CN110146096B - 一种基于图像感知的车辆定位方法及装置 - Google Patents

Abstract

本发明涉及图像处理领域，公开一种基于图像感知的车辆定位方法及装置，包括：获取车辆所在道路的道路图像的语义特征，并确定语义特征之间的相对位置关系；从自动驾驶导航电子地图中确定与语义特征以及相对位置关系匹配的备选位置，并计算各个备选位置的置信度；将置信度最高的备选位置确定为目标位置，并根据目标位置在自动驾驶导航电子地图中对车辆进行重定位。实施本发明实施例，能够根据摄像头获取的道路图像中的语义特征和语义特征之间的相对关系从自动驾驶导航电子地图中确定若干个备选位置，并计算每个备选位置的置信度，根据置信度最高的备选位置对车辆进行重定位，从而通过深度学习算法以及图像感知技术提高汽车定位的准确性。

Description

一种基于图像感知的车辆定位方法及装置

技术领域

本发明涉及图像处理领域，具体涉及一种基于图像感知的车辆定位方法及装置。

背景技术

近年来，自动驾驶汽车(Autonomous vehicles)的发展随着人工智能(ArtificialIntelligence，AI)的兴起登上了新台阶。自动驾驶汽车的实现离不开车载导航***，车载导航***可以利用全球定位***(Global Positioning System，GPS)实现对车辆的定位。然而，在实践中发现，全球定位***在定位时误差较大，无法满足自动驾驶时对车辆定位精确度的需求。

发明内容

本发明实施例公开一种基于图像感知的车辆定位方法及装置，能够提高汽车定位的精确度。

本发明实施例第一方面公开一种基于图像感知的车辆定位方法，所述方法包括：

获取所述车辆所在道路的道路图像；

对所述道路图像进行语义特征识别，获得所述道路图像的语义特征，以及确定任意两个所述语义特征之间的相对位置关系；

从预置的自动驾驶导航电子地图中确定至少一个与所述语义特征以及所述相对位置关系匹配的备选位置，并计算各个所述备选位置的置信度；

将所述置信度最高的所述备选位置确定为目标位置，并根据所述目标位置在所述自动驾驶导航电子地图中对所述车辆进行重定位。

作为一种可选的实施方式，在本发明实施例第一方面中，所述对所述道路图像进行语义特征识别，获得所述道路图像的语义特征，以及确定任意两个所述语义特征之间的相对位置关系，包括：

通过深度学习算法对所述道路图像进行语义特征识别，获得所述道路图像的语义特征；

计算任意两个所述语义特征的方位关系和相对距离；

将所述任意两个所述语义特征的方位关系和相对距离确定为对应的两个所述语义特征之间的相对位置关系。

作为一种可选的实施方式，在本发明实施例第一方面中，所述从预置的自动驾驶导航电子地图中确定至少一个与所述语义特征以及所述相对位置关系匹配的备选位置，并计算各个所述备选位置的置信度，包括：

从预置的自动驾驶导航电子地图中获取至少一个包含所有所述语义特征的第一初选位置；

从所有所述第一初选位置中确定至少一个与所述相对位置关系匹配的所述备选位置；

计算每个所述备选位置对应的所述车辆的第一位姿信息；

根据所述备选位置以及所述第一位姿信息，构建每个所述备选位置对应的三维模拟场景；

将所述三维模拟场景与所述自动驾驶导航电子地图进行比对，得到每个所述三维模拟场景对应的所述备选位置的第一欧式距离；

根据所述第一欧式距离计算得到每个所述备选位置的置信度。

作为一种可选的实施方式，在本发明实施例第一方面中，所述从预置的自动驾驶导航电子地图中确定至少一个与所述语义特征以及所述相对位置关系匹配的备选位置，并计算各个所述备选位置的置信度，包括：

从预置的自动驾驶导航电子地图中获取至少一个包含所有所述语义特征的第二初选位置；

从所有所述第二初选位置中确定至少一个与所述相对位置关系匹配的所述备选位置；

计算每个所述备选位置对应的所述车辆的第二位姿信息；

根据所述备选位置以及所述第二位姿信息，对所述自动驾驶导航电子地图中所述备选位置对应的三维场景进行投影，获得每个所述备选位置对应的二维场景图像，其中，所述自动驾驶导航电子地图为三维电子地图；

根据所述二维场景图像与所述道路图像，获取每个所述二维场景图像对应的所述备选位置的第二欧式距离；

根据所述第二欧式距离计算得到每个所述备选位置的置信度。

作为一种可选的实施方式，在本发明实施例第一方面中，所述将所述置信度最高的所述备选位置确定为目标位置，并根据所述目标位置在所述自动驾驶导航电子地图中对所述车辆进行重定位，包括：

