卫星定位信号的异常检测方法、装置及电子设备与流程

1.本技术涉及自动驾驶技术领域，尤其涉及一种卫星定位信号的异常检测方法、装置及电子设备。

背景技术：

2.基于gnss(global navigation satellite system，全球导航卫星系统)/rtk(real-time kinematic，实时动态差分)+imu(inertial measurement unit，惯性测量单元)组成的组合导航系统在自动驾驶领域已经得到广泛应用，目前主流的算法是基于卡尔曼滤波器将不可观的、高频的惯导相对定位数据与可观的、低频的gnss/rtk绝对定位数据融合，从而产生高频、高精度的定位结果以及定位结果的置信度，供后续感知、规划控制模块使用。
3.由于滤波器自身的逻辑原因，如果gnss观测值产生误差，整个滤波器会受到影响，目前的一些异常值检测算法，比如卡方检测，可以在一定程度上拒绝突变的异常观测值，但对于一些特殊的异常值，仍无法进行良好的处理，例如受到高架桥、周边信号干扰等出现的短时间不规则的误差范围内的定位信号，就会导致自动驾驶车辆在gnss定位信号恢复后出现跳变，或者由于gnss定位不准确导致后续模块接收到不正确的位置，影响感知和规划控制模块的正常处理，进而引起人工接管。
4.针对单一观测数据不稳定的情况，基于激光雷达或视觉slam(simultaneous localization and mapping，同步定位与建图)技术得到的定位结果也越来越多的被作为辅助观测信息加入到滤波器中，以提高定位的鲁棒性。然而此种方式会带来额外的算力和数据准备工作，比如地图建立、数据关联、高精度标定、地图更新等，会对在固定运营区域运行的自动驾驶车辆带来额外的高成本。

技术实现要素：

5.本技术实施例提供了一种卫星定位信号的异常检测方法、装置及电子设备，以提高自动驾驶车辆的定位稳定性。
6.本技术实施例采用下述技术方案：
7.第一方面，本技术实施例提供一种卫星定位信号的异常检测方法，其中，所述卫星定位信号的异常检测方法包括：
8.获取自动驾驶车辆的当前定位信息和对应的高精地图数据；
9.根据所述当前定位信息和对应的高精地图数据，确定所述自动驾驶车辆在预设距离内的预测轨迹，所述预测轨迹包括不变道行驶轨迹；
10.获取所述自动驾驶车辆的卫星定位信号；
11.根据所述预测轨迹确定所述卫星定位信号是否异常，得到所述卫星定位信号的异常检测结果。
12.可选地，所述根据所述预测轨迹确定所述卫星定位信号是否异常包括：
13.确定所述自动驾驶车辆是否发生变道；
14.若未发生变道，则直接根据所述预测轨迹确定所述卫星定位信号是否异常，得到所述卫星定位信号的异常检测结果；
15.若发生变道，则根据变道结果更新所述预测轨迹，并利用更新后的预测轨迹确定所述卫星定位信号是否异常，得到所述卫星定位信号的异常检测结果。
16.可选地，所述若未发生变道，则直接根据所述预测轨迹确定所述卫星定位信号是否异常，得到所述卫星定位信号的异常检测结果包括：
17.确定所述卫星定位信号的定位位置与所述预测轨迹中的车道中心线的横向偏差；
18.若所述卫星定位信号的定位位置与所述预测轨迹中的车道中心线的横向偏差小于预设横向偏差阈值，则确定所述卫星定位信号正常；
19.否则，则确定所述卫星定位信号异常。
20.可选地，所述确定所述自动驾驶车辆是否发生变道包括：
21.基于所述当前定位信息，利用预设航迹推演策略进行航迹推演，得到航迹推演轨迹；
22.根据所述航迹推演轨迹，确定所述自动驾驶车辆是否发生变道。
23.可选地，所述变道包括非主动变道，所述根据所述航迹推演轨迹，确定所述自动驾驶车辆是否发生变道包括：
24.利用预设相似度度量算法，确定所述预测轨迹与所述航迹推演轨迹的相似度；
25.根据所述预测轨迹与所述航迹推演轨迹的相似度，确定所述自动驾驶车辆是否发生所述非主动变道；
26.所述若发生变道，则根据变道结果更新所述预测轨迹包括：
27.若发生所述非主动变道，则根据所述航迹推演轨迹确定非主动变道结果，并根据所述非主动变道结果更新所述预测轨迹。
28.可选地，所述变道包括主动变道，所述根据所述航迹推演轨迹，确定所述自动驾驶车辆是否发生变道包括：
29.获取自动驾驶车辆的控制反馈信息；
30.根据所述航迹推演轨迹的形状以及所述控制反馈信息，确定所述自动驾驶车辆是否发生主动变道；
31.所述若发生变道，则根据变道结果更新所述预测轨迹包括：
