一种自动驾驶的定位传感方法、系统及装置与流程

1.本发明涉及一种定位方法、系统及装置，更具体地说，涉及一种自动驾驶的定位传感方法、系统及装置。


背景技术：

2.现有的可用于车辆高精度定位方面的技术策略有：全球导航卫星系统（gnss）、惯性导航系统（ins）、基于视觉同步定位和地图创建（vslam）、基于车辆传感器构建的车辆模型、导航/高精地图（sd/hd map），毫米波雷达（mm
‑
w radar）和激光雷达（lidar）等。
3.然而，上述每一种技术在定位方面都有一定的短板与缺陷，例如：gnss：单独依赖gnss设备本身并不能提供高精度的定位结果，误差通常会在7.5m
‑
10m之间。但随着gnss的发展，各类增强系统或是服务被研发出来，从而增强其性能，如差分系统、地基增强系统和星基增强系统等。其中实时动态定位技术（rtk）运用载波相位差分技术以及基准站去提高定位精度，最高可达到厘米级别的精度。但即使在rtk的帮助下，若是可观测的卫星数量过少，或是无法观测到卫星，gnss所提供的定位结果依然会产生极大的误差。总结来说，gnss（rtk）的定位效果受限于可观测到的用于解算的卫星数量以及卫星信号质量。
4.惯性导航系统（ins）：ins内的惯性测量单位（imu）自身就带有零偏误差，所以通过ins解算得到的导航结果的误差会随着时间的增加而增加，因此ins只能在短时间内提供高精度的导航结果。
5.基于视觉同步定位和地图创建（vslam）：vslam基于视觉感知，即摄像头提供的数据，提取每一帧图像的特征点，进行相邻帧的特征点匹配，从而完成局部的位置估计，但相邻两个图像间的运动都会存在误差，随着帧的多次传递，误差会逐渐累积，轨迹的漂移也会越来越严重。即使有很多种方法进行vslam误差的优化，摄像头仍旧会受限于外部的影响，例如极端天气（大雾或大雨）和明暗场景交替（进出隧道或地下室）。
6.车辆传感器：与惯性导航系统（ins）类似，车辆传感器通过车辆自身的里程计与方向盘转角传感器等获得的数据，以航迹推算的方法得到的车辆定位，也会因为传感器自身的误差以及车辆行驶过程中的外部因素，如轮胎打滑和地面平整度等，而产生定位误差，该误差随着时间的增加而增加。
7.现有自动驾驶的高精定位方案是将不同的传感器融合，进行定位解算，互相弥补各自的误差，例如gnss/ins融合定位使用惯性测量单位（imu）弥补gnss失效时的场景，但由于ins的特性，只能维持短期的定位精度。此外，硬件会因为外界因素影响，如污渍、震动和温度等，受到意外的损坏，并且为了覆盖更多的区域，多传感器的融合方案也应该包含更多的行车/道路信息。


技术实现要素：

8.针对现有技术存在的各种定位技术的短板，本发明提供一种自动驾驶的定位传感
方法、系统及装置，至少降低外界因素对传感器的影响并提升定位精确度。
9.为实现上述目的，本发明采用如下技术方案：一种自动驾驶的定位传感系统，包括定位融合模块，其特征在于：定位融合模块连接道路区域摄像模块，接收从道路区域摄像模块传输的信息，生成第一图像信息并提取第一特征点；定位融合模块连接车载摄像模块，接收从车载摄像模块传输的信息，生成第二图像信息并提取第二特征点；定位融合模块连接惯性导航模块，接收惯性导航模块的相对定位信息；定位融合模块分别将第一特征点、第二特征点与高精度地图数据库中的地图数据进行比对，再利用比对结果对相对定位信息进行误差标定，得出车辆的实际位置、方向和运行轨迹。
10.作为本发明的一种实施方式，第一图像信息包括车辆的图像信息、位置信息、自车信息之一或其组合，第一特征点包括第一图像中关于车辆位置信息的特征图像；第二图像信息包括车辆周围的环境信息，第二特征点包括第二图像中关于车辆位置信息的特征图像。
