行驶轨迹生成方法及设备与流程

1.本发明实施例涉及自动驾驶技术领域，尤其涉及一种行驶轨迹生成方法及设备。


背景技术：

2.近年来，自动驾驶汽车受到各界前所未有的重视，自动驾驶技术是对人类驾驶员在长期驾驶实践中，对“环境感知—决策与规划—控制与执行”过程的理解、学习和记忆的物化，自动驾驶汽车是一个复杂的、软硬件结合的智能自动化系统。车辆行驶轨迹是智能车行驶过程中，在道路上真实的行驶位置。在自动驾驶领域，稳定的获取准确的车辆行驶轨迹是保证行驶安全的重要保障。
3.在现有技术中，通常采用全球定位系统(global positioning system，gps)、北斗星等定位系统进行定位，但是在实际使用中，gps信号可能出现长时间失锁或定位精度较低的情况，在此情况下，可以通过轮速传感器和方向盘转角传感器等传感器采集车辆的轮速和方向盘转角等参数，并将采集的参数输入到轮速里程计模型，计算得到定位结果，以更新行驶轨迹。
4.然而，由于车辆的各个轮胎磨损情况、胎压以及路面状况的差异使得采集的轮速存在误差，且由于噪声的存在使得采集的方向盘转角也会存在误差，使得轮速里程计模型计算得到的定位结果存在误差，导致预测的行驶轨迹的准确度较低，使车辆定位不准，影响车辆行驶的安全性。


技术实现要素：

5.本发明实施例提供一种行驶轨迹生成方法及设备，以提高行驶轨迹的准确度，以及车辆行驶的安全性。
6.第一方面，本发明实施例提供一种行驶轨迹生成方法，包括：
7.获取当前的参数误差；所述参数误差包括轮速误差和/或航向角变化率的偏置；
8.根据所述当前的参数误差，对通过轮速里程计模型计算得到的定位结果进行校正，得到当前采样点的相对定位结果；
9.根据上一采样点的绝对定位结果和当前采样点的相对定位结果，确定当前采样点的绝对定位结果，以根据所述当前采样点的绝对定位结果对行驶轨迹进行更新。
10.在一种可能的设计中，所述根据上一采样点的绝对定位结果和当前采样点的相对定位结果，确定当前采样点的绝对定位结果，包括：
11.将所述上一采样点的绝对定位结果转化到预设坐标系下，作为起点坐标；
12.将所述当前采样点的相对定位结果转化到所述预设坐标系下，并将所述当前采样点的相对定位结果的航向角与所述上一采样点的绝对定位结果的航向角对齐，计算得到所述相对定位结果对应的位移量；
13.根据所述起点坐标和所述位移量，得到终点坐标；
14.根据所述终点坐标确定所述当前采样点的绝对定位结果。
15.在一种可能的设计中，所述获取当前的参数误差之前，还包括：
16.在组合导航置信度大于第二预设值时，获取多个采样点下的采样值；所述采样值包括通过组合导航获得的第一定位结果和通过轮速里程计模型计算得到的第二定位结果；
17.针对每个采样点，根据所述第一定位结果和所述第二定位结果，确定所述采样点下所述轮速里程计模型的定位误差，并根据所述定位误差，确定所述采样点下的参数误差；
18.根据各采样点的所述参数误差，确定所述当前的参数误差。
19.在一种可能的设计中，所述根据所述第一定位结果和所述第二定位结果，确定轮速里程计模型的定位误差之前，还包括：
20.以预设长度的窗口对所述第一定位结果进行过滤，得到第三定位结果；
21.所述根据所述第一定位结果和所述第二定位结果，确定轮速里程计模型的定位误差，包括：
22.根据所述第三定位结果和所述第二定位结果，确定所述采样点下所述轮速里程计模型的定位误差。
23.在一种可能的设计中，根据所述第一定位结果和所述第二定位结果，确定轮速里程计模型的定位误差，包括：
24.将所述第一定位结果和所述第二定位结果均转化到同一预设坐标系下，计算所述第一定位结果和所述第二定位结果之间的差值，得到所述采样点下所述轮速里程计模型的定位误差。
25.在一种可能的设计中，所述根据各采样点的所述参数误差，确定所述当前的参数误差，包括：
26.若所述各采样点的所述参数误差符合高斯分布，则计算所述高斯分布的模，并将所述高斯分布的模作为所述当前的参数误差。