利用遍历算法遍历所述置信度，获得置信度最高的目标置信度；

判断所述目标置信度是否达到预设置信度阈值；

如果所述目标置信度达到所述预设置信度阈值，将所述目标置信度对应的备选位置确定为目标位置，并根据所述目标位置在所述自动驾驶导航电子地图中对所述车辆进行重定位。

本发明实施例第二方面公开一种基于图像感知的车辆定位装置，包括：

获取单元，用于获取所述车辆所在道路的道路图像；

识别单元，用于对所述道路图像进行语义特征识别，获得所述道路图像的语义特征，以及确定任意两个所述语义特征之间的相对位置关系；

计算单元，用于从预置的自动驾驶导航电子地图中确定至少一个与所述语义特征以及所述相对位置关系匹配的备选位置，并计算各个所述备选位置的置信度；

重定位单元，用于将所述置信度最高的所述备选位置确定为目标位置，并根据所述目标位置在所述自动驾驶导航电子地图中对所述车辆进行重定位。

作为一种可选的实施方式，在本发明实施例第二方面中，所述识别单元包括：

识别子单元，用于通过深度学习算法对所述道路图像进行语义特征识别，获得所述道路图像的语义特征；

第一计算子单元，用于计算任意两个所述语义特征的方位关系和相对距离；

第一确定子单元，用于将所述任意两个所述语义特征的方位关系和相对距离确定为对应的两个所述语义特征之间的相对位置关系。

作为一种可选的实施方式，在本发明实施例第二方面中，所述计算单元包括：

第一获取子单元，用于从预置的自动驾驶导航电子地图中获取至少一个包含所有所述语义特征的第一初选位置；

第二确定子单元，用于从所有所述第一初选位置中确定至少一个与所述相对位置关系匹配的所述备选位置；

第二计算子单元，用于计算每个所述备选位置对应的所述车辆的第一位姿信息；

构建子单元，用于根据所述备选位置以及所述第一位姿信息，构建每个所述备选位置对应的三维模拟场景；

比对子单元，用于将所述三维模拟场景与所述自动驾驶导航电子地图进行比对，得到每个所述三维模拟场景对应的所述备选位置的第一欧式距离；

所述第二计算子单元，还用于根据所述第一欧式距离计算得到每个所述备选位置的置信度。

作为一种可选的实施方式，在本发明实施例第二方面中，所述计算单元包括：

第二获取子单元，用于从预置的自动驾驶导航电子地图中获取至少一个包含所有所述语义特征的第二初选位置；

第三确定子单元，用于从所有所述第二初选位置中确定至少一个与所述相对位置关系匹配的所述备选位置；

第三计算子单元，用于计算每个所述备选位置对应的所述车辆的第二位姿信息；

投影子单元，用于根据所述备选位置以及所述第二位姿信息，对所述自动驾驶导航电子地图中所述备选位置对应的三维场景进行投影，获得每个所述备选位置对应的二维场景图像，其中，所述自动驾驶导航电子地图为三维电子地图；

所述第二获取子单元，还用于根据所述二维场景图像与所述道路图像，获取每个所述二维场景图像对应的所述备选位置的第二欧式距离；

所述第三计算子单元，还用于根据所述第二欧式距离计算得到每个所述备选位置的置信度。

作为一种可选的实施方式，在本发明实施例第二方面中，所述重定位单元包括：

遍历子单元，用于利用遍历算法遍历所述置信度，获得置信度最高的目标置信度；

判断子单元，用于判断所述目标置信度是否达到预设置信度阈值；

重定位子单元，用于在所述判断子单元判断的结果为是时，将所述目标置信度对应的备选位置确定为目标位置，并根据所述目标位置在所述自动驾驶导航电子地图中对所述车辆进行重定位。

本发明实施例第三方面公开一种电子设备，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。

本发明实施例第四方面公开一种计算机可读存储介质，所述计算机可读存储介质存储了程序代码，其中，所述程序代码包括用于执行第一方面的任意一种方法的部分或全部步骤的指令。

本发明实施例第五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。

本发明实施例第六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，本发明发明点及实现的有益效果：

1、基于图像感知的车辆定位装置可以获取车辆所在道路的道路图像；对道路图像进行语义特征识别，获得道路图像的语义特征，以及确定任意两个语义特征之间的相对位置关系；从预置的自动驾驶导航电子地图中确定至少一个与语义特征以及相对位置关系匹配的备选位置，并计算各个备选位置的置信度；将置信度最高的备选位置确定为目标位置，并根据目标位置在自动驾驶导航电子地图中对车辆进行重定位。可见，该装置能够根据摄像头获取的道路图像中的语义特征和语义特征之间的相对关系从自动驾驶导航电子地图中确定若干个备选位置，并计算每个备选位置的置信度，根据置信度最高的备选位置对车辆进行重定位，从而通过深度学习算法以及图像感知技术提高汽车定位的准确性。

2、基于图像感知的车辆定位装置可以通过深度学习算法确定道路图像中任意两个语义特征之间的相对位置关系，提高了确定任意两个语义特征之间的相对位置关系的精确度。

3、基于图像感知的车辆定位装置可以通过相对位置关系在自动驾驶导航电子地图中确定至少一个备选位置，并将三维的备选位置投影为二维的场景图像，通过二维场景图像与道路图像进行比对，根据图像之间的重合度，得到每个备选位置的置信度，从而在保证置信度准确的基础上简化了置信度的计算方式。

4、基于图像感知的车辆定位装置可以对每个置信度进行遍历，避免在置信度的判断过程中出现遗漏的情况，还可以检测最高的置信度是否达到标准，如果达到标准，才可以确定置信度最高的备选位置为目标位置，保证了电子设备定位的准确性。

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基于图像感知的车辆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基于图像感知的车辆定位方法的流程示意图；

图3是本发明实施例公开的另一种基于图像感知的车辆定位方法的流程示意图；

图4是本发明实施例公开的一种基于图像感知的车辆定位方法的流程示意图；

图5是本发明实施例公开的另一种基于图像感知的车辆定位装置的结构示意图；

图6是本发明实施例公开的另一种基于图像感知的车辆定位装置的结构示意图；

图7是本发明实施例公开的另一种基于图像感知的车辆定位装置的结构示意图；

图8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”和“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基于图像感知的车辆定位方法及装置，能够提高汽车定位的精确度。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基于图像感知的车辆定位方法的流程示意图。如图1所示，该基于图像感知的车辆定位方法可以包括以下步骤：

101、电子设备获取车辆所在道路的道路图像。

本发明实施例中，电子设备可以是内置在车辆中的车载电脑或行车电脑等。电子设备可以控制车辆上设置的若干终端设备，如电子设备可以控制车辆设置的摄像头来获取图像，还可以控制中控大屏或者仪表盘输出信息，也可以通过控制轮速器等器件获取车辆的当前行驶速度、当前行驶方向以及当前加速度等信息，对此，本发明实施例不做限定。