11.作为本发明的一种实施方式，定位融合模块连接车载定位模块，接收车载定位模块的绝对定位信息，并根据所述绝对定位信息对比道路区域摄像模块传输的信息，以此生成第一图像信息。
12.作为本发明的一种实施方式，定位融合模块同步连接道路区域摄像模块、车载摄像模块和惯性导航模块，同步处理第一图像信息的第一特征点和第二图像信息的第二特征点，再将处理后的第一特征点和第二特征点与相对定位信息进行误差标定。
13.为实现上述目的，本发明还采用如下技术方案：一种自动驾驶的定位传感方法，包括：采集道路区域摄像信息，根据道路区域摄像信息生成第一图像信息并提取第一特征点；采集车载摄像信息，根据车载摄像信息生成第二图像信息并提取第二特征点；采集惯性导航的相对定位信息；分别将第一特征点、第二特征点与高精度地图数据进行比对，再利用比对结果对相对定位信息进行误差标定，得出车辆的实际位置、方向和运行轨迹。
14.作为本发明的一种实施方式，第一图像信息包括车辆的图像信息、位置信息、自车信息之一或其组合，第一特征点包括第一图像中关于车辆位置信息的特征图像；第二图像信息包括车辆周围的环境信息，第二特征点包括第二图像中关于车辆位置信息的特征图像。
15.作为本发明的一种实施方式，还包括采集车载定位的绝对定位信息，并根据绝对定位信息对比道路区域摄像信息，以此生成所述第一图像信息。
16.作为本发明的一种实施方式，同步采集道路区域摄像信息、车载摄像信息和相对定位信息，同步处理第一图像信息的第一特征点和第二图像信息的第二特征点，再将处理后的第一特征点和第二特征点与相对定位信息进行误差标定。
17.为实现上述目的，本发明还采用如下技术方案：一种自动驾驶的定位传感系统，包括定位融合模块，其特征在于：定位融合模块连接道路区域摄像模块，接收从道路区域摄像模块传输的信息，生成第一图像信息并提取第一特征点；定位融合模块连接车载摄像模块，接收从车载摄像模块传输的信息，生成第二图像信息并提取第二特征点；定位融合模块连接车载定位模块，接收车载定位模块的绝对定
位信息；定位融合模块连接惯性导航模块，接收惯性导航模块的相对定位信息；定位融合模块连接高精度地图，接收高精度地图的地图数据；定位融合模块根据绝对定位信息、相对定位信息、第二图像信息、第二特征点进行临时建图，并将临时建图与地图数据进行匹配定位，以此获得车辆位置信息，再将所述车辆位置信息与第一图像信息、第一特征点进行闭环校验，得出车辆的实际位置、方向和运行轨迹。
18.作为本发明的一种实施方式，第一图像信息包括车辆的图像信息、位置信息、自车信息之一或其组合，第一特征点包括第一图像中关于车辆位置信息的特征图像；第二图像信息包括车辆周围的环境信息，第二特征点包括第二图像中关于车辆位置信息的特征图像。
19.作为本发明的一种实施方式，还包括：车辆传感器，车辆传感器提供车辆轮速及车辆转角。
20.作为本发明的一种实施方式，相对定位信息包括车辆的角速度和加速度。
21.作为本发明的一种实施方式，定位融合模块根据车辆传感器的轮速和转角构筑车辆动力与运动学模型；定位融合模块将绝对定位信息与相对定位信息的差值作为观测模型，使用卡尔曼滤波作为定位基础，得到车辆当前以及下一时刻的定位结果，并进一步基于车辆动力与运动学模型对于卡尔曼滤波进行定位结果补偿。
22.为实现上述目的，本发明还采用如下技术方案：一种自动驾驶的定位传感方法，包括：采集道路区域摄像信息，生成第一图像信息并提取第一特征点；采集车载摄像信息，生成第二图像信息并提取第二特征点；采集车载定位的绝对定位信息；采集惯性导航的相对定位信息；接收高精度地图的地图数据；根据绝对定位信息、相对定位信息、第二图像信息、第二特征点进行临时建图，并将临时建图与地图数据进行匹配定位，以此获得车辆位置信息，再将所述车辆位置信息与第一图像信息、第一特征点进行闭环校验，得出车辆的实际位置、方向和运行轨迹。
