[发明专利]基于神经网络模型的轨迹推算方法及装置

说明书

本申请是关于一种基于神经网络模型的轨迹推算方法及装置。该方法包括：使待优化的神经网络模型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，依据同一时间段惯性测量单元的测量数据，递推获得车辆在同一时间段的第二序列轨迹坐标；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；使所述优化的神经网络模型依据初始时刻的初始位姿、初始时刻的惯性测量单元的测量数据，递推获得并输出车辆在所述初始时刻移动至下一时刻的移动轨迹。本申请提供的技术方案，能够基于神经网络模型利用惯性测量单元的测量数据推算车辆运动轨迹，提高车辆运动轨迹推算的精度。

技术领域

本申请涉及导航技术领域，尤其涉及一种基于神经网络模型的轨迹推算方法及装置。

背景技术

卫星定位模块例如GPS（Global Positioning System，全球定位系统）卫星定位模块具有性能好、精度高、应用广的特点。但在某些场景下，例如桥下，涵洞，隧道，密集楼宇之间等定位信号不好的位置，相关技术的卫星定位模块的定位偏差很大，甚至无法提供定位结果。而包含惯性测量单元（Inertial Measurement Unit，简称IMU）的惯性导航系统，可以利用惯性测量单元的测量数据，推算出载体的运动轨迹。

惯性导航系统利用惯性测量单元的加速度计和陀螺仪的测量数据来推算载体的运动轨迹。然而，惯性测量单元中的加速度计和陀螺仪受各种因素影响，使用一段时间后，其内参数和性能会发生变化，使得的测量数据会有所偏差，而且随着时间的推移积累较大的误差，这样惯性导航系统通过惯性测量单元的测量数据推算得到的运动轨迹也存在较大的误差。

发明内容

为克服相关技术中存在的问题，本申请提供一种基于神经网络模型的轨迹推算方法及装置，能够基于神经网络模型利用惯性测量单元的测量数据推算车辆运动轨迹，提高车辆运动轨迹推算的精度。

本申请第一方面提供一种基于神经网络模型的轨迹推算方法，所述方法包括：

向待优化的神经网络模型输入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；

使所述待优化的神经网络模型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，依据同一时间段惯性测量单元的测量数据，递推获得车辆在同一时间段的第二序列轨迹坐标；

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；

向优化的神经网络模型输入初始时刻的初始位姿、初始时刻的惯性测量单元的测量数据；

使所述优化的神经网络模型依据所述初始时刻的初始位姿、所述初始时刻的惯性测量单元的测量数据，递推获得并输出车辆在所述初始时刻移动至下一时刻的移动轨迹。

优选的，所述依据同一时间段惯性测量单元的测量数据，递推获得同一时间段的第二序列轨迹坐标，包括：

依据同一时间段惯性测量单元当前时刻的加速度和角速度，以及当前时刻的经度方向速度和纬度方向速度，获得当前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；

依据当前时刻的经纬度坐标，以及下一时刻的经度方向位移和纬度方向位移，确定下一时刻的经纬度坐标；

迭代递推获得同一时间段各个时刻的经纬度坐标；

依据同一时间段各个时刻的经纬度坐标，获得同一时间段的第二序列轨迹坐标。

优选的，所述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，包括：