CN114563005A - 道路定位方法、装置、设备、车辆及存储介质 - Google Patents
道路定位方法、装置、设备、车辆及存储介质 Download PDFInfo
- Publication number
- CN114563005A CN114563005A CN202210195791.2A CN202210195791A CN114563005A CN 114563005 A CN114563005 A CN 114563005A CN 202210195791 A CN202210195791 A CN 202210195791A CN 114563005 A CN114563005 A CN 114563005A
- Authority
- CN
- China
- Prior art keywords
- road
- vehicle
- determining
- candidate
- state probability
- 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.)
- Pending
Links
Images
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
- G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
- G01C21/28—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network with correlation of data from several navigational instruments
-
- 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
- G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
- G01C21/28—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network with correlation of data from several navigational instruments
- G01C21/30—Map- or contour-matching
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
- G01D21/00—Measuring or testing not otherwise provided for
- G01D21/02—Measuring two or more variables by means not covered by a single other subclass
-
- 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
- G01S19/00—Satellite radio beacon positioning systems; Determining position, velocity or attitude using signals transmitted by such systems
- G01S19/38—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system
- G01S19/39—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system the satellite radio beacon positioning system transmitting time-stamped messages, e.g. GPS [Global Positioning System], GLONASS [Global Orbiting Navigation Satellite System] or GALILEO
- G01S19/42—Determining position
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Computer Networks & Wireless Communication (AREA)
- Navigation (AREA)
Abstract
本公开涉及一种道路定位方法、装置、设备、车辆及存储介质,以解决相关技术中存在的问题。该方法包括:基于卫星定位***数据,确定车辆所处目标位置周围的候选道路;确定所述候选道路对应的目标状态概率,所述目标状态概率是基于所述车辆上设置的多个传感器采集到的传感器数据、图像采集装置采集到的图像数据以及高精地图确定的,用于表征所述车辆处于所述候选道路的概率;将所述目标状态概率最大的候选道路确定为所述车辆所处的目标道路。
Description
技术领域
本公开涉及自动驾驶领域,尤其涉及一种道路定位方法、装置、设备、车辆及存储介质。
背景技术
高精地图中具有高精度的坐标、道路形状、车道坡度、曲率以及航向等数据,高精地图的绝对精度可以是亚米级。在相关技术中,可以基于高精地图对行驶中的车辆进行高精定位。在高精定位的过程中,通常先进行道路级定位,再进行车道级定位,最后进行亚米级定位,以使得定位精度达到米级以下的分辨率。其中,道路级定位是指在高精地图中找到当前车辆所在的道路。
发明内容
为克服相关技术中存在的问题,本公开提供一种道路定位方法、装置、设备、车辆及存储介质。
根据本公开实施例的第一方面,提供一种道路定位方法,包括:
基于卫星定位***数据,确定车辆所处目标位置周围的候选道路;