32.若发生所述主动变道，则根据所述航迹推演轨迹的形状以及所述控制反馈信息确定主动变道结果，并根据所述主动变道结果更新所述预测轨迹。
33.可选地，所述根据所述预测轨迹确定所述卫星定位信号是否异常，得到所述卫星定位信号的异常检测结果包括：
34.在所述自动驾驶车辆发生主动变道的情况下，获取所述自动驾驶车辆在变道过程对应的卫星定位数据；
35.根据所述自动驾驶车辆在变道过程对应的卫星定位数据，生成所述变道过程对应的卫星定位轨迹；
36.获取所述变道过程对应的航迹推演轨迹，并利用预设相似度度量算法，确定所述变道过程对应的卫星定位轨迹与所述变道过程对应的航迹推演轨迹的相似度；
37.根据所述变道过程对应的卫星定位轨迹与所述变道过程对应的航迹推演轨迹的相似度确定所述卫星定位信号是否异常，得到所述卫星定位信号的异常检测结果。
38.第二方面，本技术实施例还提供一种卫星定位信号的异常检测装置，其中，所述卫星定位信号的异常检测装置包括：
39.第一获取单元，用于获取自动驾驶车辆的当前定位信息和对应的高精地图数据；
40.第一确定单元，用于根据所述当前定位信息和对应的高精地图数据，确定所述自动驾驶车辆在预设距离内的预测轨迹，所述预测轨迹包括不变道行驶轨迹；
41.第二获取单元，用于获取所述自动驾驶车辆的卫星定位信号；
42.第二确定单元，用于根据所述预测轨迹确定所述卫星定位信号是否异常，得到所述卫星定位信号的异常检测结果。
43.第三方面，本技术实施例还提供一种电子设备，包括：
44.处理器；以及
45.被安排成存储计算机可执行指令的存储器，所述可执行指令在被执行时使所述处理器执行前述之任一所述卫星定位信号的异常检测方法。
46.第四方面，本技术实施例还提供一种计算机可读存储介质，所述计算机可读存储介质存储一个或多个程序，所述一个或多个程序当被包括多个应用程序的电子设备执行时，使得所述电子设备执行前述之任一所述卫星定位信号的异常检测方法。
47.本技术实施例采用的上述至少一个技术方案能够达到以下有益效果：本技术实施例的卫星定位信号的异常检测方法，先获取自动驾驶车辆的当前定位信息和对应的高精地图数据；然后根据当前定位信息和对应的高精地图数据，确定自动驾驶车辆在预设距离内的预测轨迹，预测轨迹包括不变道行驶轨迹；之后获取自动驾驶车辆的卫星定位信号；最后根据预测轨迹确定卫星定位信号是否异常，得到卫星定位信号的异常检测结果。本技术实施例的卫星定位信号的异常检测方法将基于高精地图数据得到的预测轨迹作为先验信息，对卫星定位信号的异常值进行检测，保证滤波器不受短时不准确的“欺骗性”卫星定位信号的影响，保障整体的定位稳定性，在仅依靠车身数据辅助定位的情况下，降低由于定位误差产生的自动驾驶车辆定位突变或人工接管的概率。
附图说明
48.此处所说明的附图用来提供对本技术的进一步理解，构成本技术的一部分，本技术的示意性实施例及其说明用于解释本技术，并不构成对本技术的不当限定。在附图中：
49.图1为本技术实施例中一种卫星定位信号的异常检测方法的流程示意图；
50.图2为本技术实施例中一种卫星定位信号的异常检测装置的结构示意图；
51.图3为本技术实施例中一种电子设备的结构示意图。
具体实施方式
52.为使本技术的目的、技术方案和优点更加清楚，下面将结合本技术具体实施例及相应的附图对本技术技术方案进行清楚、完整地描述。显然，所描述的实施例仅是本技术一部分实施例，而不是全部的实施例。基于本技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本技术保护的范围。
53.以下结合附图，详细说明本技术各实施例提供的技术方案。
54.本技术实施例提供了一种卫星定位信号的异常检测方法，如图1所示，提供了本技术实施例中一种卫星定位信号的异常检测方法的流程示意图，所述卫星定位信号的异常检测方法至少包括如下的步骤s110至步骤s140：
55.步骤s110，获取自动驾驶车辆的当前定位信息和对应的高精地图数据。
56.本技术实施例的卫星定位信号例如可以是gnss定位信号，在进行卫星定位信号的异常检测时，需要先获取自动驾驶车辆的当前定位信息，例如包括当前位置和当前车身速度等定位信息，这些定位信息可以通过滤波器输出的当前状态来得到。
