确定用于基于卫星确定车辆位置的数据简档的方法与流程

本发明涉及一种用于确定数据简档的方法，该数据简档用于基于卫星确定车辆的位置。特别地，本发明能够用于自动驾驶。

背景技术：

自动驾驶车辆是在没有驾驶员的情况下管理的车辆。车辆自动驾驶，例如通过自主地识别道路走向、其他交通参者或者障碍物，并计算车辆中的相应控制命令，上述控制命令对于响应该道路走向、或其他交通参者及其行为、或检测到的障碍物是必需的，并且传递相应的命令以将上述响应导入到车辆中的驱动器上，由此正确或适当地影响车辆的行驶路线。在全自动驾驶车辆中，驾驶员不参与驾驶活动。

自动驾驶的车辆尤其需要能够确定高精度车辆位置的传感器，特别是借助导航卫星数据(gps、glonass、beidou、galileo等)。在这种情况下，传感器可以使用来自校正数据服务的校正数据，以便更准确地计算车辆的位置。可以确定轨道误差的影响(主要是卫星轨道误差、卫星时钟误差、代码和相位误差、以及电离层和对流层折射影响)的校正数据服务是已知的。借助于这种现有的校正数据服务，可以在基于卫星或基于gnss(全球导航卫星系统)的定位中考虑上述误差影响，从而提高基于卫星的定位结果的准确度。这种校正服务通常提供与位置相关的校正参数，通过该校正参数可以校正gnss数据或特定位置。

只要存在到所使用的卫星的视线传播，则现有的校正数据服务能够在厘米范围内提高基于gnss定位的准确度。在遮挡情况下(例如，通过较高建筑物)，与不使用校正数据相比，通过使用校正数据服务通常能够进一步提高精度，尽管在这种情况下定位精度变差(例如，精度为1米或10米的量级)。特别地，问题在于在上述情况下使用校正数据，gnss接收器也不能完全检测到所产生的误差，使得例如虽然假设较大的误差椭圆，但是没有椭圆的中心。术语“误差椭圆”在此描述了可能位于的实际位置周围的区域。椭圆适合于精确定义具有很少参数的这样的区域。

由于遮挡导致的基于gnss系统的定位可靠性的降低(降级)损害例如用于高度自动化或自动驾驶的基于gnss定位系统的准确性和完整性要求。上述基于gnss定位在城市区域中的降级不仅由遮挡引起，而且还由gnss信号在物体上的信号反射引起。特别地，在城市区域中，由于很多高层建筑常常产生这种情况，例如开车穿过街道峡谷时。通过延长gnss卫星和gnss接收器之间的信号路径，在与物体相互作用(例如反射或散射)时，将产生系统误差，该误差目前在商业系统中未被考虑或者通过当前使用的方法不能被考虑。已知来自科学环境的对策，使用环境的3d模型(3d建筑物图)来获得基于gnss的位置的准确度的提高。

技术实现要素：

根据本发明提出了一种用于确定数据简档的方法，该数据简档用于基于卫星确定车辆的位置，该方法包括以下步骤：

a)确定车辆位置，

b)接收卫星数据，

c)使用步骤a)中确定的车辆位置、卫星数据在步骤b)中被接收到的卫星的卫星位置、以及从卫星数据确定的卫星信号位于卫星位置和车辆位置之间的路径长度，来确定环境特定的数据简档。

该方法特别适用于提高自动驾驶车辆中基于卫星的位置确定(定位)的准确度，特别是如果车辆在城市区域中，例如在城市峡谷中运行。当然，该方法还可以用于车辆中的任何其他应用(例如用于导航系统)或用于任何其他驾驶员辅助系统。

本文描述的方法具有特殊的优点，即，该方法可以在没有3d建筑地图的情况下实现。更确切地说，能够提供数据简档，将数据值或数据集(例如信号误差和/或路径长度误差)结合特定卫星位置而分配给特定车辆位置。换句话说，数据简档可以根据卫星位置提供在当前车辆位置处预期的信号误差和/或路径长度误差。因此，特别地，用于执行所描述的方法的计算工作量显著低于基于3d建筑物地图重建和预测实际发生的反射的方法。

