CN114910083A - 定位方法以及定位装置、电子设备、存储介质 - Google Patents

定位方法以及定位装置、电子设备、存储介质 Download PDF

Info

Publication number
CN114910083A
CN114910083A CN202210430656.1A CN202210430656A CN114910083A CN 114910083 A CN114910083 A CN 114910083A CN 202210430656 A CN202210430656 A CN 202210430656A CN 114910083 A CN114910083 A CN 114910083A
Authority
CN
China
Prior art keywords
vehicle
map data
ipm
position information
positioning
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
Application number
CN202210430656.1A
Other languages
English (en)
Inventor
李岩
费再慧
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Zhidao Network Technology Beijing Co Ltd
Original Assignee
Zhidao Network Technology Beijing Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Zhidao Network Technology Beijing Co Ltd filed Critical Zhidao Network Technology Beijing Co Ltd
Priority to CN202210430656.1A priority Critical patent/CN114910083A/zh
Publication of CN114910083A publication Critical patent/CN114910083A/zh
Pending legal-status Critical Current

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
    • 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
    • G01S19/45—Determining position by combining measurements of signals from the satellite radio beacon positioning system with a supplementary measurement
    • 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
    • G01S19/45—Determining position by combining measurements of signals from the satellite radio beacon positioning system with a supplementary measurement
    • G01S19/47—Determining position by combining measurements of signals from the satellite radio beacon positioning system with a supplementary measurement the supplementary measurement being an inertial measurement, e.g. tightly coupled inertial

Landscapes

  • Engineering & Computer Science (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Automation & Control Theory (AREA)
  • Navigation (AREA)

Abstract

本申请公开了一种定位方法以及定位装置、电子设备、存储介质，其中，所述方法包括：获取车辆当前位置的预设区域内的高精地图数据以及车辆可行驶区域的IPM图数据；根据所述高精地图数据和所述车辆可行驶区域的IPM图数据的匹配结果，预测车辆的目标位置信息；根据所述车辆的目标位置信息，对车辆进行定位。通过本申请实现在特殊场景下的定位稳定性，减少在信息不足导致的定位精度下降的影响。本申请可用于自动驾驶车辆。

