自动驾驶车辆的融合定位方法、装置及电子设备与流程

1.本技术涉及自动驾驶技术领域，尤其涉及一种自动驾驶车辆的融合定位方法、装置及电子设备。


背景技术：

2.自动驾驶场景下，往往需要对多个传感器的数据进行融合处理，得到融合定位信息，才能保证自动驾驶车辆在各种复杂路况下的定位精度。
3.然而，不同的行驶路况和行驶场景，传感器之间的定位精度和定位效果有所不同，根据各个传感器在不同场景下的定位精度直接进行切换来实现融合定位的方式显然无法达到最优的定位效果，也无法满足自动驾驶场景的定位需求。
4.此外，各个传感器之间由于标定、时延等因素，导致进行融合定位时获取到的不同传感器之间的定位数据存在较大误差，直接进行融合定位反而会造成更大误差，进而严重影响自动驾驶车辆的定位精度和安全性。


技术实现要素：

5.本技术实施例提供了一种自动驾驶车辆的融合定位方法、装置及电子设备，以提高自动驾驶车辆的融合定位精度。
6.本技术实施例采用下述技术方案：
7.第一方面，本技术实施例提供一种自动驾驶车辆的融合定位方法，其中，所述方法包括：
8.获取高精定位数据和高精定位数据的定位状态，以及激光雷达定位数据和激光雷达定位数据的匹配得分，所述高精定位数据的定位状态基于预设定位状态预测模型预测得到；
9.根据所述高精定位数据的定位状态和所述激光雷达定位数据的匹配得分，确定融合定位策略，所述融合定位策略包括所述高精定位数据的融合权重和所述激光雷达定位数据的融合权重；
10.根据所述融合定位策略，对所述高精定位数据和激光雷达定位数据进行融合处理，得到自动驾驶车辆的融合定位结果。
11.可选地，所述高精定位数据包括惯导rtk定位数据，所述根据所述高精定位数据的定位状态和所述激光雷达定位数据的匹配得分，确定融合定位策略包括：
12.若所述惯导rtk定位数据的定位状态为不可信状态，则根据所述激光雷达定位数据的匹配得分确定第一融合定位策略；
13.若所述惯导rtk定位数据的定位状态为不确定状态，则根据所述激光雷达定位数据的匹配得分确定第二融合定位策略；
14.若所述惯导rtk定位数据的定位状态为可信状态，则根据所述激光雷达定位数据的匹配得分确定第三融合定位策略。
15.可选地，所述若所述惯导rtk定位数据的定位状态为不可信状态，则确定所述融合定位策略为第一融合定位策略包括：
16.若所述激光雷达定位数据的匹配得分不小于预设匹配得分阈值，则确定所述激光雷达定位数据的第一初始权重；
17.基于所述激光雷达定位数据的匹配得分，利用第一权重调整策略对所述激光雷达定位数据的第一初始权重进行调整，得到所述激光雷达定位数据的第一融合权重；
18.根据所述激光雷达定位数据的第一融合权重确定所述惯导rtk定位数据的第一融合权重。
19.可选地，所述若所述惯导rtk定位数据的定位状态为不确定状态，则根据所述激光雷达定位数据的匹配得分确定第二融合定位策略包括：
20.若所述激光雷达定位数据的匹配得分不小于预设匹配得分阈值，则确定所述激光雷达定位数据的第二初始权重；
21.基于所述激光雷达定位数据的匹配得分，利用第二权重调整策略对所述激光雷达定位数据的第二初始权重进行调整，得到所述激光雷达定位数据的第二融合权重；
22.根据所述激光雷达定位数据的第二融合权重确定所述惯导rtk定位数据的第二融合权重。
23.可选地，所述若所述惯导rtk定位数据的定位状态为可信状态，则根据所述激光雷达定位数据的匹配得分确定第三融合定位策略包括：
24.确定所述惯导rtk定位数据的初始权重以及所述惯导rtk定位数据的差分状态；
25.根据所述惯导rtk定位数据的差分状态，利用第三权重调整策略对所述惯导rtk定位数据的初始权重进行调整，得到所述惯导rtk定位数据的第三融合权重；
26.根据所述惯导rtk定位数据的第三融合权重确定所述激光雷达定位数据的第三融合权重。
27.可选地，所述惯导rtk定位数据的差分状态包括固定解状态和非固定解状态，所述根据所述惯导rtk定位数据的差分状态，利用第三权重调整策略对所述惯导rtk定位数据的初始权重进行调整，得到所述惯导rtk定位数据的第三融合权重包括：
28.根据所述惯导rtk定位数据的差分状态，确定所述惯导rtk定位数据为所述非固定解状态的连续计数；
29.根据所述惯导rtk定位数据为所述非固定解状态的连续计数，对所述惯导rtk定位数据的初始权重进行调整，得到所述惯导rtk定位数据的第三融合权重。
30.可选地，所述若所述惯导rtk定位数据的定位状态为可信状态，则根据所述激光雷达定位数据的匹配得分确定第三融合定位策略包括包括：
31.确定所述惯导rtk定位数据的差分状态；
32.在所述惯导rtk定位数据的差分状态为固定解状态的情况下，利用预设多路径识别策略进行多路径识别；
33.根据多路径识别结果和所述激光雷达定位数据的匹配得分，确定所述惯导rtk定位数据的第四融合权重和所述激光雷达定位数据的第四融合权重。
34.第二方面，本技术实施例还提供一种自动驾驶车辆的融合定位装置，其中，所述装置包括：
35.获取单元，用于获取高精定位数据和高精定位数据的定位状态，以及激光雷达定位数据和激光雷达定位数据的匹配得分，所述高精定位数据的定位状态基于预设定位状态预测模型预测得到；
36.确定单元，用于根据所述高精定位数据的定位状态和所述激光雷达定位数据的匹配得分，确定融合定位策略，所述融合定位策略包括所述高精定位数据的融合权重和所述激光雷达定位数据的融合权重；
