CN112099025B - 桥吊下的车辆定位方法、装置、设备及存储介质 - Google Patents

Abstract

本公开的实施例提供一种桥吊下的车辆定位方法、装置、设备及存储介质。该方法包括：获取无人驾驶车辆上的雷达装置扫描得到的点云数据；根据扫描得到的点云数据，确定无人驾驶车辆与桥吊的相对位置。本公开的实施例的方法，通过雷达装置实现了桥吊下的无人驾驶车辆的定位，提高了桥吊下无人驾驶车辆定位的准确度。

Description

桥吊下的车辆定位方法、装置、设备及存储介质

技术领域

本公开的实施例涉及人工智能领域，尤其涉及一种桥吊下的车辆定位方法、装置、设备及存储介质，可用于无人驾驶领域。

背景技术

港口作业时，为保证桥吊上的吊具可顺利抓取车辆上的集装箱或准确地将集装箱放置于车辆上的指定位置，车辆与桥吊的精准对齐是作业成败的关键。

通常地，港口作业需要依靠有经验的司机驾驶车辆到桥吊的指定位置。针对无人驾驶车辆，在实现无人驾驶车辆与桥吊的对齐之前，需要先确定无人驾驶车辆相对于桥吊的位置。桥吊通常较大，容易遮挡无人驾驶车辆的卫星定位信号，而且桥吊的位置也不固定，导致定位得到的无人驾驶车辆与桥吊的相对位置的准确度不高。

发明内容

本公开的实施例提供一种桥吊下的车辆定位方法、装置、设备及存储介质，用以提高定位得到的无人驾驶车辆与桥吊的相对位置的准确度。

第一方面，本公开的实施例提供一种桥吊下的车辆定位方法，无人驾驶车辆上设有雷达装置，该方法包括：

获取所述雷达装置扫描得到的点云数据；

根据所述点云数据，确定所述无人驾驶车辆与桥吊的相对位置。

在一种可能的实施方式中，所述根据所述点云数据，确定所述无人驾驶车辆与桥吊的相对位置，包括：

根据所述点云数据，确定所述桥吊上至少一个标志物与所述无人驾驶车辆的相对距离；

根据所述至少一个标志物与所述无人驾驶车辆的相对距离，得到所述无人驾驶车辆与所述桥吊的相对位置。

在一种可能的实现方式中，所述根据所述点云数据，确定所述桥吊上至少一个标志物与所述无人驾驶车辆之间的相对距离，包括：

确定所述至少一个标志物对应的兴趣区域；

根据所述至少一个标志物对应的位置区域，对所述点云数据进行筛选，筛选后的所述点云数据位于所述至少一个标志物对应的兴趣区域内；

根据筛选后的所述点云数据，在预设坐标系中确定所述至少一个标志物的位置；

根据所述至少一个标志物的位置，确定所述至少一个标志物与所述无人驾驶车辆之间的相对距离。

在一种可能的实现方式中，所述标志物的数量大于等于2；所述根据所述至少一个标志物与所述无人驾驶车辆的相对距离，得到所述无人驾驶车辆与所述桥吊的相对位置，包括：

根据所述桥吊上至少两个标志物中的每个标志物分别与所述无人驾驶车辆的相对距离，确定所述无人驾驶车辆与所述桥吊上预设的参考位置的相对距离；

将所述无人驾驶车辆与所述参考位置的相对距离确定为所述无人驾驶车辆与所述桥吊的相对位置。

在一种可能的实现方式中，所述雷达装置的扫描范围包括所述无人驾驶车辆的上方区域。

在一种可能的实现方式中，所述雷达装置包括如下一项或多项：旋转式激光雷达、固态激光雷达。

在一种可能的实现方式中，所述旋转式激光雷达为多线激光雷达。

在一种可能的实现方式中，所述雷达装置固定于所述无人驾驶车辆的车头上方。

第二方面，本公开的实施例提供一种桥吊下的车辆定位装置，无人驾驶车辆上设有雷达装置，该车辆定位装置包括：

获取模块，用于获取所述雷达装置扫描得到的点云数据；

定位模块，用于根据所述点云数据，确定所述无人驾驶车辆与桥吊的相对位置。

在一种可能的实施方式中，所述定位模块，具体用于：

根据所述点云数据，确定所述桥吊上至少一个标志物与所述无人驾驶车辆的相对距离；

根据所述至少一个标志物与所述无人驾驶车辆的相对距离，得到所述无人驾驶车辆与所述桥吊的相对位置。

在一种可能的实现方式中，所述定位模块，还具体用于：

确定所述至少一个标志物对应的兴趣区域；

根据所述至少一个标志物对应的位置区域，对所述点云数据进行筛选，筛选后的所述点云数据位于所述至少一个标志物对应的兴趣区域内；

根据筛选后的所述点云数据，在所述预设坐标系中确定所述至少一个标志物的位置；

根据所述至少一个标志物的位置，确定所述至少一个标志物与所述无人驾驶车辆之间的相对距离。

在一种可能的实现方式中，所述标志物的数量大于等于2；所述定位模块，具体用于：

根据所述桥吊上至少两个标志物中的每个标志物分别与所述无人驾驶车辆的相对距离，确定所述无人驾驶车辆与所述桥吊上预设的参考位置的相对距离；

将所述无人驾驶车辆与所述参考位置的相对距离确定为所述无人驾驶车辆与所述桥吊的相对位置。

在一种可能的实现方式中，所述雷达装置的扫描范围包括所述无人驾驶车辆的上方区域。

在一种可能的实现方式中，所述雷达装置包括如下一项或多项：旋转式激光雷达、固态激光雷达。

在一种可能的实现方式中，所述旋转式激光雷达为多线激光雷达。

在一种可能的实现方式中，所述雷达装置固定于所述无人驾驶车辆的车头上方。

第三方面，本公开的实施例提供了一种电子设备，包括：

存储器和处理器；

所述存储器用于存储程序指令；

所述处理器用于调用所述存储器中的程序执行执行如上述第一方面、或者上述第一方面各可能的实现方式所述的方法。

第四方面，本公开的实施例提供了一种无人驾驶车辆，包括

雷达装置和如上述第三方面所述的电子设备。

第五方面，本公开的实施例提供了一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被执行时，实现如上述第一方面、或者上述第一方面各可能的实现方式所述的方法。

第六方面，本公开的实施例提供了一种包含指令的程序产品，所述程序产品包括计算机程序，所述计算机程序存储在存储介质中，至少一个处理器可以从所述存储介质中读取所述计算机程序，所述至少一个处理器执行所述计算机程序时实现如第一方面、或者上述第一方面各可能的实现方式所述的方法。