57.此外，还需要获取当前位置对应的高精地图数据，高精地图数据中不仅有高精度的坐标，同时还有准确的道路形状，并且每个车道的坡度、曲率、航向、高程，侧倾的数据也都包含在内；另外，每条车道上的标识类型、车道线的颜、道路的隔离带、道路上的指示牌上的箭头和文字都会在高精地图中呈现。因此，本技术实施例基于高精地图数据中提供的丰富的道路结构化信息能够为卫星定位信号的异常检测提供有力支撑。
58.步骤s120，根据所述当前定位信息和对应的高精地图数据，确定所述自动驾驶车辆在预设距离内的预测轨迹，所述预测轨迹包括不变道行驶轨迹。
59.由于一般自动驾驶场景下，需要尽可能保证自动驾驶车辆在车道中心线上或者附近行驶，而高精地图数据中又提供了丰富的车道信息，因此基于自动驾驶车辆的当前位置和高精地图数据中的车道信息能够确定出自动驾驶车辆当前所在的车道，进一步结合自动驾驶车辆的当前车身速度能够预测出自动驾驶车辆在预设距离内的行驶轨迹，这里的预设距离可以是从当前位置到终点位置的距离，预测轨迹可以是指不变道行驶轨迹，以尽可能避免岔路、拐弯等情况的定位不确定性。
60.本技术实施例的轨迹预测的过程，可以看作是在自动驾驶车辆当前所在的高精地图的车道上基于当前位置和当前车身速度采集轨迹点的过程，从而得到预测轨迹，作为后续检测卫星定位信号是否异常的先验信息。
61.步骤s130，获取所述自动驾驶车辆的卫星定位信号。
62.步骤s140，根据所述预测轨迹确定所述卫星定位信号是否异常，得到所述卫星定位信号的异常检测结果。
63.本技术实施例在得到预测轨迹之后，就可以对后续接收到的卫星定位信号进行异常检测了，例如可以将当前接收到的卫星定位信号的定位位置与预测轨迹进行比较，确定当前接收到的卫星定位信号的定位位置与预测轨迹之间的横向偏差大小，如果横向偏差大小能够被接受，则可以认为当前接收到的卫星定位信号为正常值，可以用于后续融合处理，否则，则不能用于融合处理。
64.本技术实施例的卫星定位信号的异常检测方法将基于高精地图数据得到的预测轨迹作为先验信息，对卫星定位信号的异常值进行检测，保证滤波器不受短时不准确的“欺骗性”卫星定位信号的影响，保障整体的定位稳定性，在仅依靠车身数据辅助定位的情况下，降低由于定位误差产生的自动驾驶车辆定位突变或人工接管的概率。
65.在本技术的一些实施例中，所述根据所述预测轨迹确定所述卫星定位信号是否异常包括：确定所述自动驾驶车辆是否发生变道；若未发生变道，则直接根据所述预测轨迹确定所述卫星定位信号是否异常，得到所述卫星定位信号的异常检测结果；若发生变道，则根
据变道结果更新所述预测轨迹，并利用更新后的预测轨迹确定所述卫星定位信号是否异常，得到所述卫星定位信号的异常检测结果。
66.如前所述，预测轨迹主要是针对不变道的行驶情况进行预测得到的轨迹，而实际场景下，自动驾驶车辆并不一定会始终按照预测轨迹上的车道行驶，即可能会出现变道的情况，一旦自动驾驶车辆变道，那么原来的预测轨迹中的车道信息就不再准确，这时可以根据变道结果对预测轨迹进行更新，从而根据更新后的预测轨迹继续进行卫星定位信号的异常检测，保证车道级别的卫星定位信号异常检测的准确性。
67.在本技术的一些实施例中，所述若未发生变道，则直接根据所述预测轨迹确定所述卫星定位信号是否异常，得到所述卫星定位信号的异常检测结果包括：确定所述卫星定位信号的定位位置与所述预测轨迹中的车道中心线的横向偏差；若所述卫星定位信号的定位位置与所述预测轨迹中的车道中心线的横向偏差小于预设横向偏差阈值，则确定所述卫星定位信号正常；否则，则确定所述卫星定位信号异常。
68.如果自动驾驶车辆当前没有变道，那么说明之前基于高精地图数据得到的预测轨迹仍然是准确的，即仍然可以基于原来的预测轨迹进行卫星定位信号的异常检测。
69.具体地，可以先将当前获取到的卫星定位信号的观测值转换到车体坐标系下，然后计算当前的卫星定位信号的观测值是否落在预测轨迹附近，即当前的卫星定位信号的观测值是否落在预测轨迹上的某一轨迹点两侧的预设横向偏移误差范围内。由于实际控制中，横向误差带来的影响远远大于纵向误差，因此这里的预设横向偏差范围应当能够满足车道级定位的需求。如果当前的卫星定位信号的观测值落在预设范围内，则可以用于观测融合，否则，此观测值为异常值，不能用于观测融合。
70.在本技术的一些实施例中，所述确定所述自动驾驶车辆是否发生变道包括：基于所述当前定位信息，利用预设航迹推演策略进行航迹推演，得到航迹推演轨迹；根据所述航迹推演轨迹，确定所述自动驾驶车辆是否发生变道。