使用本文描述的方法的车辆可以是汽车。优选地，车辆是自动驾驶车辆。然而，该方法也可以在任何其他车辆中实施。

gnss代表全球导航卫星系统。gnss是一种系统，用于通过接收导航卫星的信号(在此称为卫星数据)而在地面上和/或空中实现位置确定和/或导航。gnss是使用现有和未来的全球卫星系统的总称，如gps(navstrargps)、glonass、beidou和galileo。因此，gnss传感器是适合于接收、处理和评估导航卫星数据的传感器。优选地，gnss传感器能够使用导航卫星数据(gps、glonass、beidou、galileo)确定高度精确的车辆位置。

在步骤a)中，首先确定车辆位置。特别地，没有必要利用导航卫星数据。换句话说，根据步骤a)的位置确定可以在不利用或接收导航卫星数据的情况下进行。优选地，步骤a)中的车辆位置将不是基于卫星的，或者由gnss传感器的冗余位置传感器来确定。例如，步骤a)中的车辆位置可以通过惯性导航方法、特别是惯性导航而由先前(有效)或最后已知的位置确定。然而，该位置也可以通过卫星数据确定的原始(校正的)位置确定，并通过惯性导航从该位置更新。

在步骤b)中，对卫星数据(gnss)进行接收，特别是在步骤a)中确定的车辆位置处。在这里，(gnss)卫星定期接收卫星数据，该卫星数据能够用于确定位置。特别地，卫星数据是导航卫星数据，即适用于导航和/或位置确定和/或地点确定的卫星数据。为此目的，卫星数据可以由gnss接收器接收，并且如有必要进行(首先)处理。随后，卫星数据可以被传递到gnss传感器，gnss传感器处理或评估上述卫星数据，以用于解码和/或位置确定的目的。也可以使用结构单元并且由该结构单元进行检测，在该结构单元中组合了相应的接收器和传感器。

在步骤c)中，确定或创建环境特定的数据简档。这是通过使用在步骤a)中确定的车辆位置、卫星数据在步骤b)中被接收到的卫星的卫星位置、以及从卫星数据确定的卫星信号位于卫星位置和车辆位置之间的路径长度来实现。在此，该数据简档可以被确定或创建，使得根据卫星数据确定的路径长度和/或根据卫星数据(或路径长度)和步骤a)中确定的车辆位置所确定的路径长度误差，被分配给由车辆位置和卫星位置构成的值对。

卫星位置通常是指在传输的时间点发送相应卫星数据的卫星的位置。为了提高准确度，可以用接收卫星数据的车载gnss接收器的位置补充或替换车辆位置。数据简档是环境特定的，因为其数据(例如车辆位置处的路径长度误差)受到车辆位置周围的环境的影响，或取决于车辆位置周围的环境。

根据有利实施例，提出在步骤a)中使用车辆侧的环境传感器和/或惯性导航来确定车辆位置。该环境传感器可包括光学、磁性、雷达和/或激光雷达传感器。已知的惯性测量单元(imu)可用于惯性导航。

根据有利实施例，数据简档根据车辆位置和卫星位置提供用于基于卫星确定车辆位置的数据。有利地，数据简档包括用于基于卫星导航和/或定位的多个校正数据。在这种情况下，优选地，根据车辆位置和卫星位置，校正数据被存储在数据简档中。校正数据可以是基于所确定的路径长度误差而确定的路径长度校正值。在这种情况下，可以考虑路径长度误差的分布统计，其映射误差的概率，特别是在特定(车辆)位置的概率。优选地，数据简档使得数据值或数据集结合特定卫星位置被分配给特定车辆位置，例如信号误差和/或路径长度误差。换句话说，数据简档有利地包含(根据特定卫星位置)在当前车辆位置预期的信号误差和/或路径长度误差。