23.作为本发明的一种实施方式，第一图像信息包括车辆的图像信息、位置信息、自车信息之一或其组合，第一特征点包括第一图像中关于车辆位置信息的特征图像；第二图像信息包括车辆周围的环境信息，第二特征点包括第二图像中关于车辆位置信息的特征图像。
24.作为本发明的一种实施方式，相对定位信息包括车辆的角速度和加速度。
25.作为本发明的一种实施方式，根据车辆的轮速和转角构筑车辆动力与运动学模型；将绝对定位信息与相对定位信息的差值作为观测模型，使用卡尔曼滤波作为定位基础，得到车辆当前以及下一时刻的定位结果，并进一步基于车辆动力与运动学模型对于卡尔曼滤波进行定位结果补偿。
26.为实现上述目的，本发明还采用如下技术方案：一种自动驾驶的定位传感装置，该装置用以执行本发明的方法。
27.在上述技术方案中，本发明能够提高定位初始化的速度，同时降低了定位误差，使得定位更加精确。
附图说明
28.图1是本发明第一方面的系统的架构图；
图2是本发明方法的一种实施方式的流程图；图3是图2实施方式的具体流程展开图；图4是图2实施方式的具体流程展开图；图5是图2实施方式的具体流程展开图；图6是图2实施方式的具体流程展开图；图7是本发明第二方面的系统架构图；图8是本发明方法的一种实施方式的流程图。
具体实施方式
29.下面结合附图和实施例，对本发明实施例中的技术方案进一步作清楚、完整地描述。显然，所描述的实施例用来作为解释本发明技术方案之用，并非意味着已经穷举了本发明所有的实施方式。
30.所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，旨在用于解释本发明，而不能理解为对本发明的限制。
31.参照图1，根据本发明的第一方面，本发明公开一种自动驾驶的定位传感系统，该系统主要由定位融合模块11、车载定位模块12、道路区域摄像模块13、惯性导航模块14、车载摄像模块15、高精地图数据库16等模块构成。
32.如图1所示，在各个模块的连接关系上，定位融合模块11分别连接车载定位模块12、道路区域摄像模块13、惯性导航模块14、车载摄像模块15、高精地图数据库16。在各个模块的数据传输关系上，定位融合模块11接收从道路区域摄像模块13传输的信息、车载摄像模块15传输的信息、车载定位模块12的绝对定位信息、惯性导航模块14的相对定位信息、以及高精度地图数据库16中的地图数据。
33.作为本发明的一种实施方式，惯性导航模块14（ins，inertial navigation system）是一种不依赖于外部信息、也不向外部辐射能量的自主式导航系统。惯性导航模块14内设惯性测量单位（imu），其基本工作原理是以牛顿力学定律为基础，通过测量载体在惯性参考系的加速度，将它对时间进行积分，且把它变换到导航坐标系中，就能够得到在导航坐标系中的速度、偏航角和位置等信息。因此，本发明中惯性导航模块14提供的数据是相对定位信息。
34.相比而言，车载定位模块12是全球导航卫星系统（gnss，global navigation satellite system），作为本发明的另一种实施方式，可以是gps、北斗或者其他导航系统，其提供精确的定位信息，因此本发明中车载定位模块12提供的数据是绝对定位信息。
35.参照图2
‑
图6，本发明进一步公开如何利用本发明第一方面的系统来执行本发明第一方面的方法。
36.图2说明了本发明方法的总体思路。本发明首先执行步骤s1，该步骤是对道路区域摄像模块13采集的信息进行处理的步骤。如图2所示，定位融合模块11执行接收从道路区域摄像模块13传输的信息并进行处理，生成第一图像信息并提取第一特征点。
37.同时，执行步骤s2，该步骤是对车载摄像模块15采集的信息进行处理的步骤。如图2所示，定位融合模块11接收从车载摄像模块15传输的信息并进行处理，生成第二图像信息
