CN107643086B - 一种车辆定位方法、装置及系统 - Google Patents
一种车辆定位方法、装置及系统 Download PDFInfo
- Publication number
- CN107643086B CN107643086B CN201610586969.0A CN201610586969A CN107643086B CN 107643086 B CN107643086 B CN 107643086B CN 201610586969 A CN201610586969 A CN 201610586969A CN 107643086 B CN107643086 B CN 107643086B
- Authority
- CN
- China
- Prior art keywords
- vehicle
- information
- lane
- lane line
- digital map
- 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.)
- Active
Links
Images
Landscapes
- Navigation (AREA)
Abstract
本发明提供一种车辆定位方法、装置及系统。首先,对车辆进行粗定位,然后获取所述车辆所在道路的第一车道线信息;之后,将所述第一车道线信息与数字地图中车辆粗定位范围内的第二车道线信息进行匹配,以获取所述车辆在所述数字地图中所在的车道信息,还获取所述车辆距所在的车道的左侧和/或右侧车道线的距离,根据所述距离获取所述车辆在所述电子地图中的横向位置信息,从而获得准确的横向位置信息。此外,还可以进一步提取所述车辆周围的第一特征参照物信息;之后,将所述第一特征参照物信息与数字地图中车辆粗定位范围内的第二特征参照物信息进行对比,获取所述车辆在所述电子地图中的纵向位置信息,从而分别实现了横向及纵向的精确定位。
Description
技术领域
本发明涉及导航定位领域,具体涉及一种车辆定位方法、装置及系统。
背景技术
随着智能交通技术的发展,智能汽车、无人驾驶汽车等成为研究热点之一,这也对车辆在运动过程中的定位精度要求更高。车辆运动时如果不能精确的知道自身的具体位置,就无法判断自身和其他车辆的相对距离,也就无法实现智能驾驶或无人驾驶。因此,车道级高精度定位技术也成为研究的重点和难点。
现有技术提供两种达到高精度定位的方案,一种是使用带差分站的全球定位系统(Global Positioning System,GPS),这种方案是在定位系统的定位设备附近搭设差分基站,由差分基站对定位设备进行差分修正;另一种方案是使用组合激光惯导设备作为定位设备来进行高精度定位。这两种方案能够提高定位精度,定位精度达到50cm左右,达到车道级定位。
但是,无论是使用带差分站的GPS还是使用组合激光惯导设备都存在严重问题。首先,带差分站的GPS,由于受到差分站所在位置的限制,定位GPS设备必须在以差分站为圆心,20km为半径的区域内才能实现高精度定位,并且,定位设备和差分站的相对距离,也是影响定位精度的重要因素,此外,如果差分站断电或者移动了天线的位置,就会直接影响到定位设备的定位精度,甚至无法定位;而使用组合激光惯导设备的方案中,组合激光惯导设备的造价高达十几万甚至几十万人民币,不适用于车辆上大规模的装配使用。
发明内容
因此,本发明要解决的技术问题在于克服现有技术中的车辆定位精度低、稳定性差、成本高的缺陷。
本实施例中提供一种车辆定位方法,包括:对车辆进行粗定位;获取所述车辆所在道路的第一车道线信息;将所述第一车道线信息与数字地图中车辆粗定位范围内的第二车道线信息进行匹配,以获取所述车辆在所述数字地图中所在的车道信息。
优选地,该方法还包括:提取所述车辆周围的第一特征参照物信息;将所述第一特征参照物信息与所述数字地图中车辆粗定位范围内的第二特征参照物信息进行对比,获取所述车辆在所述电子地图中的纵向位置信息。
此外,本发明实施例还提供一种车辆定位方法,包括:对车辆进行粗定位;提取所述车辆周围的第一特征参照物信息;将所述第一特征参照物信息与数字地图中车辆粗定位范围内的第二特征参照物信息进行对比,获取所述车辆在所述电子地图中的纵向位置信息。
优选地,该方法还包括:获取所述车辆所在道路的第一车道线信息;将所述第一车道线信息与数字地图中车辆粗定位范围内的第二车道线信息进行匹配,以获取所述车辆在所述数字地图中所在的车道信息。
优选地,所述第一车道线信息和/或所述第二车道线信息包括车道线数量、车道宽度、车道线类型、本车辆所在车道中的至少一项。
优选地,该方法还包括获取所述车辆所在道路的第一车道线信息;将所述第一车道线信息与数字地图中车辆粗定位范围内的第二车道线信息进行匹配,以获取所述车辆在所述数字地图中所在的车道信息。
优选地,所述第一车道线信息和/或所述第二车道线信息包括车道线数量、车道宽度、车道线类型、本车辆所在车道中的至少一项。
优选地,所述将所述第一车道线信息与数字地图中车辆粗定位范围内的第二车道线信息进行匹配的步骤包括:将第一车道线信息中的车道线数量和/或车道宽度和/或车道线类型分别与所述第二车道线信息中相应的车道线数量和/或车道宽度和/或车道线类型进行比较,获取第二车道线信息中与第一车道线信息相同的目标路段;根据第一车道线信息中的本车辆所在车道的信息在所述目标路段中获取相同位置的车道,将该车道作为所述车辆在所述数字地图中所在的车道信息。
优选地,所述第一车道线信息还包括所述车辆距所在的车道的左侧和/或右侧车道线的距离,还包括根据所述距离获取所述车辆在所述电子地图中的横向位置信息。
优选地,所述将所述第一特征参照物信息与数字地图中车辆粗定位范围内的第二特征参照物信息进行对比,包括:将所述特征标识物的图像与所述第二特征参照物信息中的特征标识物的图像比较,获取与所述特征标识物的图像的差别在预设范围内的图像对应的纵向位置,将该纵向位置作为所述车辆在所述电子地图中的纵向位置信息。
优选地,所述第一特征参照物信息还包括通过测距装置获得的所述车辆到所述特征标识物的第一距离。
优选地,所述将所述第一特征参照物信息与数字地图中车辆粗定位范围内的第二特征参照物信息进行对比,包括:将所述特征标识物的图像与所述第二特征参照物信息中的特征标识物的图像比较,获取与所述特征标识物的图像的差别在预设范围内的目标图像;获取所述数字地图中预存的所述目标图像对应特征标识物的第二距离;判断所述第一距离与所述第二距离的差值是否在预设的距离差值范围内,是则获取所述目标图像对应的纵向位置,将该纵向位置作为所述车辆在所述电子地图中的纵向位置信息。
优选地,该方法还包括:实时获取当前车速;根据所述车速更新纵向位置信息。
优选地,该方法还包括:获取车辆姿态;根据所述车辆姿态对所述纵向位置进行调整。
此外,本发明实施例中还提供一种车辆定位装置,包括初步定位单元,用于对车辆进行粗定位;车道线信息获取单元,用于获取所述车辆所在道路的第一车道线信息;车道定位单元,用于将所述第一车道线信息与数字地图中车辆粗定位范围内的第二车道线信息进行匹配,以获取所述车辆在所述数字地图中所在的车道信息。