27.在一种可能的设计中，所述获取当前的参数误差之前，还包括：
28.判断组合导航置信度是否大于第一预设值；
29.若小于，则获取当前的参数误差。
30.在一种可能的设计中，所述根据所述当前的参数误差，对通过轮速里程计模型计算得到的定位结果进行校正之前，还包括：
31.对所述轮速里程计模型进行凸优化处理，得到优化后的轮速里程计模型；
32.所述根据所述当前的参数误差，对通过轮速里程计模型计算得到的定位结果进行校正，包括：
33.根据所述当前的参数误差，对通过所述优化后的轮速里程计模型计算得到的定位结果进行校正。
34.第二方面，本发明实施例提供一种行驶轨迹生成设备，包括：
35.获取模块，用于获取当前的参数误差；所述参数误差包括轮速误差和/或航向角变化率的偏置；
36.校正模块，用于根据所述当前的参数误差，对通过轮速里程计模型计算得到的定位结果进行校正，得到当前采样点的相对定位结果；
37.确定模块，用于根据上一采样点的绝对定位结果和当前采样点的相对定位结果，确定当前采样点的绝对定位结果，以根据所述当前采样点的绝对定位结果对行驶轨迹进行
更新。
38.第三方面，本发明实施例提供一种行驶轨迹生成设备，包括：至少一个处理器和存储器；
39.所述存储器存储计算机执行指令；
40.所述至少一个处理器执行所述存储器存储的计算机执行指令，使得所述至少一个处理器执行如上第一方面以及第一方面各种可能的设计所述的方法。
41.第四方面，本发明实施例提供一种车辆，包括：定位传感器、轮速传感器、方向盘转角传感器和如第四方面所述的行驶轨迹生成设备。
42.第五方面，本发明实施例提供一种计算机可读存储介质，所述计算机可读存储介质中存储有计算机执行指令，当处理器执行所述计算机执行指令时，实现如上第一方面以及第一方面各种可能的设计所述的方法。
43.本实施例提供的行驶轨迹生成方法及设备，该方法包括获取当前的参数误差，所述参数误差包括轮速误差和/或航向角变化率的偏置，根据所述当前的参数误差，对通过轮速里程计模型计算得到的定位结果进行校正，得到当前采样点的相对定位结果；所述定位结果包括以下中至少一项：经度、纬度、航向角，根据上一采样点的绝对定位结果和当前采样点的相对定位结果，确定当前采样点的绝对定位结果，以根据所述当前采样点的绝对定位结果对行驶轨迹进行更新。本实施例通过将获取的参数误差对轮速里程计模型的推演结果进行补偿校正，提高了预测的行驶轨迹的准确度，使车辆定位准确，进而提高了车辆行驶的安全性。
附图说明
44.为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
45.图1为本发明一实施例提供的自动驾驶车辆的架构示意图；
46.图2为本发明一实施例提供的行驶轨迹生成方法的流程示意图；
47.图3为本发明又一实施例提供的自动驾驶车辆行驶轨迹的生成方法的流程图；
48.图4为本发明又一实施例提供的行驶轨迹生成方法的流程示意图；
49.图5为本发明一实施例提供的行驶轨迹生成设备的结构示意图；
50.图6为本发明一实施例提供的行驶轨迹生成设备的硬件结构示意图；
51.图7为本发明又一实施例提供的自动驾驶车辆的硬件结构示意图。
具体实施方式
52.为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
53.图1为本发明一实施例提供的自动驾驶车辆的架构示意图。如图1所示，该自动驾
驶车辆100，包括：传感器组110和控制器120。所述传感器组110包括定位传感器111、轮速传感器112和方向盘转角传感器113。定位传感器111用于获取车辆的定位数据。该定位传感器111可以为gps定位传感器。轮速传感器112用于获取车辆的车轮速度。方向盘转角传感器113用于获取车辆的方向盘转角。控制器120用于接收传感器组110发送的定位数据、车轮速度和方向盘转角等传感器数据，并根据传感器数据生成行驶轨迹，进而根据行驶轨迹生成控制信号，以根据控制信号对车辆的行驶参数(例如行驶方向、行驶速度、行驶加速度等)进行控制。本实施例中的自动驾驶车辆可以为自动驾驶汽车、坦克、机器人等具有车轮的交通设备。