37.融合定位单元，用于根据所述融合定位策略，对所述高精定位数据和激光雷达定位数据进行融合处理，得到自动驾驶车辆的融合定位结果。
38.第三方面，本技术实施例还提供一种电子设备，包括：
39.处理器；以及
40.被安排成存储计算机可执行指令的存储器，所述可执行指令在被执行时使所述处理器执行前述之任一所述方法。
41.第四方面，本技术实施例还提供一种计算机可读存储介质，所述计算机可读存储介质存储一个或多个程序，所述一个或多个程序当被包括多个应用程序的电子设备执行时，使得所述电子设备执行前述之任一所述方法。
42.本技术实施例采用的上述至少一个技术方案能够达到以下有益效果：本技术实施例的自动驾驶车辆的融合定位方法，先获取高精定位数据和高精定位数据的定位状态，以及激光雷达定位数据和激光雷达定位数据的匹配得分，高精定位数据的定位状态基于预设定位状态预测模型预测得到；然后根据高精定位数据的定位状态和激光雷达定位数据的匹配得分，确定融合定位策略，融合定位策略包括高精定位数据的融合权重和激光雷达定位数据的融合权重；最后根据融合定位策略，对高精定位数据和激光雷达定位数据进行融合处理，得到自动驾驶车辆的融合定位结果。本技术实施例的自动驾驶车辆的融合定位方法针对高精定位数据的不同定位状态以及激光雷达数据的匹配结果，自适应确定了不同的融合定位策略，能够适用于大多数场景的定位需求，提高了自动驾驶车辆的融合定位精度。
附图说明
43.此处所说明的附图用来提供对本技术的进一步理解，构成本技术的一部分，本技术的示意性实施例及其说明用于解释本技术，并不构成对本技术的不当限定。在附图中：
44.图1为本技术实施例中一种自动驾驶车辆的融合定位方法的流程示意图；
45.图2为本技术实施例中一种自动驾驶车辆的融合定位装置的结构示意图；
46.图3为本技术实施例中一种电子设备的结构示意图。
具体实施方式
47.为使本技术的目的、技术方案和优点更加清楚，下面将结合本技术具体实施例及相应的附图对本技术技术方案进行清楚、完整地描述。显然，所描述的实施例仅是本技术一部分实施例，而不是全部的实施例。基于本技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本技术保护的范围。
48.以下结合附图，详细说明本技术各实施例提供的技术方案。
49.本技术实施例提供了一种自动驾驶车辆的融合定位方法，如图1所示，提供了本申
请实施例中一种自动驾驶车辆的融合定位方法的流程示意图，所述方法至少包括如下的步骤s110至步骤s130：
50.步骤s110，获取高精定位数据和高精定位数据的定位状态，以及激光雷达定位数据和激光雷达定位数据的匹配得分，所述高精定位数据的定位状态基于预设定位状态预测模型预测得到。
51.本技术实施例在进行自动驾驶车辆的融合定位时，需要先获取高精定位设备采集的高精定位数据，高精定位设备例如可以是惯导rtk(real-time kinematic，实时动态差分)定位设备，一般情况下具有较高的定位精度，但由于惯导rtk定位数据依赖于卫星定位信号质量好坏等外界因素的影响，因此本技术实施例利用训练好的预设定位状态预测模型对高精定位数据的定位状态进行了预测，从而评估高精定位数据的定位效果。
52.本技术实施例融合处理的定位数据除了包括上述高精定位数据，还包括通过事先构建的激光slam地图匹配得到的激光雷达定位数据。此外，激光slam匹配算法还会输出一个激光雷达定位数据的匹配得分，可一定程度上反应其定位精度。当然，具体如何进行激光slam匹配，本领域技术人员可以根据现有的匹配算法确定，在此不作具体限定。
53.步骤s120，根据所述高精定位数据的定位状态和所述激光雷达定位数据的匹配得分，确定融合定位策略，所述融合定位策略包括所述高精定位数据的融合权重和所述激光雷达定位数据的融合权重。
54.由于高精定位数据的定位状态反映了高精定位数据的定位精度，而激光雷达定位数据的匹配得分也反映了激光雷达定位数据的定位精度，因此这就为融合定位策略的自适应确定提供了有力支撑。融合定位策略可以理解为对不同来源的定位数据在融合过程中所占据的重要性程度即权重大小进行权衡。根据高精定位数据的定位精度和激光雷达定位数据的定位精度之间的相对变化，能够自适应确定高精定位数据在融合阶段的权重大小以及激光雷达定位数据在融合阶段的权重大小，从而适用于不同定位场景的定位需求，提高融合定位精度。
55.步骤s130，根据所述融合定位策略，对所述高精定位数据和激光雷达定位数据进行融合处理，得到自动驾驶车辆的融合定位结果。
56.基于前述步骤得到的融合定位策略，即可以将高精定位数据和激光雷达数据按照各自对应的融合权重大小进行融合处理，从而得到自动驾驶车辆的融合定位结果。
57.本技术实施例的自动驾驶车辆的融合定位方法针对高精定位数据的不同定位状态以及激光雷达数据的匹配结果，自适应确定了不同的融合定位策略，能够适用于大多数场景的定位需求，提高了自动驾驶车辆的融合定位精度。
58.为了便于对本技术实施例的理解，这里进一步介绍了预设定位状态预测模型的一种训练方式：首先，获取惯导rtk数据和对应的高精度惯导设备的数据，惯导rtk数据包括惯导rtk定位数据、惯导rtk数据的绝对时间、rtk差分状态、水平位置精度因子(horizontal dilution of precision，简称hdop)和卫星数量。高精度惯导设备中配备有高精度的闭环光纤陀螺和加速度传感器，定位精度能够达到厘米级甚至是毫米级，相比一般的惯导设备具有更高的定位精度，因此其可以看作是真值设备。然后，根据高精度惯导设备的数据确定惯导rtk定位数据的定位误差；根据惯导rtk定位数据的定位误差确定惯导rtk定位数据的置信度，定位误差越大，赋予的置信度应当越小，当然具体如何赋值可以结合现有技术来实
