自己的位置的估计的制作方法

本发明涉及一种用于估计自己的位置、尤其是用于估计车辆的自己的位置的设备和方法。

背景技术：

在许多车辆中使用车辆的自己的位置的确定或者估计，以便在达到目的地位置时借助导航系统支持车辆的驾驶员。车辆例如可以包括轿车、货车、轮船或者飞机或者任意的陆地车辆、船只或者飞行器。例如利用全球卫星导航系统、例如gps，可以在几米内准确地确定车辆的自己的位置。这种精度一般对于借助导航系统进行目的地引导来说足够了，虽然更高的精度是有利的。例如，利用更高的精度，可以支持和检查车道选择或者更准确地指示拐弯。因此，通常借助数据融合将全球卫星导航系统的数据与例如车辆的测距数据组合，以提高自己的位置的确定或者估计的精度。

自己的位置的确定或者估计的另一种应用在于自动车辆引导。对于自动驾驶功能来说，高精度的车辆自定位是重要的任务，以便例如可以确定相对于路边、相对于其它车辆或者周围环境中的物体的距离。

de69034047t2例如涉及一种集成车辆定位和导航系统。用于沿着预先确定的路径对车辆进行自动导航的基于计算机的系统，具有用于确定车辆位置的第一部件和用于促使车辆遵循预先确定的路径的第二部件。第一部件包括第一位置确定系统，其适用于基于来自地面位置确定系统的第一信号确定车辆的第一位置估计。此外，第一部件包括第二位置确定系统，用于基于从惯性参考单元和车辆转速表获得的第二信号对车辆进行第二位置估计。最后，第一部件包括处理系统，用于根据第一位置估计和第二位置估计的加权组合确定车辆的第三位置估计。该系统还具有第三部件，用于在车辆跟随预先确定的路径期间，使得车辆检测并且避开障碍物。

在组合不同的定位系统的位置估计时，可能有意义的是，考虑不同的定位系统的可能的定位误差。

在这种情境下，ep0161688a2公开了一种用于车辆的导航方法。导航设备从车辆自己的传感器并且从附加的输入部件获得信号。车辆自己的传感器包括诸如航向传感器和速度传感器或者行程传感器的传感器。附加的输入部件例如是所在地的手动输入或者针对无线电或者卫星导航方法的接收装置、例如gps。借助kalman滤波器对确定的航向和速度误差以及随机的航向误差分量和随机的车辆纵向运动误差部分进行补偿。在误差可以通过高斯白噪声、即正态分布的不相关噪声来描述的假设下，对在(例如由gps进行的)位置修正中出现的误差进行数学模型化。

然而，经常在实践中出现如下情况，在这些情况下，定位系统、例如全球卫星导航系统进行的位置测量具有自相关误差。

技术实现要素：

因此，本发明要解决的技术问题是，在确定自己的位置时考虑并且补偿位置测量的自相关误差。

根据本发明，上述技术问题通过根据权利要求1的用于估计自己的位置的方法和根据权利要求9的相应的设备来解决。从属权利要求定义了本发明的实施方式。

根据本发明，提供一种用于估计自己的位置的方法。在所述方法中，通过第一定位系统提供至少一个第一位置测量，并且通过至少一个第二定位系统提供至少一个第二位置测量。此外，通过第一定位系统提供第三位置测量。第三位置测量在时间上在第一和至少一个第二位置测量之后进行。至少根据第三位置测量和至少一个位置误差值估计自己的位置。根据至少一个第一位置测量和至少一个第二位置测量确定位置误差值。

换言之，提供第一定位系统和至少一个第二定位系统。两个定位系统例如持续提供位置测量。根据第一定位系统的过去的位置测量(至少一个第一位置测量)和至少一个第二定位系统的过去的位置测量(至少一个第二位置测量)确定位置误差值。使用第一定位系统的当前的位置测量(第三位置测量)，结合位置误差值，来估计自己的位置。在此，通过位置误差值来校正当前的位置测量。

由此可以实现下面的优点。除了随机的测量误差分布(白噪声)以外，许多定位系统的测量误差还具有在时间上自相关的特性。然而，两个不同的定位系统的在时间上自相关的特性通常也是不同的，从而位置误差值具有与第一定位系统的位置测量不同的自相关特性。由此可以减小自相关影响，进行所谓的去相关。尤其是对于第二定位系统的位置测量不具有自相关特性的情况，可以在第一定位系统的测量误差中明显减小自相关的影响。根据第一定位系统的自相关特性，在估计自己的位置时，可以使用多个位置误差值来校正位置测量(第三位置测量)。例如可以根据相应的过去的第一和第二位置测量来确定相应的位置误差值。