71.本技术实施例对自动驾驶车辆是否发生变道的判断可以基于航迹推演来实现，具体可以根据误差补偿后的车身速度以及横摆角速度yawrate计算出自动驾驶车辆在后续预设时间内的航迹推演轨迹，这里的预设时间的长短主要与自动驾驶车辆的变道时间相关，由于车辆变道的时间一般是3-6秒，那么预设时间例如可以设置为10秒，以便于能够对变道情况进行充分判断，进而为预测轨迹的更新提供依据。
72.在本技术的一些实施例中，所述根据所述航迹推演轨迹，确定所述自动驾驶车辆是否发生变道包括：确定航迹推演的时间阈值；获取航迹推演的当前持续时间；若所述航迹推演的当前持续时间未达到所述航迹推演的时间阈值，则根据所述航迹推演轨迹，确定所述自动驾驶车辆是否发生变道。
73.由于航迹推演存在随时间累计误差变大的问题，因此当航迹推演的持续时间超过一定时长时，累计误差将大大增加，航迹推演结果将不再可用，因此本技术实施例可以事先确定一个航迹推演的最长时间如15秒，作为航迹推演的时间阈值t，如果当前航迹推演的累计时间还没有到达时间阈值t，则可用于后续对于预测轨迹的更新判断，而如果当前航迹推演的累计时间已经到达时间阈值t，且当前也没有可靠的观测输入，那么这时可以触发报警操作，从而保证自动驾驶车辆的安全性。
74.上述航迹推演的时间阈值t可以根据实际场景需求事先确定好，例如可以通过采
集不同场景、不同气候下的组合导航原始数据，包括惯导数据和gnss定位数据，然后基于组合导航原始数据计算出组合导航系统依赖航迹推演的有效时长，也即航迹推演出的位置在位置误差范围内的最长时间，作为航迹推演的时间阈值t。
75.在本技术的一些实施例中，所述变道包括非主动变道，所述根据所述航迹推演轨迹，确定所述自动驾驶车辆是否发生变道包括：利用预设相似度度量算法，确定所述预测轨迹与所述航迹推演轨迹的相似度；根据所述预测轨迹与所述航迹推演轨迹的相似度，确定所述自动驾驶车辆是否发生所述非主动变道；所述若发生变道，则根据变道结果更新所述预测轨迹包括：若发生所述非主动变道，则根据所述航迹推演轨迹确定非主动变道结果，并根据所述非主动变道结果更新所述预测轨迹。
76.本技术实施例的变道类型可以包括非主动变道的情况，非主动变道主要是指车道数量的变化，例如由直行三车道变为直行四车道，或者由直行四车道变为直行三车道等等。这种情况下，自动驾驶车辆的航迹推演轨迹可能会发生一定程度的弯曲，但这种非主动变道情况下的轨迹弯曲程度一般相对于主动变道情况下的轨迹弯曲程度更小。
77.基于此，本技术实施例可以先利用预设相似度度量算法计算当前的预测轨迹与航迹推演轨迹的相似度，也即衡量两个轨迹之间的偏差情况，然后根据相似度的大小能够判断出自动驾驶车辆是否发生非主动变道，例如，如果没有发生变道，那么二者之间的相似度应该很高，而如果发生非主动变道，那么这时根据航迹推演轨迹能够进一步确定出非主动变道后自动驾驶车辆所在的车道，进而可以根据非主动变道后自动驾驶车辆所在的车道对预测轨迹的车道信息进行更新，也即根据非主动变道后的车道信息重新进行轨迹预测。
78.上述预设相似度度量算法例如可以采用frechet distance算法来实现，frechet distance是计算两曲线距离的算法，用来判断两曲线的相似度，计算结果越小说明相似度越高。当然，本领域技术人员也可以根据实际需求灵活选择其他相似度度量算法，在此不作具体限定。
79.在本技术的一些实施例中，所述变道包括主动变道，所述根据所述航迹推演轨迹，确定所述自动驾驶车辆是否发生变道包括：获取自动驾驶车辆的控制反馈信息；根据所述航迹推演轨迹的形状以及所述控制反馈信息，确定所述自动驾驶车辆是否发生主动变道；所述若发生变道，则根据变道结果更新所述预测轨迹包括：若发生所述主动变道，则根据所述航迹推演轨迹的形状以及所述控制反馈信息确定主动变道结果，并根据所述主动变道结果更新所述预测轨迹。
80.本技术实施例的变道类型还包括主动变道的情况，主动变道是指自动驾驶车辆基于规划控制信息或者避障等情况而作出的变道行为，例如直行三车道中由左侧车道变道至中间车道。
81.在主动变道的情况下，航迹推演轨迹的形状会有明显的弯曲程度变化，因此可以根据航迹推演轨迹的形状来判断自动驾驶车辆是否发生主动变道。此外，为了提高判断的准确性，还可以进一步获取自动驾驶车辆的控制反馈信息对变道情况的判断结果进行确认，例如控制模块下发变道指令，基于变道指令获取成功变道、连续变道或变道避障后回到原车道等反馈信息，从而可以确认自动驾驶车辆发生了主动变道，这时可以根据主动变道过程以及变道后自动驾驶车辆所在的车道更新预测轨迹的车道信息。