本公开的实施例提供的桥吊下的车辆定位方法、装置、设备及存储介质，获取无人驾驶车辆上的雷达装置扫描得到的点云数据，依据点云数据确定无人驾驶车辆与桥吊的相对位置。因此，在不依赖卫星定位方式的情况下实现桥吊下无人驾驶车辆的定位，提高了桥吊下无人驾驶车辆定位的准确度。

附图说明

此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本公开的实施例，并与说明书一起用于解释本公开的原理。

图1为本公开实施例提供的桥吊和无人驾驶车辆的示例图；

图2为本公开的一实施例提供的桥吊下的车辆定位方法的流程示意图；

图3为本公开的另一实施例提供的桥吊下的车辆定位方法的流程示意图；

图4为本公开的另一实施例提供的桥吊下的车辆定位方法的流程示意图；

图5为本公开的另一实施例提供的桥吊下的车辆定位方法的流程示意图；

图6为本公开的一实施例提供的桥吊下的车辆定位装置的结构示意图；

图7为本公开的一实施例提供的一种电子设备的结构示意图。

通过上述附图，已示出本公开明确的实施例，后文中将有更详细的描述。这些附图和文字描述并不是为了通过任何方式限制本公开构思的范围，而是通过参考特定实施例为本领域技术人员说明本公开的概念。

具体实施方式

这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本公开相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本公开的一些方面相一致的装置和方法的例子。

首先对本公开的实施例所涉及的名词进行解释：

桥吊：是指港口上用于装卸集装箱的起重机，又可被称为岸边集装箱装卸桥、集装箱装卸桥或者装卸桥。通常的，桥吊包括带行走机构的门架、承担臂架重量的拉杆和臂架等结构。其中，门架的结构形式通常分为A形和H形，即门架的外形呈现为字母A的形状、或者字母H的形状，门架包括前后两片门框，各门框上分别设有至少一根横梁。以桥吊为岸边集装箱装卸桥为例，桥吊的臂架包括海侧臂架(靠近海岸一侧的臂架)、陆侧臂架(靠近陆地一侧的臂架)和门中臂架(位于门架中间的臂架)，带升降机构的小车在臂架上运行，升降机构用来承受集装箱吊具和集装箱的重量，集装箱吊具用于抓取集装箱。关于桥吊的结构可参照现有桥吊，在此不做详细描述。

雷达装置：包括雷达信号发射器和雷达信号接收器，通过雷达信号发射器发射雷达信号，并通过雷达信号接收器接收雷达信号，雷达装置能够扫描得到周围环境的点云数据，扫描得到的点云数据包括多个点，每个点都具有对应的三维坐标。

港口作业时，为保证桥吊上的吊具可顺利抓取车辆上的集装箱或者将集装箱放置在车辆上的指定位置，车辆和桥吊的精准对齐是港口作业成败的关键。港口作业中的车辆通常为货车，包括车头和挂车，通常的，桥吊需要抓取挂车中的集装箱，或者将集装箱放置在挂车上。

一般的，由驾驶经验丰富的司机，将车辆驾驶至桥吊下的指定位置。为提高港口作业的效率、智能化程度，降低港口作业的人工成本，可采用无人驾驶车辆将集装箱运送至桥吊下或者从桥吊下运走集装箱，因此，需要解决无人驾驶车辆如何行驶并停留在桥吊下指定位置的问题，也即解决如何确定无人驾驶车辆在桥吊下的位置的问题。

通常的，可采用卫星定位方式确定无人驾驶车辆的位置。然而，发明人发现，桥吊通常较大，无人驾驶车辆行驶在桥吊附近时，其卫星定位信号容易被桥吊遮挡，最终接收到的卫星定位信号较弱，导致无法通过卫星定位信号得到无人驾驶车辆与桥吊的相对位置、或者通过卫星定位信号得到的无人驾驶车辆与桥吊的相对位置不准确。此外，桥吊也是移动的，因此更无法准确得知无人驾驶车辆与桥吊的相对位置。

本公开的实施例提供的桥吊下的车辆定位方法中，在无人驾驶车辆上设有雷达装置，雷达装置的扫描区域包括无人驾驶车辆的上方区域。获取雷达装置扫描得到的点云数据，根据点云数据，确定无人驾驶车辆与桥吊的相对位置，从而借助雷达装置实现桥吊下无人驾驶车辆的定位，有效地提高桥吊下无人驾驶车辆定位的准确度。

本公开的实施例提供的桥吊下的车辆定位方法，可以适用于图1所示的无人驾驶车辆101。如图1所示，无人驾驶车辆101上设有雷达装置102，雷达装置102可扫描得到无人驾驶车辆101的上方区域。

本公开的实施例提供的桥吊下的车辆定位方法，可以适用于如图1所示的港口作业的应用场景。该应用场景包括：无人驾驶车辆101和桥吊103，无人驾驶车辆101上设有雷达装置102、桥吊103上有横梁104。在港口作业时，桥吊103沿着与岸边平行的预设轨道行走，无人驾驶车辆101沿着岸边的行车道来回运输集装箱。例如，无人驾驶车辆101将桥吊103从船上卸下的集装箱运走，进行卸船作业；或者无人驾驶车辆101将集装箱运输至桥吊103下方，以便桥吊103将集装箱放至船上，进行装船作业。

在无人驾驶车辆101驶入桥吊103至驶出桥吊103的过程中，无人驾驶车辆101会依次经过前侧门框和后侧门框。例如，无人驾驶车辆101在驶入桥吊103之前，雷达装置102可能扫描得到前侧门框上横梁104的外侧竖直面和后侧门框上横梁104的内侧竖直面；无人驾驶车辆101经过前侧门框驶入桥吊103时，雷达装置102可能扫描得到前侧门框上横梁104的底面和后侧门框上横梁104的内侧竖直面；无人驾驶车辆101驶入桥吊103之后、且经过后侧门框之前，雷达装置102可能扫描得到前侧门框上横梁104的内侧竖直面和后侧门框上横梁104的内侧竖直面；无人驾驶车辆101经过后侧门框时，雷达装置102可能扫描得到前侧门框上横梁104的内侧竖直面和后侧门框上横梁104的底面；无人驾驶车辆101驶出桥吊103之后，雷达装置102可能扫描得到前侧门框上横梁104的内侧竖直面和后侧门框上横梁104的外侧竖直面。其中，横梁104上包括两个竖直面：内侧竖直面和外侧竖直面。横梁104的内侧竖直面是指横梁104相对于桥吊103中心的内侧竖直面，也即横梁104的两个竖直面中面向桥吊103中心的竖直面，横梁104的外侧竖直面是指横梁104相对于桥吊103中心的外侧竖直面，也即横梁104上面向桥吊103外面的竖直面。