根据一个实施方式，将至少一个位置误差值中的相应的位置误差值，确定为至少一个第一位置测量中的一个第一位置测量与至少一个第二位置测量中的一个第二位置测量之间的差值。例如可以在三个时间点分别进行第一位置测量和第二位置测量。将第一时间点的位置误差确定为相应的第一时间点的第一位置测量与第二位置测量之间的差。将第二时间点的位置误差值确定为第二时间点的第一位置测量与第二时间点的第二位置测量之间的差。因此，将第三时间点的位置误差值确定为相应的第三时间点的第一与第二位置测量之间的差。根据第一定位系统的位置测量的自相关特性，可以以简单的方式提供适当数量的位置误差值，并且用于校正当前的位置测量。

例如可以由第一定位系统提供位置测量的自相关阶数a。至少根据第三位置测量和a个位置误差值来估计自己的位置。根据a个第一位置测量和a个第二位置测量确定a个位置误差值。可以基于相应的自相关模型例如通过参考位置测量事先、即离线地确定自相关阶数a。替换地，也可以在线地确定自相关阶数a。根据自相关阶数a，例如可以确定所需的位置误差值的数量。例如，对于自相关阶数3，在估计自己的位置时，可以相应地考虑3个位置误差值。通过确定自相关阶数，可以以简单的方式确定所需的适当数量的位置误差值，以使得能够进行适当的校正，由此估计自己的位置。

例如，借助自相关模型，还可以提供相应的自相关系数，在估计自己的位置时考虑自相关系数。根据阶数a，可以提供相应的数量a个自相关系数，并且可以附加地根据该a个自相关系数估计自己的位置。在上面的示例(其中在估计自己的位置时考虑3个位置误差值)中，自相关阶数例如可以是3，因此可以附加地考虑3个自相关系数。

根据一个实施方式，根据下面的方程来估计自己的位置：

在此，表示自己的位置，并且i表示位置测量的不同的时间点。用z^a表示利用第一定位系统进行的位置测量，并且用z^w表示利用第二定位系统进行的测量。当前的时间点例如是时间点i，因此利用j得到先前的过去的时间点i-j，j从1计数到自相关阶数a。因此，根据上面的定义，第三位置测量、即第一定位系统进行的当前的位置测量用表示。过去的时间点i-1至i-a的第一位置测量用表示。过去的时间点i-1至i-a的第二位置测量用表示。γj(其中，j＝1至a)表示a个自相关系数。

上面的方程的计算运算可以利用比较简单的计算部件在短时间内进行，从而可以快速地以简单的方式确定自己的位置。在自相关阶数a增大的情况下，计算的复杂性也仅线性地增加。

根据一个实施方式，至少一个第一位置测量、至少一个第二位置测量和第三位置测量分别包括绝对位置测量。绝对位置测量例如以经度和纬度以及可选的高度信息的形式示出绝对地理位置。相应的第一和第二定位系统例如可以包括卫星支持的全球定位系统或者地面支持的全球定位系统、例如基于移动无线电系统的定位系统。提供绝对位置测量的其它定位系统例如可以包括基于照相机、激光、雷达或者超声波的定位系统，其结合详细的地图资料或者环境资料，通过将采集的环境信息与地图资料或者环境资料进行比较来确定位置。

根据另一个实施方式，至少一个第一位置测量、至少一个第二位置测量和第三位置测量分别包括相对位置测量。相对位置测量示出关于相应的先前的位置测量的相对地理位置。相对位置测量例如可以借助确定车辆的运动的车辆传感器来采集。这种传感器也称为测距传感器。测距传感器例如包括速度传感器、加速度传感器和转向角传感器。此外，通过借助基于照相机、激光、雷达或者超声波的系统来确定车辆相对于周围环境的相对位置改变，相对位置测量也可以以基于照相机、激光、雷达或者超声波的系统为基础。

因此，上面的方法可以同样地用于示出绝对地理位置的定位系统和示出相对地理位置的定位系统。如从上面的方程中可以看到的，优选可以将相同类别的定位系统的位置测量以简单的方式相互组合。换言之，前面描述的方法特别适用于仅将绝对位置测量相互组合或者仅将相对位置测量相互组合。