Description

定位方法以及定位装置、电子设备、存储介质
技术领域
本申请涉及自动驾驶技术领域，尤其涉及一种定位方法以及定位装置、电子设备、存储介质。
背景技术
自动驾驶车辆的定位技术以组合导航为主，通过一个卡尔曼滤波器，将低频率的GNSS/RTK信号和高频率的IMU信息融合，输出高频、高精度的定位信息。
相关技术中，为了防止GNSS信号受到多路径干扰等情况下的定位精度下降，车身里程计信息、相机视觉语义SLAM和激光雷达SLAM也逐步得到组合应用，作为辅助的观测信息，被加入到整个定位滤波器中，形成了一套整体的多传感器融合定位方案。
然而，在高架桥、隧道等困难场景，激光雷达SLAM稳定性无法保障。视觉SLAM的精度和稳定性基于视觉检测结果，在车辆遮挡、路面磨损、路面积水积雪或者光照等影响的情况下，无法计算出有效的定位结果。
发明内容
本申请实施例提供了定位方法以及定位装置、电子设备、存储介质，以实现保证定位精度的同时提高定位稳定性。
本申请实施例采用下述技术方案：
第一方面，本申请实施例提供一种定位方法，其中，用于自动驾驶车辆，所述方法包括：获取车辆当前位置的预设区域内的高精地图数据以及车辆可行驶区域的IPM图数据；根据所述高精地图数据和所述车辆可行驶区域的IPM图数据的匹配结果，预测车辆的目标位置信息；根据所述车辆的目标位置信息，对车辆进行定位。
第二方面，本申请实施例还提供一种定位装置，其中，用于自动驾驶车辆，所述装置包括：获取模块，用于获取车辆当前位置的预设区域内的高精地图数据以及车辆可行驶区域的IPM图数据；匹配模块，用于根据所述高精地图数据和所述车辆可行驶区域的IPM图数据的匹配结果，预测车辆的目标位置信息；定位模块，用于根据所述车辆的目标位置信息，对车辆进行定位。
第三方面，本申请实施例还提供一种电子设备，包括：处理器；以及被安排成存储计算机可执行指令的存储器，所述可执行指令在被执行时使所述处理器执行上述方法。
第四方面，本申请实施例还提供一种计算机可读存储介质，所述计算机可读存储介质存储一个或多个程序，所述一个或多个程序当被包括多个应用程序的电子设备执行时，使得所述电子设备执行上述方法。
本申请实施例采用的上述至少一个技术方案能够达到以下有益效果：
通过获取车辆当前位置的预设区域内的高精地图数据和车辆可行驶区域的IPM图数据，将两者进行匹配，得到的候选位置作为观测值输入到滤波器，对预测得到的当前位置进行校正。从而实现在特殊场景下的定位稳定性，减少在信息不足导致的定位精度下降的影响。通过本申请保证了车辆定位稳定性以及准确性。
附图说明
此处所说明的附图用来提供对本申请的进一步理解，构成本申请的一部分，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：
图1为本申请实施例中定位方法的流程示意图；
图2为本申请实施例中定位装置的结构示意图；
图3为本申请实施例中一种电子设备的结构示意图。
具体实施方式
为使本申请的目的、技术方案和优点更加清楚，下面将结合本申请具体实施例及相应的附图对本申请技术方案进行清楚、完整地描述。显然，所描述的实施例仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，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，都属于本申请保护的范围。
为了使本领域的技术人员更好的了解本申请，下面先对本申请实施例中出现的部分技术术语进行解释如下：
GNSS：Global Navigation Satellite System，全球导航卫星***。
GPS：Global Positioning System，全球定位***。
高精度地图：不同于传统的导航地图，高精度地图包含大量的驾驶辅助信息，最重要的信息是依托道路网的精确三维表征，例如交叉路口布局和路标位置等。高精地图最重要的特征之一是精度，高精度地图能使车辆达到厘米级的精度，这对确保自动驾驶汽车的安全至关重要。
发明人发现，为了防止GNSS信号受到多路径干扰等情况下造成的定位精度下降的问题，相关技术中采用车身里程计信息(车身速度、方向盘转角等信息)、相机视觉SLAM和激光雷达SLAM进行融合定位时，均存在着一些缺陷。
1.传统的基于特征点的SLAM方法局限性太大，比如：动态物体、遮挡、光照等影响，无法保证稳定性。
2.激光雷达价格昂贵，无法适应量产车辆的需求，同时，在一些困难场景，比如：高架桥、隧道等，无法得到很好的建图效果，进一步影响定位的精度。
3.以车道线等语义元素与高精地图匹配的定位方案成本低，也是目前视觉定位的主流方向，但是会收到视觉检测结果的影响，比如：车道线磨损、路面积水积雪、车辆遮挡等，导致与高精地图匹配失败，无法返回有效的定位结果。
针对上述问题，本申请实施例中提供的定位方法，通过识别图像中的可行使区域，通过在高精地图中可行使区域的形状、可行使区域中的路面元素以及可行使区域的边缘信息，对自动驾驶车辆进行定位，保证了自动驾驶车辆在困难场景下的定位精度与稳定性。
以下结合附图，详细说明本申请各实施例提供的技术方案。
本申请实施例提供了一种定位方法，如图1所示，提供了本申请实施例中定位方法流程示意图，所述方法至少包括如下的步骤S110至步骤S130：
步骤S110，获取车辆当前位置的预设区域内的高精地图数据以及车辆可行驶区域的IPM图数据。
