CN114088114B - 车辆位姿校准方法、装置和电子设备 - Google Patents

Abstract

本申请涉及一种车辆位姿校准方法、装置和电子设备。该方法包括：获取车辆当前位置的外部环境图像中的第一道路标识信息及获取车辆的当前位置在对应的高精地图中的第二道路标识信息；获取第一道路标识信息在车辆坐标系中对应的第一采样点及获取第二道路标识信息在车辆坐标系中对应的第二采样点；将标识类型相同的第一采样点与第二采样点进行匹配，获得对应的位姿校准量；根据位姿校准量对车辆的当前位姿信息进行校准，获得校准后的车辆位姿信息。本申请提供的方案，能够校准车辆位姿，提高车辆的定位精度和鲁棒性。

Description

车辆位姿校准方法、装置和电子设备

技术领域

本申请涉及导航技术领域，尤其涉及一种车辆位姿校准方法、装置和电子设备。

背景技术

车辆的自动驾驶技术的本质是一个车辆循迹的控制过程。其中车辆位置和车辆位姿对于自动驾驶的实现至关重要，是车辆感知单元和控制单元进行感知决策的先决条件，行驶过程中车辆在车道中位置的精确度即车辆的横向定位性能关系到车辆的安全行驶。

相关技术中，自动驾驶常以惯性导航、卫星导航及里程计导航进行组合定位。由于受到卫星的可用性、惯导性能和里程计累计误差等影响，该定位方法得到的车辆位姿与车辆的实际位姿存在偏差，尤其是在隧道和城市高楼等GPS信号不稳定的场景下，难以满足自动驾驶的定位需求。