本发明实施例中，电子设备可以通过车辆上设置的摄像头(如车顶摄像头或前视摄像头等)拍摄获得道路图像，其中，车辆上设置的摄像头的拍摄方向可以为固定的，也可以为可转动的。电子设备可以控制摄像头的拍摄方向调整至与车辆的当前行驶方向一致，并控制摄像头拍摄车辆当前所处道路的道路图像。

作为一种可选的实施方式，电子设备获取车辆所在道路的道路图像的方式还可以包括以下步骤：

电子设备通过红外检测仪检测车辆所处环境中的障碍物位置信息；

电子设备将红外检测仪的检测范围分为若干个区域，并根据障碍物位置信息从若干个区域中确定障碍物密度最大的目标区域；

电子设备调整摄像头的朝向至目标区域的中线，并拍摄道路图像，该道路图像中包含该目标区域中的障碍物图像。

其中，实施这种实施方式，可以使摄像头拍摄到的道路图像中包含若干道路周边的障碍物图像，以使电子设备后续在自动驾驶导航电子地图中更加准确的确定出备选位置，这也属于本发明的发明点之一。

102、电子设备对道路图像进行语义特征识别，获得道路图像的语义特征，以及确定任意两个语义特征之间的相对位置关系。

本发明实施例中，道路图像中可以包含若干子图像信息，如车道线、护栏、交通灯以及办公楼等子图像信息，且一个子图像信息可以对应一个语义特征，如车道线子图像对应的语义特征可以为车道线，交通灯子图像对应的语义特征可以为交通灯。

本发明实施例中，电子设备可以在道路图像中建立平面直角坐标系，电子设备可以在该平面直角坐标系中确认各个语义特征对应的坐标或坐标组，并且可以根据各个语义特征对应的坐标或坐标组确定任意两个语义特征之间的相对位置关系，相对位置关系可以为任意两个语义特征中一个语义特征相对于另一个语义特征的角度和距离等信息。

103、电子设备从预置的自动驾驶导航电子地图中确定至少一个与语义特征以及相对位置关系匹配的备选位置，并计算各个备选位置的置信度。

本发明实施例中，自动驾驶导航电子地图可以是预先存储至电子设备中的，且自动驾驶导航电子地图可以是三维(three-dimensional，3D)的，电子设备控制该自动驾驶导航电子地图放大或者缩小不会影响该地图在电子设备的显示器上显示的效果。置信度可以为各个备选位置与是当前车辆所在位置的可信度。

作为一种可选的实施方式，电子设备从预置的自动驾驶导航电子地图中确定至少一个与语义特征以及相对位置关系匹配的备选位置的方式可以包括以下步骤：

电子设备获取道路图像中包含的语义特征以及每个语义特征的数量，并从预置的自动驾驶导航电子地图中确定与语义特征匹配的特征位置，一个语义特征可以匹配若干个特征位置；

电子设备以特征位置为基础进行排列组合，生成若干个特征组合，其中，一个特征组合中包含的特征位置对应的语义特征与道路图像包含的语义特征相同，且一个特征组合中任意一个语义特征对应的特征位置的数量与道路图像中该语义特征的数量相等；

电子设备从若干个特征组合中确定任意两个特征位置之间的相对位置关系与道路图像中任意两个语义特征之间的相对位置关系相同的至少一个目标特征组合；

电子设备根据目标特征组合中的特征位置确定备选位置，其中一个目标组合特征确定一个备选位置。

其中，实施这种实施方式，可以确定出自动驾驶导航电子地图中与道路图像中的语义特征及其相对位置关系匹配的所有备选位置，提高了确认备选位置的准确率，这也属于本发明的发明点之一。

104、电子设备将置信度最高的备选位置确定为目标位置，并根据目标位置在自动驾驶导航电子地图中对车辆进行重定位。

本发明实施例中，电子设备可以将置信度最高的备选位置确定为目标位置，电子设备可以认为车辆当前位置与该目标位置相同，因此，电子设备可以将自动驾驶导航电子地图中的目标位置确定为车辆当前处于自动驾驶导航电子地图中的对应位置，从而实现电子设备对车辆在自动驾驶导航电子地图中的重定位。

在图1所描述的方法中，能够根据摄像头获取的道路图像中的语义特征和语义特征之间的相对关系从自动驾驶导航电子地图中确定若干个备选位置，并计算每个备选位置的置信度，根据置信度最高的备选位置对车辆进行重定位，从而通过深度学习算法以及图像感知技术提高汽车定位的准确性。还可以使摄像头拍摄到的道路图像中包含若干道路周边的障碍物图像，以使电子设备后续在自动驾驶导航电子地图中更加准确的确定出备选位置。此外，还可以对每个备选位置计算置信度，保证了每个备选位置都可以被判断。

实施例二

请参阅图2，图2是本发明实施例公开的另一种基于图像感知的车辆定位方法的流程示意图。如图2所示，该基于图像感知的车辆定位方法可以包括以下步骤：

201、电子设备获取车辆所在道路的道路图像。

202、电子设备通过深度学习算法对道路图像进行语义特征识别，获得道路图像的语义特征。

本发明实施例中，深度学习(Deep Learning)是机器学习中一种基于对数据进行表征学习的方法，电子设备可以利用深度学习算法识别道路图像中包含的若干语义特征，如电子设备可以识别出道路图像中包含的建筑物、车道线以及信号灯等语义特征。

203、电子设备计算任意两个语义特征的方位关系和相对距离。

本发明实施例中，电子设备可以确定每个语义特征在道路图像中的中心点，根据语义特征对应的中心点可以计算得到任意两个语义特征之间的相对距离。电子设备还可以在道路图像上建立平面直角坐标系，并且可以在该平面直角坐标系中确定每个语义特征对应的中心点的坐标，电子设备可以根据语义特征对应的中心点的坐标，计算得到任意两个语义特征之间的相对距离。