现。最后，利用惯导rtk信息以及惯导rtk定位信息的置信度训练定位状态预测模型，这里可以采用lstm(long short-term memory)长短期记忆网络的结构进行训练，从而得到最终的预设定位状态预测模型。
59.在得到预设定位状态预测模型后，通过将当前的rtk差分状态、hdop和卫星数量输入到预设定位状态预测模型中，即可得到惯导rtk定位数据的定位状态。模型能够输出的惯导rtk定位数据的具体定位状态类型可以在训练过程中事先定义好，例如可以包括0＝可信状态，1＝不可信状态，2＝不确定状态等多种定位状态。
60.在本技术的一些实施例中，所述高精定位数据包括惯导rtk定位数据，所述根据所述高精定位数据的定位状态和所述激光雷达定位数据的匹配得分，确定融合定位策略包括：若所述惯导rtk定位数据的定位状态为不可信状态，则根据所述激光雷达定位数据的匹配得分确定第一融合定位策略；若所述惯导rtk定位数据的定位状态为不确定状态，则根据所述激光雷达定位数据的匹配得分确定第二融合定位策略；若所述惯导rtk定位数据的定位状态为可信状态，则根据所述激光雷达定位数据的匹配得分确定第三融合定位策略。
61.本技术实施例在确定融合定位策略时，先区分了不同的惯导rtk定位数据的定位状态，例如可以包括0＝可信状态，1＝不可信状态，2＝不确定状态这三种，可信状态说明当前基于预设定位状态预测模型预测出的惯导rtk定位数据具有较高的可信度，即定位精度较高；不可信状态说明当前预测出的惯导rtk定位数据具有较低的可信度，即定位精度较低；而不确定状态则说明当前预测出的惯导rtk定位数据的可信度介于可信状态与不可信状态之间，定位精度也介于二者之间。
62.因此，可以看出，不同的惯导rtk定位数据的定位状态对应的定位精度不同，那么在融合阶段所实际占据的重要性程度也就有所差别，这里可以进一步结合具体的场景以及激光雷达定位数据的定位精度来采取不同的融合定位策略。
63.在本技术的一些实施例中，根据所述高精定位数据的定位状态和所述激光雷达定位数据的匹配得分，确定融合定位策略包括：若所述惯导rtk定位数据的定位状态为不可信状态或者不确定状态，则确定所述激光雷达定位数据的匹配得分是否不小于预设匹配得分阈值；若是，则确定所述激光雷达定位数据的初始权重；基于所述激光雷达定位数据的匹配得分，利用预设权重调整策略对所述激光雷达定位数据的初始权重进行调整，得到所述激光雷达定位数据的融合权重；根据所述激光雷达定位数据的融合权重确定所述惯导rtk定位数据的融合权重。
64.对于定位状态为不可信状态和不确定状态，这两种状态都说明当前的惯导rtk定位数据的定位效果不够好，那么可以进一步将激光雷达定位数据的匹配得分与预设匹配得分阈值进行比较，从而判断当前的激光雷达定位数据是否满足后续融合定位的需求，如果激光雷达定位数据的匹配得分大于该预设匹配得分阈值，说明激光雷达定位数据可以用于后续的融合定位，那么这时可以先赋予激光雷达定位数据一个相对较大的初始权重，然后结合其实际的匹配得分大小，利用预设权重调整策略对激光雷达定位数据对应的初始权重进行调整，预设权重调整策略的核心在于激光雷达定位数据的匹配得分越高，激光雷达定位数据对应的融合权重也就越高。由于融合数据的来源主要是激光雷达定位数据和惯导rtk定位数据，因此二者的融合权重之和可以设置为1，激光雷达定位数据的融合权重确定后，惯导rtk定位数据的融合权重也就随之确定。
65.上述预设匹配得分阈值的大小以及初始权重的大小都可以根据实际情况灵活设置，在此不作具体限定。
66.在本技术的一些实施例中，所述若所述惯导rtk定位数据的定位状态为不可信状态，则确定所述融合定位策略为第一融合定位策略包括：若所述激光雷达定位数据的匹配得分不小于预设匹配得分阈值，则确定所述激光雷达定位数据的第一初始权重；基于所述激光雷达定位数据的匹配得分，利用第一权重调整策略对所述激光雷达定位数据的第一初始权重进行调整，得到所述激光雷达定位数据的第一融合权重；根据所述激光雷达定位数据的第一融合权重确定所述惯导rtk定位数据的第一融合权重。
67.对于惯导rtk定位数据的定位状态为不可信状态的情况，相对于另外两种定位状态来说，其定位结果的可信度和定位精度都是更低的，因此确定此种情况下的第一融合定位策略时，可以先判断激光雷达定位数据的可用性，如果激光雷达定位数据的匹配得分slam_core不小于预设匹配得分阈值，说明激光雷达定位数据可以用于后续融合定位且具有一定的定位精度，那么在惯导rtk定位数据的定位精度很低的情况下，可以赋予激光雷达定位数据一个相对较大的第一初始权重，然后再结合激光雷达定位数据实际的匹配得分的大小，利用第一权重调整策略对激光雷达定位数据的第一初始权重进行调整，得到最终的激光雷达定位数据的第一融合权重k_lio，最后根据激光雷达定位数据的第一融合权重k_lio计算得到惯导rtk定位数据的第一融合权重k_gps。
68.为了便于对本技术实施例的理解，这里假设预设匹配得分阈值为1.8，激光雷达定位数据的第一初始权重为0.9，那么本技术实施例的具体实现逻辑可以表示为：