卫星位置可以通过星历数据确定，或者通过星历数据补充或替换。车辆位置可以通过位于车辆中或车辆处的gnss接收器的位置补充或替换。然后，数据简档可以提供数据，特别是路径长度误差或路径长度校正值，该数据用于根据接收器位置和星历数据进行基于卫星的车辆位置确定。

根据有利实施例，提出数据简档(至少)包括路径长度误差简档。例如，可以通过从步骤b)中接收的卫星数据来确定(实际)路径长度(所谓的伪距)，该路径长度通过步骤a)中确定的车辆位置与卫星位置的距离调整，从而创建这样的数据简档或路径长度误差简档。上述距离与相关(实际)路径长度之间的差异可以作为路径长度误差存储在数据简档中，特别是通过将上述差异分配给车辆位置和卫星位置。

根据有利实施例，提出使用在步骤a)中确定的车辆位置和卫星位置来确定目标路径长度。目标路径长度通常是步骤a)中确定的车辆位置与卫星位置之间的(最短)距离。在这种情况下，特别有利的是，将目标路径长度与根据步骤b)中接收的卫星数据确定的实际路径长度(伪距)进行比较，以用于确定路径长度误差。

根据其他有利实施例，提出环境特定的数据简档(至少)包括路径长度简档。为此目的，对于所确定的路径长度误差替代地或累积地，可以存储根据车辆位置和卫星位置所确定的实际路径长度。通过有利地方式，除了或者替代gnss路径长度误差简档，还能够学习gnss路径长度简档。后者可以有利地用于通过所谓的指纹方法定位。

根据有利实施例，提出数据简档由上级系统管理，并且提供给多个gnss传感器。上级系统可以是gnss管理和/或所谓的云。

优选地，上级系统(以所谓的后端系统的形式)使用来自多个车辆的信息(所谓的众包)来创建数据简档。结果，可以以有利的方式考虑多个车辆的gnss路径长度的测量误差，由此在确定gnss路径长度误差简档时，可以实现更高的统计确定性。众包方法还使得所确定的gnss路径长度误差简档可用于从未在相关位置上行驶的车辆。因此，通过所谓的云服务提供数据简档或gnss路径长度误差简档，在此被认为是有利的。换句话说，借助于来自历史伪距和参考位置的测量或校正测量的众包方法，本文描述的解决方案能够有利地收集校正数据。

如果数据简档或gnss路径长度的误差简档可用于云服务，则它们可以用作基于gnss定位的校正数据，例如，校正城市环境中测量的gnss路径长度。校正数据对于具有冗余定位传感器(尤其是在自动车辆中需要)的车辆是必需的，例如当基于环境的定位(激光雷达、雷达、视频等)例如由于闭塞或污染目前不能充分使用时。然而，能够处理统计gnss测量误差或路径长度误差简档的其他车辆也可受益于这种校正数据服务。

校正数据可以包括统计分布或概率密度函数，特别是至少车辆位置和卫星位置的函数。此外，可以认为校正数据取决于车辆位置以及天线或接收器的高度。

伪距校正数据依赖性(车辆或接收器位置以及卫星位置)的聚类是特别有利地，使得可以在更大的依赖性范围内组合用于校正日期和/或校正数据记录的类似的校正数据。这可以提高该方法的效率，特别是提供校正数据，因为这些现在较大的依赖范围内有效。

聚类例如可以这种方式完成，首先通过对所确定的校正数据进行采样，例如路径长度误差，特别是借助于上级系统(后端)来进行。例如，这里可以设置或使用1m乘以1m的车辆位置单元和1度的卫星位置分辨率。另外，根据路径长度误差或gnss路径长度的误差简档的统计，对相邻车辆的位置单元可以进行比较。优选地，将单元与类似的统计数据组合并且“统一”统计(例如，如果预期值和方差小于10cm或甚至小于5cm)。