并提取第二特征点。
38.同时，执行步骤s3，该步骤是接收惯性导航模块14采集的数据的步骤。如图2所示，定位融合模块11接收惯性导航模块14的相对定位信息。
39.作为本发明的一种优选实施方式，定位融合模块11同步连接道路区域摄像模块13、车载摄像模块15和惯性导航模块14，因此定位融合模块11可以同步处理第一图像信息的第一特征点和第二图像信息的第二特征点，再将处理后的第一特征点和第二特征点与相对定位信息进行误差标定。
40.本领域的技术人员可以理解，定位融合模块11可以同步执行步骤s1、s2和s3，也可以有选择地按照一定的先后顺序来执行步骤s1、s2和s3，均可以实现本发明的技术目的、达到本发明的技术效果。本发明优选同步执行步骤s1、s2和s3，这样可以同时并行获得第一图像信息、第一特征点、第二图像信息、第二特征点、相对定位信息，并且本发明的系统架构能够支持这样的并行流程。
41.定位融合模块11执行步骤s1、s2、s3之后，得到第一图像信息、第一特征点、第二图像信息、第二特征点和相对定位信息。此时执行步骤s4，该步骤是定位融合模块11把比对数据与惯性导航模块14采集的数据进行处理的步骤。如图2所示，定位融合模块11分别将第一特征点、第二特征点与高精度地图数据库中的地图数据进行比对，再利用比对结果对相对定位信息进行误差标定，得出车辆的实际位置、方向和运行轨迹。
42.进一步参照图3，图3说明了步骤s1的具体实现方法。
43.首先执行步骤s1.1，定位融合模块11连接车载定位模块12，接收车载定位模块12的绝对定位信息，例如利用gps定位本车辆位于某一区域。
44.在获得绝对定位信息之后，执行步骤s1.2，定位融合模块11连接定位区域内的道路区域摄像模块13。
45.建立连接之后，执行步骤s1.3，定位融合模块11接收道路区域摄像模块13的初始图像信息。
46.获得初始图像信息之后，执行步骤s1.4，定位融合模块11定位图像信息中关于本车的图像信息。
47.之后，执行步骤s1.5，定位融合模块11根据绝对定位信息对比道路区域摄像模块13传输的信息，识别并提取初始图像信息中关于本车的图像信息，符合如此条件的信息为第一图像信息。
48.获得第一图像信息之后，执行步骤s1.6，定位融合模块11提取第一图像信息中的第一特征点。
49.作为本发明的一种实施方式，第一图像信息包括车辆的图像信息、位置信息、自车信息之一或其组合，例如车牌、特定区域、位置等。因此，步骤s1.5可以通过例如车牌号来识别本车的图像信息。另一方面，第一特征点包括第一图像中关于车辆位置信息的特征图像，例如车道线、道路标识、拍摄时间点等。
50.本领域的技术人员可以理解，上述列举只是为了说明本发明的技术方案，而并非对本发明的一种限定。在本发明的其他实施例中，第一图像信息可以包含其他能够用以识别本车信息的数据，此外第一特征点同样可以包含其他能够识别本车位置的数据，这些均属于本发明的保护范围内。
51.定位融合模块11通过步骤s1.1
‑
s1.6完成了第一图像信息的生成和第一特征点的提取。
52.参照图4，图4说明了步骤s2的具体实现方法。
53.首先执行步骤s2.1，车载摄像模块15采集车辆周围的图像信息，此图像信息为第二图像信息。
54.在获得第二图像信息之后，执行步骤s2.2，定位融合模块11接收第二图像信息。
55.接收到第二图像信息之后，执行步骤s2.3：定位融合模块11提取第二图像信息中本车辆周围的环境信息的第二特征点。
56.作为本发明的一种实施方式，第二图像信息包括车辆周围的环境信息，第二特征点包括第二图像中关于车辆位置信息的特征图像。然而，本领域的技术人员可以理解，上述列举只是为了说明本发明的技术方案，而并非对本发明的一种限定。