下面以具体地实施例对本公开的实施例的技术方案以及本申请的技术方案如何解决上述技术问题进行详细说明。下面这几个具体的实施例可以相互结合，对于相同或相似的概念或过程可能在某些实施例中不再赘述。下面将结合附图，对本公开的实施例的实施例进行描述。

图2为本公开的一实施例提供的桥吊下的车辆定位方法的流程示意图。如图2所示，该方法包括：

S201、获取雷达装置扫描得到的点云数据，雷达装置的扫描区域包括无人驾驶车辆的上方区域。

具体的，在无人驾驶车辆朝着桥吊行驶的过程，获取雷达装置扫描得到的点云数据。扫描到的点云数据中多个点的三维坐标能够反映出雷达装置附近物体(包括被雷达装置扫描到的桥吊)与雷达装置之间的相对位置。

在一种可行的实施方式中，雷达装置的扫描区域包括无人驾驶车辆的上方区域。桥吊通常位于无人驾驶车辆的上方，例如，在无人驾驶车辆驶入桥吊的过程中，桥吊位于无人驾驶车辆的前方和上方，在无人驾驶车辆驶出桥吊的过程中，桥吊位于无人驾驶车辆的后方和上方。因此，在无人驾驶车辆驶入桥吊的过程中，或者驶出桥吊的过程中，雷达装置可以扫描到桥吊。

在一个可行的实施方式中，可在无人驾驶车辆上设置摄像装置，获取摄像装置拍摄无人驾驶车辆的前方图像，通过对拍摄的前方图像进行识别和分析，确定无人驾驶车辆与桥吊的估计相对距离。该估计相对距离可用于决定是否启动雷达装置并根据雷达装置扫描到的点云数据确定无人驾驶车辆与桥吊的相对位置。具体的，若该估计相对距离小于或等于预设的距离阈值，则启动雷达装置，以进行雷达定位。其中，无人驾驶车辆与桥吊的估计相对距离为无人驾驶车辆与桥吊的粗略的相对距离。

在一个可行的实施方式中，还可通过无人驾驶车辆上预设的定位装置(例如卫星定位装置、蓝牙定位装置等)和桥吊上预设的定位装置(如卫星定位装置、蓝牙定位装置等)，确定无人驾驶车辆与桥吊的估计相对距离，以决定是否开启雷达装置进行定位。

S202、根据点云数据，确定无人驾驶车辆与桥吊的相对位置。

具体的，由雷达装置扫描得到的点云数据，可反映出桥吊与雷达装置的相对位置。由于雷达装置位于无人驾驶车辆上，可将桥吊与雷达装置的相对位置确定为桥吊与无人驾驶车辆的相对位置，也可根据雷达装置与无人驾驶车辆的位置关系，对桥吊与雷达装置的相对位置进行转换，得到桥吊与无人驾驶车辆的相对位置。

在一个可行的实施方式中，可根据雷达装置扫描得到的点云数据，进行三维建模，得到桥吊模型、以及该桥吊模型与雷达装置的相对位置。根据雷达装置的位置，确定预先建立的无人驾驶车辆模型的位置。根据无人驾驶车辆模型的位置、以及桥吊模型与雷达装置的相对位置，可确定无人驾驶车辆模型与桥吊模型的相对位置，进而可确定无人驾驶车辆与桥吊的相对位置。因此，通过对点云数据进行三维建模，提高桥吊下无人驾驶车辆定位的准确度。其中，由于雷达装置可能只扫描的桥吊的局部区域，桥吊模型也可能是该局部区域的三维模型。

本公开实施例中，通过无人驾驶车辆上的雷达装置扫描得到点云数据，根据点云数据，确定无人驾驶车辆与桥吊的相对位置，从而无需依赖卫星定位，确定无人驾驶车辆与桥吊的相对位置，提高无人驾驶车辆与桥吊的相对位置的准确度。

图3为本公开的另一实施例提供的桥吊下的车辆定位方法的流程示意图。如图3所示，该方法包括：

S301、获取雷达装置扫描得到的点云数据。

具体的，步骤S301可参照步骤S201、以及步骤S201中各可行的实施方式的详细描述，不再赘述。

S302、根据点云数据，确定桥吊上至少一个标志物与无人驾驶车辆的相对距离。

其中，可预先在桥吊上设置至少一个标志物，标志物可为容易被识别出的物体，比如预设形状的物体(比如长方体、球形等)。

如果标志物的数量为一个，则该标志物在无人驾驶车辆驶入桥吊过程中能够被无人驾驶车辆上的雷达装置扫描到，以便能够根据该标志物与无人驾驶车辆的相对距离，确定无人驾驶车辆在驶入桥吊的过程中该车辆与桥吊的相对位置。如果标志物的数量为多个，则多个标志物分别位于桥吊的不同位置，使得无人驾驶车辆驶入桥吊到驶出桥吊的过程，雷达装置始终能够扫描得到至少一个标志物，以便无人驾驶车辆在驶入桥吊到驶出桥吊的过程都能根据标志物与无人驾驶车辆的相对距离，确定自身与桥吊的相对位置。

具体的，基于标志物的易识别的特点，可在点云数据中识别出位于至少一个标志物上的点，根据位于至少一个标志物上的点可确定至少一个标志物与雷达装置的相对距离。由于雷达装置位于无人驾驶车辆上，可将至少一个标志物与雷达装置的相对距离，确定为至少一个标志物与无人驾驶车辆的相对距离，也可根据雷达装置与无人驾驶车辆的位置关系，对至少一个标志物与雷达装置的相对距离进行转换，得到至少一个标志物与无人驾驶车辆的相对距离。

以桥吊所在轨道方向为前后方向，桥吊的门架包括前后两片门框，各门框上分别设有至少一根横梁。在无人驾驶车辆驶入桥吊并驶离桥吊的过程，即从前侧门框驶入桥吊、从后侧门框驶出桥吊的过程，在这个过程中，无人驾驶车辆上的雷达装置可扫描到前侧门框和后侧门框，包括扫描到前侧门框上的至少一根横梁和后侧门框上的至少一根横梁。因此，在一个可行的实施方式中，可在前侧门框或者后侧门框上设置至少一个标志物，以便于雷达装置在无人驾驶车辆驶入和/或驶出桥吊的过程中扫描到标志物，有利于基于标志物与无人驾驶车辆的相对距离，确定桥吊与无人驾驶车辆的相对位置。

进一步的，标志物可包括设置在前侧门框的至少一个反光条和/或设置在后侧门框的至少一个反光条，借助反光条反射雷达信号的能力更强的特点，能够在点云数据中更准确地识别出落在反光条上的点，进而更准确地确定至少一个标志物与雷达装置的相对距离。

