CN108225362A - 智能驾驶车辆定位方法和系统、计算机存储介质和定位设备 - Google Patents
智能驾驶车辆定位方法和系统、计算机存储介质和定位设备 Download PDFInfo
- Publication number
- CN108225362A CN108225362A CN201711498723.9A CN201711498723A CN108225362A CN 108225362 A CN108225362 A CN 108225362A CN 201711498723 A CN201711498723 A CN 201711498723A CN 108225362 A CN108225362 A CN 108225362A
- Authority
- CN
- China
- Prior art keywords
- intelligent driving
- driving vehicle
- vehicle
- positioning
- preset rules
- 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 55
- 238000004590 computer program Methods 0.000 claims description 3
- 230000033001 locomotion Effects 0.000 abstract description 12
- 230000008569 process Effects 0.000 description 17
- 230000000007 visual effect Effects 0.000 description 11
- 230000008859 change Effects 0.000 description 10
- 238000005516 engineering process Methods 0.000 description 10
- 230000004044 response Effects 0.000 description 10
- 238000005259 measurement Methods 0.000 description 8
- 238000006073 displacement reaction Methods 0.000 description 6
- 230000006870 function Effects 0.000 description 6
- 238000009434 installation Methods 0.000 description 6
- 230000001133 acceleration Effects 0.000 description 4
- 238000004891 communication Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 230000007613 environmental effect Effects 0.000 description 3
- 230000004807 localization Effects 0.000 description 3
- 230000000712 assembly Effects 0.000 description 2
- 238000000429 assembly Methods 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000004927 fusion Effects 0.000 description 2
- 230000002045 lasting effect Effects 0.000 description 2
- 238000013507 mapping Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 238000001228 spectrum Methods 0.000 description 2
- HBBGRARXTFLTSG-UHFFFAOYSA-N Lithium ion Chemical compound [Li+] HBBGRARXTFLTSG-UHFFFAOYSA-N 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000003139 buffering effect Effects 0.000 description 1
- 230000019771 cognition Effects 0.000 description 1
- 230000001149 cognitive effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 229910001416 lithium ion Inorganic materials 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 230000002035 prolonged effect Effects 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 230000009897 systematic effect Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