57.参照图5，图5说明了步骤s3的具体实现方法。
58.首先执行步骤s3.1，惯性导航模块14采集车辆的角速度和加速度数据。
59.之后，执行步骤s3.2，定位融合模块11接收角速度和加速度数据。
60.步骤s3.1和s3.2利用惯性导航模块14采集车辆的角速度和加速度数据，并且再利用定位融合模块11接收车辆的角速度和加速度数据，定位融合模块11对相邻的两帧惯性导航（imu）数据进行计算，计算出imu误差数据，即相对定位信息的误差。
61.参照图6，图6说明了步骤s4的具体实现方法。
62.首先执行步骤s4.1，定位融合模块11将第一图像信息的第一特征点与第二图像信息的第二特征点分别与高精地图数据库16的地图数据中不同路段位置的特征点进行比对。
63.通过比对，进一步执行步骤s4.2，定位融合模块11将比对数据与惯性导航模块14采集的数据进行处理，对惯性导航模块14的误差（即相对定位信息的误差）进行标定，最终得出车辆实际的位置和方向，绘制出车辆运行的轨道图。
64.通过图2
‑
图6可见，步骤s4汇总了步骤s1
‑
s3所采集和先处理的数据，最终通过数据比对与处理得到车辆实际的位置、方向和轨迹。
65.综合上述方案可见，不同于现有技术简单融合定位信息（例如基于gnss定位融合ins定位数据、或者基于gnss定位融合车辆传感器数据），本发明第一方面的系统、方法的特点在于汲取了各个定位系统的优点并加以综合运用。本发明第一方面的系统、方法将最常用的绝对定位信息（例如gnss定位）应用在了第一图像信息、第一特征点的生成上，而并非是直接将其他辅助定位信息直接和gnss定位信息融合。
66.另一方面，本发明也没有将相对定位信息（例如惯性导航ins数据）直接应用在gnss定位的误差校正上，而是在综合比对了第一图像信息、第一特征点、第二图像信息、第二特征点这些数据的基础上，把这些比对数据用作相对定位信息的误差校正。
67.通过上述两方面方法流程上的改进，本发明第一方面的系统、方法改变了传统技术对于相同数据的处理方法和流程，能够首先加快定位速度，尤其是在车辆初始化情况下的定位初始化速度，另一方面也能降低定位误差，使得定位更加精确。
68.参照图7，根据本发明的第二方面，本发明还公开一种自动驾驶的定位传感系统，该系统主要组成模块与本发明第一方面类似，主要由定位融合模块21、车载定位模块22、道路区域摄像模块23、惯性导航模块24、车载摄像模块25、高精地图数据库26、车辆传感器27
等模块构成。
69.如图7所示，在各个模块的连接关系上，定位融合模块21分别连接车载定位模块22、道路区域摄像模块23、惯性导航模块24、车载摄像模块25、高精地图数据库26、车辆传感器27。在各个模块的数据传输关系上，定位融合模块21接收从道路区域摄像模块23传输的信息、车载摄像模块25传输的信息、车载定位模块22的绝对定位信息、惯性导航模块24的相对定位信息、高精度地图数据库26中的地图数据、车辆传感器27的车辆轮速及转角信息。
70.惯性导航模块24和车载定位模块22的选择与本发明的第一方面相同，分别提供相对定位信息和绝对定位信息，这里不再赘述。
71.参照图8，本发明进一步公开如何利用本发明第二方面的系统来执行本发明第二方面的方法。
72.如图8所示，首先执行步骤s5，定位融合模块21接收从车载摄像模块25传输的信息，生成第二图像信息并提取第二特征点。作为本发明的一种实施方式，定位融合模块21通过车载摄像模块25的第二图像信息，提取图像中的第二特征点，如车道线识别、道路信息、两侧车道距自车的长度，进行帧间相对位姿推算及位姿增量约束。
73.同时，执行步骤s6，定位融合模块21接收车载定位模块22的绝对定位信息。
74.同时，执行步骤s7，定位融合模块21接收惯性导航模块24的相对定位信息。
