CN112665593B - 一种车辆定位方法及装置 - Google Patents
一种车辆定位方法及装置 Download PDFInfo
- Publication number
- CN112665593B CN112665593B CN202011494137.9A CN202011494137A CN112665593B CN 112665593 B CN112665593 B CN 112665593B CN 202011494137 A CN202011494137 A CN 202011494137A CN 112665593 B CN112665593 B CN 112665593B
- Authority
- CN
- China
- Prior art keywords
- position coordinates
- quay
- target
- preset
- vehicle
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 45
- 239000011159 matrix material Substances 0.000 claims description 43
- 238000012216 screening Methods 0.000 claims description 18
- 238000013507 mapping Methods 0.000 claims description 15
- 230000004927 fusion Effects 0.000 abstract 1
- 238000005259 measurement Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 239000003973 paint Substances 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 238000002310 reflectometry Methods 0.000 description 3
- 239000003550 marker Substances 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 238000007476 Maximum Likelihood Methods 0.000 description 1
- 239000011248 coating agent Substances 0.000 description 1
- 238000000576 coating method Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/10—Internal combustion engine [ICE] based vehicles
- Y02T10/40—Engine management systems
Landscapes
- Navigation (AREA)
Abstract
本发明提供一种车辆定位方法及装置,应用于汽车技术领域,该方法在获取预设参数值以及车载定位设备反馈的第一定位信息之后,首先根据第一定位信息识别目标岸桥以及目标岸桥中预设特征点的相对位置坐标,进而基于岸桥高精地图获取目标岸桥上预设特征点的实际位置坐标;最终将预设参数值、预设特征点的相对位置坐标,以及目标岸桥上预设特征点的实际位置坐标输入定位模型,得到待定位车辆的定位信息。本方法的定位模型是基于卡尔曼滤波器得到的,通过定位模型的融合,最终得到满足使用要求的待定位车辆的定位信息,解决现有技术中单纯依靠车载定位设备进行车辆定位,导致准确度较低的问题。
Description
技术领域
本发明属于汽车技术领域,尤其涉及一种车辆定位方法及装置。
背景技术
为了提高车辆定位的准确度,车辆大都设置有多种车载定位设备,比如差分GPS(Global Positioning System,全球定位***)、IMU(Inertial Measurement Unit,惯导测量单元)、摄像头、激光雷达等,通过对这些车载定位设备反馈的定位信息进行融合,最终确定车辆的位置坐标。
然而,在实际使用中,各种车载定位设备都有着一定的不足,比如,IMU的测量精度无法长时间保持、摄像头受光线和障碍物影响极为明显等。特别是在港口码头这一应用场景中,港口堆放的大量集装箱使得传统的视觉、激光定位***无法捕捉到足够的定位信息,而差分GPS在港口中甚至会经常出现失效的情况,造成无法对港口码头中的车辆进行有效定位。
因此,如何实现港口码头中行驶车辆的准确定位,成为本领域技术人员亟待解决的技术问题之一。
发明内容
有鉴于此,本发明的目的在于提供一种车辆定位方法及装置,基于表征待定位车辆当前行驶状态的预设参数值、港口中岸桥预设特征点的实际位置坐标和相对位置坐标实现车辆定位,以解决现有技术中单纯依靠车载定位设备导致的定位精度较低的问题,具体方案如下:
第一方面,本发明提供一种车辆定位方法,包括:
获取表征待定位车辆当前行驶状态的预设参数值,以及所述待定位车辆中车载定位设备反馈的第一定位信息;
根据所述第一定位信息,识别目标岸桥以及所述目标岸桥中预设特征点的相对位置坐标;
基于岸桥高精地图获取所述目标岸桥上预设特征点的实际位置坐标;所述岸桥高精地图中包括各岸桥的实际位置坐标;
将所述预设参数值、所述预设特征点的相对位置坐标,以及所述目标岸桥上预设特征点的实际位置坐标输入定位模型,得到所述待定位车辆的定位信息;