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
- G01C21/34—Route searching; Route guidance
- G01C21/3407—Route searching; Route guidance specially adapted for specific applications
- G01C21/3415—Dynamic re-routing, e.g. recalculating the route when the user deviates from calculated route or after detecting real-time traffic data or accidents
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Automation & Control Theory (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Position Fixing By Use Of Radio Waves (AREA)
- Navigation (AREA)
Abstract
本公开实施例涉及智能驾驶车辆定位方法和系统、计算机存储介质和定位设备,用于在所述智能驾驶车辆的定位不能支持所述智能驾驶车辆智能驾驶时,进行重定位。该方法包括:按照预设规则控制所述智能驾驶车辆,其中所述预设规则用于改变所述智能驾驶车辆的定位传感器位置和/或所述智能驾驶车辆的位置;在根据预设规则控制所述智能驾驶车辆的同时,进行重定位。本公开的实施例中,智能驾驶车辆在定位失败之后不会直接停下,而是按照预设规则移动本体或者移动本体上的定位传感器,并在移动的过程中进行重定位,这样能够增强智能驾驶车辆定位成功的概率。
Description
技术领域
本公开的实施例涉及智能驾驶技术领域,尤其涉及智能驾驶车辆定位方法和系统、计算机存储介质和定位设备。
背景技术
智能驾驶技术涉及计算机科学、通信科学、认知科学、车辆工程、电子电气工程、控制科学与工程、系统科学与技术、人机工程科学、人工智能等诸多科学。无人驾驶车的出现,从根本上改变了传统的“人-车-路”闭环系统中的车辆驾驶方式,将驾驶员从长时间的繁琐、低级、持久的驾驶活动中解放出来,利用先进的传感器以及信息技术控制车辆行驶,让驾驶活动中常规、持久、低级、重复的操作自动完成,能够极大地提高交通系统的效率和安全,提高人类移动生活的品质,具有广泛的社会应用价值。同时,智能驾驶技术的研究将极大地增强我国在汽车主动安全等方面的核心竞争力,对提升我国汽车电子产品和汽车产业自主创新能力具有重大的战略意义。
智能驾驶车辆在车辆动力学的基础上,包括环境感知与自学习、导航、网络通讯、智能决策、车辆控制、认知模拟与计算等部分。其中环境感知与学习能够使得车辆获取当前的定位信息,进而使得其他部分能够根据定位信息进行路径规划并控制智能驾驶车辆的行驶。
在对相关现有技术研究的过程中,智能驾驶车辆在行驶过程中,由于各种因素的影响,例如信号的缺失、环境的变化,会造成智能驾驶车辆丢失自己的定位。而智能驾驶车辆在丢失定位后往往会直接停止移动,等待人工介入。或者智能驾驶车辆在系统启动时,无法通过传感器感知到的周围的环境信息解算自身的定位,这样会造成智能驾驶车辆的系统无法正常启动。
发明内容
本公开提供了一种定位方法和系统解决上述问题。
第一方面,本公开的实施例提供了一种智能驾驶车辆定位方法,用于在所述智能驾驶车辆的定位不能支持所述智能驾驶车辆智能驾驶时,进行重定位,包括:
按照预设规则控制所述智能驾驶车辆,其中所述预设规则用于改变所述智能驾驶车辆的定位传感器位置和/或所述智能驾驶车辆的位置;
在根据预设规则控制所述智能驾驶车辆的同时,进行重定位。
在一些实施例中,进一步包括:
确定所述重定位前的最后定位结果为所述当前车辆的当前位置。
在一些实施例中,所述预设规则包括以下至少一种:
控制所述智能驾驶车辆根据历史路径进行移动,其中所述历史路径是距离进行所述重定位最近的时刻;
控制车辆从所述当前位置向优良定位点移动,其中所述优良定位点是预先设置在地图中的定位成功率高于设定阈值的位置点;
控制车辆向基于所述车辆的感知传感器判定的安全方向移动。
在一些实施例中,所述预设规则还包括:
移动所述智能驾驶车辆的定位传感器。
在一些实施例中,所述进行重定位包括:
确定移动后的所述定位传感器与所述智能驾驶车辆的相对关系;
在所述定位传感器重定位成功后,基于所述相对关系计算所述智能驾驶车辆的定位。
在一些实施例中,进一步包括:
在确定所述智能驾驶车辆的定位后,移动所述定位传感器至预先设定位置。
在一些实施例中,所述定位传感器包括以下至少一种:
GPS设备;
惯性测量单元;
激光雷达;
视觉传感器;
超带宽定位传感器;
里程计。
在一些实施例中,还包括:
在进行重定位成功之后,基于重定位获得的位置以及所述智能驾驶车辆的目的地址,重新进行路径规划。
第二方面,本公开的实施例提供了一种智能驾驶车辆定位系统,用于在所述智能驾驶车辆的定位不能支持所述智能驾驶车辆智能驾驶时,进行重定位,包括:
控制模块,用于按照预设规则控制所述智能驾驶车辆,其中所述预设规则用于改变所述智能驾驶车辆的定位传感器位置和/或所述智能驾驶车辆的位置;
重定位模块,用于在根据预设规则控制所述智能驾驶车辆的同时,进行重定位。
在一些实施例中,所述控制模块还用于确定所述重定位前的最后定位结果为所述当前车辆的当前位置。
