[发明专利]一种基于置信度预测系统的冗余融合定位增强的方法和装置

说明书

本发明涉及一种基于置信度预测系统的冗余融合定位增强的方法，包括：计算冗余融合定位系统与高精度惯导系统的定位偏差数据，将定位偏差数据输入训练好的基于深度学习的置信值拟合网络，计算出定位偏差数据对应的置信度数值；通过车辆当前时刻的速度与加速度预测出未来时刻的轨迹点，获取轨迹点对应的高精度地图属性值；将将当前时刻定位子系统置信度相关的观测量、当前时刻的置信度数值、未来时刻的轨迹点对应的高精度地图属性值输入训练好的基于深度学习的时序神经网络，计算出未来时刻的置信度数值。本发明解决了定位置信度实时评估及自动驾驶车辆根据当前的定位状态、前方的高精度地图属性，对未来时间内定位的置信度进行预测的问题。

技术领域

本发明涉及自动驾驶以及高精度地图应用领域，具体涉及一种基于置信度预测系统的冗余融合定位增强的方法和装置。

背景技术

自动驾驶车辆需要根据自车位置执行导航引导，这一过程不仅需要关注当前位置，也需要预测未来一段时间内的位置变化来辅助定位算法的状态自检和鲁棒性能力增强。预测定位的置信度对于自动驾驶导航引导、辅助决策系统是一个必不可少的功能。

如图1～2所示为冗余融合定位系统的硬件构成图以及软件构成图。自动驾驶车辆使用的冗余融合定位系统包括多个定位子系统：低精度INS组合惯性导航系统(InertialNavigation System)，GNSS定位(Global Navigation Satellite System)，DR航迹递推(dead reckoning)，高精度地图匹配定位等，通过传感器输入信息冗余增加系统定位鲁棒性。冗余融合定位系统的精度受多种因素影响，如GNSS置信度、GNSS丢失时间、INS性能、当前和前方场景地图数据(判断场景类型)、车辆运动意图(变道频繁会影响横向精度)、轮速计性能、磁力计磁场干扰等。其中各种因素的影响因子权重与定位置信度之间呈现非线性特征，难以通过专家系统进行一个适用于全场景的置信度评估，以及难以结合当前和前方场景对未来定位置信度进行有效预测。

发明内容

本发明针对现有技术中存在的技术问题，提供一种基于置信度预测系统的冗余融合定位增强的方法和装置，以解决多传感器冗余融合定位系统的定位置信度实时评估问题，及自动驾驶车辆根据当前的定位状态、前方的高精度地图属性，对未来一段时间内定位的置信度进行有效的预测，该信息将会被用于自动驾驶辅助决策。

本发明解决上述技术问题的技术方案如下：

第一方面，本发明提供一种基于置信度预测系统的冗余融合定位增强的方法，包括以下步骤：

计算冗余融合定位系统与高精度惯导系统的定位偏差数据，将所述定位偏差数据输入训练好的基于深度学习的置信值拟合网络，计算出所述定位偏差数据对应的置信度数值；

通过车辆当前时刻的速度与加速度预测出未来时刻的轨迹点，获取所述轨迹点对应的高精度地图属性值；将当前时刻定位子系统置信度相关的观测量、当前时刻的所述置信度数值、未来时刻的轨迹点对应的高精度地图属性值输入训练好的基于深度学习的时序神经网络，计算出未来时刻的置信度数值。

第二方面，本发明提供一种基于置信度预测系统的冗余融合定位增强装置，包括：

置信度评估模块，用于计算冗余融合定位系统与高精度惯导系统的定位偏差数据，将所述定位偏差数据输入训练好的基于深度学习的置信值拟合网络，计算出所述定位偏差数据对应的置信度数值；

置信度预测模块，用于通过车辆当前时刻的速度与加速度预测出未来时刻的轨迹点，获取所述轨迹点对应的高精度地图属性值；将当前时刻定位子系统置信度相关的观测量、当前时刻的所述置信度数值、未来时刻的轨迹点对应的高精度地图属性值输入训练好的基于深度学习的时序神经网络，计算出未来时刻的置信度数值。