首先通过预测的方式获取车辆当前位置，然后进一步获取车辆当前位置的预设区域内的高精地图数据。
对于高精地图数据，是指自车当前位置设定区域内的高精地图数据。高精地图数据预先采集并制作的得到，并通过离线方式读取。
所述预设区域内的高精地图数据包括设定区域为圆形或者半径范围A米内，则获得以自车为原点，A米为半径的高精地图数据。
需要注意的是，预测结果是通过卡尔曼滤波器得到的。
进一步地，还需要获得车辆可行驶区域的IPM图数据。可以理解，获取自动驾驶车辆感知模块的识别之后的图像数据之后，对图像数据的结果做IPM变换，得到可行使区域的逆透视变换结果IPM图数据。
步骤S120，根据所述高精地图数据和所述车辆可行驶区域的IPM图数据的匹配结果，预测车辆的目标位置信息。
在通过上述步骤获取得到高精地图数据集和车辆可行驶区域的IPM图数据之后，根据所述高精地图数据和所述车辆可行驶区域的IPM图数据的匹配结果，可以预测车辆的目标位置信息。
需要注意的是，由于自动驾驶车辆可能处于特殊场景，比如市区高架桥、主辅路交汇处、路面磨损严重的路段等，从而可能存在多个候选位置信息，如果不采用数据匹配，则无法较好地获取准确的定位信息。
步骤S130，根据所述车辆的目标位置信息，对车辆进行定位。
根据所述车辆的目标位置信息作为观测值输入卡尔曼滤波器之后，经过观测信息校正后的初始预测位置数据，可以对车辆进行精准定位。
通过提供额外观测信息，可以提升定位算法在特殊场景下的稳定性，减少在信息不足导致的定位精度下降时的人工接管的次数。
比如，自动驾驶车辆通过至少一个图像采集单元，可提取出图像中的可行驶区域进行IPM图数据的生成。可行驶区域并不完全等同于路面元素，路面元素仅作为损失函数中的一个因素，如果遇到部分路面元素遇到遮挡、磨损等情况，依然可以保证提供定位候选点。
在本申请的一个实施例中，所述根据所述高精地图数据和所述车辆可行驶区域的IPM图数据的匹配结果，预测车辆的目标位置信息，包括：根据所述车辆可行驶区域的IPM图数据中可行驶区域形状在所述高精地图数据中的匹配结果，预测车辆的目标位置信息；和/或，根据所述车辆可行驶区域的IPM图数据中路面元素信息在所述高精地图数据中的匹配结果，预测车辆的目标位置信息。
具体实施时，根据所述车辆可行驶区域的IPM图数据中可行驶区域形状在所述高精地图数据中的匹配结果，预测车辆的目标位置信息。需要注意的是，所述可行使区域的形状包括但不限于，直道、弯道、横向距离等。
可行驶区域形状可以包括直行道路还是弧形道路。
在一些实施例中，可以通过计算不同形状的权重进行目标位置信息的判断。
也可以是，根据所述车辆可行驶区域的IPM图数据中路面元素信息在所述高精地图数据中的匹配结果，预测车辆的目标位置信息。需要注意的是，可行驶区域中的路面信息包括但不限于，车道线、路面箭头、人行道、停止线、路面文字等。
在一些实施例中，可以通过计算不同路面信息的权重进行目标位置信息的判断。
在本申请的一个实施例中，所述预测车辆的目标位置信息至少包括如下之一的候选位置信息：不同高度但同一经纬度的位置信息、预设误差范围区间内的主辅路不同位置信息、出隧道后的预测位置信息、基于GNSS的观测位置信息。
所述候选位置信息是指在预设区域内的高精地图数据中的候选位置信息，由于GNSS信号有受到多路径干扰的影响因素，在高精地图数据中存在多个自动驾驶车辆的候选位置。可以是不同高度的同一经纬度位置、误差范围区间内的主辅路不同位置、出隧道后的预测位置和GNSS观测位置等。对于市区高架桥、主辅路交汇处、桥底/隧道出入口、路面磨损严重的路段等自动驾驶车辆行驶的困难场景。
在本申请的一个实施例中，所述根据所述高精地图数据和所述车辆可行驶区域的IPM图数据的匹配结果，预测车辆的目标位置信息，包括：所述IPM图数据中可行驶区域的形状包括：第一形状特征、第二形状特征，根据所述第一形状特征计算当前道路的道路曲率参数，根据所述第二形状特征计算当前道路的道路宽度参数，根据所述第一形状特征预设的第一权重、所述第二形状特征的第二权重，计算所述预测车辆在所述当前道路中的目标位置信息的候选位置信息。
具体实施时，根据所述第一形状特征、第二形状特征以及对应的权重，计算出在高精地图中不同的候选位置的概率。也就是说，根据所述第一形状特征计算当前道路的道路曲率参数，根据所述第二形状特征计算当前道路的道路宽度参数，根据所述第一形状特征预设的第一权重、所述第二形状特征的第二权重，计算所述预测车辆在所述当前道路中的目标位置信息的候选位置信息。
比如，根据形状特性S(第一形状特征)，即根据可行使区域的形状计算当前道路的曲率。以及，根据道路宽度特性W(第二形状特征)，即根据可行使区域的宽度计算当前道路的宽度。再根据形状特性S、道路宽度特性W两者对应的权重，既可计算出候选位置的概率。
优选地，对于所述道路宽度特性W1，根据可行使区域的宽度计算当前道路的宽度，根据在高精地图数据中的匹配结果，可辅助主辅路、匝道位置的判断。
优选地，对于所述道路宽度特性W2，根据可行使区域的宽度计算当前道路的宽度，根据在高精地图数据中的匹配结果，可辅助不完整的路面信息识别时的位置判断；
优选地，对于所述道路宽度特性W3，根据可行使区域的宽度计算当前道路的宽度，根据在高精地图数据中的匹配结果，结合可行使区域形状特性可辅助高架桥、盘桥的位置的判断。
在本申请的一个实施例中，所述根据所述高精地图数据和所述车辆可行驶区域的IPM图数据的匹配结果，预测车辆的目标位置信息，还包括：根据所述IPM图数据中可行驶区域的路面元素信息的第一路面特征预设的第三权重以及所述第一权重、所述第二权重，计算所述预测车辆在所述当前道路中的目标位置信息的候选位置信息。