204、电子设备将任意两个语义特征的方位关系和相对距离确定为对应的两个语义特征之间的相对位置关系。

本发明实施例中，电子设备可以以该平面直角坐标系为依据，通过计算任意两个语义特征对应的中心点之间的角度关系，确定出任意两个语义特征的方位关系。电子设备可以将任意两个语义特征的方位关系和相对距离进行综合，生成该任意两个语义特征的相对位置关系。

本发明实施例中，实施上述的步骤202～步骤205，可以通过深度学习算法确定道路中任意两个语义特征之间的相对位置关系，提高了确定任意两个语义特征之间的相对位置关系的精确度，这也属于本发明的发明点之一。

205、电子设备从预置的自动驾驶导航电子地图中获取至少一个包含所有语义特征的第一初选位置。

本发明实施例中，第一初选位置中包含与道路图像中每个语义特征对应的物体，且每个语义特征的数量也与第一出初选位置中与该语义特征对应的物体的数量相同。

206、电子设备从所有第一初选位置中确定至少一个与相对位置关系匹配的备选位置。

本发明实施例中，电子设备可以获取第一初选位置中的任意两个物体之间的相对位置关系，电子设备还可以将第一初选位置对应的相对位置关系与道路图像对应的相对位置关系进行匹配，如果匹配度高，电子设备可以确认该第一初选位置为备选位置。电子设备可以对每个第一初选位置执行上述步骤，以使电子设备可以确定出第一初选位置中所有的备选位置，避免出现遗漏备选位置的情况，进而避免因遗漏备选位置而导致的定位错误的问题。

207、电子设备计算每个备选位置对应的车辆的第一位姿信息。

本发明实施例中，电子设备可以通过备选位置中物体在自动驾驶导航电子地图中的坐标以及道路图像计算车辆的第一位姿信息。备选位置中可以包含若干个物体，每个物体在自动驾驶导航电子地图中都可以存在三维坐标，自动驾驶导航电子地图可以是三维地图，且自动驾驶导航电子地图中可以建立空间直角坐标系，因此，在自动驾驶导航电子地图中体现的备选位置中的物体都可以存在以该空间直角坐标系为标准的三维坐标。车辆的第一位姿信息可以为车辆在自动驾驶导航电子地图中对应的三维坐标以及车辆的摄像头基于自动驾驶导航电子地图中的空间直角坐标系的三轴旋转角。电子设备可以根据道路图像中的物体在自动驾驶导航电子地图中的三维坐标以及道路图像中的物体在图像中的成像计算得到车辆在空间直角坐标系中的三维坐标以及车辆的摄像头基于空间直角坐标系的三轴旋转角，进而确定车辆的第一位姿信息，且每个备选位置都可以对应一个第一位姿信息。

208、电子设备根据备选位置以及第一位姿信息，构建每个备选位置对应的三维模拟场景。

本发明实施例中，第一位姿信息可以根据自动驾驶导航电子地图中的备选位置计算得到。由于电子设备识别出的道路图像中的语义特征只是识别出了语义，并没有识别出语义特征对应的细节信息，因此，电子设备可以以第一位姿信息为标准，将道路图像中包含的所有信息进行还原，电子设备可以构建道路图像对应的三维模拟场景，并将道路图像中的所有信息以第一位姿信息为标准构建至三维模拟场景中，从而将二维的道路图像转换为三维的道路模拟场景。由于第一位姿信息可以有若干个，因此电子设备构建的三维模拟场景也可以有若干个，且一个第一位姿信息可以对应一个三维模拟场景。

209、电子设备将三维模拟场景与自动驾驶导航电子地图进行比对，得到每个三维模拟场景对应的备选位置的第一欧式距离。

本发明实施例中，欧式距离(Euclidean Distance)也称为欧几里得度量(Euclidean Metric)，欧氏距离为两个物体在二维空间或三维空间内的实际距离。因为自动驾驶导航电子地图中的每个备选位置都对应一个第一位姿信息，一个第一位姿信息对应一个三维模拟场景，所以每个备选位置都可以对应一个三维模拟场景，电子设备需要将三维模拟场景与三维模拟场景对应的备选位置进行比对，得到每个备选位置的第一欧式距离。

210、电子设备根据第一欧式距离计算得到每个备选位置的置信度。

本发明实施例中，第一欧式距离越小可以认为三维模拟场景与三维模拟场景对应的备选位置越接近，因此第一欧式距离的大小与备选位置的置信度成反比，且本发明实施例对计算每个备选位置的置信度的方式不做限定。

本发明实施例中，实施上述的步骤206～步骤211，可以根据语义特征之间的相对位置关系在自动驾驶导航电子地图中确定至少一个备选位置，再将根据备选位置和相对位置关系生成的三维模拟场景与自动驾驶导航电子地图中的备选位置进行比对，得到备选位置的置信度，从而使得置信度的结果更加准确，这也属于本发明的发明点之一。

211、电子设备将置信度最高的备选位置确定为目标位置，并根据目标位置在自动驾驶导航电子地图中对车辆进行重定位。

在图2所描述的方法中，能够根据摄像头获取的道路图像中的语义特征和语义特征之间的相对关系从自动驾驶导航电子地图中确定若干个备选位置，并计算每个备选位置的置信度，根据置信度最高的备选位置对车辆进行重定位，从而通过深度学习算法以及图像感知技术提高汽车定位的准确性。还可以结合深度学习算法从道路图像中得到语义特征，提高了电子设备的数字图像处理的能力。此外，电子设备可以将二维的道路图像转化为三维场景图像，使得电子设备计算欧式距离更加准确。

