CN107328410B - 用于定位自动驾驶车辆的方法和汽车电脑 - Google Patents

Abstract

本申请公开了用于定位自动驾驶车辆的方法和汽车电脑。方法的一具体实施方式包括：获取自动驾驶车辆的外部环境信息、位置信息和姿态信息；基于外部环境信息、位置信息和高精地图，确定当前时刻自动驾驶车辆的绝对定位信息；基于外部环境信息和姿态信息，进行运动补偿，得到当前时刻自动驾驶车辆的相对定位信息；融合绝对定位信息和相对定位信息，得到当前时刻自动驾驶车辆的自定位信息。该实施方式提高了自定位信息的精度，并且提升了因临时阻挡或妨碍系统的通信时输出的自定位信息的准确性。

Description

用于定位自动驾驶车辆的方法和汽车电脑

技术领域

本申请涉及汽车领域，具体涉及自动驾驶技术领域，尤其涉及用于定位自动驾驶车辆的方法和汽车电脑。

背景技术

现有的用于定位自动驾驶车辆的方法，采用全球卫星导航板卡来确定车辆的具体位置。例如，可以采用全球定位系统(GPS)、北斗卫星导航系统和格洛纳斯卫星导航系统等，在全球范围内全天候、全天时的为各类用户提供高精度、高可靠的定位、导航、授时服务，并具备短报文通信能力。

然而，仅采用这类定位系统的定位方法，由于定位系统本身具有一定幅度的误差，例如北斗卫星导航系统的定位精度为10米，测速精度0.2米/秒，授时精度10纳秒，并且这类系统在某些时候(例如当桥梁、隧道或其它在头顶上的物体临时阻挡或妨碍系统的通信时)还会降低效率，因此输出的定位信息的精度较差、误差较高。

发明内容

本申请的目的在于提出一种改进的用于定位自动驾驶车辆的方法和汽车电脑，来解决以上背景技术部分提到的技术问题。

第一方面，本申请实施例提供了一种用于定位自动驾驶车辆的方法，方法包括：获取自动驾驶车辆的外部环境信息、位置信息和姿态信息；基于外部环境信息、位置信息和高精度地图，确定当前时刻自动驾驶车辆的绝对定位信息；基于外部环境信息和姿态信息，进行运动补偿，得到当前时刻自动驾驶车辆的相对定位信息；融合绝对定位信息和相对定位信息，得到当前时刻自动驾驶车辆的自定位信息。

在一些实施例中，基于外部环境信息、位置信息和高精度地图，确定当前时刻自动驾驶车辆的绝对定位信息包括：从外部环境信息中，提取实时定位地标；从高精度地图中，提取对应位置信息的地图定位地标；匹配实时定位地标和地图定位地标，得到当前时刻自动驾驶车辆的绝对定位信息。

在一些实施例中，基于外部环境信息和姿态信息，进行运动补偿，得到当前时刻自动驾驶车辆的相对定位信息包括：根据外部环境信息，确定实时定位特征；基于实时定位特征和姿态信息，采用传感器组件的历史帧信息对传感器组件的当前帧信息进行运动补偿；采用补偿后的当前帧信息调整当前时刻自动驾驶车辆在高精度地图中的位置信息；将调整后的自动驾驶车辆在高精度地图中的位置信息，确定为当前时刻自动驾驶车辆的相对定位信息。

在一些实施例中，融合绝对定位信息和相对定位信息，得到当前时刻自动驾驶车辆的自定位信息包括：获取预设的当前时刻之前预定时间段内各时刻的位姿真值；计算以位姿真值为变量的能量函数的最小值，其中，能量函数为各时刻的绝对定位差值的绝对值的平方与各时刻的相对定位差值的绝对值的平方之和，绝对定位差值为位姿真值与绝对定位信息的差值，相对定位差值为位姿真值的增量与相对定位信息的差值；根据最小值，确定各时刻的位姿真值；将当前时刻的位姿真值作为当前时刻自动驾驶车辆的自定位信息。