在一些实施例中,所述预设规则包括以下至少一种:
控制所述智能驾驶车辆根据历史路径进行移动,其中所述历史路径是距离进行所述重定位最近的时刻;
控制车辆从所述当前位置向优良定位点移动,其中所述优良定位点是预先设置在地图中的定位成功率高于设定阈值的位置点;
控制车辆向基于所述车辆的感知传感器判定的安全方向移动。
在一些实施例中,所述预设规则还包括:
移动所述智能驾驶车辆的定位传感器;
基于所述定位传感器进行重定位。
在一些实施例中,所述重定位模块,用于基于所述定位传感器进行重定位包括:
确定移动后的所述定位传感器与所述智能驾驶车辆的相对关系;
在所述定位传感器重定位成功后,基于所述相对关系计算所述智能驾驶车辆的定位。
在一些实施例中,所述控制模块还用于在确定所述智能驾驶车辆的定位后,移动所述定位传感器至预先设定位置。
在一些实施例中,所述定位传感器包括以下至少一种:
GPS设备;
惯性测量单元;
激光雷达;
视觉传感器;
超带宽定位传感器;
里程计。
在一些实施例中,还包括:路径规划模块,用于在进行重定位成功之后,基于重定位获得的位置以及所述智能驾驶车辆的目的地址,重新进行路径规划。
第三方面,本公开的实施例提供了一种定位设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现如第一方面中任一所述的方法。
第四方面,本公开的实施例提供了一种智能驾驶车辆,包括如第三方面所述的定位设备。
第五方面,本公开的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,其特征在于,该程序被处理器执行时实现如第一方面中任一所述的方法。
本公开至少一个实施例中,智能驾驶车辆在定位失败之后不会直接停下,而是按照预设规则移动本体或者移动本体上的定位传感器,并在移动的过程中进行重定位,这样能够增强智能驾驶车辆定位成功的概率。
附图说明
图1示出了本公开一实施例提供的定位设备的主要结构;
图2示出了本公开一实施例提供的智能驾驶车辆定位方法的主要流程;
图3示出了本公开一实施例提供的智能驾驶车辆定位系统的主要结构。
具体实施方式
应当理解,此处所描述的具体实施例仅仅用以解释本公开,并不用于限定本公开。
以下将描述一个或多个特定实施例。为了提供对这些实施例的简洁说明,在说明书中并未描述实际实施方式的所有特征。应当意识到的是,在开发任一个这种实际实现方式时,如同在任意工程或设计项目中,多种特定于实现方式的决定必须被做出以实现开发者的特定目标,诸如遵从系统相关和商业相关的约束条件,这可能随着实施方式的不同而不同。而且,应当意识到,这种开发工作可能是复杂且耗时的,但是对于从本公开中得益的本领域普通技术人员来说将仍然只是设计、构造和生产的常规任务。
如在以下将要讨论的,本公开的实施例主要是涉及智能驾驶车辆的定位技术,尤其是在智能驾驶车辆的定位不能支持所述智能驾驶车辆智能驾驶时的重定位技术。应当理解的是,这里智能驾驶车辆的定位不能支持所述智能驾驶车辆智能驾驶并不仅是指智能驾驶车辆无法完成定位的情况,还包括定位所得到的位置信息不能因为精度不够而无法支持智能驾驶车辆的智能驾驶的情况。
本公开实施例所涉及的智能驾驶车辆的定位技术可以主要是有智能驾驶车辆相应的定位设备执行。这里的定位设备可包括各种内部和/或外部组件,它们致力于实现定位设备的功能。参见图1,示出了本公开一实施例提供的定位设备的主要结构。可包括输入/输出(I/O)端口12、一个或多个处理器14、存储器设备16、非易失性存储器18、电源26等。
在继续之前,应当明白的是,图1所示的设备10的系统框图意指高层控制图,其描述可能包含在这种设备10中的各种细件。也就是,图1所示的每个单个组件之间的连接线并不必需表示数据所流经的路径或方向或者在设备10的各种组件之间传输数据的路径或方向。事实上,如以下讨论的,在一些实施例中,所描述的处理器14可包括多个处理器,诸如主处理器(例如,CPU)以及专用图像和/或视频处理器。
对于图1中所图示的每个细件,I/O端口12可包括被配置成连接到各种外部设备的端口,在一些实施例中,这里的I/O端口12可以连接到各种定位传感器,比如GPS定位传感器、Vslam定位传感器等。在下文中,会有关于定位传感器的具体描述,这里不详细说明。I/O端口12可支持任意合适的接口类型,诸如通用串行总线(USB)端口、串行连接端口、IEEE-1394(火线)端口、以太网或调制解调器端口和/或AC/DC电源连接端口。
除了处理器14可控制设备10的一般操作。举例来说,处理器14可提供处理能力来执行操作系统、程序、用户和应用接口以及定位设备10的其他任何功能。处理器14可包括一个或多个微处理器,诸如一个或多个“通用”微处理器、一个或多个特定用途微处理器和/或特定于应用的微处理器(ASIC),或这些处理组件的组合。例如,处理器14可包括一个或多个指令集(例如,RISC)处理器,还可能包含有图形处理器(GPU)、视频处理器、音频处理器和/或有关的芯片集。应当理解,处理器14可耦合到一个或多个用于在设备10的各种组件之间传送数据和指令的数据总线。
要由处理器14处理的指令或数据可存储在计算机可读介质中,诸如存储器设备18。存储器设备18可以提供作为易失性存储器,诸如随机存取存储器(RAM)或提供作为非易失性存储器,诸如只读存储器(ROM),或提供作为一个或多个RAM和ROM设备的组合。存储器18可存储各种信息,且可以用于各种用途。例如,存储器18可存储用于定位设备10的固件,诸如基本输入/输出系统(BIOS)、操作系统、各种程序、应用或任意其他能在定位设备10上执行的例程,包括用户界面功能、处理器功能等等。此外,存储器18可用于在定位设备10工作期间缓冲或高速缓存。