82.在本技术的一些实施例中，所述根据所述预测轨迹确定所述卫星定位信号是否异
常，得到所述卫星定位信号的异常检测结果包括：在所述自动驾驶车辆发生主动变道的情况下，获取所述自动驾驶车辆在变道过程对应的卫星定位数据；根据所述自动驾驶车辆在变道过程对应的卫星定位数据，生成所述变道过程对应的卫星定位轨迹；获取所述变道过程对应的航迹推演轨迹，并利用预设相似度度量算法，确定所述变道过程对应的卫星定位轨迹与所述变道过程对应的航迹推演轨迹的相似度；根据所述变道过程对应的卫星定位轨迹与所述变道过程对应的航迹推演轨迹的相似度确定所述卫星定位信号是否异常，得到所述卫星定位信号的异常检测结果。
83.如果判断出自动驾驶车辆发生主动变道且变道时间较长，但仍小于航迹推演的时间阈值t，那么变道后的预测值和gnss观测值之间会产生一定的偏差，因此对于由变道而引起的gnss观测值融合失败的情况可以在变道后进行补偿。
84.由于预测轨迹是在某一车道内对行驶轨迹进行的预测，因此在变道的这个过程中并没有正确的预测轨迹，因此这里可以根据变道期间获取到的卫星定位信号生成变道期间的gnss定位轨迹，然后同样可以采用预设相似度度量算法计算变道期间的gnss定位轨迹与变道期间的航迹推演轨迹的相似度，如果相似度大于预设相似度阈值，则认为变道后的gnss观测值是正常值，可以跳过卡方检测的逻辑，直接融合变道后的gnss观测值，从而保证自动驾驶车辆的定位稳定性。
85.本技术实施例还提供了一种卫星定位信号的异常检测装置200，如图2所示，提供了本技术实施例中一种卫星定位信号的异常检测装置的结构示意图，所述卫星定位信号的异常检测装置200包括：第一获取单元210、第一确定单元220、第二获取单元230以及第二确定单元240，其中：
86.第一获取单元210，用于获取自动驾驶车辆的当前定位信息和对应的高精地图数据；
87.第一确定单元220，用于根据所述当前定位信息和对应的高精地图数据，确定所述自动驾驶车辆在预设距离内的预测轨迹，所述预测轨迹包括不变道行驶轨迹；
88.第二获取单元230，用于获取所述自动驾驶车辆的卫星定位信号；
89.第二确定单元240，用于根据所述预测轨迹确定所述卫星定位信号是否异常，得到所述卫星定位信号的异常检测结果。
90.在本技术的一些实施例中，所述第二确定单元240具体用于：确定所述自动驾驶车辆是否发生变道；若发生变道，则根据变道结果更新所述预测轨迹，并利用更新后的预测轨迹确定所述卫星定位信号是否异常，得到所述卫星定位信号的异常检测结果；若未发生变道，则直接根据所述预测轨迹确定所述卫星定位信号是否异常，得到所述卫星定位信号的异常检测结果。
91.在本技术的一些实施例中，所述第二确定单元240具体用于：确定所述卫星定位信号的定位位置与所述预测轨迹中的车道中心线的横向偏差；若所述卫星定位信号的定位位置与所述预测轨迹中的车道中心线的横向偏差小于预设横向偏差阈值，则确定所述卫星定位信号正常；否则，则确定所述卫星定位信号异常。
92.在本技术的一些实施例中，所述第二确定单元240具体用于：基于所述当前定位信息，利用预设航迹推演策略进行航迹推演，得到航迹推演轨迹；根据所述航迹推演轨迹，确定所述自动驾驶车辆是否发生变道。
93.在本技术的一些实施例中，所述变道包括非主动变道，所述第二确定单元240具体用于：利用预设相似度度量算法，确定所述预测轨迹与所述航迹推演轨迹的相似度；根据所述预测轨迹与所述航迹推演轨迹的相似度，确定所述自动驾驶车辆是否发生所述非主动变道；若发生所述非主动变道，则根据所述航迹推演轨迹确定非主动变道结果，并根据所述非主动变道结果更新所述预测轨迹。
94.在本技术的一些实施例中，所述变道包括主动变道，所述第二确定单元240具体用于：获取自动驾驶车辆的控制反馈信息；根据所述航迹推演轨迹的形状以及所述控制反馈信息，确定所述自动驾驶车辆是否发生主动变道；若发生所述主动变道，则根据所述航迹推演轨迹的形状以及所述控制反馈信息确定主动变道结果，并根据所述主动变道结果更新所述预测轨迹。
95.在本技术的一些实施例中，所述第二确定单元240具体用于：在所述自动驾驶车辆发生主动变道的情况下，获取所述自动驾驶车辆在变道过程对应的卫星定位数据；根据所述自动驾驶车辆在变道过程对应的卫星定位数据，生成所述变道过程对应的卫星定位轨迹；获取所述变道过程对应的航迹推演轨迹，并利用预设相似度度量算法，确定所述变道过程对应的卫星定位轨迹与所述变道过程对应的航迹推演轨迹的相似度；根据所述变道过程对应的卫星定位轨迹与所述变道过程对应的航迹推演轨迹的相似度确定所述卫星定位信号是否异常，得到所述卫星定位信号的异常检测结果。
96.在本技术的一些实施例中，所述第二确定单元240具体用于：确定航迹推演的时间阈值；获取航迹推演的当前持续时间；若所述航迹推演的当前持续时间未达到所述航迹推演的时间阈值，则根据所述航迹推演轨迹，确定所述自动驾驶车辆是否发生变道。
97.能够理解，上述卫星定位信号的异常检测装置，能够实现前述实施例中提供的卫星定位信号的异常检测方法的各个步骤，关于卫星定位信号的异常检测方法的相关阐释均适用于卫星定位信号的异常检测装置，此处不再赘述。
98.图3是本技术的一个实施例电子设备的结构示意图。请参考图3，在硬件层面，该电子设备包括处理器，可选地还包括内部总线、网络接口、存储器。其中，存储器可能包含内存，例如高速随机存取存储器(random-access memory，ram)，也可能还包括非易失性存储器(non-volatile memory)，例如至少1个磁盘存储器等。当然，该电子设备还可能包括其他业务所需要的硬件。
99.处理器、网络接口和存储器可以通过内部总线相互连接，该内部总线可以是isa(industry standard architecture，工业标准体系结构)总线、pci(peripheral component interconnect，外设部件互连标准)总线或eisa(extended industry standard architecture，扩展工业标准结构)总线等。所述总线可以分为地址总线、数据总线、控制总线等。为便于表示，图3中仅用一个双向箭头表示，但并不表示仅有一根总线或一种类型的总线。
100.存储器，用于存放程序。具体地，程序可以包括程序代码，所述程序代码包括计算机操作指令。存储器可以包括内存和非易失性存储器，并向处理器提供指令和数据。
101.处理器从非易失性存储器中读取对应的计算机程序到内存中然后运行，在逻辑层面上形成卫星定位信号的异常检测装置。处理器，执行存储器所存放的程序，并具体用于执行以下操作：
102.获取自动驾驶车辆的当前定位信息和对应的高精地图数据；
103.根据所述当前定位信息和对应的高精地图数据，确定所述自动驾驶车辆在预设距离内的预测轨迹，所述预测轨迹包括不变道行驶轨迹；
104.获取所述自动驾驶车辆的卫星定位信号；
105.根据所述预测轨迹确定所述卫星定位信号是否异常，得到所述卫星定位信号的异常检测结果。
106.上述如本技术图1所示实施例揭示的卫星定位信号的异常检测装置执行的方法可以应用于处理器中，或者由处理器实现。处理器可能是一种集成电路芯片，具有信号的处理能力。在实现过程中，上述方法的各步骤可以通过处理器中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器可以是通用处理器，包括中央处理器(central processing unit，cpu)、网络处理器(network processor，np)等；还可以是数字信号处理器(digital signal processor，dsp)、专用集成电路(application specific integrated circuit，asic)、现场可编程门阵列(field－programmable gate array，fpga)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。可以实现或者执行本技术实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合本技术实施例所公开的方法的步骤可以直接体现为硬件译码处理器执行完成，或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器，闪存、只读存储器，可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器，处理器读取存储器中的信息，结合其硬件完成上述方法的步骤。