在一些实施例中，外部环境信息包括：相机内参数以及相机外参数，其中，相机内参数包括：x方向焦距和像素、y方向焦距和像素、x方向主点像素、y方向主点像素；相机外参数包括：相机相对自动驾驶车辆的车身坐标系的旋转角和相机相对自动驾驶车辆的车身坐标系的平移尺寸；位置信息包括定位信息；姿态信息包括三轴姿态角或角速率，以及加速度。

在一些实施例中，外部环境信息还包括：雷达扫描数据；姿态信息还包括：自动驾驶车辆的车身姿态信息，包括：车速、车的角速度以及车的四轮转速。

第二方面，本申请实施例提供了一种汽车电脑，汽车电脑采用如上述任意一项的车辆定位方法获取自定位信息。

第三方面，本申请实施例提供了一种设备，包括：一个或多个处理器；存储装置，用于存储一个或多个程序；当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如上所述的车辆定位方法。

第四方面，本申请实施例提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如上所述的车辆定位方法。

本申请提供的用于定位自动驾驶车辆的方法和汽车电脑，首先，获取自动驾驶车辆的外部环境信息、位置信息和姿态信息；之后，基于外部环境信息、位置信息和高精度地图，确定当前时刻自动驾驶车辆的绝对定位信息；之后，基于外部环境信息和姿态信息，进行运动补偿，得到当前时刻自动驾驶车辆的相对定位信息；融合绝对定位信息和相对定位信息，得到当前时刻自动驾驶车辆的自定位信息；又设置人机交互设备，用于呈现自定位信息。从而通过绝对定位信息和相对定位信息的融合，提高了自定位信息的精度，并且提升了在临时阻挡或妨碍系统的通信时输出自定位信息的频率。

附图说明

通过阅读参照以下附图所作的对非限制性实施例所作的详细描述，本申请的其它特征、目的和优点将会变得更明显：

图1是根据本申请的用于定位自动驾驶车辆的方法的一个实施例的示例性流程图；

图2是根据本申请的确定绝对定位信息的方法的一个实施例的示意性流程图；

图3是根据本申请的确定相对定位信息的方法的一个实施例的示意性流程图；

图4示出了根据本申请的融合绝对定位信息和相对定位信息的方法的一个实施例的示意性流程图；

图5示出了根据本申请实施例的用于定位自动驾驶车辆的方法的一个应用场景的示意图；

图6是适于用来实现本申请实施例的终端设备或服务器的计算机系统的结构示意图。

具体实施方式

下面结合附图和实施例对本申请作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释相关发明，而非对该发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与有关发明相关的部分。

需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。

图1根据本申请的用于定位自动驾驶车辆的方法的一个实施例的示例性流程图。

如图1所示，用于定位自动驾驶车辆的方法100可以包括以下步骤：

在步骤110中，获取自动驾驶车辆的外部环境信息、位置信息和姿态信息。

在本实施例中，运行用于定位自动驾驶车辆的方法的电子设备(例如汽车电脑或云端服务器等)，可以获取自动驾驶车辆的外部环境信息、位置信息和姿态信息，获取这些信息可以来自集成的传感器设备，也可以分别来自不同的传感器设备。例如，可以从外部环境信息获取组件获取外部环境信息、从位置信息获取组件获取位置信息，以及从姿态信息获取组件获取姿态信息。

这里的外部环境获取组件可以采用获取外部环境的设备来完成。例如，可以采用视觉传感器和/或车载雷达来获取外部环境信息。示例性的，以视觉传感器获取的外部环境信息为例，外部环境信息可以包括相机内参数以及相机外参数，其中，所述相机内参数可以包括：x方向焦距和像素、y方向焦距和像素、x方向主点像素、y方向主点像素；所述相机外参数包括：相机相对所述自动驾驶车辆的车身坐标系的旋转角和相机相对所述自动驾驶车辆的车身坐标系的平移尺寸。

这里的位置信息获取组件可以采用能够获取位置信息的设备来完成。例如，可以采用位置传感器和/或附加传感器来获取定位信息。示例性的，位置传感器可以包括的全球定位系统(GPS)板卡、格洛纳斯(GLONASS)板卡以及北斗(BeiDou)板卡等中的一项或多项，以获取定位信息。