除了存储器设备18之外,定位设备10可进一步包括非易失性存储装置20,用于数据和/或指令的永久存储。非易失性存储装置20可包括闪存、硬盘驱动器或任意其他光、磁和/或固态存储介质,或者它们的某种组合。
设备10的电源26可具有在非便携式和便携式设定下向设备10供电的能力。例如,在便携式设定下,设备10可包括一个或多个为设备10供电的电池,诸如锂离子电池。电池可通过将设备10连接到诸如壁式电插座的外部电源而被重复充电。在非便携式设定下,电源26可包括供电单元(PSU),其被配置成从壁式电插座汲取电力,并将电力分配到非便携式电子设备的各种元件,诸如桌面型计算系统。
本公开第一方面的实施例提供了一种智能驾驶车辆定位方法,该方法可以由例如图1中所示的定位设备执行,用于在智能驾驶车辆的定位不能支持所述智能驾驶车辆智能驾驶时,进行重定位;在具体实施时,定位设备中的定位部分在智能驾驶车辆行进过程中可以进行实时的定位,并输出位置信息给相应的智能驾驶控制系统。当位置信息的精度足以支持智能驾驶控制系统进行智能驾驶的控制时,智能驾驶系统会根据该位置信息以及相关的地图生成相应的控制参数,控制智能驾驶车辆的行驶。当位置信息的精度不足以支持智能驾驶控制系统进行智能驾驶的控制时,智能驾驶控制系统可以向定位设备的定位部分输出反馈结果,定位部分据此判断智能驾驶车辆的定位不能支持所述智能驾驶车辆智能驾驶。
另外应当说明的是,这里所指的“用于在智能驾驶车辆的定位不能支持所述智能驾驶车辆智能驾驶时,进行重定位”是为了说明该方法所应用的场景,而不能仅理解为“在智能驾驶车辆的定位不能支持所述智能驾驶车辆智能驾驶时”就是“进行重定位”的触发事件。在具体实施时,进行重定位的触发事件可以是“智能驾驶车辆的定位不能支持所述智能驾驶车辆智能驾驶”,也可以是其他的事件(比如在“智能驾驶车辆的定位不能支持所述智能驾驶车辆智能驾驶”之后,所产生的其他的事件)。
图2是根据本申请一些实施例所示的智能驾驶车辆定位的示例性流程图。在步骤S21处,按照预设规则控制所述智能驾驶车辆,其中所述预设规则用于改变所述智能驾驶车辆的定位传感器位置和/或所述智能驾驶车辆的位置。
在具体实施时,这里的定位传感器可以为多种不同类型的定位传感器。比如可以包括如下定位传感器中的一种或者多种:GPS(Global Positioning System,全球定位系统设备)设备;IMU(inertial measurement unit,惯性测量单元)单元;激光雷达;视觉传感器;超带宽定位传感器;里程计。
在一些实施例中,所述的定位传感器采用单个GPS设备。在一些实施例中,单个GPS设备可以采用差分定位方法,通过与基准站的已知精密坐标计算基准站到卫星的距离改正参数,从而获得更为精确的定位。在一些实施例中,所属的定位传感器可以采用多个GPS设备。其中,采用多个GPS设备是获取更高的定位精度,例如,可以利用多个GPS设备进行相互校准从而获得更高的定位精度。
在一些实施例中,所属的定位传感器可以采用IMU设备。在一些实施例中,IMU定位通过测量物体的加速度和三轴姿态角,并对加速度进行积分,得到相应的位移变化量,并基于上一时刻的位置信息得到当前时刻的位置信息。
在一些实施例中,所述定位传感器可以采用激光雷达。在一些实施例中,激光雷达可以通过SLAM(simultaneous localization and mapping,定位与地图构建)的方式进行定位。其中,所述SLAM是指运动物体根据传感器采集的信息,一边计算自身位置,一边构建环境地图的过程。这样相应的设备(比如机器人、智能驾驶汽车等)随着对环境的探索,逐步扩大自身存储的地图的广度,并实时的将位置信息标定在新创建的地图中。
在一些实施例中,所述定位传感器可以采用视觉传感器。在一些实施例中,所述视觉传感器可以通过V-SLAM、二维码定位等方式实现智能设备的定位。其中V-SLAM是指通过视觉传感器实现SLAM的过程;所述二维码定位包括预先在环境中布置相应的二维码,然后采用摄像头等二维码进行拍摄和识别,由于二维码中包含相应的位置信息,并通过拍摄角度从而进行当前智能设备的定位。
在一些实施例中,所述定位传感器可以采用超带宽定位传感器UWB。UWB(UltraWideband)是一种无载波通信技术,利用纳秒至微微秒级的非正弦波窄脉冲传输数据。通过在较宽的频谱上传送极低功率的信号,UWB能在10米左右的范围内实现数百Mbit/s至数Gbit/s的数据传输速率。具体如何通过超带宽定位传感器UWB实现定位可以参考相关现有技术,在此不再赘述。
在一些实施例中,所述定位传感器可以采用里程计。里程计主要用于测量一个运动物体的轨迹,具体实施时,通过许多不同的手段来实现。例如,在汽车轮胎上安装计数码盘,就可以得到轮胎转动的距离,从而得到汽车的估计。或者,也可以测量汽车的速度、加速度,通过时间积分来计算它的位移。完成这种运动估计的装置(包括硬件和算法)叫做里程计(Odometry)。在具体实施时,里程计的种类可以有多种,比如视觉里程计等。关于里程计的具体技术细节可以参考相关现有技术,在此不再赘述。
在一些实施例中,所述定位传感器可以包括GPS设备、IMU、激光雷达、视觉传感器、UWB和/或里程计中的两种或者两种以上任意组合。当定位传感器包含多种时,在进行定位时,可以对多个定位传感器采集的位置信息进行融合,使得最终得到的位置信息更为准确。在一些实施例中,所述定位传感器的位置信息融合包括取各个定位传感器所得到的定位位置的中心点、直接对相应的坐标指求平均值、根据函数关系针对所属的位置信息处理等方式中的一种或者多种。