54.在具体实现过程中，自动驾驶车辆在行驶过程中，定位传感器111获取定位数据，并将定位数据发送给控制器120，控制器120根据该定位数据生成车辆的行驶轨迹，并根据该行驶轨迹生成控制信号，以根据控制信号对车辆的行驶参数(例如行驶方向、行驶速度、行驶加速度等)进行控制，使车辆安全行驶。以定位传感器111为gps定位传感器为例，若gps长时间出现失锁或者定位精度降低的情况，则控制器120接收轮速传感器112发送的车轮速度，方向盘转角传感器113发送的方向盘转角，并将该车轮速度和方向盘转角等参量输入轮速里程计模型，推算得到车辆的行驶轨迹，直至gps定位传感器恢复正常工作状态，则通过gps定位数据生成车辆的行驶轨迹。
55.由此可见，在gps长时间失锁或定位降低时，采用的轮速里程计模型的计算精度对于车辆的行驶轨迹的准确度有重要影响，然而，由于车辆的各个轮胎磨损情况、胎压以及路面状况的差异使得采集的轮速存在误差，且由于噪声的存在使得采集的方向盘转角也会存在误差，使得轮速里程计模型计算得到的定位结果存在误差，导致行驶轨迹的准确度较低。
56.所以针对上述现有技术中轮速里程计模型计算得到的定位结果误差较大的上述问题。发明人在研究中发现，可以在gps定位正常工作时，以gps获得的定位结果为参照，计算根据轮速里程计模型推算结果的误差，进而得到参数误差，并在gps定位无法正常工作(例如长时间失锁或者定位精度较低)时，将获得的参数误差对轮速里程计模型推算结果进行修正补偿，以得到更加准确的定位结果，以提高车辆行驶轨迹的准确度，进而提高车辆的行驶安全。基于此，本发明实施例提供的一种车道级轨迹数据的生成方法，通过将参数误差对原始噪音数据进行校正，降低了通过轮速里程计模型得到的推算结果的累积误差，使得车辆行驶轨迹的准确度得以提高，进而保证了车辆行驶的安全。
57.下面以具体地实施例对本发明的技术方案进行详细说明。下面这几个具体的实施例可以相互结合，对于相同或相似的概念或过程可能在某些实施例不再赘述。
58.图2为本发明一实施例提供的行驶轨迹生成方法的流程示意图。如图2所示，该方法包括：
59.201、获取当前的参数误差；所述参数误差包括轮速误差和/或航向角变化率的偏置。
60.本实施例的执行主体，可以为图1中的控制器。
61.实际应用中，车辆通常采用gps、北斗星等定位系统进行车辆定位，并根据定位结果确定车辆的行驶轨迹。以gps为例，在gps发生长时间失锁以及定位精度降低的情况下，可以采用轮速里程计模型进行定位结果的推算，并根据推算结果更新车辆的行驶轨迹。由于轮速里程计模型的输入参数(车轮速度和方向盘转角)在传感器采集过程中的情况(路面情
况、胎压、轮胎磨损、数据噪声)不同，可能存在误差，因此造成通过轮速里程计模型解算出来的车速即航向角存在误差，所以在gps信号长时间失锁的情况下，如果直接采用该模型解算的位移和航向角进行航迹推演，随着时间的增加，累计的误差会导致推演得到的行驶轨迹偏离真是轨迹，无法为自动驾驶提供连续可靠的定位结果。因此，获取该参数误差，可以通过获取的参数误差对轮速里程计模型的输入参数进行校正，进而推算得到更加准确的定位结果，以使得获得的车辆行驶轨迹的准确度得到提高，进而保证车辆的行驶安全。
62.本实施例中，参数误差的获取时机可以是在发现gps定位系统获得的定位结果的置信度低于第一预设值时。具体的，所述获取当前的参数误差之前，还包括：判断组合导航置信度是否大于第一预设值；若小于，则获取当前的参数误差。该第一预设值的取值，可以根据实际需要进行设定，本实施例对此不作限定。另外，考虑到gps定位系统失锁时长较短时，可以基于imu(inertial measurement unit，测量物体三轴姿态角及加速度的装置)采集的数据进行行驶轨迹的推演，因此，参数误差的获取时机可以在检测到gps定位系统失锁时长大于预设时长时进行。
