CN117256009A - 基于环境匹配的车辆定位方法、装置、车辆及存储介质 - Google Patents
基于环境匹配的车辆定位方法、装置、车辆及存储介质 Download PDFInfo
- Publication number
- CN117256009A CN117256009A CN202180097566.9A CN202180097566A CN117256009A CN 117256009 A CN117256009 A CN 117256009A CN 202180097566 A CN202180097566 A CN 202180097566A CN 117256009 A CN117256009 A CN 117256009A
- Authority
- CN
- China
- Prior art keywords
- environment
- road image
- vehicle
- current
- image set
- 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
- 238000000034 method Methods 0.000 title claims abstract description 50
- 230000007613 environmental effect Effects 0.000 claims abstract description 121
- 238000012545 processing Methods 0.000 claims description 38
- 239000002131 composite material Substances 0.000 claims description 19
- 239000000470 constituent Substances 0.000 claims description 13
- 230000008569 process Effects 0.000 claims description 11
- 238000002347 injection Methods 0.000 claims description 9
- 239000007924 injection Substances 0.000 claims description 9
- 238000009877 rendering Methods 0.000 claims description 3
- 230000000875 corresponding effect Effects 0.000 description 65
- 230000000694 effects Effects 0.000 description 18
- 238000005516 engineering process Methods 0.000 description 8
- 238000004891 communication Methods 0.000 description 7
- 238000013507 mapping Methods 0.000 description 7
- 230000001360 synchronised effect Effects 0.000 description 7
- 238000010586 diagram Methods 0.000 description 6
- 230000009977 dual effect Effects 0.000 description 3
- 238000005286 illumination Methods 0.000 description 3
- 239000000243 solution Substances 0.000 description 3
- 238000012937 correction Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000004927 fusion Effects 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 230000004888 barrier function Effects 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 239000000428 dust Substances 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000002372 labelling Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
-
- 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
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
- G06F16/51—Indexing; Data structures therefor; Storage structures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
- G06V20/588—Recognition of the road, e.g. of lane markings; Recognition of the vehicle driving pattern in relation to the road
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30248—Vehicle exterior or interior
- G06T2207/30252—Vehicle exterior; Vicinity of vehicle
- G06T2207/30256—Lane; Road marking