进一步的，标志物可包括前侧门框的至少一根横梁和/或后侧门框的至少一根横梁，借助横梁在桥吊上位置固定且形状容易识别、以及无人驾驶车辆在驶入和/或驶出的过程中雷达装置能够扫描到横梁的特点，能够更准确地在点云数据中确定落在横梁上的点，进而更准确地确定至少一个标志物与雷达装置的相对距离，且无需在桥梁上添设额外的标志物。

进一步的，标志物可包括设置在前侧门框的横梁上至少一个反光条和/或设置在后侧门框的横梁上的至少一个反光条，从而结合横梁和反光条的上述特点，更准确地确定至少一个标志物与雷达装置的相对距离。

S303、根据至少一个标志物与无人驾驶车辆的相对距离，得到无人驾驶车辆与桥吊的相对位置。

具体的，在得到一个标志物与无人驾驶车辆的相对距离后，可根据至少一个标志物在桥吊上的位置和至少一个标志物与无人驾驶车辆的相对距离，得到无人驾驶车辆与桥吊的相对位置。

在一个可行的实施方式中，在至少一个标志物包括前侧门框的至少一根横梁和/或后侧门框的至少一根横梁的情况下，在获得至少一根横梁与无人驾驶车辆的相对距离之后，至少一根横梁与无人驾驶车辆的相对距离体现了无人驾驶车辆与前侧门框和/或后侧门框的相对距离，依据无人驾驶车辆与前侧门框的相对距离、和/或无人驾驶车辆与后侧门框的相对距离，可清楚掌握无人驾驶车辆在桥吊的位置，因此，依据至少一根横梁分别与无人驾驶车辆的相对距离，可得到无人驾驶车辆与桥吊的相对位置，此时的相对位置包括无人驾驶车辆与至少一根横梁的相对距离，或者包括无人驾驶车辆与前侧门框和/或后侧门框的相对距离。另外的，在至少一个标志物包括设置在前侧门框的横梁上的至少一个反光条和/或后侧门框的横梁上的至少一个反光条的情况，可参照至少一个标志物包括前侧门框的至少一根横梁和/或后侧门框的至少一根横梁的情况，不再赘述。

本公开实施例中，通过无人驾驶车辆上的雷达装置扫描得到点云数据，根据点云数据，确定无人驾驶车辆与桥吊上至少一个标志物的相对距离，依据无人驾驶车辆与桥吊上至少一个标志物的相对距离，得到无人驾驶车辆与桥吊的相对位置，从而无需依赖卫星定位，确定无人驾驶车辆与桥吊的相对位置，提高无人驾驶车辆与桥吊的相对位置的准确度。

图4为本公开的另一实施例提供的桥吊下的车辆定位方法的流程示意图。如图4所示，该方法包括：

S401、获取雷达装置扫描得到的点云数据。

具体的，步骤S401可参照步骤S201、以及步骤S201中各可行的实施方式的详细描述，不再赘述。

在一个可行的实施方式中，在获得雷达装置扫描得到的点云数据后，可根据雷达坐标系与车体坐标系的转换关系，将点云数据从雷达装置的雷达坐标系转换至无人驾驶车辆的车体坐标系，后续可在车体坐标系中依据转换后的点云数据确定无人驾驶车辆与桥吊的相对位置，以提高后续点云数据处理的便捷度，进而提高桥吊下的无人驾驶车辆的定位效率。

其中，雷达坐标系和车体坐标系都是预先定义或者预设设定的三维坐标系。雷达坐标系是指以雷达装置所在位置为原点建立的三维坐标系，雷达装置扫描到的点云数据中各点的三维坐标，是点云数据中各点在雷达坐标系中的三维坐标，无人驾驶车辆的车体坐标系是指以无人驾驶车辆为原点建立的三维坐标系。例如，为了提高数据处理便捷度，可以定义一个以无人驾驶车辆的车体正前方为x轴正方向、以无人驾驶车辆的车体正左方为y轴正方向、以无人驾驶车辆的车体正上方为z轴正方向，原点可以在无人驾驶车辆上任意选择，例如用一个长方体代表无人驾驶车辆，将长方体的中心确定为原点，由该原点、x轴、y轴、z轴可构成无人驾驶车辆的车体坐标系。

S402、根据点云数据，在预设坐标系中确定至少一个标志物的位置。

其中，预设坐标系可为雷达坐标系，也可为车体坐标系。

具体的，从点云数据中，可获得雷达装置扫描到的桥吊上各点在预设坐标系中的三维坐标，根据这些点的三维坐标，可在预设坐标系中确定至少一个标志物的位置。例如，将位于标志物上的点的三维坐标进行加权求平均，得到该标志物在预设坐标系中的三维坐标。又如，在位于标志物上的点中获取距离标志物中心最近的点，将该点的三维坐标确定为该标志物在预设坐标系中的三维坐标。

在一个可行的实施方式中，由于雷达装置通常扫描到标志物的所有侧面中的其中一个或多个，随着无人驾驶车辆的位置变化，雷达装置不同时刻扫描到的标志物的侧面可能不同，因此可根据点云数据中位于标志物上的点的三维坐标，确定标志物的一个或多个侧面在预设坐标系中的位置，将标志物的一个或多个侧面在预设坐标系中的位置，确定为该标志物在预设坐标系中的位置，从而提高标志物位置计算准确度。

进一步的，在点云数据的点位于标志物的多个侧面时，可从该多个侧面中，选择点云数据中点的数量最多的侧面，将该侧面在预设坐标系中的位置确定为标志物的位置，从而提高标志物位置计算准确度。

雷达装置的扫描区域包括无人驾驶车辆的上方区域。在一个可行的实施方式中，在至少一个标志物包括前侧门框上的至少一根横梁和/或后侧门框上的至少一根横梁的情况下，无人驾驶车辆在驶入桥吊之前，雷达装置可能扫描得到前侧门框上至少一根横梁的外侧竖直面和后侧门框上至少一根横梁的内侧竖直面；无人驾驶车辆经过前侧门框驶入桥吊时，雷达装置可能扫描得到前侧门框上至少一根横梁的底面和后侧门框上至少一根横梁的内侧竖直面；无人驾驶车辆驶入桥吊之后、且经过后侧门框之前，雷达装置可能扫描得到前侧门框上至少一根横梁的内侧竖直面和后侧门框上至少一根横梁的内侧竖直面；无人驾驶车辆经过后侧门框时，雷达装置可能扫描得到前侧门框上至少一根横梁的内侧竖直面和后侧门框上至少一根横梁的底面；无人驾驶车辆驶出桥吊之后，雷达装置可能扫描得到前侧门框上至少一根横梁的内侧竖直面和后侧门框上至少一根横梁的外侧竖直面。