[0069][0070]
实际场景下，激光雷达定位数据的匹配得分slam_core的范围一般为0～4，当slam_core为3时，匹配效果已经足够好，因此代入slam_core＝3，可以计算得到k_lio＝1，k_gps＝0，此时说明激光雷达定位数据的定位精度已经很高，因此此时其对应的融合权重最大。而当slam_core＝1.8时，此时说明激光雷达数据的定位精度刚好满足融合定位的要求，那么其仍然有一个较高的融合权重k_lio＝0.9，也即第一初始权重，此时k_gps＝0.1。也即，在惯导rtk定位数据为不可信状态的情况下，激光雷达定位数据的第一融合权重调整范围为{0.9,1}，惯导rtk定位数据的第一融合权重调整范围为{0,0.1}。
[0071]
在本技术的一些实施例中，所述若所述惯导rtk定位数据的定位状态为不确定状态，则根据所述激光雷达定位数据的匹配得分确定第二融合定位策略包括：若所述激光雷
达定位数据的匹配得分不小于预设匹配得分阈值，则确定所述激光雷达定位数据的第二初始权重；基于所述激光雷达定位数据的匹配得分，利用第二权重调整策略对所述激光雷达定位数据的第二初始权重进行调整，得到所述激光雷达定位数据的第二融合权重；根据所述激光雷达定位数据的第二融合权重确定所述惯导rtk定位数据的第二融合权重。
[0072]
对于惯导rtk定位数据的定位状态为不确定状态的情况，其定位结果的可信度和定位精度介于可信状态和不可信状态之间，因此第二融合定位策略的实现逻辑与可信状态下的第一融合定位策略的实现逻辑基本相同，主要区别在激光雷达定位数据的第二初始权重以及对应的第二权重调整策略有所不同。
[0073]
为了便于对本技术实施例的理解，这里同样假设预设匹配得分阈值为1.8，由于此种情况下的惯导rtk定位数据的定位精度比不可信状态要好一些，因此此时赋予激光雷达定位数据的第二初始权重可以相比于前述实施例中的第一初始权重小一些，例如可以设置为0.8，那么本技术实施例的具体实现逻辑可以表示为：
[0074][0075]
可以看出，当代入slam_core＝3时，计算得到k_lio＝1，k_gps＝0，此时说明激光雷达定位数据的定位精度已经很高，因此其所对应的融合权重最大。而当slam_core＝1.8时，此时说明激光雷达数据的定位精度刚好满足融合定位的要求，那么其仍然有一个较高的融合权重k_lio＝0.8，也即第二初始权重，此时k_gps＝0.2。也即，在惯导rtk定位数据为不确定状态的情况下，激光雷达定位数据的第二融合权重调整范围为{0.8,1}，惯导rtk定位数据的第二融合权重调整范围为{0,0.2}。
[0076]
当然，需要说明的是，上述预设匹配得分阈值的大小以及激光雷达定位数据的第一初始权重、第二初始权重的大小都可以根据实际情况灵活调整，在此不作具体限定。
[0077]
在本技术的一些实施例中，所述若所述惯导rtk定位数据的定位状态为可信状态，则根据所述激光雷达定位数据的匹配得分确定第三融合定位策略包括：确定所述惯导rtk定位数据的初始权重以及所述惯导rtk定位数据的差分状态；根据所述惯导rtk定位数据的差分状态，利用第三权重调整策略对所述惯导rtk定位数据的初始权重进行调整，得到所述惯导rtk定位数据的第三融合权重；根据所述惯导rtk定位数据的第三融合权重确定所述激光雷达定位数据的第三融合权重。
[0078]
与前两种定位状态不同，在惯导rtk定位数据的定位状态为可信状态的情况下，说明预设定位状态预测模型预测出的惯导rtk定位数据的定位精度较高，那么这时可以赋予
惯导rtk定位数据一个较大的初始权重。此外，为了进一步提高融合定位精度，还可以确定当前的惯导rtk定位数据的差分状态，例如是固定解，还是非固定解，进而可以根据惯导rtk定位数据的差分状态，利用第三权重调整策略对惯导rtk定位数据的初始权重进行调整，从而进一步提高惯导rtk定位数据的定位精度判断的准确性。
[0079]
需要说明的是，本技术实施例的“惯导rtk定位数据的定位状态”和“惯导rtk定位数据的差分状态”是两个不同的概念，前者是基于前述实施例中自定义的定位状态预测模型预测出的惯导rtk定位数据的定位效果，而后者是单一的rtk差分状态，例如是固定解、单点解还是浮点解等。由于单一的rtk差分状态通常无法满足自动驾驶的需要，例如在城市复杂道路下，在rtk的差分状态为固定解的情况下仍然可能出现定位误差较大的情况，因此需要从一个相对更全面、更准确的维度评估定位结果的精度，也即预设定位状态预测模型预测出的惯导rtk定位数据的定位状态。
[0080]
虽然惯导rtk定位数据的定位状态相比较于单一的rtk定位差分状态来说能够更准确地反映定位结果的定位精度，但还需要说明的是，在融合定位的场景下，仍然需要考虑如何利用好惯导rtk定位数据的定位状态和差分状态的问题，这也是本技术的关键点之一。
[0081]
在本技术的一些实施例中，所述惯导rtk定位数据的差分状态包括固定解状态和非固定解状态，所述根据所述惯导rtk定位数据的差分状态，利用第三权重调整策略对所述惯导rtk定位数据的初始权重进行调整，得到所述惯导rtk定位数据的第三融合权重包括：根据所述惯导rtk定位数据的差分状态，确定所述惯导rtk定位数据为所述非固定解状态的连续计数；根据所述惯导rtk定位数据为所述非固定解状态的连续计数，对所述惯导rtk定位数据的初始权重进行调整，得到所述惯导rtk定位数据的第三融合权重。
[0082]