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Remote Sensing (AREA)
- Radar, Positioning & Navigation (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Multimedia (AREA)
- Software Systems (AREA)
- Automation & Control Theory (AREA)
- Databases & Information Systems (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Computing Systems (AREA)
- Medical Informatics (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Life Sciences & Earth Sciences (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Molecular Biology (AREA)
- Mathematical Physics (AREA)
- Navigation (AREA)
Abstract
一种基于环境匹配的车辆定位方法、装置、车辆及存储介质,涉及自动驾驶技术领域,所述方法包括:步骤S10:获取待定位车辆所处位置的当前环境数据以及当前道路图像,步骤S20:查找与当前环境数据匹配的环境影响道路图像集,步骤S30:将当前道路图像与环境影响道路图像集中的环境影响道路图像分别进行匹配,获得与当前道路图像匹配的目标环境影响道路图像,步骤S40:根据目标环境影响道路图像确定待定位车辆的当前位置信息。相较于现有技术多通过在晴天的白天状况下制作的高精度地图进行车辆定位,忽略了因天气、时段带来的定位误差,通过上述步骤以充分考虑不同环境因素造成的制图影响,降低因环境干扰带来的定位误差,提高不同环境状况下的车辆定位精度。
Description
本发明涉及自动驾驶技术领域,尤其涉及一种基于环境匹配的车辆定位方法、装置、车辆及存储介质。
随着自动驾驶技术的发展及迭代,实现自动驾驶车辆量产的日子也越来越近。在自动驾驶***的自动运行过程中,为了更好地了解自身姿态,进行精确的行为规划和车身控制,就不得不提及高精度定位功能。当前行业公认的高精度定位功能有两种方式实现,一种是基于卫星定位及惯性导航***组合成的高精度定位***,这种定位***依靠固定频率的多卫星通讯实现定位,在隧道高架等部分地区无法进行卫星通讯时,利用惯性导航进行位置估值,从而实现不同方位都可以实现高精度定位的效果;另外一种方式是通过激光、视觉等单一传感器或者多传感器融合(视觉、激光、毫米波等)进行地图采集,同时利用制图工具链进行同步定位与建图(Simultaneous
Localization And Mapping,SLAM),自动驾驶***在道路运行时,利用传感器进行特征匹配,实现高精度定位。
在具体实现中,高精度地图(Map
for Highly Automated Driving,HAD Map)的制作是需要进行地图采集的。当前国内外进行地图数据采集多采用以下两种方式:1、地图采集车队专职进行地图信息采集或者更新。2、以数据众包的形式进行地图采集或者更新。无论是基于哪种方式,当前的制图方式都是先建立高精度地图,然后在自动驾驶需要进行高精度地图定位时则使用即时的环境感知与高精度地图进行匹配定位。但在这种形式下存在一个信息差,因高精度地图是基于采集到的地图信息建立,但是进行实时定位时感知到的环境差异较大,例如晴天、阴天、白天、夜晚、雨天、雪天、雾天等不同天气、不同时段造成的影响。因此,如何提高不同环境状况下的车辆定位精度,成为一个亟待解决的问题。
上述内容仅用于辅助理解本发明的技术方案,并不代表承认上述内容是现有技术。
本发明的主要目的在于提供了一种基于环境匹配的车辆定位方法、装置、车辆及存储介质,旨在解决如何提高不同环境状况下的车辆定位精度的技术问题。
为实现上述目的,本发明提供了一种基于环境匹配的车辆定位方法,所述方法包括以下步骤:
获取待定位车辆所处位置的当前环境数据以及当前道路图像;
查找与所述当前环境数据匹配的环境影响道路图像集;
将所述当前道路图像与所述环境影响道路图像集中的环境影响道路图像分别进行匹配,获得与所述当前道路图像匹配的目标环境影响道路图像;
根据所述目标环境影响道路图像确定所述待定位车辆的当前位置信息。
可选地,所述查找与所述当前环境数据匹配的环境影响道路图像集的步骤之前,还包括:
获取预设环境模式下的道路图像集,并对所述道路图像集进行环境影响去除处理,以获得基础道路图像集;
根据不同环境影响对应的环境影响特征信息分别对所述基础道路图像进行注入处理,以生成不同环境影响下的环境影响道路图像集。
可选地,所述获取预设环境模式下的道路图像集,并对所述道路图像集进行环境影响去除处理,以获得基础道路图像集的步骤,包括:
分别获取不同天气和不同时段下的道路图像集,并对所述道路图像集进行图像识别以及特征标记,获得道路特征标记;
根据所述道路特征标记对所述道路图像集进行环境影响去除处理,以获得基础道路图像集。
可选地,所述根据不同环境影响对应的环境影响特征信息分别对所述基础道路图像进行注入处理,以生成不同环境影响下的环境影响道路图像集的步骤,包括:
获取不同环境影响对应的环境特征信息中的天气影响因子和时段影响因子;
将所述天气影响因子和时段影响因子按照预设组合规则进行组合,以获得不同的环境复合因子;
将所述环境复合因子分别注入至所述基础道路图像,以生成不同环境影响下的环境影响道路图像集。
可选地,所述将所述环境复合因子分别注入至所述基础道路图像,以生成不同环境影响下的环境影响道路图像集的步骤,包括:
获取所述基础道路图像集中的道路组成元素;
根据所述环境复合因子分别对所述基础道路图像集中的所述道路组成元素进行渲染,以生成不同环境影响下的环境影响道路图像集。
可选地,所述查找与所述当前环境数据匹配的环境影响道路图像集的步骤,包括:
获取待定位车辆的历史GPS定位信息,并根据所述历史GPS定位信息确定对应的所属区域图像集;
在所述所属区域图像集中查找与所述当前环境数据匹配的环境影响道路图像集。
可选地,所述根据所述目标环境影响道路图像确定所述待定位车辆的当前位置信息的步骤,包括:
根据所述历史GPS定位信息和所述目标环境影响道路图像对应的位置信息确定所述待定位车辆的当前位置信息。
此外,为实现上述目的,本发明还提出一种基于环境匹配的车辆定位装置,所述基于环境匹配的车辆定位装置包括:
数据获取模块,用于获取待定位车辆所处位置的当前环境数据以及当前道路图像;
图像集查找模块,用于查找与所述当前环境数据匹配的环境影响道路图像集;
图像匹配模块,用于将所述当前道路图像与所述环境影响道路图像集中的环境影响道路图像分别进行匹配,获得与所述当前道路图像匹配的目标环境影响道路图像;
车辆定位模块,用于根据所述目标环境影响道路图像确定所述待定位车辆的当前位置信息。
此外,为实现上述目的,本发明还提出一种车辆,所述车辆包括:存储器、处理器及存储在所述存储器上并可在所述处理器上运行的基于环境匹配的车辆定位程序,所述基于环境匹配的车辆定位程序配置为实现如上文所述的基于环境匹配的车辆定位方法的步骤。
此外,为实现上述目的,本发明还提出一种存储介质,所述存储介质上存储有基于环境匹配的车辆定位程序,所述基于环境匹配的车辆定位程序被处理器执行时实现如上文所述的基于环境匹配的车辆定位方法的步骤。
本发明中,获取待定位车辆所处位置的当前环境数据以及当前道路图像,查找与所述当前环境数据匹配的环境影响道路图像集,将所述当前道路图像与所述环境影响道路图像集中的环境影响道路图像分别进行匹配,获得与所述当前道路图像匹配的目标环境影响道路图像,根据所述目标环境影响道路图像确定所述待定位车辆的当前位置信息。相较于现有技术多通过在晴天的白天状况下制作的高精度地图进行车辆定位,忽略了因天气、时段带来的定位误差,本发明通过查找待定位车辆所处位置的当前环境数据对应的环境影响道路图像集,并将待定位车辆所处位置的当前道路图像与所述环境影响道路图像集中的环境影响道路图像分别进行匹配,获得与所述当前道路图像匹配的目标环境影响道路图像,再根据所述目标环境影响道路图像确定所述待定位车辆的当前位置信息以充分考虑不同环境因素造成的制图影响,降低因环境干扰带来的定位误差,提高不同环境状况下的车辆定位精度。
图1是本发明实施例方案涉及的硬件运行环境的车辆的结构示意图;
图2为本发明基于环境匹配的车辆定位方法第一实施例的流程示意图;
图3为本发明基于环境匹配的车辆定位方法第二实施例的流程示意图;
图4为本发明基于环境匹配的车辆定位方法第二实施例涉及的双重定位示意图;
图5为本发明基于环境匹配的车辆定位方法第三实施例的流程示意图;
图6为本发明基于环境匹配的车辆定位装置第一实施例的结构框图。
本发明目的的实现、功能特点及优点将结合实施例,参照附图做进一步说明。
应当理解,此处所描述的具体实施例仅用以解释本发明,并不用于限定本发明。
参照图1,图1为本发明实施例方案涉及的硬件运行环境的车辆结构示意图。
如图1所示,该车辆可以包括:处理器1001,例如中央处理器(Central
Processing Unit,CPU),通信总线1002、用户接口1003,网络接口1004,存储器1005。其中,通信总线1002用于实现这些组件之间的连接通信。用户接口1003可以包括显示屏(Display)、输入单元比如键盘(Keyboard),可选用户接口1003还可以包括标准的有线接口、无线接口。网络接口1004可选的可以包括标准的有线接口、无线接口(如无线保真(WIreless-FIdelity,WI-FI)接口)。存储器1005可以是高速的随机存取存储器(Random
Access Memory,RAM),也可以是稳定的非易失性存储器(Non-Volatile
Memory,NVM),例如磁盘存储器。存储器1005可选的还可以是独立于前述处理器1001的存储装置。
本领域技术人员可以理解,图1中示出的结构并不构成对车辆的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件布置。
如图1所示,作为一种存储介质的存储器1005中可以包括操作***、数据存储模块、网络通信模块、用户接口模块以及基于环境匹配的车辆定位程序。
在图1所示的车辆中,网络接口1004主要用于与网络服务器进行数据通信;用户接口1003主要用于与用户进行数据交互;本发明车辆中的处理器1001、存储器1005可以设置在车辆中,所述车辆通过处理器1001调用存储器1005中存储的基于环境匹配的车辆定位程序,并执行本发明实施例提供的基于环境匹配的车辆定位方法。
本发明实施例提供了一种基于环境匹配的车辆定位方法,参照图2,图2为本发明基于环境匹配的车辆定位方法第一实施例的流程示意图。
本实施例中,所述基于环境匹配的车辆定位方法包括以下步骤:
步骤S10:获取待定位车辆所处位置的当前环境数据以及当前道路图像;
易于理解的是,本实施例的执行主体可为上述处理器1001,在具体实现中,可通过与所述处理器1001相连的激光、视觉等单一传感器或者多传感器融合(视觉、激光、毫米波等)采集待定位车辆所处位置的当前道路图像,其中,所述当前道路图像可理解为待定位车辆当前所处道路对应的图像,在具体实现中,因也存在未规划道路,故也可为待定位车辆当前所处区域对应的图像,其中,区域大小可根据实际需求进行设置,本实施例对此不加以限制。
在具体实现中,为了提高数据采集精度,以进一步提高车辆定位精度,还可获取待定位车辆所处位置的当前环境数据,所述当前环境数据包括当前天气数据和当前时段数据,其中,可通过所述当前天气数据反映待定位车辆所处位置的当前天气状况,如,晴天、阴天、雨天、雪天、雾天等;通过所述当前时段数据反映待定位车辆所处位置的当前所属时段,如,清晨、中午、傍晚、深夜等。
步骤S20:查找与所述当前环境数据匹配的环境影响道路图像集;