发明内容

为解决或部分解决相关技术中存在的问题，本申请提供一种车辆位姿校准方法，能够校准车辆位姿，提高车辆的定位精度和鲁棒性。

本申请第一方面提供一种车辆位姿校准方法，包括：

获取车辆当前位置的外部环境图像中的第一道路标识信息及获取所述车辆的当前位置在对应的高精地图中的第二道路标识信息；

获取所述第一道路标识信息在车辆坐标系中对应的第一采样点及获取所述第二道路标识信息在所述车辆坐标系中对应的第二采样点；

将标识类型相同的所述第一采样点与所述第二采样点进行匹配，获得对应的位姿校准量；

根据所述位姿校准量对所述车辆的当前位姿信息进行校准，获得校准后的车辆位姿信息。

在一实施方式中，所述获取车辆当前位置的外部环境图像中的第一道路标识信息，包括：

采集车辆当前位置的外部环境图像；

通过语义分割识别所述外部环境图像中的第一预设范围内的第一道路标识信息及对应的标识类型。

在一实施方式中，所述获取所述车辆的当前位置在对应的高精地图中的第二道路标识信息，包括：

根据所述车辆的当前经纬度和所述当前位姿信息，获取在高精地图中的第二预设范围内的第二道路标识信息。

在一实施方式中，所述获取所述第一道路标识信息在车辆坐标系中对应的第一采样点，包括：

将所述第一道路标识信息进行点云表示，生成第一点云；

根据相机参数将所述第一点云在图像坐标系中的坐标转换为车辆坐标系中的坐标；

根据所述第一点云在所述车辆坐标系中的坐标，拟合生成第一线型；

在所述第一线型提取多个第一采样点。

在一实施方式中，所述获取第二道路标识信息在所述车辆坐标系中对应的第二采样点，包括：

将所述第二道路标识信息进行点云表示，生成第二点云；

根据所述当前位姿信息，将所述第二点云在大地坐标系中的坐标转换为车辆坐标系中的坐标；

根据所述第二点云在所述车辆坐标系中的坐标，拟合生成第二线型；

在所述第二线型提取多个第二采样点。

在一实施方式中，所述将标识类型相同的所述第一采样点与所述第二采样点进行匹配，获得对应的位姿校准量，包括：

分别将相同标识类型的所述第一采样点与所述第二采样点进行匹配，获得多个初始位姿校准量；

根据所述标识类型对应的预设加权值，分别将对应的所述初始位姿校准量进行加权，获得对应的位姿校准量。

在一实施方式中，所述标识类型包括以下至少一种：

实线、虚线、停止线、左转标识、右转标识、直行标识、掉头标识、左转加直行标识、右转加直行标识、左转掉头加直行标识和三角减速慢行标识。

本申请第二方面提供一种车辆位姿校准装置，其包括：

标识信息获取模块，用于获取车辆当前位置的外部环境图像中的第一道路标识信息及获取所述车辆的当前位置在对应的高精地图中的第二道路标识信息；

采样点获取模块，用于获取所述第一道路标识信息在车辆坐标系中对应的第一采样点及获取所述第二道路标识信息在所述车辆坐标系中对应的第二采样点；

匹配模块，用于将标识类型相同的所述第一采样点与所述第二采样点进行匹配，获得对应的位姿校准量；

校准模块，用于根据所述位姿校准量对所述车辆的当前位姿信息进行校准，获得校准后的车辆位姿信息。

本申请第三方面提供一种电子设备，包括：

处理器；以及

存储器，其上存储有可执行代码，当所述可执行代码被所述处理器执行时，使所述处理器执行如上所述的方法。

本申请第四方面提供一种计算机可读存储介质，其上存储有可执行代码，当所述可执行代码被电子设备的处理器执行时，使所述处理器执行如上所述的方法。

本申请提供的技术方案可以包括以下有益效果：

本申请的基于道路标识的位姿优化方法，根据车辆的当前外部环境图像中的第一道路标识信息及车辆的当前位置在对应的高精地图中的第二道路标识信息，获取对应的第一采样点和第二采样点；通过匹配第一采样点和第二采样点以获得位姿校准量，从而可以根据位姿校准量以校准当前位姿信息。这样的设计，通过借助不同类型的道路标识信息即可获得位姿校准量，从而可以获得精确的位姿校准量，继而可以快速且精确地获得校准后的车辆位姿信息，提高定位信息的精度和鲁棒性，从而利于在GPS信号不稳定下的辅助定位，有助于自动驾驶技术的推广。

应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本申请。

附图说明

通过结合附图对本申请示例性实施方式进行更详细地描述，本申请的上述以及其它目的、特征和优势将变得更加明显，其中，在本申请示例性实施方式中，相同的参考标号通常代表相同部件。

图1是本申请实施例示出的车辆位姿校准方法的流程示意图；

图2是本申请实施例示出的车辆位姿校准方法的另一流程示意图；

图3是本申请实施例示出的车辆位姿校准装置的结构示意图；

图4是本申请实施例示出的电子设备的结构示意图。

具体实施方式

下面将参照附图更详细地描述本申请的实施方式。虽然附图中显示了本申请的实施方式，然而应该理解，可以以各种形式实现本申请而不应被这里阐述的实施方式所限制。相反，提供这些实施方式是为了使本申请更加透彻和完整，并且能够将本申请的范围完整地传达给本领域的技术人员。

在本申请使用的术语是仅仅出于描述特定实施例的目的，而非旨在限制本申请。在本申请和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式，除非上下文清楚地表示其他含义。还应当理解，本文中使用的术语“和/或”是指并包含一个或多个相关联的列出项目的任何或所有可能组合。

应当理解，尽管在本申请可能采用术语“第一”、“第二”、“第三”等来描述各种信息，但这些信息不应限于这些术语。这些术语仅用来将同一类型的信息彼此区分开。例如，在不脱离本申请范围的情况下，第一信息也可以被称为第二信息，类似地，第二信息也可以被称为第一信息。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征。在本申请的描述中，“多个”的含义是两个或两个以上，除非另有明确具体的限定。

相关技术中，当车辆在城市高楼或隧道中行驶时，GPS信号因环境因素存在不稳定的情况，导致车辆的GPS定位或里程计信息存在偏差，从而影响车辆在自动驾驶时的定位准确性。