这里的姿态信息获取组件213可以采用能够获取姿态信息的设备来完成。例如，可以采用车载姿态传感器和/或车辆姿态传感器来获取姿态信息。其中，车载姿态传感器，可以包括：陀螺仪和/或加速度计，获取的姿态信息包括：三轴姿态角或角速率，以及加速度；车辆姿态传感器通常为自动驾驶车辆自带的传感器，可以获取自动驾驶车辆的车身姿态信息，例如车速、车的角速度以及车的四轮转速等。

这里的电子设备，可以根据计算能力和图形处理能力的需要，选用现有技术中或未来发展的技术中的处理器和图形处理器，配以显存、内存、存储空间、显示输出和接口等。

在步骤120中，基于外部环境信息、位置信息和高精度地图，确定当前时刻自动驾驶车辆的绝对定位信息。

在本实施例中，运行用于定位自动驾驶车辆的方法的电子设备(例如汽车电脑或云端服务器等)，可以在接收传感器组件110发送的外部环境信息、位置信息和姿态信息后，基于外部环境信息、位置信息和位置信息，确定相对应的实时定位地标和地图定位地标，从而基于实时定位地标和地图定位地标，得到绝对定位信息。

这里的地标，是指可以识别的地理标志，例如地面箭头、车道线、护栏、路沿、路灯、标牌、广告牌、建筑物等等。

这里的高精度地图，是指面向机器的供自动驾驶汽车使用的高精度地图，绝对精度一般都会在亚米级，也就是1米以内的精度，例如20厘米以内，而且横向的相对精度(比如，车道和车道，车道和车道线的相对位置精度)往往还要更高。并且高精度地图不仅有高精度的坐标，同时还有准确的道路形状，并且含有每个车道的坡度，曲率，航向，高程以及侧倾的数据。高精度地图不仅描绘道路，更描绘出一条道路上有多少条车道，会真实的反应出道路的实际样式。另外，每条车道和车道之间的车道线是什么形状的，是虚线、实线还是双黄线，线的颜色，道路的隔离带，隔离带的材质，马路牙什么形状，什么材质，甚至道路上的箭头，文字的内容，所在位置都会有描述。而且，为了自动驾驶的考虑，诸如每条车道的限速，推荐速度也需要一并提供。而像人行横道，道路沿线的看板，隔离带，限速标志，红绿灯，路边的电话亭等等，这类我们通常统称为交通参与物的绝对地理坐标，物理尺寸以及他们的特质特性等也都会出现在高精度地图的数据中。同时，高精度地图需要具备辅助完成实现高精度的定位位置功能，具备道路级别和车道级别的规划能力，以及具备车道级别的引导能力。

在步骤130中，基于外部环境信息和姿态信息，进行运动补偿，得到当前时刻自动驾驶车辆的相对定位信息。

在本实施例中，基于外部环境信息，可以比较外部环境信息获取组件两帧数据之间的差异，再综合姿态信息，可以计算出车辆每时每刻相对于前一时刻的相对位姿变化，也就可以计算出当前时刻相对于最后一次有效绝对定位的相对位姿变化，从而推算出此时此刻的相对定位坐标。

在步骤140中，融合绝对定位信息和相对定位信息，得到当前时刻自动驾驶车辆的自定位信息。

在本实施例中，在步骤120中确定绝对定位信息并且步骤130中确定相对定位信息之后，可以融合绝对定位信息和相对定位信息，提高自定位信息的准确度和精度。

在对绝对定位信息和相对定位信息进行融合时，可以采用现有或未来发展的技术中的融合算法，本申请对此不作限定。

本申请上述实施例提供的用于定位自动驾驶车辆的方法，通过解析外部环境信息、位置信息和姿态信息，得到绝对定位信息和相对定位信息，并且对绝对定位信息和相对定位信息相互融合校验，可以进一步提升定位精度和提高定位频率。