因此，在至少一个标志物包括前侧门框上的至少一根横梁和/或后侧门框上的至少一根横梁的情况下，可根据点云数据中各点的三维坐标，确定位于至少一根横梁的竖直面上的点，根据落在至少一根横梁的竖直面上的点，在预设坐标系中确定至少一根横梁的竖直面的位置。另外的，至少一个标志物包括设置在前侧门框的横梁上的至少一个反光条和/或后侧门框的横梁上的至少一个反光条的情况，可参照至少一个标志物包括前侧门框的至少一根横梁和/或后侧门框的至少一根横梁的情况，不再赘述。

S403、根据预设坐标系中至少一个标志物的位置，确定至少一个标志物与无人驾驶车辆的相对距离。

具体的，在预设坐标系中确定至少一个标志物的位置后，如果预设坐标系为车体坐标系，则可通过确定至少一个标志物的位置与预设坐标系的原点的相对距离，得到至少一个标志物与无人驾驶车辆的相对距离；如果预设坐标系为雷达坐标系，则可根据车体坐标系和雷达坐标系的转换关系，确定车体坐标系的原点在雷达坐标系中对应的位置坐标，进而确定至少一个标志物的位置与该位置坐标的相对距离，得到至少一个标志物与无人驾驶车辆的相对距离。

S404、根据至少一个标志物与无人驾驶车辆的相对距离，得到无人驾驶车辆与桥吊的相对位置。

具体的，在得到至少一个标志物的竖直面与无人驾驶车辆的相对距离后，可将该至少一个标志物的竖直面与无人驾驶车辆的相对距离，确定为无人驾驶车辆与桥吊的相对位置。

在一个可行的实施方式中，标志物的数量大于等于2，在确定无人驾驶车辆与桥吊的相对位置的过程中，可根据点云数据，在预设坐标系中确定至少两个标志物中每个标志物的位置，根据每个标志物的位置，确定每个标志物与无人驾驶车辆的相对距离，根据每个标志物与无人驾驶车辆的相对距离，确定无人驾驶车辆与桥吊的相对位置，从而通过至少两个标志物与无人驾驶车辆的相对距离，来提高无人驾驶车辆与桥吊的相对位置的准确度。

进一步的，至少两个标志物包括位于前侧门框上的至少一根横梁和位于后侧门框上的至少一根横梁。因此，可以通过位于前侧门框上的至少一根横梁和位于后侧门框上的至少一根横梁分别与无人驾驶车辆的相对距离，确定无人驾驶车辆分别与桥吊的前侧门框和后侧门框的相对位置，进而确定无人驾驶车辆是否输入桥吊以及是否驶出桥吊，提高无人驾驶车辆与桥吊的相对位置的准确度。

在一个可行的实施方式中，在根据至少两个标志物中每个标志物与无人驾驶车辆的相对距离，确定无人驾驶车辆与桥吊的相对位置的过程中，可根据至少两个标志物中每个标志物与无人驾驶车辆的相对距离，例如可以对每个标志物分别与无人驾驶车辆的相对距离进行相加求平均值，确定无人驾驶车辆与桥吊上预设的参考位置的相对距离，将无人驾驶车辆与该参考位置的相对距离确定为无人驾驶车辆与桥吊的相对位置，从而可通过在桥吊上预先设定参考位置，来确定无人驾驶车辆与桥吊上该参考位置的相对距离。其中，参考位置位于至少两个标志物的中间。进一步的，可将参考位置设置在桥吊下的停车位置，例如桥吊的中间位置，因此，无人驾驶车辆可以依据自身与该参考位置之间的相对距离，行驶至该参考位置，以便于桥吊上的吊具对无人驾驶车辆进行装卸货作业。

本公开实施例中，通过无人驾驶车辆上的雷达装置扫描得到点云数据，根据点云数据，确定无人驾驶车辆与桥吊上至少一个标志物的相对距离，依据无人驾驶车辆与至少一个标志物的相对距离，得到无人驾驶车辆与桥吊的相对位置，从而无需依赖卫星定位，确定无人驾驶车辆与桥吊的相对位置，有效地提高无人驾驶车辆与桥吊的相对位置的准确度。

图5为本公开的另一实施例提供的桥吊下的车辆定位方法的流程示意图。如图5所示，该方法包括：

S501、获取雷达装置扫描得到的点云数据。

具体的，步骤S501可参照步骤S401、以及步骤S401中各可行的实施方式的详细描述，不再赘述。

S502、对点云数据进行筛选，筛选后的点云数据位于至少一个标志物对应的兴趣区域内。

具体的，可确定至少一个标志物在当前驾驶场景中对应的兴趣区域。根据该兴趣区域，对点云数据进行筛选，得到位于标志物对应的兴趣区域内的点云数据。若标志物为多个，则分别得到位于各个标志物对应的兴趣区域内的点云数据。其中，至少一个标志物对应的兴趣区域是指至少一个标志物在预设坐标系中所占的位置区域。

在一个可行的实施方式中，在标志物包括设置在桥吊上的至少一个反光条的情况下，可根据反光条反射雷达信号的能力较强的特点，可根据点云数据中点的聚集程度、反光条的尺寸以及反光条的形状，确定发光条对应的兴趣区域，并获取兴趣区域内的点云数据。

在一个可行的实施方式中，在标志物包括前侧门框上的至少一根横梁和/或后侧门框上的至少一根横梁的情况下，可获取无人驾驶车辆与桥吊的估计相对位置，根据无人驾驶车辆与桥吊的估计相对位置、至少一根横梁在桥吊上的位置、以及至少一根横梁的尺寸，确定至少一根横梁对应的兴趣区域。根据至少一根横梁对应的兴趣区域，对点云数据进行筛选，得到筛选后的点云数据。在筛选时，可在点云数据中获取位于至少一根横梁对应的兴趣区域内的点，由这些点构成筛选后的点云数据。其中，至少一根横梁在桥吊上的位置、至少一根横梁的尺寸为预设的桥吊参数。至少一根横梁对应的兴趣区域是指至少一根横梁在预设坐标系中所占的位置区域，兴趣区域的形状、尺寸分别与横梁的形状、尺寸相同。预设坐标系为雷达装置的雷达坐标系或无人驾驶车辆的车体坐标系。