75.作为本发明的一种实施方式，惯性导航模块24包括状态模型为惯性导航数据（ins）定位结果的数据，例如车辆的位置、速度和姿态等。在执行步骤s6和s7的同时，定位融合模块21基于ins误差模型设计相应的状态转换矩阵，基于惯性测量单位（imu）测量的加速度与角速度设计相应的输入控制矩阵，基于imu的噪声误差设计相应的过程噪声协方差矩阵。从而ins模型在考虑到传感器误差的情况下，进行对应的预测，将全球卫星导航系统（gnss）的定位结果与ins的定位结果的差值作为观测模型，同时构筑相应的状态转换矩阵以及基于gnss误差的测量噪声协方差矩阵。
76.同时，执行步骤s8，定位融合模块21接收高精度地图数据库26的地图数据。
77.作为本发明的一种实施方式，完成步骤s6、s7对应的模型构筑后（即将绝对定位信息与相对定位信息的差值作为观测模型），定位融合模块21使用卡尔曼滤波作为融合定位的基础，得到自车当前以及下一时刻的定位结果。同时，基于车辆传感器27构筑的车辆动力与运动学模型，对于卡尔曼滤波进行定位结果的补偿，使其更加精确。
78.本领域的技术人员可以理解，定位融合模块21可以同步执行步骤s5、s6、s7和s8，也可以有选择地按照一定的先后顺序来执行步骤s5、s6、s7和s8，均可以实现本发明的技术目的、达到本发明的技术效果。
79.定位融合模块21接收了上述各个模块的数据之后，执行步骤s9，根据绝对定位信息、相对定位信息、第二图像信息、第二特征点进行临时建图，并将临时建图与地图数据进行匹配定位，以此获得车辆位置信息。
80.获得车辆位置信息之后，执行步骤s10，定位融合模块21接收从道路区域摄像模块23传输的信息，生成第一图像信息并提取第一特征点。
81.如图7和图8所示，定位融合模块21可以反复请求道路区域摄像模块23的信息，并且道路区域摄像模块23也可以反复给予定位融合模块21反馈。道路区域摄像模块23收到请求后，根据收到的定位信息与自车信息，如车牌、锁定所处的区域，提取该区域内与自车相
关的图像。通过提取图像的特征点，如车道线、道路标识，以及图像拍摄的时间点，可以确定车辆的定位信息、速度、历史轨迹和行驶方向。道路区域摄像模块23将提取得到的特征点、时间点，以及车辆的定位信息、速度、历史轨迹和行驶方向反馈给车载定位模块，帮助车辆对于自身的定位进行更新纠正，如对于自身所在车道的判断是否准确，在车辆冷启动/定位丢失时，可以通过本模块提供的信息，进行快速的初始化定位。
82.之后，执行步骤s11，定位融合模块21将车辆位置信息与第一图像信息、第一特征点进行闭环校验，得出车辆的实际位置、方向和运行轨迹。
83.作为本发明的一种优选实施方式，定位融合模块21可以将步骤s10与步骤s5、s6、s7、s8同步执行，也可以再执行完步骤s9之后顺序执行步骤s10，均可以实现本发明的技术目的、达到本发明的技术效果。
84.第一图像信息、第一特征点、第二图像信息、第二特征点的具体含义与前述相同。此外，定位融合模块21、车载定位模块22、道路区域摄像模块23、惯性导航模块24、车载摄像模块25、高精地图数据库26、车辆传感器27可以执行与本发明第一方面相同的步骤，这里不再赘述。
85.综合步骤s5
‑
s11可见，定位融合模块21收到gnss/ins/车载传感数据/视觉定位信息后，可以得到车辆的绝对定位信息、相对定位信息以及行驶过程中的车辆与周围环境信息。定位融合模块21基于这些信息进行临时的建图，并与高精地图数据进行匹配定位，从而定位融合模块21可以知悉车辆行驶的所有历史轨迹、车辆信息（速度/航向等）、及与高精地图融合后的信息。此时，定位融合模块21可以知道自车所处的区域，以此向所处区域的道路区域摄像模块23发送接收请求，在收到道路区域摄像模块23的数据后，与自车的融合+地图数据进行闭环校验，从而在车辆失锁/高精地图故障/车辆冷启动等场景，进行快速的初始化定位，并且区域摄像模块的闭环校验功能，也可以辅助车载定位融合模块的定位性能。