如前所述，惯导rtk定位数据的差分状态可以分为固定解和非固定解两种状态，通常固定解可以达到厘米级的定位精度，而非固定解的定位精度则较低，一般在分米级到米级之间，显然无法满足自动驾驶需求。
[0083]
在惯导rtk定位数据的定位状态为可信状态的情况下，由于定位状态的预测是通过预设定位状态预测模型预测出的，可能存在误识别的情况，所以此时对应的惯导rtk定位数据的差分状态可能不必然是固定解，也可能是非固定解。因此可以先判断当前的惯导rtk定位数据的差分状态是否为非固定解，如果是非固定解，可以进一步计算这种非固定解状态的持续时间或者连续计数，非固定解的持续时间越长或者计数越多，说明当前的预设定位状态预测模型预测出的惯导rtk定位数据的可信状态越不准确，惯导rtk定位数据的定位精度越低，基于此可以对惯导rtk定位数据的初始权重进行调整，从而权衡此种情况下不同融合数据对应的融合权重。
[0084]
为了便于对本技术实施例的理解，这里假设惯导rtk定位数据的初始权重为0.9，那么本技术实施例的具体实现逻辑可以表示为：
[0085][0086][0087]
其中，gps_state为惯导rtk定位数据的差分状态，4表示固定解，sat_recovery_cnt表示非固定解状态的连续计数，当非固定解状态的连续计数达到300时，会开始对惯导rtk定位数据的初始权重进行衰减调整，一直调整到连续计数为700，例如代入sat_recovery_cnt＝300，可以计算得到k_gps＝0.9，代入sat_recovery_cnt＝700，可以计算得到k_gps＝0.1，表示当出现非固定解状态时超过3秒开始对其进行权重衰减，直至第7秒完成切换。
[0088]
也即，在惯导rtk定位数据为可信状态，而差分状态出现连续的非固定解的情况下，惯导rtk定位数据的第三融合权重调整范围为{0.1,0.9}，激光雷达定位数据的第二融合权重调整范围同样为{0.1,0.9}。
[0089]
当然，需要说明的是，上述惯导rtk定位数据的初始权重大小以及对初始权重的调整策略都可以根据实际情况灵活调整，在此不作具体限定。
[0090]
在本技术的一些实施例中，所述若所述惯导rtk定位数据的定位状态为可信状态，则根据所述激光雷达定位数据的匹配得分确定第三融合定位策略包括包括：确定所述惯导rtk定位数据的差分状态；在所述惯导rtk定位数据的差分状态为固定解状态的情况下，利用预设多路径识别策略进行多路径识别；根据多路径识别结果和所述激光雷达定位数据的匹配得分，确定所述惯导rtk定位数据的第四融合权重和所述激光雷达定位数据的第四融合权重。
[0091]
在惯导rtk定位数据的定位状态为可信状态的情况下，除了前述实施例的情况可能导致惯导rtk定位数据的可信状态并不准确，还有一种情况就是“多路径效应”的出现。在
gnss(global navigation satellite system，全球导航卫星系统)等卫星定位测量中，被测站附近的反射物所反射的卫星信号(反射波)如果进入接收机天线，就将和直接来自卫星的信号(直射波)产生干涉，从而使观测值偏离真值，产生所谓的“多路径误差”，这种由于多路径的信号传播所引起的干涉时延效应被称做“多路径效应”。当依赖于卫星定位信号的定位设备出现多路径效应时，多路径误差的引入将影响自动驾驶车辆的定位精度。
[0092]
基于此，本技术实施例同样可以先确定惯导rtk定位数据的差分状态，当差分状态为固定解时，此时虽然说明惯导rtk定位数据的理论定位精度较高，但如果惯导rtk定位设备出现了多路径效应，实际的定位误差将会大大增加，因此可以进一步识别是否存在多路径效应。而对于差分状态为非固定解状态，此时已经能够说明卫星定位数据的精度不够，进而也就没有再识别多路径效应的实际需要了。
[0093]
因此，本技术实施例采用的多路径识别策略可以是：在当前时刻的卫星定位数据对应的差分状态为固定解状态的情况下，根据当前时刻的卫星定位数据确定当前高度差；获取自动驾驶车辆的当前行驶速度，并根据当前行驶速度和俯仰角确定最大高度差，根据当前行驶速度vb、最大高度差max_dh和当前高度差dh确定第一多路径标识flag_dh；根据当前高度差确定第一天线速度vh1，并根据第一天线速度vh1和惯导设备输出的第二天线速度vh0确定第二多路径标识flag_vel；获取当前卫星数量gps num，并根据当前卫星数量gps num和卫星数量阈值确定第三多路径标识flag_num；根据第一多路径标识flag_dh、第二多路径标识flag_vel以及第三多路径标识flag_num确定多路径识别结果。本技术实施例的自动驾驶的多路径识别策略定义了三种不同的多路径识别标识来冗余识别当前场景下多路径效应，大大提高了多路径效应识别的准确性，进而提高了自动驾驶车辆的定位鲁棒性和安全性。
[0094]
为了便于理解，上述多路径识别策略可以表示为如下形式：
[0095]
若vb》0.5且(dh-max_dh)》0.0，则flag_dh＝1；
[0096]
否则，flag_dh≠1；
[0097]
若abs((abs(vh1)-abs(vh0))》0.2,则flag_vel＝1；
[0098]
否则，flag_vel≠1；
[0099]
若gps num《12,flag_num＝1；
[0100]
否则，flag_num≠1；
[0101]