实施例三

请参阅图3，图3是本发明实施例公开的另一种基于图像感知的车辆定位方法的流程示意图。如图3所示，该基于图像感知的车辆定位方法可以包括以下步骤：

301、电子设备获取车辆所在道路的道路图像。

302、电子设备对道路图像进行语义特征识别，获得道路图像的语义特征，以及确定任意两个语义特征之间的相对位置关系。

303、电子设备从预置的自动驾驶导航电子地图中获取至少一个包含所有语义特征的第二初选位置。

本发明实施例中，第二初选位置中包含与道路图像中每个语义特征对应的物体，且每个语义特征的数量也与第二出初选位置中与该语义特征对应的物体的数量相同。

304、电子设备从所有第二初选位置中确定至少一个与相对位置关系匹配的备选位置。

本发明实施例中，电子设备可以获取第二初选位置中的任意两个物体之间的相对位置关系，电子设备还可以将第二初选位置对应的相对位置关系与道路图像对应的相对位置关系进行匹配，如果匹配度高，电子设备可以确认该第二初选位置为备选位置。

305、电子设备计算每个备选位置对应的车辆的第二位姿信息。

本发明实施例中，电子设备可以通过备选位置中物体在自动驾驶导航电子地图中的坐标以及道路图像计算车辆的第二位姿信息。电子设备可以根据道路图像中的物体在自动驾驶导航电子地图中的三维坐标以及道路图像中的物体在图像中的成像计算得到车辆在空间直角坐标系中的三维坐标以及车辆的摄像头基于空间直角坐标系的三轴旋转角，进而确定车辆的第二位姿信息，且每个备选位置都可以对应一个第二位姿信息。

306、电子设备根据备选位置以及第二位姿信息，对自动驾驶导航电子地图中备选位置对应的三维场景进行投影，获得每个备选位置对应的二维场景图像，其中，自动驾驶导航电子地图为三维电子地图。

本发明实施例中，电子设备在不同的备选位置计算得到的第二位姿信息可以是不同的，因此电子设备对备选位置对应的三维场景进行投影都需要以该备选位置对应的第二位姿信息为依据，电子设备将备选位置在三维场景中的三维图像根据第二位姿信息投影到二维场景图像中，以进行三维场景到二维场景图像的转换。

307、电子设备根据二维场景图像与道路图像，获取每个二维场景图像对应的备选位置的第二欧式距离。

本发明实施例中，每个备选位置都可以投影为二维场景图像，电子设备可以将每个二维场景图像与道路图像进行比对，生成二维场景图像对应的备选位置的第二欧式距离。

308、电子设备根据第二欧式距离计算得到每个备选位置的置信度。

本发明实施例中，第二欧式距离越小可以认为二维场景图像与道路图像的重合度越高，因此第二欧式距离的大小与备选位置的置信度成反比，且本发明实施例对计算每个备选位置的置信度的方式不做限定。

本发明实施例中，实施上述的步骤303～步骤308，可以通过相对位置关系在自动驾驶导航电子地图中确定至少一个备选位置，并将三维的备选位置投影为二维的场景图像，通过二维场景图像与道路图像进行比对，根据图像之间的重合度，得到每个备选位置的置信度，从而在保证置信度准确的基础上简化了置信度的计算方式，这也属于本发明的发明点之一。

309、电子设备利用遍历算法遍历置信度，获得置信度最高的目标置信度。

本发明实施例中，遍历(Traversal)算法可以对电子设备获取到的所有置信度进行遍历，以避免出现遗漏的情况。便利算法可以为RANSAC算法等，对此，本发明实施例不做限定。电子设备通过对置信度进行遍历，可以获得置信度最高的目标置信度。

310、电子设备判断目标置信度是否达到预设置信度阈值，如果是，执行步骤311；如果否，结束本流程。

本发明实施例中，由于电子设备在计算过程中可能存在误差，因此电子设备计算得到的最高置信度对应的备选位置也可能与车辆当前所处位置并不相同，此时，电子设备还需要对目标置信度再次进行检测，如果目标执行度达到预设置信度阈值，电子设备可以认为目标置信度对应的备选位置与车辆当前所处的位置匹配。

311、电子设备将目标置信度对应的备选位置确定为目标位置，并根据目标位置在自动驾驶导航电子地图中对车辆进行重定位。

本发明实施例中，实施上述的步骤309～步骤311，可以对每个置信度进行遍历，避免在置信度的判断过程中出现遗漏的情况，还可以检测最高的置信度是否达到标准，如果达到标准，才可以确定置信度最高的备选位置为目标位置，保证了电子设备定位的准确性，这也属于本发明的发明点之一。

在图3所描述的方法中，能够根据摄像头获取的道路图像中的语义特征和语义特征之间的相对关系从自动驾驶导航电子地图中确定若干个备选位置，并计算每个备选位置的置信度，根据置信度最高的备选位置对车辆进行重定位，从而通过深度学习算法以及图像感知技术提高汽车定位的准确性。还可以将备选位置从三维图像转化为二维场景图像，简化了电子设备的运算量，提高了电子设备的运算效率。此外，还可以通过遍历算法确定置信度最高的目标置信度，保证了每个置信度都可以被识别。

实施例四

请参阅图4，图4是本发明实施例公开的一种基于图像感知的车辆定位装置的结构示意图。如图4所示，该基于图像感知的车辆定位装置可以包括：

获取单元401，用于获取车辆所在道路的道路图像。

作为一种可选的实施方式，获取单元401获取车辆所在道路的道路图像的方式具体可以为：

通过红外检测仪检测车辆所处环境中的障碍物位置信息；

将红外检测仪的检测范围分为若干个区域，并根据障碍物位置信息从若干个区域中确定障碍物密度最大的目标区域；

调整摄像头的朝向至目标区域的中线，并拍摄道路图像，该道路图像中包含该目标区域中的障碍物图像。

其中，实施这种实施方式，可以使摄像头拍摄到的道路图像中包含若干道路周边的障碍物图像，以使电子设备后续在自动驾驶导航电子地图中更加准确的确定出备选位置。

识别单元402，用于对获取单元401获取的道路图像进行语义特征识别，获得道路图像的语义特征，以及确定任意两个语义特征之间的相对位置关系。

计算单元403，用于从预置的自动驾驶导航电子地图中确定至少一个与识别单元402识别的语义特征以及相对位置关系匹配的备选位置，并计算各个备选位置的置信度。

作为一种可选的实施方式，计算单元403从预置的自动驾驶导航电子地图中确定至少一个与语义特征以及相对位置关系匹配的备选位置的方式具体可以为：

获取道路图像中包含的语义特征以及每个语义特征的数量，并从预置的自动驾驶导航电子地图中确定与语义特征匹配的特征位置，一个语义特征可以匹配若干个特征位置；

以特征位置为基础进行排列组合，生成若干个特征组合，其中，一个特征组合中包含的特征位置对应的语义特征与道路图像包含的语义特征相同，且一个特征组合中任意一个语义特征对应的特征位置的数量与道路图像中该语义特征的数量相等；