63.考虑到参数误差具有实时变化的特性，因此可以对参数误差进行周期性更新，将更新后的参数误差作为当前的参数误差。具体的，在计算得到最新的参数误差后，可以将上一次计算的参数误差进行覆盖。
64.202、根据所述当前的参数误差，对通过轮速里程计模型计算得到的定位结果进行校正，得到当前采样点的相对定位结果；
65.本实施例中，所述定位结果包括以下中至少一项：经度、纬度、航向角。
66.本实施例中，在获取了当前的参数误差后，可以通过当前的参数误差对采集的车轮速度、方向盘转角和航向角变化率进行修正，并将修正后的车轮速度、方向盘转角和航向角变化率输入轮速里程计模型，以得到校正后的定位结果，并将该校正后的定位结果作为当前采样点的相对定位结果。
67.在一些实施例中，为了加快运算速度，可以对轮速里程计模型进行优化，例如，可以对其进行凸优化处理，具体的，所述根据所述当前的参数误差，对通过轮速里程计模型计算得到的定位结果进行校正之前，还包括：对所述轮速里程计模型进行凸优化处理，得到优化后的轮速里程计模型；相应的，所述根据所述当前的参数误差，对通过轮速里程计模型计算得到的定位结果进行校正，包括：根据所述当前的参数误差，对通过所述优化后的轮速里程计模型计算得到的定位结果进行校正。
68.203、根据上一采样点的绝对定位结果和当前采样点的相对定位结果，确定当前采样点的绝对定位结果，以根据所述当前采样点的绝对定位结果对行驶轨迹进行更新。
69.本实施例中，根据所述当前采样点的绝对定位结果对行驶轨迹进行更新，是指对车辆已行驶的轨迹进行更新，也即根据各采样点获得的绝对定位结果生成车辆的行驶轨迹，来作为控制车辆行驶的依据。
70.可选地，所述根据上一采样点的绝对定位结果和当前采样点的相对定位结果，确定当前采样点的绝对定位结果，包括：将所述上一采样点的绝对定位结果转化到预设坐标系下，作为起点坐标；将所述当前采样点的相对定位结果转化到所述预设坐标系下，并将所述当前采样点的相对定位结果的航向角与所述上一采样点的绝对定位结果的航向角对齐，计算得到所述相对定位结果对应的位移量；根据所述起点坐标和所述位移量，得到终点坐
标；根据所述终点坐标确定所述当前采样点的绝对定位结果。
71.本实施例中，该预设坐标系可以有多种选择，例如可以为东-北-天坐标系，还可以为北-东-地坐标系，本实施例对此不做限定。
72.图3为本发明又一实施例提供的自动驾驶车辆行驶轨迹的生成方法的流程图，如图3所示，在实际应用中，首先将自动驾驶车辆的各传感器(定位传感器、轮速传感器、方向盘转角传感器等)进行初始化，在初始化成功后，对轮速误差参数与航向角变化率偏置进行初始化，在初始化成功后，判断组合导航置信度是否达到预设值。
73.若达到，则通过组合导航生成定位结果并输出，且进入误差参数的学习阶段，以在此学习阶段获取当前的参数误差(误差参数与偏置，也即轮速误差和航向角变化率的偏置)，该学习阶段的详细说明可参考以下图4所示实施例，此处不再赘述。
74.若未达到，则进入轨迹预测阶段，在该轨迹预测阶段，结合学习阶段获取的参数误差，对传统的轮速里程计模型推演得到的定位结果进行校正，得到最终的定位结果并输出。具体的，如果gps信号突然中断并且长时间无法恢复(比如，自动驾驶车进入隧道)，进入基于轮速里程计模型的航迹推演定位算法的轨迹预测阶段。a)将学习到的参数误差(轮速误差和航向角变化率的偏置)代入传统的轨迹预测算法进行校正，得到校正后的相对定位结果。b)将上一采样点的绝对定位结果转化到预设坐标系下，作为起点；结合上一步得到的相对定位结果，对齐航向角，累加位移得到当前时刻的航迹推演结果，并作为下一采样点的起始位置。c)持续航迹推演，直到gps信号恢复。