进一步的，可在无人驾驶车辆上设置摄像装置，获取摄像装置拍摄无人驾驶车辆的前方图像，通过对拍摄的前方图像进行识别和分析，确定无人驾驶车辆与桥吊的估计相对位置，无人驾驶车辆与桥吊的估计相对距离为无人驾驶车辆与桥吊的粗略的相对距离。或者，还可通过无人驾驶车辆上预设的定位装置(例如卫星定位装置、蓝牙定位装置等)和桥吊上预设的定位装置(例如卫星定位装置、蓝牙定位装置等)，获取无人驾驶车辆与桥吊的估计相对位置，从而提高估计相对位置的获取效率。

S503、根据筛选后的点云数据，在预设坐标系中确定至少一个标志物的位置。

具体的，步骤S503可参照步骤402的详细描述，不再赘述。

在一个可行的实施方式中，可在预设坐标系中，根据筛选后的点云数据，拟合得到至少一个标志物的一个或多个侧面，从而通过平面拟合的方式，有效地提高确定至少一个标志物的侧面的准确度。

在一个可行的实施方式中，在标志物包括前侧门框上的至少一根横梁和/或后侧门框上的至少一根横梁的情况下，可根据筛选后的点云数据，拟合得到每根横梁的竖直面。在拟合横梁的竖直面的过程中，针对位于该横梁对应的兴趣区域内的点云数据，计算这些点云数据中各点的法向量，其中，法向量可表示为(n_x,n_y,n_z)，满足n_x ²+n_y ²+n_z ²＝1。将计算得到的法向量投影至预设坐标系的XOY平面，可得到对应的二维向量，二维向量可表示为(n_x,n_y)。根据投影得到的二维向量，在这些点云数据中获取法向量平行于XOY平面的点，将这些点云数据中法向量近似平行于XOY平面的点确定为落在该横梁的竖直面上的点。通过对落在该横梁的竖直面上的点进行平面拟合，得到该横梁的竖直面方程，也即该横梁的竖直面。

作为示例的，在根据投影得到的二维向量，在这些点云数据中获取法向量平行于XOY平面的点时，可通过预设阈值和筛选公式，从点云数据中筛选得到法向量平行于XOY平面的点。其中，筛选公式可表示为：

T为预设阈值。

在一个可行的实施方式中，可采用随机采样一致性(RANdom SAmple Consensus，简称RANSAC)方式，对落在横梁的竖直面上的点进行平面拟合，得到该横梁的竖直面方程，同时可以消除点云数据中的杂点对拟合的影响，得到拟合过程中的内点，即拟合过程中最终用于确定竖直面方程的点。

在一个可行的实施方式中，在拟合得到至少一根横梁的竖直面之后，可根据位于至少一根横梁对应的兴趣区域内的点云数据，确定拟合得到的至少一根横梁的竖直面为至少一根横梁相对于桥吊中心的内侧竖直面还是为至少一根横梁相对于桥吊中心的外侧竖直面，从而提高无人驾驶车辆与桥吊的相对位置的准确度。

在一个可行的实施方式中，在确定拟合得到的至少一根横梁的竖直面为至少一根横梁相对于桥吊中心的内侧竖直面还是为至少一根横梁相对于桥吊中心的外侧竖直面的过程中，可根据至少一根横梁位于前侧门框还是后侧门框、以及至少一根横梁的竖直面与无人驾驶车辆之间的距离为正值还是负值来确定，从而提高确定横梁的竖直面为该横梁的内侧竖直面还是外侧竖直面的效率。

具体的，在横梁位于前侧门框、且拟合得到的该横梁的竖直面与无人驾驶车辆之间距离为负值时，说明前侧门框上的该横梁位于无人驾驶车辆的后方，该竖直面为该横梁的内侧竖直面；在横梁位于前侧门框、且拟合得到的该横梁的竖直面与无人驾驶车辆之间距离为正值时，说明前侧门框上的该横梁位于无人驾驶车辆的前方，该竖直面为该横梁的外侧竖直面；在横梁位于后侧门框、且拟合得到的该横梁的竖直面与无人驾驶车辆之间距离为负值时，说明后侧门框上的该横梁位于无人驾驶车辆的后方，该竖直面为该横梁的外侧竖直面；在横梁位于后侧门框、且拟合得到的该横梁的竖直面与无人驾驶车辆之间距离为正值时，说明后侧门框上的该横梁位于无人驾驶车辆的前方，该竖直面为该横梁的内侧竖直面。

S504、根据预设坐标系中至少一个标志物的位置，确定至少一个标志物与无人驾驶车辆的相对距离。

具体的，步骤S504可参照步骤S403的详细描述，不再赘述。

在一个可行的实施方式中，在标志物包括前侧门框上的至少一根横梁和/或后侧门框上的至少一根横梁的情况下，以预设坐标系为车体坐标系为例，在拟合得到至少一根横梁的竖直面之后，针对每个竖直面，可将用于拟合该竖直面的内点投影至预设坐标系的XOY平面，得到各内点对应的投影在XOY平面的投影点，根据各投影点进行直线拟合，得到相应的直线方程，计算该直线方程所对应的直线与车体坐标系的原点的相对距离，将该直线方程所对应的直线与车体坐标系的原点的相对距离，确定为该竖直面与车体坐标系的原点之间的相对距离，从而提高横梁的竖直面与无人驾驶车辆的相对距离的准确度和计算效率。

S505、根据至少一个标志物与无人驾驶车辆的相对距离，得到无人驾驶车辆与桥吊的相对位置。

具体的，步骤S505可参考步骤S404、以及步骤S404的各可行的实施方式的详细描述，不再赘述。

本公开实施例中，通过无人驾驶车辆上的雷达装置扫描无人驾驶车辆的上方区域，得到点云数据，对点云数据进行筛选和平面拟合，确定无人驾驶车辆与桥吊上至少一个标志物的相对距离，依据无人驾驶车辆与桥吊上至少一个标志物的相对距离，得到无人驾驶车辆与桥吊的相对位置，从而无需依赖卫星定位，确定无人驾驶车辆与桥吊的相对位置，有效地提高无人驾驶车辆与桥吊的相对位置的准确度。

在图2～图5所示的各实施例中，还可包括下述可行的实施方式：

在一个可行的实施方式中，雷达装置包括一个或多个激光雷达，激光雷达扫描到的点云数据的质量较高，从而通过激光雷达进行扫描，提高无人驾驶车辆与桥吊的相对位置之间的准确度。

在一个可行的实施方式中，雷达装置包括如下一项或多项：旋转式激光雷达、固态激光雷达。其中，旋转式激光雷达能够进行360度的旋转，旋转扫描的扫描范围包括无人驾驶车辆的上方区域，固态激光雷达不具备旋转组件，采用相控阵原理改变激光光束的方向，使得固态激光雷达能够扫描到预设范围内的物体，固态激光雷达的扫描范围包括无人驾驶车辆的上方区域。