在另一个实施方式中，使用q个位置确定源来估计自己的位置。在此，q至少是3，即提供至少3个不同的位置确定源。针对从1到q中的每个k，利用前面描述的方法估计相应的临时的自己的位置。因此，估计q个临时的自己的位置。在此，位置确定源k用作前面描述的方法中的第一定位系统。其余位置确定源、即除了k以外的从1至q的位置确定源用作至少一个第二定位系统。通过将除了k以外的位置确定源1至q的位置测量组合，来确定至少一个第二位置测量的每个位置测量。

因此，通过将位置确定源中的一个用作第一定位系统，并且将其余位置确定源用作第二定位系统，来确定q个临时的自己的位置。在此，以每个位置确定源都用作第一定位系统一次的方式，来切换位置确定源。得到q个临时的自己的位置，将其组合为最终的自己的位置。由此，也可以利用多于两个的位置确定源来使用前面描述的方法。因此，在使用其余位置确定源的位置测量的情况下，临时的自己的位置原则上基于位置确定源的位置测量的去相关。因此，在使用其余位置确定源的情况下，对不同的位置确定源的每个位置测量进行一次去相关，并且将这样去相关的临时的自己的位置组合为最终的自己的位置。

此外，根据本发明，提供一种包括接口和至少一个处理器的设备。接口能够接收第一定位系统的位置测量和至少一个第二定位系统的位置测量。处理器被设计为用于执行下面的步骤。首先，处理器提供第一定位系统的至少一个第一位置测量。此外，处理器提供至少一个第二定位系统的至少一个第二位置测量。处理器基于第一定位系统提供第三位置测量。第三位置测量在时间上在第一和第二位置测量之后进行。处理器至少根据第三位置测量和至少一个位置误差值估计自己的位置。位置误差值由处理器根据至少一个第一位置测量和至少一个第二位置测量确定。至少一个第一位置测量可以包括在时间上在第三位置测量之前依次进行的多个位置测量。至少一个第二位置测量同样可以包括在时间上在第三位置测量之前依次进行的多个位置测量。优选在近似相同的时间点采集、即成对地采集第一位置测量和第二位置测量。可以根据相应的第一和第二位置测量对来确定相应的位置误差值。

此外，所述设备可以被设计为用于执行前面描述的方法，因此也包括结合所述方法描述的优点。

在前面的描述中彼此独立地描述了本发明的实施方式。然而，这些实施方式可以任意地相互组合。

附图说明

下面，参考附图详细描述本发明。

图1示意性地示出了具有根据本发明的一个实施方式的设备的车辆。

图2示意性地示出了根据本发明的一个实施方式的方法的方法步骤。

图3示意性地示出了根据本发明的另一个实施方式的方法的方法步骤。

具体实施方式

下面，参考附图借助不同的实施方式描述本发明。

图1示出了具有设备11的车辆10，设备11能够估计车辆10的自己的位置。设备11包括接口(if)12和处理器(cpu)13。设备11通过接口12与车辆10的第一定位系统14和多个第二定位系统15、16耦合。第二定位系统的数量是任意的，然而存在至少一个第二定位系统15或者16。

定位系统14-16尤其是可以包括所谓的绝对定位系统，其例如以经度、维度和可选的高度信息的形式提供绝对位置测量。这种定位系统14-16例如可以包括卫星支持的全球位置确定系统、例如gps或者galileo。替换地或者附加地，绝对定位系统可以包括光学照相机系统、激光传感器、lidar传感器、雷达传感器或者超声波传感器，利用其采集车辆的周围环境的二维或者三维图像。在周围环境的图像中提取特征、例如车道或者深度边缘(tiefenkante)。将这些特征与在详细的地图数据中存储的特征进行比较。地图数据附加地包括关于这些特征的全球位置信息，并且基于比较，可以确定车辆相对于这些特征的相对位置，因此基于这些传感器数据来确定车辆的全球位置。

