本申请涉及定位，尤其涉及车辆定位方法及装置、汽车。
背景技术：
1、随着智能交通系统和自动驾驶技术的快速发展，高精度的车辆定位成为关键技术之一。传统上，全球定位系统（gps）作为最广泛应用的卫星定位技术，为车辆提供了全球范围内的定位服务。然而，gps信号容易受到建筑物遮挡、多路径效应等因素的影响，在城市峡谷或隧道等复杂环境中定位精度大大降低。另一方面，超宽带（ultra-wideband, uwb）技术凭借其高穿透力、高精度的特性，在室内或视线受限场景下展现了优越的定位能力，但单独依赖uwb也可能因环境因素导致定位不稳定。
2、为了克服单一定位技术的局限性，近年来逐步出现多种定位技术的融合策略，结合gps的广域覆盖优势与uwb的高精度特点，实现全天候、全地形的高精度车辆定位。但是现有技术中，受到gps信号的信号强度以及uwb信号的信号强度影响，使得现有技术中gps与uwb结合的技术方案的累积误差较大，进而使得车辆的定位精度较低。
3、上述内容仅用于辅助理解本申请的技术方案，并不代表承认上述内容是现有技术。
技术实现思路
1、本申请的主要目的在于提供一种车辆定位方法及装置、汽车，旨在提升车辆的定位精度。
2、为实现上述目的，本申请提出一种车辆定位方法，所述的方法包括：
3、获取车辆的gps信号、uwb信号以及车辆的惯性数据；
4、根据所述gps信号和所述uwb信号的信号强度，确定所述gps信号以及所述uwb信号的定位权重；
5、在所述gps信号与所述uwb信号的定位权重至少一者不为0时，根据所述定位权重，对所述gps信号对应的定位数据和所述uwb信号对应的定位数据进行加权融合，获取融合定位数据；
6、根据所述惯性数据修正所述融合定位数据，以确定所述车辆的定位信息。
7、在一实施例中，所述根据所述gps信号和所述uwb信号的信号强度，确定所述gps信号以及所述uwb信号的定位权重的步骤还包括：
8、当所述gps信号的信号强度高于预设第一阈值，且所述uwb信号的信号强度高于预设第二阈值时，所述gps信号的定位权重根据以下公式获取：
9、；
10、当所述gps信号的信号强度高于所述预设第一阈值，且所述uwb信号的信号强度高于所述预设第二阈值时，所述uwb信号的定位权重根据以下公式获取：
11、；
12、其中，所述为gps信号的定位权重，为uwb信号的定位权重，为实际获取的gps信号的信号强度，为实际获取的uwb信号的信号强度，为预设第一阈值，为预设第二阈值，为gps信号的最大信号强度，为uwb信号的最大信号强度，为归一化常数，为介于0~1之间的偏斜参数。
13、在一实施例中，所述根据所述gps信号和所述uwb信号的信号强度，确定所述gps信号以及所述uwb信号的定位权重的步骤还包括：
14、当所述gps信号的信号强度低于所述预设第一阈值时，确定所述gps信号的定位权重为0；当所述uwb信号的信号强度低于所述预设第二阈值时，确定所述uwb信号的定位权重为0。
15、在一实施例中，所述方法还包括：在所述gps信号与所述uwb信号的定位权重均为0时，根据所述惯性数据以及所述gps信号强度为预设第一阈值时或所述uwb信号强度为预设第二阈值时确定的定位信息，确定车辆的定位信息。
16、在一实施例中，在所述gps信号与所述uwb信号的定位权重至少一者不为0时，根据所述定位权重，对所述gps信号对应的定位数据和所述uwb信号对应的定位数据进行加权融合，获取融合定位数据的步骤包括：
17、将所述gps信号的定位权重与所述gps信号对应的定位数据进行加权，得到加权后的gps定位数据；
18、将所述uwb信号的定位权重与所述uwb信号对应的定位数据进行加权，得到加权后的uwb定位数据；
19、利用多源数据融合算法将所述gps定位数据与所述uwb定位数据进行融合，以获取所述融合定位数据。
20、在一实施例中，所述多源数据融合算法包括卡尔曼滤波、粒子滤波、深度学习融合算法中的至少一种。
21、在一实施例中，所述惯性数据包括车辆的加速度、角速度以及初始位置；所述根据所述惯性数据修正所述融合定位数据，以确定所述车辆的定位信息的步骤包括：