需要说明的是,在获得所述当前环境数据后,可在预设道路图像库中查找与所述当前环境数据匹配的环境影响道路图像集,其中,所述环境影响道路图像集可理解为包含有不同环境影响下对应的道路图像的数据集,如,雨天的深夜对应的道路图像、雾天的清晨对应的道路图像、阴天的傍晚对应的道路图像等,所述预设道路图像库可理解为实时更新的存储有不同道路(或不同区域)在不同环境影响下对应的图像集的数据库。
步骤S30:将所述当前道路图像与所述环境影响道路图像集中的环境影响道路图像分别进行匹配,获得与所述当前道路图像匹配的目标环境影响道路图像;
步骤S40:根据所述目标环境影响道路图像确定所述待定位车辆的当前位置信息。
易于理解的是,在获得与待定位车辆所处位置的当前环境数据匹配的环境影响道路图像集时,可将待定位车辆所处位置的当前道路图像与所述环境影响道路图像集中的环境影响道路图像分别进行匹配,获得与所述当前道路图像匹配的目标环境影响道路图像,并根据所述目标环境影响道路图像确定所述待定位车辆的当前位置信息,在具体实现中,可根据所述环境影响道路图像集通过同步定位与建图技术绘制对应的高精度地图,再基于获得的高精度地图进行车辆定位,进一步地,可将所述目标环境影响道路图像在所述高精度地图中对应的位置信息作为所述待定位车辆的当前位置信息,如,所述目标环境影响道路图像对应的位置坐标为(a,b,c),则将(a,b,c)作为所述待定位车辆的当前位置信息。
本实施例中,获取待定位车辆所处位置的当前环境数据以及当前道路图像,查找与所述当前环境数据匹配的环境影响道路图像集,将所述当前道路图像与所述环境影响道路图像集中的环境影响道路图像分别进行匹配,获得与所述当前道路图像匹配的目标环境影响道路图像,根据所述目标环境影响道路图像确定所述待定位车辆的当前位置信息。相较于现有技术多通过在晴天的白天状况下制作的高精度地图进行车辆定位,忽略了因天气、时段带来的定位误差,本实施例通过查找待定位车辆所处位置的当前环境数据对应的环境影响道路图像集,并将待定位车辆所处位置的当前道路图像与所述环境影响道路图像集中的环境影响道路图像分别进行匹配,获得与所述当前道路图像匹配的目标环境影响道路图像,再根据所述目标环境影响道路图像确定所述待定位车辆的当前位置信息以充分考虑不同环境因素造成的制图影响,降低因环境干扰带来的定位误差,提高不同环境状况下的车辆定位精度。
参考图3,图3为本发明基于环境匹配的车辆定位方法第二实施例的流程示意图。
基于上述第一实施例,在本实施例中,所述步骤S20之前,所述方法还包括:
步骤S01:获取预设环境模式下的道路图像集,并对所述道路图像集进行环境影响去除处理,以获得基础道路图像集;
需要说明的是,为了获得不同环境影响下的环境影响道路图像集,可先分别获取不同天气(如,晴天、阴天、雨天、雪天、雾天等)和不同时段(如,清晨、中午、傍晚、深夜等)下的道路图像集,并对所述道路图像集进行图像识别,获得图像识别结果,再对所述图像识别结果进行特征标记,获得道路特征标记,其中,特征标记可理解为标记图像识别结果中的特征信息,可用于标识天气、时段、道路组成元素、道路组成元素所属类别等,如,某一道路的道路组成元素的图像识别结果为光线昏暗的道路上的路灯,则对应的道路特征标记为:傍晚/深夜,路灯,又如,某一道路的道路组成元素的图像识别结果为被雪覆盖的警告标志,则对应的道路特征标记为:雪天,警告标志;其中,所述道路组成元素可理解为组成道路的不同元素,如,道路交通标志类元素(如警告标志、禁令标志、指路标志等)、道路交通标线类元素(如指示标线、禁止标线、警告标线等)、交通设施类元素(如红绿灯、路灯、防撞护栏等)、建筑设施类元素(如住宅、学校、医院等)等。在具体实现中,为了提高特征标记精度,也可接收用户输入的标记修正信息,并根据所述标记修正信息增加/删除/修改所述图像特征标记;或,直接接收用户输入的道路特征标记。
易于理解的是,在获得所述道路特征标记时,可根据所述道路特征标记对所述道路图像集进行环境影响去除处理,以获得基础道路图像集,其中,所述环境影响处理可理解为分别对有环境因素影响的道路图像集根据环境影响的不同进行对应的后期效果处理,获得无环境影响下的基础道路图像集,在具体实现中,可根据环境影响的不同选择对应的效果处理插件,再通过不同的效果处理插件对所述道路图像集进行对应的后期效果处理,以获得基础道路图像集。如,道路特征标记中标识天气的标记为:雪天,则调取与雪天对应的效果处理插件,又如,道路特征标记中标识时段的标记为:傍晚/深夜,则调取与傍晚/深夜对应的效果处理插件。进一步地,还可结合特征标记中的标识元素类别的标记调取对应的效果处理插件进行环境影响去除处理,如,道路特征标记为:傍晚/深夜,路灯,则调取与傍晚/深夜以及路灯对应的效果处理插件,或,与傍晚/深夜以及路灯所属元素类别(即交通设施类元素)对应的效果插件;又如,道路特征标记为:雪天,警告标志,则调取与雪天以及警告标志对应的效果处理插件,或,与雪天以及警告标志所属元素类别(即道路交通标志类元素)对应的效果插件。
在具体实现中,还可根据所述基础道路图像集通过同步定位与建图技术绘制对应的基础高精度地图,再基于获得的基础高精度地图进行车辆初步定位,进一步地,还可结合后续基于环境影响道路图像集通过同步定位与建图技术绘制对应的高精度地图,再基于获得的基础高精度地图和高精度地图进行双重定位,以进一步提高车辆定位精度和用户的乘车安全性。
步骤S02:根据不同环境影响对应的环境影响特征信息分别对所述基础道路图像进行注入处理,以生成不同环境影响下的环境影响道路图像集。
需要说明的是,为了提高获得的不同环境影响下的环境影响道路图像集的图像精度,可获取不同环境影响对应的环境特征信息中的天气影响因子和时段影响因子,其中,所述天气影响因子可理解为不同天气下对应的图像影响因素,如,雨、风、雪、雾、沙尘等,所述时段影响因子可理解为不同时段下对应的图像影响因素,如温湿度、光照亮度等,然后,将所述天气影响因子和时段影响因子按照预设组合规则进行组合,以获得不同的环境复合因子,所述预设组合规则可根据实际需求进行设置,如,将分别将每个天气影响因子与每个时段影响因子进行组合,本实施例对此不加以限制。再将所述环境复合因子分别注入至所述基础道路图像,以生成不同环境影响下的环境影响道路图像集,在具体实现中,可根据环境复合因子匹配对应的效果处理插件,并通过所述效果处理插件将所述环境复合因子分别注入至所述基础道路图像,以生成不同环境影响下的环境影响道路图像集,如,环境复合因子为雪和光照亮度低的组合,则匹配的效果处理插件可为雪天以及傍晚/深夜所对应的效果处理插件。