从若干个特征组合中确定任意两个特征位置之间的相对位置关系与道路图像中任意两个语义特征之间的相对位置关系相同的至少一个目标特征组合；

根据目标特征组合中的特征位置确定备选位置，其中一个目标组合特征确定一个备选位置。

其中，实施这种实施方式，可以确定出自动驾驶导航电子地图中与道路图像中的语义特征及其相对位置关系匹配的所有备选位置，提高了确认备选位置的准确率。

重定位单元404，用于将计算单元403计算得到的置信度最高的备选位置确定为目标位置，并根据目标位置在自动驾驶导航电子地图中对车辆进行重定位。

在图4所描述的基于图像感知的车辆定位装置中，能够根据摄像头获取的道路图像中的语义特征和语义特征之间的相对关系从自动驾驶导航电子地图中确定若干个备选位置，并计算每个备选位置的置信度，根据置信度最高的备选位置对车辆进行重定位，从而通过深度学习算法以及图像感知技术提高汽车定位的准确性。还可以使摄像头拍摄到的道路图像中包含若干道路周边的障碍物图像，以使电子设备后续在自动驾驶导航电子地图中更加准确的确定出备选位置。此外，还可以对每个备选位置计算置信度，保证了每个备选位置都可以被判断。

实施例五

请参阅图5，图5是本发明实施例公开的另一种基于图像感知的车辆定位装置的结构示意图。其中，图5所示的基于图像感知的车辆定位装置是由图4所示的基于图像感知的车辆定位装置进行优化得到的。与图4所示的基于图像感知的车辆定位装置相比，图5所示的基于图像感知的车辆定位装置的识别单元402可以包括：

识别子单元4021，用于通过深度学习算法对道路图像进行语义特征识别，获得道路图像的语义特征。

第一计算子单元4022，用于计算识别子单元4021识别出的任意两个语义特征的方位关系和相对距离。

第一确定子单元4023，用于将第一计算子单元4022计算得到的任意两个语义特征的方位关系和相对距离确定为对应的两个语义特征之间的相对位置关系。

本发明实施例中，可以通过深度学习算法确定道路图像中任意两个语义特征之间的相对位置关系，提高了确定任意两个语义特征之间的相对位置关系的精确度。

作为一种可选的实施方式，图5所示的基于图像感知的车辆定位装置的重定位单元404可以包括：

遍历子单元4041，用于利用遍历算法遍历置信度，获得置信度最高的目标置信度；

判断子单元4042，用于判断遍历子单元4041得到的目标置信度是否达到预设置信度阈值；

重定位子单元4043，用于在判断子单元4042判断的结果为是时，将遍历子单元4041得到的目标置信度对应的备选位置确定为目标位置，并根据目标位置在自动驾驶导航电子地图中对车辆进行重定位。

其中，实施这种实施方式，可以对每个置信度进行遍历，避免在置信度的判断过程中出现遗漏的情况，还可以检测最高的置信度是否达到标准，如果达到标准，才可以确定置信度最高的备选位置为目标位置，保证了电子设备定位的准确性。

在图5所描述的基于图像感知的车辆定位装置中，能够根据摄像头获取的道路图像中的语义特征和语义特征之间的相对关系从自动驾驶导航电子地图中确定若干个备选位置，并计算每个备选位置的置信度，根据置信度最高的备选位置对车辆进行重定位，从而通过深度学习算法以及图像感知技术提高汽车定位的准确性。还可以结合深度学习算法从道路图像中得到语义特征，提高了电子设备的数字图像处理的能力。此外，还可以通过遍历算法确定置信度最高的目标置信度，保证了每个置信度都可以被识别。

实施例六

请参阅图6，图6是本发明实施例公开的另一种基于图像感知的车辆定位装置的结构示意图。其中，图6所示的基于图像感知的车辆定位装置是由图5所示的基于图像感知的车辆定位装置进行优化得到的。与图5所示的基于图像感知的车辆定位装置相比，图6所示的基于图像感知的车辆定位装置的计算单元403可以包括：

第一获取子单元4031，用于从预置的自动驾驶导航电子地图中获取至少一个包含所有语义特征的第一初选位置.

第二确定子单元4032，用于从第一获取子单元4031获取的所有第一初选位置中确定至少一个与相对位置关系匹配的备选位置。

第二计算子单元4033，用于计算第二确定子单元4032确定的每个备选位置对应的车辆的第一位姿信息。

构建子单元4034，用于根据第二确定子单元4032确定的备选位置以及第二计算子单元4033计算得到的第一位姿信息，构建每个备选位置对应的三维模拟场景。

比对子单元4035，用于将构建子单元4034构建的三维模拟场景与自动驾驶导航电子地图进行比对，得到每个三维模拟场景对应的备选位置的第一欧式距离。

第二计算子单元4033，还用于根据比对子单元4035得到的第一欧式距离计算得到每个备选位置的置信度。

本发明实施例中，可以根据语义特征之间的相对位置关系在自动驾驶导航电子地图中确定至少一个备选位置，再将根据备选位置和相对位置关系生成的三维模拟场景与自动驾驶导航电子地图中的备选位置进行比对，得到备选位置的置信度，从而使得置信度的结果更加准确。