具体实施时，如果可以识别得到第一路面特征，则还可以根据第一路面特征预设的第三权重以及所述第一权重、所述第二权重，计算所述预测车辆在所述当前道路中的目标位置信息的候选位置信息。
需要注意的是，所述第一路面特征包括但不限于，路面信息特性，即可行驶区域中的路面信息。相关技术中的匹配算法通常基于路面信息特性，但是此特性会由于路面磨损、道路车辆遮挡、识别模型精度等原因，从而导致计算结果置信度较低，从而影响候选位置的确定。
需要注意的时候，路面信息特性包括但不限于，车道线、路面箭头、人行道、停止线、路面文字等，在此不具体限定。
比如，首先，根据形状特性S(第一形状特征)，即根据可行使区域的形状计算当前道路的曲率。以及，根据道路宽度特性W(第二形状特征)，即根据可行使区域的宽度计算当前道路的宽度，路面信息特性I(第一路面特征)，即可行驶区域中的路面信息。
接着，根据预设的不同特性的权值，计算每个候选位置的概率：
Pi＝ω1{S，Smap}+ω2{W，Wmap}+ω3{I，Imap}
其中ω1，ω2，ω3为预设权重。i为候选位置数量。
{S，Smap}为形状特性匹配结果，可根据曲率相似度计算。
{W，Wmap}为路面宽度特性匹配结果，可根据道路宽度相似度计算。
{I，Imap}为路面信息特性匹配结果，可根据路面信息相似度计算。
此外，相似度计算方法可任意选择，比如路面宽度特性相似度可设置为可行使区域的路面宽度与地图中当前道路宽度的比例，在本申请的实施例中并不进行具体限定，本领域技术人员可以根据经实际场景进行选择。
最后，得到概率最大的候选位置。
在本申请的一个实施例中，所述获取车辆当前位置的预设区域内的高精地图数据以及车辆可行驶区域的IPM图数据，包括：根据预设滤波器的车辆当前位置预测结果，获取车辆当前位置的预设区域内的高精地图数据；根据车前图像识别结果进行IPM变换，得到车辆可行驶区域的IPM图数据。
具体实施时，根据预设卡尔曼滤波器的车辆当前位置预测结果，获取车辆当前位置的预设区域内的高精地图数据。并且，根据车前图像识别结果进行IPM变换，得到车辆可行驶区域的IPM图数据。
比如，自动驾驶车辆进入盘桥环境下，GNSS收到多路径效应的影响，自动驾驶车辆在同一时刻可能会将定位定在桥下(比如实际是在在桥上，但是经纬度相同、高度不同)，而此时无法获得路面元素，则可以根据可行驶区域的IPM图数据找中道路曲率以及可行驶区域形状计算定位候选位置的权重值，得到准确的位置。
在本申请的一个实施例中，所述根据所述车辆的目标位置信息，对车辆进行定位，包括：根据多个所述车辆的位置信息的预测概率值，确定车辆的目标位置信息；将所述车辆的目标位置信息作为观测值，输入预设滤波器对车辆的当前位置进行修正。
具体实施时，将候选位置得到的位置作为车辆的目标位置信息，并将所述车辆的目标位置信息作为观测值，输入到预设滤波器对车辆的当前位置进行修正。需要注意的是，车辆的当前位置之前是通过预测值预测得到的，这里通过引入新的观测值进行修正。
本申请实施例还提供了定位装置200，如图2所示，提供了本申请实施例中定位装置的结构示意图，所述定位装置200至少包括：获取模块210、匹配模块220以及定位模块230，其中：
获取模块210，用于获取车辆当前位置的预设区域内的高精地图数据以及车辆可行驶区域的IPM图数据；
匹配模块220，用于根据所述高精地图数据和所述车辆可行驶区域的IPM图数据的匹配结果，预测车辆的目标位置信息；
定位模块230，用于根据所述车辆的目标位置信息，对车辆进行定位。
在本申请的一个实施例中，所述获取模块210具体用于：首先通过预测的方式获取车辆当前位置，然后进一步获取车辆当前位置的预设区域内的高精地图数据。
对于高精地图数据，是指自车当前位置设定区域内的高精地图数据。高精地图数据预先采集并制作的得到，并通过离线方式读取。
所述预设区域内的高精地图数据包括设定区域为圆形或者半径范围A米内，则获得以自车为原点，A米为半径的高精地图数据。
需要注意的是，预测结果是通过卡尔曼滤波器得到的。
进一步地，还需要获得车辆可行驶区域的IPM图数据。可以理解，获取自动驾驶车辆感知模块的识别之后的图像数据之后，对图像数据的结果做IPM变换，得到可行使区域的逆透视变换结果IPM图数据。
在本申请的一个实施例中，所述匹配模块220具体用于：在通过上述步骤获取得到高精地图数据集和车辆可行驶区域的IPM图数据之后，根据所述高精地图数据和所述车辆可行驶区域的IPM图数据的匹配结果，可以预测车辆的目标位置信息。
需要注意的是，由于自动驾驶车辆可能处于特殊场景，比如市区高架桥、主辅路交汇处、路面磨损严重的路段等，从而可能存在多个候选位置信息，如果不采用数据匹配，则无法较好地获取准确的定位信息。
在本申请的一个实施例中，所述定位模块230具体用于：根据所述车辆的目标位置信息作为观测值输入卡尔曼滤波器之后，经过观测信息校正后的初始预测位置数据，可以对车辆进行精准定位。
通过提供额外观测信息，可以提升定位算法在特殊场景下的稳定性，减少在信息不足导致的定位精度下降时的人工接管的次数。
比如，自动驾驶车辆通过至少一个图像采集单元，可提取出图像中的可行驶区域进行IPM图数据的生成。可行驶区域并不完全等同于路面元素，路面元素仅作为损失函数中的一个因素，如果遇到部分路面元素遇到遮挡、磨损等情况，依然可以保证提供定位候选点。