不难理解的是,这里的预设规则的控制结果是“改变所述智能驾驶车辆的定位传感器位置和/或所述智能驾驶车辆的位置”,控制的形式并不限定。在能够改变定位传感器的位置或者改变整个智能驾驶车辆的位置的前提下,都能够使得定位传感器在一个新的位置进行重定位,这样就增加定位设备重定位成功的概率。下面对本公开一些实施例提供的“预设规则”进行说明。
在一些实施例中,所述的预设规则包括控制所述智能驾驶车辆根据最近的历史路径进行移动;所述最近的历史路径是指车辆在丢失定位进行重定位之前所移动的历史路径。当智能驾驶车辆由一个定位成功(如以上所述的,这里的定位成功是指定位得到的位置信息足以支持智能驾驶)的位置点向一个新的位置点移动且定位失败时,通过反向控制向定位失败前的位置回退,一般能够使得智能驾驶车辆重新定位成功。在回退的过程中,通过获取智能驾驶车辆行驶在所述历史路径上时的历史控制参数,并根据所述历史控制参数生成新的控制参数,使得智能驾驶车辆沿历史路径回退。
在一些实施例中,所述的预设规则包括控制车辆从所述当前位置向优良定位点移动,其中所述优良定位点是预先设置在地图中的定位成功率高于设定阈值的位置点。在具体实施时,可以预先在地图中对大量的位置点处的定位成功率进行测量并标记,所标记的定位成功率能够被智能驾驶车辆读取。在智能驾驶车辆丢失定位之后,可以读取地图中多个位置点的定位成功率,之后向定位成功率高于设定值的位置点移动。应当说明的是,由于此时智能驾驶车辆的定位丢失,此时智能驾驶车辆可能不能根据当前实际的位置信息规划去往优良位置点的路径并进行相应的控制,此时可以按照如下方式确定智能驾驶车辆的当前位置:确定所述重定位前的最后定位结果为所述当前车辆的当前位置。由于最后定位结果与当前实际的位置信息一般不会相差很大,这样的方式能够减少路径规划以及车辆控制的误差。
另外值得说明的是,虽然这里所提到的将“确定所述重定位前的最后定位结果为所述当前车辆的当前位置”的步骤是为了能够向优良定位点移动,但是在实际应用中,这样的步骤也可以用以其他的过程(比如其他必须基于位置信息才能执行的过程)。
在一些实施例中,所述的预设规则包括控制车辆向基于所述车辆的感知传感器判定的安全方向移动。在实际场景中时,智能驾驶车辆一般是行驶在道路上,在定位丢失时,可以控制车辆继续在道路上行驶,并避开相应的障碍。这样也能够改变车辆的位置,增加车辆重定位成功的概率。
在一些实施例中,所述预设规则包括调整移动所述智能驾驶车辆的定位传感器。不难理解的是,这里所指的移动定位传感器是指改变定位传感器在智能驾驶车辆上的位置,这样也能够客观上改变定位传感器的绝对位置或者定位传感器被智能驾驶车辆遮挡的方向,这样也有助于增加重定位成功的概率。在一些实施例中,所述的定位传感器在智能驾驶车辆上
应当理解的是,以上对于预设规则的描述,仅为描述方便,并不能把本申请限制在所举实施例范围之内。可以理解,对于本领域的技术人员来说,在了解该预设规则的原理后,可能在不背离这一原理的情况下,对不同的预设规则进行任意组合,或者在所述预设规则上增加新的内容,对所属预设规则进行形式和细节上的各种修正和改变。例如,所述预设规则还包括同时移动车辆位置和传感器位置。诸如此类的变形,均在本申请的保护范围之内。
在步骤S22处,在根据预设规则控制所述智能驾驶车辆的同时,进行重定位。
在一些实施例中,在根据上述的预设规则控制所述智能驾驶车辆时,定位传感器的绝对位置发生改变,即定位传感器位于新的位置点,此时进行重定位能够增加重定位成功的概率。
在一些实施例中,在根据预设规则控制所属智能驾驶车辆后,如果所述定位传感器和所述智能驾驶车辆的相对位置发生变化,则通过以下步骤进行重定位:
确定移动后的所述定位传感器与所述智能驾驶车辆的相对关系;
在所述定位传感器重定位成功后,基于所述相对关系计算所述智能驾驶车辆的定位。
其中,所述定位传感器与所述智能驾驶车辆的相对关系根据所述定位传感器移动的距离和移动前所述定位传感器与所述智能驾驶车辆的相对关系确定,例如,在车辆坐标系(例如,以车辆后轴为中心,车辆后轴向右为x轴正方向,以车头朝向为y轴正方向)上,所述定位传感器在车上的位置在x轴和y轴上发生变化,则通过原来所述定位传感器与所述智能驾驶车辆的相对关系可以确定当前所述定位传感器与所述智能驾驶车辆的相对关系。在一些实施例中,当重定位成功后,即可根据所述定位传感器与所述智能驾驶车辆的相对关系得到所述智能驾驶车辆的位置。一般的,在能够正常定位的情况下,定位传感器位于其安装位置,定位设备以该安装位置为基准位置并基于定位传感器的测量结果确定智能驾驶车辆的位置,当定位传感器被移动之后,应考虑移动传感器相对于其安装位置的位移,此时这里所指的“所述定位传感器与所述智能驾驶车辆的相对关系”某种程度上可以理解为定位传感器的当前位置与其安装位置的相对位置。
在一些实施例中,当车辆重定位成功后,进一步包括:移动所述定位传感器至预先设定位置。可以理解的是这里的预先设定位置是指预先设定的用于安装定位传感器的位置。这样就能够自动的将移动定位传感器还原到其对应的设定位置。如以上所提出的,通过控制能够移动定位传感器的相关结构实现“移动所述定位传感器至预先设定位置”。
在一些实施例中,相应的方法还可以包括在重定位成功之后,基于重定位后的位置以及智能驾驶车辆的目的地址重新进行路径规划的过程。这里所指的重新进行路径的规划可以是指规划一条与之前规划的路径不同的路径。由于按照之前规划的路径很可能导致再次的定位失败,重新进行路径的规划能够降低再次定位失败的概率。另外,在一些情况下,智能驾驶车辆在定位失败并按照上述的预设规则重定位成功获得车辆的定位之后,其位置可能已经偏离之前规划的路径,通过上述的重新规划路径的过程,能够使得智能驾驶车辆及时调整路径,避免偏离目的地址行驶的情况。