在图6所描述的基于图像感知的车辆定位装置中，能够根据摄像头获取的道路图像中的语义特征和语义特征之间的相对关系从自动驾驶导航电子地图中确定若干个备选位置，并计算每个备选位置的置信度，根据置信度最高的备选位置对车辆进行重定位，从而通过深度学习算法以及图像感知技术提高汽车定位的准确性。还可以将二维的道路图像转化为三维场景图像，使得电子设备计算欧式距离更加准确。

实施例七

请参阅图7，图7是本发明实施例公开的另一种基于图像感知的车辆定位装置的结构示意图。其中，图7所示的基于图像感知的车辆定位装置是由图5所示的基于图像感知的车辆定位装置进行优化得到的。与图5所示的基于图像感知的车辆定位装置相比，图7所示的基于图像感知的车辆定位装置的计算单元403可以包括：

第二获取子单元4036，用于从预置的自动驾驶导航电子地图中获取至少一个包含所有语义特征的第二初选位置。

第三确定子单元4037，用于从第二获取子单元4036获取的所有第二初选位置中确定至少一个与相对位置关系匹配的备选位置。

第三计算子单元4038，用于计算第三确定子单元4037确定的每个备选位置对应的车辆的第二位姿信息。

投影子单元4039，用于根据第三确定子单元4037确定的备选位置以及第三计算子单元4038计算得到的第二位姿信息，对自动驾驶导航电子地图中备选位置对应的三维场景进行投影，获得每个备选位置对应的二维场景图像，其中，自动驾驶导航电子地图为三维电子地图。

第二获取子单元4036，还用于根据投影子单元4039得到的二维场景图像与道路图像，获取每个二维场景图像对应的备选位置的第二欧式距离。

第三计算子单元4038，还用于根据第二获取子单元4036得到的第二欧式距离计算得到每个备选位置的置信度。

本发明实施例中，可以通过相对位置关系在自动驾驶导航电子地图中确定至少一个备选位置，并将三维的备选位置投影为二维的场景图像，通过二维场景图像与道路图像进行比对，根据图像之间的重合度，得到每个备选位置的置信度，从而在保证置信度准确的基础上简化了置信度的计算方式。

在图7所描述的基于图像感知的车辆定位装置中，能够根据摄像头获取的道路图像中的语义特征和语义特征之间的相对关系从自动驾驶导航电子地图中确定若干个备选位置，并计算每个备选位置的置信度，根据置信度最高的备选位置对车辆进行重定位，从而通过深度学习算法以及图像感知技术提高汽车定位的准确性。还可以将备选位置从三维图像转化为二维场景图像，简化了电子设备的运算量，提高了电子设备的运算效率。

实施例八

请参阅图8，图8是本发明实施例公开的一种电子设备的结构示意图。如图8所示，该电子设备可以包括：

存储有可执行程序代码的存储器801；

与存储器801耦合的处理器802；

其中，处理器802调用存储器801中存储的可执行程序代码，执行以上各方法实施例中的方法的部分或全部步骤。

本发明实施例还公开一种计算机可读存储介质，其中，计算机可读存储介质存储了程序代码，其中，程序代码包括用于执行以上各方法实施例中的方法的部分或全部步骤的指令。

本发明实施例还公开一种计算机程序产品，其中，当计算机程序产品在计算机上运行时，使得计算机执行如以上各方法实施例中的方法的部分或全部步骤。

本发明实施例还公开一种应用发布平台，其中，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，使得计算机执行如以上各方法实施例中的方法的部分或全部步骤。

应理解，说明书中所描述的实施例均属于可选实施例，所涉及的动作和模块并不一定是本发明所必须的。本领域技术人员也应该知悉，上述各过程的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。

在本发明所提供的实施例中，应理解，“与A对应的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。

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。

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，作为单元显示的部件可以是或者也可以不是物理单元，即可位于一个地方，或者也可以分布到多个网络单元上。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。

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。

上述集成的单元若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。

以上对本发明实施例公开的一种基于图像感知的车辆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，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 (8)

1.一种基于图像感知的车辆定位方法，其特征在于，所述方法包括：

获取所述车辆所在道路的道路图像；

对所述道路图像进行语义特征识别，获得所述道路图像的语义特征，以及确定任意两个所述语义特征之间的相对位置关系；

从预置的自动驾驶导航电子地图中确定至少一个与所述语义特征以及所述相对位置关系匹配的备选位置，并计算各个所述备选位置的置信度；

将所述置信度最高的所述备选位置确定为目标位置，并根据所述目标位置在所述自动驾驶导航电子地图中对所述车辆进行重定位；

所述从预置的自动驾驶导航电子地图中确定至少一个与所述语义特征以及所述相对位置关系匹配的备选位置，并计算各个所述备选位置的置信度，包括：

从预置的自动驾驶导航电子地图中获取至少一个包含所有所述语义特征的第一初选位置；从所有所述第一初选位置中确定至少一个与所述相对位置关系匹配的备选位置；计算每个所述备选位置对应的所述车辆的第一位姿信息；根据所述备选位置以及所述第一位姿信息，构建每个所述备选位置对应的三维模拟场景；将所述三维模拟场景与所述自动驾驶导航电子地图进行比对，得到每个所述三维模拟场景对应的所述备选位置的第一欧式距离；根据所述第一欧式距离计算得到每个所述备选位置的置信度。

2.根据权利要求1所述的方法，其特征在于，所述对所述道路图像进行语义特征识别，获得所述道路图像的语义特征，以及确定任意两个所述语义特征之间的相对位置关系，包括：

通过深度学习算法对所述道路图像进行语义特征识别，获得所述道路图像的语义特征；

计算任意两个所述语义特征的方位关系和相对距离；

将所述任意两个所述语义特征的方位关系和相对距离确定为对应的两个所述语义特征之间的相对位置关系。

3.根据权利要求1或2所述的方法，其特征在于，所述将所述置信度最高的所述备选位置确定为目标位置，并根据所述目标位置在所述自动驾驶导航电子地图中对所述车辆进行重定位，包括：