75.本实施例提供的行驶轨迹生成方法，包括获取当前的参数误差，所述参数误差包括轮速误差和/或航向角变化率的偏置，根据所述当前的参数误差，对通过轮速里程计模型计算得到的定位结果进行校正，得到当前采样点的相对定位结果；所述定位结果包括以下中至少一项：经度、纬度、航向角，根据上一采样点的绝对定位结果和当前采样点的相对定位结果，确定当前采样点的绝对定位结果，以根据所述当前采样点的绝对定位结果对行驶轨迹进行更新。本实施例通过将获取的参数误差对轮速里程计模型的推演结果进行补偿校正，提高了预测的行驶轨迹的准确度，使车辆定位准确，进而提高了车辆行驶的安全性。
76.基于imu的航迹推演算法会在gps短时间失锁提供高精度的定位，但是由于imu模型参数多、误差指数级发散，无法提供长时间的航迹推演高精度定位。相比较imu，本实施例提供的行驶轨迹生成方法，基于轮速里程计模型的航迹推演算法的线性累计误差发散慢，并且算法的各个输入参数的误差或偏置会实时变化，自适应的学习算法能够根据历史数据求解出当前最优的校正值，很大程度上降低了误差的发散速度。
77.图4为本发明又一实施例提供的行驶轨迹生成方法的流程示意图。如图4所示，本实施例中该方法包括：
78.401、在组合导航置信度大于第二预设值时，获取多个采样点下的采样值；所述采样值包括通过组合导航获得的第一定位结果和通过轮速里程计模型计算得到的第二定位结果。
79.本实施例中，该多个采样点可以为连续的采样点。可选地，若多个采样点的数量过少，不足以得到准确的参数误差的话，可以不对参数误差进行更新，继续沿用上一次计算得到的参数误差作为当前的参数误差。
80.本实施例中，组合导航可以为gps和imu组合导航。
81.实际应用中，为了使得学习到的参数误差更加准确，因此，可以在第二预设值大于等于第一预设值的情况下，进入学习阶段，获得更加准确的参数误差。
82.在一些实施例中，为了加快运算速度，可以对轮速里程计模型进行优化，例如，可以对其进行凸优化处理，具体的，所述第二定位结果即可为通过凸优化处理后的轮速里程计模型计算得到的。
83.402、针对每个采样点，根据所述第一定位结果和所述第二定位结果，确定所述采样点下所述轮速里程计模型的定位误差，并根据所述定位误差，确定所述采样点下的参数误差。
84.本实施例中，为了提高计算的准确性，可以对采集的数据进行过滤，以消除异常值(数据丢失、信号突变等)的影响。因此，所述根据所述第一定位结果和所述第二定位结果，确定轮速里程计模型的定位误差之前，还包括：以预设长度的窗口对所述第一定位结果进行过滤，得到第三定位结果；相应的，所述根据所述第一定位结果和所述第二定位结果，确定轮速里程计模型的定位误差，包括：根据所述第三定位结果和所述第二定位结果，确定所述采样点下所述轮速里程计模型的定位误差。滤波的算法有多种，只要能够消除异常数据即可，本实施例对此不作限定。举例来说，可以采用以下算法进行滤波，对窗口内的各数据，去掉最大值和最小值，将剩余数据进行平均，作为该窗口对应的过滤结果。
85.在具体实现过程中，可以将第一定位结果和第二定位结果置于同一坐标系下，进行坐标对齐后，计算两者之间的误差，具体的，所述根据所述第一定位结果和所述第二定位结果，确定轮速里程计模型的定位误差，包括：将所述第一定位结果和所述第二定位结果均转化到同一预设坐标系下，计算所述第一定位结果和所述第二定位结果之间的差值，得到所述采样点下所述轮速里程计模型的定位误差。本实施例中，该预设坐标系可以有多种选择，例如可以为东-北-天坐标系，还可以为北-东-地坐标系，本实施例对此不做限定。
86.403、根据各采样点的所述参数误差，确定所述当前的参数误差。
87.在根据定位误差得到各采样点的参数误差后，实验结果显示，轮速误差和航向角变化率的偏置的数据分布是符合高斯分布的，因此，可以使用高斯分布的模作为当前的参数误差。具体的，所述根据各采样点的所述参数误差，确定所述当前的参数误差，包括：若所述各采样点的所述参数误差符合高斯分布，则计算所述高斯分布的模，并将所述高斯分布的模作为所述当前的参数误差。