22、根据所述车辆的加速度、角速度以及初始位置，通过积分运算获取推算定位数据；
23、根据所述融合定位数据与所述推算定位数据之间的偏差，对所述融合定位数据进行修正，以确定所述车辆的定位信息。
24、在一实施例中，所述根据所述融合定位数据与所述推算定位数据之间的偏差，对所述融合定位数据进行修正，以确定所述车辆的定位信息的步骤包括：
25、计算所述融合定位数据与所述推算定位数据之间的偏差值；
26、判断所述偏差值是否超过预设的修正阈值；
27、若所述偏差值超过所述修正阈值，则根据所述偏差值对所述融合定位数据进行相应的修正，以减小所述偏差；
28、若所述偏差值未超过所述修正阈值，则保持所述融合定位数据不变。
29、此外，为实现上述目的，本申请还提出一种车辆定位装置，所述的装置包括：
30、信号获取模块，用于获取车辆的gps信号、uwb信号以及车辆的惯性数据；
31、权重确定模块，用于根据所述gps信号和所述uwb信号的信号强度，确定所述gps信号以及所述uwb信号的定位权重；
32、数据融合模块，用于在所述gps信号与所述uwb信号的定位权重至少一者不为0时，根据所述定位权重，对所述gps信号对应的定位数据和所述uwb信号对应的定位数据进行加权融合，获取融合定位数据；
33、修正模块，用于根据所述惯性数据修正所述融合定位数据，以确定所述车辆的定位信息。
34、此外，为实现上述目的，本申请还提出一种汽车，所述汽车利用了所述的车辆定位方法，和/或，包括了所述的车辆定位装置。
35、本申请提出的车辆定位方法通过先获取车辆的gps信号、uwb信号以及车辆的惯性数据，再根据所述gps信号和所述uwb信号的信号强度，确定所述gps信号以及所述uwb信号的定位权重，并在所述gps信号与所述uwb信号的定位权重至少一者不为0时，根据所述定位权重，对所述gps信号对应的定位数据和所述uwb信号对应的定位数据进行加权融合，获取融合定位数据，最后根据所述惯性数据修正所述融合定位数据，以确定所述车辆的定位信息。如此，本方案能够使车辆在不同环境下，根据gps信号与uwb信号的信号强度来动态确定各自的定位权重，结合惯性数据进行多源数据融合与误差修正，从而有效减少车辆定位的误差累积，提升车辆的定位精度。
1.一种车辆定位方法，其特征在于，所述的方法包括：
2.如权利要求1所述的方法，其特征在于，所述根据所述gps信号和所述uwb信号的信号强度，确定所述gps信号以及所述uwb信号的定位权重的步骤包括：
3.如权利要求2所述的方法，其特征在于，所述根据所述gps信号和所述uwb信号的信号强度，确定所述gps信号以及所述uwb信号的定位权重的步骤还包括：
4.如权利要求3所述的方法，其特征在于，所述方法还包括：在所述gps信号与所述uwb信号的定位权重均为0时，根据所述惯性数据以及所述gps信号强度为预设第一阈值时或所述uwb信号强度为预设第二阈值时确定的定位信息，确定车辆的定位信息。
5.如权利要求1所述的方法，其特征在于，所述在所述gps信号与所述uwb信号的定位权重至少一者不为0时，根据所述定位权重，对所述gps信号对应的定位数据和所述uwb信号对应的定位数据进行加权融合，获取融合定位数据的步骤包括：
6.如权利要求5所述的方法，其特征在于，所述多源数据融合算法包括卡尔曼滤波、粒子滤波、深度学习融合算法中的至少一种。
7.如权利要求1所述的方法，其特征在于，所述惯性数据包括车辆的加速度、角速度以及初始位置；所述根据所述惯性数据修正所述融合定位数据，以确定所述车辆的定位信息的步骤包括：
8.如权利要求7所述的方法，其特征在于，所述根据所述融合定位数据与所述推算定位数据之间的偏差，对所述融合定位数据进行修正，以确定所述车辆的定位信息的步骤包括：
9.一种车辆定位装置，其特征在于，所述的装置包括：
10.一种汽车，其特征在于，所述汽车利用了如权利要求1-8任一项所述的车辆定位方法，和/或，包括了权利要求9所述的车辆定位装置。