利用遍历算法遍历所述置信度，获得置信度最高的目标置信度；

判断所述目标置信度是否达到预设置信度阈值；

如果所述目标置信度达到所述预设置信度阈值，将所述目标置信度对应的备选位置确定为目标位置，并根据所述目标位置在所述自动驾驶导航电子地图中对所述车辆进行重定位。

4.一种基于图像感知的车辆定位方法，其特征在于，所述方法包括：

获取所述车辆所在道路的道路图像；

对所述道路图像进行语义特征识别，获得所述道路图像的语义特征，以及确定任意两个所述语义特征之间的相对位置关系；

从预置的自动驾驶导航电子地图中确定至少一个与所述语义特征以及所述相对位置关系匹配的备选位置，并计算各个所述备选位置的置信度；

将所述置信度最高的所述备选位置确定为目标位置，并根据所述目标位置在所述自动驾驶导航电子地图中对所述车辆进行重定位；

所述从预置的自动驾驶导航电子地图中确定至少一个与所述语义特征以及所述相对位置关系匹配的备选位置，并计算各个所述备选位置的置信度，包括：

从预置的自动驾驶导航电子地图中获取至少一个包含所有所述语义特征的第二初选位置；从所有所述第二初选位置中确定至少一个与所述相对位置关系匹配的备选位置；计算每个所述备选位置对应的所述车辆的第二位姿信息；根据所述备选位置以及所述第二位姿信息，对所述自动驾驶导航电子地图中所述备选位置对应的三维场景进行投影，获得每个所述备选位置对应的二维场景图像，其中，所述自动驾驶导航电子地图为三维电子地图；根据所述二维场景图像与所述道路图像，获取每个所述二维场景图像对应的所述备选位置的第二欧式距离；根据所述第二欧式距离计算得到每个所述备选位置的置信度。

5.一种基于图像感知的车辆定位装置，其特征在于，包括：

获取单元，用于获取所述车辆所在道路的道路图像；

识别单元，用于对所述道路图像进行语义特征识别，获得所述道路图像的语义特征，以及确定任意两个所述语义特征之间的相对位置关系；

计算单元，用于从预置的自动驾驶导航电子地图中确定至少一个与所述语义特征以及所述相对位置关系匹配的备选位置，并计算各个所述备选位置的置信度；

重定位单元，用于将所述置信度最高的所述备选位置确定为目标位置，并根据所述目标位置在所述自动驾驶导航电子地图中对所述车辆进行重定位；

所述计算单元包括：

第一获取子单元，用于从预置的自动驾驶导航电子地图中获取至少一个包含所有所述语义特征的第一初选位置；

第二确定子单元，用于从所有所述第一初选位置中确定至少一个与所述相对位置关系匹配的所述备选位置；

第二计算子单元，用于计算每个所述备选位置对应的所述车辆的第一位姿信息；

构建子单元，用于根据所述备选位置以及所述第一位姿信息，构建每个所述备选位置对应的三维模拟场景；

比对子单元，用于将所述三维模拟场景与所述自动驾驶导航电子地图进行比对，得到每个所述三维模拟场景对应的所述备选位置的第一欧式距离；

所述第二计算子单元，还用于根据所述第一欧式距离计算得到每个所述备选位置的置信度。

6.根据权利要求5所述的基于图像感知的车辆定位装置，其特征在于，所述识别单元包括：

识别子单元，用于通过深度学习算法对所述道路图像进行语义特征识别，获得所述道路图像的语义特征；

第一计算子单元，用于计算任意两个所述语义特征的方位关系和相对距离；

第一确定子单元，用于将所述任意两个所述语义特征的方位关系和相对距离确定为对应的两个所述语义特征之间的相对位置关系。

7.根据权利要求5或6所述的基于图像感知的车辆定位装置，其特征在于，所述重定位单元包括：

遍历子单元，用于利用遍历算法遍历所述置信度，获得置信度最高的目标置信度；

判断子单元，用于判断所述目标置信度是否达到预设置信度阈值；

重定位子单元，用于在所述判断子单元判断的结果为是时，将所述目标置信度对应的备选位置确定为目标位置，并根据所述目标位置在所述自动驾驶导航电子地图中对所述车辆进行重定位。

8.一种基于图像感知的车辆定位装置，其特征在于，所述装置包括：

获取单元，用于获取所述车辆所在道路的道路图像；

识别单元，用于对所述道路图像进行语义特征识别，获得所述道路图像的语义特征，以及确定任意两个所述语义特征之间的相对位置关系；

计算单元，用于从预置的自动驾驶导航电子地图中确定至少一个与所述语义特征以及所述相对位置关系匹配的备选位置，并计算各个所述备选位置的置信度；

重定位单元，用于将所述置信度最高的所述备选位置确定为目标位置，并根据所述目标位置在所述自动驾驶导航电子地图中对所述车辆进行重定位；

所述计算单元包括：

第二获取子单元，用于从预置的自动驾驶导航电子地图中获取至少一个包含所有所述语义特征的第二初选位置；

第三确定子单元，用于从所有所述第二初选位置中确定至少一个与所述相对位置关系匹配的备选位置；

第三计算子单元，用于计算每个所述备选位置对应的所述车辆的第二位姿信息；

投影子单元，用于根据所述备选位置以及所述第二位姿信息，对所述自动驾驶导航电子地图中所述备选位置对应的三维场景进行投影，获得每个所述备选位置对应的二维场景图像，其中，所述自动驾驶导航电子地图为三维电子地图；

所述第二获取子单元，还用于根据所述二维场景图像与所述道路图像，获取每个所述二维场景图像对应的所述备选位置的第二欧式距离；

所述第三计算子单元，还用于根据所述第二欧式距离计算得到每个所述备选位置的置信度。

Images