针对上述问题，本申请实施例提供一种车辆位姿校准方法，能够校准车辆位姿，提高车辆的定位精度和鲁棒性。

以下结合附图详细描述本申请实施例的技术方案。

图1是本申请实施例示出的车辆位姿校准方法的流程示意图。

参见图1，本申请实施例示出的车辆位姿校准方法，包括：

步骤S110，获取车辆当前位置的外部环境图像中的第一道路标识信息及获取车辆的当前位置在对应的高精地图中的第二道路标识信息。

车辆在行驶的过程中，可以通过安装于车身的相机对外部环境进行拍摄，从而获得外部环境图像。其中，当检测到GPS信号强度低于预设强度阈值时，可以通过相机拍摄外部环境图像。可以理解，外部环境图像可以是车辆行驶方向前方的图像，从而可以获得车辆当前位置前方的车道图像。第一道路标识信息所对应的标识类型包括但不限于车道上的实线、虚线、停止线、左转标识、右转标识、直行标识、掉头标识、左转加直行标识、右转加直行标识、左转掉头加直行标识和三角减速慢行标识。可以理解，受到车辆当前位置的影响，车辆当前位置对应的车道根据实际情况可能包含一种或多种标识类型的第一道路标识信息，也可能不存在任何第一道路标识信息。因此，在拍摄获得的同一外部环境图像中，也可能存在一种或多种第一道路标识信息，也可能不存在任何第一道路标识信息。也就是说，在同一帧外部环境图像中，如果包含一种以上的标识类型，则具有对应数量的第一道路标识信息。在其他实施例中，如果外部环境图像中没有存在任何第一道路标识信息，则可以通过相机按照预设周期继续拍摄，直到在该外部环境图像中能够识别获得第一道路标识信息。

同理，在拍摄第一道路标识信息的同时，可以同步获取车辆的当前位置在对应的高精地图中的第二道路标识信息。可以理解，高精地图即高精度地图，其不仅有高精度的坐标，同时还有准确的道路形状，并且每个车道的坡度、曲率、航向、高程，侧倾的数据也都包含在内；另外，每条车道上的标识类型、车道线的颜色、道路的隔离带、道路上的指示牌上的箭头和文字都会在高精地图中呈现。因此，获取车辆的当前位置在高精地图中的第二道路标识信息，即获取在高精地图中的当前位置在第二预设范围内对应的车道上的全部标识类型的第二道路标识信息。可以理解，第二道路标识信息的数量根据高精地图中实际存在的标识类型数量对应。

步骤S120，获取第一道路标识信息在车辆坐标系中对应的第一采样点及获取第二道路标识信息在车辆坐标系中对应的第二采样点。

其中，车辆坐标系是以车辆本身为原点的欧式坐标系，即建立在“欧几里德几何”上的坐标系。具体地，车辆坐标系可以是以车辆后轴中心为原点，车头方向为x轴正方向，车身左侧为y轴正方向，竖直向上为z轴正方向(符合右手定则)的车身坐标系。需要理解的是，第一道路标识信息来源于外部环境图像中的信息，需要将其进行坐标转换至车辆坐标系中，再进一步获取第一采样点。在一实施方式中，将第一道路标识信息进行点云表示，生成第一点云；根据相机参数将第一点云在图像坐标系中的坐标转换为车辆坐标系中的坐标；根据第一点云在车辆坐标系中的坐标，拟合生成第一线型；在第一线型提取获得多个第一采样点。也就是说，通过将各个第一道路标识信息采用点云表示后，分别获取各点云中的点在外部环境图像中的图像坐标系中的对应的坐标，再根据相机参数例如相机内参矩阵和相机外参矩阵，通过坐标转换至车辆坐标系中，并将各转换后的点分别在车辆坐标系中对应拟合成线，再于对应的第一线型上按照预设规则提取多个第一采样点。

进一步地，可以根据下述公式(1)将外部环境图像中的第一点云对应的坐标(u,v)转换到车辆坐标系中。

其中，λ是尺度因子，[x^v y^v]为车辆坐标系中的点，[R_c t_c]表示相机相对于车辆中心的外参矩阵，()_col:i表示使用外参矩阵的第i行，π_c表示相机的内参矩阵。

可以理解，当第一道路标识信息包括多个标识类型的车道线时，例如同时包括实线和左转标识时，则可以分别拟合获得实线对应的第一线型和左转标识对应的第一线型，从而分别获得实线的第一线型中的多个第一采样点及左转标识的第一线型中的多个第一采样点。即根据不同标识类型的第一道路标识信息，分别获得相互独立的第一线型及对应的第一采样点。