在一个可行的实施方式中，旋转式激光雷达为多线激光雷达，多线激光雷达可以发射多线束的激光，以提高雷达装置的扫描区域范围和扫描效率。

进一步的，多线激光雷达内的发射器绕无人驾驶车辆的车体坐标系的Y轴转动，其中，Y轴的方向为无人驾驶车辆的正左方向或正右方向，因此多线激光雷达可以扫描到车体坐标系的Z轴的360度范围，也即在竖直平面进行360的扫描，能够充分扫描到桥吊。

在一个可行的实施方式中，雷达装置设置在无人驾驶车辆的车头上方，因此，通过安装在无人驾驶车辆的车头上方的多线激光雷达，充分扫描无人驾驶车辆的上方区域，且便于控制无人驾驶车辆的车头位置。

图6为本公开的一实施例提供的桥吊下的车辆定位装置的结构示意图，其中，无人驾驶车辆上设有雷达装置。如图6所示，桥吊下的车辆定位装置包括：

获取模块601，用于获取雷达装置扫描得到的点云数据；

定位模块602，用于根据点云数据，确定无人驾驶车辆与桥吊的相对位置。

在一个可行的实施方式中，定位模块602，具体用于：

根据点云数据，确定桥吊上至少一个标志物与无人驾驶车辆的相对距离；

根据至少一个标志物与无人驾驶车辆的相对距离，得到无人驾驶车辆与桥吊的相对位置。

在一个可行的实施方式中，定位模块602，具体用于：

确定至少一个标志物对应的兴趣区域；

根据至少一个标志物对应的位置区域，对点云数据进行筛选，筛选后的点云数据位于至少一个标志物对应的兴趣区域内；

根据筛选后的点云数据，在预设坐标系中确定至少一个标志物的位置；

根据至少一个标志物的位置，确定至少一个标志物与无人驾驶车辆之间的相对距离。

在一个可行的实施方式中，标志物的数量大于等于2；定位模块602，具体用于：

根据桥吊上至少两个标志物中的每个标志物分别与无人驾驶车辆的相对距离，确定无人驾驶车辆与桥吊上预设的参考位置的相对距离；

将无人驾驶车辆与参考位置的相对距离确定为无人驾驶车辆与桥吊的相对位置。

在一个可行的实施方式中，雷达装置的扫描范围包括无人驾驶车辆的上方区域。

在一个可行的实施方式中，雷达装置包括一个或多个激光雷达。

在一个可行的实施方式中，雷达装置包括如下一项或多项：旋转式激光雷达、固态激光雷达。

在一个可行的实施方式中，旋转式激光雷达为多线激光雷达。

进一步的，多线激光雷达内的发射器绕无人驾驶车辆的车体坐标系的Y轴转动，其中，Y轴的方向为无人驾驶车辆的正左方向或正右方向，因此多线激光雷达可以扫描到车体坐标系的Z轴的360度范围，也即在竖直平面进行360的扫描，能够充分扫描到桥吊。

在一个可行的实施方式中，雷达装置固定于无人驾驶车辆的车头上方。

图6提供的桥吊下的车辆定位装置，可以执行上述相应方法实施例，其实现原理和技术效果类似，在此不再赘述。

图7为本公开的一实施例提供的一种电子设备的结构示意图。如图7所示，该电子设备可以包括：处理器701和存储器702。存储器702用于存储计算机执行指令，处理器701执行计算机程序时实现如上述任一实施例的方法。

上述的处理器701可以是通用处理器，包括中央处理器CPU、网络处理器(networkprocessor，NP)等；还可以是数字信号处理器DSP、专用集成电路ASIC、现场可编程门阵列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。上述存储器702可能包含随机存取存储器(random access memory，RAM)，也可能还包括非易失性存储器(non-volatile memory)，例如至少一个磁盘存储器。

本公开的一实施例还提供了一种无人驾驶车辆，该无人驾驶车辆包括雷达装置和图7所示实施例提供的电子设备。因此，该无人驾驶车辆能够实现在桥吊下的自动定位，确定自身与桥吊的相对位置。

在一个可行的实施方式中，雷达装置的扫描范围包括无人驾驶车辆的上方区域。

在一个可行的实施方式中，雷达装置包括一个或多个激光雷达。

在一个可行的实施方式中，雷达装置包括如下一项或多项：旋转式激光雷达、固态激光雷达。

在一个可行的实施方式中，旋转式激光雷达为多线激光雷达。

进一步的，多线激光雷达内的发射器绕无人驾驶车辆的车体坐标系的Y轴转动，其中，Y轴的方向为无人驾驶车辆的正左方向或正右方向，因此多线激光雷达可以扫描到车体坐标系的Z轴的360度范围，也即在竖直平面进行360的扫描，能够充分扫描到桥吊。

在一个可行的实施方式中，雷达装置固定于无人驾驶车辆的车头上方。

本公开的一实施例还提供了一种计算机可读存储介质，所述计算机可读存储介质中存储有指令，当其在计算机上运行时，使得计算机执行如上述任一实施例的方法。

本公开的一实施例还提供一种包含指令的程序产品，所述程序产品包括计算机程序，所述计算机程序存储在存储介质中，至少一个处理器可以从所述存储介质中读取所述计算机程序，所述至少一个处理器执行所述计算机程序时可实现上述任一实施例的方法。

本领域技术人员在考虑说明书及实践这里公开的发明后，将容易想到本公开的其它实施方案。本公开的实施例旨在涵盖本公开的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本公开的真正范围和精神由下面的权利要求书指出。

应当理解的是，本公开并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本公开的范围仅由所附的权利要求书来限制。

Claims (10)

1.一种桥吊下的车辆定位方法，其特征在于，无人驾驶车辆上设有雷达装置和摄像装置；所述方法包括：

获取所述摄像装置拍摄得到的所述无人驾驶车辆的前方图像；

根据所述前方图像确定无人驾驶车辆与桥吊的估计相对距离；

若所述估计相对距离小于等于预设阈值，则启动所述雷达装置；

获取所述雷达装置扫描得到的点云数据；

确定至少一个标志物对应的兴趣区域；所述至少一个标志物对应的兴趣区域是指至少一个标志物在预设坐标系中所占的位置区域；所述至少一个标志物包括前侧门框上的至少一根横梁和/或后侧门框上的至少一根横梁；所述预设坐标系为所述无人驾驶车辆的车体坐标系；