能够理解，上述定位装置，能够实现前述实施例中提供的定位方法的各个步骤，关于定位方法的相关阐释均适用于定位装置，此处不再赘述。
图3是本申请的一个实施例电子设备的结构示意图。请参考图3，在硬件层面，该电子设备包括处理器，可选地还包括内部总线、网络接口、存储器。其中，存储器可能包含内存，例如高速随机存取存储器(Random-Access Memory，RAM)，也可能还包括非易失性存储器(non-volatile memory)，例如至少1个磁盘存储器等。当然，该电子设备还可能包括其他业务所需要的硬件。
处理器、网络接口和存储器可以通过内部总线相互连接，该内部总线可以是ISA(Industry Standard Architecture，工业标准体系结构)总线、PCI(PeripheralComponent Interconnect，外设部件互连标准)总线或EISA(Extended Industry StandardArchitecture，扩展工业标准结构)总线等。所述总线可以分为地址总线、数据总线、控制总线等。为便于表示，图3中仅用一个双向箭头表示，但并不表示仅有一根总线或一种类型的总线。
存储器，用于存放程序。具体地，程序可以包括程序代码，所述程序代码包括计算机操作指令。存储器可以包括内存和非易失性存储器，并向处理器提供指令和数据。
处理器从非易失性存储器中读取对应的计算机程序到内存中然后运行，在逻辑层面上形成定位装置。处理器，执行存储器所存放的程序，并具体用于执行以下操作：
获取车辆当前位置的预设区域内的高精地图数据以及车辆可行驶区域的IPM图数据；
根据所述高精地图数据和所述车辆可行驶区域的IPM图数据的匹配结果，预测车辆的目标位置信息；
根据所述车辆的目标位置信息，对车辆进行定位。
上述如本申请图1所示实施例揭示的定位装置执行的方法可以应用于处理器中，或者由处理器实现。处理器可能是一种集成电路芯片，具有信号的处理能力。在实现过程中，上述方法的各步骤可以通过处理器中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器可以是通用处理器，包括中央处理器(Central Processing Unit，CPU)、网络处理器(Network Processor，NP)等；还可以是数字信号处理器(Digital SignalProcessor，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。可以实现或者执行本申请实施例中的公开的各方法、步骤及逻辑框图。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。结合本申请实施例所公开的方法的步骤可以直接体现为硬件译码处理器执行完成，或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器，闪存、只读存储器，可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器，处理器读取存储器中的信息，结合其硬件完成上述方法的步骤。
该电子设备还可执行图1中定位装置执行的方法，并实现定位装置在图1所示实施例的功能，本申请实施例在此不再赘述。
本申请实施例还提出了一种计算机可读存储介质，该计算机可读存储介质存储一个或多个程序，该一个或多个程序包括指令，该指令当被包括多个应用程序的电子设备执行时，能够使该电子设备执行图1所示实施例中定位装置执行的方法，并具体用于执行：
获取车辆当前位置的预设区域内的高精地图数据以及车辆可行驶区域的IPM图数据；
根据所述高精地图数据和所述车辆可行驶区域的IPM图数据的匹配结果，预测车辆的目标位置信息；
根据所述车辆的目标位置信息，对车辆进行定位。
本领域内的技术人员应明白，本发明的实施例可提供为方法、***、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(***)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
在一个典型的配置中，计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。
内存可能包括计算机可读介质中的非永久性存储器，随机存取存储器(RAM)和/或非易失性内存等形式，如只读存储器(ROM)或闪存(flash RAM)。内存是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带，磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括暂存电脑可读媒体(transitory media)，如调制的数据信号和载波。
还需要说明的是，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。
本领域技术人员应明白，本申请的实施例可提供为方法、***或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
以上所述仅为本申请的实施例而已，并不用于限制本申请。对于本领域技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本申请的权利要求范围之内。