优选地,该装置还包括:特征参照物信息提取单元,用于提取所述车辆周围的第一特征参照物信息;纵向位置定位单元,将所述第一特征参照物信息与所述数字地图中车辆粗定位范围内的第二特征参照物信息进行对比,获取所述车辆在所述电子地图中的纵向位置信息。
此外,本发明实施例中还提供一种车辆定位装置,包括初步定位单元,对车辆进行粗定位;特征参照物信息提取单元,用于提取所述车辆周围的第一特征参照物信息;纵向位置定位单元,用于将所述第一特征参照物信息与数字地图中车辆粗定位范围内的第二特征参照物信息进行对比,获取所述车辆在所述电子地图中的纵向位置信息。
优选地,该装置还包括:车道线信息获取单元,用于获取所述车辆所在道路的第一车道线信息;车道定位单元,用于将所述第一车道线信息与数字地图中车辆粗定位范围内的第二车道线信息进行匹配,以获取所述车辆在所述数字地图中所在的车道信息。
此外,本发明还提供一种使用所述车辆定位方法的车辆定位系统。
本发明技术方案,具有如下优点:
1、本发明提供一种车辆定位方法及装置,该方法包括首先对车辆进行粗定位,然后获取所述车辆所在道路的第一车道线信息;之后,将所述第一车道线信息与数字地图中车辆粗定位范围内的第二车道线信息进行匹配,以获取所述车辆在所述数字地图中所在的车道信息。该方案中,通过粗定位来锁定初步定位的范围,能够缩小定位时所需的数据处理量,根据车辆实际所在的车道线信息,通过匹配的方式获得车辆在数字地图中所在的车道信息,从而实现了车道的准确定位,提高了定位精度,稳定性好,且只要测距相机获取车辆所在道路的车道线信息即可,无需增加更多的成本,便于实现。该方案通过利用车道级高精度地图结合视觉识别和激光测距技术来达到车道级别的实时定位,在车辆正常行驶过程中,横向定位精度达到50cm左右。
2、本发明还提供一种车辆定位方法及装置,该方法包括首先对车辆进行粗定位;然后提取所述车辆周围的第一特征参照物信息;之后,将所述第一特征参照物信息与数字地图中车辆粗定位范围内的第二特征参照物信息进行对比,获取所述车辆在所述电子地图中的纵向位置信息。该方法中通过特征参照物的比对来获得纵向位置信息,从而提高了纵向位置信息的精度,且只需要通过摄像头即可实现,降低了成本。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案,下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施方式,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例1中的车辆示意图;
图2为本发明实施例1中车辆定位方法的流程图;
图3为本发明实施例2中车辆定位方法的流程图;
图4为本发明实施例3中车辆定位方法的流程图;
图5为本发明实施例4中车辆定位系统的结构框图;
图6为本发明实施例5中车辆定位系统的结构框图;
图7为本发明实施例6中车辆定位装置的结构框图;
图8为本发明实施例7中车辆定位装置的结构框图。
具体实施方式
下面将结合附图对本发明的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,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,都属于本发明保护的范围。
在本发明的描述中,需要说明的是,术语“中心”、“上”、“下”、“左”、“右”、“竖直”、“水平”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制。此外,术语“第一”、“第二”、“第三”仅用于描述目的,而不能理解为指示或暗示相对重要性。
在本发明的描述中,需要说明的是,除非另有明确的规定和限定,术语“安装”、“相连”、“连接”应做广义理解,例如,可以是固定连接,也可以是可拆卸连接,或一体地连接;可以是机械连接,也可以是电连接;可以是直接相连,也可以通过中间媒介间接相连,还可以是两个元件内部的连通,可以是无线连接,也可以是有线连接。对于本领域的普通技术人员而言,可以具体情况理解上述术语在本发明中的具体含义。
此外,下面所描述的本发明不同实施方式中所涉及的技术特征只要彼此之间未构成冲突就可以相互结合。
实施例1
本实施例中提供一种车辆定位方法,用于车辆在道路上行驶时进行准确定位。例如,如图1所示,在该车辆上将安装传统的GPS定位设备1(或其他例如北斗卫星导航系统等定位设备)、视觉相机2、激光测距仪3和使用车道级高精度数字地图的车载导航仪设备4。整套设备的成本相比组合激光惯导设备来说,有大幅度的降低,并且能够在普通汽车上大规模装配。本实施例中的高精度定位功能仅依赖于高精度地图和相机的工作状态,即能否采集到道路和特征标识物。只要有高精度地图的道路,就能够进行车道级的高精度定位。
本实施例中提供一种车辆定位方法,主要用于进行横向的定位,如图2所示,包括如下步骤:
S11、对车辆进行粗定位。
由车载GPS设备进行粗定位,获得车辆的大致的经纬度坐标,坐标有效范围30m,此过程会选用10Hz的GPS设备,持续2秒钟,连续获得20个GPS坐标对后,对数据进行滤波,获得有效坐标值。
在其他的实施方案中,除了GPS外,还可以使用北斗卫星导航系统或移动通信基站中的至少一个来对车辆进行粗定位。所述粗定位的定位范围为所述车辆实际位置为中心的半径为10-50m的范围。
S12、获取所述车辆所在道路的第一车道线信息。
通过车辆上安装的摄像头,结合计算机视觉算法,进行车道线识别,此时视觉识别的帧率做到20-50Hz左右,识别当前车辆所在道路的车道线总数量、车道宽度、车道线类型(实线、虚线、白线、黄线)、本车辆所在车道(第几条车道)、以及该车辆距所在车道的左侧和/或右侧车道线的距离(测距相机可以测得)等,将其中的部分或全部信息作为第一车道线信息。上述信息可以根据需要识别所需一种或几种。
S13、将所述第一车道线信息与数字地图中车辆粗定位范围内的第二车道线信息进行匹配,以获取所述车辆在所述数字地图中所在的车道信息。
将通过计算机视觉检测到的第一车道线信息和高精度数字地图进行匹配。由粗定位获得了30m精度以内的定位坐标后,通过查询高精度的数字地图,获取车辆当前以及前方1km以内的车道线数量、车道宽度、道线类型(实线,虚线,双实线等)、及车道线坐标参数等作为第二车道线信息。
首先,将第一车道线信息中的车道线数量和/或车道宽度和/或车道线类型分别与所述第二车道线信息中相应的车道线数量和/或车道宽度和/或车道线类型进行比较,获取第二车道线信息中与第一车道线信息相同的目标路段。例如,实际拍摄的第一车道线信息为当前路段有三个车道,车道线都为白色虚线,然后与数字地图中该粗定位范围内的车道比较,寻找有三个车道且车道线为白色虚线的路段,将该路段作为目标路段。当然还可以加入车道线的宽度等其他信息来作为判断依据。
然后,根据第一车道线信息中的本车辆所在车道的信息在所述目标路段中获取相同位置的车道,将该车道作为所述车辆在所述数字地图中所在的车道信息,从而确认车辆在高精度数字地图上所在的车道。
作为进一步优化的实施方案,由于所述第一车道线信息还包括所述车辆距所在的车道的左侧和/或右侧车道线的距离,该车辆定位方法还包括根据所述距离获取所述车辆在所述电子地图中的横向位置信息。即根据车辆实际距离左右车道线的距离获得高精度数字地图中距离左右车道的相对距离,以此达到准确的横向定位。