易于理解的是,为了提高获得的不同环境影响下的环境影响道路图像集的图像精度,还可获取所述基础道路图像集中的道路组成元素,并根据所述环境复合因子分别对所述基础道路图像集中的所述道路组成元素进行渲染,以生成不同环境影响下的环境影响道路图像集。在具体实现中,可根据所述环境复合因子匹配对应的效果处理插件,并分别对所述基础道路图像集中的所述道路组成元素通过所述效果处理插件进行渲染,以生成不同环境影响下的环境影响道路图像集。进一步地,为了提高获得的不同环境影响下的环境影响道路图像集的精度,还可结合道路组成元素匹配对应的效果处理插件,如,环境复合因子为雪和光照亮度低的组合,道路组成元素为防撞护栏,则调取与雪天、傍晚/深夜以及防撞护栏对应的效果处理插件,并对所述防撞护栏通过该效果处理插件进行渲染;或,调取与雪天、傍晚/深夜以及防撞护栏所属元素类别(即交通设施类元素)对应的效果插件,并对所述防撞护栏通过该效果处理插件进行渲染。以此,遍历所述基础道路图像集中的道路组成元素,获得不同环境影响下的环境影响道路图像集。进一步地,可根据所述环境影响道路图像集通过同步定位与建图技术绘制对应的高精度地图,再基于获得的高精度地图进行车辆定位。
参考图4,图4为本发明基于环境匹配的车辆定位方法第二实施例涉及的双重定位示意图。
图4中,在采集到地图数据(即上述预设环境模式下的道路图像集)后,可对地图数据进行环境影响剥离(即上述环境影响去除处理),以获得基础道路图像集,再根据所述基础道路图像集通过同步定位与建图技术绘制对应的基础高精度地图,然后,对所述基础高精度地图进行环境影响注入(即上述根据不同环境影响对应的环境影响特征信息分别对所述基础道路图像进行注入处理),以生成不同环境影响下的环境影响道路图像集,并基于环境影响道路图像集通过同步定位与建图技术绘制对应的高精度地图,再结合匹配到的当前环境影响下的高精度地图和所述基础高精度地图进行实时双重定位,以进一步提高车辆定位精度和用户的乘车安全性。
本实施例中,获取预设环境模式下的道路图像集,并对所述道路图像集进行环境影响去除处理,以获得基础道路图像集,根据不同环境影响对应的环境影响特征信息分别对所述基础道路图像进行注入处理,以生成不同环境影响下的环境影响道路图像集。通过对预设环境模式下的道路图像集进行环境影响去除处理,以获得基础道路图像集,再根据不同环境影响对应的环境影响特征信息分别对所述基础道路图像进行注入处理,生成不同环境影响下的环境影响道路图像集,以提高获得的不同环境影响下的环境影响道路图像集的精度和后续基于不同环境影响下的环境影响道路图像集绘制的高精度地图的精度,进一步地,也提高了基于获得的高精度地图进行车辆定位的精准度。
参考图5,图5为本发明基于环境匹配的车辆定位方法第三实施例的流程示意图。
基于上述各实施例,在本实施例中,所述步骤S20包括:
步骤S201:获取待定位车辆的历史GPS定位信息,并根据所述历史GPS定位信息确定对应的所属区域图像集;
步骤S202:在所述所属区域图像集中查找与所述当前环境数据匹配的环境影响道路图像集。
易于理解的是,为了提高图像集查找效率,可先获取待定位车辆的历史GPS定位信息,并根据所述历史GPS定位信息确定对应的所属区域图像集,再在所述所属区域图像集中查找与所述当前环境数据匹配的环境影响道路图像集。易于理解的是,在车辆行驶过程中,会存在因GPS信号弱等难以进行车辆定位的情形,此时可获取历史GPS定位信息,并根据历史GPS定位信息确定对应的所属区域图像集,其中,所述区域图像集可理解为预设道路图像库中存储的依据区域的不同划分的不同图像集,所述预设道路图像库可理解为实时更新的存储有不同道路(或不同区域)在不同环境影响下对应的图像集的数据库,在具体实现中,区域大小可根据实际需求进行设置,本实施例对此不加以限制。此外,需要说明的是,本实施例所获取的并不仅限于待定位车辆的历史GPS定位信息,还可为惯性导航定位信息等,本实施例对此不加以限制。
相应地,所述步骤S40包括:
步骤S401:根据所述历史GPS定位信息和所述目标环境影响道路图像对应的位置信息确定所述待定位车辆的当前位置信息。
本实施例中,为了提高车辆定位精度,还可根据所述历史GPS定位信息预测当前时刻的GPS定位信息,再根据预测的当前时刻的GPS定位信息和所述目标环境影响道路图像对应的位置信息确定所述待定位车辆的当前位置信息,在具体实现中,还可判断不同场景下所述预测的当前时刻的GPS定位信息和所述目标环境影响道路图像对应的位置信息这二者之间的误差率是否小于等于预设误差率,在小于等于预设误差时,设置不同场景下所述预测的当前时刻的GPS定位信息和所述目标环境影响道路图像对应的位置信息这二者对应的权重,再根据二者及其对应的权重确定所述待定位车辆的当前位置信息,其中,所述预设误差率可根据实际需求进行设置,本实施例对此不加以限制。在具体实现中,可根据所述环境影响道路图像集通过同步定位与建图技术绘制对应的高精度地图,再获取所述目标环境影响道路图像在所述高精度地图中对应的位置信息,并根据所述目标环境影响道路图像在所述高精度地图中对应的位置信息和预测的当前时刻的GPS定位信息确定所述待定位车辆的当前位置信息,如,所述目标环境影响道路图像对应的位置坐标为(a,b,c),对应权重为0.7,预测的当前时刻的GPS定位信息为(d,e,f),对应的权重为0.3,则所述待定位车辆的当前位置信息可为(0.7a+0.3d,0.7b+0.3e,0.7c+0.3f)。
本实施例中,获取待定位车辆的历史GPS定位信息,并根据所述历史GPS定位信息确定对应的所属区域图像集,在所述所属区域图像集中查找与所述当前环境数据匹配的环境影响道路图像集。通过根据待定位车辆的历史GPS定位信息确定对应的所属区域图像集,并在所述所属区域图像集中查找与所述当前环境数据匹配的环境影响道路图像集来提高图像集搜索效率,以进一步提高后续基于图像集进行车辆定位的定位效率。此外,本实施例中,根据所述历史GPS定位信息和所述目标环境影响道路图像对应的位置信息确定所述待定位车辆的当前位置信息。通过结合待定位车辆的历史GPS定位信息和所述目标环境影响道路图像对应的位置信息来确定所述待定位车辆的当前位置信息,以实现尽可能减小车辆定位误差,提高车辆定位精度的同时,为车辆定位提供双重保障,提高用户的乘车安全性。
此外,本发明实施例还提出一种存储介质,所述存储介质上存储有基于环境匹配的车辆定位程序,所述基于环境匹配的车辆定位程序被处理器执行时实现如上文所述的基于环境匹配的车辆定位方法的步骤。
参照图6,图6为本发明基于环境匹配的车辆定位装置第一实施例的结构框图。
如图6所示,本发明实施例提出的基于环境匹配的车辆定位装置包括:
数据获取模块10,用于获取待定位车辆所处位置的当前环境数据以及当前道路图像;
图像集查找模块20,用于查找与所述当前环境数据匹配的环境影响道路图像集;
图像匹配模块30,用于将所述当前道路图像与所述环境影响道路图像集中的环境影响道路图像分别进行匹配,获得与所述当前道路图像匹配的目标环境影响道路图像;
车辆定位模块40,用于根据所述目标环境影响道路图像确定所述待定位车辆的当前位置信息。
本实施例中,获取待定位车辆所处位置的当前环境数据以及当前道路图像,查找与所述当前环境数据匹配的环境影响道路图像集,将所述当前道路图像与所述环境影响道路图像集中的环境影响道路图像分别进行匹配,获得与所述当前道路图像匹配的目标环境影响道路图像,根据所述目标环境影响道路图像确定所述待定位车辆的当前位置信息。相较于现有技术多通过在晴天的白天状况下制作的高精度地图进行车辆定位,忽略了因天气、时段带来的定位误差,本实施例通过查找待定位车辆所处位置的当前环境数据对应的环境影响道路图像集,并将待定位车辆所处位置的当前道路图像与所述环境影响道路图像集中的环境影响道路图像分别进行匹配,获得与所述当前道路图像匹配的目标环境影响道路图像,再根据所述目标环境影响道路图像确定所述待定位车辆的当前位置信息以充分考虑不同环境因素造成的制图影响,降低因环境干扰带来的定位误差,提高不同环境状况下的车辆定位精度。
基于本发明上述基于环境匹配的车辆定位装置第一实施例,提出本发明基于环境匹配的车辆定位装置的第二实施例。
在本实施例中,所述数据获取模块10,还用于获取预设环境模式下的道路图像集,并对所述道路图像集进行环境影响去除处理,以获得基础道路图像集;
所述数据获取模块10,还用于根据不同环境影响对应的环境影响特征信息分别对所述基础道路图像进行注入处理,以生成不同环境影响下的环境影响道路图像集。
所述数据获取模块10,还用于分别获取不同天气和不同时段下的道路图像集,并对所述道路图像集进行图像识别以及特征标记,获得道路特征标记;
所述数据获取模块10,还用于根据所述道路特征标记对所述道路图像集进行环境影响去除处理,以获得基础道路图像集。
所述数据获取模块10,还用于获取不同环境影响对应的环境特征信息中的天气影响因子和时段影响因子;
所述数据获取模块10,还用于将所述天气影响因子和时段影响因子按照预设组合规则进行组合,以获得不同的环境复合因子;
所述数据获取模块10,还用于将所述环境复合因子分别注入至所述基础道路图像,以生成不同环境影响下的环境影响道路图像集。
所述数据获取模块10,还用于获取所述基础道路图像集中的道路组成元素;
所述数据获取模块10,还用于根据所述环境复合因子分别对所述基础道路图像集中的所述道路组成元素进行渲染,以生成不同环境影响下的环境影响道路图像集。
所述图像集查找模块20,还用于获取待定位车辆的历史GPS定位信息,并根据所述历史GPS定位信息确定对应的所属区域图像集;
所述图像集查找模块20,还用于在所述所属区域图像集中查找与所述当前环境数据匹配的环境影响道路图像集。
所述车辆定位模块40,还用于根据所述历史GPS定位信息和所述目标环境影响道路图像对应的位置信息确定所述待定位车辆的当前位置信息。
本发明基于环境匹配的车辆定位装置的其他实施例或具体实现方式可参照上述各方法实施例,此处不再赘述。
需要说明的是,在本文中,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、物品或者***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、物品或者***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,并不排除在包括该要素的过程、方法、物品或者***中还存在另外的相同要素。
上述本发明实施例序号仅仅为了描述,不代表实施例的优劣。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件,但很多情况下前者是更佳的实施方式。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质(如只读存储器/随机存取存储器、磁碟、光盘)中,包括若干指令用以使得一台终端设备(可以是手机,计算机,服务器,空调器,或者网络设备等)执行本发明各个实施例所述的方法。
以上仅为本发明的优选实施例,并非因此限制本发明的专利范围,凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换,或直接或间接运用在其他相关的技术领域,均同理包括在本发明的专利保护范围内。
Claims (10)
- 一种基于环境匹配的车辆定位方法,其特征在于,所述基于环境匹配的车辆定位方法包括以下步骤:获取待定位车辆所处位置的当前环境数据以及当前道路图像;查找与所述当前环境数据匹配的环境影响道路图像集;将所述当前道路图像与所述环境影响道路图像集中的环境影响道路图像分别进行匹配,获得与所述当前道路图像匹配的目标环境影响道路图像;根据所述目标环境影响道路图像确定所述待定位车辆的当前位置信息。
- 如权利要求1所述的基于环境匹配的车辆定位方法,其特征在于,所述查找与所述当前环境数据匹配的环境影响道路图像集的步骤之前,还包括:获取预设环境模式下的道路图像集,并对所述道路图像集进行环境影响去除处理,以获得基础道路图像集;根据不同环境影响对应的环境影响特征信息分别对所述基础道路图像进行注入处理,以生成不同环境影响下的环境影响道路图像集。
