CN110146074A - 一种应用于自动驾驶的实时定位方法及装置 - Google Patents
一种应用于自动驾驶的实时定位方法及装置 Download PDFInfo
- Publication number
- CN110146074A CN110146074A CN201810984483.1A CN201810984483A CN110146074A CN 110146074 A CN110146074 A CN 110146074A CN 201810984483 A CN201810984483 A CN 201810984483A CN 110146074 A CN110146074 A CN 110146074A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- semantic feature
- location information
- positioning result
- inertia measurement
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 59
- 238000005259 measurement Methods 0.000 claims abstract description 82
- 241001269238 Data Species 0.000 claims abstract description 62
- 238000007689 inspection Methods 0.000 claims description 15
- 235000013399 edible fruits Nutrition 0.000 claims description 4
- 238000001514 detection method Methods 0.000 claims description 3
- 230000015654 memory Effects 0.000 description 24
- 230000001133 acceleration Effects 0.000 description 11
- 238000004590 computer program Methods 0.000 description 11
- 238000010586 diagram Methods 0.000 description 10
- 238000003384 imaging method Methods 0.000 description 6
- 238000003860 storage Methods 0.000 description 6
- 238000009826 distribution Methods 0.000 description 4
- 230000004888 barrier function Effects 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 229910052799 carbon Inorganic materials 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 230000029058 respiratory gaseous exchange Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/10—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration
- G01C21/12—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning
- G01C21/16—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning by integrating acceleration or speed, i.e. inertial navigation
- G01C21/165—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning by integrating acceleration or speed, i.e. inertial navigation combined with non-inertial navigation instruments
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
- G01S17/02—Systems using the reflection of electromagnetic waves other than radio waves
- G01S17/06—Systems determining position data of a target
- G01S17/08—Systems determining position data of a target for measuring distance only
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Electromagnetism (AREA)
- Automation & Control Theory (AREA)
- Computer Networks & Wireless Communication (AREA)
- Traffic Control Systems (AREA)
- Navigation (AREA)
Abstract
本发明实施例公开一种应用于自动驾驶的实时定位方法及装置,该方法包括:从车辆内置的惯性测量传感器获取惯性测量传感器数据,并记录获取到该惯性测量传感器数据的时间点,当在该时间点获取到除去惯性测量传感器数据之外的传感器数据时,根据惯性测量传感器数据和其它传感器数据对车辆进行定位,以及当在该时间点没有获取到其它传感器数据,则根据惯性测量传感器数据对车辆进行定位。实施本发明实施例,可以以接收到惯性测量传感器数据的时间点为时间基准,结合该时间点所获得的传感器数据进行定位提高车辆的定位精度。
Description
技术领域
本发明涉及自动驾驶技术领域,具体涉及一种应用于自动驾驶的实时定位方法及装置。
背景技术
现有的车辆定位方法通常是,车辆内置的摄像头拍摄图像信息,将所拍摄到的图像信息发送给数据处理器,再经数据处理器进行分析处理得到定位结果。但是,在实践中发现,图像信息数据通常较大,其传输至数据处理器的耗时较长,此外,在图像信息数据传输至数据处理器之后,数据处理器对于图像信息数据的处理也是非常耗时的,因此,利用摄像头进行车辆定位所得到的当前时刻的车辆位置信息其实是早于当前时刻很久之前的车辆位置信息,定位精度通常较差。
发明内容
本发明实施例公开一种应用于自动驾驶的实时定位方法及装置,能够提高车辆的定位精度。
本发明实施例第一方面公开一种应用于自动驾驶的实时定位方法,所述方法包括:
从车辆内置的惯性测量传感器获取惯性测量传感器数据,并记录获取到所述惯性测量传感器数据的时间点;
检测所述时间点是否获取到其它传感器数据,所述其它传感器数据为除去所述惯性测量传感器数据之外的传感器数据;
如果获取到所述其它传感器数据,根据所述惯性测量传感器数据和所述其它传感器数据对所述车辆进行定位,获得所述车辆的当前定位结果;
如果没有获取到所述其它传感器数据,根据所述惯性测量传感器数据对所述车辆进行定位,获得所述车辆的当前定位结果。
作为一种可选的实施方式,在本发明实施例第一方面中,所述如果没有获取到所述其它传感器数据,根据所述惯性测量传感器数据对所述车辆进行定位,获得所述车辆的定位结果之后,所述方法还包括:
根据所述车辆的上一个定位结果、以及获得所述上一个定位结果时所述车辆的行驶信息,预估所述车辆的轨迹路线;
根据所述轨迹路线,确定出所述车辆的下一个预估定位结果;
获取所述车辆的当前定位结果与所述车辆的下一个预估定位结果的定位差异度;
判断所述定位差异度是否大于预设定位差异度;
如果大于所述预设定位差异度,将所述车辆的下一个预估定位结果作为所述车辆的当前定位结果。
作为一种可选的实施方式,在本发明实施例第一方面中,如果所述定位差异度大于所述预设定位差异度,所述方法还包括:
记录当前时刻,获取所述当前时刻之前的连续若干个历史定位差异度;
从所述若干个历史定位差异度中确定出取值大于所述预设定位差异度的历史定位差异度的数量;
判断所述数量是否大于预设阈值;
如果大于所述预设阈值,输出模式切换提示信息,所述模式切换提示信息用于提示用户输入模式切换指令;
当检测到所述模式切换指令时,将所述车辆的当前驾驶模式切换至人工驾驶模式。
作为一种可选的实施方式,在本发明实施例第一方面中,所述如果获取到所述其它传感器数据,根据所述惯性测量传感器数据和所述其它传感器数据对所述车辆进行定位,获得所述车辆的当前定位结果,包括:
如果获取到所述其它传感器数据,且所述其它传感器数据包含图像传感器数据时,根据所述惯性测量传感器数据和所述其它传感器数据中除所述图像传感器数据之外的传感器数据获得第一定位位置;
将所述第一定位位置映射到自动驾驶导航电子地图;
从所述自动驾驶导航电子地图中确定出目标区域,所述目标区域为以所述第一定位位置为中心并且以预设长度为半径的区域;
从所述图像传感器数据中提取若干语义特征;
在所述目标区域中匹配得到每一所述语义特征对应的第一位置信息,以及每一所述语义特征与所述车辆之间的第二位置信息;
根据所述语义特征的所述第一位置信息和所述第二位置信息,获得所述车辆的当前定位结果。
作为一种可选的实施方式,在本发明实施例第一方面中,所述在所述目标区域中匹配得到每一所述语义特征对应的第一位置信息,以及每一所述语义特征与所述车辆之间的第二位置信息之后,以及根据所述语义特征的所述第一位置信息和所述第二位置信息,获得所述车辆的当前定位结果之前,所述方法还包括:
根据每一所述语义特征的所述第二位置信息,控制所述车辆的激光雷达传感器向每一所述语义特征发射激光束;
接收每一所述语义特征针对所接收到的激光束反射的反射光束;
根据针对每一所述语义特征发射的激光束和其反射的发射光束,获得激光雷达传感器数据,所述激光雷达传感器数据至少包括对应语义特征的方位信息、高度信息、速度信息、姿态信息以及形状信息;
利用所述激光雷达传感器数据,对所述激光雷达传感器数据对应的语义特征的第二位置信息进行检验获得检验结果;
所述根据所述语义特征的所述第一位置信息和所述第二位置信息,获得所述车辆的当前定位结果,包括:
在所述检验结果指示所述语义特征的所述第二位置信息有效时,根据所述语义特征的所述第一位置信息和所述第二位置信息,获得所述车辆的当前定位结果。
本发明实施例第二方面公开一种应用于自动驾驶的实时定位装置,包括:
记录单元,用于从车辆内置的惯性测量传感器获取惯性测量传感器数据,并记录获取到所述惯性测量传感器数据的时间点;
检测单元,用于检测所述时间点是否获取到其它传感器数据,所述其它传感器数据为除去所述惯性测量传感器数据之外的传感器数据;
定位单元,用于当获取到所述其它传感器数据,根据所述惯性测量传感器数据和所述其它传感器数据对所述车辆进行定位,获得所述车辆的当前定位结果,以及当没有获取到所述其它传感器数据,根据所述惯性测量传感器数据对所述车辆进行定位,获得所述车辆的当前定位结果。
作为一种可选的实施方式,在本发明实施例第二方面中,所述应用于自动驾驶的实时定位装置还包括:
建模单元,用于所述定位单元当没有获取到所述其它传感器数据,根据所述惯性测量传感器数据对所述车辆进行定位,获得所述车辆的当前定位结果之后,根据所述车辆的上一个定位结果、以及获得所述上一个定位结果时所述车辆的行驶信息,预估所述车辆的轨迹路线,以及根据所述轨迹路线,确定出所述车辆的下一个预估定位结果;
第一获取单元,用于获取所述车辆的当前定位结果与所述车辆的下一个预估定位结果的定位差异度;
判断单元,用于判断所述定位差异度是否大于预设定位差异度,以及当所述定位差异度大于所述预设定位差异度时,将所述车辆的下一个预估定位结果作为所述车辆的当前定位结果。
作为一种可选的实施方式,在本发明实施例第二方面中,所述第一获取单元,还用于当所述判断单元判断出所述定位差异度大于所述预设定位差异度时,记录当前时刻,获取所述当前时刻之前的连续若干个历史定位差异度;
所述应用于自动驾驶的实时定位装置还包括:
确定单元,用于从所述若干个历史定位差异度中确定出取值大于所述预设定位差异度的历史定位差异度的数量;
所述判断单元,还用于判断所述数量是否大于预设阈值,以及当大于所述预设阈值时,输出模式切换提示信息,所述模式切换提示信息用于提示用户输入模式切换指令;
模式切换单元,用于当检测到所述模式切换指令时,将所述车辆的当前驾驶模式切换至人工驾驶模式。
作为一种可选的实施方式,在本发明实施例第二方面中,所述定位单元用于当获取到所述其它传感器数据,根据所述惯性测量传感器数据和所述其它传感器数据对所述车辆进行定位,获得所述车辆的当前定位结果的方式具体为:
所述定位单元,用于当获取到所述其它传感器数据,且所述其它传感器数据包含图像传感器数据时,根据所述惯性测量传感器数据和所述其它传感器数据中除所述图像传感器数据之外的传感器数据获得第一定位位置;以及将所述第一定位位置映射到自动驾驶导航电子地图;以及从所述自动驾驶导航电子地图中确定出目标区域,所述目标区域为以所述第一定位位置为中心并且以预设长度为半径的区域;以及从所述图像传感器数据中提取若干语义特征;以及在所述目标区域中匹配得到每一所述语义特征对应的第一位置信息,以及每一所述语义特征与所述车辆之间的第二位置信息;以及根据所述语义特征的所述第一位置信息和所述第二位置信息,获得所述车辆的当前定位结果。
作为一种可选的实施方式,在本发明实施例第二方面中,所述应用于自动驾驶的实时定位装置还包括:
控制单元,用于所述定位单元在所述目标区域中匹配得到每一所述语义特征对应的第一位置信息,以及每一所述语义特征与所述车辆之间的第二位置信息之后,以及根据所述语义特征的所述第一位置信息和所述第二位置信息,获得所述车辆的当前定位结果之前,根据每一所述语义特征的所述第二位置信息,控制所述车辆的激光雷达传感器向每一所述语义特征发射激光束;
接收单元,用于接收每一所述语义特征针对所接收到的激光束反射的反射光束;
第二获取单元,用于根据针对每一所述语义特征发射的激光束和其反射的发射光束,获得激光雷达传感器数据,所述激光雷达传感器数据至少包括对应语义特征的方位信息、高度信息、速度信息、姿态信息以及形状信息;以及利用所述激光雷达传感器数据,对所述激光雷达传感器数据对应的语义特征的第二位置信息进行检验获得检验结果;
所述定位单元用于根据所述语义特征的所述第一位置信息和所述第二位置信息,获得所述车辆的当前定位结果的方式具体为:
所述定位单元,用于在所述检验结果指示所述语义特征的所述第二位置信息有效时,根据所述语义特征的所述第一位置信息和所述第二位置信息,获得所述车辆的当前定位结果。
本发明实施例第三方面公开一种电子设备,包括:
本发明第二方面所介绍的应用于自动驾驶的实时定位装置;
本发明实施例第四方面公开了一种电子设备,包括:
存储有可执行程序代码的存储器;
与所述存储器耦合的处理器;
所述处理器调用所述存储器中存储的所述可执行程序代码,执行本发明第一方面的任意一种方法的部分或全部步骤。
本发明实施例第五方面公开一种计算机可读存储介质,其存储计算机程序,所述计算机程序包括用于执行本发明第一方面的任意一种方法的部分或全部步骤的指令。
本发明实施例第六方面公开一种计算机程序产品,当所述计算机程序产品在计算机上运行时,使得所述计算机执行第一方面的任意一种方法的部分或全部步骤。
本发明实施例第七方面公开一种应用发布平台,所述应用发布平台用于发布计算机程序产品,其中,当所述计算机程序产品在计算机上运行时,使得所述计算机执行第一方面的任意一种方法的部分或全部步骤。
与现有技术相比,本发明实施例具有以下有益效果:
1、从车辆内置的惯性测量传感器获取惯性测量传感器数据,并记录获取到该惯性测量传感器数据的时间点,当在该时间点获取到除去惯性测量传感器数据之外的传感器数据时,根据惯性测量传感器数据和其它传感器数据对车辆进行定位,以及当在该时间点没有获取到其它传感器数据,则根据惯性测量传感器数据对车辆进行定位。由于惯性测量传感器采集数据的频率高于其它传感器(如图像传感器、轮速传感器以及GPS传感器等)的采集频率,所以在本发明实施例中,以接收到惯性测量传感器数据的时间点为时间基准,结合该时间点所获得的传感器数据进行定位可以提高车辆的定位精度。
2、利用下一个预估定位结果对车辆的当前定位结果进行校验,可以进一步提高车辆的定位精度,还解决了仅利用惯性测量传感器长时间定位所导致的定位精度降低的问题。