例如,车辆在共有三条车道的道路上的最内侧车道行驶,距离右侧车道线2m,在高精度数字地图中,通过在粗定位范围内查到该路段,然后定位到该路段的最内侧车道,并根据距离右侧车道2m的距离,得到横向的具体位置。
该方案中,通过粗定位来锁定初步定位的范围,能够缩小进一步定位时所需的数据处理量,根据车辆实际所在的车道线信息,通过匹配的方式获得车辆在数字地图中所在的车道信息,从而实现了车道的准确定位,提高了定位精度,稳定性好,且只要测距相机获取车辆所在道路的车道线信息即可,无需增加更多的成本,便于实现。通过利用车道级高精度地图结合视觉识别来达到车道级别的实时定位,在车辆正常行驶过程中,横向定位精度达到50cm左右。
横向精度的有效性通过有效识别车道线情况来保证,目前该有效检测率可以达到95%,在经过系统性的测试及算法的优化,有效检测率可以到达98%,由于车辆的运动是连续的,且车道线的识别帧率在20-50Hz,所以95%的识别率完全可以保障定位精度的有效性。
实施例2
本实施例中提供一种车辆定位方法,主要用于进行纵向的定位,流程图如图3所示,包括如下步骤:
S21、对车辆进行粗定位。此处的粗定位与实施例1相同。
S22、提取所述车辆周围的第一特征参照物信息。
第一特征参照物信息包括所述车辆周围的特征标识物的图像,其中特征标识物包括交通标识牌、交通灯、固定的建筑物、山脉、道路上的固定标记、桥梁、匝道中的一种或多种的组合。
上述特征标识物信息是由车辆的相机拍摄的可以进行视觉定位的一组特征标识物,可以是道路周围的交通标识牌或交通灯,固定的桥梁匝道等道路设施,固定的建筑物,远处的山脉风景,道路上固定的标记等,特征标识物可以是以上的一个物体,也可以是以上物体的组合。
建立特征标识物的基本原则是:在该道路区间内,在某一时刻内,视觉场景中的特征标识物是唯一的。特征标识物的采集频率及设置数量依据道路速度等级来制定,速度越慢的道路,特征标识物设置越多。特征标识物进行了图像预处理,在使用中可以通过图像之间的像素的模式匹配实现,或通过图像识别来实现,通过像素级的匹配方式使得数据处理量小,能够降低图像算法复杂度,提高识别频率,继而提高定位精度。
S23、将所述第一特征参照物信息与数字地图中车辆粗定位范围内的第二特征参照物信息进行对比,获取所述车辆在所述电子地图中的纵向位置信息。
由粗定位获得了30m精度以内的定位坐标后,通过查询高精度地图,获得当前区域内,摄像头的可视范围内所能看到的特征标识物,及特征标识物的坐标。
该步骤中,将所述特征标识物的图像与所述第二特征参照物信息中的特征标识物的图像比较,获取与所述特征标识物的图像的差别在预设范围内的图像对应的纵向位置,将该纵向位置作为所述车辆在所述电子地图中的纵向位置信息。
其中,特征标识物的图像是由相机采集到的图片,通过与数字地图中存储的该区域内的图片进行实时的模式匹配,当匹配程度达到一定概率值,即确定匹配成功,数字地图中该匹配的图像对应的纵向位置,是车辆纵向的位置。纵向定位只有在匹配的特征标识物的图像的匹配程度达到一定权值时,才认为有效,从而完成一次校准。此步骤中,匹配方式可以是实际拍摄的特征标识物的图像与数字地图中存储的特征标识物的图像进行像素级模式匹配,匹配率达到一个阈值即可,模式匹配能够降低图像算法复杂度,提高识别频率,继而提高定位精度。也可以采用图像识别的方式进行匹配,识别出图像中的标识物再进行图像匹配。
该方法中通过特征参照物的比对来获得纵向位置信息,从而提高了纵向位置信息的精度,只需要通过摄像头即可实现,降低了成本。
在进一步的实现方案中,该方案中还包括通过测距装置获得的所述车辆到所述特征标识物的第一距离,通过该距离进一步对纵向位置信息进行校准,提高纵向位置信息的准确性。具体包括:首先,将所述特征标识物的图像与所述第二特征参照物信息中的特征标识物的图像比较,获取与所述特征标识物的图像的差别在预设范围内的目标图像;然后,获取所述数字地图中预存的所述目标图像对应特征标识物的第二距离;最后,判断所述第一距离与所述第二距离的差值是否在预设的距离差值范围内,是则获取所述目标图像对应的纵向位置,将该纵向位置作为所述车辆在所述电子地图中的纵向位置信息。该步骤通过激光测距仪对特征标识物进行测距,以此来对纵向位置进行校准。
本实施例通过利用车道级高精度地图结合视觉识别及激光测距技术来达到车道级别的实时定位,在车辆正常行驶过程中,定位精度达到50cm左右。
作为进一步优化的实施方案,在没有检测到特征标识物的期间,车辆的定位通过车辆当前姿态以及CAN车速,进行航位推算,包括:实时获取当前车速;然后根据所述车速更新纵向位置信息,具体为通过时间和速度的积分获得车辆行驶的距离,然后叠加到之前定位到的纵向位置,更新为当前车速下当前时刻的纵向位置信息。
在此过程中,通过稳定的GPS导航算法,以及结合CAN车速对车速进行航位推算,可以有效的弥补可能会出现的车道线不清晰,车道线被遮挡或者环境光线问题导致的计算机视觉无法检测出车道线的情况。
作为另外一种优化的实施方案,在定位过程中,车辆如果发生变道情况,摄像头需要捕捉变道的过程,及车辆相对于车道线的横向位置,车辆和车道线的夹角,从而获得车辆姿态,在变道过程中检测到的特征标识物需要结合车辆的姿态进行坐标补正。首先,获取车辆姿态;然后根据所述车辆姿态对所述纵向位置进行调整。即根据车辆姿态获得车辆的运动方向,从而进行位置的更新,可以更加准确。
纵向精度的有效性由有效特征标识物的匹配率决定,一般而言,匹配效率在1-3s完成一次特征标识物的成功匹配及校准。所以严格来说纵向匹配的精度是不可靠的,车在道路上的纵向行驶过程中更多的关注的是交通标识,红绿灯,交叉路口及匝道这类交通设施,车道级高精度地图在制作特征标识物时也是重点制作这类道路设施,因此可以保证在有道路设施参与的时候,纵向定位精度是有效的,但是在道路设施没有参与,道路变化不大时,纵向定位精度有一定的偏差,由于这类情况,道路变化不大,纵向的误差对主动安全及自动驾驶功能并没有决定性的影响,所以这并不影响车道级别的高精度定位的正常使用。
实施例3:
本实施例中提供一种车辆定位方法,首先采用实施例1中的定位方式进行横向定位,然后采用实施例2中的方式进行纵向定位,先采用实施例1中的横向定位或先采用实施例2中的纵向定位都可以,本实施例中先采用实施例1中的横向定位方法,然后在横向定位的基础上,再采用实施例2中的纵向定位方法进行定位,从而实现精确定位。具体的各步骤的实现方式与实施例1、实施例2中相应的实现方式相同,本实施例中不再赘述。
本实施例中的车辆定位方法,流程图如图4所示,包括如下步骤:
S31、对车辆进行粗定位。通过GPS、北斗卫星导航系统或移动通信基站中的至少一个来对车辆进行粗定位。所述粗定位的定位范围为所述车辆实际位置为中心的半径为10-50m的范围。
S32、获取所述车辆所在道路的第一车道线信息;其中,所述第一车道线信息包括车道线数量、车道宽度、车道线类型、本车辆所在车道中的至少一项。
S33、将所述第一车道线信息与数字地图中车辆粗定位范围内的第二车道线信息进行匹配,以获取所述车辆在所述数字地图中所在的车道信息。
首先,将第一车道线信息中的车道线数量和/或车道宽度和/或车道线类型分别与所述第二车道线信息中相应的车道线数量和/或车道宽度和/或车道线类型进行比较,获取第二车道线信息中与第一车道线信息相同的目标路段;