Claims (10)

1.一种定位方法，其中，用于自动驾驶车辆，所述方法包括：
获取车辆当前位置的预设区域内的高精地图数据以及车辆可行驶区域的IPM图数据；
根据所述高精地图数据和所述车辆可行驶区域的IPM图数据的匹配结果，预测车辆的目标位置信息；
根据所述车辆的目标位置信息，对车辆进行定位。
2.如权利要求1所述方法，其中，所述根据所述高精地图数据和所述车辆可行驶区域的IPM图数据的匹配结果，预测车辆的目标位置信息，包括：
根据所述车辆可行驶区域的IPM图数据中可行驶区域形状在所述高精地图数据中的匹配结果，预测车辆的目标位置信息；
和/或，
根据所述车辆可行驶区域的IPM图数据中路面元素信息在所述高精地图数据中的匹配结果，预测车辆的目标位置信息。
3.如权利要求2所述方法，其中，所述预测车辆的目标位置信息至少包括如下之一的候选位置信息：不同高度但同一经纬度的位置信息、预设误差范围区间内的主辅路不同位置信息、出隧道后的预测位置信息、基于GNSS的观测位置信息。
4.如权利要求2所述方法，其中，所述根据所述高精地图数据和所述车辆可行驶区域的IPM图数据的匹配结果，预测车辆的目标位置信息，包括：
所述IPM图数据中可行驶区域的形状包括：第一形状特征、第二形状特征，根据所述第一形状特征计算当前道路的道路曲率参数，根据所述第二形状特征计算当前道路的道路宽度参数，
根据所述第一形状特征预设的第一权重、所述第二形状特征的第二权重，计算所述预测车辆在所述当前道路中的目标位置信息的候选位置信息。
5.如权利要求4所述方法，其中，所述根据所述高精地图数据和所述车辆可行驶区域的IPM图数据的匹配结果，预测车辆的目标位置信息，还包括：
根据所述IPM图数据中可行驶区域的路面元素信息的第一路面特征预设的第三权重以及所述第一权重、所述第二权重，计算所述预测车辆在所述当前道路中的目标位置信息的候选位置信息。
6.如权利要求1所述方法，其中，所述获取车辆当前位置的预设区域内的高精地图数据以及车辆可行驶区域的IPM图数据，包括：
根据预设滤波器的车辆当前位置预测结果，获取车辆当前位置的预设区域内的高精地图数据；
根据车前图像识别结果进行IPM变换，得到车辆可行驶区域的IPM图数据。
7.如权利要求1所述方法，其中，所述根据所述车辆的目标位置信息，对车辆进行定位，包括：
根据多个所述车辆的位置信息的预测概率值，确定车辆的目标位置信息；
将所述车辆的目标位置信息作为观测值，输入预设滤波器对车辆的当前位置进行修正。
8.一种定位装置，其中，用于自动驾驶车辆，所述装置包括：
获取模块，用于获取车辆当前位置的预设区域内的高精地图数据以及车辆可行驶区域的IPM图数据；
匹配模块，用于根据所述高精地图数据和所述车辆可行驶区域的IPM图数据的匹配结果，预测车辆的目标位置信息；
定位模块，用于根据所述车辆的目标位置信息，对车辆进行定位。
9.一种电子设备，包括：
处理器；以及
被安排成存储计算机可执行指令的存储器，所述可执行指令在被执行时使所述处理器执行所述权利要求1～7之任一所述方法。
10.一种计算机可读存储介质，所述计算机可读存储介质存储一个或多个程序，所述一个或多个程序当被包括多个应用程序的电子设备执行时，使得所述电子设备执行所述权利要求1～7之任一所述方法。
CN202210430656.1A 2022-04-22 2022-04-22 定位方法以及定位装置、电子设备、存储介质 Pending CN114910083A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210430656.1A CN114910083A (zh) 2022-04-22 2022-04-22 定位方法以及定位装置、电子设备、存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210430656.1A CN114910083A (zh) 2022-04-22 2022-04-22 定位方法以及定位装置、电子设备、存储介质