进一步地，第二道路标识信息属于高精地图中的信息，第二道路标识信息具有对应的GPS坐标，即位于大地坐标系(例如WGS-84坐标系)中的坐标；通过坐标转换至车辆坐标系中，再进一步获取第二采样点。在一实施方式中，将第二道路标识信息进行点云表示，生成第二点云；根据当前位姿信息，将第二点云在大地坐标系中的坐标转换为车辆坐标系中的坐标；根据第二点云在车辆坐标系中的坐标，拟合生成第二线型；在第二线型提取多个第二采样点。也就是说，通过先将第二道路标识信息采用点云表示后，获取各点云中的点在大地坐标系中的对应的坐标，再通过相关技术进行坐标转换至车辆坐标系中，将各转换后的点对应进行拟合成线，再于每一第二线型上按照预设规则分别对应提取多个第二采样点。同理，当第二道路标识信息包括多个标识类型时，根据不同标识类型的第二道路标识信息，分别获得对应的第二线型及对应的第二采样点。

需要说明的是，第一采样点和第二采样点提取的预设规则根据不同标识类型进行设定。当标识类型为线条时，例如实线、虚线，则各第一采样点和第二采样点可以是对应的线型中按照预设间隔提取的多个采样点。需要理解的是，当第一道路标识信息和第二道路标识信息的标识类型为实线或虚线时，转换至车辆坐标系中拟合获得的第一线型和第二线型均为实线，而非虚线。当标识类型为左转标识、右转标识等箭头时，则道路标识信息转换至车辆坐标系中拟合成箭头形式的线型，各第一采样点和第二采样点可以是对应的箭头所在区域中的所有填充点。各第一采样点和第二采样点在车辆坐标系中均具有对应的三维坐标，即各采样点属于车辆坐标系中的3D点。为了便于匹配，在一实施方式中，同一标识类型的第一采样点的数量与第二采样点的提取数量相同，即在第一线型上提取的第一采样点与第二线型上提取的第二采样点的个数相同。

步骤S130，将标识类型相同的第一采样点与第二采样点进行匹配，获得对应的位姿校准量。

由于第一采样点和第二采样点均位于车辆坐标系内，位于同一坐标系中的各采样点可以根据对应的标识类型进行匹配。例如，当第一道路标识信息包括实线和左转标识，第二道路标识也包括实线和左转标识，此时将属于实线的第一采样点与同属于实线的第二采样点进行匹配，将属于左转标识的第一采样点与同属于左转标识的第二采样点进行匹配。通过将相同标识类型的第一采样点与第二采样点进行匹配，相比于只匹配一种标识类型的采样点，可以提高校准的鲁棒性。

进一步地，不同标识类型的匹配计算方法不同。以标识类型为实线为例，第一采样点与第二采样点的匹配方法可以通过ICP点云配准法进行匹配，并分别获得下述3个误差函数，具体包括：1、计算第一线型的第一采样点的三维坐标与对应的第二采样点的三维坐标之间的欧式距离误差；2、计算第一线型的第一采样点与对应的第二线型之间的垂直距离误差；3、计算第一线型与第二线型的平行度误差；最后将欧式距离误差、垂直距离误差及平行度误差三者综合获得一个位姿校准量。当标识类型为箭头时，可以采用从外部环境图像转换至车辆坐标系中的箭头区域内所有填充点作为第一采样点并获得对应的三维坐标，与高精地图中转换至车辆坐标系中的箭头区域内所有填充点作为第二采样点并获得对应的三维坐标，各第一采样点与各第二采样点的三维坐标之间通过ICP点云配准所获得的欧式距离误差综合作为箭头标识类型的位姿校准量。可以理解，根据本匹配计算的位姿校准量为未加权的初始位姿校准量。

步骤S140，根据位姿校准量对车辆的当前位姿信息进行校准，获得校准后的车辆位姿信息。

其中，车辆的当前位姿信息可以根据里程计信息获得，当前位姿信息包括位于UTM坐标系中车辆的当前位置坐标(x,y,z)和旋转角度。根据位姿校准量对当前位姿信息进行校准，即可获得校准后的车辆位姿信息。可以理解，根据校准后的车辆位姿信息，则可以实现在GPS信号不稳定或里程计信息不准确的情形下的辅助定位，从而有利于自动驾驶、无人驾驶等场景的定位。

