依据无人车的GPS数据确定无人车的位置信息，依据无人车的IMU数据确定无人车的运动信息。随后，依据无人车的位置信息和运动信息确定无人车的运动误差，以及依据无人车与障碍物之间的相对位置信息和运动信息确定IMU的观测误差，并依据无人车的位置信息、运动误差和观测误差，确定无人车的真实坐标信息，提高了真实坐标信息的准确度，因而提高了后续依据无人车的定位坐标信息与真实坐标信息确定的无人车的定位精度的准确度。

实施例四

图4是本发明实施例四提供的一种无人车定位精度的确定装置的结构图，且本实施例提供的装置可适用于无人车定位精度的测试情形。参见图4，本实施例提供的无人车定位精度的确定装置的具体结构可以如下：

定位信息获取模块41，用于获取依据无人车的传感定位数据实时定位得到的定位坐标信息；

真实信息确定模块42，用于依据所述无人车的GPS数据、IMU数据和激光点云数据，确定所述无人车的真实坐标信息；

定位精度确定模块43，用于将获取的定位坐标信息与确定的真实坐标信息进行匹配，依据匹配结果确定所述无人车的定位精度。

示例性的，定位精度确定模块43可以包括：

误差确定子模块，用于将所述无人车的定位坐标信息与所述真实坐标信息进行匹配，确定所述无人车的定位误差；

定位精度确定子模块，用于依据所述无人车的定位误差确定所述无人车的定位精度。

示例性的，误差确定子模块可以包括：

第一误差单元，用于依据所述的定位坐标信息与所述真实坐标信息，在世界坐标系下确定所述无人车的直线误差和高度误差；

运动坐标系单元，用于依据所述无人车的真实坐标信息，构建所述无人车在每一时刻的运动坐标系；

第二误差单元，用于依据所述的定位坐标信息与所述真实坐标信息，在构建得到的运动坐标系下确定所述无人车的横向误差和纵向误差。

示例性的，真实信息确定模块42可以包括：

相对位置子模块，用于对所述无人车的激光点云数据进行标志点匹配，识别所述激光点云数据中包含的障碍物，并确定在每一时刻所述无人车与所述障碍物之间的相对位置信息；

位置运动子模块，用于依据所述无人车的GPS数据确定所述无人车在每一时刻的位置信息，并依据所述无人车的IMU数据确定所述无人车在每一时刻的运动信息；

运动误差子模块，用于依据所述无人车在每一时刻的位置信息和运动信息，确定所述无人车的运动误差；

观测误差子模块，用于依据在每一时刻所述无人车与所述障碍物之间的相对位置信息和所述运动信息，确定IMU的观测误差；

真实信息子模块依据每一时刻的运动误差和观测误差，以及所述无人车在每一时刻的位置信息，确定所述无人车在每一时刻的真实坐标信息。

示例性的，运动误差子模块可以包括：

预估位置单元，用于依据所述无人车在每一时刻的运动信息以及在该时刻之前的历史时刻的位置信息，确定所述无人车在该时刻的预估位置；

运动误差单元，用于依据所述无人车在每一时刻的位置信息以及预估位置，确定所述无人车的运动误差。

示例性的，观测误差子模块可以包括：

预估相对位置单元，用于依据所述无人车在每一时刻的运动信息以及在该时刻之前的历史时刻所述无人车与所述障碍物的相对位置信息，确定在该时刻所述无人车与所述障碍物的预估相对位置信息；

观测误差单元，用于依据在每一时刻所述无人车与所述障碍物的相对位置信息以及预估相对位置信息，确定所述IMU的观测误差。

本实施例提供的无人车定位精度的确定装置，与本发明任意实施例所提供的无人车定位精度的确定方法属于同一发明构思，可执行本发明任意实施例所提供的无人车定位精度的确定方法，具备执行无人车定位精度的确定方法相应的功能模块和有益效果。未在本实施例中详尽描述的技术细节，可参见本发明任意实施例提供的无人车定位精度的确定方法。

注意，上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解，本发明不限于这里所述的特定实施例，对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此，虽然通过以上实施例对本发明进行了较为详细的说明，但是本发明不仅仅限于以上实施例，在不脱离本发明构思的情况下，还可以包括更多其他等效实施例，而本发明的范围由所附的权利要求范围决定。