图3是本公开一些实施例的智能驾驶车辆定位系统的示例性框图。该系统用于在所述智能驾驶车辆的定位不能支持所述智能驾驶车辆智能驾驶时,进行重定位,在具体实施时,定位设备中的定位部分在智能驾驶车辆行进过程中可以进行实时的定位,并输出位置信息给相应的智能驾驶控制系统。当位置信息的精度足以支持智能驾驶控制系统进行智能驾驶的控制时,智能驾驶系统会根据该位置信息以及相关的地图生成相应的控制参数,控制智能驾驶车辆的行驶。当位置信息的精度不足以支持智能驾驶控制系统进行智能驾驶的控制时,智能驾驶控制系统可以向定位设备的定位部分输出反馈结果,定位部分据此判断智能驾驶车辆的定位不能支持所述智能驾驶车辆智能驾驶。
另外应当说明的是,这里所指的“用于在智能驾驶车辆的定位不能支持所述智能驾驶车辆智能驾驶时,进行重定位”是为了说明该方法所应用的场景,而不能仅理解为“在智能驾驶车辆的定位不能支持所述智能驾驶车辆智能驾驶时”就是“进行重定位”的触发事件。在具体实施时,进行重定位的触发事件可以是“智能驾驶车辆的定位不能支持所述智能驾驶车辆智能驾驶”,也可以是其他的事件(比如在“智能驾驶车辆的定位不能支持所述智能驾驶车辆智能驾驶”之后,所产生的其他的事件)。
如图3所示,该系统可以包括:
控制模块31,用于按照预设规则控制所述智能驾驶车辆,其中所述预设规则用于改变所述智能驾驶车辆的定位传感器位置和/或所述智能驾驶车辆的位置;
在具体实施时,这里的定位传感器可以为多种不同类型的定位传感器。比如可以包括如下定位传感器中的一种或者多种:GPS(Global Positioning System,全球定位系统设备)设备;IMU(inertial measurement unit,惯性测量单元)单元;激光雷达;视觉传感器。
在一些实施例中,所述的定位传感器采用单个GPS设备。在一些实施例中,单个GPS设备可以采用差分定位方法,通过与基准站的已知精密坐标计算基准站到卫星的距离改正参数,从而获得更为精确的定位。在一些实施例中,所属的定位传感器可以采用多个GPS设备。其中,采用多个GPS设备是获取更高的定位精度,例如,可以利用多个GPS设备进行相互校准从而获得更高的定位精度。
在一些实施例中,所属的定位传感器可以采用IMU设备。在一些实施例中,IMU定位通过测量物体的加速度和三轴姿态角,并对加速度进行积分,得到相应的位移变化量,并基于上一时刻的位置信息得到当前时刻的位置信息。
在一些实施例中,所述定位传感器可以采用激光雷达。在一些实施例中,激光雷达可以通过SLAM(simultaneous localization and mapping,定位与地图构建)的方式进行定位。其中,所述SLAM是指运动物体根据传感器采集的信息,一边计算自身位置,一边构建环境地图的过程。这样相应的设备(比如机器人、智能驾驶汽车等)随着对环境的探索,逐步扩大自身存储的地图的广度,并实时的将位置信息标定在新创建的地图中。
在一些实施例中,所述定位传感器可以采用视觉传感器。在一些实施例中,所述视觉传感器可以通过V-SLAM、二维码定位等方式实现智能设备的定位。其中V-SLAM是指通过视觉传感器实现SLAM的过程;所述二维码定位包括预先在环境中布置相应的二维码,然后采用摄像头等二维码进行拍摄和识别,由于二维码中包含相应的位置信息,并通过拍摄角度从而进行当前智能设备的定位。
在一些实施例中,所述定位传感器可以采用超带宽定位传感器UWB。UWB(UltraWideband)是一种无载波通信技术,利用纳秒至微微秒级的非正弦波窄脉冲传输数据。通过在较宽的频谱上传送极低功率的信号,UWB能在10米左右的范围内实现数百Mbit/s至数Gbit/s的数据传输速率。具体如何通过超带宽定位传感器UWB实现定位可以参考相关现有技术,在此不再赘述。
在一些实施例中,所述定位传感器可以采用里程计。里程计主要用于测量一个运动物体的轨迹,具体实施时,通过许多不同的手段来实现。例如,在汽车轮胎上安装计数码盘,就可以得到轮胎转动的距离,从而得到汽车的估计。或者,也可以测量汽车的速度、加速度,通过时间积分来计算它的位移。完成这种运动估计的装置(包括硬件和算法)叫做里程计(Odometry)。在具体实施时,里程计的种类可以有多种,比如视觉里程计等。关于里程计的具体技术细节可以参考相关现有技术,在此不再赘述。
在一些实施例中,所述定位传感器可以包括GPS设备、IMU、激光雷达和/或视觉传感器、UWB和/或里程计中的两种或者两种以上任意组合。当定位传感器包含多种时,在进行定位时,可以对多个定位传感器采集的位置信息进行融合,使得最终得到的位置信息更为准确。在一些实施例中,所述定位传感器的位置信息融合包括取各个定位传感器所得到的定位位置的中心点、直接对相应的坐标指求平均值、根据函数关系针对所属的位置信息处理等方式中的一种或者多种。
不难理解的是,这里的预设规则的控制结果是“改变所述智能驾驶车辆的定位传感器位置和/或所述智能驾驶车辆的位置”,控制的形式并不限定。在能够改变定位传感器的位置或者改变整个智能驾驶车辆的位置的前提下,都能够使得定位传感器在一个新的位置进行重定位,这样就增加定位设备重定位成功的概率。下面对本公开一些实施例提供的“预设规则”进行说明。