确定所述候选道路对应的目标状态概率,所述目标状态概率是基于所述车辆上设置的多个传感器采集到的传感器数据、图像采集装置采集到的图像数据以及高精地图确定的,用于表征所述车辆处于所述候选道路的概率;
将所述目标状态概率最大的候选道路确定为所述车辆所处的目标道路。
可选地,所述确定所述候选道路对应的目标状态概率,包括:
基于所述车辆上设置的多个传感器采集到的传感器数据以及所述目标位置周围的高精地图,确定所述候选道路对应的中间状态概率;
基于所述车辆上设置的图像采集装置采集到的、所述目标位置周围的环境图像以及所述目标位置周围的高精地图,调整所述候选道路对应的中间状态概率,得到所述候选道路对应的目标状态概率。
可选地,所述基于所述车辆上设置的多个传感器采集到的传感器数据以及所述目标位置周围的高精地图,确定所述候选道路对应的中间状态概率,包括:
基于所述目标位置周围的高精地图,确定所述候选道路的方向;
基于所述车辆上设置的多个传感器采集到的传感器数据,确定所述车辆的行驶方向,并根据所述候选道路的方向以及所述车辆的行驶方向,确定所述候选道路对应的中间状态概率。
可选地,所述基于所述车辆上设置的多个传感器采集到的传感器数据以及所述目标位置周围的高精地图,确定所述候选道路对应的中间状态概率,包括:
基于所述目标位置周围的高精地图,确定所述候选道路的长度;
基于所述车辆上设置的多个传感器采集到的传感器数据,确定所述车辆的位移,并根据所述候选道路的长度以及所述车辆的位移,确定所述候选道路对应的中间状态概率。
可选地,所述确定车辆所处目标位置周围的候选道路,包括:
确定车辆所处目标位置周围的候选道路的位置数据;
在基于所述车辆上设置的多个传感器采集到的传感器数据以及所述目标位置周围的高精地图,确定所述候选道路对应的中间状态概率之前,所述方法还包括:
基于所述位置数据,确定所述候选道路与所述目标位置之间的相对距离;
根据所述相对距离对所述候选道路的道路状态概率进行初始化。
可选地,所述基于所述车辆上设置的图像采集装置采集到的、所述目标位置周围的环境图像以及所述目标位置周围的高精地图,调整所述候选道路对应的中间状态概率,包括:
基于所述目标位置周围的高精地图,确定所述候选道路的第一道路元素;
基于所述车辆上设置的图像采集装置采集到的、所述目标位置周围的环境图像,确定所述候选道路的第二道路元素;
确定所述第一道路元素和所述第二道路元素的相似度,并根据所述相似度调整所述候选道路对应的中间状态概率。
可选地,所述多个传感器包括位置传感器、惯性传感器以及轮速传感器中的一者或多者。
根据本公开实施例的第二方面,提供一种道路定位装置,包括:
第一确定模块,被配置为基于卫星定位***数据,确定车辆所处目标位置周围的候选道路;
第二确定模块,被配置为确定所述候选道路对应的目标状态概率,所述目标状态概率是基于所述车辆上设置的多个传感器采集到的传感器数据、图像采集装置采集到的图像数据以及高精地图确定的,用于表征所述车辆处于所述候选道路的概率;
第三确定模块,被配置为将所述目标状态概率最大的候选道路确定为所述车辆所处的目标道路。
根据本公开实施例的第三方面,提供一种电子设备,包括:
处理器;
用于存储处理器可执行指令的存储器;
其中,所述处理器被配置为:
基于卫星定位***数据,确定车辆所处目标位置周围的候选道路;
确定所述候选道路对应的目标状态概率,所述目标状态概率是基于所述车辆上设置的多个传感器采集到的传感器数据、图像采集装置采集到的图像数据以及高精地图确定的,用于表征所述车辆处于所述候选道路的概率;
将所述目标状态概率最大的候选道路确定为所述车辆所处的目标道路。
根据本公开实施例的第四方面,提供一种车辆,包括车身及第二方面所述的道路定位装置或第三方面所述的电子设备。
根据本公开实施例的第五方面,提供一种计算机可读存储介质,其上存储有计算机程序指令,该程序指令被处理器执行时实现本公开第一方面所提供的道路定位方法的步骤。
本公开的实施例提供的技术方案可以包括以下有益效果:通过多个传感器采集到的传感器数据、图像采集装置采集到的图像数据以及高精地图综合分析车辆所处的道路,可以有效弥补卫星定位***的定位误差,提高道路定位的准确性。并且,根据传感器数据和图像数据还可以捕捉高精地图中所不能体现的道路信息,从而进一步提高道路定位的准确性。
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,并不能限制本公开。
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是根据一示例性实施例示出的一种道路定位方法的流程图。
图2是根据另一示例性实施例示出的一种道路定位方法的流程图。
图3是根据一示例性实施例示出的一种道路定位装置的框图。
图4是根据一示例性实施例示出的一种电子设备的框图。
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。
在相关技术中,可以基于高精地图对行驶中的车辆进行高精定位。然而,高精地图中不包含高度信息,对于上下层的道路(例如高架桥上和桥下的道路)通常叠加在一起显示,这样,无法实现对车辆所在道路的准确定位。并且在通过卫星定位***进行定位以及将定位点匹配到地图中时,由于卫星定位***的定位误差,有可能出现定位点位于地图中的道路之外的情况。由此可见,现有道路定位方法的鲁棒性和准确性较差。
有鉴于此,本公开提供一种道路定位方法、装置、设备、车辆及存储介质,以解决相关技术中存在的问题。
图1是根据一示例性实施例示出的一种道路定位方法的流程图,如图1所示,道路定位方法可用于车辆中,包括以下步骤。
在步骤S101中,基于卫星定位***数据,确定车辆所处目标位置周围的候选道路。
其中,卫星定位***可以包括GNSS(Global Navigation Satellite System,全球导航卫星***)、GPS(Global Positioning System,全球定位***)等。卫星定位***数据可以包括但不限于:位置坐标、速度、以及方向等。基于卫星定位***可以确定车辆所处的目标位置(即卫星定位***的定位点)以及目标位置周围的候选道路。