88.以下结合图3，对于参数误差的确定过程，也即对于参数误差的学习阶段进行示例说明。如图3所示，自动驾驶车辆可以同时运行gps/imu组合导航定位算法和基于轮速传感器的航迹推演定位算法，如果当前的gps并未失锁或只是短时间失锁(基于imu的航迹推演可以短时间内提供置信度高的定位结果)，基于轮速里程计模型的航迹推演定位算法进入学习阶段。a)可以实时记录一定时长(例如20秒)的历史数据(通过实验，在输出频率为50hz的条件下，1000条历史数据即1000个采样点的采样值的结果最优)，包括组合导航的定位结果(经度、纬度、高度以及航向角)，轮速传感器航迹推演的定位结果(经度、纬度以及航向角)以及参数(四轮轮速、方向盘转角以及航向角变化率)。如果记录的数据量小于预设时长(例如20秒)，则使用上一次的轮速误差和航向角变化率的偏置。b)使用一个预设长度(例如0.2秒)的窗口对组合导航的定位结果进行滤波，消除异常值(数据丢失、信号突变等)的影响。c)以第一个记录(第一个采样点的采样值)为原点，将组合导航的定位结果转化到预设
坐标系下，同时对齐轮速传感器航迹推演的定位结果，对比计算出定位误差，并且根据此误差计算出四轮轮速的误差参数和航向角变化率的偏置，实验结果显示，速度误差参数和航向角变化率的偏置的数据分布是符合高斯分布的，因此在更新中，可以直接使用高斯分布的模。
89.404、获取当前的参数误差；所述参数误差包括轮速误差和/或航向角变化率的偏置。
90.405、根据所述当前的参数误差，对通过轮速里程计模型计算得到的定位结果进行校正，得到当前采样点的相对定位结果。
91.406、根据上一采样点的绝对定位结果和当前采样点的相对定位结果，确定当前采样点的绝对定位结果，以根据所述当前采样点的绝对定位结果对行驶轨迹进行更新。
92.本实施例中步骤404至步骤406与上述实施例中步骤201至步骤203相类似，此处不再赘述。
93.本实施例提供的行驶轨迹生成方法，通过将在组合导航定位系统工作正常时，采集的参数误差与传统的轮速里程计模型进行结合，通过参数误差对对传统的轮速里程计模型的推演结果进行校正，可以很大程度上消除胎压、温度等因素对误差参数的影响，最小化航迹推演的累计误差，提高了车辆的行驶轨迹的准确度，进而提高了车辆行驶的安全性。
94.在四轮轮速模型的超定方程求解过程中，由于采用高斯-牛顿迭代方法去逼近解析解，不仅耗费时间，而且结果精度也有限制，本实施例可以利用凸优化的方法求出其精确的解析解；在航向角方面，航向角增量显著影响最终的定位结果，目前的四轮轮速模型解算出来的航向角增量误差较大，无法长时间提供精确的定位结果，本实施例融合四轮轮速模型结合航航向角变化率信息，使用自适应参数更新算法，确保了航向角的精度，以能够保证航迹推演的稳定性和定位精度。
95.可选地，为了得到准确度更高的行驶轨迹，可以根据观测值对行驶轨迹进行修正。例如，可以添加高精地图和视觉设备，作为辅助的观测值，对得到的行驶轨迹进行修正，以提高定位结果的精度与和航迹推演的时间。
96.图5为本发明一实施例提供的行驶轨迹生成设备的结构示意图。如图5所示，该行驶轨迹生成设备50包括：获取模块501、校正模块502以及确定模块503。
97.获取模块501，用于获取当前的参数误差；所述参数误差包括轮速误差和/或航向角变化率的偏置；
98.校正模块502，用于根据所述当前的参数误差，对通过轮速里程计模型计算得到的定位结果进行校正，得到当前采样点的相对定位结果；
99.确定模块503，用于根据上一采样点的绝对定位结果和当前采样点的相对定位结果，确定当前采样点的绝对定位结果，以根据所述当前采样点的绝对定位结果对行驶轨迹进行更新。