根据所述至少一个标志物对应的兴趣区域，对所述点云数据进行筛选，筛选后的所述点云数据位于所述至少一个标志物对应的兴趣区域内；

根据筛选后的所述点云数据，在预设坐标系中确定所述至少一个标志物的位置；

根据所述至少一个标志物的位置，确定所述至少一个标志物与所述无人驾驶车辆之间的相对距离；

根据所述至少一个标志物与所述无人驾驶车辆的相对距离，得到所述无人驾驶车辆与所述桥吊的相对位置；

所述根据筛选后的所述点云数据，在预设坐标系中确定所述至少一个标志物的位置，包括：

针对位于横梁对应的兴趣区域内的点云数据，计算所述点云数据中各点的法向量；

将计算得到的法向量投影至预设坐标系的XOY平面，得到对应的二维向量；

根据投影得到的二维向量，在所述点云数据中获取法向量平行于XOY平面的点，将点云数据中法向量平行于XOY平面的点确定为落在所述横梁的竖直面上的点；

通过对落在所述横梁的竖直面上的点进行平面拟合，得到所述横梁的竖直面；

所述根据所述至少一个标志物的位置，确定所述至少一个标志物与所述无人驾驶车辆之间的相对距离，包括：

针对每个竖直面，将用于拟合所述竖直面的内点投影至预设坐标系的XOY平面，得到各内点对应的投影在XOY平面的投影点；

根据各所述投影点进行直线拟合，得到直线方程；

计算所述直线方程所对应的直线与所述车体坐标系的原点的相对距离，将所述直线方程所对应的直线与所述车体坐标系的原点的相对距离，确定为所述竖直面与所述车体坐标系的原点之间的相对距离；

在拟合得到所述横梁的竖直面后，所述方法还包括：

根据所述位于横梁对应的兴趣区域内的点云数据，确定拟合得到的所述横梁的竖直面是所述横梁相对于桥吊中心的内侧竖直面还是所述横梁相对于桥吊中心的外侧竖直面；

在确定拟合得到的所述横梁的竖直面为所述横梁相对于桥吊中心的内侧竖直面还是所述横梁相对于桥吊中心的外侧竖直面的过程中，是根据所述横梁位于前侧门框还是后侧门框、以及所述横梁的竖直面与无人驾驶车辆之间的距离为正值还是负值来确定的。

2.根据权利要求1所述的方法，其特征在于，所述标志物的数量大于等于2；所述根据所述至少一个标志物与所述无人驾驶车辆的相对距离，得到所述无人驾驶车辆与所述桥吊的相对位置，包括：

根据所述桥吊上至少两个标志物中的每个标志物分别与所述无人驾驶车辆的相对距离，确定所述无人驾驶车辆与所述桥吊上预设的参考位置的相对距离；

将所述无人驾驶车辆与所述参考位置的相对距离确定为所述无人驾驶车辆与所述桥吊的相对位置。

3.根据权利要求1或2所述的方法，其特征在于，所述雷达装置的扫描范围包括所述无人驾驶车辆的上方区域。

4.根据权利要求3所述的方法，其特征在于，所述雷达装置包括如下一项或多项：旋转式激光雷达、固态激光雷达。

5.根据权利要求4所述的方法，其特征在于，所述旋转式激光雷达为多线激光雷达。

6.根据权利要求4所述的方法，其特征在于，所述雷达装置设置在所述无人驾驶车辆的车头上方。

7.一种桥吊下的车辆定位装置，其特征在于，无人驾驶车辆上设有雷达装置和摄像装置，所述装置包括：

获取模块，用于获取所述雷达装置扫描得到的点云数据；

定位模块，用于根据所述点云数据，确定所述无人驾驶车辆与桥吊的相对位置；

所述获取模块，还用于获取所述摄像装置拍摄得到的所述无人驾驶车辆的前方图像；

处理模块，用于根据所述前方图像确定无人驾驶车辆与桥吊的估计相对距离；若所述估计相对距离小于等于预设阈值，则启动所述雷达装置；

所述定位模块，具体用于确定至少一个标志物对应的兴趣区域；所述至少一个标志物对应的兴趣区域是指至少一个标志物在预设坐标系中所占的位置区域；所述至少一个标志物包括前侧门框上的至少一根横梁和/或后侧门框上的至少一根横梁；所述预设坐标系为所述无人驾驶车辆的车体坐标系；根据所述至少一个标志物对应的兴趣区域，对所述点云数据进行筛选，筛选后的所述点云数据位于所述至少一个标志物对应的兴趣区域内；根据筛选后的所述点云数据，在预设坐标系中确定所述至少一个标志物的位置；根据所述至少一个标志物的位置，确定所述至少一个标志物与所述无人驾驶车辆之间的相对距离；根据所述至少一个标志物与所述无人驾驶车辆的相对距离，得到所述无人驾驶车辆与所述桥吊的相对位置；

所述定位模块，具体用于针对位于横梁对应的兴趣区域内的点云数据，计算所述点云数据中各点的法向量；将计算得到的法向量投影至预设坐标系的XOY平面，得到对应的二维向量；根据投影得到的二维向量，在所述点云数据中获取法向量平行于XOY平面的点，将点云数据中法向量平行于XOY平面的点确定为落在所述横梁的竖直面上的点；通过对落在所述横梁的竖直面上的点进行平面拟合，得到所述横梁的竖直面；针对每个竖直面，将用于拟合所述竖直面的内点投影至预设坐标系的XOY平面，得到各内点对应的投影在XOY平面的投影点；根据各所述投影点进行直线拟合，得到直线方程；计算所述直线方程所对应的直线与所述车体坐标系的原点的相对距离，将所述直线方程所对应的直线与所述车体坐标系的原点的相对距离，确定为所述竖直面与所述车体坐标系的原点之间的相对距离；

所述定位模块，还用于根据所述位于横梁对应的兴趣区域内的点云数据，确定拟合得到的所述横梁的竖直面是所述横梁相对于桥吊中心的内侧竖直面还是所述横梁相对于桥吊中心的外侧竖直面；在确定拟合得到的所述横梁的竖直面为所述横梁相对于桥吊中心的内侧竖直面还是所述横梁相对于桥吊中心的外侧竖直面的过程中，是根据所述横梁位于前侧门框还是后侧门框、以及所述横梁的竖直面与无人驾驶车辆之间的距离为正值还是负值来确定的。

8.一种电子设备，其特征在于，所述设备包括：存储器和处理器；

所述存储器用于存储程序指令；

所述处理器用于调用所述存储器中的程序指令执行如权利要求1-6任一项所述的方法。

9.一种无人驾驶车辆，其特征在于，所述车辆包括：

雷达装置和如权利要求8所述的电子设备。

10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机程序；所述计算机程序被执行时，实现如权利要求1-6任一项所述的方法。