车辆定位、模型训练方法及装置、电子设备和存储介质与流程

本技术涉及车辆，具体涉及一种车辆定位、模型训练方法及装置、电子设备和存储介质。

背景技术：

1、相关技术中，车辆的定位方法对传感器输出的数据具有较大的依赖性，同时，由于定位信号易丢失，使得定位结果的波动性较大、准确度不高，从而降低了车辆行驶的安全性。

技术实现思路

1、本技术的目的之一在于提供一种车辆定位方法，以解决相关技术中座舱系统的稳定性不高、无法快速定位问题原因等问题；目的之二在于提供一种模型训练方法；目的之三在于提供一种车辆定位装置；目的之四在于提供一种模型训练装置；目的之五在于提供一种电子设备；目的之六在于提供一种计算机可读存储介质。

2、为了实现上述目的，本技术提供一种车辆定位方法，采用的技术方案如下：

3、基于所述车辆的上一时刻的定位结果、第一历史时刻的车辆信息、及第一置信度，确定所述车辆的第一定位结果；其中，所述第一置信度是基于定位系统输出的上一时刻的定位信号确定的；

4、基于第二置信度、及第一未来时刻的车辆信息，确定所述车辆的第二定位结果；其中，所述第二置信度是基于所述定位系统输出的下一时刻的定位信号确定的；

5、基于所述第一定位结果、当前时刻的定位信号、及所述第二定位结果，确定所述车辆的当前时刻的定位结果。

6、根据上述技术手段，通过上一时刻的定位结果、不同时刻的定位信号、不同时刻的车辆信息、及各种信号的前后时序关系综合来确定当前时刻的车辆定位结果，不仅提升了定位结果的精准度，而且在定位信号丢失、定位信号不佳等情况下也能精准定位，从而在提升车辆行驶的可靠性和安全性的同时还扩展了使用场景(例如，无人驾驶、智能驾驶等)。

7、进一步，所述基于所述车辆的上一时刻的定位结果、第一历史时刻的车辆信息、及第一置信度，确定所述车辆的第一定位结果，包括：基于所述上一时刻的定位结果及所述第一置信度，确定所述车辆的第三定位结果；基于所述车辆的第三定位结果、及所述第一历史时刻的车辆信息，确定所述车辆的第一定位结果。

8、根据上述技术手段，先通过上一时刻的定位结果及上一时刻的定位信号的第一置信度来确定第三定位结果，再通过第三定位结果及历史时刻的车辆信息综合确定第一定位结果，由于考虑了各种信号的输出频率之间的关系、及过去信息对定位结果的影响，因此提升了第一定位结果的准确度，进而提升了当前时刻的定位结果的准确度。

9、进一步，所述第一历史时刻的车辆信息包括所述车辆输出的第一轮速信号序列、及惯性导航系统输出的第一ins信号序列；所述基于所述车辆的第三定位结果、及所述第一历史时刻的车辆信息，确定所述车辆的第一定位结果，包括：基于所述车辆的第三定位结果、及所述惯性导航系统输出的第一ins信号序列，确定所述车辆的第四定位结果；基于所述车辆的第四定位结果、及所述车辆输出的第一轮速信号序列，确定所述车辆的第一定位结果。

10、根据上述技术手段，先通过第三定位结果及轮速信号序列确定第四定位结果，再通过第四定位结果和ins信号序列来综合确定第一定位结果，由于考虑了各种信号的输出频率之间的关系、及轮速信息和ins信息对定位结果的影响，因此提升了第一定位结果的准确度，进而提升了当前时刻的定位结果的准确度。

11、进一步，所述第一未来时刻的车辆信息包括所述车辆输出的第二轮速信号序列和所述惯性导航系统输出的第二ins信号序列；所述基于第二置信度、及第一未来时刻的车辆信息，确定所述车辆的第二定位结果，包括：基于所述第二置信度、所述车辆输出的第二轮速信号序列、及所述惯性导航系统输出的第二ins信号序列，确定所述车辆的第二定位结果。

12、根据上述技术手段，通过下一时刻的定位信号的置信度、轮速信号序列和ins信号序列来综合确定第二定位结果，由于综合考虑了未来时刻的后验信息、及轮速信息和ins信息对定位结果的影响，因此提升了第二定位结果的准确度，进而提升了当前时刻的定位结果的准确度。

13、进一步，所述方法还包括以下至少之一：在所述上一时刻的定位信号满足第一预设条件的情况下，将预设的第一值作为所述第一置信度；在所述上一时刻的定位信号不满足所述第一预设条件的情况下，将预设的第二值作为所述第一置信度。