100.本发明实施例提供的行驶轨迹生成设备，通过获取模块501获取当前的参数误差，所述参数误差包括轮速误差和/或航向角变化率的偏置，校正模块502根据所述当前的参数误差，对通过轮速里程计模型计算得到的定位结果进行校正，得到当前采样点的相对定位结果；所述定位结果包括以下中至少一项：经度、纬度、航向角，确定模块503根据上一采样点的绝对定位结果和当前采样点的相对定位结果，确定当前采样点的绝对定位结果，以根
据所述当前采样点的绝对定位结果对行驶轨迹进行更新。本实施例通过将获取的参数误差对轮速里程计模型的推演结果进行补偿校正，提高了预测的行驶轨迹的准确度，使车辆定位准确，进而提高了车辆行驶的安全性。
101.可选地，确定模块503具体用于：
102.将所述上一采样点的绝对定位结果转化到预设坐标系下，作为起点坐标；
103.将所述当前采样点的相对定位结果转化到所述预设坐标系下，并将所述当前采样点的相对定位结果的航向角与所述上一采样点的绝对定位结果的航向角对齐，计算得到所述相对定位结果对应的位移量；
104.根据所述起点坐标和所述位移量，得到终点坐标；
105.根据所述终点坐标确定所述当前采样点的绝对定位结果。
106.可选地，行驶轨迹生成设备50还包括参数误差确定模块，用于：
107.在组合导航置信度大于第二预设值时，获取多个采样点下的采样值；所述采样值包括通过组合导航获得的第一定位结果和通过轮速里程计模型计算得到的第二定位结果；
108.针对每个采样点，根据所述第一定位结果和所述第二定位结果，确定所述采样点下所述轮速里程计模型的定位误差，并根据所述定位误差，确定所述采样点下的参数误差；
109.根据各采样点的所述参数误差，确定所述当前的参数误差。
110.可选地，行驶轨迹生成设备50还包括过滤模块，用于：
111.以预设长度的窗口对所述第一定位结果进行过滤，得到第三定位结果；
112.所述根据所述第一定位结果和所述第二定位结果，确定轮速里程计模型的定位误差，包括：
113.根据所述第三定位结果和所述第二定位结果，确定所述采样点下所述轮速里程计模型的定位误差。
114.可选地，所述参数误差确定模块具体用于：
115.将所述第一定位结果和所述第二定位结果均转化到同一预设坐标系下，计算所述第一定位结果和所述第二定位结果之间的差值，得到所述采样点下所述轮速里程计模型的定位误差。
116.可选地，所述参数误差确定模块具体用于：
117.若所述各采样点的所述参数误差符合高斯分布，则计算所述高斯分布的模，并将所述高斯分布的模作为所述当前的参数误差。
118.可选地，行驶轨迹生成设备50还包括判断模块，用于：
119.判断组合导航置信度是否大于第一预设值；
120.若小于，则获取当前的参数误差。
121.可选地，行驶轨迹生成设备50还包括优化模块，用于：
122.对所述轮速里程计模型进行凸优化处理，得到优化后的轮速里程计模型；
123.所述根据所述当前的参数误差，对通过轮速里程计模型计算得到的定位结果进行校正，包括：
124.根据所述当前的参数误差，对通过所述优化后的轮速里程计模型计算得到的定位结果进行校正。
125.本发明实施例提供的行驶轨迹生成设备，可用于执行上述的方法实施例，其实现
原理和技术效果类似，本实施例此处不再赘述。
126.图6为本发明一实施例提供的行驶轨迹生成设备的硬件结构示意图。如图6所示，本实施例提供的行驶轨迹生成设备60包括：至少一个处理器601和存储器602。该行驶轨迹生成设备60还包括通信部件603。其中，处理器601、存储器602以及通信部件603通过总线604连接。
127.在具体实现过程中，至少一个处理器601执行所述存储器602存储的计算机执行指令，使得至少一个处理器601执行如上行驶轨迹生成设备60所执行的行驶轨迹生成方法。
128.当本实施例的具体运算需要由服务器执行时，该通信部件603可以将参数误差等数据发送给服务器。
129.处理器601的具体实现过程可参见上述方法实施例，其实现原理和技术效果类似，本实施例此处不再赘述。