- 如权利要求2所述的基于环境匹配的车辆定位方法,其特征在于,所述获取预设环境模式下的道路图像集,并对所述道路图像集进行环境影响去除处理,以获得基础道路图像集的步骤,包括:分别获取不同天气和不同时段下的道路图像集,并对所述道路图像集进行图像识别以及特征标记,获得道路特征标记;根据所述道路特征标记对所述道路图像集进行环境影响去除处理,以获得基础道路图像集。
- 如权利要求2所述的基于环境匹配的车辆定位方法,其特征在于,所述根据不同环境影响对应的环境影响特征信息分别对所述基础道路图像进行注入处理,以生成不同环境影响下的环境影响道路图像集的步骤,包括:获取不同环境影响对应的环境特征信息中的天气影响因子和时段影响因子;将所述天气影响因子和时段影响因子按照预设组合规则进行组合,以获得不同的环境复合因子;将所述环境复合因子分别注入至所述基础道路图像,以生成不同环境影响下的环境影响道路图像集。
- 如权利要求4所述的基于环境匹配的车辆定位方法,其特征在于,所述将所述环境复合因子分别注入至所述基础道路图像,以生成不同环境影响下的环境影响道路图像集的步骤,包括:获取所述基础道路图像集中的道路组成元素;根据所述环境复合因子分别对所述基础道路图像集中的所述道路组成元素进行渲染,以生成不同环境影响下的环境影响道路图像集。
- 如权利要求1~5中任一项所述的基于环境匹配的车辆定位方法,其特征在于,所述查找与所述当前环境数据匹配的环境影响道路图像集的步骤,包括:获取待定位车辆的历史GPS定位信息,并根据所述历史GPS定位信息确定对应的所属区域图像集;在所述所属区域图像集中查找与所述当前环境数据匹配的环境影响道路图像集。
- 如权利要求6所述的基于环境匹配的车辆定位方法,其特征在于,所述根据所述目标环境影响道路图像确定所述待定位车辆的当前位置信息的步骤,包括:根据所述历史GPS定位信息和所述目标环境影响道路图像对应的位置信息确定所述待定位车辆的当前位置信息。
- 一种基于环境匹配的车辆定位装置,其特征在于,所述基于环境匹配的车辆定位装置包括:数据获取模块,用于获取待定位车辆所处位置的当前环境数据以及当前道路图像;图像集查找模块,用于查找与所述当前环境数据匹配的环境影响道路图像集;图像匹配模块,用于将所述当前道路图像与所述环境影响道路图像集中的环境影响道路图像分别进行匹配,获得与所述当前道路图像匹配的目标环境影响道路图像;车辆定位模块,用于根据所述目标环境影响道路图像确定所述待定位车辆的当前位置信息。
- 一种车辆,其特征在于,所述车辆包括:存储器、处理器及存储在所述存储器上并可在所述处理器上运行的基于环境匹配的车辆定位程序,所述基于环境匹配的车辆定位程序配置为实现如权利要求1至7中任一项所述的基于环境匹配的车辆定位方法的步骤。
- 一种存储介质,其特征在于,所述存储介质上存储有基于环境匹配的车辆定位程序,所述基于环境匹配的车辆定位程序被处理器执行时实现如权利要求1至7中任一项所述的基于环境匹配的车辆定位方法的步骤。
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
PCT/CN2021/113515 WO2023019509A1 (zh) | 2021-08-19 | 2021-08-19 | 基于环境匹配的车辆定位方法、装置、车辆及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117256009A true CN117256009A (zh) | 2023-12-19 |
Family
ID=85239451
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202180097566.9A Pending CN117256009A (zh) | 2021-08-19 | 2021-08-19 | 基于环境匹配的车辆定位方法、装置、车辆及存储介质 |
Country Status (5)
Country | Link |
---|---|
US (1) | US20240169743A1 (zh) |
EP (1) | EP4375856A1 (zh) |
KR (1) | KR20240064620A (zh) |
CN (1) | CN117256009A (zh) |
WO (1) | WO2023019509A1 (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116958084A (zh) * | 2023-07-20 | 2023-10-27 | 上海韦地科技集团有限公司 | 基于核工业大数据的图像智能感知***及方法 |
Family Cites Families (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP2574958B1 (en) * | 2011-09-28 | 2017-02-22 | Honda Research Institute Europe GmbH | Road-terrain detection method and system for driver assistance systems |
KR20150058679A (ko) * | 2013-11-20 | 2015-05-29 | 한국전자통신연구원 | 단지내 도로에서 자율주행차량의 위치 및 해딩 정보 제공 장치 및 방법 |
DE102015208428A1 (de) * | 2015-05-06 | 2016-11-10 | Continental Teves Ag & Co. Ohg | Verfahren und Vorrichtung zur Erkennung und Bewertung von Umwelteinflüssen und Fahrbahnzustandsinformationen im Fahrzeugumfeld |
