车辆定位方法、装置、车辆及存储介质与流程

本申请涉及车辆，更具体地，涉及一种车辆定位方法、装置、车辆及计算机可读存储介质。

背景技术：

1、在车辆的自动驾驶技术领域，车辆的定位至关重要，相关技术中存在车辆定位准确率较低的技术问题。

技术实现思路

1、本申请提出了一种车辆定位方法、装置、车辆及计算机可读存储介质，以改善上述缺陷。

2、第一方面，本申请实施例提供了一种车辆定位方法，方法包括：

3、获取车辆的惯性导航单元在目标时间点采集到的惯性导航数据以及车辆中的其他采集装置在目标时间点采集到的相关采集数据；

4、通过第一深度网络对惯性导航数据进行特征提取，得到第一深度特征向量；

5、通过第二深度网络对相关采集数据进行特征提取，得到第二深度特征向量；

6、对第一深度特征向量以及第二深度特征向量进行融合，得到融合特征向量；

7、通过定位网络基于融合特征向量进行定位信息的估计，得到车辆在目标时间点的估计定位信息。

8、第二方面，本申请实施例还提供了一种车辆定位装置，装置包括：

9、获取模块，用于获取车辆的惯性导航单元在目标时间点采集到的惯性导航数据以及车辆中的其他采集装置在目标时间点采集到的相关采集数据；

10、第一提取模块，用于通过第一深度网络对惯性导航数据进行特征提取，得到第一深度特征向量；

11、第二提取模块，用于通过第二深度网络对相关采集数据进行特征提取，得到第二深度特征向量；

12、融合模块，用于对第一深度特征向量以及第二深度特征向量进行融合，得到融合特征向量；

13、估计模块，用于通过定位网络基于融合特征向量进行定位信息的估计，得到车辆在目标时间点的估计定位信息。

14、第三方面，本申请实施例还提供了一种车辆，车辆包括：一个或多个处理器；存储器；一个或多个应用程序，其中一个或多个应用程序被存储在存储器中并被配置为由一个或多个处理器执行，一个或多个程序配置用于执行上述方法。

15、第四方面，本申请实施例还提供了一种计算机可读存储介质，计算机可读存储介质存储有处理器可执行的程序代码，程序代码被处理器执行时使处理器执行上述方法。

16、本申请提供的一种车辆定位方法、装置、车辆及计算机可读存储介质，本申请中，对惯性导航单元的惯性导航数据进行特征提取得到第一深度特征向量，并对其他采集装置的相关采集数据进行特征提取得到第二深度特征向量，融合第一深度特征向量以及第二深度特征向量进行融合，得到融合特征向量，融合特征向量融合了惯性导航单元采集的惯性导航数据以及其他采集装置采集的相关采集数据，使得融合特征向量包括了多个维度的特征，从而使得基于融合特征向量估计的估计定位信息时，参考了多个维度的特征，得到的估计定位信息更加准确，进而提高了车辆定位的准确率。

17、本申请实施例的其他特征和优点将在随后的说明书阐述，并且，部分地从说明书中变得显而易见，或者通过实施本申请实施例而了解。本申请实施例的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。

技术特征：

1.一种车辆定位方法，其特征在于，所述方法包括：

2.根据权利要求1所述的方法，其特征在于，所述通过第一深度网络对所述惯性导航数据进行特征提取，得到第一深度特征向量之前，所述方法还包括：

3.根据权利要求2所述的方法，其特征在于，所述通过第三深度网络对所述第一样本惯性导航数据进行特征提取，得到第一样本深度特征向量之前，所述方法还包括：

4.根据权利要求2所述的方法，其特征在于，所述通过第四深度网络对所述第一样本相关采集数据进行特征提取，得到第二样本深度特征向量之前，所述方法还包括：

5.根据权利要求2所述的方法，其特征在于，所述对所述第一样本深度特征向量以及所述第二样本深度特征向量进行融合，得到样本融合特征向量，包括：

6.根据权利要求2所述的方法，其特征在于，所述基于所述样本定位信息以及所述估计样本定位信息，对所述第三深度网络、所述第四深度网络以及所述初始定位网络进行参数调整，包括：

7.根据权利要求1-6任一项所述的方法，其特征在于，所述获取车辆的惯性导航单元在目标时间点采集到的惯性导航数据以及所述车辆中的其他采集装置在所述目标时间点采集到的相关采集数据之前，所述方法还包括：

8.一种车辆定位装置，其特征在于，所述装置包括：

9.一种车辆，其特征在于，包括：

10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有处理器可执行的程序代码，所述程序代码被所述处理器执行时使所述处理器执行权利要求1-7任一项所述方法。

技术总结本申请公开了一种车辆定位方法、装置、车辆及可读存储介质，方法包括：获取车辆的惯性导航单元在目标时间点采集到的惯性导航数据以及车辆中的其他采集装置在目标时间点采集到的相关采集数据；通过第一深度网络对惯性导航数据进行特征提取，得到第一深度特征向量；通过第二深度网络对相关采集数据进行特征提取，得到第二深度特征向量；对第一深度特征向量以及第二深度特征向量进行融合，得到融合特征向量；通过定位网络基于融合特征向量进行定位信息的估计，得到车辆在目标时间点的估计定位信息。通过本申请的方法得到的车辆的估计定位信息的准确率较高。技术研发人员：林剑伟,唐子茜,贺洪江,左蓓蕾,解煜东,涂继洪受保护的技术使用者：广州汽车集团股份有限公司技术研发日：技术公布日：2024/9/29