在步骤c)中，还优选地使用从步骤a)和b)获得的较旧的历史数据。这尤其意味着，为了确定对于特定时间或从某个时间点开始的有效的数据简档，如有必要，可以使用在先前时间段中确定的车辆位置和卫星数据。

为了能够应对准静态环境的变化，如果证明，从特定时间点开始，数据简档与旧的相比具有显著偏差(例如超过100次测量的平均值的偏差超过30％)，则在步骤c)中确定环境特定的数据简档时，如有必要，将丢弃在该特定时间点之前的旧测量数据。也可以仅部分地进行测量数据的丢弃。例如，这可以通过以下方式完成，将较旧的测量数据以比新测量数据更小的权重结合到步骤c)的数据简档的确定中。一个特别的实施例是，步骤a)或b)的测量数据的权重与测量数据的时效(以天数为单位)成反比。

本文也描述了用于执行所描述的方法的计算机程序。换句话说，特别地，这涉及包括指令的计算机程序(产品)，在执行程序时，上述指令使计算机执行本文描述的方法。

此外，本文也描述了存储计算机程序的机器可读的存储介质。机器可读的存储介质通常是计算机可读的数据载体。

此外，本文也描述了位置传感器，该位置传感器被配置为，用于执行本文描述的方法。例如，上述存储介质可以是位置传感器的一部分或与位置传感器相连接。优选地，位置传感器布置在车辆中或车辆处，或者被提供和配置用于安装在这样的车辆中或车辆处。优选地，位置传感器是gnss传感器。此外，位置传感器优选地被提供和配置用于车辆自动驾驶。此外，位置传感器可以是组合的运动和位置传感器。这对于自动驾驶车辆尤其有利。例如，位置传感器或位置传感器的计算单元(处理器)可以访问本文描述的计算机程序，以便执行本文描述的方法。

因此，结合该方法讨论的细节、特征和有利实施例也可以在本文提出的位置传感器、计算机程序和/或存储介质中出现，反之亦然。在这方面，完全参考关于方法的陈述以更详细地表征特征。

附图说明

下面参考附图更详细地解释本文提出的解决方案及其技术环境。应该注意，本发明不应受所示实施例的限制。特别地，除非另有明确说明，否则还可以提取附图中解释事实的部分方面，并将它们与其他组件和/或其他附图的理解和/或本说明书组合。以下示意性地示出：

图1：城市环境中的车辆，其中使用了本文描述的方法，和

图2：特定车辆位置处的路径长度误差的频率之间的示例性图形关系，和

图3：所描述的方法的流程图。

具体实施方式

图1示意性地示出了城市环境中的车辆1，其中使用了本文描述的方法。这里的城市环境有两座建筑8。可以看出，右侧建筑物8产生对于车辆1的遮挡。因此，从卫星4到车辆1的直接信号传输是不可能的，而是卫星信号仅在左侧建筑物8的右侧反射之后才到达车辆1。

这导致路径长度误差6，其在图1中示出。因为，例如布置在车辆1上的gnss传感器(这里未示出)收集卫星信号的实际路径长度7(包括反射前的部分和反射后的部分)，其也被称为基于通常的传输时间测量的“伪距”，该长度比车辆位置2和卫星位置3之间的实际距离长。车辆位置2和卫星位置3之间的实际距离在此也称为目标路径长度5。

在位置确定中，如果使用(未校正的)实际路径长度7，则将存在位置偏差，如图1的左侧所示。为了避免这种情况，需要校正路径长度误差6，本文提出的解决方案可以通过确定环境特定的数据简档来实现，如下所示。

首先，确定车辆位置2，这里示例性并简化图示地与gnss接收器的位置(未示出)一致。例如，车辆位置2在此通过布置在车辆上的环境传感器(未示出)确定，该环境传感器基于建筑物8的已知位置而能够尽可能精确地测量车辆位置2。由于车辆1可以具有卫星导航和环境传感器(未示出)，所以在此是具有冗余定位系统的车辆。在本文提供的解决方案中，相应的车辆可以作为参考站，以用于测量当前gnss伪距和参考位置或用于测量伪距校正数据(相应取决于接收器天线的位置或车辆位置和卫星位置)。

