[发明专利]通过运动和位置传感器基于卫星确定车辆位置的方法

说明书

本发明涉及通过运动和位置传感器基于卫星确定车辆位置的方法，包括以下步骤：a)接收GNSS数据作为输入参量，b)接收至少一个另外的输入参量，c)使用地图数据确定输入参量的加权因子，d)利用步骤c)中确定的加权因子加权步骤a)和b)中接收到的输入参量，e)使用步骤a)和b)中接收并且在步骤d)中加权的输入参量来确定车辆位置。

技术领域

本发明涉及通过运动和位置传感器基于卫星确定车辆位置的方法、计算机程序、机器可读存储介质以及运动和位置传感器。本发明特别适用于自动驾驶。

背景技术

自动驾驶车辆是在没有驾驶员的情况下运行的车辆。车辆在此自主地行驶，例如通过独立地识别道路路线、其它交通参与者或障碍物并且计算车辆中的相应的控制指令以及将这些控制指令转发到车辆中的致动器，由此正确地影响车辆的行驶路线。在全自动车辆中，驾驶员没有参与驾驶过程。

此外，用于自主运行的车辆需要传感装置，传感装置特别是借助导航卫星数据(GPS，GLOIMASS，北斗，伽利略)能够确定高度精确的车辆位置。为此，GNSS(全球导航卫星系统)信号当前通过车顶上的GNSS天线接收并且借助于GNSS传感器处理。此外，还可以考虑GNSS校正数据以提高定位结果。特别有利的GNSS传感器是所谓的运动和位置传感器，其使用GNSS数据可以确定至少一个车辆位置或车辆定向或车辆运动。

此外，为了计算运动和位置传感器中的高精度的车辆位置，使用卡尔曼滤波器。在这个过滤器中迄今输入了以下输入参量：

-GNSS数据，

-GNSS校正数据，

-来自加速度和转动速率传感器的数据，

-惯性传感器数据，

-车辆转速，

-转向角，

-车辆速度，

-行驶方向。

在卡尔曼滤波器中，这些输入参量关于它们对当前位置计算的影响而被动态加权。例如当转弯时，加速度和转动速率传感器的数据相比例如GNSS数据被更高地加权。相反，在其它情况下，GNSS数据相比于加速度和转动速率传感器数据被更高地评价。用于高精度位置计算的输入参量的这种动态加权对于位置计算的准确性特别有利。对当前驾驶操纵的估计在此是非常重要的。力求改进对加权因子的估计。

发明内容

根据权利要求1，这里提出了一种通过运动和位置传感器基于卫星确定车辆位置的方法，包括以下步骤：

a)接收GNSS数据作为输入参量，

b)接收至少一个另外的输入参量，

c)使用地图数据确定输入参量的加权因子，

d)利用步骤c)中确定的加权因子加权步骤a)和b)中接收到的输入参量，

e)使用步骤a)和b)中接收到的并且在步骤d)中加权的输入参量来确定车辆位置。

该方法尤其用于通过运动和位置传感器基于卫星确定本车辆的车辆位置。本车辆优选是自动驾驶车辆，特别是自动操作的汽车。这里介绍的解决方案特别基于的想法是，在运动和位置传感器的卡尔曼滤波器中使用地图数据(本领域技术人员也称为“地图数据”)，以便有利地改进车辆位置的确定。地图数据的使用在这里以特别有利的方式提供的是，可以进行预测加权。例如当可以从地图数据中推断车辆向街道峡谷和/或隧道移动时，因此GNSS数据对于位置确定的影响相比于备选位置数据的影响，特别是对于车辆位于或预期将位于街道峡谷或隧道中的(未来)时段，被降低权重。