Publications (1)

Publication Number Publication Date
CN114910083A true CN114910083A (zh) 2022-08-16

Family

ID=82764811

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210430656.1A Pending CN114910083A (zh) 2022-04-22 2022-04-22 定位方法以及定位装置、电子设备、存储介质

Country Status (1)

Country Link
CN (1) CN114910083A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116202538A (zh) * 2023-05-05 2023-06-02 广州小鹏自动驾驶科技有限公司 地图匹配融合方法、装置、设备及存储介质

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2008009966A2 (en) * 2006-07-21 2008-01-24 Trw Limited Determining the location of a vehicle on a map
CN107339996A (zh) * 2017-06-30 2017-11-10 百度在线网络技术（北京）有限公司 车辆自定位方法、装置、设备及存储介质
CN110031012A (zh) * 2019-05-27 2019-07-19 爱驰汽车有限公司 汽车实时匹配高精地图的方法、***、设备及存储介质
JP2020026985A (ja) * 2018-08-09 2020-02-20 株式会社豊田中央研究所 車両位置推定装置及びプログラム
CN111307163A (zh) * 2018-12-11 2020-06-19 北京地平线机器人技术研发有限公司 可移动设备的定位方法、定位装置及电子设备
CN113804214A (zh) * 2021-11-19 2021-12-17 智道网联科技(北京)有限公司 车辆定位方法、装置及电子设备、计算机可读存储介质
CN113834492A (zh) * 2021-09-22 2021-12-24 广州小鹏自动驾驶科技有限公司 地图匹配方法、***、设备及可读存储介质
CN113899375A (zh) * 2021-12-10 2022-01-07 腾讯科技（深圳）有限公司 车辆定位方法和装置、存储介质及电子设备
CN114034307A (zh) * 2021-11-19 2022-02-11 智道网联科技(北京)有限公司 基于车道线的车辆位姿校准方法、装置和电子设备
CN114228741A (zh) * 2021-11-16 2022-03-25 智道网联科技(北京)有限公司 用于自动驾驶车辆的车道保持方法及装置