然后,根据第一车道线信息中的本车辆所在车道的信息在所述目标路段中获取相同位置的车道,将该车道作为所述车辆在所述数字地图中所在的车道信息。
作为优化的实施方案,所述第一车道线信息还包括所述车辆距所在的车道的左侧和/或右侧车道线的距离,该方法还包括根据所述距离获取所述车辆在所述电子地图中的横向位置信息。
S34、提取所述车辆周围的第一特征参照物信息。所述第一特征参照物信息包括所述车辆周围的特征标识物的图像。所述特征标识物包括交通标识牌、交通灯、固定的建筑物、山脉、道路上的固定标记、桥梁、匝道中的一种或多种的组合。
S35、将所述第一特征参照物信息与数字地图中车辆粗定位范围内的第二特征参照物信息进行对比,获取所述车辆在所述电子地图中的纵向位置信息。
具体为,将所述特征标识物的图像与所述第二特征参照物信息中的特征标识物的图像比较,获取与所述特征标识物的图像的差别在预设范围内的图像对应的纵向位置,将该纵向位置作为所述车辆在所述电子地图中的纵向位置信息。
在其他的实现方案中,所述第一特征参照物信息还包括通过测距装置获得的所述车辆到所述特征标识物的第一距离。通过测距对纵向位置进行校对,具体包括:首先,将所述特征标识物的图像与所述第二特征参照物信息中的特征标识物的图像比较,获取与所述特征标识物的图像的差别在预设范围内的目标图像;然后,获取所述数字地图中预存的所述目标图像对应的特征标识物第二距离;最后,判断所述第一距离与所述第二距离的差值是否在预设的距离差值范围内,是则获取所述目标图像对应的纵向位置,将该纵向位置作为所述车辆在所述电子地图中的纵向位置信息。
作为进一步优化的方案,还包括航位推算获得实时纵向位置,具体为:实时获取当前车速;根据所述车速更新纵向位置信息。与实施例2相同,不在赘述。
作为进一步优化的方案,还包括通过车辆姿态调整纵向位置,具体为获取车辆姿态;根据所述车辆姿态对所述纵向位置进行调整,通过车辆姿态确定车辆的运动方向以及拍摄图像的角度,从而可以更加准确的进行纵向移动位置的计算以及更加准确的与数字地图中的图片进行模式匹配。与实施例2中相同。
本实施例中的车辆定位方法通过利用车道级高精度地图结合视觉识别和激光测距技术来达到车道级别的实时定位,在车辆正常行驶过程中,定位精度达到50cm左右。该方案中的高精度定位功能仅依赖于高精度地图和相机的工作状态,即能否采集到道路和特征标识物,可以说,只要有高精度地图的道路,就可以进行车道级的高精度定位。
实施例4:
本实施例中提供一种车辆定位系统,能够使用实施例1中的车辆定位方法,结构图如图5所示,包括
粗定位单元401,用于对车辆进行粗定位;所述粗定位单元包括GPS、北斗卫星导航系统或移动通信基站中的至少一个。
图像获取单元402,用于获取所述车辆所在道路的第一车道线信息。所述第一车道线信息包括车道线数量、车道宽度、车道线类型、本车辆所在车道中的至少一项。所述图像获取单元包括测距相机,用于拍摄并获取车辆所在道路的前方预设距离内的车道线数量、车道宽度、车道线类型、本车辆所在车道以及车辆距所在的车道的左侧和/或右侧车道线的距离中的至少一个。
处理单元403,将所述第一车道线信息与数字地图中车辆粗定位范围内的第二车道线信息进行匹配,以获取所述车辆在所述数字地图中所在的车道信息。
其中,所述图像获取单元402还用于提取所述车辆周围的第一特征参照物信息,即通过测距相机还用于拍摄所述车辆周围的特征标识物的图像。使用的测距相机为可以进行车道线识别和特征标识物识别的相机,并能进行视觉测距的相机,相机采样帧率需要达到50Hz。
所述处理单元403还用于将所述第一特征参照物信息与所述数字地图中车辆粗定位范围内的第二特征参照物信息进行对比,获取所述车辆在所述电子地图中的纵向位置信息。
此外,作为优选的方案,该系统中还包括测距装置,用于测量所述车辆到所述特征标识物的距离。
实施例5:
本实施例中提供一种车辆定位系统,能够使用实施例2中的车辆定位方法,结构图如图6所示,包括
粗定位单元501,用于对车辆进行粗定位;所述粗定位单元包括GPS、北斗卫星导航系统或移动通信基站中的至少一个。
图像获取单元502,用于提取所述车辆周围的第一特征参照物信息。图像获取单元可以是测距相机,用于拍摄所述车辆周围的特征标识物的图像。
处理单元503,用于将所述第一特征参照物信息与数字地图中车辆粗定位范围内的第二特征参照物信息进行对比,获取所述车辆在所述电子地图中的纵向位置信息。
在进一步的方案中,还包括测距装置,用于测量所述车辆到所述特征标识物的距离。
所述图像获取单元502还用于获取所述车辆所在道路的第一车道线信息;所述第一车道线信息和/或所述第二车道线信息包括车道线数量、车道宽度、车道线类型、本车辆所在车道中的至少一项。所述图像获取单元包括测距相机,用于拍摄并获取车辆所在道路的前方预设距离内的车道线数量、车道宽度、车道线类型、本车辆所在车道以及车辆距所在的车道的左侧和/或右侧车道线的距离中的至少一个。
所述处理单元503还用于将所述第一车道线信息与数字地图中车辆粗定位范围内的第二车道线信息进行匹配,以获取所述车辆在所述数字地图中所在的车道信息。
实施例6:
本实施例中还提供一种车辆定位装置,结构框图如图7所示,包括:
初步定位单元601,用于对车辆进行粗定位;
车道线信息获取单元602,用于获取所述车辆所在道路的第一车道线信息;
车道定位单元603,用于将所述第一车道线信息与数字地图中车辆粗定位范围内的第二车道线信息进行匹配,以获取所述车辆在所述数字地图中所在的车道信息。
其中,车道定位单元603还包括:
路段定位子单元,用于将第一车道线信息中的车道线数量和/或车道宽度和/或车道线类型分别与所述第二车道线信息中相应的车道线数量和/或车道宽度和/或车道线类型进行比较,获取第二车道线信息中与第一车道线信息相同的目标路段;
车道定位子单元,用于根据第一车道线信息中的本车辆所在车道的信息在所述目标路段中获取相同位置的车道,将该车道作为所述车辆在所述数字地图中所在的车道信息。
此外,第一车道线信息还包括所述车辆距所在的车道的左侧和/或右侧车道线的距离,该装置还包括横向位置定位单元,用于根据所述距离获取所述车辆在所述电子地图中的横向位置信息。
此外作为优选的实施方式,该装置还包括:
特征参照物信息提取单元,用于提取所述车辆周围的第一特征参照物信息;
纵向位置定位单元,将所述第一特征参照物信息与所述数字地图中车辆粗定位范围内的第二特征参照物信息进行对比,获取所述车辆在所述电子地图中的纵向位置信息。
其中,所述第一特征参照物信息包括所述车辆周围的特征标识物的图像。,所述特征标识物包括交通标识牌、交通灯、固定的建筑物、山脉、道路上的固定标记、桥梁、匝道中的一种或多种的组合。
纵向位置定位单元还包括第一纵向位置定位子单元,用于将所述特征标识物的图像与所述第二特征参照物信息中的特征标识物的图像比较,获取与所述特征标识物的图像的差别在预设范围内的图像对应的纵向位置,将该纵向位置作为所述车辆在所述电子地图中的纵向位置信息。
作为可以进一步优化的实施方式,所述第一特征参照物信息还包括通过测距装置获得的所述车辆到所述特征标识物的第一距离,纵向位置定位单元还可以包括:
目标图像识别子单元,用于将所述特征标识物的图像与所述第二特征参照物信息中的特征标识物的图像比较,获取与所述特征标识物的图像的差别在预设范围内的目标图像;