其中，flag_dh＝1、flag_vel＝1、flag_num＝1均表示进入多路径标识，0.5为预设行驶速度阈值的经验值，0.2为预设天线速度差值阈值的经验值，12为预设卫星数量阈值，本领域技术人员可以根据实际情况灵活调整其大小，abs()为求绝对值函数。
[0102]
当flag_dh、flag_vel和flag_num中有任意一个或多个标识等于1时，即认为识别到了多路径效应，否则，则认为不存在多路径标识。此种方式一方面可以提高多路径识别的准确性，另一方面可以避免多路径场景与正常场景之间的频繁切换，从而保证自动驾驶车辆的定位鲁棒性和安全性。
[0103]
在识别到多路径效应时，说明当前的惯导rtk定位数据可能不够准确，因此这时可以进一步结合激光雷达定位数据的匹配得分，重新确定惯导rtk定位数据的第四融合权重和激光雷达定位数据的第四融合权重。
[0104]
在本技术的一些实施例中，所述根据多路径识别结果和所述激光雷达定位数据的
匹配得分，确定所述惯导rtk定位数据的第四融合权重和所述激光雷达定位数据的第四融合权重包括：在所述多路径识别结果为进入多路径场景的情况下，确定所述激光雷达定位数据的第三初始权重；根据进入多路径场景的计数和所述激光雷达定位数据的匹配得分，利用第四权重调整策略对所述激光雷达定位数据的第三初始权重进行调整，得到所述激光雷达定位数据的第四融合权重；根据所述激光雷达定位数据的第四融合权重确定所述惯导rtk定位数据的第四融合权重。
[0105]
为了便于对本技术实施例的理解，这里进一步示意了本技术实施例的具体实现逻辑为：
[0106][0107]
其中，multipath_flag表示多路径标识，multipath_flag＝1表示进入多路径标识，1.8为预设匹配得分阈值，可根据实际情况灵活调整，multipath_cnt表示进入多路径标识的计数，这里可以为后续的多路径退出场景预留3s的超时时间，以保证融合定位的稳定性，当然，超时时间的大小也可以根据实际需求灵活调整。
[0108]
可以看出，随着multipath_flag的增加，k_lio的大小也在随之增加，当multipath_flag＝4时，即已经连续4次识别到进入多路径标识，说明此时的惯导rtk定位数据受到多路径误差的影响已经很大，难以用于后续融合定位，因此此时计算得到的k_lio＝
1，k_gps＝0。
[0109]
在本技术的一些实施例中，所述根据多路径识别结果和所述激光雷达定位数据的匹配得分，确定所述惯导rtk定位数据的第四融合权重和所述激光雷达定位数据的第四融合权重包括：在所述多路径识别结果为退出多路径场景的情况下，确定所述激光雷达定位数据的第四初始权重；根据退出多路径场景的计数和所述激光雷达定位数据的匹配得分，利用第五权重调整策略对所述激光雷达定位数据的第四初始权重进行调整，得到所述激光雷达定位数据的第四融合权重；根据所述激光雷达定位数据的第四融合权重确定所述惯导rtk定位数据的第四融合权重。
[0110]
为了便于对本技术实施例的理解，这里进一步示意了本技术实施例的具体实现逻辑为：
[0111][0112][0113]
可以看出，在多路径退出场景下，并不是完全退出，而是逐渐衰减k_lio的大小，当刚识别到多路径退出场景时，仍然以multipath_flag最大值为4，超时时间为3为例，此时multipath_cnt_max＝multipath_cnt＝4 3＝7，可以计算得到k_lio＝1，当multipath_
cnt_max＝7，multipath_cnt＝0时，可以计算得到k_lio＝0.8。
[0114]
在本技术的一个实施例中，在根据所述融合定位策略，对所述高精定位数据和激光雷达定位数据进行融合处理时，可以采用如下逻辑来实现：
[0115]
double utm_x_cal_gps＝utm_x_cal；
[0116]
double utm_y_cal_gps＝utm_y_cal；
[0117]
double utm_x_cal_fusion＝0；
[0118]
double utm_y_cal_fusion＝0；
[0119]
utm_x_cal ＝lidar_dp.x()；
[0120]
utm_y_cal ＝lidar_dp.y()；
[0121]
utm_x_cal_fusion＝utm_x_cal*k_lio utm_x_cal_gps*k_gps；
[0122]
utm_y_cal_fusion＝utm_y_cal*k_lio utm_y_cal_gps*k_gps；
[0123]
utm_x_cal＝utm_x_cal_fusion；
[0124]
utm_y_cal＝utm_y_cal_fusion；
[0125]
其中，utm_x_cal和utm_y_cal即为融合后得到的x方向和y方向的观测值，最后利用融合后的x方向和y方向的观测值进行扩展卡尔曼滤波融合，得到最终的融合定位结果。
[0126]
本技术实施例还提供了一种自动驾驶车辆的融合定位装置200，如图2所示，提供了本技术实施例中一种自动驾驶车辆的融合定位装置的结构示意图，所述装置200包括：获取单元210、确定单元220以及融合定位单元230，其中：
[0127]
获取单元210，用于获取高精定位数据和高精定位数据的定位状态，以及激光雷达定位数据和激光雷达定位数据的匹配得分，所述高精定位数据的定位状态基于预设定位状态预测模型预测得到；
[0128]