3、在获取到图像传感器数据时,结合目标区域中语义特征的第一位置信息和第二位置信息获得车辆的当前定位结果,首先,从自动驾驶导航电子地图中获取目标区域,不仅可以缓解数据处理器的内存压力,还可以提高语义特征的匹配效率;其次,利用激光雷达传感器对语义特征的第二位置信息进行校验使得车辆的定位精度进一步提高。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是本发明实施例公开的一种应用于自动驾驶的实时定位方法的流程示意图;
图2是本发明实施例公开的另一种应用于自动驾驶的实时定位方法的流程示意图;
图3是本发明实施例公开的又一种应用于自动驾驶的实时定位方法的流程示意图;
图4是本发明实施例公开的一种应用于自动驾驶的实时定位装置的结构示意图;
图5是本发明实施例公开的另一种应用于自动驾驶的实时定位装置的结构示意图;
图6是本发明实施例公开的又一种应用于自动驾驶的实时定位装置的结构示意图;
图7是本发明实施例公开的一种电子设备的结构示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,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,都属于本发明保护的范围。
需要说明的是,本发明实施例及附图中的术语“包括”“具有”以及它们任何变形,意图在于覆盖不排他的包含。例如包含了一系列步骤或单元的过程、方法、***、产品或设备没有限定于已列出的步骤或单元,而是可选地还包括没有列出的步骤或单元,或可选地还包括对于这些过程、方法、产品或设备固有的其它步骤或单元。
本发明实施例公开一种应用于自动驾驶的实时定位方法及装置,能够提高车辆的定位精度。本发明实施例的执行主体为应用于自动驾驶的实时定位装置,以下分别进行详细说明。
实施例一
请参阅图1,图1是本发明实施例公开的一种应用于自动驾驶的实时定位方法的流程示意图。如图1所示,该应用于自动驾驶的实时定位方法可以包括以下步骤:
101、从车辆内置的惯性测量传感器获取惯性测量传感器数据,并记录获取到该惯性测量传感器数据的时间点。
在本发明实施例中,惯性测量传感器(Inertial measurement unit,IMU)将采集到的惯性测量传感器数据发送给数据处理器,数据处理器在获取到惯性测量传感器数据时可以记录获取到该惯性测量传感器数据的时间点,并以该时间点为依据设置惯性测量传感器数据的时间戳。同理,其它传感器(图像传感器、轮速传感器以及GPS传感器)将采集到的数据发送给数据处理器时,数据处理器同样会以接收到其它传感器数据的时间为依据设置其它传感器数据的时间戳。可选的,在本发明实施例中,该数据处理器可以为该车辆专用的数据处理器,即该数据处理器仅对该车辆的传感器数据执行处理操作,进一步可选的,该数据处理器也可以为云服务器中的数据处理模块,其可以接收任意车辆的传感器数据并对其执行处理操作。
其中,IMU的工作频率与图像传感器、轮速传感器以及GPS传感器的采样频率相比较IMU的采样频率最高,其可达200HZ或者更高。
102、检测上述时间点是否获取到其它传感器数据,如果是,执行步骤103;如果否,执行步骤104。
在本发明实施例中,其它传感器数据为除去惯性测量传感器数据之外的传感器数据。其中,需要说明的是,本发明实施例所提及的传感器(惯性测量传感器、图像传感器、轮速传感器以及GPS传感器)都为用于车辆定位的传感器,当然,车辆上的传感器除了用于车辆定位的传感器之外,还可以设置有用于身份校验的生物传感器,以及用于检测温度的温度传感器等等。
在本发明实施例中,上述图像传感器可以为环视摄像头以及前视摄像头,其中,环视摄像头主要用于识别短距离场景中的障碍物,前视摄像头主要用于识别中远距离场景中的车道线、交通标识、障碍物以及行人等。需要说明的是,环视摄像头和前视摄像头的采样频率相同。
103、根据上述惯性测量传感器数据和上述其它传感器数据对车辆进行定位,获得车辆的当前定位结果。
在本发明实施例中,若在上述时刻数据处理器除了获取到上述惯性测量传感器数据之外,还获取到上述其他传感器数据,数据处理器则利用卡尔曼滤波对所获得的上述惯性测量传感器数据和上述其它传感器数据进行融合进而得到车辆的当前定位结果。
104、根据上述惯性测量传感器数据对车辆进行定位,获得车辆的当前定位结果。
在本发明实施例中,IMU数据中主要包含车辆的瞬时加速度以及旋转角度,由于数据处理器根据瞬时加速度和旋转角度所得到的定位结果为相对于上一个定位结果的相对定位结果,所以车辆的当前定位结果由数据处理器结合上一个定位结果和该相对定位结果得到。其中,需要说明的是,数据处理器获得相对定位结果的时间点与获得上一个定位结果的时间点之间的时间间隔保持在μs级别。
通过实施上述方法,数据处理器以接收到采样频率最高的惯性测量传感器数据的时间点为时间基准,结合该时间点所获得的传感器数据进行定位可以提高车辆的定位精度。
实施例二
请参阅图2,图2是本发明实施例公开的另一种应用于自动驾驶的实时定位方法的流程示意图。如图2所示,该应用于自动驾驶的实时定位方法可以包括以下步骤:
步骤201~步骤204的详细描述,请参照实施例一中针对步骤101~步骤104的详细描述,本发明实施例不再赘述。其中,步骤204执行完毕之后,执行步骤205。
205、根据车辆的上一个定位结果、以及获得上一个定位结果时车辆的行驶信息,预估车辆的轨迹路线。
206、根据预估的轨迹路线,确定出车辆的下一个预估定位结果。
在本发明实施例中,上述行驶信息至少包括车辆的瞬时加速度和车辆的位姿信息,其中,根据车辆的上一个定位结果、以及获得上一个定位结果时车辆的行驶信息,预估车辆的轨迹路线可以包括,根据获得上一个定位结果时车辆的瞬时加速度、车辆的位姿信息以及轨迹模型,预估车辆在获得上一个定位结果之后的某一较短时间段内车辆的行驶方向、行驶速度以及行驶加速度;其中,该某一较短时间段为获得下一个定位结果与获得上一个定位结果之间的时间间隔;根据上一个定位结果,以及在获得上一个定位结果之后的某一较短时间段内车辆的行驶方向、行驶速度以及行驶加速度获得下一个预估定位结果。
207、获取车辆的当前定位结果与车辆的下一个预估定位结果的定位差异度。
208、判断上述定位差异度是否大于预设定位差异度,如果是,执行步骤209;如果否,结束本流程。
在本发明实施例中,定位差异度至少包括车辆的位姿差异度和位置差异度,对应的,预设定位差异度中至少包括预设位姿差异度和预设位置差异度,可选的,判断上述定位差异度是否大于预设定位差异度可以包括,判断上述定位差异度中的位姿差异度是否大于预设位姿差异度,以及判断上述定位差异度中的位置差异度是否大于预设位置差异度,如果上述定位差异度中的位姿差异度和位置差异度分别大于预设位姿差异度和预设位置差异度,确定上述定位差异度大于预设定位差异度,并执行步骤209;如果上述定位差异度中的位姿差异度大于预设位姿差异度,上述定位差异度中的位置差异度小于或者等于预设位置差异度,确定上述定位差异度大于预设定位差异度,并执行步骤209;如果上述定位差异度中的位姿差异度小于或者等于预设位姿差异度,上述定位差异度中的位置差异度大于预设位置差异度,确定上述定位差异度大于预设定位差异度,并执行步骤209;如果上述定位差异度中的位姿差异度小于或者等于预设位姿差异度,且上述定位差异度中的位置差异度小于或者等于预设位置差异度,确定上述定位差异度小于等于预设定位差异度,则结束本流程。
209、将车辆的下一个预估定位结果作为车辆的当前定位结果。
执行步骤205~步骤209可以根据获得上一个定位结果时车辆的行驶信息以及上一个定位结果得到下一个预估定位结果,以及在车辆的当前定位结果与车辆的下一个预估定位结果的定位差异度大于预设定位差异度的情况下,将车辆的下一个预估定位结果作为车辆的当前定位结果。由于在某一较长时间段内仅利用IMU进行定位会使得所得到的定位结果的精度不断下降,执行步骤205~步骤209可以解决仅利用IMU长时间定位所导致的定位精度降低的问题。
可选的,在本发明实施例中,步骤209执行完之后,还可以记录当前时刻,获取当前时刻之前的连续若干个历史定位差异度;从上述若干个历史定位差异度中确定出取值大于预设定位差异度的历史定位差异度的数量;判断上述数量是否大于预设阈值,以及当上述数量大于预设阈值时输出模式切换提示信息,该模式切换提示信息用于提示用户输入模式切换指令;当检测到该模式切换指令时,将车辆的当前驾驶模式切换至人工驾驶模式。