其中,所述定位模型基于卡尔曼滤波器得到。
可选的,所述基于岸桥高精地图获取所述目标岸桥上预设特征点的实际位置坐标,包括:
获取所述岸桥高精地图中所述目标岸桥的实际位置坐标和岸桥类型;
根据所述目标岸桥的实际位置坐标以及所述目标岸桥的岸桥类型,确定所述目标岸桥上预设特征点的实际位置坐标。
可选的,岸桥的实际位置坐标以岸桥上指定位置的实际位置坐标表示,所述根据所述目标岸桥的实际位置坐标以及所述目标岸桥的岸桥类型,确定所述目标岸桥上预设特征点的实际位置坐标,包括:
查询第一预设映射关系,根据所述目标岸桥的岸桥类型,确定所述目标岸桥对应的目标相对位置数据集;
其中,所述第一预设映射关系中记录有岸桥类型与相对位置数据集之间的对应关系,且任一所述相对位置数据集中包括相同岸桥类型的岸桥上指定位置与预设特征点之间的相对位置关系;
根据所述目标相对位置数据集以及所述目标岸桥的实际位置坐标,确定所述目标岸桥上预设特征点的实际位置坐标。
可选的,在所述将所述预设参数值、所述预设特征点的相对位置坐标,以及所述目标岸桥上预设特征点的实际位置坐标输入定位模型之前,还包括:
根据预设筛选规则,在各所述预设特征点的相对位置坐标中筛选满足所述预设筛选规则的相对位置坐标,得到筛选后的预设特征点的相对位置坐标;所述预设筛选规则根据岸桥的几何特征确定;
将筛选后的预设特征点的相对位置坐标与所述目标岸桥上预设特征点的实际位置坐标进行数据关联,得到关联后的预设特征点的相对位置坐标和关联后的所述目标岸桥上预设特征点的实际位置坐标;
相应的,所述将所述预设参数值、所述预设特征点的相对位置坐标,以及所述目标岸桥上预设特征点的实际位置坐标输入定位模型,包括:
将所述预设参数值、所述关联后的预设特征点的相对位置坐标,以及关联后的所述目标岸桥上预设特征点的实际位置坐标输入定位模型。
可选的,所述获取岸桥高精地图中所述目标岸桥的实际位置坐标和岸桥类型,包括:
根据所述第一定位信息确定所述目标岸桥的目标岸桥编号;
获取所述岸桥高精地图中记录的所述目标岸桥编号对应的实际位置坐标和岸桥类型,得到所述目标岸桥的实际位置坐标和岸桥类型。
可选的,所述第一定位信息包括含有预设标识图像的图片,所述根据所述第一定位信息确定所述目标岸桥的目标岸桥编号,包括:
识别所述图片中的目标预设标识;
查询第二预设映射关系,确定所述目标预设标识所对应的所述目标岸桥的目标岸桥编号,其中,所述第二预设映射关系中记录有预设标识与岸桥编号之间的对应关系。
可选的,所述预设参数值包括轮速和IMU姿态信息。
可选的,所述定位模型输出所述待定位车辆的定位信息的过程,包括:
获取上一周期所述待定位车辆的定位信息,其中,所述定位信息包括车辆位姿和表征定位精度的第一协方差矩阵;
根据所述预设参数值和所述上一周期所述待定位车辆的定位信息,计算所述待定位车辆的预测位姿和表征所述预测位姿精度的第二协方差矩阵;
基于所述预测位姿、所述第二协方差矩阵、所述预设特征点的相对位置坐标、所述预设特征点的实际位置坐标,以及预设的表征所述相对位置坐标和所述实际位置坐标精度的第三协方差矩阵,计算卡尔曼增益矩阵;
基于所述预测位姿、所述第二协方差矩阵、所述预设特征点的相对位置坐标、所述预设特征点的实际位置坐标、所述第三协方差矩阵,以及所述卡尔曼增益矩阵,计算所述待定位车辆的定位信息。
第二方面,本发明提供一种车辆定位装置,包括:
第一获取单元,用于获取表征待定位车辆当前行驶状态的预设参数值,以及所述待定位车辆中车载定位设备反馈的第一定位信息;
识别单元,用于根据所述第一定位信息,识别目标岸桥以及所述目标岸桥中预设特征点的相对位置坐标;
第二获取单元,用于基于岸桥高精地图获取所述目标岸桥上预设特征点的实际位置坐标;所述岸桥高精地图中包括各岸桥的实际位置坐标;
定位单元,用于将所述预设参数值、所述预设特征点的相对位置坐标,以及所述目标岸桥上预设特征点的实际位置坐标输入定位模型,得到所述待定位车辆的定位信息;
其中,所述定位模型基于卡尔曼滤波器得到。
可选的,所述第二获取单元,用于基于岸桥高精地图获取所述目标岸桥上预设特征点的实际位置坐标时,具体包括:
获取所述岸桥高精地图中所述目标岸桥的实际位置坐标和岸桥类型;
根据所述目标岸桥的实际位置坐标以及所述目标岸桥的岸桥类型,确定所述目标岸桥上预设特征点的实际位置坐标。
上述本发明提供的车辆定位方法,在获取预设参数值以及车载定位设备反馈的第一定位信息之后,首先根据第一定位信息识别目标岸桥以及目标岸桥中预设特征点的相对位置坐标,进而基于岸桥高精地图获取目标岸桥上预设特征点的实际位置坐标;最终将预设参数值、预设特征点的相对位置坐标,以及目标岸桥上预设特征点的实际位置坐标输入定位模型,得到待定位车辆的定位信息。
在本发明提供的车辆定位方法中,定位模型是基于卡尔曼滤波器得到的,由于卡尔曼滤波器可以实现不同精度数据在最小方差意义下的最优加权估计,平衡不同精度数据对最终输出结果的影响,本方法以表征待定位车辆当前行驶状态的预设参数值、车载定位设备反馈的定位信息,以及待定位车辆与岸桥上预设特征点之间的相对位置坐标为低精度数据,以港口中可以准确确定位置的岸桥上预设特征点的实际位置坐标为高精度数据,通过定位模型的融合,最终得到满足使用要求的待定位车辆的定位信息,解决现有技术中单纯依靠车载定位设备进行车辆定位,导致准确度较低的问题。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述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是本发明实施例提供的一种车辆定位方法的流程图;