14、根据上述技术手段，通过第一预设条件来实施确定上一时刻的定位信号的置信度，提升了置信度的准确度，从而提升了当前时刻的定位结果的准确度。

15、进一步，所述方法还包括：基于所述车辆的车速、定位精度、及所述车辆的传感设备的输出频率，确定所述第一历史时刻的车辆信息中至少一个信号序列的长度；基于所述车辆的传感设备的输出频率，确定所述第一未来时刻的车辆信息中至少一个信号序列的长度。

16、根据上述技术手段，通过车速、定位精度、输出频率等因素来确定序列的长度，在确保定位结果的准确度的同时，还兼顾了时间消耗、计算等成本。

17、进一步，所述基于所述车辆的上一定位结果、第一历史时刻的车辆信息、及第一置信度，确定所述车辆的第一定位结果，包括：利用定位模型的第一网络，基于所述车辆的上一定位结果、所述第一历史时刻的车辆信息、及所述第一置信度，确定所述车辆的第一定位结果；所述基于第二置信度、及第一未来时刻的车辆信息，确定所述车辆的第二定位结果，包括：利用所述定位模型的第二网络，基于所述第二置信度、及所述第一未来时刻的车辆信息，确定所述车辆的第二定位结果；所述基于所述第一定位结果、当前时刻的定位信号、及所述第二定位结果，确定所述车辆的当前时刻的定位结果，包括：利用所述定位模型的第三网络，基于所述第一定位结果、所述当前时刻的定位信号、及所述第二定位结果，确定所述车辆的当前时刻的定位结果。

18、根据上述技术手段，通过已训练的定位模型来确定当前时刻的定位结果，不仅缩短了定位结果的确定时长，还提升了定位结果的精准度。

19、一种模型训练方法，该方法包括：

20、从训练数据集中的至少一个样本中获取目标样本；其中，所述目标样本中包括上一目标样本的定位结果、第二历史时刻的车辆信息、第三置信度、第四置信度、第二未来时刻的车辆信息、及当前时刻的第一定位信号；其中，所述第三置信度是基于上一时刻的第二定位信号确定的，所述第四置信度是基于下一时刻的第三定位信号确定的；

21、利用待训练的定位模型的第一网络，基于所述上一目标样本的定位结果、所述第二历史时刻的车辆信息、及所述第三置信度，确定所述目标样本的第一定位结果；

22、利用所述定位模型的第二网络，基于所述第四置信度、及所述第二未来时刻的车辆信息，确定所述目标样本的第二定位结果；

23、利用所述定位模型的第三网络，基于所述目标样本的第一定位结果、所述当前时刻的第一定位信号、及所述目标样本的第二定位结果，确定所述目标样本的定位结果；

24、基于所述目标样本的定位结果，对所述定位模型的模型参数进行至少一次更新，得到训练后的定位模型。

25、根据上述技术手段，首先，由于该定位模型的输入是具有未来时刻的车辆信息，不仅可以提升定位的精度，还可以提高整个网络的稳定性和连续性；其次，该定位模型是对运动学规律和传感信号偏差(即：不同信号的输出频率差异)的学习，同时由于网络允许部分定位信号不佳、丢失等，因此，提升了定位结果的精准度；最后，利用目标样本的定位结果对网络结构进行训练，减少了人工标注和网络更新的成本，从而增强了模型的鲁棒性和定位性能，进行能够使得训练后的模型能够更加准确的对包含或不包含定位信号的车辆进行定位，提升了模型的泛化能力。

26、进一步，所述基于所述目标样本的定位结果，对所述定位模型的模型参数进行至少一次更新，得到训练后的定位模型，包括：基于所述目标样本的定位结果和所述目标样本的目标定位结果，确定目标损失值；基于所述目标损失值，对所述定位模型的模型参数进行至少一次更新，得到所述训练后的定位模型。

27、根据上述技术手段，通过目标定位结果来对定位结果进行校验，实现了先验信息和后验信息的融合，提升了网络输出的定位的精准度。

28、进一步，所述基于所述目标样本的定位结果和所述目标样本的目标定位结果，确定目标损失值，包括：利用预设的距离算法，确定所述目标样本的定位结果和所述目标样本的目标定位结果之间的距离；基于所述距离，确定所述目标损失值。

29、根据上述技术手段，通过定位结果和目标定位结果之间的距离来确定损失值，提升了损失值的准确度，从而在确保训练结果的准确度的同时还降低了训练成本。

30、进一步，所述方法还包括以下至少之一：在所述当前时刻的第一定位信号满足第二预设条件的情况下，基于预设的定位算法，确定所述目标样本的目标定位结果；在所述当前时刻的第一定位信号不满足所述第二预设条件的情况下，基于所述车辆采集的图像信息和地图信息，确定所述目标样本的目标定位结果。

31、根据上述技术手段，一方面，通过不同的定位状态选择不同的计算方式，相较于仅使用单一的计算方式而言，提升了目标定位结果的准确度；另一方面，通过图像信息、地图信息等先验信息来确定目标定位结果，在提高了定位的精度的同时还提升了定位结果的准确度。