进一步参考图2，图2示出了根据本申请的确定绝对定位信息的方法的一个实施例的示意性流程图。

如图2所示，确定绝对定位信息的方法200包括以下步骤：

在步骤210中，从外部环境信息中，提取实时定位地标。

在本实施例中，基于外部环境信息，可以提取到目前自动驾驶车辆周围可以识别的地理标志，例如地面箭头、车道线、护栏、路沿、路灯、标牌、广告牌、建筑物等等。

在步骤220中，从高精度地图中，提取对应位置信息的地图定位地标。

在本实施例中，由位置信息，可以确定位置信息获取组件所确定的定位信息，并基于定位信息的精度范围，在高精度地图中确定对应区域，再从该区域中得到地图中标注的地图定位坐标。

在步骤230中，匹配实时定位地标和地图定位地标，得到当前时刻自动驾驶车辆的绝对定位信息。

在本实施例中，通过匹配实时定位地标和地图定位地标，可以得到当前时刻实时定位地标在高精度地图中的对应地标，并基于该对应地标的信息，得到当前时刻自动驾驶车辆的绝对定位信息。

本申请上述实施例提供的确定绝对定位信息的方法，通过匹配实时定位地标和地图定位地标，得到绝对定位信息，这一过程中利用了已知的高精度地图的数据，因此提高了绝对定位信息的定位精度。

进一步参考图3，图3示出了根据本申请的确定相对定位信息的方法的一个实施例的示意性流程图。

如图3所示，确定相对定位信息的方法300包括以下步骤：

在步骤310中，根据外部环境信息，确定实时定位特征。

在本实施例中，实时定位特征，是指根据实时接收的外部环境信息识别得到的用于定位的特征。这里的根据外部环境信息确定实时定位特征的方法，可以为现有技术或未来发展的技术中的确定实时定位特征的方法。

在步骤320中，基于实时定位特征和姿态信息，采用传感器组件的历史帧信息对传感器组件的当前帧信息进行运动补偿。

在本实施例中，在获取实时定位特征和姿态信息之后，可以确定当前时刻与前一时刻的相对位姿，从而根据相对位姿采用传感器组件的历史帧信息对传感器组件的当前帧信息进行运动补偿，以推算传感器组件补偿后的当前帧信息。

在步骤330中，采用补偿后的当前帧信息调整当前时刻自动驾驶车辆在高精度地图中的位置信息。

在本实施例中，基于补偿后的当前帧信息，可以从高精度地图中确定对应补偿后的当前帧信息的位置信息。

在步骤340中，将调整后的自动驾驶车辆在高精度地图中的位置信息，确定为当前时刻自动驾驶车辆的相对定位信息。

在本实施例中，由于调整后的自动驾驶车辆在高精度地图中的位置信息为推算的定位信息，因此可以将其作为当前时刻自动驾驶车辆相对于具有传感器组件回传数据的时刻的相对定位信息。

本申请上述实施例提供的确定相对定位信息的方法，通过相对位姿推算相对定位数据，从而提高了输出的自定位信息的准确度和定位频率。

进一步参考图4，图4示出了根据本申请的融合绝对定位信息和相对定位信息的方法的一个实施例的示意性流程图。

如图4所示，融合绝对定位信息和相对定位信息的方法400包括以下步骤：

在步骤410中，获取预设的当前时刻之前预定时间段内各时刻的位姿真值。

在本实施例中，位姿真值是指待解析的各时刻的位置和姿态值。

在步骤420中，计算以位姿真值为变量的能量函数的最小值。

在本实施例中，在计算能量函数时，可以计算各时刻的绝对定位差值的绝对值的平方，以及各时刻的相对定位差值的绝对值的平方，最后将这两个平方之和，作为能量函数。

其中，绝对定位差值为位姿真值与绝对定位信息的差值，相对定位差值为位姿真值的增量与相对定位信息的差值。

示例性地，时刻j从i时刻起到n时刻为止，其中i到i+k时刻和n时刻都有绝对定位信息AL，相对定位信息RL一直存在，记i时刻的位姿真值为p_i，可以有如下的能量函数：