在本发明实施例中,由于对车辆的定位是实时的,所以车辆在处于自动驾驶模式时,步骤201~步骤209是不断重复执行的,因此会产生许多连续的历史定位差异度,其中,所产生的历史定位差异度中可能会存在大于预设定位差异度的历史定位差异度,如果在历史定位差异度中大于预设定位差异度的历史定位差异度的数量大于预设阈值,说明当前IMU的定位精度已经到达定位精度下限,此时输出用于提示用户输入模式切换指令的模式切换提示信息,可以及时通知用户切换当前驾驶模式为人工驾驶模式,可以有效降低车辆偏离预设行驶路线的风险。
通过实施上述方法,可以提高车辆的定位精度,也可以解决仅利用IMU长时间定位所导致的定位精度降低的问题,还可以有效降低车辆偏离预设行驶路线的风险。
实施例三
请参阅图3,图3是本发明实施例公开的又一种应用于自动驾驶的实时定位方法的流程示意图。如图3所示,该应用于自动驾驶的实时定位方法可以包括以下步骤:
301、从车辆内置的惯性测量传感器获取惯性测量传感器数据,并记录获取到该惯性测量传感器数据的时间点。
302、检测上述时间点是否获取到其它传感器数据,如果是,执行步骤304;如果否,执行步骤303。
303、根据上述惯性测量传感器数据对车辆进行定位,获得车辆的当前定位结果。
其中,针对步骤301~步骤303的详细描述,请参照实施例一中的描述,本发明实施例不再赘述。
304、若上述其它传感器数据包含图像传感器数据,根据惯性测量传感器数据和上述其它传感器数据中除图像传感器数据之外的传感器数据获得第一定位位置。
305、将上述第一定位位置映射到自动驾驶导航电子地图。
306、从自动驾驶导航电子地图中确定出目标区域,该目标区域为以上述第一定位位置为中心并且以预设长度为半径的区域。
若上述数据处理器为该车辆专用的数据处理器,上述自动驾驶导航电子地图可以存储于云服务器中,也可以存储于该车辆专用的数据处理器中,本发明实施例不做限定。如果上述自动驾驶导航电子地图可以存储于云服务器中可以降低数据处理器的内存压力和成本;如果上述自动驾驶导航电子地图存储于该车辆专用的数据处理器中可以提高数据处理器得到目标区域的效率。
如果上述自动驾驶导航电子地图存储于云服务器中,可选的,数据处理器将第一定位位置映射到自动驾驶导航电子地图可以包括:数据处理器将携带有设备标识的第一定位位置发送至云服务器,云服务器在接收到该第一定位位置之后,从自动驾驶导航电子地图中查找该第一定位位置进行标记,并从自动驾驶导航电子地图中获取以上述第一定位位置为中心并且以预设长度为半径的目标区域,以及根据上述第一定位位置所携带的设备标识,将获得的目标区域发送给数据处理器。
需要说明的是,上述预设长度可以由数据处理器设置,也可以由服务器设置,本发明实施例不做限定。
在本发明实施例中,若上述预设长度由数据处理器设置,数据处理器可以根据当前车辆的行驶信息和平均历史访问时长设置预设长度;其中,当前车辆的行驶信息至少包括当前车辆的瞬时速度和瞬时加速度,平均历史访问时长为某一预设时长内数据处理器获取到目标区域的平均时长。实施该方法数据处理器根据当前车辆的行驶信息和平均历史访问时长设置预设长度可以保证车辆获取目标区域的准确性和及时性。
若上述预设长度由服务器设置,那么可选的,数据处理器在向服务器发送第一定位位置的同时,还可以发送当前车辆的行驶信息,以及平均历史访问时长,服务器可以根据上述行驶信息和平均历史访问时长设置预设时长。实施该方法不仅能够保证获取目标区域的准确性和及时性,还可以降低设备功耗。
在本发明实施例中,执行步骤304~步骤306可以根据车辆的第一定位位置实时获取目标区域,这种实施方式可以降低数据处理器的内存压力。
307、从上述图像传感器数据中提取若干语义特征。
其中,步骤307中的语义特征可以为红路灯、路牌或者道路护栏等物体。
308、在目标区域中匹配得到若干语义特征中每一语义特征对应的第一位置信息,以及每一语义特征与车辆之间的第二位置信息。
可选的,在本发明实施例中,在目标区域中匹配得到若干语义特征中每一语义特征对应的第一位置信息,以及每一语义特征与车辆之间的第二位置信息,可以包括:
在目标区域中通过匹配上述若干语义特征的几何关系得到若干语义特征中每一语义特征对应的第一位置信息,以及每一语义特征与车辆之间的第二位置信息。
309、根据每一语义特征的第二位置信息,控制车辆的激光雷达传感器向每一语义特征发射激光束。
310、接收每一语义特征针对所接收到的激光束反射的反射光束。
311、根据针对每一语义特征发射的激光束和其反射的发射光束,获得激光雷达传感器数据,激光雷达传感器数据至少包括对应语义特征的方位信息、高度信息、速度信息、姿态信息以及形状信息。
在本发明实施例中,上述对应语义特征为上述若干语义特征。
312、利用上述激光雷达传感器数据,对上述激光雷达传感器数据对应的语义特征的第二位置信息进行检验获得检验结果。
在本发明实施例中,上述对应语义特征可以为上述若干语义特征,那么上述激光雷达传感器数据对应的语义特征的第二位置信息为上述若干语义特征中每一语义特征对应的第二位置信息。
其中,上述激光雷达传感器数据还包括针对每一语义特征发射激光束与接收发射光束的时间差,可选的,利用上述激光雷达传感器数据,对上述激光雷达传感器数据对应的语义特征的第二位置信息进行检验获得检验结果,可以包括:
利用上述激光雷达传感器数据进行三维建模得到针对上述每一语义特征的三维图像,以及上述每一语义特征相对于车辆的相对位置信息;
从上述目标区域中获取每一语义特征的标识;
判断上述每一语义特征的三维图像与其在上述目标区域中的标识是否相匹配;
如果相匹配,判断上述每一语义特征的相对位置信息是否与其对应的第二位置信息相同;
如果相同,则获得用于指示每一语义特征的第二位置信息有效的校验结果。
313、在上述检验结果指示语义特征的第二位置信息有效时,根据语义特征的第一位置信息和第二位置信息,获得车辆的当前定位结果。
需要说明的是,在上述检验结果指示每一语义特征的第二位置信息有效时,用于获取车辆当前定位结果的语义特征可以是上述若干语义特征中的所有语义特征,也可以是部分语义特征,本发明实施例不做限定。
执行步骤307~步骤313,在目标区域中匹配得到若干语义特征中每一语义特征与车辆之间的第二位置信息之后,可以利用获得的上述激光雷达传感器数据对每一语义特征与车辆之间的第二位置信息进行校验以确保第二位置信息。通过实施该方法在确保第二位置信息有效的情况下,根据语义特征的第一位置信息和第二位置信息,获得车辆的当前定位结果,可以提高车辆的定位精度。
通过实施上述方法,可以提高车辆的定位精度,也可以降低数据处理器的内存压力、成本以及功耗,还可以提高得到目标区域的及时性,还可以进一步提高车辆的定位精度。
实施例四
请参阅图4,图4是本发明实施例公开的一种应用于自动驾驶的实时定位装置的结构示意图。如图4所示,该应用于自动驾驶的实时定位装置可以包括:
记录单元401,用于从车辆内置的惯性测量传感器获取惯性测量传感器数据,并记录获取到该惯性测量传感器数据的时间点。
检测单元402,用于检测上述时间点是否获取到其它传感器数据,该其它传感器数据为除去惯性测量传感器数据之外的传感器数据。
定位单元403,用于当获取到其它传感器数据,根据上述惯性测量传感器数据和上述其它传感器数据对车辆进行定位,获得车辆的当前定位结果,以及当没有获取到上述其它传感器数据,根据上述惯性测量传感器数据对车辆进行定位,获得车辆的当前定位结果。
在本发明实施例中,定位单元403用于当获取到其它传感器数据,根据上述惯性测量传感器数据和上述其它传感器数据对车辆进行定位的方式具体可以是,定位单元403,用于当获取到其它传感器数据时,利用卡尔曼滤波对所获得的惯性测量传感器数据和上述其它传感器数据进行融合进而得到车辆的当前定位结果。
通过实施上述应用于自动驾驶的实时定位装置,以接收到采样频率最高的惯性测量传感器数据的时间点为时间基准,结合该时间点所获得的传感器数据进行定位可以提高车辆的定位精度。
实施例五
请参阅图5,图5是本发明实施例公开的另一种应用于自动驾驶的实时定位装置的结构示意图。图5所示的应用于自动驾驶的实时定位装置是由图4所示的应用于自动驾驶的实时定位装置优化得到的,如图5所示,该应用于自动驾驶的实时定位装置还可以包括:
建模单元404,用于上述定位单元403当没有获取到上述其它传感器数据,根据上述惯性测量传感器数据对车辆进行定位,获得车辆的当前定位结果之后,根据车辆的上一个定位结果、以及获得上一个定位结果时车辆的行驶信息,预估车辆的轨迹路线,以及根据该轨迹路线,确定出车辆的下一个预估定位结果。
在本发明实施例中,上述行驶信息至少包括车辆的瞬时加速度和车辆的位姿信息,其中,建模单元404用于根据车辆的上一个定位结果、以及获得上一个定位结果时车辆的行驶信息,预估车辆的轨迹路线的方式具体可以为:建模单元404,用于根据获得上一个定位结果时车辆的瞬时加速度、车辆的位姿信息以及轨迹模型,预估车辆在获得上一个定位结果之后的某一较短时间段内车辆的行驶方向、行驶速度以及行驶加速度;其中,该某一较短时间段为获得下一个定位结果与获得上一个定位结果之间的时间间隔;根据上一个定位结果,以及在获得上一个定位结果之后的某一较短时间段内车辆的行驶方向、行驶速度以及行驶加速度获得下一个预估定位结果。
第一获取单元405,用于获取车辆的当前定位结果与车辆的下一个预估定位结果的定位差异度。
判断单元406,用于判断上述定位差异度是否大于预设定位差异度,以及当上述定位差异度大于预设定位差异度时,将车辆的下一个预估定位结果作为车辆的当前定位结果。
在本发明实施例中,定位差异度至少包括车辆的位姿差异度和位置差异度,对应的,预设定位差异度中至少包括预设位姿差异度和预设位置差异度,可选的,判断单元406用户判断上述定位差异度是否大于预设定位差异度的方式具体可以为:判断单元406,用于判断上述定位差异度中的位姿差异度是否大于预设位姿差异度,以及判断上述定位差异度中的位置差异度是否大于预设位置差异度,如果上述定位差异度中的位姿差异度和位置差异度分别大于预设位姿差异度和预设位置差异度,确定上述定位差异度大于预设定位差异度;如果上述定位差异度中的位姿差异度大于预设位姿差异度,上述定位差异度中的位置差异度小于或者等于预设位置差异度,确定上述定位差异度大于预设定位差异度;如果上述定位差异度中的位姿差异度小于或者等于预设位姿差异度,上述定位差异度中的位置差异度大于预设位置差异度,确定上述定位差异度大于预设定位差异度;如果上述定位差异度中的位姿差异度小于或者等于预设位姿差异度,且上述定位差异度中的位置差异度小于或者等于预设位置差异度,确定上述定位差异度小于等于预设定位差异度。
可选的,在本发明实施例中,上述第一获取单元405,还用于当判断单元406判断出上述定位差异度大于预设定位差异度时,记录当前时刻,获取当前时刻之前的连续若干个历史定位差异度。
其中,该应用于自动驾驶的实时定位装置还包括:
确定单元407,用于从上述若干个历史定位差异度中确定出取值大于预设定位差异度的历史定位差异度的数量;
上述判断单元406,还用于判断取值大于预设定位差异度的历史定位差异度的数量是否大于预设阈值,以及当大于预设阈值时,输出模式切换提示信息,该模式切换提示信息用于提示用户输入模式切换指令。
在本发明实施例中,由于对车辆的定位是实时的,所以车辆在处于自动驾驶模式时,上述单元所执行的操作是重复执行的,因此会产生许多连续的历史定位差异度,其中,所产生的历史定位差异度中可能会存在大于预设定位差异度的历史定位差异度,上述判断单元406判断出历史定位差异度中大于预设定位差异度的历史定位差异度的数量大于预设阈值,说明当前IMU的定位精度已经到达定位精度下限,此时输出用于提示用户输入模式切换指令的模式切换提示信息,可以及时通知用户切换当前驾驶模式为人工驾驶模式,可以有效降低车辆偏离预设行驶路线的风险。
模式切换单元408,用于当检测到模式切换指令时,将车辆的当前驾驶模式切换至人工驾驶模式。
通过实施上述应用于自动驾驶的实时定位装置,可以提高车辆的定位精度,也可以解决仅利用IMU长时间定位所导致的定位精度降低的问题,还可以有效降低车辆偏离预设行驶路线的风险。
实施例六
请参阅图6,图6是本发明实施例公开的又一种应用于自动驾驶的实时定位装置的结构示意图。图6所示的应用于自动驾驶的实时定位装置是由图5所示的应用于自动驾驶的实时定位装置优化得到的,如图6所示,其中,该应用于自动驾驶的实时定位装置的上述定位单元403用于当获取到上述其它传感器数据,根据上述惯性测量传感器数据和上述其它传感器数据对车辆进行定位,获得车辆的当前定位结果的方式具体可以为:
定位单元403,用于当获取到上述其它传感器数据,且上述其它传感器数据包含图像传感器数据时,根据上述惯性测量传感器数据和上述其它传感器数据中除图像传感器数据之外的传感器数据获得第一定位位置;以及将该第一定位位置映射到自动驾驶导航电子地图;以及从自动驾驶导航电子地图中确定出目标区域,该目标区域为以第一定位位置为中心并且以预设长度为半径的区域;以及从图像传感器数据中提取若干语义特征;以及在目标区域中匹配得到每一语义特征对应的第一位置信息,以及每一语义特征与车辆之间的第二位置信息;以及根据语义特征的第一位置信息和第二位置信息,获得车辆的当前定位结果。
在本发明实施例中,针对上述预设长度的详细描述,请参照实施例三中的描述,本发明实施例不再赘述。此外,根据语义特征的第一位置信息和第二位置信息,获得车辆的当前定位结果时,该语义特征可以是上述若干语义特征中的部分或全部,本发明实施例不做限定。
可选的,在本发明实施例中,该应用于自动驾驶的实时定位装置还可以包括:
控制单元409,用于上述定位单元403在目标区域中匹配得到每一语义特征对应的第一位置信息,以及每一语义特征与车辆之间的第二位置信息之后,以及用于根据每一语义特征的第一位置信息和第二位置信息,获得车辆的当前定位结果之前,根据每一语义特征的第二位置信息,控制车辆的激光雷达传感器向每一语义特征发射激光束。
可选的,在本发明实施例中,控制单元409用于在目标区域中匹配得到若干语义特征中每一语义特征对应的第一位置信息,以及每一语义特征与车辆之间的第二位置信息的方式具体可以为:
控制单元409,用于在目标区域中通过匹配上述若干语义特征的几何关系得到若干语义特征中每一语义特征对应的第一位置信息,以及每一语义特征与车辆之间的第二位置信息。
接收单元410,用于接收每一语义特征针对所接收到的激光束反射的反射光束。
第二获取单元411,用于根据针对每一语义特征发射的激光束和其反射的发射光束,获得激光雷达传感器数据,该激光雷达传感器数据至少包括对应语义特征的方位信息、高度信息、速度信息、姿态信息以及形状信息;以及利用激光雷达传感器数据,对激光雷达传感器数据对应的语义特征的第二位置信息进行检验获得检验结果。
其中,上述激光雷达传感器数据还包括针对每一语义特征发射激光束与接收发射光束的时间差,可选的,第二获取单元411用于利用上述激光雷达传感器数据,对上述激光雷达传感器数据对应的语义特征的第二位置信息进行检验获得检验结果的具体方式可以为:
第二获取单元411,用于利用上述激光雷达传感器数据进行三维建模得到针对上述每一语义特征的三维图像,以及上述每一语义特征相对于车辆的相对位置信息;从上述目标区域中获取每一语义特征的标识;判断上述每一语义特征的三维图像与其在上述目标区域中的标识是否相匹配;如果相匹配,判断上述每一语义特征的相对位置信息是否与其对应的第二位置信息相同;如果相同,则获得用于指示每一语义特征的第二位置信息有效的校验结果。
上述定位单元403用于根据每一语义特征的第一位置信息和第二位置信息,获得车辆的当前定位结果的方式具体为:
上述定位单元403,用于在上述检验结果指示每一语义特征的第二位置信息有效时,根据语义特征的第一位置信息和第二位置信息,获得车辆的当前定位结果。
通过实施上述应用于自动驾驶的实时定位装置,可以提高车辆的定位精度,也可以降低数据处理器的内存压力、成本以及功耗,还可以提高得到目标区域的及时性,还可以进一步提高车辆的定位精度。
实施例七
请参阅图7,图7是本发明实施例公开的一种电子设备的结构示意图。该电子设备还可以包括实施例四至实施例六中任一实施例所描述的应用于自动驾驶的实时定位装置。如图7所示,该电子设可以包括:
存储有可执行程序代码的存储器701;
与存储器701耦合的处理器702;
其中,处理器702调用存储器701中存储的可执行程序代码,执行图1~图3任意一种应用于自动驾驶的实时定位方法。
本发明实施例公开一种计算机可读存储介质,其存储计算机程序,其中,该计算机程序使得计算机执行图1~图3任意一种应用于自动驾驶的实时定位方法。
本发明实施例公开一种计算机程序产品,当该计算机程序产品在计算机上运行时,使得计算机执行图1~图3任意一种应用于自动驾驶的实时定位方法。
本发明实施例公开一种应用发布平台,该应用发布平台用于发布计算机程序产品,其中,当计算机程序产品在计算机上运行时,使得计算机执行图1~图3任意一种应用于自动驾驶的实时定位方法。
本领域普通技术人员可以理解上述实施例的各种方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成,该程序可以存储于一计算机可读存储介质中,存储介质包括只读存储器(Read-Only Memory,ROM)、随机存储器(Random Access Memory,RAM)、可编程只读存储器(Programmable Read-only Memory,PROM)、可擦除可编程只读存储器(Erasable Programmable Read Only Memory,EPROM)、一次可编程只读存储器(One-time Programmable Read-Only Memory,OTPROM)、电子抹除式可复写只读存储器(Electrically-Erasable Programmable Read-Only Memory,EEPROM)、只读光盘(CompactDisc Read-Only Memory,CD-ROM)或其他光盘存储器、磁盘存储器、磁带存储器、或者能够用于携带或存储数据的计算机可读的任何其他介质。
以上对本发明实施例公开的一种应用于自动驾驶的实时定位方法及装置进行了详细介绍,本文中应用了具体个例对本发明的原理及实施方式进行了阐述,且上述具体个例中步骤序号的大小并不意味着执行顺序的必然先后,各过程的执行顺序应以其功能和内在逻辑确定,而不应对本发明实施例的实施过程构成任何限定。上述作为分离部件说明的单元可以是或者也可以不是物理上分开的,可根据实际的需要选择其中的部分或全部单元来实现本实施例方案的目的。
本文中字符“/”,一般表示前后关联对象是一种“或”的关系。在本发明所提供的实施例中,应理解,“与A相应的B”表示B与A相关联,根据A可以确定B。但还应理解,根据A确定B并不意味着仅仅根据A确定B,还可以根据A和/或其他信息确定B。另外,在本发明各实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。若上述集成的单元以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可获取的存储器中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或者部分,可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储器中,包括若干请求用以使得一台计算机设备(可以为个人计算机、服务器或者网络设备等,具体可以是计算机设备中的处理器)执行本发明的各个实施例上述方法的部分或全部步骤。
以上实施例的说明只是用于帮助理解本发明的方法及其核心思想;同时,对于本领域的一般技术人员,依据本发明的思想,在具体实施方式及应用范围上均会有改变之处,综上所述,本说明书内容不应理解为对本发明的限制。
Claims (10)
1.一种应用于自动驾驶的实时定位方法,其特征在于,包括:
从车辆内置的惯性测量传感器获取惯性测量传感器数据,并记录获取到所述惯性测量传感器数据的时间点;
检测所述时间点是否获取到其它传感器数据,所述其它传感器数据为除去所述惯性测量传感器数据之外的传感器数据;
如果获取到所述其它传感器数据,根据所述惯性测量传感器数据和所述其它传感器数据对所述车辆进行定位,获得所述车辆的当前定位结果;
如果没有获取到所述其它传感器数据,根据所述惯性测量传感器数据对所述车辆进行定位,获得所述车辆的当前定位结果。
2.根据权利要求1所述的方法,其特征在于,所述如果没有获取到所述其它传感器数据,根据所述惯性测量传感器数据对所述车辆进行定位,获得所述车辆的定位结果之后,所述方法还包括:
根据所述车辆的上一个定位结果、以及获得所述上一个定位结果时所述车辆的行驶信息,预估所述车辆的轨迹路线;
根据所述轨迹路线,确定出所述车辆的下一个预估定位结果;
获取所述车辆的当前定位结果与所述车辆的下一个预估定位结果的定位差异度;
判断所述定位差异度是否大于预设定位差异度;
如果大于所述预设定位差异度,将所述车辆的下一个预估定位结果作为所述车辆的当前定位结果。
3.根据权利要求2所述的方法,其特征在于,如果所述定位差异度大于所述预设定位差异度,所述方法还包括:
记录当前时刻,获取所述当前时刻之前的连续若干个历史定位差异度;
从所述若干个历史定位差异度中确定出取值大于所述预设定位差异度的历史定位差异度的数量;
判断所述数量是否大于预设阈值;
如果大于所述预设阈值,输出模式切换提示信息,所述模式切换提示信息用于提示用户输入模式切换指令;
当检测到所述模式切换指令时,将所述车辆的当前驾驶模式切换至人工驾驶模式。
4.根据权利要求1~3所述的方法,其特征在于,所述如果获取到所述其它传感器数据,根据所述惯性测量传感器数据和所述其它传感器数据对所述车辆进行定位,获得所述车辆的当前定位结果,包括:
如果获取到所述其它传感器数据,且所述其它传感器数据包含图像传感器数据时,根据所述惯性测量传感器数据和所述其它传感器数据中除所述图像传感器数据之外的传感器数据获得第一定位位置;
将所述第一定位位置映射到自动驾驶导航电子地图;
从所述自动驾驶导航电子地图中确定出目标区域,所述目标区域为以所述第一定位位置为中心并且以预设长度为半径的区域;
从所述图像传感器数据中提取若干语义特征;
在所述目标区域中匹配得到每一所述语义特征对应的第一位置信息,以及每一所述语义特征与所述车辆之间的第二位置信息;
根据所述语义特征的所述第一位置信息和所述第二位置信息,获得所述车辆的当前定位结果。
5.根据权利要求4所述的方法,其特征在于,所述在所述目标区域中匹配得到每一所述语义特征对应的第一位置信息,以及每一所述语义特征与所述车辆之间的第二位置信息之后,以及根据所述语义特征的所述第一位置信息和所述第二位置信息,获得所述车辆的当前定位结果之前,所述方法还包括:
根据每一所述语义特征的所述第二位置信息,控制所述车辆的激光雷达传感器向每一所述语义特征发射激光束;
接收每一所述语义特征针对所接收到的激光束反射的反射光束;
根据针对每一所述语义特征发射的激光束和其反射的发射光束,获得激光雷达传感器数据,所述激光雷达传感器数据至少包括对应语义特征的方位信息、高度信息、速度信息、姿态信息以及形状信息;
利用所述激光雷达传感器数据,对所述激光雷达传感器数据对应的语义特征的第二位置信息进行检验获得检验结果;
所述根据所述语义特征的所述第一位置信息和所述第二位置信息,获得所述车辆的当前定位结果,包括:
在所述检验结果指示所述语义特征的所述第二位置信息有效时,根据所述语义特征的所述第一位置信息和所述第二位置信息,获得所述车辆的当前定位结果。
6.一种应用于自动驾驶的实时定位装置,其特征在于,包括:
记录单元,用于从车辆内置的惯性测量传感器获取惯性测量传感器数据,并记录获取到所述惯性测量传感器数据的时间点;
检测单元,用于检测所述时间点是否获取到其它传感器数据,所述其它传感器数据为除去所述惯性测量传感器数据之外的传感器数据;
定位单元,用于当获取到所述其它传感器数据,根据所述惯性测量传感器数据和所述其它传感器数据对所述车辆进行定位,获得所述车辆的当前定位结果,以及当没有获取到所述其它传感器数据,根据所述惯性测量传感器数据对所述车辆进行定位,获得所述车辆的当前定位结果。
7.根据权利要求6所述的应用于自动驾驶的实时定位装置,其特征在于,所述应用于自动驾驶的实时定位装置还包括:
建模单元,用于所述定位单元当没有获取到所述其它传感器数据,根据所述惯性测量传感器数据对所述车辆进行定位,获得所述车辆的当前定位结果之后,根据所述车辆的上一个定位结果、以及获得所述上一个定位结果时所述车辆的行驶信息,预估所述车辆的轨迹路线,以及根据所述轨迹路线,确定出所述车辆的下一个预估定位结果;
第一获取单元,用于获取所述车辆的当前定位结果与所述车辆的下一个预估定位结果的定位差异度;
判断单元,用于判断所述定位差异度是否大于预设定位差异度,以及当所述定位差异度大于所述预设定位差异度时,将所述车辆的下一个预估定位结果作为所述车辆的当前定位结果。
8.根据权利要求7所述的应用于自动驾驶的实时定位装置,其特征在于,所述第一获取单元,还用于当所述判断单元判断出所述定位差异度大于所述预设定位差异度时,记录当前时刻,获取所述当前时刻之前的连续若干个历史定位差异度;
所述应用于自动驾驶的实时定位装置还包括:
确定单元,用于从所述若干个历史定位差异度中确定出取值大于所述预设定位差异度的历史定位差异度的数量;
所述判断单元,还用于判断所述数量是否大于预设阈值,以及当大于所述预设阈值时,输出模式切换提示信息,所述模式切换提示信息用于提示用户输入模式切换指令;
模式切换单元,用于当检测到所述模式切换指令时,将所述车辆的当前驾驶模式切换至人工驾驶模式。
9.根据权利要求6~8所述的应用于自动驾驶的实时定位装置,其特征在于,所述定位单元用于当获取到所述其它传感器数据,根据所述惯性测量传感器数据和所述其它传感器数据对所述车辆进行定位,获得所述车辆的当前定位结果的方式具体为:
所述定位单元,用于当获取到所述其它传感器数据,且所述其它传感器数据包含图像传感器数据时,根据所述惯性测量传感器数据和所述其它传感器数据中除所述图像传感器数据之外的传感器数据获得第一定位位置;以及将所述第一定位位置映射到自动驾驶导航电子地图;以及从所述自动驾驶导航电子地图中确定出目标区域,所述目标区域为以所述第一定位位置为中心并且以预设长度为半径的区域;以及从所述图像传感器数据中提取若干语义特征;以及在所述目标区域中匹配得到每一所述语义特征对应的第一位置信息,以及每一所述语义特征与所述车辆之间的第二位置信息;以及根据所述语义特征的所述第一位置信息和所述第二位置信息,获得所述车辆的当前定位结果。
10.根据权利要求9所述的应用于自动驾驶的实时定位装置,其特征在于,所述应用于自动驾驶的实时定位装置还包括:
控制单元,用于所述定位单元在所述目标区域中匹配得到每一所述语义特征对应的第一位置信息,以及每一所述语义特征与所述车辆之间的第二位置信息之后,以及根据所述语义特征的所述第一位置信息和所述第二位置信息,获得所述车辆的当前定位结果之前,根据每一所述语义特征的所述第二位置信息,控制所述车辆的激光雷达传感器向每一所述语义特征发射激光束;
接收单元,用于接收每一所述语义特征针对所接收到的激光束反射的反射光束;
第二获取单元,用于根据针对每一所述语义特征发射的激光束和其反射的发射光束,获得激光雷达传感器数据,所述激光雷达传感器数据至少包括对应语义特征的方位信息、高度信息、速度信息、姿态信息以及形状信息;以及利用所述激光雷达传感器数据,对所述激光雷达传感器数据对应的语义特征的第二位置信息进行检验获得检验结果;
所述定位单元用于根据所述语义特征的所述第一位置信息和所述第二位置信息,获得所述车辆的当前定位结果的方式具体为:
所述定位单元,用于在所述检验结果指示所述语义特征的所述第二位置信息有效时,根据所述语义特征的所述第一位置信息和所述第二位置信息,获得所述车辆的当前定位结果。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810984483.1A CN110146074B (zh) | 2018-08-28 | 2018-08-28 | 一种应用于自动驾驶的实时定位方法及装置 |
PCT/CN2018/113663 WO2020042347A1 (zh) | 2018-08-28 | 2018-11-02 | 一种应用于自动驾驶的实时定位方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810984483.1A CN110146074B (zh) | 2018-08-28 | 2018-08-28 | 一种应用于自动驾驶的实时定位方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110146074A true CN110146074A (zh) | 2019-08-20 |
CN110146074B CN110146074B (zh) | 2021-06-15 |
Family
ID=67588348
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810984483.1A Active CN110146074B (zh) | 2018-08-28 | 2018-08-28 | 一种应用于自动驾驶的实时定位方法及装置 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN110146074B (zh) |
WO (1) | WO2020042347A1 (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111721299A (zh) * | 2020-06-30 | 2020-09-29 | 上海汽车集团股份有限公司 | 一种实时定位时间同步方法和装置 |
CN111753639A (zh) * | 2020-05-06 | 2020-10-09 | 上海欧菲智能车联科技有限公司 | 感知地图生成方法、装置、计算机设备和存储介质 |
CN112747754A (zh) * | 2019-10-30 | 2021-05-04 | 北京初速度科技有限公司 | 一种多传感器数据的融合方法、装置及*** |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP2690463A1 (en) * | 2011-03-24 | 2014-01-29 | Hokuyo Automatic Co. Ltd. | Signal processing device of scanning-type distance measurement device, signal processing method, and scanning-type distance measurement device |
CN103675868A (zh) * | 2012-09-12 | 2014-03-26 | 国际商业机器公司 | 用于使用视觉数据确定对象位置的方法和*** |
US20150268047A1 (en) * | 2013-12-06 | 2015-09-24 | Novatel Inc. | Navigation system with rapid gnss and inertial initialization |
CN106052683A (zh) * | 2016-05-25 | 2016-10-26 | 速感科技(北京)有限公司 | 机器人运动姿态估计方法 |
JP2017138196A (ja) * | 2016-02-03 | 2017-08-10 | 株式会社デンソー | 位置補正装置、ナビゲーションシステム、及び自動運転システム |
US20180074176A1 (en) * | 2016-09-14 | 2018-03-15 | Beijing Baidu Netcom Science And Technology Co., Ltd. | Motion compensation method and apparatus applicable to laser point cloud data |
CN107941212A (zh) * | 2017-11-14 | 2018-04-20 | 杭州德泽机器人科技有限公司 | 一种视觉与惯性联合定位方法 |
CN107976697A (zh) * | 2017-11-30 | 2018-05-01 | 中国铁路总公司 | 一种基于北斗/gps组合的列车安全定位方法及*** |
CN108254775A (zh) * | 2016-12-29 | 2018-07-06 | 联创汽车电子有限公司 | 车载导航***及其实现方法 |
CN108387243A (zh) * | 2018-03-09 | 2018-08-10 | 迪比(重庆)智能科技研究院有限公司 | 基于北斗和gps双模的智能车载终端 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP6248559B2 (ja) * | 2013-11-13 | 2017-12-20 | 株式会社デンソー | 車両用走行軌跡算出装置 |
CN106093994B (zh) * | 2016-05-31 | 2019-03-29 | 山东大学 | 一种基于自适应加权混合卡尔曼滤波的多源联合定位方法 |
-
2018
- 2018-08-28 CN CN201810984483.1A patent/CN110146074B/zh active Active
- 2018-11-02 WO PCT/CN2018/113663 patent/WO2020042347A1/zh active Application Filing