距离匹配子单元,用于获取所述数字地图中预存的所述目标图像对应特征标识物的第二距离;
第二纵向位置定位子单元,用于判断所述第一距离与所述第二距离的差值是否在预设的距离差值范围内,是则获取所述目标图像对应的纵向位置,将该纵向位置作为所述车辆在所述电子地图中的纵向位置信息。
作为进一步优化的方案,还包括更新单元,包括:
车速获取子单元,用于实时获取当前车速;
更新子单元,用于根据所述车速更新纵向位置信息。
此外,作为另一优化的方案,该装置还包括调整单元,包括:
姿态获取单元,用于获取车辆姿态;
调整子单元,用于根据所述车辆姿态对所述纵向位置进行调整。
实施例7:
本实施例中一种车辆定位装置,结构框图如图8所示,包括:
初步定位单元701,对车辆进行粗定位;
特征参照物信息提取单元702,用于提取所述车辆周围的第一特征参照物信息;
纵向位置定位单元703,用于将所述第一特征参照物信息与数字地图中车辆粗定位范围内的第二特征参照物信息进行对比,获取所述车辆在所述电子地图中的纵向位置信息。
此外,该装置还包括:
车道线信息获取单元,用于获取所述车辆所在道路的第一车道线信息;
车道定位单元,用于将所述第一车道线信息与数字地图中车辆粗定位范围内的第二车道线信息进行匹配,以获取所述车辆在所述数字地图中所在的车道信息。
其中,所述第一车道线信息还包括所述车辆距所在的车道的左侧和/或右侧车道线的距离,该装置还包括横向位置定位单元,用于根据所述距离获取所述车辆在所述电子地图中的横向位置信息。
其中,各个单元的具体实现方式与实施例6相同,在此不再赘述。
作为优选的方案,还包括更新单元,其包括:
车速获取子单元,用于实时获取当前车速;
更新子单元,用于根据所述车速更新纵向位置信息。
此外,作为另一优化的方案,该装置还包括调整单元,其包括:
姿态获取单元,用于获取车辆姿态;
调整子单元,用于根据所述车辆姿态对所述纵向位置进行调整。
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、系统、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(系统)、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。
显然,上述实施例仅仅是为清楚地说明所作的举例,而并非对实施方式的限定。对于所属领域的普通技术人员来说,在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。而由此所引伸出的显而易见的变化或变动仍处于本发明创造的保护范围之中。
Claims (19)
1.一种车辆定位方法,其特征在于,包括:对车辆进行粗定位;获取所述车辆所在道路的第一车道线信息;将所述第一车道线信息与数字地图中车辆粗定位范围内的第二车道线信息进行匹配,以获取所述车辆在所述数字地图中所在的车道信息;提取所述车辆周围的第一特征参照物信息;将所述第一特征参照物信息与所述数字地图中车辆粗定位范围内的第二特征参照物信息进行对比,获取所述车辆在所述数字地图中的纵向位置信息;所述第一特征参照物信息还包括通过测距装置获得的所述车辆到特征标识物的第一距离;所述将所述第一特征参照物信息与数字地图中车辆粗定位范围内的第二特征参照物信息进行对比,包括:将所述特征标识物的图像与所述第二特征参照物信息中的特征标识物的图像比较,获取与所述特征标识物的图像的差别在预设范围内的目标图像;获取所述数字地图中预存的所述目标图像对应特征标识物的第二距离;判断所述第一距离与所述第二距离的差值是否在预设的距离差值范围内,是则获取所述目标图像对应的纵向位置,将该纵向位置作为所述车辆在所述数字地图中的纵向位置信息。
2.根据权利要求1所述的方法,其特征在于,所述第一车道线信息和/或所述第二车道线信息包括车道线数量、车道宽度、车道线类型、本车辆所在车道中的至少一项。
3.根据权利要求1或2所述的方法,其特征在于,所述将所述第一车道线信息与数字地图中车辆粗定位范围内的第二车道线信息进行匹配包括:将第一车道线信息中的车道线数量和/或车道宽度和/或车道线类型分别与所述第二车道线信息中相应的车道线数量和/或车道宽度和/或车道线类型进行比较,获取第二车道线信息中与第一车道线信息相同的目标路段;根据第一车道线信息中的本车辆所在车道的信息在所述目标路段中获取相同位置的车道,将该车道作为所述车辆在所述数字地图中所在的车道信息。
4.根据权利要求1或2所述的方法,其特征在于,所述第一车道线信息还包括所述车辆距所在的车道的左侧和/或右侧车道线的距离,该方法还包括:根据所述距离获取所述车辆在所述数字地图中的横向位置信息。
5.根据权利要求1或2所述的方法,其特征在于,所述将所述第一特征参照物信息与数字地图中车辆粗定位范围内的第二特征参照物信息进行对比,包括:将所述特征标识物的图像与所述第二特征参照物信息中的特征标识物的图像比较,获取与所述特征标识物的图像的差别在预设范围内的图像对应的纵向位置,将该纵向位置作为所述车辆在所述数字地图中的纵向位置信息。
6.根据权利要求1或2所述的方法,其特征在于,还包括:实时获取当前车速;根据所述车速更新纵向位置信息。
7.根据权利要求1或2所述的方法,其特征在于,还包括:获取车辆姿态;根据所述车辆姿态对所述纵向位置进行调整。
8.一种车辆定位方法,其特征在于,包括:对车辆进行粗定位;提取所述车辆周围的第一特征参照物信息;将所述第一特征参照物信息与数字地图中车辆粗定位范围内的第二特征参照物信息进行对比,获取所述车辆在所述数字地图中的纵向位置信息;所述第一特征参照物信息还包括通过测距装置获得的所述车辆到特征标识物的第一距离;所述将所述第一特征参照物信息与数字地图中车辆粗定位范围内的第二特征参照物信息进行对比,包括:将所述特征标识物的图像与所述第二特征参照物信息中的特征标识物的图像比较,获取与所述特征标识物的图像的差别在预设范围内的目标图像;获取所述数字地图中预存的所述目标图像对应特征标识物的第二距离;判断所述第一距离与所述第二距离的差值是否在预设的距离差值范围内,是则获取所述目标图像对应的纵向位置,将该纵向位置作为所述车辆在所述数字地图中的纵向位置信息。
9.根据权利要求8所述的方法,其特征在于,还包括:获取所述车辆所在道路的第一车道线信息;将所述第一车道线信息与数字地图中车辆粗定位范围内的第二车道线信息进行匹配,以获取所述车辆在所述数字地图中所在的车道信息。
10.根据权利要求9所述的方法,其特征在于,所述第一车道线信息和/或所述第二车道线信息包括车道线数量、车道宽度、车道线类型、本车辆所在车道中的至少一项。
11.根据权利要求9或10所述的方法,其特征在于,所述将所述第一车道线信息与数字地图中车辆粗定位范围内的第二车道线信息进行匹配包括:将第一车道线信息中的车道线数量和/或车道宽度和/或车道线类型分别与所述第二车道线信息中相应的车道线数量和/或车道宽度和/或车道线类型进行比较,获取第二车道线信息中与第一车道线信息相同的目标路段;根据第一车道线信息中的本车辆所在车道的信息在所述目标路段中获取相同位置的车道,将该车道作为所述车辆在所述数字地图中所在的车道信息。