图2是本发明实施例提供的一种车辆定位装置的结构框图;
图3是本发明实施例提供的另一种车辆定位装置的结构框图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,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。
可选的,参见图1,图1是本发明实施例提供的一种车辆定位方法的流程图,该方法可应用于车辆的车身控制器,也可以应用于车辆上其他能够获取相应参数,且具有数据处理能力的控制器,显然,在某些情况下,也可选用网络侧的服务器实现。参照图1,本发明实施例提供的车辆定位方法的流程,可以包括:
S100,获取表征待定位车辆当前行驶状态的预设参数值,以及待定位车辆中车载定位设备反馈的第一定位信息。
在本发明实施例中,表征车辆当前行驶状态的预设参数可以有多个,比如车轮转速、IMU反馈的姿态信息等,在对待定位车辆进行定位时,需要获取这些预设参数对应的预设参数值。在本发明实施例所提供的定位方法中,预设参数值主要用于调用定位模型之后,预测待定位车辆在当前周期内的预测位姿和表征预测位姿精度的第二协方差矩阵,相应内容将在后续部分展开,此处暂不详述。
如上所述,预设参数值是作为定位模型的输入信息使用的,因此,在实际应用中,预设参数的选取、预设参数的使用数量,均需要根据定位模型的设置,以及待定位车辆上车载定位设备安装情况具体选择,本发明对于预设参数的选取和使用数量不做具体限定。
其中,车载定位设备反馈的第一定位信息也即车载定位设备的定位信息,这里为将车载定位设备反馈的定位信息与最终得到的待定位车辆的定位信息作以区分,将车载定位设备的定位信息称之为第一定位信息。车载定位设备可以是现有技术中任何能够采集相关定位信息的电子设备,比如激光雷达、摄像头、IMU、差分GPS等,相应的,车载定位设备反馈的定位信息即为各现有定位设备所能够提供的定位信息,比如,摄像头反馈的图片、激光雷达反馈的点云,差分GPS反馈的位置坐标和车辆姿态等。在实际应用中,待定位车辆往往配置有多种车载定位设备,相应的,本步骤中获得的定位信息也有可能为多种。
S110、根据第一定位信息,识别目标岸桥以及目标岸桥中预设特征点的相对位置坐标。
在本步骤中,目标岸桥的识别是基于车载定位设备反馈的定位信息实现的。不同的车载定位设备,根据其反馈的定位信息识别目标岸桥的方法也相应的存在差异。
为便于识别目标岸桥,可以在岸桥上提前预设一些有助于识别的标志物,比如在岸桥的指定位置人工涂刷高反光性能的涂料、或者粘贴特殊图像等。可选的,如果车载定位设备是摄像头,第一定位信息在本实施例中就是指包含有目标岸桥图像的图片,通过对图片内容进行识别,即可判断所得的定位信息中是否包含目标岸桥。进一步的,岸桥表面如果预设有上述标志物,则可以使得目标岸桥的识别过程更为准确、快捷。
可选的,如果车载定位设备包括激光雷达、差分GPS等设备,其反馈的定位信息应该包括点云信息和位置信息等,对于点云信息则可以根据岸桥的点云特征,即可判断所得定位信息中是否包含目标岸桥,即判断待定位车辆周围是否存在目标岸桥。
可以想到的是,在实际应用中,港口中往往设置有多座岸桥,而待定位车辆的车载定位设备反馈的定位信息中同样可能包括有多座岸桥,相应的,可以基于上述识别方法同时识别到多座岸桥,基于此,本发明实施例中述及的目标岸桥指的是识别到的多座岸桥中的任一岸桥。
进一步的,在本发明实施例中述及的目标岸桥的预设特征点,可以是岸桥的几何特征,比如岸桥桥臂的端点等,也可是人工安装的高反涂料、图片等信息。对于预设特征点的选取可以根据岸桥的类型,以及岸桥的具体结构特征确定,本发明对于预设特征点的具体选取不做限定。
对于目标岸桥上预设特征点的相对位置坐标的识别,与目标岸桥的识别过程是类似的,同样可以基于激光雷达、差分GPS等设备实现,当然,为了便于识别这些预设特征点,可以在相应的位置设置便于识别的处理,比如预设标志物,涂覆高反光性能的涂料等,此处不再赘述。
S120、基于岸桥高精地图获取目标岸桥上预设特征点的实际位置坐标。
在港口的实际管理中,每一岸桥处都设置有编码器,港口的RCMS(Remote CraneMonitoring System,远程监控***)接收来自港口岸桥上编码器反馈的各岸桥的岸桥位置信息和相应的岸桥编号,同时,RCMS中还记录有各个岸桥所对应的岸桥类型,且岸桥位置信息可用岸桥上指定位置的实际位置坐标表示。可以想到的是,属于同一岸桥类型的岸桥具有一致的外形尺寸和结构特征。编码器和RCMS之间的通讯是稳定可靠的,RCMS得到的港口内各个岸桥的实际位置坐标、岸桥的实际位置坐标与岸桥编号之间的对应关系,以及岸桥类型等信息的准确度是非常高的。
在本实施例中,RCMS会将港口内各个岸桥的实际位置坐标、岸桥类型以及各个岸桥对应的岸桥编号记录在高精地图中,并按照预设的更新周期通过***后台程序向待定位车辆的T-BOX发送更新后的高精地图数据,以使车辆的T-BOX能够及时获得港口内各岸桥的实际位置坐标。
基于上述内容,本发明实施例提供的定位方法,获得所识别到的岸桥的实际位置坐标和岸桥类型的方法,就是通过访问待定位车辆的T-BOX实现的。同时,由于T-BOX中的高精地图中存储有多个岸桥的实际位置坐标和相应的岸桥类型,如何在高精地图中获取目标岸桥的实际位置坐标和相应的岸桥类型,则成为首先要解决的问题。
可选的,为解决上述问题,本发明提供一种获取高精地图中目标岸桥的实际位置坐标和岸桥类型的方法。如前所述,高精地图中每一座岸桥都对应着唯一的岸桥编号,因此,首先需要根据第一定位信息确定目标岸桥的目标岸桥编号。