其中，E(p_i,...,p_n)表示能量函数，i表示起始时刻，n表示终止时刻。

最小化能量函数，可以得到各时刻的综合定位结果

在步骤430中，根据最小值，确定各时刻的位姿真值。

在本实施例中，求取上述的能量函数的最小值，可以得到各时刻的位姿真值，也即得到待解析的各时刻的位置和姿态值。

在步骤430中，将当前时刻的位姿真值作为当前时刻自动驾驶车辆的自定位信息。

在本实施例中，将当前时刻的位姿真值，作为根据绝对定位信息和相对定位信息相互融合校验得到的当前时刻自动驾驶车辆的自定位信息。

本申请上述实施例提供的确定融合绝对定位信息和相对定位信息的方法，通过融合校验绝对位姿信息和相对位姿信息，从而提高了输出的自定位信息的精度、准确度和定位频率。

进一步参考图5，图5示出了根据本申请实施例的用于定位自动驾驶车辆的方法的一个应用场景的示意图。

如图5所示，自动驾驶车辆510的汽车电脑520，可以获取高精度地图521和位置信息522，并在高精度地图521中提取对应位置信息522的地图定位坐标523，还可以获取外部环境信息524，并从外部环境信息524中，提取实时定位坐标525，之后匹配地图定位坐标523和实时定位坐标525，得到当前时刻自动驾驶车辆的绝对定位信息526；与此同时，可以从外部环境信息524中，确定实时定位特征527，并基于实时定位特征527、获取的姿态信息528，采用传感器组件的历史帧信息529对传感器组件的当前帧信息进行运动补偿，得到补偿后的当前帧信息530，之后，采用补偿后的当前帧信息530调整当前时刻所述自动驾驶车辆在所述高精地图中的位置信息，得到当前时刻自动驾驶车辆的相对定位信息531，最后融合绝对定位信息526和相对定位信息531，得到当前时刻自动驾驶车辆的自定位信息532。

本领域技术人员应当理解，上述实施例仅为本申请实施例的示例性说明，并不代表对本申请的限定。例如，图5中确定数据的方法，可以为图示中的方法，也可以为其它现有技术或未来发展的技术中可以确定数据的方法，本申请对此不作限定。

本申请还提供了一种汽车电脑的实施例，该汽车电脑的实施例与图1-图3所示的方法实施例相对应，由此，上文针对方法描述的操作和特征同样适用于该汽车电脑，在此不再赘述。

本申请还提供了一种设备的实施例，包括：一个或多个处理器；存储装置，用于存储一个或多个程序；当一个或多个程序被一个或多个处理器执行，使得一个或多个处理器实现如上述的车辆定位方法。

本申请还提供了一种计算机可读存储介质的实施例，其上存储有计算机程序，该程序被处理器执行时实现如上述的车辆定位方法。

如图6所示，本实施例的汽车电脑600包括：如上述图1至图5所示的用于定位自动驾驶车辆的方法610。

下面参考图6，其示出了适于用来实现本申请实施例的终端设备或服务器的计算机系统600的结构示意图。

如图6所示，计算机系统600包括中央处理单元(CPU)601和图像处理单元(GPU)602，CPU601和GPU602可以根据存储在只读存储器(ROM)603中的程序或者从存储部分609加载到随机访问存储器(RAM)604中的程序而执行各种适当的动作和处理。在RAM 604中，还存储有系统600操作所需的各种程序和数据。CPU601、GPU602、ROM603以及RAM604通过总线605彼此相连。输入/输出(I/O)接口606也连接至总线605。

以下部件连接至I/O接口606：包括键盘、鼠标、触摸屏、传感器组件等的输入部分607；包括诸如液晶显示器(LCD)等以及扬声器等的输出部分608；包括硬盘等的存储部分609；以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分610。通信部分610经由诸如因特网的网络执行通信处理。

特别地，根据本公开的实施例，上文参考汽车电脑描述的过程可以被实现为计算机软件程序。例如，本公开的实施例包括一种计算机程序产品，其包括有形地包含在机器可读介质上的计算机程序，计算机程序包含用于汽车电脑所执行的操作的程序代码。在这样的实施例中，该计算机程序可以通过通信部分610从网络上被下载和安装。在该计算机程序被中央处理单元(CPU)601执行时，执行本申请的系统中限定的上述功能。

附图中的流程图和框图，图示了按照本申请各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个单元、程序段、或代码的一部分，所述单元、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。