12.根据权利要求9或10所述的方法,其特征在于,所述第一车道线信息还包括所述车辆距所在的车道的左侧和/或右侧车道线的距离,该方法还包括:根据所述距离获取所述车辆在所述数字地图中的横向位置信息。
13.根据权利要求8-10中任一项所述的方法,其特征在于,所述将所述第一特征参照物信息与数字地图中车辆粗定位范围内的第二特征参照物信息进行对比,包括:将所述特征标识物的图像与所述第二特征参照物信息中的特征标识物的图像比较,获取与所述特征标识物的图像的差别在预设范围内的图像对应的纵向位置,将该纵向位置作为所述车辆在所述数字地图中的纵向位置信息。
14.根据权利要求8-10中任一项所述的方法,其特征在于,还包括:实时获取当前车速;根据所述车速更新纵向位置信息。
15.根据权利要求8-10中任一项所述的方法,其特征在于,还包括:获取车辆姿态;根据所述车辆姿态对所述纵向位置进行调整。
16.一种车辆定位装置,其特征在于,包括:初步定位单元,用于对车辆进行粗定位;车道线信息获取单元,用于获取所述车辆所在道路的第一车道线信息;车道定位单元,用于将所述第一车道线信息与数字地图中车辆粗定位范围内的第二车道线信息进行匹配,以获取所述车辆在所述数字地图中所在的车道信息;特征参照物信息提取单元,用于提取所述车辆周围的第一特征参照物信息;纵向位置定位单元,用于将所述第一特征参照物信息与所述数字地图中车辆粗定位范围内的第二特征参照物信息进行对比,获取所述车辆在所述数字地图中的纵向位置信息;所述第一特征参照物信息还包括通过测距装置获得的所述车辆到特征标识物的第一距离;所述纵向位置定位单元将所述第一特征参照物信息与数字地图中车辆粗定位范围内的第二特征参照物信息进行对比,包括:将所述特征标识物的图像与所述第二特征参照物信息中的特征标识物的图像比较,获取与所述特征标识物的图像的差别在预设范围内的目标图像;获取所述数字地图中预存的所述目标图像对应特征标识物的第二距离;判断所述第一距离与所述第二距离的差值是否在预设的距离差值范围内,是则获取所述目标图像对应的纵向位置,将该纵向位置作为所述车辆在所述数字地图中的纵向位置信息。
17.一种车辆定位装置,其特征在于,包括:初步定位单元,用于对车辆进行粗定位;特征参照物信息提取单元,用于提取所述车辆周围的第一特征参照物信息;纵向位置定位单元,用于将所述第一特征参照物信息与数字地图中车辆粗定位范围内的第二特征参照物信息进行对比,获取所述车辆在所述数字地图中的纵向位置信息;所述第一特征参照物信息还包括通过测距装置获得的所述车辆到特征标识物的第一距离;所述纵向位置定位单元将所述第一特征参照物信息与数字地图中车辆粗定位范围内的第二特征参照物信息进行对比,包括:将所述特征标识物的图像与所述第二特征参照物信息中的特征标识物的图像比较,获取与所述特征标识物的图像的差别在预设范围内的目标图像;获取所述数字地图中预存的所述目标图像对应特征标识物的第二距离;判断所述第一距离与所述第二距离的差值是否在预设的距离差值范围内,是则获取所述目标图像对应的纵向位置,将该纵向位置作为所述车辆在所述数字地图中的纵向位置信息。
18.根据权利要求17所述的装置,其特征在于,还包括:车道线信息获取单元,用于获取所述车辆所在道路的第一车道线信息;
车道定位单元,用于将所述第一车道线信息与数字地图中车辆粗定位范围内的第二车道线信息进行匹配,以获取所述车辆在所述数字地图中所在的车道信息。
19.一种使用权利要求1-15任一项所述车辆定位方法的车辆定位系统。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610586969.0A CN107643086B (zh) | 2016-07-22 | 2016-07-22 | 一种车辆定位方法、装置及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610586969.0A CN107643086B (zh) | 2016-07-22 | 2016-07-22 | 一种车辆定位方法、装置及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107643086A CN107643086A (zh) | 2018-01-30 |
CN107643086B true CN107643086B (zh) | 2021-04-13 |
Family
ID=61109669
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610586969.0A Active CN107643086B (zh) | 2016-07-22 | 2016-07-22 | 一种车辆定位方法、装置及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107643086B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20220212672A1 (en) * | 2021-01-05 | 2022-07-07 | Guangzhou Automobile Group Co., Ltd. | Vehicle positioning method and apparatus, storage medium, and electronic device |
Families Citing this family (49)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108805045A (zh) * | 2018-05-25 | 2018-11-13 | 郑州思达科锐网络科技有限公司 | 一种无人驾驶汽车定位方法及系统 |
CN108776323B (zh) * | 2018-05-30 | 2021-03-12 | 成都博士信智能科技发展有限公司 | 位置校正方法及装置 |
CN109000678B (zh) * | 2018-08-23 | 2020-11-17 | 武汉中海庭数据技术有限公司 | 基于高精度地图的驾驶辅助装置及方法 |
CN109283928A (zh) * | 2018-09-25 | 2019-01-29 | 华南农业大学 | 一种基于机器视觉的自动导航运输车及其自动行驶方法 |
CN109239752A (zh) * | 2018-09-29 | 2019-01-18 | 重庆长安汽车股份有限公司 | 车辆定位系统 |
KR102627453B1 (ko) * | 2018-10-17 | 2024-01-19 | 삼성전자주식회사 | 위치 추정 장치 및 방법 |
CN111241894B (zh) * | 2018-11-28 | 2023-06-27 | 海信集团有限公司 | 一种检测车道线的方法及车载设备 |
CN109597411A (zh) * | 2018-11-29 | 2019-04-09 | 北京经纬恒润科技有限公司 | 车辆信息确定方法及装置 |
CN109815300B (zh) * | 2018-12-13 | 2021-06-29 | 北京邮电大学 | 一种车辆定位方法 |