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP2690463A1 (en) * | 2011-03-24 | 2014-01-29 | Hokuyo Automatic Co. Ltd. | Signal processing device of scanning-type distance measurement device, signal processing method, and scanning-type distance measurement device |
CN103675868A (zh) * | 2012-09-12 | 2014-03-26 | 国际商业机器公司 | 用于使用视觉数据确定对象位置的方法和*** |
US20150268047A1 (en) * | 2013-12-06 | 2015-09-24 | Novatel Inc. | Navigation system with rapid gnss and inertial initialization |
JP2017138196A (ja) * | 2016-02-03 | 2017-08-10 | 株式会社デンソー | 位置補正装置、ナビゲーションシステム、及び自動運転システム |
CN106052683A (zh) * | 2016-05-25 | 2016-10-26 | 速感科技(北京)有限公司 | 机器人运动姿态估计方法 |
US20180074176A1 (en) * | 2016-09-14 | 2018-03-15 | Beijing Baidu Netcom Science And Technology Co., Ltd. | Motion compensation method and apparatus applicable to laser point cloud data |
CN108254775A (zh) * | 2016-12-29 | 2018-07-06 | 联创汽车电子有限公司 | 车载导航***及其实现方法 |
CN107941212A (zh) * | 2017-11-14 | 2018-04-20 | 杭州德泽机器人科技有限公司 | 一种视觉与惯性联合定位方法 |
CN107976697A (zh) * | 2017-11-30 | 2018-05-01 | 中国铁路总公司 | 一种基于北斗/gps组合的列车安全定位方法及*** |
CN108387243A (zh) * | 2018-03-09 | 2018-08-10 | 迪比(重庆)智能科技研究院有限公司 | 基于北斗和gps双模的智能车载终端 |
Non-Patent Citations (2)
Title |
---|
PFRUNDER ANDREAS,ET.AL: "Real-Time Autonomous Ground Vehicle Navigation in Heterogeneous Environments Using a 3D LiDAR", 《2017 IEEE/RSJ INTERNATIONAL CONFERENCE ON INTELLIGENT ROBOTS AND SYSTEMS (IROS)》 * |
赵佳等: "自动驾驶汽车高精定位导航技术路线分析", 《客车技术与研究》 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112747754A (zh) * | 2019-10-30 | 2021-05-04 | 北京初速度科技有限公司 | 一种多传感器数据的融合方法、装置及*** |
CN111753639A (zh) * | 2020-05-06 | 2020-10-09 | 上海欧菲智能车联科技有限公司 | 感知地图生成方法、装置、计算机设备和存储介质 |
CN111721299A (zh) * | 2020-06-30 | 2020-09-29 | 上海汽车集团股份有限公司 | 一种实时定位时间同步方法和装置 |
Also Published As
Publication number | Publication date |
---|---|
WO2020042347A1 (zh) | 2020-03-05 |
CN110146074B (zh) | 2021-06-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105774806B (zh) | 车辆行驶控制装置 | |
US10310087B2 (en) | Range-view LIDAR-based object detection | |
US11693409B2 (en) | Systems and methods for a scenario tagger for autonomous vehicles | |
JP5062497B2 (ja) | 風景画像認識を用いた自車位置検出システム | |
RU2742213C1 (ru) | Способ управления информацией о полосах движения, способ управления движением и устройство управления информацией о полосах движения | |
JP6666075B2 (ja) | 道路の車線識別子を決定する方法及び装置 | |
Montemerlo et al. | Winning the DARPA Grand Challenge with an AI robot | |
CN109029422A (zh) | 一种多无人机协作构建三维调查地图的方法和装置 | |
CN110377025A (zh) | 用于自动驾驶车辆的传感器聚合框架 | |
CN108986526A (zh) | 一种基于视觉传感跟踪车辆的智能停车方法及*** | |
CN109271857A (zh) | 一种伪车道线剔除方法及装置 | |
CN109460739A (zh) | 车道线检测方法及装置 | |
CN110146074A (zh) | 一种应用于自动驾驶的实时定位方法及装置 | |
CN109425343A (zh) | 本车位置推断装置 | |
CN108688660A (zh) | 运行范围确定装置 | |
CN111788102A (zh) | 用于跟踪交通灯的里程计***和方法 | |
JPH08247775A (ja) | 移動体の自己位置同定装置および自己位置同定方法 | |
CN109583416A (zh) | 伪车道线识别方法及*** | |
Stahl et al. | ROS-based localization of a race vehicle at high-speed using LIDAR | |
CN110001659A (zh) | 车辆中的驾驶干预 | |
CN110361008A (zh) | 地下车库自动泊车的定位方法及装置 | |
CN108819941A (zh) | 变道行驶预警方法、装置及设备 | |
CN105374208A (zh) | 路况提醒和摄像头检测方法及其装置 | |
JP7085259B2 (ja) | 車両制御装置 | |
CN109740461A (zh) | 目标跟随后的处理方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
TR01 | Transfer of patent right |
Effective date of registration: 20220303 Address after: 100083 unit 501, block AB, Dongsheng building, No. 8, Zhongguancun East Road, Haidian District, Beijing Patentee after: BEIJING MOMENTA TECHNOLOGY Co.,Ltd. Address before: 100083 room 28, 4 / F, block a, Dongsheng building, 8 Zhongguancun East Road, Haidian District, Beijing Patentee before: BEIJING CHUSUDU TECHNOLOGY Co.,Ltd. |
|
TR01 | Transfer of patent right |