在一些实施例中,所述的预设规则包括控制所述智能驾驶车辆根据最近的历史路径进行移动;所述最近的历史路径是指车辆在丢失定位进行重定位之前所移动的历史路径。当智能驾驶车辆由一个定位成功(如以上所述的,这里的定位成功是指定位得到的位置信息足以支持智能驾驶)的位置点向一个新的位置点移动且定位失败时,通过反向控制向定位失败前的位置回退,一般能够使得智能驾驶车辆重新定位成功。在回退的过程中,通过获取智能驾驶车辆行驶在所述历史路径上时的历史控制参数,并根据所述历史控制参数生成新的控制参数,使得智能驾驶车辆沿历史路径回退。
在一些实施例中,所述的预设规则包括控制车辆从所述当前位置向优良定位点移动,其中所述优良定位点是预先设置在地图中的定位成功率高于设定阈值的位置点。在具体实施时,可以预先在地图中对大量的位置点处的定位成功率进行测量并标记,所标记的定位成功率能够被智能驾驶车辆读取。在智能驾驶车辆丢失定位之后,可以读取地图中多个位置点的定位成功率,之后向定位成功率高于设定值的位置点移动。应当说明的是,由于此时智能驾驶车辆的定位丢失,此时智能驾驶车辆可能不能根据当前实际的位置信息规划去往优良位置点的路径并进行相应的控制,此时控制模块31可以按照如下方式确定智能驾驶车辆的当前位置:确定所述重定位前的最后定位结果为所述当前车辆的当前位置。由于最后定位结果与当前实际的位置信息一般不会相差很大,这样的方式能够减少路径规划以及车辆控制的误差。
另外值得说明的是,虽然这里所提到的将“控制模块31确定所述重定位前的最后定位结果为所述当前车辆的当前位置”是为了能够向优良定位点移动,但是在实际应用中,也可以用以其他的过程(比如其他必须基于位置信息才能执行的过程)。
在一些实施例中,所述的预设规则包括控制车辆向基于所述车辆的感知传感器判定的安全方向移动。在实际场景中时,智能驾驶车辆一般是行驶在道路上,在定位丢失时,可以控制车辆继续在道路上行驶,并避开相应的障碍。这样也能够改变车辆的位置,增加车辆重定位成功的概率。这里所指的感知传感器是指具有感知功能的传感器,比如可以为用于感知障碍的避障传感器,此时上述预设的规则可以是指控制车辆在移动时避开障碍。在具体实施时,这里的障碍传感器可以是指双目摄像头等。
在一些实施例中,所述预设规则包括调整移动所述智能驾驶车辆的定位传感器。不难理解的是,这里所指的移动定位传感器是指改变定位传感器在智能驾驶车辆上的位置,这样也能够客观上改变定位传感器的绝对位置或者定位传感器被智能驾驶车辆遮挡的方向,这样也有助于增加重定位成功的概率。在一些实施例中,所述的定位传感器在智能驾驶车辆上
应当理解的是,以上对于预设规则的描述,仅为描述方便,并不能把本申请限制在所举实施例范围之内。可以理解,对于本领域的技术人员来说,在了解该预设规则的原理后,可能在不背离这一原理的情况下,对不同的预设规则进行任意组合,或者在所述预设规则上增加新的内容,对所属预设规则进行形式和细节上的各种修正和改变。例如,所述预设规则还包括同时移动车辆位置和传感器位置。诸如此类的变形,均在本申请的保护范围之内。
重定位模块32,用于在根据预设规则控制所述智能驾驶车辆的同时,进行重定位。
在一些实施例中,在根据上述的预设规则控制所述智能驾驶车辆时,定位传感器的绝对位置发生改变,即定位传感器位于新的位置点,此时进行重定位能够增加重定位成功的概率。
在一些实施例中,在根据预设规则控制所属智能驾驶车辆后,如果所述定位传感器和所述智能驾驶车辆的相对位置发生变化,则重定位模块32可以通过以下步骤进行重定位:
确定移动后的所述定位传感器与所述智能驾驶车辆的相对关系;
在所述定位传感器重定位成功后,基于所述相对关系计算所述智能驾驶车辆的定位。
其中,所述定位传感器与所述智能驾驶车辆的相对关系根据所述定位传感器移动的距离和移动前所述定位传感器与所述智能驾驶车辆的相对关系确定,例如,在车辆坐标系(例如,以车辆后轴为中心,车辆后轴向右为x轴正方向,以车头朝向为y轴正方向)上,所述定位传感器在车上的位置在x轴和y轴上发生变化,则通过原来所述定位传感器与所述智能驾驶车辆的相对关系可以确定当前所述定位传感器与所述智能驾驶车辆的相对关系。在一些实施例中,当重定位成功后,即可根据所述定位传感器与所述智能驾驶车辆的相对关系得到所述智能驾驶车辆的位置。一般的,在能够正常定位的情况下,定位传感器位于其安装位置,定位设备以该安装位置为基准位置并基于定位传感器的测量结果确定智能驾驶车辆的位置,当定位传感器被移动之后,应考虑移动传感器相对于其安装位置的位移,此时这里所指的“所述定位传感器与所述智能驾驶车辆的相对关系”某种程度上可以理解为定位传感器的当前位置与其安装位置的相对位置。
在一些实施例中,上述的控制模块31还可以用于在车辆重定位成功后移动所述定位传感器至预先设定位置。可以理解的是这里的预先设定位置是指预先设定的用于安装定位传感器的位置。这样就能够自动的将移动定位传感器还原到其对应的设定位置。如以上所提出的,通过控制能够移动定位传感器的相关结构实现“移动所述定位传感器至预先设定位置”。
在一些实施例中,上述的系统还可以包括路径规划模块,路径规划模块用于在重定位成功之后,基于重定位后的位置以及智能驾驶车辆的目的地址重新进行路径规划。这里所指的重新进行路径的规划可以是指规划一条与之前规划的路径不同的路径。由于按照之前规划的路径很可能导致再次的定位失败,重新进行路径的规划能够降低再次定位失败的概率。另外,在一些情况下,智能驾驶车辆在定位失败并按照上述的预设规则重定位成功获得车辆的定位之后,其位置可能已经偏离之前规划的路径,通过上述的重新规划路径的过程,能够使得智能驾驶车辆及时调整路径,避免偏离目的地址行驶的情况。