CN111381269B (zh) * | 2018-12-28 | 2023-09-05 | 沈阳美行科技股份有限公司 | 车辆定位方法、装置、电子设备、计算机可读存储介质 |
CN111380539B (zh) * | 2018-12-28 | 2023-04-07 | 沈阳美行科技股份有限公司 | 车辆定位、导航方法和装置及相关系统 |
CN111381268B (zh) * | 2018-12-28 | 2023-06-23 | 沈阳美行科技股份有限公司 | 车辆定位方法、装置、电子设备、计算机可读存储介质 |
CN111380536B (zh) * | 2018-12-28 | 2023-06-20 | 沈阳美行科技股份有限公司 | 车辆定位方法、装置、电子设备、计算机可读存储介质 |
CN111382614B (zh) * | 2018-12-28 | 2023-08-15 | 沈阳美行科技股份有限公司 | 车辆定位方法、装置、电子设备、计算机可读存储介质 |
CN111380538B (zh) * | 2018-12-28 | 2023-01-24 | 沈阳美行科技股份有限公司 | 一种车辆定位方法、导航方法及相关装置 |
CN111400418B (zh) * | 2019-01-03 | 2024-04-16 | 长沙智能驾驶研究院有限公司 | 车道的定位方法、装置、车辆、存储介质及地图构建方法 |
CN109870689B (zh) * | 2019-01-08 | 2021-06-04 | 武汉中海庭数据技术有限公司 | 毫米波雷达与高精矢量地图匹配的车道级定位方法与系统 |
CN109931939B (zh) * | 2019-02-27 | 2020-11-03 | 杭州飞步科技有限公司 | 车辆的定位方法、装置、设备及计算机可读存储介质 |
CN110097092B (zh) * | 2019-03-04 | 2021-06-18 | 厦门攸信信息技术有限公司 | 一种位置认证装置和方法 |
CN111664856B (zh) * | 2019-03-08 | 2022-06-17 | 上海蔚来汽车有限公司 | 车辆初始定位系统及车辆初始定位方法 |
CN109819400B (zh) * | 2019-03-20 | 2021-05-04 | 百度在线网络技术(北京)有限公司 | 用户位置的查找方法、装置、设备及介质 |
CN109903578B (zh) * | 2019-03-20 | 2021-05-28 | 安徽宽广科技有限公司 | 一种基于物联网的车载视频监控报警系统 |
CN111750878B (zh) * | 2019-03-28 | 2022-06-24 | 北京魔门塔科技有限公司 | 一种车辆位姿的修正方法和装置 |
CN111750882B (zh) * | 2019-03-29 | 2022-05-27 | 北京魔门塔科技有限公司 | 一种导航地图在初始化时车辆位姿的修正方法和装置 |
CN111854727B (zh) * | 2019-04-27 | 2022-05-13 | 北京魔门塔科技有限公司 | 一种车辆位姿的修正方法和装置 |
CN112307810B (zh) * | 2019-07-26 | 2023-08-04 | 北京魔门塔科技有限公司 | 一种视觉定位效果自检方法及车载终端 |
CN110415545B (zh) * | 2019-08-02 | 2020-09-29 | 辰芯科技有限公司 | 一种车道定位方法、装置、电子设备和存储介质 |
CN110784680B (zh) * | 2019-08-09 | 2021-02-02 | 中国第一汽车股份有限公司 | 一种车辆定位方法、装置、车辆和存储介质 |
CN112461257A (zh) * | 2019-09-09 | 2021-03-09 | 华为技术有限公司 | 一种车道线信息的确定方法及装置 |
CN110595494B (zh) * | 2019-09-17 | 2021-06-22 | 百度在线网络技术(北京)有限公司 | 地图误差确定方法和装置 |
CN111089598B (zh) * | 2019-11-25 | 2021-08-06 | 首都师范大学 | 一种基于icciu的车道级车载实时地图匹配方法 |
CN110906953A (zh) * | 2019-11-26 | 2020-03-24 | 武汉中海庭数据技术有限公司 | 一种自动驾驶定位的相对位置精度评估方法及装置 |
CN113032500B (zh) * | 2019-12-25 | 2023-10-17 | 沈阳美行科技股份有限公司 | 车辆定位方法、装置、计算机设备和存储介质 |
CN111194002B (zh) * | 2020-01-13 | 2021-04-30 | 成都四相致新科技有限公司 | 一种基于测距基站的行车定位方法、系统、介质及设备 |
CN111260722B (zh) * | 2020-01-17 | 2023-12-26 | 北京百度网讯科技有限公司 | 车辆定位方法、设备及存储介质 |
CN111323802B (zh) * | 2020-03-20 | 2023-02-28 | 阿波罗智能技术(北京)有限公司 | 智能驾驶车辆定位方法、装置及设备 |
MX2022012562A (es) * | 2020-04-07 | 2022-11-07 | Huawei Tech Co Ltd | Metodo y sistema de posicionamiento, y aparato. |
CN111637898B (zh) * | 2020-06-02 | 2022-07-01 | 安徽宇呈数据技术有限公司 | 一种高精度导航电子地图的处理方法和装置 |
CN111932887B (zh) * | 2020-08-17 | 2022-04-26 | 武汉四维图新科技有限公司 | 车道级轨迹数据的生成方法及设备 |
CN114076602A (zh) * | 2020-08-20 | 2022-02-22 | 北京四维图新科技股份有限公司 | 定位方法及定位设备 |
CN112359759A (zh) * | 2020-11-10 | 2021-02-12 | 湖南瑭桥科技发展有限公司 | 一种环卫车的数据采集系统 |
CN112902987B (zh) * | 2021-02-02 | 2022-07-15 | 北京三快在线科技有限公司 | 一种位姿修正的方法及装置 |
CN112721926B (zh) * | 2021-02-25 | 2023-05-09 | 深圳市科莱德电子有限公司 | 基于区块链的自动驾驶汽车车道保持控制方法、系统 |
CN112966059B (zh) * | 2021-03-02 | 2023-11-24 | 北京百度网讯科技有限公司 | 针对定位数据的数据处理方法、装置、电子设备和介质 |
CN112949609B (zh) * | 2021-04-16 | 2024-05-28 | 北京车和家信息技术有限公司 | 一种车道识别方法、装置、介质和电子设备 |