此外，如图1所示，卫星数据在车辆位置2处被接收，例如借助gnss接收器(这里未示出)。从接收的卫星数据中，在此以通常的方式确定实际路径长度7(所谓的伪距)。

随后，通过使用所确定的车辆位置2、卫星位置3和根据卫星数据确定的路径长度(这里是先前确定的实际路径长度7(伪距))，来确定环境特定的数据简档。

例如，该数据简档包括路径长度误差简档。为了确定路径长度误差6，这里示例性地进行目标-实际比较。为此，将实际路径长度7与目标路径长度5进行比较，目标路径长度5通过使用车辆位置2和卫星位置3确定。现在，路径长度误差6能够根据车辆位置2(或接收器位置)和卫星位置3而存储在数据简档中，并且作为校正值提供给其他车辆。

校正数据对接收器天线位置(车辆位置)和卫星位置的依赖具有以下优点：该校正数据对于所有卫星有效，该校正数据将从特定天空方向由接收天线的特定位置接收，或者校正数据位于该卫星位置处。因此，可以省去对单个卫星的依赖。

换句话说，结合图1讨论的本文提供的解决方案的实施例还可以如此描述：所测量的gnss信号路径长度(卫星和接收器之间的gnss信号的路径长度在行话中称为伪距)在良好的情况下被测量(即使没有gnss辅助，定位车辆的车辆位置也是稳定的，例如通过使用诸如视频、激光雷达和/或雷达的环境传感器进行冗余定位)，并且将适用的或以其他方式确定的车辆位置与目标路径长度进行比较。以这种方式，确定gnss路径长度的测量误差或误差简档，其取决于当前卫星位置、gnss接收天线在车辆和环境(例如建筑物)中的位置。由于相关环境通常是静态的，因此卫星和天线位置保持为gnss路径长度误差简档(或车辆位置)的函数。

为了能够应对准静态环境的变化，如果证明，从特定时间点开始，数据简档与旧的相比确定具有显著偏差(例如超过100次测量的平均值的偏差超过30％)，将丢弃在该特定时间点之前的旧的测量数据。此外，旧的测试数据将以比新测试数据更小的权重结合到在数据简档的确定中(例如，权重与测量数据的时效成反比，以天数为单位)。

图2示意性地示出了在特定车辆位置2处的路径长度误差6的频率9之间的示例性图形关系。路径长度误差6的对应分布统计可以有利地用于gnss位置确定的三角测量(对于每个卫星)。这可以有助于在考虑到误差统计下可以确定或选择最可能的位置是。对于伪距和惯性测量单元(imu)数据(如果有的话)，可以考虑相应的误差统计。这也有助于减少定位模糊。另外，在三边测量或三角测量中，可以考虑imu的误差椭圆和/或航位推算。

如果使用本文描述的数据简档进行gnss位置确定，那么根据路径长度误差，可以确定gnss接收器的gnss位置超出实际路径长度(伪距)、星历数据、状态或观察空间描述的通常依赖性。为此目的，例如，可以基于星历数据、车辆位置和天线高度从数据简档中获取路径长度误差。这里的星历数据代表卫星位置3(在本文提供的方法的意义上)。在这种情况下，车辆位置与天线高度一起表示车辆位置2(在本文提供的方法的意义上)、或可替换地可用的接收器位置。为此目的，可以从已知的最后车辆位置开始确定或估计当前车辆位置，例如借助惯性导航或imu。

参考图3再次简要说明上述方法。图3显示了要进行的方法步骤a)、b)和c)，它们按顺序依次进行。

特别地，该方法有助于提高自动驾驶车辆中基于卫星的位置确定(定位)的准确性，特别是如果车辆在城市区域(例如城市峡谷)中运行。本文描述的解决方案的特定优点在于，即使不使用3d建筑物地图，也能够校正环境特定的路径长度误差。