32、进一步，所述基于所述车辆采集的图像信息和地图信息，确定所述目标样本的目标定位结果，包括：利用预先构建的优化网络，基于所述图像信息和所述地图信息，确定所述目标样本的目标定位结果。

33、根据上述技术手段，通过预先构建的优化网络来确定目标定位结果，在缩短了目标定位结果的确定时长的同时还提升了目标定位结果的精准度。

34、进一步，所述方法还包括：基于车辆的采集数据，构建所述训练样本集；其中，所述训练样本集中包括至少一个样本，每一样本中均包括对应的上一样本的定位结果、对应的第二历史时刻的车辆信息、对应的第三置信度、对应的第四置信度、对应的第二未来时刻的车辆信息、及对应的当前时刻的第一定位信号。

35、根据上述技术手段，通过基于真实数据来构建训练样本，不仅降低了人工标注的成本，而且由于真实数据包含了有定位信号、定位信号不佳、或定位信号丢失等情况，因此，在提升了样本的准确度、和全面性的同时确保了模型输出结果的正确性。

36、一种车辆定位装置，该装置包括：

37、第一确定模块，用于基于所述车辆的上一时刻的定位结果、第一历史时刻的车辆信息、及第一置信度，确定所述车辆的第一定位结果；其中，所述第一置信度是基于定位系统输出的上一时刻的定位信号确定的；

38、第二确定模块，用于基于第二置信度、及第一未来时刻的车辆信息，确定所述车辆的第二定位结果；其中，所述第二置信度是基于所述定位系统输出的下一时刻的定位信号确定的；

39、第三确定模块，用于基于所述第一定位结果、当前时刻的定位信号、及所述第二定位结果，确定所述车辆的当前时刻的定位结果。

40、一种模型训练装置，该装置包括：

41、获取模块，用于从训练数据集中的至少一个样本中获取目标样本；其中，所述目标样本中包括上一目标样本的定位结果、第二历史时刻的车辆信息、第三置信度、第四置信度、第二未来时刻的车辆信息、及当前时刻的第一定位信号；其中，所述第三置信度是基于上一时刻的第二定位信号确定的，所述第四置信度是基于下一时刻的第三定位信号确定的；

42、第四确定模块，用于利用待训练的定位模型的第一网络，基于所述上一目标样本的定位结果、所述第二历史时刻的车辆信息、及所述第三置信度，确定所述目标样本的第一定位结果；

43、第五确定模块，用于利用所述定位模型的第二网络，基于所述第四置信度、及所述第二未来时刻的车辆信息，确定所述目标样本的第二定位结果；

44、第六确定模块，用于利用所述定位模型的第三网络，基于所述目标样本的第一定位结果、所述当前时刻的第一定位信号、及所述目标样本的第二定位结果，确定所述目标样本的定位结果；

45、更新模块，用于基于所述目标样本的定位结果，对所述定位模型的模型参数进行至少一次更新，得到训练后的定位模型。

46、一种电子设备，包括处理器和存储器，所述存储器存储有可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现上述任一项所述方法。

47、一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现上述任一项所述方法。

48、本技术的有益效果：

49、(1)本技术通过真实数据构建训练样本集，不仅降低了人工标注的成本，而且由于真实数据包含了有定位信号、定位信号不佳、或定位信号丢失等情况，因此，在提升了样本的准确度、和全面性的同时确保了模型输出结果的正确性。

50、(2)本技术通过利用高频的未来信息、及低频的先验信息来训练网络，实现了先验和后验的融合，不仅提高了整个网络的稳定性和连续性，而且还提升了网络输出的定位结果的精准度。

51、(3)本技术通过利用地图和图像等先验信息，对定位模型进行二次优化，不仅确保了定位模型输出结果的正确性，而且还减少了人工标注和网络更新的成本，从而增强了模型的鲁棒性和定位性能，进行能够使得训练后的模型能够更加准确的对包含或不包含定位信号的车辆进行定位，提升了模型的泛化能力。

52、(4)本技术通过对运动学规律和传感信号偏差(即：不同信号的输出频率差异)的学习，同时由于网络允许部分定位信号不佳、丢失等，因此，提升了定位结果的精准度。

53、(5)本技术通过使用训练后的定位模型来对车辆进行定位，不仅提升了定位结果的精准度，而且在定位信号丢失、定位信号不佳等情况下也能精准定位，从而在提升车辆行驶的可靠性和安全性的同时还扩展了使用场景(例如，无人驾驶、智能驾驶等)。

54、(6)本技术通过车速、定位精度、输出频率等因素来确定序列的长度，在确保定位结果的准确度的同时，还兼顾了时间消耗、计算等成本。