确定单元220，用于根据所述高精定位数据的定位状态和所述激光雷达定位数据的匹配得分，确定融合定位策略，所述融合定位策略包括所述高精定位数据的融合权重和所述激光雷达定位数据的融合权重；
[0129]
融合定位单元230，用于根据所述融合定位策略，对所述高精定位数据和激光雷达定位数据进行融合处理，得到自动驾驶车辆的融合定位结果。
[0130]
在本技术的一些实施例中，所述高精定位数据包括惯导rtk定位数据，所述确定单元220具体用于：若所述惯导rtk定位数据的定位状态为不可信状态，则根据所述激光雷达定位数据的匹配得分确定第一融合定位策略；若所述惯导rtk定位数据的定位状态为不确定状态，则根据所述激光雷达定位数据的匹配得分确定第二融合定位策略；若所述惯导rtk定位数据的定位状态为可信状态，则根据所述激光雷达定位数据的匹配得分确定第三融合定位策略。
[0131]
在本技术的一些实施例中，所述确定单元220具体用于：若所述激光雷达定位数据的匹配得分不小于预设匹配得分阈值，则确定所述激光雷达定位数据的第一初始权重；基于所述激光雷达定位数据的匹配得分，利用第一权重调整策略对所述激光雷达定位数据的第一初始权重进行调整，得到所述激光雷达定位数据的第一融合权重；根据所述激光雷达定位数据的第一融合权重确定所述惯导rtk定位数据的第一融合权重。
[0132]
在本技术的一些实施例中，所述确定单元220具体用于：若所述激光雷达定位数据的匹配得分不小于预设匹配得分阈值，则确定所述激光雷达定位数据的第二初始权重；基
于所述激光雷达定位数据的匹配得分，利用第二权重调整策略对所述激光雷达定位数据的第二初始权重进行调整，得到所述激光雷达定位数据的第二融合权重；根据所述激光雷达定位数据的第二融合权重确定所述惯导rtk定位数据的第二融合权重。
[0133]
在本技术的一些实施例中，所述确定单元220具体用于：确定所述惯导rtk定位数据的初始权重以及所述惯导rtk定位数据的差分状态；根据所述惯导rtk定位数据的差分状态，利用第三权重调整策略对所述惯导rtk定位数据的初始权重进行调整，得到所述惯导rtk定位数据的第三融合权重；根据所述惯导rtk定位数据的第三融合权重确定所述激光雷达定位数据的第三融合权重。
[0134]
在本技术的一些实施例中，所述惯导rtk定位数据的差分状态包括固定解状态和非固定解状态，所述确定单元220具体用于：根据所述惯导rtk定位数据的差分状态，确定所述惯导rtk定位数据为所述非固定解状态的连续计数；根据所述惯导rtk定位数据为所述非固定解状态的连续计数，对所述惯导rtk定位数据的初始权重进行调整，得到所述惯导rtk定位数据的第三融合权重。
[0135]
在本技术的一些实施例中，所述确定单元220具体用于：确定所述惯导rtk定位数据的差分状态；在所述惯导rtk定位数据的差分状态为固定解状态的情况下，利用预设多路径识别策略进行多路径识别；根据多路径识别结果和所述激光雷达定位数据的匹配得分，确定所述惯导rtk定位数据的第四融合权重和所述激光雷达定位数据的第四融合权重。
[0136]
能够理解，上述自动驾驶车辆的融合定位装置，能够实现前述实施例中提供的自动驾驶车辆的融合定位方法的各个步骤，关于自动驾驶车辆的融合定位方法的相关阐释均适用于自动驾驶车辆的融合定位装置，此处不再赘述。
[0137]
图3是本技术的一个实施例电子设备的结构示意图。请参考图3，在硬件层面，该电子设备包括处理器，可选地还包括内部总线、网络接口、存储器。其中，存储器可能包含内存，例如高速随机存取存储器(random-access memory，ram)，也可能还包括非易失性存储器(non-volatile memory)，例如至少1个磁盘存储器等。当然，该电子设备还可能包括其他业务所需要的硬件。
[0138]
处理器、网络接口和存储器可以通过内部总线相互连接，该内部总线可以是isa(industry standard architecture，工业标准体系结构)总线、pci(peripheral component interconnect，外设部件互连标准)总线或eisa(extended industry standard architecture，扩展工业标准结构)总线等。所述总线可以分为地址总线、数据总线、控制总线等。为便于表示，图3中仅用一个双向箭头表示，但并不表示仅有一根总线或一种类型的总线。
[0139]
存储器，用于存放程序。具体地，程序可以包括程序代码，所述程序代码包括计算机操作指令。存储器可以包括内存和非易失性存储器，并向处理器提供指令和数据。
[0140]
处理器从非易失性存储器中读取对应的计算机程序到内存中然后运行，在逻辑层面上形成自动驾驶车辆的融合定位装置。处理器，执行存储器所存放的程序，并具体用于执行以下操作：
[0141]
获取高精定位数据和高精定位数据的定位状态，以及激光雷达定位数据和激光雷达定位数据的匹配得分，所述高精定位数据的定位状态基于预设定位状态预测模型预测得到；
[0142]
根据所述高精定位数据的定位状态和所述激光雷达定位数据的匹配得分，确定融合定位策略，所述融合定位策略包括所述高精定位数据的融合权重和所述激光雷达定位数据的融合权重；
[0143]
根据所述融合定位策略，对所述高精定位数据和激光雷达定位数据进行融合处理，得到自动驾驶车辆的融合定位结果。
[0144]