CN113126025A (zh) * | 2021-04-23 | 2021-07-16 | 刘自禄 | 交通工具定位方法及定位系统 |
CN113327443A (zh) * | 2021-05-31 | 2021-08-31 | 东风汽车集团股份有限公司 | 一种用于自动驾驶的地理围栏判定方法及装置 |
CN113778103A (zh) * | 2021-09-19 | 2021-12-10 | 南京农业大学 | 一种基于北斗导航和视觉技术自动驾驶系统 |
CN115655289A (zh) * | 2022-11-03 | 2023-01-31 | 广州小鹏自动驾驶科技有限公司 | 定位车道的方法、装置、车辆及存储介质 |
Family Cites Families (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP4950858B2 (ja) * | 2007-11-29 | 2012-06-13 | アイシン・エィ・ダブリュ株式会社 | 画像認識装置及び画像認識プログラム |
CN202163431U (zh) * | 2011-06-30 | 2012-03-14 | 中国汽车技术研究中心 | 基于多传感器信息融合的碰撞及偏离预警装置 |
KR101209062B1 (ko) * | 2012-07-24 | 2012-12-06 | 주식회사 피엘케이 테크놀로지 | 영상인식 정보를 이용한 gps 보정 시스템 및 방법 |
CN104422462A (zh) * | 2013-09-06 | 2015-03-18 | 上海博泰悦臻电子设备制造有限公司 | 一种车辆导航的方法、装置 |
CN103954275B (zh) * | 2014-04-01 | 2017-02-08 | 西安交通大学 | 基于车道线检测和gis地图信息开发的视觉导航方法 |
KR101558786B1 (ko) * | 2014-06-30 | 2015-10-07 | 현대자동차주식회사 | 차량의 주행차로 인식장치 및 방법 |
CN105021201B (zh) * | 2015-08-17 | 2017-12-01 | 武汉光庭信息技术有限公司 | 利用交通标示牌的坐标反推汽车自身位置的系统及方法 |
CN105588576B (zh) * | 2015-12-15 | 2019-02-05 | 招商局重庆交通科研设计院有限公司 | 一种车道级导航方法及系统 |
CN105674993A (zh) * | 2016-01-15 | 2016-06-15 | 武汉光庭科技有限公司 | 基于双目相机的高精度视觉定位地图生成系统及方法 |
CN105783936B (zh) * | 2016-03-08 | 2019-09-24 | 武汉中海庭数据技术有限公司 | 用于自动驾驶中的道路标识制图及车辆定位方法及系统 |
-
2016
- 2016-07-22 CN CN201610586969.0A patent/CN107643086B/zh active Active
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20220212672A1 (en) * | 2021-01-05 | 2022-07-07 | Guangzhou Automobile Group Co., Ltd. | Vehicle positioning method and apparatus, storage medium, and electronic device |
Also Published As
Publication number | Publication date |
---|---|
CN107643086A (zh) | 2018-01-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107643086B (zh) | 一种车辆定位方法、装置及系统 | |
CN108303721B (zh) | 一种车辆定位方法及系统 | |
CN108303103B (zh) | 目标车道的确定方法和装置 | |
CN113034960B (zh) | 用于更新精密路线地图的对象变化检测系统及其方法 | |
CN105793669B (zh) | 车辆位置推定系统、装置、方法以及照相机装置 | |
EP3637371B1 (en) | Map data correcting method and device | |
US20210199437A1 (en) | Vehicular component control using maps | |
US9389093B2 (en) | Traffic signal recognition apparatus | |
JP4600357B2 (ja) | 測位装置 | |
JP2023126882A (ja) | 車両を自律的にナビゲートするためのシステム、車両、および車両をナビゲートする方法 | |
JP5435306B2 (ja) | 画像処理システム及び位置測位システム | |
KR101209062B1 (ko) | 영상인식 정보를 이용한 gps 보정 시스템 및 방법 | |
JP3436074B2 (ja) | 車載ステレオカメラ | |
WO2015096717A1 (zh) | 一种定位方法及装置 | |
US10480949B2 (en) | Apparatus for identifying position of own vehicle and method for identifying position of own vehicle | |
KR101921429B1 (ko) | 정밀지도 제작 방법 및 정밀지도 제작 시스템 | |
KR20160002178A (ko) | 자차 위치 인식 장치 및 방법 | |
CN102208011A (zh) | 图像处理系统及车辆控制系统 | |
CN113034540A (zh) | 基于摄像机的自动化精密道路地图生成系统及方法 | |
Marinelli et al. | Mobile mapping systems and spatial data collection strategies assessment in the identification of horizontal alignment of highways | |
CN109085821A (zh) | 自动驾驶车辆定位方法 | |
KR20060132302A (ko) | 차량항법시스템에서 차량위치를 보정하기 위한 장치 및방법 | |
CN110018503B (zh) | 车辆的定位方法及定位系统 | |
JP2009137577A (ja) | 航空機を位置合わせするための装置および方法 | |
CN111323029B (zh) | 导航方法及车载终端 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |