本发明属于无人驾驶定位导航，特别涉及一种自动驾驶定位方法及系统。
背景技术：
1、无人驾驶汽车是一种智能汽车，也可以称之为轮式移动机器人，主要依靠车内的以计算机系统为主的智能驾驶仪来实现无人驾驶。无人驾驶汽车是通过车载传感系统感知道路环境，自动规划行车路线并控制车辆到达预定目标的智能汽车。利用车载传感器来感知车辆周围环境，并根据感知所获得的道路、车辆位置和障碍物信息，控制车辆的转向和速度，从而使车辆能够安全、可靠地在道路上行驶。
2、无人车的定位系统：车载传感器中camera，radar，lidar之类是获得环境感知数据的传感器，用来识别车道线，障碍物等。定位系统也属于车载传感系统里面的一个部分，但是他是用来确定无人车在全局坐标系下的位置。(类似于车载导航是用来定位现在车在哪即将要去哪)准确感知自身在全局中的相对位置，以使无人车(看作一个质点，定位系统下，整个无人车相当于一个质点，投影到全局坐标系下就是一个点，示意车辆在地图的什么位置。而导航技术把无人车看做非质点，这样才能规划路径，譬如车辆行驶的方向(航向角以及转向角)，车辆的宽度等与全局坐标系结合起来。而导航技术则能够保证无人车(非质点，定位系统下，整个无人车相当于一个质点，投影到全局坐标系下就是一个点，示意车辆在地图的什么位置。而导航技术把无人车看做非质点，这样才能规划路径，譬如车辆行驶的方向(航向角以及转向角)，车辆的宽度等)清楚地“知道”自己行驶的速度、方向、路径等信息。实际应用中，需要通过信息融合技术补偿单一传感器性能上的不足，视觉定位技术具有结构简单、定位精准、成本低等优点。同时由于光照反射等情况，造成机器视觉短时失效的情况下，惯导能起到补偿作用，防止导航系统失效。
3、经检索，公开号cn112249033a公布了一种车辆的自动驾驶系统及方法，所述自动驾驶系统包括感知模型、与所述感知模型通信连接的融合模型、与所述融合模型通信连接的规划决策模型、与所述规划决策模型通信连接的执行控制模型；以及与自动驾驶系统中所述执行控制模型通信连接的执行器；所述感知模型，用于确定车辆当前所处环境的目标对象；所述融合模型，用于采集所述目标对象的特征参数；所述规划决策模型，用于获取所述车辆的运动信息；根据所述运动信息与所述特征参数，生成自动驾驶指令；所述执行控制模型，用于控制车辆对应的执行器执行所述自动驾驶指令，实现所述车辆的自动驾驶。
4、经检索，公开号cn112644487a公布了一种自动驾驶的方法和装置，所述方法包括：在针对停车场的自动驾驶过程中，构建针对所述停车场的实时栅格地图；获取实时采集的环境信息，并根据所述环境信息，生成参考线；根据所述参考线，生成多条候选路径，并根据所述实时栅格地图和/或所述参考线，生成所述多条候选路径的评价结果；根据所述评价结果，从所述多条候选路径中，确定目标路径，以控制车辆按照所述目标路径进行自动驾驶。
5、现有的导航传感器形式很多，就目前为人们所熟知的主流无人车来看，其所使用的传感器大致包括用于环境感知的毫米波雷达、激光雷达、摄像头等传感器，以及用于车身定位的gps/ins传感器、惯性导航系统，但是均存在导航方式单一，可靠性差，输出数据精准度不够，常用的基于航位推算的自主定位方法是惯性导航系统(inertial navigationsystem，ins)，通过测量载体相对于惯性空间的角速度和加速度，再对测量的值进行积分来推算而获得载体的导航参数并实时输出。在gnss信号受干扰区域gnss/ins组合系统的误差会随着时间而逐渐积累,无法完成无人驾驶汽车的精准定位。如用高精度的惯性传感器价格昂贵，不利于无人驾驶汽车的产业化发展。由于这些传感器等设备和导航方式的限制也使无人车真正实现产业化的目标还有很大一段距离。
6、为了解决上述问题，需要设计一种自动驾驶定位方法及系统。
技术实现思路
1、针对上述问题，本发明提供一种自动驾驶定位方法，所述定位方法包括：
2、通过视觉定位进行图像处理并确定位置信息；
3、根据所述位置信息建立加速度计的自回归滑动平均模型并根据自回归滑动平均模型计算线性加速度值；