本申请的基于道路标识的位姿优化方法，根据车辆的当前外部环境图像中的第一道路标识信息及车辆的当前位置在对应的高精地图中的第二道路标识信息，获取对应的第一采样点和第二采样点；通过匹配第一采样点和第二采样点以获得位姿校准量，从而可以根据位姿校准量以校准当前位姿信息。这样的设计，通过借助不同类型的道路标识信息即可获得位姿校准量，从而可以获得精确的位姿校准量，继而可以快速且精确地获得校准后的车辆位姿信息，提高定位信息的精度和鲁棒性，从而利于在GPS信号不稳定下的辅助定位，有助于自动驾驶技术的推广。

图2是本申请实施例示出的车辆位姿校准方法的另一流程示意图。

参见图2，本申请实施例示出的车辆位姿校准方法，包括：

步骤S210，采集车辆当前位置的外部环境图像；通过语义分割识别外部环境图像中的第一预设范围内的第一道路标识信息及对应的标识类型。

其中，当检测到GPS信号强度低于预设强度阈值时，可以通过安装于车身的相机实时采集车辆当前位置的沿行驶方向的正前方的外部环境图像，使得外部环境图像包含车辆所处车道。可以理解，当车辆正前方无遮挡物时，拍摄的外部环境图像中可以包含几十米以外的景象。为了提高识别结果的准确性，第一预设范围可以是距离车辆20米～30米，从而可以仅识别距离车辆20米～30米以内车道上的各类标识类型的第一道路标识信息。可以理解，在其他实施例中，也可以采用安装于车身的相机实时采集车辆当前位置的背离行驶方向的正前方的外部环境图像。

进一步地，可以根据相关技术中语义分割方法，获得外部环境图像中的位于车道上的各类第一道路标识信息。各类第一道路标识信息对应的标识类型包括实线、虚线、停止线、左转标识、右转标识、直行标识、掉头标识、左转加直行标识、右转加直行标识、左转掉头加直行标识和三角减速慢行标识；颜色可以包括白色和黄色等。通过语义分割在识别获得各第一道路标识信息的同时，还确定对应的标识类型，从而便于后续步骤进行一对一的相同标识类型的匹配。

步骤S220，根据车辆的当前经纬度和当前位姿信息，获取在高精地图中的第二预设范围内的第二道路标识信息和对应的标识类型。

当检测到GPS信号强度低于预设强度阈值时，可以实时获取高精地图中对应的第二道路标识信息。其中，为了减少***的数据处理负荷，根据车辆的当前经纬度和当前位姿信息，即可确定车辆在高精地图中的行驶方向。其中，可以获取以当前经纬度为起点的沿行驶方向的正前方的20米～30米范围内作为第二预设范围的车道上的各个标识类型的第二道路标识信息。可以理解，当上述步骤中的第一预设范围为背离行驶方向的范围时，则第二预设范围同样为背离行驶方向的范围。进一步地，在高精地图中预先存储有第二道路标识信息的标识类型，在获取第二道路标识信息的同时，即可获得各第二道路标识信息对应的标识类型。

为了确保后续步骤获得相同地理区域范围内的第一采样点和第二采样点，第二预设范围可以和第一预设范围相同，及可以将第一道路标识信息和第二道路标识信息的预设范围设置为相同的预设距离，例如均为以车辆当前位置为起点的30米内的车道线中的各个第一道路标识信息和第二道路标识信息。

可以理解，上述步骤S210和步骤S220可以不分先后顺序进行或同步进行。

步骤S230，获取第一道路标识信息在车辆坐标系中对应的第一采样点及获取第二道路标识信息在车辆坐标系中对应的第二采样点。

本步骤的介绍可参考上述步骤S120，于此不作赘述。

步骤S240，分别将相同标识类型的第一采样点与第二采样点进行匹配，获得多个初始位姿校准量；根据标识类型对应的预设加权值，分别将对应的初始位姿校准量进行加权，获得对应的位姿校准量。

在获得各个标识类型对应的第一采样点和第二采样点后，分别将相同标识类型的第一采样点和第二采样点实时进行匹配，即一对一精准匹配，从而分别获得各个标识类型的道路标识信息对应的初始位姿校准量。