CN107024216B (zh) * | 2017-03-14 | 2020-08-04 | 重庆邮电大学 | 引入全景地图的智能车辆融合定位***及方法 |
CN110657812A (zh) * | 2018-06-29 | 2020-01-07 | 比亚迪股份有限公司 | 车辆定位方法、装置及车辆 |
CN109446973B (zh) * | 2018-10-24 | 2021-01-22 | 中车株洲电力机车研究所有限公司 | 一种基于深度神经网络图像识别的车辆定位方法 |
CN111351493B (zh) * | 2018-12-24 | 2023-04-18 | 上海欧菲智能车联科技有限公司 | 一种定位方法和*** |
CN111508258B (zh) * | 2020-04-17 | 2021-11-05 | 北京三快在线科技有限公司 | 一种定位方法及装置 |
-
2021
- 2021-08-19 EP EP21953755.2A patent/EP4375856A1/en active Pending
- 2021-08-19 KR KR1020247003644A patent/KR20240064620A/ko unknown
- 2021-08-19 WO PCT/CN2021/113515 patent/WO2023019509A1/zh active Application Filing
- 2021-08-19 CN CN202180097566.9A patent/CN117256009A/zh active Pending
-
2024
- 2024-02-01 US US18/429,828 patent/US20240169743A1/en active Pending
Also Published As
Publication number | Publication date |
---|---|
US20240169743A1 (en) | 2024-05-23 |
WO2023019509A1 (zh) | 2023-02-23 |
EP4375856A1 (en) | 2024-05-29 |
KR20240064620A (ko) | 2024-05-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP3505869B1 (en) | Method, apparatus, and computer readable storage medium for updating electronic map | |
JP5291935B2 (ja) | オブジェクトの将来の動きを予測するための装置および方法 | |
EP2113746B1 (en) | Feature information collecting device and feature information collecting program, and vehicle position recognizing device and navigation device | |
CN112212874B (zh) | 车辆轨迹预测方法、装置、电子设备及计算机可读介质 | |
CN109141444B (zh) | 定位方法、装置、存储介质及移动设备 | |
CN113034566B (zh) | 高精度地图构建方法、装置、电子设备及存储介质 | |
CN109515439B (zh) | 自动驾驶控制方法、装置、***及存储介质 | |
CN109387208B (zh) | 一种地图数据的处理方法、装置、设备和介质 | |
US20240169743A1 (en) | Vehicle positioning method and device based on environment matching, vehicle and storage medium | |
CN110118564A (zh) | 一种高精度地图的数据管理***、管理方法、终端和存储介质 | |
EP4184119A1 (en) | Travelable region determination method, intelligent driving system and intelligent vehicle | |
CN113227712A (zh) | 用于确定车辆的环境模型的方法和*** | |
CN114639085A (zh) | 交通信号灯识别方法、装置、计算机设备和存储介质 | |
KR101394425B1 (ko) | 지도 데이터 유지보수 장치 및 방법 | |
CN113532418A (zh) | 一种停车场地图单车采集方法 | |
CN116295463A (zh) | 一种导航地图元素的自动标注方法 | |
CN112150576A (zh) | 一种高精度矢量地图采集***和方法 | |
CN114722931A (zh) | 车载数据处理方法、装置、数据采集设备和存储介质 | |
CN115406452A (zh) | 一种实时定位及建图方法、装置及终端设备 | |
CN114283397A (zh) | 全局重定位方法、装置、设备及存储介质 | |
CN113535868A (zh) | 一种基于公开导航地图的自主泊车高精地图生成方法 | |
CN113888713B (zh) | 一种车载激光点云数据恢复路面缺失点的方法 | |
CN116503482B (zh) | 车辆位置的获取方法、装置及电子设备 | |
Haliti et al. | An approach for speed limit determination for vehicle tracking in case of GID ambiguity and lack of information in navigation maps | |
CN114485696B (zh) | 到达点的获取方法、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 |