示例地,可通过卫星定位***的定位点和置信度确定定位范围,并根据该定位范围确定在该范围内的所有道路,并将该范围内的所有道路确定为目标位置周围的候选道路。可以理解,所确定的候选道路可以有多条。
在步骤S102中,确定候选道路对应的目标状态概率,该目标状态概率是基于车辆上设置的多个传感器采集到的传感器数据、图像采集装置采集到的图像数据以及高精地图确定的,用于表征该车辆处于该候选道路的概率。
其中,车辆上设置的多个传感器可以包括位置传感器、惯性传感器(例如IMU,Inertial Measurement Unit,惯性测量单元)以及轮速传感器中的一者或多者,传感器采集的数据可以包括:加速度、角速度以及速度等。基于传感器采集的数据,可以确定车辆的行驶轨迹以及车辆的行驶方向等。图像采集装置可以是车载摄像头,通过图像采集装置,可以获取目标位置周围的环境图像等。高精地图中具有高精度的坐标、道路形状、车道坡度、曲率以及航向等数据。基于高精地图,可以确定候选道路的方向、长度以及候选道路中的道路元素等信息。
需要说明的是,在确定车辆所处目标位置周围的候选道路后,可以确定候选道路对应的目标状态概率。通过多个传感器采集到的传感器数据、图像采集装置采集到的图像数据以及高精地图综合分析车辆所处的道路,可以有效弥补卫星定位***的定位误差,以及根据传感器数据和图像数据还可以捕捉高精地图中所不能体现的道路信息(例如高度信息),结合这些数据所确定的目标状态概率具备较强的鲁棒性和较高的准确性。
还应说明的是,可以由车辆控制器确定候选道路对应的目标状态概率,也可以将基于车辆上设置的多个传感器采集到的传感器数据、图像采集装置采集到的图像数据发送至服务器,以使服务器基于这些数据以及高精地图确定候选道路对应的目标状态概率。在此基础上,可以从服务器获取候选道路的目标状态概率。
在步骤S103中,将目标状态概率最大的候选道路确定为车辆所处的目标道路。
可以理解的是,在确定候选道路的目标状态概率后,可以将目标状态概率最大的候选道路确定为车辆所处的目标道路。
采用本公开的这种方法,基于卫星定位***数据,确定车辆所处目标位置周围的候选道路,并通过多个传感器采集到的传感器数据、图像采集装置采集到的图像数据以及高精地图确定候选道路的目标状态概率,可以提升所确定的目标状态概率的准确性,从而可以准确定位车辆所处的目标道路。
可选地,上述步骤S102可以包括:
基于车辆上设置的多个传感器采集到的传感器数据以及目标位置周围的高精地图,确定候选道路对应的中间状态概率;基于车辆上设置的图像采集装置采集到的、目标位置周围的环境图像以及该目标位置周围的高精地图,调整候选道路对应的中间状态概率,得到该候选道路对应的目标状态概率。
其中,中间状态概率可用于表征车辆处于候选道路的概率,该中间状态概率可以作为目标状态概率,或者可以对中间状态概率进行调整,以得到目标状态概率。应当理解的是,基于传感器数据以及目标位置周围的高精地图综合分析车辆所处的道路,可以有效弥补卫星定位***的定位误差,并且可以根据传感器数据获取高精地图中所不能体现的信息,结合这些数据所确定的中间状态概率具备一定的鲁棒性和准确性。进一步地,在确定中间状态概率后,结合图像数据以及高精地图对该中间状态概率进行调整,从而得到的目标状态概率具备更强的鲁棒性和更高的准确性。
应说明的是,中间状态概率可以是根据传感器数据以及目标位置周围的高精地图所体现的数据直接确定的概率值,也可以是预先为每一条候选道路设置初始概率后,再基于传感器数据以及目标位置周围的高精地图所体现的数据对该初始概率进行调整后得到的概率值。其中,每一条候选道路的初始概率可以是一致的。例如,若有5条候选道路,则每一条候选道路的初始概率可以是0.2。
可选地,上述步骤S101可以包括:
确定车辆所处目标位置周围的候选道路的位置数据。在此基础上,在基于车辆上设置的多个传感器采集到的传感器数据以及目标位置周围的高精地图,确定候选道路对应的中间状态概率之前,本公开实施例提供的方法还可以包括:
基于位置数据,确定候选道路与目标位置之间的相对距离;根据相对距离对候选道路的道路状态概率进行初始化。
其中,位置数据可以是位置坐标。比如,可以基于卫星定位***数据,确定车辆所处的目标位置的位置坐标,以及目标位置周围的候选道路的位置坐标。在此基础上,可以确定候选道路与目标位置之间的相对距离。
示例地,根据相对距离的大小对候选道路的道路状态概率进行初始化。相对距离越大的候选道路,初始化得到的道路状态概率越小,也即,道路状态概率可与相对距离反相关。例如,若有2条候选道路R1和R2,R1与目标位置之间的相对距离D1为10m,R2与目标位置之间的相对距离D2为15m,在此种情况下,根据D1:D2=2:3,可以得到P(R1):P(R2)=3:2,也即,在概率总和为1的情况下,R1的道路状态概率初始化后可以为0.6,R2的道路状态概率初始化后可以为0.4。
应当理解的是,根据相对距离对候选道路的道路状态概率进行初始化后得到的道路状态概率可以作为上述的初始概率。
可选地,基于车辆上设置的多个传感器采集到的传感器数据以及目标位置周围的高精地图,确定候选道路对应的中间状态概率的方式可以包括:
方式一,基于目标位置周围的高精地图,确定候选道路的方向;基于车辆上设置的多个传感器采集到的传感器数据,确定该车辆的行驶方向,并根据候选道路的方向以及车辆的行驶方向,确定该候选道路对应的中间状态概率。
需要说明的是,在通过高精地图确定候选道路的方向,以及通过传感器数据确定车辆的行驶方向的基础上,可以根据候选道路的方向和车辆的行驶方向确定中间状态概率。其中,方向与车辆的行驶方向一致的候选道路的中间状态概率大于方向与车辆的行驶方向不一致的候选道路,也即,道路状态概率可与候选道路的方向与车辆的行驶方向的偏差程度反相关。