其中，可以根据下述公式(2)中的ICP(Iterative Closest Point，迭代最近点来求解)位姿计算公式计算获得初始位姿校准量q,p。可以理解，根据不同的标识类型，分别获得对应的初始位姿校准量q,p。

其中，q是四元数表示的旋转参数，p表示平移参数，R(q)表示四元数到旋转矩阵的变换关系，[x^v y^v 0]表示车辆坐标系下由外部环境图像中的第一道路标识信息对应的第一采样点，[x^h y^h z^h]表示车辆坐标系下高精地图中的第二道路标识信息对应的第二采样点。

可以理解，不同标识类型的道路标识信息对计算出的车辆位姿的误差敏感程度不同。例如，实线和虚线的车道线对横向误差更敏感，而对纵向误差不敏感；停止线则对纵向误差更敏感，而对横向误差不敏感。因此，根据不同的标识类型对车辆真实位姿的影响，预先设置对应的预设加权值，从而根据各预设加权值将对应标识类型的初始位姿校准量进行加权调整，从而获得加权后的位姿校准量，后续步骤则根据加权后的位姿校准量进行校准。

步骤S250，根据位姿校准量对车辆的当前位姿信息进行校准，获得校准后的车辆位姿信息。

可以理解，车辆在里程计中的当前位姿信息属于偏移位姿，即相较于真实位姿具有偏移。在通过不同来源的第一采样点和第二采样点获得加权后的位姿校准量后，根据该位姿校准量对车辆的当前位姿信息进行融合，从而校准当前位姿信息，以在GPS信号弱和里程计信息不准确时的定位。

其中，可以根据下述公式(3)对上述初始位姿校准量进行加权计算，通过将上述公式(2)获得的初始位姿校准量按照预设加权值进行加权后，获得最终的位姿校准量。

[q p]＝∏_i∈kρ_i[R(q_i) p_i] (3)

其中，[q p]同上公式(2)的初始位姿校准量，[R(q_i) p_i]表示车辆当前时刻加权后的位姿校准量，ρ_i表示各不同标识类型的道路标识信息预先设置的加权值，即权重；i表示道路标识信息的标识类型，例如道路标识信息有实线和箭头两种标识类型，那么i∈{1，2}两种类别。

进一步地，可以根据下述公式(4)和(5)根据上述(3)的加权后的位姿校准量与当前位姿信息进行计算，获得校准后的车辆位姿信息。

q^*＝R^-1(R(q^c)R(q^g) (4)

p^*＝R(q^*)p^g+p^c (5)

其中，R^-1表示旋转矩阵到四元数的转换关系，q^c和p^c表示公式(3)中计算的[q p]，p^g表示当前里程计的位姿，q^*表示校准后的车辆位姿信息，即精确位姿。c表示current(当前)的缩写，g表示global(里程计)的缩写

从上述示例可知，本申请的车辆位姿校准方法，通过获取相同预设范围内的第一道路标识信息和第二道路标识信息，从而可以将相同预设范围内的第一采样点和第二采样点进行实时匹配，并通过计算获得初始位姿校准量；另外根据标识类型对应的预设加权值对初始位姿校准量进行加权计算，获得更准确的位姿校准量，从而可以将车辆的当前位姿信息更为精确地根据位姿校准量进行校准，从而增加校准的鲁棒性和提高车辆定位的精度。