4、根据所述线性加速度值进行空间位置的组合定位。
5、优选地，所述通过视觉定位进行图像处理并确定位置信息包括以下步骤：
6、建立离散系统方程x(k)；
7、根据所述离散系统方程求得z(k)。
8、优选地，所述系统方程x(k)的计算公式为：
9、其中w表示过程噪声，k表示第k个周期；
10、所述z(k)的计算公式为：
11、其中v表示观测噪声。
12、优选地，所述自回归滑动平均模型的基本公式为xt-α1xt-1-α2xt-2…-αnxt-n＝at-β1at-1...-βmat-m；其中，α1...αn为自回归参数，n为自回归阶数，{at}为白噪声序列，m为滑动平均阶数；
13、建立所述自回归滑动平均模型后还包括：根据所述白噪声序列进行加速度计的卡尔曼滤波，对高斯噪声进行过滤。
14、优选地，计算线性加速度值包括以下步骤：
15、将载体坐标系变换成导航坐标系；
16、计算加速度计输出的比力加速度值；
17、根据所述导航坐标系和比力加速度值计算线性加速度值。
18、优选地，所述将载体坐标系变换成导航坐标系包括：根据计算惯性器件的实时输出矩阵其中b表示载体坐标系，n表示导航坐标系；
19、所述实时输出矩阵通过三轴欧拉角度换算获得，换算公式为：
20、其中c表示cos，s表示sin，α表示横滚角，β表示俯仰角，γ表示航向角；
21、所述线性加速度值的计算公式为其中vn表示线性加速度值，fb表示加速度计输出的比力加速度值。
22、本发明还提出一种自动驾驶定位系统，所述系统包括位置信息确定模块、线性加速度计算模块和组合定位模块；
23、其中，所述信息确定模块用于进行图像处理并确定位置信息；
24、所述线性加速度计算模块用于计算线性加速度值；
25、所述组合定位模块用于根据线性加速度值进行空间位置的组合定位。
26、优选地，所述信息确定模块用于进行图像处理并确定位置信息包括：
27、信息确定模块用于建立离散系统方程x(k)；
28、根据所述离散系统方程求得z(k)。
29、优选地，所述线性加速度计算模块包括模型构建单元和计算单元；其中，所述模型构建单元用于建立加速度计的自回归滑动平均模型，所述计算单元用于计算线性加速度值；
30、所述模型构建单元还用于进行加速度计的卡尔曼滤波，对高斯噪声进行过滤。
31、优选地，所述计算单元用于计算线性加速度值包括；
32、计算单元用于将载体坐标系变换成导航坐标系；
33、计算加速度计输出的比力加速度值；
34、根据所述导航坐标系和比力加速度值计算线性加速度值。
35、本发明具有以下有益效果：
36、本发明通过视觉定位进行图像处理并确定位置信息，然后根据位置信息建立加速度计的自回归滑动平均模型，再根据自回归滑动平均模型计算线性加速度值，最终根据线性加速度值进行空间位置的组合定位，通过组合定位的方式能够使得系统的导航方式更加丰富，从而提高自动驾驶定位的可靠性以及定位的精确度。而且，通过组合定位的方式使得定位的误差更小，即使长时间使用，受干扰而产生的误差也会更小。
37、本发明的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点可通过在说明书、权利要求书以及附图中所指出的结构来实现和获得。
1.一种自动驾驶定位方法，其特征在于，所述定位方法包括：
2.根据权利要求1所述的一种自动驾驶定位方法，其特征在于，
3.根据权利要求2所述的一种自动驾驶定位方法，其特征在于，
4.根据权利要求1所述的一种自动驾驶定位方法，其特征在于，
5.根据权利要求1所述的一种自动驾驶定位方法，其特征在于，
6.根据权利要求5所述的一种自动驾驶定位方法，其特征在于，
7.一种自动驾驶定位系统，其特征在于，所述系统包括位置信息确定模块、线性加速度计算模块和组合定位模块；
8.根据权利要求7所述的一种自动驾驶定位系统，其特征在于，
9.根据权利要求7所述的一种自动驾驶定位系统，其特征在于，
10.根据权利要求9所述的一种自动驾驶定位系统，其特征在于，