86.综合上述方案可见，不同于现有技术简单融合定位信息（例如基于gnss定位融合ins定位数据、或者基于gnss定位融合车辆传感器数据），本发明第二方面的系统、方法的特点在于汲取了各个定位系统的优点并加以综合运用。
87.本发明第二方面的系统、方法虽然也将绝对定位信息（例如gnss定位）与相对定位信息（例如ins定位）做校正，但并非只有这两者的数据产生最后结果，而是将两者的差值做为观测模型，并以此作为卡尔曼滤波的基础，再进一步结合车辆传感器的数据作为卡尔曼滤波的补偿。这是第一层面的数据。
88.此外，本发明第二方面的系统、方法还利用环境信息生成第二图像信息和第二特征点，再结合高精地图的地图数据作为第二层面的数据。将上述第一层面的数据与第二层面的数据进行融合得到第三层面的数据。最后，利用第一图像信息、第一特征点作为第四层面的数据与第三层面的数据进行闭环校验。
89.由此可见，本发明第二方面的系统、方法构建了4个层面的数据处理流程，改变了传统技术对于相同数据的处理方法和流程，通过特定的数据结合方式来加快定位速度，尤其是在车辆初始化情况下的定位初始化速度，另一方面也能降低定位误差，使得定位更加精确。
90.根据本发明的又一方面，本发明还公开一种自动驾驶的定位传感装置。
91.本发明的该装置可以是一种计算机可读存储介质，其存储计算机程序，其中，该计
算机程序使得计算机执行图2～图6中任意一种自动驾驶的定位传感方法，或者图8所示的自动驾驶的定位传感方法。
92.本发明的该装置可以是一种计算机程序产品，其中，当计算机程序产品在计算机上运行时，使得计算机执行如以上各方法实施例中的方法的部分或全部步骤。
93.本发明的该装置可以是一种应用发布平台，其中，应用发布平台用于发布计算机程序产品，其中，当计算机程序产品在计算机上运行时，使得计算机执行如以上各方法实施例中的方法的部分或全部步骤。
94.在本发明的各种实施例中，应理解，上述各过程的序号的大小并不意味着执行顺序的必然先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本发明实施例的实施过程构成任何限定。
95.本领域的技术人员可以理解，本发明所列举的各个实施例的全部或部分步骤可以通过计算机程序来指令相关的硬件来完成，这些计算机程序可以集中或分布式地存储于一个或多个计算机装置中，例如存储于可读存储介质中。上述计算机装置包括只读存储器(read
‑
only memory，rom)、随机存储器(random access memory，ram)、可编程只读存储器(programmable read
‑
only memory，prom)、可擦除可编程只读存储器(erasable programmable read only memory，eprom)、一次可编程只读存储器(one
‑
time programmable read
‑
only memory，otprom)、电子抹除式可复写只读存储器(electrically
‑
erasable programmable read
‑
only memory，eeprom)、只读光盘(compactdisc read
‑
only memory，cd
‑
rom)或其他光盘存储器、磁盘存储器、磁带存储器、或者能够用于携带或存储数据的计算机可读的任何其他介质。
96.本技术领域中的普通技术人员应当认识到，以上的实施例仅是用来说明本发明，而并非用作为对本发明的限定，只要在本发明的实质精神范围内，对以上所述实施例的变化、变型都将落在本发明的权利要求书范围内。