[发明专利]基于神经网络模型的轨迹推算方法及装置

权利要求书

1.一种基于神经网络模型的轨迹推算方法，其特征在于，包括：

获得同一时间段定位模块的定位数据、惯性测量单元的测量数据；

依据同一时间段定位模块的定位数据，获得车辆在同一时间段的第一序列轨迹坐标、初始时刻的经度方向速度和纬度方向速度；

向待优化的神经网络模型输入同一时间段惯性测量单元的测量数据、初始时刻的经度方向速度和纬度方向速度；

使所述待优化的神经网络模型依据初始时刻的加速度、角速度、经度方向速度、纬度方向速度，获得所述车辆在初始时刻的下一时刻的经度方向速度、纬度方向速度、经度方向位移和纬度方向位移，其中，依据同一时间段惯性测量单元的测量数据获得初始时刻的加速度、角速度，所述待优化的神经网络模型递推输出在同一时间段各个时刻的经度方向位移和纬度方向位移；

依据所述待优化的神经网络模型递推输出的在同一时间段各个时刻的经度方向位移和纬度方向位移，获得所述车辆在同一时间段的第二序列轨迹坐标；

获取所述同一时间段中多个子时间段的所述第二序列轨迹坐标与第一序列轨迹坐标的多组误差，依据所述多组误差构建待优化的神经网络模型的损失函数，依据所述损失函数，通过使所述第二序列轨迹坐标向所述第一序列轨迹坐标收敛，获得优化的神经网络模型，其中，所述多组误差在所述损失函数中具有不同的权重系数，包括：获取同一时间段初始时刻T₀至时刻T₁的所述第二序列轨迹坐标与第一序列轨迹坐标的第一组误差Loss₁、同一时间段时刻T₁至时刻T₂的所述第二序列轨迹坐标与第一序列轨迹坐标的第二组误差Loss₂、同一时间段T₂至时刻T₃的所述第二序列轨迹坐标与第一序列轨迹坐标的第三组误差Loss₃，令神经网络模型的损失函数值Loss=Loss₁+1/2*Loss₂+1/6*Loss₃，通过使所述第二序列轨迹坐标向所述第一序列轨迹坐标收敛，获得优化的神经网络模型；

向所述优化的神经网络模型输入初始时刻的惯性测量单元的测量数据、经度方向速度、纬度方向速度；

使所述优化的神经网络模型依据初始时刻的加速度、角速度、经度方向速度、纬度方向速度，获得所述车辆在初始时刻的下一个时刻的经度方向速度、纬度方向速度、经度方向位移和纬度方向位移，其中，依据初始时刻的惯性测量单元的测量数据获得初始时刻的加速度、角速度；

依据所述优化的神经网络模型获得的所述车辆在初始时刻的下一个时刻的经度方向位移和纬度方向位移，以及初始时刻的经纬度坐标，获得所述车辆由初始时刻移动至下一个时刻的移动轨迹。

2.根据权利要求1所述的方法，其特征在于，所述依据所述待优化的神经网络模型递推输出的在同一时间段各个时刻的经度方向位移和纬度方向位移，获得所述车辆在同一时间段的第二序列轨迹坐标，包括：

使所述待优化的神经网络模型依据下一时刻的经度方向速度、纬度方向速度、加速度和角速度，获得车辆在下一时刻的下一个时刻的经度方向速度、纬度方向速度、经度方向位移和纬度方向位移，其中依据同一时间段惯性测量单元的测量数据获得下一时刻的加速度和角速度；

使所述待优化的神经网络模型迭代递推输出同一时间段各个时刻的经度方向速度、纬度方向速度、经度方向位移和纬度方向位移；

依据同一时间段定位模块的定位数据获得初始时刻的经纬度坐标，依据初始时刻的经纬度坐标、所述待优化的神经网络模型迭代递推输出的同一时间段各个时刻的经度方向位移和纬度方向位移，获得所述车辆在同一时间段的第二序列轨迹坐标。

3.根据权利要求1所述的方法，其特征在于，所述方法还包括：

向所述优化的神经网络模型输入所述惯性测量单元后续的测量数据；

使所述优化的神经网络模型对所述惯性测量单元后续的测量数据进行迭代处理，递推输出所述车辆在后续各个时刻的经度方向速度、纬度方向速度、经度方向位移和纬度方向位移；

依据递推输出的所述车辆在后续各个时刻的经度方向位移和纬度方向位移，获得所述车辆在后续各个时刻之间的移动轨迹。

4.一种电子设备，其特征在于，包括：

处理器；以及

存储器，其上存储有可执行代码，当所述可执行代码被所述处理器执行时，使所述处理器执行如权利要求1-3中任一项所述的方法。