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2008009966A2 (en) * 2006-07-21 2008-01-24 Trw Limited Determining the location of a vehicle on a map
CN107339996A (zh) * 2017-06-30 2017-11-10 百度在线网络技术（北京）有限公司 车辆自定位方法、装置、设备及存储介质
JP2020026985A (ja) * 2018-08-09 2020-02-20 株式会社豊田中央研究所 車両位置推定装置及びプログラム
CN111307163A (zh) * 2018-12-11 2020-06-19 北京地平线机器人技术研发有限公司 可移动设备的定位方法、定位装置及电子设备
CN110031012A (zh) * 2019-05-27 2019-07-19 爱驰汽车有限公司 汽车实时匹配高精地图的方法、***、设备及存储介质
CN113834492A (zh) * 2021-09-22 2021-12-24 广州小鹏自动驾驶科技有限公司 地图匹配方法、***、设备及可读存储介质
CN114228741A (zh) * 2021-11-16 2022-03-25 智道网联科技(北京)有限公司 用于自动驾驶车辆的车道保持方法及装置
CN113804214A (zh) * 2021-11-19 2021-12-17 智道网联科技(北京)有限公司 车辆定位方法、装置及电子设备、计算机可读存储介质
CN114034307A (zh) * 2021-11-19 2022-02-11 智道网联科技(北京)有限公司 基于车道线的车辆位姿校准方法、装置和电子设备
CN113899375A (zh) * 2021-12-10 2022-01-07 腾讯科技（深圳）有限公司 车辆定位方法和装置、存储介质及电子设备

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
KANG JEONG MIN ET AL.: "Lane-Level Map-Matching Method for Vehicle Localization Using GPS and Camera on a High-Definition Map", 《SENSORS》, vol. 20, no. 8, 2 June 2020 (2020-06-02), pages 1 - 22 *
刘亚群: "基于视觉的车道级定位算法研究", 《中国优秀硕士学位论文全文数据库 (信息科技辑)》, 15 August 2016 (2016-08-15), pages 138 - 926 *
潘尧;吴聪;张颖江;刘伶俐;辛梓;: "智能车辆双目视觉与地图组合定位研究", 湖北工业大学学报, no. 04, 15 August 2017 (2017-08-15), pages 57 - 61 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116202538A (zh) * 2023-05-05 2023-06-02 广州小鹏自动驾驶科技有限公司 地图匹配融合方法、装置、设备及存储介质
CN116202538B (zh) * 2023-05-05 2023-08-29 广州小鹏自动驾驶科技有限公司 地图匹配融合方法、装置、设备及存储介质

Similar Documents

Publication Publication Date Title
CN109785667B (zh) 车道偏离识别方法、装置、设备和存储介质
CN110530372B (zh) 定位方法、路径确定方法、装置、机器人及存储介质
EP3936822B1 (en) Vehicle positioning method and apparatus, and vehicle, and storage medium
CN110608746B (zh) 用于确定机动车的位置的方法和装置
CN109754636B (zh) 停车位协同感知识别、停车辅助方法、装置
JP2020516880A (ja) ポリゴンにおける中間点を低減する方法および装置
CN110887494A (zh) 车辆定位方法、装置
CN114547222A (zh) 语义地图构建方法、装置及电子设备
CN113009539A (zh) 一种车辆自动变道处理方法、车辆及设备
CN114279453B (zh) 基于车路协同的自动驾驶车辆定位方法、装置及电子设备
CN114754778B (zh) 一种车辆定位方法以及装置、电子设备、存储介质
CN115143952A (zh) 基于视觉辅助的自动驾驶车辆定位方法、装置
CN115493602A (zh) 语义地图构建方法、装置及电子设备、存储介质
CN115184976A (zh) 自动驾驶车辆的定位方法、装置及电子设备、存储介质
CN110018503B (zh) 车辆的定位方法及定位***
CN115273512A (zh) 自动驾驶车辆的防碰撞辅助方法、装置、设备及介质
CN114777814A (zh) 基于车路云的融合定位精度评估方法、装置及***
CN113609148A (zh) 一种地图更新的方法和装置
CN114966632A (zh) 激光雷达标定方法、装置及电子设备、存储介质
CN114910083A (zh) 定位方法以及定位装置、电子设备、存储介质
CN115950441B (zh) 自动驾驶车辆的融合定位方法、装置及电子设备
KR20200002257A (ko) 꼭지점 검출 기반의 도로 표지판 검출 방법 및 장치
CN115856979B (zh) 自动驾驶车辆的定位方法、装置及电子设备、存储介质
CN116546424A (zh) 激光建图方法及其装置、激光定位方法及其装置
CN115112125A (zh) 自动驾驶车辆的定位方法、装置及电子设备、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