例如,若有2条候选道路R3和R4,R3与车辆的行驶方向之间的偏差B1为10度,R4与车辆的行驶方向之间的偏差B2为15度。在一实施例中,根据B1:B2=2:3,可以得到P(R3):P(R4)=3:2,也即,在概率总和为1的情况下,R3的中间状态概率为0.6,R2的中间状态概率为0.4。在另一实施例中,R3初始概率为0.6,R4的初始概率为0.4,则可以根据B1:B2=2:3,将R3和R4的初始概率分别乘以0.6和0.4,得到R3和R4的中间值0.36和0.16,并在对这两个值进行归一化处理后,得到R3的中间状态概率为0.69,以及R4的中间状态概率为0.31。
方式二,基于目标位置周围的高精地图,确定候选道路的长度;基于车辆上设置的多个传感器采集到的传感器数据,确定该车辆的位移,并根据候选道路的长度以及车辆的位移,确定该候选道路对应的中间状态概率。
需要说明的是,在通过高精地图确定候选道路的长度,以及通过传感器数据确定车辆的位移的基础上,可以根据候选道路的长度和车辆的位移确定中间状态概率。其中,长度大于或等于车辆位移的候选道路的中间状态概率大于长度小于车辆位移的候选道路。
示例地,针对候选道路R5,与R5连通的候选道路包括R6和R7,并且R6和R7均为车辆在驶离R5后有可能驶入的道路。在此种情况下,若R5的长度小于车辆的位移,则可以减小车辆处于R5的初始概率,并且增大车辆处于R6和R7的初始概率。或者,在此基础上,还可以根据候选道路的方向与车辆的行驶方向的一致程度进一步调整R6和R7的概率,并将调整后的概率确定为中间状态概率。也即是说,在可能的实施例中,可以结合上述方式一和方式二确定中间状态概率。
可选地,基于车辆上设置的图像采集装置采集到的、目标位置周围的环境图像以及该目标位置周围的高精地图,调整候选道路对应的中间状态概率,可以包括:
基于目标位置周围的高精地图,确定候选道路的第一道路元素;基于车辆上设置的图像采集装置采集到的、目标位置周围的环境图像,确定候选道路的第二道路元素;确定第一道路元素和第二道路元素的相似度,并根据该相似度调整候选道路对应的中间状态概率。
其中,道路元素可以包括车道数、道路地面标识、车道线、道路标识牌以及灯杆中的一者或多者。图像采集装置采集到的图像可以是RGB图像。通过确定第一道路元素和第二道路元素之间的相似度,并根据该相似度调整候选道路对应的中间状态概率,可以进一步确定车辆处于候选道路的概率。
由于,通过图像采集装置采集到的、目标位置周围的环境图像通常为二维图像,而高精地图中的道路元素通常是三维的。因此,可以通过图像处理模块识别二维图像中第二道路元素,并将该第二道路元素重建为三维模型,从而可以将第二道路元素与从高精地图中确定的第一道路元素进行比对,并确定相似度。
值得说明的是,在三维模型中还可以获取道路元素的位置信息(例如位置坐标),因此采用本公开的这种方式,既可以比对第一道路元素和第二道路元素是否一致,还可以比对第一道路元素和第二道路元素在道路中所设置的位置是否一致。这样,可以进一步提高所确定的相似度的准确性,进而可以提高根据相似度调整中间状态概率后所得到的目标状态概率的准确性。
示例地,可以根据第一道路元素和第二道路元素之间的相似度调整中间状态概率,得到目标状态概率。其中,相似度越高的候选道路,得到的目标状态概率越大,也即,目标状态概率与相似度正相关。
例如,若有2条候选道路R8和R9,并且R8的中间状态概率为0.4,R9的中间状态概率为0.6。第一道路元素中包括E1、E2,R8中的第二道路元素包括E3、E4以及E5,R9中的第二道路元素包括E6、E7。根据第一道路元素、R8以及R9中的第二道路元素确定R8中的第二道路元素与第一道路元素的相似度S1为0.80,R9中的第二道路元素与第一道路元素的相似度S2为0.40。在此种情况下,可以将候选道路的相似度分别乘以对应的中间状态概率,得到中间结果(即0.32和0.24),并对该中间结果进行归一化处理,这样,就可以得到候选道路的目标状态概率(即0.57和0.43)。
值得说明的是,对于上下层的道路(例如高架桥上和桥下的道路),由于桥上和桥下的道路的车道数通常不一致,因此,可以比对从二维图像(即图像采集装置采集到的、目标位置周围的环境图像)中识别到的第二道路元素中的车道数与高精地图中的候选道路的车道数是否一致,从而确定车辆是处于高架桥上的道路还是处于桥下的道路。还可以根据传感器数据结合卫星定位***所确定的行驶轨迹和高精地图中候选道路的轨迹,通过确定两者的一致程度,来确定车辆实际所处的道路。这些方式均可以弥补高精地图中不包含高度信息的问题。当然,这些方式也存在相应的缺陷,例如,桥上和桥下的道路的车道数也可能一致,与传感器数据确定的行驶轨迹相一致的候选道路也可能有多条,在这种情况下,就可以根据其他传感器数据(例如车辆的行驶方向、位移等)、从二维图像中识别得到的其他道路元素以及高精地图来进一步修正数据,从而确定车辆所处的目标道路。
采用本公开的这种方法,通过多个传感器采集到的传感器数据、图像采集装置采集到的图像数据以及高精地图综合分析车辆所处的道路,可以有效弥补卫星定位***的定位误差,提高道路定位的准确性。并且,根据传感器数据和图像数据还可以捕捉高精地图中所不能体现的道路信息,从而进一步提高道路定位的准确性。
图2是根据另一示例性实施例示出的一种道路定位方法的流程图。如图2所示,包括以下步骤。
在步骤S201中,基于卫星定位***数据,确定车辆所处目标位置周围的候选道路。其中,卫星定位***数据可以是GNSS采集的数据。
在步骤S2011中,确定车辆所处目标位置周围的候选道路的位置数据。其中,位置数据可以是基于GNSS采集的数据所确定的位置坐标。
在步骤S2012中,基于位置数据,确定候选道路与目标位置之间的相对距离。
在步骤S2013中,根据相对距离对候选道路的道路状态概率进行初始化。在对道路状态概率进行初始化后,进入步骤S2021,或者,进入步骤S2023。