与前述应用功能实现方法实施例相对应，本申请还提供了一种车辆位姿校准装置、电子设备及相应的实施例。

图3是本申请实施例示出的车辆位姿校准装置的结构示意图。

参见图3，本申请实施例示出的车辆位姿校准装置，包括标识信息获取模块310、采样点获取模块320、匹配模块330及校准模块340，其中：

标识信息获取模块310用于获取车辆当前位置的外部环境图像中的第一道路标识信息及获取车辆的当前位置在对应的高精地图中的第二道路标识信息。

采样点获取模块320用于获取第一道路标识信息在车辆坐标系中对应的第一采样点及获取第二道路标识信息在车辆坐标系中对应的第二采样点。

匹配模块330用于将标识类型相同的第一采样点与第二采样点进行匹配，获得对应的位姿校准量。

校准模块340用于根据位姿校准量对车辆的当前位姿信息进行校准，获得校准后的车辆位姿信息。

进一步地，标识信息获取模块310用于采集车辆当前位置的外部环境图像；通过语义分割识别外部环境图像中的第一预设范围内的第一道路标识信息及对应的标识类型。标识信息获取模块310用于根据车辆的当前经纬度和当前位姿信息，获取在高精地图中的第二预设范围内的第二道路标识信息。采样点获取模块320用于将第一道路标识信息进行点云表示，生成第一点云；根据相机参数将第一点云在图像坐标系中的坐标转换为车辆坐标系中的坐标；根据第一点云在车辆坐标系中的坐标，拟合生成第一线型；在第一线型提取多个第一采样点。采样点获取模块320用于将第一道路标识信息进行点云表示，生成第二点云；根据当前位姿信息，将第二点云在大地坐标系中的坐标转换为车辆坐标系中的坐标；根据第二点云在车辆坐标系中的坐标，拟合生成第二线型；在第二线型提取多个第二采样点。匹配模块330用于分别将相同标识类型的第一采样点与第二采样点进行匹配，获得多个初始位姿校准量；根据标识类型对应的预设加权值，分别将对应的初始位姿校准量进行加权，获得对应的位姿校准量。

从该示例可以看出，本申请的车辆位姿校准装置，通过借助不同类型的道路标识信息即可获得位姿校准量，从而可以获得精确的位姿校准量，继而可以快速且精确地获得校准后的车辆位姿信息，提高定位信息的精度和鲁棒性，从而利于在GPS信号不稳定下的辅助定位，有助于自动驾驶技术的推广。

关于上述实施例中的装置，其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述，此处将不再做详细阐述说明。

图4是本申请实施例示出的电子设备的结构示意图。

参见图4，电子设备1000包括存储器1010和处理器1020。

处理器1020可以是中央处理单元(Central Processing Unit，CPU)，还可以是其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现场可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。

存储器1010可以包括各种类型的存储单元，例如***内存、只读存储器(ROM)和永久存储装置。其中，ROM可以存储处理器1020或者计算机的其他模块需要的静态数据或者指令。永久存储装置可以是可读写的存储装置。永久存储装置可以是即使计算机断电后也不会失去存储的指令和数据的非易失性存储设备。在一些实施方式中，永久性存储装置采用大容量存储装置(例如磁或光盘、闪存)作为永久存储装置。另外一些实施方式中，永久性存储装置可以是可移除的存储设备(例如软盘、光驱)。***内存可以是可读写存储设备或者易失性可读写存储设备，例如动态随机访问内存。***内存可以存储一些或者所有处理器在运行时需要的指令和数据。此外，存储器1010可以包括任意计算机可读存储媒介的组合，包括各种类型的半导体存储芯片(例如DRAM，SRAM，SDRAM，闪存，可编程只读存储器)，磁盘和/或光盘也可以采用。在一些实施方式中，存储器1010可以包括可读和/或写的可移除的存储设备，例如激光唱片(CD)、只读数字多功能光盘(例如DVD-ROM，双层DVD-ROM)、只读蓝光光盘、超密度光盘、闪存卡(例如SD卡、min SD卡、Micro-SD卡等)、磁性软盘等。计算机可读存储媒介不包含载波和通过无线或有线传输的瞬间电子信号。

存储器1010上存储有可执行代码，当可执行代码被处理器1020处理时，可以使处理器1020执行上文述及的方法中的部分或全部。

此外，根据本申请的方法还可以实现为一种计算机程序或计算机程序产品，该计算机程序或计算机程序产品包括用于执行本申请的上述方法中部分或全部步骤的计算机程序代码指令。

或者，本申请还可以实施为一种计算机可读存储介质(或非暂时性机器可读存储介质或机器可读存储介质)，其上存储有可执行代码(或计算机程序或计算机指令代码)，当可执行代码(或计算机程序或计算机指令代码)被电子设备(或服务器等)的处理器执行时，使处理器执行根据本申请的上述方法的各个步骤的部分或全部。

以上已经描述了本申请的各实施例，上述说明是示例性的，并非穷尽性的，并且也不限于所披露的各实施例。在不偏离所说明的各实施例的范围和精神的情况下，对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。本文中所用术语的选择，旨在最好地解释各实施例的原理、实际应用或对市场中的技术的改进，或者使本技术领域的其他普通技术人员能理解本文披露的各实施例。

Claims (9)

1.一种车辆位姿校准方法，其特征在于：

获取车辆当前位置的外部环境图像中的第一道路标识信息及获取所述车辆的当前位置在对应的高精地图中的第二道路标识信息；

获取所述第一道路标识信息在车辆坐标系中对应的第一采样点及获取所述第二道路标识信息在所述车辆坐标系中对应的第二采样点；

将标识类型相同的所述第一采样点与所述第二采样点进行匹配，获得对应的位姿校准量，其中包括：分别将相同标识类型的所述第一采样点与所述第二采样点进行匹配，获得多个初始位姿校准量，根据所述标识类型对应的预设加权值，分别将对应的所述初始位姿校准量进行加权，获得对应的位姿校准量；

根据所述位姿校准量对所述车辆的当前位姿信息进行校准，获得校准后的车辆位姿信息。

2.根据权利要求1所述的方法，其特征在于，所述获取车辆当前位置的外部环境图像中的第一道路标识信息，包括：

采集车辆当前位置的外部环境图像；

通过语义分割识别所述外部环境图像中的第一预设范围内的第一道路标识信息及对应的标识类型。

3.根据权利要求1所述的方法，其特征在于，所述获取所述车辆的当前位置在对应的高精地图中的第二道路标识信息，包括：

根据所述车辆的当前经纬度和所述当前位姿信息，获取在高精地图中的第二预设范围内的第二道路标识信息。

4.根据权利要求1所述的方法，其特征在于，所述获取所述第一道路标识信息在车辆坐标系中对应的第一采样点，包括：

将所述第一道路标识信息进行点云表示，生成第一点云；

根据相机参数将所述第一点云在图像坐标系中的坐标转换为车辆坐标系中的坐标；

根据所述第一点云在所述车辆坐标系中的坐标，拟合生成第一线型；

在所述第一线型提取多个第一采样点。

5.根据权利要求1所述的方法，其特征在于，所述获取第二道路标识信息在所述车辆坐标系中对应的第二采样点，包括：

将所述第二道路标识信息进行点云表示，生成第二点云；

根据所述当前位姿信息，将所述第二点云在大地坐标系中的坐标转换为车辆坐标系中的坐标；

根据所述第二点云在所述车辆坐标系中的坐标，拟合生成第二线型；

在所述第二线型提取多个第二采样点。

6.根据权利要求1至5中任一项所述的方法，其特征在于，所述标识类型包括以下至少一种：

实线、虚线、停止线、左转标识、右转标识、直行标识、掉头标识、左转加直行标识、右转加直行标识、左转掉头加直行标识和三角减速慢行标识。

7.一种车辆位姿校准装置，其特征在于：

标识信息获取模块，用于获取车辆当前位置的外部环境图像中的第一道路标识信息及获取所述车辆的当前位置在对应的高精地图中的第二道路标识信息；

采样点获取模块，用于获取所述第一道路标识信息在车辆坐标系中对应的第一采样点及获取所述第二道路标识信息在所述车辆坐标系中对应的第二采样点；

匹配模块，用于将标识类型相同的所述第一采样点与所述第二采样点进行匹配，获得对应的位姿校准量，其中包括：分别将相同标识类型的所述第一采样点与所述第二采样点进行匹配，获得多个初始位姿校准量，根据所述标识类型对应的预设加权值，分别将对应的所述初始位姿校准量进行加权，获得对应的位姿校准量；

校准模块，用于根据所述位姿校准量对所述车辆的当前位姿信息进行校准，获得校准后的车辆位姿信息。

8.一种电子设备，其特征在于，包括：

处理器；以及

存储器，其上存储有可执行代码，当所述可执行代码被所述处理器执行时，使所述处理器执行如权利要求1-6中任一项所述的方法。

9.一种计算机可读存储介质，其特征在于：其上存储有可执行代码，当所述可执行代码被电子设备的处理器执行时，使所述处理器执行如权利要求1-6中任一项所述的方法。