107.该电子设备还可执行图1中卫星定位信号的异常检测装置执行的方法，并实现卫星定位信号的异常检测装置在图1所示实施例的功能，本技术实施例在此不再赘述。
108.本技术实施例还提出了一种计算机可读存储介质，该计算机可读存储介质存储一个或多个程序，该一个或多个程序包括指令，该指令当被包括多个应用程序的电子设备执行时，能够使该电子设备执行图1所示实施例中卫星定位信号的异常检测装置执行的方法，并具体用于执行：
109.获取自动驾驶车辆的当前定位信息和对应的高精地图数据；
110.根据所述当前定位信息和对应的高精地图数据，确定所述自动驾驶车辆在预设距离内的预测轨迹，所述预测轨迹包括不变道行驶轨迹；
111.获取所述自动驾驶车辆的卫星定位信号；
112.根据所述预测轨迹确定所述卫星定位信号是否异常，得到所述卫星定位信号的异常检测结果。
113.本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、cd-rom、光学存储器等)上实施的计算机程序产品的形式。
114.本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流
程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
115.这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
116.这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
117.在一个典型的配置中，计算设备包括一个或多个处理器(cpu)、输入/输出接口、网络接口和内存。
118.内存可能包括计算机可读介质中的非永久性存储器，随机存取存储器(ram)和/或非易失性内存等形式，如只读存储器(rom)或闪存(flash ram)。内存是计算机可读介质的示例。
119.计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(pram)、静态随机存取存储器(sram)、动态随机存取存储器(dram)、其他类型的随机存取存储器(ram)、只读存储器(rom)、电可擦除可编程只读存储器(eeprom)、快闪记忆体或其他内存技术、只读光盘只读存储器(cd-rom)、数字多功能光盘(dvd)或其他光学存储、磁盒式磁带，磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括暂存电脑可读媒体(transitory media)，如调制的数据信号和载波。
120.还需要说明的是，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个
……”
限定的要素，并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。
121.本领域技术人员应明白，本技术的实施例可提供为方法、系统或计算机程序产品。因此，本技术可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且，本技术可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、cd-rom、光学存储器等)上实施的计算机程序产品的形式。
122.以上所述仅为本技术的实施例而已，并不用于限制本技术。对于本领域技术人员来说，本技术可以有各种更改和变化。凡在本技术的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本技术的权利要求范围之内。

技术特征：

1.一种卫星定位信号的异常检测方法，其中，所述卫星定位信号的异常检测方法包括：获取自动驾驶车辆的当前定位信息和对应的高精地图数据；根据所述当前定位信息和对应的高精地图数据，确定所述自动驾驶车辆在预设距离内的预测轨迹，所述预测轨迹包括不变道行驶轨迹；获取所述自动驾驶车辆的卫星定位信号；根据所述预测轨迹确定所述卫星定位信号是否异常，得到所述卫星定位信号的异常检测结果。2.如权利要求1所述卫星定位信号的异常检测方法，其中，所述根据所述预测轨迹确定所述卫星定位信号是否异常包括：确定所述自动驾驶车辆是否发生变道；若未发生变道，则直接根据所述预测轨迹确定所述卫星定位信号是否异常，得到所述卫星定位信号的异常检测结果；若发生变道，则根据变道结果更新所述预测轨迹，并利用更新后的预测轨迹确定所述卫星定位信号是否异常，得到所述卫星定位信号的异常检测结果。