具体的,为了在待定位车辆能够通过车载定位设备在识别到目标岸桥后进一步确定岸桥编号,可以在岸桥上设置预设标识,比如,指定的图形等。这里需要说明的是,前面内容中述及的用于增强岸桥可识别性的标志物,与本步骤中述及的预设标识,可以通过同一种方式实现,比如使用高反材料制作的预设标识,既可以增强岸桥的可识别性,同时还包含有岸桥标识等信息。当然,也可以通过不同方式、在岸桥的不同位置实现。本实施例对于上述两种信息的具体实现方式不做限定。
基于上述内容,如果车载定位设备反馈的定位信息为含有预设标识图像的图片,在识别到岸桥之后,可以进一步识别图片中的目标预设标识,在得到目标预设标识之后,进一步根据记录有预设标识与岸桥编号之间的对应关系的第二预设映射关系,查询确定目标预设标识对应的目标岸桥的目标岸桥编号。
当然,如果预设标识本身的内容就是岸桥编号,在得到含有预设标识图像的图片之后,可以直接对图片中预设标识的图像进行识别,并直接得到相应的目标岸桥编号。
可选的,如果定位信息是激光雷达等反馈的点云信息以及差分GPS反馈的待定位车辆在全局坐标下的位置坐标,由于根据点云信息能够得到的是待定位车辆与目标岸桥之间的相对位置关系,可以进一步根据这一相对位置关系,以及待定位车辆在全局坐标系下的位置坐标,即可反向求解得到目标岸桥的位置坐标(具体可参照现有技术实现)。同时,还以获得存储于T-BOX中的各个岸桥的实际位置坐标和岸桥编号,在各岸桥中,确定与所得目标岸桥的位置坐标最接近的岸桥,进而得到相应的目标岸桥编号。
确定目标岸桥对应的目标岸桥编号之后,查询高精地图中记录的目标岸桥编号对应的实际位置坐标和岸桥类型,即可得到目标岸桥的实际位置坐标和岸桥类型。
在得到目标岸桥的实际位置坐标以及目标岸桥的岸桥类型之后,即可进一步确定目标岸桥上预设特征点的实际位置坐标。
可选的,在实际应用中,岸桥的实际位置坐标可以用岸桥上指定位置的实际位置坐标来表示,比如用岸桥底座中心的实际位置坐标来代表岸桥的实际位置坐标,当然,还可以选用岸桥上其他指定位置的实际位置坐标来表示岸桥的实际位置坐标,本发明对于上述指定位置的选取不做限定。
基于上述内容,本方法提供第一预设映射关系,该第一预设映射关系中记录有岸桥类型与相对位置数据集之间的对应关系,且任一相对位置数据集中包括相同岸桥类型的岸桥上指定位置与预设特征点之间的相对位置关系。在确定目标岸桥的岸桥类型之后,查询第一预设映射关系,即可根据目标岸桥的岸桥类型,确定目标岸桥所对应的目标相对位置数据集。
由于已知目标岸桥的实际位置坐标,即目标岸桥上指定位置的实际位置坐标,基于目标相对位置数据集,可以进一步确定目标岸桥上各个预设特征点的实际位置坐标。
S130、将预设参数值、预设特征点的相对位置坐标,以及目标岸桥上预设特征点的实际位置坐标输入定位模型,得到待定位车辆的定位信息。
可选的,基于卡尔曼滤波器的基本应用原理可知,卡尔曼滤波器可以实现不同精度数据在最小方差意义下的最优加权估计,平衡不同精度数据对最终输出结果的影响,并且可以有效结合预测数据和实际测量数据,因此,本发明实施例所提供的定位方法,基于卡尔曼滤波器提供一种定位模型,该定位模型以前述预设参数值、预设特征点的相对位置坐标,以及预设特征点的实际位置坐标为输入信息,以基于输入信息计算得到的最优定位信息为输出。
经过前述步骤得到定位模型所需的输入信息后,将预设参数值、预设特征点的相对位置坐标,以及预设特征点的实际位置坐标输入定位模型,即可得到待定位车辆的定位信息。
具体的,在向定位模型输入上述数据之后,定位模型会获取上一周期的定位信息,其中,该定位信息包括车辆位姿和表征定位精度的第一协方差矩阵;然后根据预设参数值和上一周期的定位信息,计算待定位车辆的预测位姿和表征预测位姿精度的第二协方差矩阵;进而基于预测位姿、第二协方差矩阵、相对位置坐标、预设特征点的实际位置坐标,以及预设的表征相对位置坐标和实际位置坐标精度的第三协方差矩阵,计算卡尔曼增益矩阵。
最终,定位模型基于预测位姿、第二协方差矩阵、相对位置坐标、预设特征点的实际位置坐标、第三协方差矩阵,以及卡尔曼增益矩阵,计算待定位车辆的定位信息。
可以想到的是,本周期计算得到的待定位车辆的定位信息,将作为下一周期中的预测位姿的基础数据使用。
综上所述,在本发明提供的车辆定位方法中,定位模型是基于卡尔曼滤波器得到的,由于卡尔曼滤波器可以实现不同精度数据在最小方差意义下的最优加权估计,平衡不同精度数据对最终输出结果的影响,本方法以车载定位设备反馈的预设参数值、定位信息,以及待定位车辆与岸桥上预设特征点的相对位置坐标为低精度数据,以港口中可以准确确定位置的岸桥上预设特征点的实际位置坐标为高精度数据,通过定位模型的融合,最终得到满足使用要求的定位信息,解决现有技术中单纯依靠车载定位设备进行车辆定位,导致准确度较低的问题。
如前所述,上述实施例中述及的第一定位信息是由车载定位设备反馈的,这些第一定位信息会因为各种原因而变得不够准确,因此,通过解析所得第一定位信息,进而确定待定位车辆与各预设特征点之间的相对位置坐标,同样也是不够准确的,甚至有可能存在错误数据,为了提高定位结果的精确度,需要对所得相对位置坐标进行筛选,进而得到满足使用要求的待定位车辆与各预设特征点之间的相对位置坐标。
可选的,在执行S130之前,还可进行如下操作,以提高车辆定位的准确度。
首先,根据预设筛选规则,在各预设特征点的相对位置坐标中筛选满足预设筛选规则的相对位置坐标,得到筛选后的预设特征点的相对位置坐标。