作为另一方面，本申请还提供了一种非易失性计算机存储介质，该非易失性计算机存储介质可以是上述实施例中所述装置中所包含的非易失性计算机存储介质；也可以是单独存在，未装配入终端中的非易失性计算机存储介质。上述非易失性计算机存储介质存储有一个或者多个程序，当所述一个或者多个程序被一个设备执行时，使得所述设备：获取自动驾驶车辆的外部环境信息、位置信息和姿态信息；基于所述外部环境信息、所述位置信息和高精地图，确定当前时刻所述自动驾驶车辆的绝对定位信息；基于所述外部环境信息和所述姿态信息，进行运动补偿，得到当前时刻所述自动驾驶车辆的相对定位信息；融合所述绝对定位信息和所述相对定位信息，得到当前时刻所述自动驾驶车辆的自定位信息。

以上描述仅为本申请的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本申请中所涉及的发明范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离所述发明构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本申请中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。

Claims (8)

1.一种用于定位自动驾驶车辆的方法，其特征在于，所述方法包括：

获取自动驾驶车辆的外部环境信息、位置信息和姿态信息；

基于所述外部环境信息、所述位置信息和高精度地图，确定当前时刻所述自动驾驶车辆的绝对定位信息；

基于所述外部环境信息和所述姿态信息，进行运动补偿，得到当前时刻所述自动驾驶车辆的相对定位信息；

融合所述绝对定位信息和所述相对定位信息，得到当前时刻所述自动驾驶车辆的自定位信息，包括：获取预设的当前时刻之前预定时间段内各时刻的位姿真值；计算以所述位姿真值为变量的能量函数的最小值，其中，所述能量函数为各时刻的绝对定位差值的绝对值的平方与所述各时刻的相对定位差值的绝对值的平方之和，所述绝对定位差值为位姿真值与绝对定位信息的差值，所述相对定位差值为位姿真值的增量与相对定位信息的差值；根据所述最小值，确定所述各时刻的位姿真值；将当前时刻的位姿真值作为当前时刻所述自动驾驶车辆的自定位信息。

2.根据权利要求1所述的方法，其特征在于，所述基于所述外部环境信息、所述位置信息和高精度地图，确定当前时刻所述自动驾驶车辆的绝对定位信息包括：

从所述外部环境信息中，提取实时定位地标；

从高精度地图中，提取对应所述位置信息的地图定位地标；

匹配所述实时定位地标和所述地图定位地标，得到当前时刻所述自动驾驶车辆的绝对定位信息。

3.根据权利要求1所述的方法，其特征在于，所述基于所述外部环境信息和所述姿态信息，进行运动补偿，得到当前时刻所述自动驾驶车辆的相对定位信息包括：

根据所述外部环境信息，确定实时定位特征；

基于所述实时定位特征和所述姿态信息，采用传感器组件的历史帧信息对传感器组件的当前帧信息进行运动补偿；

采用补偿后的当前帧信息调整当前时刻所述自动驾驶车辆在所述高精度地图中的位置信息；

将调整后的所述自动驾驶车辆在所述高精度地图中的位置信息，确定为当前时刻所述自动驾驶车辆的相对定位信息。

4.根据权利要求1所述的方法，其特征在于，所述外部环境信息包括：相机内参数以及相机外参数，其中，所述相机内参数包括：x方向焦距和像素、y方向焦距和像素、x方向主点像素、y方向主点像素；所述相机外参数包括：相机相对所述自动驾驶车辆的车身坐标系的旋转角和相机相对所述自动驾驶车辆的车身坐标系的平移尺寸；

所述位置信息包括定位信息；

所述姿态信息包括三轴姿态角或角速率，以及加速度。

5.根据权利要求4所述的方法，其特征在于，所述外部环境信息还包括：雷达扫描数据；

所述姿态信息还包括：所述自动驾驶车辆的车身姿态信息，包括：车速、车的角速度以及车的四轮转速。

6.一种汽车电脑，其特征在于，所述汽车电脑采用如权利要求1至5任意一项所述的车辆定位方法获取所述自定位信息。

7.一种设备，其特征在于，包括：

一个或多个处理器；

存储装置，用于存储一个或多个程序；

当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-5中任意一项所述的车辆定位方法。

8.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1-5中任意一项所述的车辆定位方法。

Images