3.如权利要求2所述卫星定位信号的异常检测方法，其中，所述若未发生变道，则直接根据所述预测轨迹确定所述卫星定位信号是否异常，得到所述卫星定位信号的异常检测结果包括：确定所述卫星定位信号的定位位置与所述预测轨迹中的车道中心线的横向偏差；若所述卫星定位信号的定位位置与所述预测轨迹中的车道中心线的横向偏差小于预设横向偏差阈值，则确定所述卫星定位信号正常；否则，则确定所述卫星定位信号异常。4.如权利要求2所述卫星定位信号的异常检测方法，其中，所述确定所述自动驾驶车辆是否发生变道包括：基于所述当前定位信息，利用预设航迹推演策略进行航迹推演，得到航迹推演轨迹；根据所述航迹推演轨迹，确定所述自动驾驶车辆是否发生变道。5.如权利要求4所述卫星定位信号的异常检测方法，其中，所述变道包括非主动变道，所述根据所述航迹推演轨迹，确定所述自动驾驶车辆是否发生变道包括：利用预设相似度度量算法，确定所述预测轨迹与所述航迹推演轨迹的相似度；根据所述预测轨迹与所述航迹推演轨迹的相似度，确定所述自动驾驶车辆是否发生所述非主动变道；所述若发生变道，则根据变道结果更新所述预测轨迹包括：若发生所述非主动变道，则根据所述航迹推演轨迹确定非主动变道结果，并根据所述非主动变道结果更新所述预测轨迹。6.如权利要求4所述卫星定位信号的异常检测方法，其中，所述变道包括主动变道，所述根据所述航迹推演轨迹，确定所述自动驾驶车辆是否发生变道包括：获取自动驾驶车辆的控制反馈信息；根据所述航迹推演轨迹的形状以及所述控制反馈信息，确定所述自动驾驶车辆是否发生主动变道；所述若发生变道，则根据变道结果更新所述预测轨迹包括：
若发生所述主动变道，则根据所述航迹推演轨迹的形状以及所述控制反馈信息确定主动变道结果，并根据所述主动变道结果更新所述预测轨迹。7.如权利要求4所述卫星定位信号的异常检测方法，其中，所述根据所述预测轨迹确定所述卫星定位信号是否异常，得到所述卫星定位信号的异常检测结果包括：在所述自动驾驶车辆发生主动变道的情况下，获取所述自动驾驶车辆在变道过程对应的卫星定位数据；根据所述自动驾驶车辆在变道过程对应的卫星定位数据，生成所述变道过程对应的卫星定位轨迹；获取所述变道过程对应的航迹推演轨迹，并利用预设相似度度量算法，确定所述变道过程对应的卫星定位轨迹与所述变道过程对应的航迹推演轨迹的相似度；根据所述变道过程对应的卫星定位轨迹与所述变道过程对应的航迹推演轨迹的相似度确定所述卫星定位信号是否异常，得到所述卫星定位信号的异常检测结果。8.一种卫星定位信号的异常检测装置，其中，所述卫星定位信号的异常检测装置包括：第一获取单元，用于获取自动驾驶车辆的当前定位信息和对应的高精地图数据；第一确定单元，用于根据所述当前定位信息和对应的高精地图数据，确定所述自动驾驶车辆在预设距离内的预测轨迹，所述预测轨迹包括不变道行驶轨迹；第二获取单元，用于获取所述自动驾驶车辆的卫星定位信号；第二确定单元，用于根据所述预测轨迹确定所述卫星定位信号是否异常，得到所述卫星定位信号的异常检测结果。9.一种电子设备，包括：处理器；以及被安排成存储计算机可执行指令的存储器，所述可执行指令在被执行时使所述处理器执行所述权利要求1～7之任一所述卫星定位信号的异常检测方法。10.一种计算机可读存储介质，所述计算机可读存储介质存储一个或多个程序，所述一个或多个程序当被包括多个应用程序的电子设备执行时，使得所述电子设备执行所述权利要求1～7之任一所述卫星定位信号的异常检测方法。

技术总结

本申请公开了一种卫星定位信号的异常检测方法、装置及电子设备，所述卫星定位信号的异常检测方法包括：获取自动驾驶车辆的当前定位信息和对应的高精地图数据；根据当前定位信息和对应的高精地图数据，确定自动驾驶车辆在预设距离内的预测轨迹，预测轨迹包括不变道行驶轨迹；获取自动驾驶车辆的卫星定位信号；根据预测轨迹确定卫星定位信号是否异常，得到卫星定位信号的异常检测结果。本申请将基于高精地图数据得到的预测轨迹作为先验信息，对卫星定位信号的异常值进行检测，保证滤波器不受短时不准确的“欺骗性”卫星定位信号的影响，保障定位稳定性，在仅依靠车身数据辅助定位的情况下，降低由于定位误差产生的定位突变或人工接管的概率。管的概率。管的概率。