具体的,各预设特征点包括但不限于边角信息、图像信息等。为方便表述,以zi=[ri,θi],i=1:m表示各根据第一定位信息初步确定的相对位置坐标(为便于表述,后续称为候选相对位置坐标),其中,m为候选相对位置坐标的数量,r为任一后续相对位置坐标中预设特征点相对于待定位车辆的距离,θ为预设特征点相对于待定位车辆的角度。以mi=[xi,yi],i=1:n表示各预设特征点的实际位置坐标,其中,n表示预设特征点的数量,xi、yi分别表示任一预设特征点在全局坐标系下的横坐标和纵坐标。前述预设筛选规则可以基于几何约束条件设定,通过预设筛选条件剔除出候选相对位置坐标中的错误数据。例如,如检测到左方30米处有横截面,但实际岸桥的几何约束条件中宽度达不到,则可通过筛选将左方30米处横截面相关的多余信息剔除。
然后,将筛选后的预设特征点的相对位置坐标与目标岸桥上预设特征点的实际位置坐标进行数据关联,得到关联后的预设特征点的相对位置坐标和关联后的目标岸桥上预设特征点的实际位置坐标。例如,在一具体实施方式,使用几何约束对zi=[ri,θi],i=1:m中错误数据进行剔除,然后使用极大似然估计的方法对筛选后的预设特征点的相对位置坐标与mi=[xi,yi],i=1:n进行数据关联。关联后的预设特征点的相对位置坐标和关联后的目标岸桥上预设特征点的实际位置坐标分别为zi=[ri,θi],i=1:k,mi=[xi,yi],i=1:k。比如,使用目标岸桥的4个角进行定位,目标岸桥的4个角的实际位置坐标是确定的,我们识别的是这4个角的相对位置坐标,通过几何约束来舍去所得相对位置坐标中不合理的相对位置坐标。再把剩下的相对位置坐标与实际位置坐标进行匹配,即完成数据关联,从而得到待定位车辆与预设特征点之间的相对位置坐标。
相应的,在执行上述处理后,即可将预设参数值、关联后的预设特征点的相对位置坐标,以及关联后的目标岸桥上预设特征点的实际位置坐标输入定位模型,进而得到待定位车辆更为准确的定位信息。
可以理解的是:本发明实施例还存在其他的车载定位方法,例如,可以在岸桥高精地图本身中添加各岸桥上预设特征点的实际位置坐标,这样可直接根据各岸桥的实际位置坐标得到岸桥上预设特征点的实际位置坐标。又例如,上述数据关联时也可采用其他方法,如采用贝叶斯估计等。
下面对本发明实施例提供的车辆定位装置进行介绍,下文描述的车辆定位装置可以认为是为实现本发明实施例提供的车辆定位方法,在中央设备中需设置的功能模块架构;下文描述内容可与上文相互参照。
可选的,参见图2,图2是本发明实施例提供的一种车辆定位装置的结构框图,本实施例提供的车辆定位装置,包括:
第一获取单元10,用于获取表征待定位车辆当前行驶状态的预设参数值,以及待定位车辆中车载定位设备反馈的第一定位信息;
识别单元20,用于根据第一定位信息,识别目标岸桥以及目标岸桥中预设特征点的相对位置坐标;
第二获取单元30,用于基于岸桥高精地图获取目标岸桥上预设特征点的实际位置坐标;岸桥高精地图中包括各岸桥的实际位置坐标;
定位单元40,用于将预设参数值、预设特征点的相对位置坐标,以及目标岸桥上预设特征点的实际位置坐标输入定位模型,得到待定位车辆的定位信息;
其中,定位模型基于卡尔曼滤波器得到。
可选的,第二获取单元30,用于基于岸桥高精地图获取目标岸桥上预设特征点的实际位置坐标时,具体包括:
获取岸桥高精地图中目标岸桥的实际位置坐标和岸桥类型;
根据目标岸桥的实际位置坐标以及目标岸桥的岸桥类型,确定目标岸桥上预设特征点的实际位置坐标。
可选的,岸桥的实际位置坐标以岸桥上指定位置的实际位置坐标表示,第二获取单元30,用于根据目标岸桥的实际位置坐标以及目标岸桥的岸桥类型,确定目标岸桥上预设特征点的实际位置坐标时,具体包括:
查询第一预设映射关系,根据目标岸桥的岸桥类型,确定目标岸桥对应的目标相对位置数据集;
其中,第一预设映射关系中记录有岸桥类型与相对位置数据集之间的对应关系,且任一相对位置数据集中包括相同岸桥类型的岸桥上指定位置与预设特征点之间的相对位置关系;
根据目标相对位置数据集以及目标岸桥的实际位置坐标,确定目标岸桥上预设特征点的实际位置坐标。
可选的,第二获取单元30,用于获取岸桥高精地图中目标岸桥的实际位置坐标和岸桥类型时,具体包括:
根据第一定位信息确定目标岸桥的目标岸桥编号;
获取岸桥高精地图中记录的目标岸桥编号对应的实际位置坐标和岸桥类型,得到目标岸桥的实际位置坐标和岸桥类型。
可选的,第一定位信息包括含有预设标识图像的图片,第二获取单元30,用于根据第一定位信息确定目标岸桥的目标岸桥编号时,具体包括:
识别图片中的目标预设标识;
查询第二预设映射关系,确定目标预设标识所对应的目标岸桥的目标岸桥编号,其中,第二预设映射关系中记录有预设标识与岸桥编号之间的对应关系。
可选的,定位单元40中定位模型输出待定位车辆的定位信息的过程,具体包括:
获取上一周期待定位车辆的定位信息,其中,定位信息包括车辆位姿和表征定位精度的第一协方差矩阵;
根据预设参数值和上一周期待定位车辆的定位信息,计算待定位车辆的预测位姿和表征预测位姿精度的第二协方差矩阵;
基于预测位姿、第二协方差矩阵、预设特征点的相对位置坐标、预设特征点的实际位置坐标,以及预设的表征相对位置坐标和实际位置坐标精度的第三协方差矩阵,计算卡尔曼增益矩阵;
基于预测位姿、第二协方差矩阵、预设特征点的相对位置坐标、预设特征点的实际位置坐标、第三协方差矩阵,以及卡尔曼增益矩阵,计算待定位车辆的定位信息。
可选的,参见图3,图3是本发明实施例提供的另一种车辆定位装置的结构框图,在图2所示实施例的基础上,该装置还包括:
筛选单元50,用于根据预设筛选规则,在各预设特征点的相对位置坐标中筛选满足预设筛选规则的相对位置坐标,得到筛选后的预设特征点的相对位置坐标;预设筛选规则根据岸桥的几何特征确定;