上述如本技术图1所示实施例揭示的自动驾驶车辆的融合定位装置执行的方法可以应用于处理器中，或者由处理器实现。处理器可能是一种集成电路芯片，具有信号的处理能力。在实现过程中，上述方法的各步骤可以通过处理器中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器可以是通用处理器，包括中央处理器(central processing unit，cpu)、网络处理器(network processor，np)等；还可以是数字信号处理器(digital signal processor，dsp)、专用集成电路(application specific integrated circuit，asic)、现场可编程门阵列(field－programmable gate array，fpga)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。可以实现或者执行本技术实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合本技术实施例所公开的方法的步骤可以直接体现为硬件译码处理器执行完成，或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器，闪存、只读存储器，可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器，处理器读取存储器中的信息，结合其硬件完成上述方法的步骤。
[0145]
该电子设备还可执行图1中自动驾驶车辆的融合定位装置执行的方法，并实现自动驾驶车辆的融合定位装置在图1所示实施例的功能，本技术实施例在此不再赘述。
[0146]
本技术实施例还提出了一种计算机可读存储介质，该计算机可读存储介质存储一个或多个程序，该一个或多个程序包括指令，该指令当被包括多个应用程序的电子设备执行时，能够使该电子设备执行图1所示实施例中自动驾驶车辆的融合定位装置执行的方法，并具体用于执行：
[0147]
获取高精定位数据和高精定位数据的定位状态，以及激光雷达定位数据和激光雷达定位数据的匹配得分，所述高精定位数据的定位状态基于预设定位状态预测模型预测得到；
[0148]
根据所述高精定位数据的定位状态和所述激光雷达定位数据的匹配得分，确定融合定位策略，所述融合定位策略包括所述高精定位数据的融合权重和所述激光雷达定位数据的融合权重；
[0149]
根据所述融合定位策略，对所述高精定位数据和激光雷达定位数据进行融合处理，得到自动驾驶车辆的融合定位结果。
[0150]
本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、cd-rom、光学存储器等)上实施的计算机程序产品的形式。
[0151]
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程
图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
[0152]
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
[0153]
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
[0154]
在一个典型的配置中，计算设备包括一个或多个处理器(cpu)、输入/输出接口、网络接口和内存。
[0155]
内存可能包括计算机可读介质中的非永久性存储器，随机存取存储器(ram)和/或非易失性内存等形式，如只读存储器(rom)或闪存(flash ram)。内存是计算机可读介质的示例。
[0156]
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(pram)、静态随机存取存储器(sram)、动态随机存取存储器(dram)、其他类型的随机存取存储器(ram)、只读存储器(rom)、电可擦除可编程只读存储器(eeprom)、快闪记忆体或其他内存技术、只读光盘只读存储器(cd-rom)、数字多功能光盘(dvd)或其他光学存储、磁盒式磁带，磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括暂存电脑可读媒体(transitory media)，如调制的数据信号和载波。
[0157]
还需要说明的是，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个
……”
限定的要素，并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。
[0158]
本领域技术人员应明白，本技术的实施例可提供为方法、系统或计算机程序产品。因此，本技术可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且，本技术可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、cd-rom、光学存储器等)上实施的计算机程序产品的形式。
[0159]
以上所述仅为本技术的实施例而已，并不用于限制本技术。对于本领域技术人员来说，本技术可以有各种更改和变化。凡在本技术的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本技术的权利要求范围之内。