在步骤S2021中,基于目标位置周围的高精地图,确定候选道路的方向。
在步骤S2022中,基于车辆上设置的多个传感器采集到的传感器数据,确定车辆的行驶方向,并根据候选道路的方向以及车辆的行驶方向,确定候选道路对应的中间状态概率。
在步骤S2023中,基于目标位置周围的高精地图,确定候选道路的长度;
在步骤S2024中,基于车辆上设置的多个传感器采集到的传感器数据,确定车辆的位移,并根据候选道路的长度以及车辆的位移,确定候选道路对应的中间状态概率。
在步骤S2025中,基于目标位置周围的高精地图,确定候选道路的第一道路元素;
在步骤S2026中,基于车辆上设置的图像采集装置采集到的、目标位置周围的环境图像,确定候选道路的第二道路元素;
在步骤S2027中,确定第一道路元素和第二道路元素的相似度,并根据相似度调整候选道路对应的中间状态概率。
在步骤S203中,将目标状态概率最大的候选道路确定为车辆所处的目标道路。
采用本公开的这种方法,通过多个传感器采集到的传感器数据、图像采集装置采集到的图像数据以及高精地图综合分析车辆所处的道路,可以有效弥补卫星定位***的定位误差,提高道路定位的准确性。并且,根据传感器数据和图像数据还可以捕捉高精地图中所不能体现的道路信息,从而进一步提高道路定位的准确性。
图3是根据一示例性实施例示出的一种道路定位装置框图。参照图3,该装置100包括第一确定模块101,第二确定模块102和第三确定模块103。
该第一确定模块101被配置为基于卫星定位***数据,确定车辆所处目标位置周围的候选道路;
该第二确定模块102被配置为确定该候选道路对应的目标状态概率,该目标状态概率是基于车辆上设置的多个传感器采集到的传感器数据、图像采集装置采集到的图像数据以及高精地图确定的,用于表征该车辆处于该候选道路的概率;
该第三确定模块103被配置为将该目标状态概率最大的候选道路确定为该车辆所处的目标道路。
采用本公开的这种装置,通过多个传感器采集到的传感器数据、图像采集装置采集到的图像数据以及高精地图综合分析车辆所处的道路,可以有效弥补卫星定位***的定位误差,提高道路定位的准确性。并且,根据传感器数据和图像数据还可以捕捉高精地图中所不能体现的道路信息,从而进一步提高道路定位的准确性。
可选地,该第二确定模块102被进一步配置为:
基于车辆上设置的多个传感器采集到的传感器数据以及目标位置周围的高精地图,确定候选道路对应的中间状态概率;
基于车辆上设置的图像采集装置采集到的、目标位置周围的环境图像以及该目标位置周围的高精地图,调整候选道路对应的中间状态概率,得到该候选道路对应的目标状态概率。
可选地,该第二确定模块102被进一步配置为:
基于目标位置周围的高精地图,确定候选道路的方向;
基于车辆上设置的多个传感器采集到的传感器数据,确定该车辆的行驶方向,并根据候选道路的方向以及该车辆的行驶方向,确定该候选道路对应的中间状态概率。
可选地,该第二确定模块102被进一步配置为:
基于目标位置周围的高精地图,确定候选道路的长度;
基于车辆上设置的多个传感器采集到的传感器数据,确定该车辆的位移,并根据候选道路的长度以及该车辆的位移,确定该候选道路对应的中间状态概率。
可选地,该第一确定模块101被进一步配置为:
确定车辆所处目标位置周围的候选道路的位置数据;
该装置100还包括第四确定模块,被配置为:
在基于车辆上设置的多个传感器采集到的传感器数据以及目标位置周围的高精地图,确定候选道路对应的中间状态概率之前,基于位置数据,确定该候选道路与该目标位置之间的相对距离;
根据相对距离对候选道路的道路状态概率进行初始化。
可选地,该第二确定模块102被进一步配置为:
基于目标位置周围的高精地图,确定候选道路的第一道路元素;
基于车辆上设置的图像采集装置采集到的、目标位置周围的环境图像,确定候选道路的第二道路元素;
确定第一道路元素和第二道路元素的相似度,并根据该相似度调整候选道路对应的中间状态概率。
可选地,多个传感器包括位置传感器、惯性传感器以及轮速传感器中的一者或多者。
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,此处将不做详细阐述说明。
本公开还提供一种计算机可读存储介质,其上存储有计算机程序指令,该程序指令被处理器执行时实现本公开提供的道路定位方法的步骤。
图4是根据一示例性实施例示出的一种电子设备200的框图。例如,电子设备200可以是移动电话,计算机,数字广播终端,消息收发设备,游戏控制台,平板设备,医疗设备,健身设备,个人数字助理等。
参照图4,电子设备200可以包括以下一个或多个组件:处理组件202,存储器204,电力组件206,多媒体组件208,音频组件210,输入/输出(I/O)的接口212,传感器组件214,以及通信组件216。
处理组件202通常控制电子设备200的整体操作,诸如与显示,电话呼叫,数据通信,相机操作和记录操作相关联的操作。处理组件202可以包括一个或多个处理器220来执行指令,以完成上述道路定位方法的全部或部分步骤。此外,处理组件202可以包括一个或多个模块,便于处理组件202和其他组件之间的交互。例如,处理组件202可以包括多媒体模块,以方便多媒体组件208和处理组件202之间的交互。
存储器204被配置为存储各种类型的数据以支持在电子设备200的操作。这些数据的示例包括用于在电子设备200上操作的任何应用程序或方法的指令,联系人数据,电话簿数据,消息,图片,视频等。存储器204可以由任何类型的易失性或非易失性存储设备或者它们的组合实现,如静态随机存取存储器(SRAM),电可擦除可编程只读存储器(EEPROM),可擦除可编程只读存储器(EPROM),可编程只读存储器(PROM),只读存储器(ROM),磁存储器,快闪存储器,磁盘或光盘。
电力组件206为电子设备200的各种组件提供电力。电力组件206可以包括电源管理***,一个或多个电源,及其他与为电子设备200生成、管理和分配电力相关联的组件。
多媒体组件208包括在所述电子设备200和用户之间的提供一个输出接口的屏幕。在一些实施例中,屏幕可以包括液晶显示器(LCD)和触摸面板(TP)。如果屏幕包括触摸面板,屏幕可以被实现为触摸屏,以接收来自用户的输入信号。触摸面板包括一个或多个触摸传感器以感测触摸、滑动和触摸面板上的手势。所述触摸传感器可以不仅感测触摸或滑动动作的边界,而且还检测与所述触摸或滑动操作相关的持续时间和压力。在一些实施例中,多媒体组件208包括一个前置摄像头和/或后置摄像头。当电子设备200处于操作模式,如拍摄模式或视频模式时,前置摄像头和/或后置摄像头可以接收外部的多媒体数据。每个前置摄像头和后置摄像头可以是一个固定的光学透镜***或具有焦距和光学变焦能力。
音频组件210被配置为输出和/或输入音频信号。例如,音频组件210包括一个麦克风(MIC),当电子设备200处于操作模式,如呼叫模式、记录模式和语音识别模式时,麦克风被配置为接收外部音频信号。所接收的音频信号可以被进一步存储在存储器204或经由通信组件216发送。在一些实施例中,音频组件210还包括一个扬声器,用于输出音频信号。
I/O接口212为处理组件202和***接口模块之间提供接口,上述***接口模块可以是键盘,点击轮,按钮等。这些按钮可包括但不限于:主页按钮、音量按钮、启动按钮和锁定按钮。
传感器组件214包括一个或多个传感器,用于为电子设备200提供各个方面的状态评估。例如,传感器组件214可以检测到电子设备200的打开/关闭状态,组件的相对定位,例如所述组件为电子设备200的显示器和小键盘,传感器组件214还可以检测电子设备200或电子设备200一个组件的位置改变,用户与电子设备200接触的存在或不存在,电子设备200方位或加速/减速和电子设备200的温度变化。传感器组件214可以包括接近传感器,被配置用来在没有任何的物理接触时检测附近物体的存在。传感器组件214还可以包括光传感器,如CMOS或CCD图像传感器,用于在成像应用中使用。在一些实施例中,该传感器组件214还可以包括加速度传感器,陀螺仪传感器,磁传感器,压力传感器或温度传感器。
通信组件216被配置为便于电子设备200和其他设备之间有线或无线方式的通信。电子设备200可以接入基于通信标准的无线网络,如WiFi,2G或3G,或它们的组合。在一个示例性实施例中,通信组件216经由广播信道接收来自外部广播管理***的广播信号或广播相关信息。在一个示例性实施例中,所述通信组件216还包括近场通信(NFC)模块,以促进短程通信。例如,在NFC模块可基于射频识别(RFID)技术,红外数据协会(IrDA)技术,超宽带(UWB)技术,蓝牙(BT)技术和其他技术来实现。
在示例性实施例中,电子设备200可以被一个或多个应用专用集成电路(ASIC)、数字信号处理器(DSP)、数字信号处理设备(DSPD)、可编程逻辑器件(PLD)、现场可编程门阵列(FPGA)、控制器、微控制器、微处理器或其他电子元件实现,用于执行上述道路定位方法。
在示例性实施例中,还提供了一种包括指令的非临时性计算机可读存储介质,例如包括指令的存储器204,上述指令可由电子设备200的处理器220执行以完成上述道路定位方法。例如,所述非临时性计算机可读存储介质可以是ROM、随机存取存储器(RAM)、CD-ROM、磁带、软盘和光数据存储设备等。
在另一示例性实施例中,还提供一种计算机程序产品,该计算机程序产品包含能够由可编程的电子设备执行的计算机程序,该计算机程序具有当由该可编程的电子设备执行时用于执行上述的道路定位方法的代码部分。
本公开实施例还提供一种车辆,该车辆包括车身及道路定位装置,道路定位装置用于执行上述道路定位方法的步骤。
其中,道路定位装置可以是上述图3中的道路定位装置100,也可以是上述图4的电子设备200,本公开对此不作具体限定。
本领域技术人员在考虑说明书及实践本公开后,将容易想到本公开的其它实施方案。本申请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来限制。
Claims (11)
1.一种道路定位方法,其特征在于,包括:
基于卫星定位***数据,确定车辆所处目标位置周围的候选道路;
确定所述候选道路对应的目标状态概率,所述目标状态概率是基于所述车辆上设置的多个传感器采集到的传感器数据、图像采集装置采集到的图像数据以及高精地图确定的,用于表征所述车辆处于所述候选道路的概率;
将所述目标状态概率最大的候选道路确定为所述车辆所处的目标道路。
2.根据权利要求1所述的道路定位方法,其特征在于,所述确定所述候选道路对应的目标状态概率,包括:
基于所述车辆上设置的多个传感器采集到的传感器数据以及所述目标位置周围的高精地图,确定所述候选道路对应的中间状态概率;
基于所述车辆上设置的图像采集装置采集到的、所述目标位置周围的环境图像以及所述目标位置周围的高精地图,调整所述候选道路对应的中间状态概率,得到所述候选道路对应的目标状态概率。
3.根据权利要求2所述的道路定位方法,其特征在于,所述基于所述车辆上设置的多个传感器采集到的传感器数据以及所述目标位置周围的高精地图,确定所述候选道路对应的中间状态概率,包括:
基于所述目标位置周围的高精地图,确定所述候选道路的方向;
基于所述车辆上设置的多个传感器采集到的传感器数据,确定所述车辆的行驶方向,并根据所述候选道路的方向以及所述车辆的行驶方向,确定所述候选道路对应的中间状态概率。
4.根据权利要求2所述的道路定位方法,其特征在于,所述基于所述车辆上设置的多个传感器采集到的传感器数据以及所述目标位置周围的高精地图,确定所述候选道路对应的中间状态概率,包括:
基于所述目标位置周围的高精地图,确定所述候选道路的长度;
基于所述车辆上设置的多个传感器采集到的传感器数据,确定所述车辆的位移,并根据所述候选道路的长度以及所述车辆的位移,确定所述候选道路对应的中间状态概率。
5.根据权利要求2-4任一项所述的道路定位方法,其特征在于,所述确定车辆所处目标位置周围的候选道路,包括:
确定车辆所处目标位置周围的候选道路的位置数据;
在基于所述车辆上设置的多个传感器采集到的传感器数据以及所述目标位置周围的高精地图,确定所述候选道路对应的中间状态概率之前,所述方法还包括:
基于所述位置数据,确定所述候选道路与所述目标位置之间的相对距离;
根据所述相对距离对所述候选道路的道路状态概率进行初始化。
6.根据权利要求2-4任一项所述的道路定位方法,其特征在于,所述基于所述车辆上设置的图像采集装置采集到的、所述目标位置周围的环境图像以及所述目标位置周围的高精地图,调整所述候选道路对应的中间状态概率,包括:
基于所述目标位置周围的高精地图,确定所述候选道路的第一道路元素;
基于所述车辆上设置的图像采集装置采集到的、所述目标位置周围的环境图像,确定所述候选道路的第二道路元素;
确定所述第一道路元素和所述第二道路元素的相似度,并根据所述相似度调整所述候选道路对应的中间状态概率。
7.根据权利要求1-4任一项所述的道路定位方法,其特征在于,所述多个传感器包括位置传感器、惯性传感器以及轮速传感器中的一者或多者。
8.一种道路定位装置,其特征在于,包括:
第一确定模块,被配置为基于卫星定位***数据,确定车辆所处目标位置周围的候选道路;
第二确定模块,被配置为确定所述候选道路对应的目标状态概率,所述目标状态概率是基于所述车辆上设置的多个传感器采集到的传感器数据、图像采集装置采集到的图像数据以及高精地图确定的,用于表征所述车辆处于所述候选道路的概率;
第三确定模块,被配置为将所述目标状态概率最大的候选道路确定为所述车辆所处的目标道路。
9.一种电子设备,其特征在于,包括:
处理器;
用于存储处理器可执行指令的存储器;
其中,所述处理器被配置为:
基于卫星定位***数据,确定车辆所处目标位置周围的候选道路;
确定所述候选道路对应的目标状态概率,所述目标状态概率是基于所述车辆上设置的多个传感器采集到的传感器数据、图像采集装置采集到的图像数据以及高精地图确定的,用于表征所述车辆处于所述候选道路的概率;
将所述目标状态概率最大的候选道路确定为所述车辆所处的目标道路。
10.一种车辆,其特征在于,包括车身及权利要求8所述的道路定位装置或权利要求9所述的电子设备。
11.一种计算机可读存储介质,其上存储有计算机程序指令,其特征在于,该程序指令被处理器执行时实现权利要求1~7中任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210195791.2A CN114563005A (zh) | 2022-03-01 | 2022-03-01 | 道路定位方法、装置、设备、车辆及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210195791.2A CN114563005A (zh) | 2022-03-01 | 2022-03-01 | 道路定位方法、装置、设备、车辆及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114563005A true CN114563005A (zh) | 2022-05-31 |
Family
ID=81715569
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210195791.2A Pending CN114563005A (zh) | 2022-03-01 | 2022-03-01 | 道路定位方法、装置、设备、车辆及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114563005A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116007638A (zh) * | 2023-03-24 | 2023-04-25 | 北京集度科技有限公司 | 车辆轨迹地图匹配方法、装置、电子设备及车辆 |
WO2024037487A1 (zh) * | 2022-08-18 | 2024-02-22 | 中国第一汽车股份有限公司 | 应用于车辆中的路径修正方法、装置及电子设备 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH10318766A (ja) * | 1997-05-15 | 1998-12-04 | Nok Corp | カーナビゲーション装置 |
CN101364259A (zh) * | 2008-04-09 | 2009-02-11 | 武汉大学 | 多层次知识驱动的全色遥感影像的道路变化信息提取方法 |
US20190204096A1 (en) * | 2017-12-29 | 2019-07-04 | Uber Technologies, Inc. | Measuring the accuracy of map matched trajectories |
CN110031011A (zh) * | 2019-04-17 | 2019-07-19 | 首都师范大学 | 集成时空邻近与改进权重圆的车载实时地图匹配计算方法 |
CN110830915A (zh) * | 2019-10-28 | 2020-02-21 | 腾讯科技(深圳)有限公司 | 一种确定起点位置的方法及装置 |
CN111177285A (zh) * | 2018-11-09 | 2020-05-19 | 厦门雅迅网络股份有限公司 | 一种电子地图精确定位方法、终端设备及存储介质 |
CN111380542A (zh) * | 2018-12-28 | 2020-07-07 | 沈阳美行科技有限公司 | 一种车辆定位、导航方法和装置及相关*** |
CN112284400A (zh) * | 2020-12-24 | 2021-01-29 | 腾讯科技(深圳)有限公司 | 车辆的定位方法、装置、电子设备及计算机可读存储介质 |
-
2022
- 2022-03-01 CN CN202210195791.2A patent/CN114563005A/zh active Pending
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH10318766A (ja) * | 1997-05-15 | 1998-12-04 | Nok Corp | カーナビゲーション装置 |
CN101364259A (zh) * | 2008-04-09 | 2009-02-11 | 武汉大学 | 多层次知识驱动的全色遥感影像的道路变化信息提取方法 |
US20190204096A1 (en) * | 2017-12-29 | 2019-07-04 | Uber Technologies, Inc. | Measuring the accuracy of map matched trajectories |
CN111177285A (zh) * | 2018-11-09 | 2020-05-19 | 厦门雅迅网络股份有限公司 | 一种电子地图精确定位方法、终端设备及存储介质 |
CN111380542A (zh) * | 2018-12-28 | 2020-07-07 | 沈阳美行科技有限公司 | 一种车辆定位、导航方法和装置及相关*** |
CN110031011A (zh) * | 2019-04-17 | 2019-07-19 | 首都师范大学 | 集成时空邻近与改进权重圆的车载实时地图匹配计算方法 |
CN110830915A (zh) * | 2019-10-28 | 2020-02-21 | 腾讯科技(深圳)有限公司 | 一种确定起点位置的方法及装置 |
CN112284400A (zh) * | 2020-12-24 | 2021-01-29 | 腾讯科技(深圳)有限公司 | 车辆的定位方法、装置、电子设备及计算机可读存储介质 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2024037487A1 (zh) * | 2022-08-18 | 2024-02-22 | 中国第一汽车股份有限公司 | 应用于车辆中的路径修正方法、装置及电子设备 |
CN116007638A (zh) * | 2023-03-24 | 2023-04-25 | 北京集度科技有限公司 | 车辆轨迹地图匹配方法、装置、电子设备及车辆 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109870157B (zh) | 确定车***姿的方法及装置、制图方法 | |
CN114563005A (zh) | 道路定位方法、装置、设备、车辆及存储介质 | |
CN110967024A (zh) | 可行驶区域的检测方法、装置、设备及存储介质 | |
CN111524185A (zh) | 定位方法及装置、电子设备和存储介质 | |
CN114620072B (zh) | 车辆控制方法、装置、存储介质、电子设备及车辆 | |
CN111192341A (zh) | 生成高精地图的方法、装置、自动驾驶设备及存储介质 | |
CN113532444B (zh) | 导航路径处理方法、装置、电子设备及存储介质 | |
CN110865405A (zh) | 融合定位方法及装置、移动设备控制方法及电子设备 | |
CN112414400A (zh) | 一种信息处理方法、装置、电子设备和存储介质 | |
CN114972485A (zh) | 定位精度测试方法、设备、存储介质及程序产品 | |
CN114549633A (zh) | 位姿检测方法、装置、电子设备和存储介质 | |
CN106323296B (zh) | 识别出行模式的方法及装置 | |
CN114608591B (zh) | 车辆定位方法、装置、存储介质、电子设备、车辆及芯片 | |
CN111860074B (zh) | 目标对象检测方法及装置、驾驶控制方法及装置 | |
CN112815962A (zh) | 联合应用传感器参数的标定方法及装置 | |
CN112857381A (zh) | 一种路径推荐方法、装置及可读介质 | |
US20150142310A1 (en) | Self-position measuring terminal | |
RU2681346C2 (ru) | Способ и система точной локализации слабовидящего или слепого человека | |
CN116834767A (zh) | 运动轨迹生成方法、装置、设备及存储介质 | |
CN113065392A (zh) | 一种机器人的跟踪方法和装置 | |
KR101061360B1 (ko) | 지자기 기반의 방향 정보를 이용하여 타겟 단말기의 위치 정보를 획득하는 서버, 단말기 및 방법 | |
CN113029171A (zh) | 车辆路径匹配方法、装置、计算机设备和存储介质 | |
CN113740892B (zh) | 用户的路线引导方法、装置和*** | |
CN113450298B (zh) | 基于多传感器的视野图处理方法、装置和设备 | |
CN116883496B (zh) | 交通元素的坐标重建方法、装置、电子设备及存储介质 |
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 |