关联单元60,用于将筛选后的预设特征点的相对位置坐标与目标岸桥上预设特征点的实际位置坐标进行数据关联,得到关联后的预设特征点的相对位置坐标和关联后的目标岸桥上预设特征点的实际位置坐标。
本说明书中各个实施例采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似部分互相参见即可。对于实施例公开的装置而言,由于其与实施例公开的方法相对应,所以描述的比较简单,相关之处参见方法部分说明即可。
专业人员还可以进一步意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、计算机软件或者二者的结合来实现,为了清楚地说明硬件和软件的可互换性,在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本发明的范围。
结合本文中所公开的实施例描述的方法或算法的步骤可以直接用硬件、处理器执行的软件模块,或者二者的结合来实施。软件模块可以置于随机存储器(RAM)、内存、只读存储器(ROM)、电可编程ROM、电可擦除可编程ROM、寄存器、硬盘、可移动磁盘、CD-ROM、或技术领域内所公知的任意其它形式的存储介质中。
对所公开的实施例的上述说明,使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的,本文中所定义的一般原理可以在不脱离本发明的核心思想或范围的情况下,在其它实施例中实现。因此,本发明将不会被限制于本文所示的这些实施例,而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
Claims (9)
1.一种车辆定位方法,其特征在于,包括:
获取表征待定位车辆当前行驶状态的预设参数值,以及所述待定位车辆中车载定位设备反馈的第一定位信息;
根据所述第一定位信息,识别目标岸桥以及所述目标岸桥中预设特征点的相对位置坐标;
基于岸桥高精地图获取所述目标岸桥上预设特征点的实际位置坐标;所述岸桥高精地图中包括各岸桥的实际位置坐标;
将所述预设参数值、所述预设特征点的相对位置坐标,以及所述目标岸桥上预设特征点的实际位置坐标输入定位模型,得到所述待定位车辆的定位信息;
其中,所述定位模型基于卡尔曼滤波器得到,所述预设参数值用于输入所述定位模型后,预测待定位车辆在当前周期内的预测位姿和表征预测位姿精度的协方差矩阵;
所述定位模型输出所述待定位车辆的定位信息的过程,包括:
获取上一周期所述待定位车辆的定位信息,其中,所述定位信息包括车辆位姿和表征定位精度的第一协方差矩阵;
根据所述预设参数值和所述上一周期所述待定位车辆的定位信息,计算所述待定位车辆的预测位姿和表征所述预测位姿精度的第二协方差矩阵;
基于所述预测位姿、所述第二协方差矩阵、所述预设特征点的相对位置坐标、所述预设特征点的实际位置坐标,以及预设的表征所述相对位置坐标和所述实际位置坐标精度的第三协方差矩阵,计算卡尔曼增益矩阵;
基于所述预测位姿、所述第二协方差矩阵、所述预设特征点的相对位置坐标、所述预设特征点的实际位置坐标、所述第三协方差矩阵,以及所述卡尔曼增益矩阵,计算所述待定位车辆的定位信息。
2.根据权利要求1所述的车辆定位方法,其特征在于,所述基于岸桥高精地图获取所述目标岸桥上预设特征点的实际位置坐标,包括:
获取所述岸桥高精地图中所述目标岸桥的实际位置坐标和岸桥类型;
根据所述目标岸桥的实际位置坐标以及所述目标岸桥的岸桥类型,确定所述目标岸桥上预设特征点的实际位置坐标。
3.根据权利要求2所述的车辆定位方法,其特征在于,岸桥的实际位置坐标以岸桥上指定位置的实际位置坐标表示,所述根据所述目标岸桥的实际位置坐标以及所述目标岸桥的岸桥类型,确定所述目标岸桥上预设特征点的实际位置坐标,包括:
查询第一预设映射关系,根据所述目标岸桥的岸桥类型,确定所述目标岸桥对应的目标相对位置数据集;
其中,所述第一预设映射关系中记录有岸桥类型与相对位置数据集之间的对应关系,且任一所述相对位置数据集中包括相同岸桥类型的岸桥上指定位置与预设特征点之间的相对位置关系;
根据所述目标相对位置数据集以及所述目标岸桥的实际位置坐标,确定所述目标岸桥上预设特征点的实际位置坐标。
4.根据权利要求1所述的车辆定位方法,其特征在于,在所述将所述预设参数值、所述预设特征点的相对位置坐标,以及所述目标岸桥上预设特征点的实际位置坐标输入定位模型之前,还包括:
根据预设筛选规则,在各所述预设特征点的相对位置坐标中筛选满足所述预设筛选规则的相对位置坐标,得到筛选后的预设特征点的相对位置坐标;所述预设筛选规则根据岸桥的几何特征确定;
将筛选后的预设特征点的相对位置坐标与所述目标岸桥上预设特征点的实际位置坐标进行数据关联,得到关联后的预设特征点的相对位置坐标和关联后的所述目标岸桥上预设特征点的实际位置坐标;
相应的,所述将所述预设参数值、所述预设特征点的相对位置坐标,以及所述目标岸桥上预设特征点的实际位置坐标输入定位模型,包括:
将所述预设参数值、所述关联后的预设特征点的相对位置坐标,以及关联后的所述目标岸桥上预设特征点的实际位置坐标输入定位模型。
5.根据权利要求2所述的车辆定位方法,其特征在于,所述获取岸桥高精地图中所述目标岸桥的实际位置坐标和岸桥类型,包括:
根据所述第一定位信息确定所述目标岸桥的目标岸桥编号;
获取所述岸桥高精地图中记录的所述目标岸桥编号对应的实际位置坐标和岸桥类型,得到所述目标岸桥的实际位置坐标和岸桥类型。
6.根据权利要求5所述的车辆定位方法,其特征在于,所述第一定位信息包括含有预设标识图像的图片,所述根据所述第一定位信息确定所述目标岸桥的目标岸桥编号,包括:
识别所述图片中的目标预设标识;
查询第二预设映射关系,确定所述目标预设标识所对应的所述目标岸桥的目标岸桥编号,其中,所述第二预设映射关系中记录有预设标识与岸桥编号之间的对应关系。
7.根据权利要求1所述的车辆定位方法,其特征在于,所述预设参数值包括轮速和IMU姿态信息。
8.一种车辆定位装置,其特征在于,包括:
第一获取单元,用于获取表征待定位车辆当前行驶状态的预设参数值,以及所述待定位车辆中车载定位设备反馈的第一定位信息;
识别单元,用于根据所述第一定位信息,识别目标岸桥以及所述目标岸桥中预设特征点的相对位置坐标;
第二获取单元,用于基于岸桥高精地图获取所述目标岸桥上预设特征点的实际位置坐标;所述岸桥高精地图中包括各岸桥的实际位置坐标;
定位单元,用于将所述预设参数值、所述预设特征点的相对位置坐标,以及所述目标岸桥上预设特征点的实际位置坐标输入定位模型,得到所述待定位车辆的定位信息;
其中,所述定位模型基于卡尔曼滤波器得到,所述预设参数值用于输入所述定位模型后,预测待定位车辆在当前周期内的预测位姿和表征预测位姿精度的协方差矩阵;
所述定位模型输出所述待定位车辆的定位信息的过程,包括:
获取上一周期所述待定位车辆的定位信息,其中,所述定位信息包括车辆位姿和表征定位精度的第一协方差矩阵;
根据所述预设参数值和所述上一周期所述待定位车辆的定位信息,计算所述待定位车辆的预测位姿和表征所述预测位姿精度的第二协方差矩阵;
基于所述预测位姿、所述第二协方差矩阵、所述预设特征点的相对位置坐标、所述预设特征点的实际位置坐标,以及预设的表征所述相对位置坐标和所述实际位置坐标精度的第三协方差矩阵,计算卡尔曼增益矩阵;
基于所述预测位姿、所述第二协方差矩阵、所述预设特征点的相对位置坐标、所述预设特征点的实际位置坐标、所述第三协方差矩阵,以及所述卡尔曼增益矩阵,计算所述待定位车辆的定位信息。
9.根据权利要求8所述的车辆定位装置,其特征在于,所述第二获取单元,用于基于岸桥高精地图获取所述目标岸桥上预设特征点的实际位置坐标时,具体包括:
获取所述岸桥高精地图中所述目标岸桥的实际位置坐标和岸桥类型;
根据所述目标岸桥的实际位置坐标以及所述目标岸桥的岸桥类型,确定所述目标岸桥上预设特征点的实际位置坐标。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011494137.9A CN112665593B (zh) | 2020-12-17 | 2020-12-17 | 一种车辆定位方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011494137.9A CN112665593B (zh) | 2020-12-17 | 2020-12-17 | 一种车辆定位方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112665593A CN112665593A (zh) | 2021-04-16 |
CN112665593B true CN112665593B (zh) | 2024-01-26 |
Family
ID=75404543
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011494137.9A Active CN112665593B (zh) | 2020-12-17 | 2020-12-17 | 一种车辆定位方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112665593B (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107422730A (zh) * | 2017-06-09 | 2017-12-01 | 武汉市众向科技有限公司 | 基于视觉导引的agv运输***及其驾驶控制方法 |
CN110887494A (zh) * | 2019-11-29 | 2020-03-17 | 腾讯科技(深圳)有限公司 | 车辆定位方法、装置 |
CN111175788A (zh) * | 2020-01-20 | 2020-05-19 | 北京主线科技有限公司 | 自动驾驶车辆横向定位方法及其定位*** |
CN111220154A (zh) * | 2020-01-22 | 2020-06-02 | 北京百度网讯科技有限公司 | 车辆定位方法、装置、设备和介质 |
CN211149277U (zh) * | 2019-09-29 | 2020-07-31 | 中电骏途新能源科技有限公司 | 一种港内集装箱卡车作业智能导航*** |
CN111578928A (zh) * | 2020-05-07 | 2020-08-25 | 北京邮电大学 | 一种基于多源融合定位***的定位方法及装置 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP6689659B2 (ja) * | 2016-04-19 | 2020-04-28 | クラリオン株式会社 | 位置推定装置、及び、推定方法 |
KR20200044420A (ko) * | 2018-10-19 | 2020-04-29 | 삼성전자주식회사 | 위치 추정 방법 및 장치 |
-
2020