130.在上述的图6所示的实施例中，应理解，处理器可以是中央处理单元(英文：central processing unit，简称：cpu)，还可以是其他通用处理器、数字信号处理器(英文：digital signal processor，简称：dsp)、专用集成电路(英文：application specific integrated circuit，简称：asic)等。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。结合发明所公开的方法的步骤可以直接体现为硬件处理器执行完成，或者用处理器中的硬件及软件模块组合执行完成。
131.存储器可能包含高速ram存储器，也可能还包括非易失性存储nvm，例如至少一个磁盘存储器。
132.总线可以是工业标准体系结构(industry standard architecture，isa)总线、外部设备互连(peripheral component，pci)总线或扩展工业标准体系结构(extended industry standard architecture，eisa)总线等。总线可以分为地址总线、数据总线、控制总线等。为便于表示，本技术附图中的总线并不限定仅有一根总线或一种类型的总线。
133.图7为本发明又一实施例提供的自动驾驶车辆的硬件结构示意图。如图7所示，本实施例提供的自动驾驶车辆70包括：定位传感器701、轮速传感器702、方向盘转角传感器703和行驶轨迹生成设备60。
134.其中，定位传感器701，用于获取车辆的定位数据，并将该定位数据发送给行驶轨迹生成设备60。
135.轮速传感器702，用于获取车辆的车轮转速，并将该车轮转速发送给行驶轨迹生成设备60。
136.方向盘转角传感器703，用于获取车辆的方向盘转角，并将该方向盘转角发送给行驶轨迹生成设备60。
137.行驶轨迹生成设备60，用于接收所述定位数据、所述车轮转速和所述方向盘转角，并执行上述如图2和图4所示实施例提供的行驶轨迹生成方法。
138.本实施例提供的自动驾驶车辆中行驶轨迹生成设备60通过将获取的参数误差对轮速里程计模型的推演结果进行补偿校正，提高了预测的行驶轨迹的准确度，使车辆定位准确，进而提高了车辆行驶的安全性。
139.本技术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中存储有计算机执行指令，当处理器执行所述计算机执行指令时，实现如上行驶轨迹生成设备执行的行
驶轨迹生成方法。
140.上述的计算机可读存储介质，上述可读存储介质可以是由任何类型的易失性或非易失性存储设备或者它们的组合实现，如静态随机存取存储器(sram)，电可擦除可编程只读存储器(eeprom)，可擦除可编程只读存储器(eprom)，可编程只读存储器(prom)，只读存储器(rom)，磁存储器，快闪存储器，磁盘或光盘。可读存储介质可以是通用或专用计算机能够存取的任何可用介质。
141.一种示例性的可读存储介质耦合至处理器，从而使处理器能够从该可读存储介质读取信息，且可向该可读存储介质写入信息。当然，可读存储介质也可以是处理器的组成部分。处理器和可读存储介质可以位于专用集成电路(application specific integrated circuits，简称：asic)中。当然，处理器和可读存储介质也可以作为分立组件存在于设备中。
142.本领域普通技术人员可以理解：实现上述各方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成。前述的程序可以存储于一计算机可读取存储介质中。该程序在执行时，执行包括上述各方法实施例的步骤；而前述的存储介质包括：rom、ram、磁碟或者光盘等各种可以存储程序代码的介质。
143.最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。