定位系统14-16的每个位置确定通常具有一定的不精确或者一定的误差。这些不准确或者误差可能由于数据采集、例如gps信号或者激光信号的接收或者由于进一步处理、例如对gps信号的过滤或者采集的环境特征与地图中的环境特征的比较方法引起。因此，下面描述减小这种误差的方法。在此，应当注意，使用不同的定位系统的位置测量。例如可以以如下方式来区分两个定位系统，即，其基于不同的信息，例如基于激光传感器的信息和基于gps接收器的信息。然而，也可以以如下方式来区分两个定位系统，即，其以不同的方式处理相同的信息。例如可以利用不同的过滤方法处理gps接收器的信息，因此gps接收器的信息在本发明的意义上是不同的定位系统的位置测量。例如，同样可以在车辆处接收两个不同的位置的gps信号，因此其代表两个不同的定位系统。最后，作为绝对位置测量的替换，也可以使用相应的定位系统的相对位置测量。例如可以由车辆的测距传感器、例如转向角传感器、速度传感器和/或加速度传感器提供相对位置测量。然而，优选在下面描述的方法中仅使用一种类别的定位系统，即仅使用绝对定位系统或者仅使用相对定位系统。

在详细讨论本发明的方法之前，首先描述组合、即所谓的融合位置测量时的基本问题。

为了改善自己的位置估计的精度和可靠性，在具有自动驾驶功能的车辆中存在提供位置测量的多个定位系统。这些位置测量具有不确定性。在融合位置测量时经常作出如下假设，即，可以通过白噪声来描述第i个位置测量zi^w的测量误差。假设具有白噪声的测量zi^w为：

其中，pi是第i个测量的真正的位置，并且ei^w是第i个位置测量的测量误差。在此，ei^w＝vi^w，其中，模型化为白噪声。在此，如下协方差矩阵表示空间测量精度，

表示第i个位置测量的第d个向量项(例如x和y方向上的二维向量或者x、y和z方向上的三维向量)，并且cov(·,·)表示两个函数自变量的协方差。

然而，在实践中经常出现如下情况，在这些情况下，测量误差也与先前的测量误差有关，即存在自相关。在这种情况下适用具有自相关误差的测量

其中，可以通过阶数为a的离散自相关如下来描述

在此，和γj表示第j个自相关系数。总之，因此，第i个位置测量的误差不仅与第i个测量有关，而且与以前的a个位置误差有关。在实践中，例如当所包含的误差与在短的时间段内恒定的环境因素有关时，例如在gps信号中可以观察到这种误差。包含在许多传感器中的对信号的预处理(例如利用kalman滤波器进行滤波)同样可以人为地产生这种误差模型。

如已经提到的，在数据融合中经常作出如下假设，即，可以如在方程(1)中那样将位置测量的误差模型化。因此，感兴趣的是如在方程(3)中那样改善位置测量的方法，使得这种假设更适用。因此，这种改善形成位置测量的“误差去相关”。如果忽略自相关误差部分，并且假设仅具有白噪声，则这尤其是在估计或者优化问题中可能导致错误的估计，或者导致太低的不确定性估计。

因此，下面描述一种方法，其使得能够(在不知道如何提升(erhoben)这些位置测量的准确方式的情况下)在类型z^a的位置测量中，在考虑类型z^w的位置测量的情况下，实现这种误差去相关。

在这种方法中，假设存在误差的特性根据方程(3)的位置测量的集合和误差的特性根据方程(1)的位置测量的集合位置测量例如由第一定位系统14提供。位置测量例如由第二定位系统15提供。为了清楚起见，假设这些测量在相同的时间段内存在，并且对于两个定位系统来说，第i个测量描述相同的时间点。这在需要时可以通过简单的预处理借助缓冲(pufferung)和插值来实现。此外，假设所有位置测量可以与两个集合z^a或者z^w中的一个唯一地相关联。在实践中，这些位置测量经常由不同的定位系统来测量，因此可以容易地进行区分。

为了进行期望的误差去相关，要确定自相关的误差部分的自相关模型。因为位置测量通常在时间上离散地存在，因此对于位置测量的位置误差，可以假设阶数a的离散的自相关模型。尤其是要确定模型阶数a和相应的自相关系数γj。

借助事先执行的自相关分析、即所谓的离线自相关分析，可以确定自相关模型的阶数a。为此，在离线自相关分析中，记录具有位置测量的数据组。此外，附加地在相同的时间段中记录具有参考位置测量的数据组。现在，在每个时间点通过参考位置测量和的差来确定误差这产生位置误差的时间序列。随后，分析e^a的自相关函数。模型阶数a例如根据数量级明显与0不同的自相关系数的最大指数(index)来确定。