- 2020-12-17 CN CN202011494137.9A patent/CN112665593B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107422730A (zh) * | 2017-06-09 | 2017-12-01 | 武汉市众向科技有限公司 | 基于视觉导引的agv运输***及其驾驶控制方法 |
CN211149277U (zh) * | 2019-09-29 | 2020-07-31 | 中电骏途新能源科技有限公司 | 一种港内集装箱卡车作业智能导航*** |
CN110887494A (zh) * | 2019-11-29 | 2020-03-17 | 腾讯科技(深圳)有限公司 | 车辆定位方法、装置 |
CN111175788A (zh) * | 2020-01-20 | 2020-05-19 | 北京主线科技有限公司 | 自动驾驶车辆横向定位方法及其定位*** |
CN111220154A (zh) * | 2020-01-22 | 2020-06-02 | 北京百度网讯科技有限公司 | 车辆定位方法、装置、设备和介质 |
CN111578928A (zh) * | 2020-05-07 | 2020-08-25 | 北京邮电大学 | 一种基于多源融合定位***的定位方法及装置 |
Non-Patent Citations (3)
Title |
---|
SC-KF mobile robot localization: A stochastic cloning Kalman filter for processing relative-state measurements;Mourikis, AI等;《IEEE TRANSACTIONS ON ROBOTICS》;全文 * |
基于PMD相机的特征跟踪位姿测量方法;张旭东;李文龙;胡良梅;叶子瑞;;电子测量与仪器学报(第07期);全文 * |
基于地面特征点匹配的无人驾驶车全局定位;方辉;杨明;杨汝清;;机器人(第01期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN112665593A (zh) | 2021-04-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109143207B (zh) | 激光雷达内参精度验证方法、装置、设备及介质 | |
US10552982B2 (en) | Method for automatically establishing extrinsic parameters of a camera of a vehicle | |
WO2018142900A1 (ja) | 情報処理装置、データ管理装置、データ管理システム、方法、及びプログラム | |
CN109435955B (zh) | 一种自动驾驶***性能评估方法、装置、设备及存储介质 | |
DE102017101466A1 (de) | Verfolgen von objekten in einer dynamischen umgebung zur verbesserten lokalisierung | |
CN104167109A (zh) | 车辆位置的检测方法和检测装置 | |
CN111127584A (zh) | 建立视觉地图的方法和装置、电子设备和存储介质 | |
CN111241224B (zh) | 目标距离估计的方法、***、计算机设备和存储介质 | |
CN110906953A (zh) | 一种自动驾驶定位的相对位置精度评估方法及装置 | |
CN110271553A (zh) | 用于稳健地定位车辆的方法和设备 | |
CN112964291A (zh) | 一种传感器标定的方法、装置、计算机存储介质及终端 | |
CN113740871A (zh) | 一种在高动态环境下的激光slam方法、***设备及存储介质 | |
WO2021001018A1 (en) | Sourced lateral offset for adas or ad features | |
CN114943952A (zh) | 多相机重叠视域下障碍物融合方法、***、设备和介质 | |
CN114063622B (zh) | 无人船自主停泊定位方法、装置及相关组件 | |
CN113566817B (zh) | 一种车辆定位方法及装置 | |
CN111103584A (zh) | 用于获知车辆的环境中的物体的高度信息的设备和方法 | |
US11908206B2 (en) | Compensation for vertical road curvature in road geometry estimation | |
CN113671454A (zh) | 一种车载雷达的位置参数标定方法、装置及存储介质 | |
CN110633800B (zh) | 基于自动驾驶车辆的车道位置确定方法、设备及存储介质 | |
CN112665593B (zh) | 一种车辆定位方法及装置 | |
CN113227821B (zh) | 对机动车的环境传感器的定位测量的分析评价 | |
CN114419573A (zh) | 动态占据栅格估计方法及装置 | |
CN116691659A (zh) | 一种无gps信号下车辆行驶轨迹的评估方法、装置 | |
CN116543271A (zh) | 目标检测评价指标的确定方法、装置、电子设备及介质 |
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 |