基于模型阶数a，可以针对位置误差e^a的时间序列确定相应阶数的自回归模型。对此，在文献中已知不同的方法。在离线方法中，最简单的方法是，针对γj使用已经计算的自相关系数。替换地，可以在线地使用如下方法，该方法例如基于尤尔-沃克(yule-waiker)方程、最小二乘法或者burg法。

下面，参考图2描述使用第一定位系统14的位置测量和第二定位系统15的位置测量的方法20。

首先，在步骤21中，缓存第一定位系统14的第一位置测量的足够的集合。在步骤22中，缓存第二定位系统15的第二位置测量的足够的集合。相应的第一位置测量和第二位置测量的数量a(＝自相关模型的阶数)是足够的。

最后，在步骤23中，在当前的时间点，由第一定位系统14采集第三位置测量应当注意，第一位置测量和第二位置测量在时间上在第三位置测量之前进行。

现在，在步骤24中，对于每个过去的时间点i，根据位置测量和计算位置测量的位置误差的估计

从下面的方程(6)和(7)中可以看到，位置误差的估计对应于相应的第一位置测量的自相关的位置误差与相应的第二位置测量的位置误差之间的差。

同样缓存数量a个位置误差估计

假设两个测量的误差彼此不相关，则误差估计的特性根据即与原始的位置测量相比更少地自相关。

在步骤25中，可以使用所缓存的a个位置误差估计来确定位置的改善的估计。为此，根据下面的方程，从当前确定的第三位置测量中减去位置误差的自相关部分：

下面的方程(9)至(14)示出了现在同样可以借助白噪声将该估计(根据方程14)的位置误差模型化，并且适用方程(15)。

总之，提供了一种用于将位置误差去相关的方法。在此，将误差自相关的位置测量的集合与误差通过白噪声来确定的位置测量的集合进行比较。由此确定仅还受白噪声影响的位置

参考图3描述方法30，当提供至少三个定位系统14-16时，可以使用方法30。三个定位系统14-16的位置测量可以任意地具有与在时间上相关的误差或者在时间上不相关的误差。然而，在不同的定位系统14-16的干扰之间不存在相关性。该方法基于参考图2描述的方法。如先前参考图2所描述的，至少三个定位系统14-16在特定时间点i提供位置测量。下面，用q表示定位系统的数量。

多次执行该方法的一些步骤(步骤32-39)，例如执行的次数与存在的定位系统一样多，即例如执行q次。因为在该方法的不同的执行中改变不同的定位系统14-16的使用，因此将定位系统14-16从1连续编号至q。

在步骤31中，将运行变量(laufvariable)k设置为值1。如从对该方法的进一步描述中将看到的，在该方法的q次执行中，运行变量k从1增加到q。

在步骤32中，缓存第k个定位系统的第一位置测量的足够的集合。在步骤33中，缓存其余定位系统的位置测量的足够的集合。其余定位系统包括第k个定位系统之外的所有定位系统。在步骤34中，将其余定位系统的位置测量和相应的第二位置测量融合。为此，在每个测量时间点，将其余定位系统的相应的位置测量与相应的第二位置测量融合。相应的第一位置测量和第二位置测量的数量a(＝第k个定位系统的自相关模型的阶数)是足够的。

最后，在步骤35中，在当前的时间点，由第k个定位系统采集第三位置测量。应当注意，第一位置测量和第二位置测量在时间上在第三位置测量之前进行。

如先前参考步骤24(图2)所描述的，在步骤36中确定第三位置测量的位置误差的估计，并且在步骤37中确定相应的临时的自己的位置k。可以以与步骤25(图2)中的自己的位置相同的方式确定临时的自己的位置。

在步骤38中，将运行变量k增加1，并且从步骤32开始继续执行该方法，直到k大于q(步骤39)。总之，由此确定q个临时的自己的位置。在步骤40中，将q个临时的自己的位置合成为融合的自己的位置。融合的自己的位置的误差项不可能具有比q个临时的自己的位置上的最大的时间上的误差相关性更高的时间上的相关性。这是因为不同的自己的位置的误差项彼此不具有相关性。

附图标记列表

10车辆

11设备

12接口

13处理器

14第一定位系统

15、16第二定位系统

20方法

21-25步骤

30方法

31-40步骤