在具体实施时,以上所指的智能驾驶车辆定位系统可以是指软件系统中的功能模块,也可以是由硬件的方式实现,软件功能模块和相应的硬件模块共同配合实现。并且应当说明的是,在具体实施时,以上的各个系统可以按照需要进行相应的拆分和组合,相应的技术方案也可以达到本公开的实施例的基本目的,也应该落入本公开的保护范围。
第三方面,本公开的实施例提供了一种定位设备,所述定位设备包括至少一个处理器和一个存储器,所述存储器耦接至所述处理器;所述处理器被配置为执行所述存储器中存储的计算机指令;该定位设备的结构可以参考图1中示出的定位设备,所述存储器在执行所述计算机指令时,执行第一方面任意实施例所述的方法的步骤。
第四方面,本公开一实施例还提供了一种智能驾驶车辆,该智能驾驶汽车包括如第三方面所述的定位设备。不难理解的是,这里的智能驾驶车辆是指采用了智能驾驶技术的车辆。智能驾驶技术可以参照上文中的相关说明,这里不再赘述。
第五方面,本公开一实施例提供了一种计算机存储介质,所述计算机存储介质中存储有可被计算机设备执行的指令代码;所述指令代码在被计算机设备执行时,执行第一方面任意实施例所述的方法的步骤法。
可以理解的是,本公开第二、第三、第五方面的实施例所提供的装置、计算机存储介质以及电子设备主要用以或者配置为执行第一方面的实施例所提供的测试仿真方法。本公开第二、第三、第五方面的实施例中的术语以及相应的实施方式可以参照第一方面的实施例,在此不再赘述。
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、物品或者装置不仅包括那些要素,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、物品或者装置所固有的要素。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、物品或者装置中还存在另外的相同要素。
上述本公开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,本公开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ROM/RAM、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)执行本公开各个实施例所述的方法。
以上仅为本公开的优选实施例,并非因此限制本公开的专利范围,凡是利用本公开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,均同理包括在本公开的专利保护范围内。
Claims (10)
1.一种智能驾驶车辆定位方法,用于在所述智能驾驶车辆的定位不能支持所述智能驾驶车辆智能驾驶时,进行重定位,其特征在于,包括:
按照预设规则控制所述智能驾驶车辆,其中所述预设规则用于改变所述智能驾驶车辆的定位传感器位置和/或所述智能驾驶车辆的位置;
在根据预设规则控制所述智能驾驶车辆的同时,进行重定位。
2.根据权利要求1所述的方法,其特征在于,进一步包括:
确定所述重定位前的最后定位结果为所述当前车辆的当前位置。
3.根据权利要求2所述的方法,其特征在于,所述预设规则包括以下至少一种:
控制所述智能驾驶车辆根据历史路径进行移动,其中所述历史路径是距离进行所述重定位最近的时刻;
控制车辆从所述当前位置向优良定位点移动,其中所述优良定位点是预先设置在地图中的定位成功率高于设定阈值的位置点;
控制车辆向基于所述车辆的感知传感器判定的安全方向移动。
4.根据权利要求1所述的方法,其特征在于,所述预设规则还包括:
移动所述智能驾驶车辆的定位传感器。
5.一种智能驾驶车辆定位系统,用于在所述智能驾驶车辆的定位不能支持所述智能驾驶车辆智能驾驶时,进行重定位,其特征在于,包括:
控制模块,用于按照预设规则控制所述智能驾驶车辆,其中所述预设规则用于改变所述智能驾驶车辆的定位传感器位置和/或所述智能驾驶车辆的位置;
重定位模块,用于在根据预设规则控制所述智能驾驶车辆的同时,进行重定位。
6.根据权利要求5所述的系统,其特征在于,所述控制模块还用于确定所述重定位前的最后定位结果为所述当前车辆的当前位置。
7.根据权利要求6所述的系统,其特征在于,所述预设规则包括以下至少一种:
控制所述智能驾驶车辆根据历史路径进行移动,其中所述历史路径是距离进行所述重定位最近的时刻;
控制车辆从所述当前位置向优良定位点移动,其中所述优良定位点是预先设置在地图中的定位成功率高于设定阈值的位置点;
控制车辆向基于所述车辆的感知传感器判定的安全方向移动。
8.一种定位设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述程序时实现如权利要求1-4中任一所述的方法。
9.一种智能驾驶车辆,其特征在于,包括如权利要求8所述的定位设备。
10.一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1-4中任一所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711498723.9A CN108225362A (zh) | 2017-12-29 | 2017-12-29 | 智能驾驶车辆定位方法和系统、计算机存储介质和定位设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711498723.9A CN108225362A (zh) | 2017-12-29 | 2017-12-29 | 智能驾驶车辆定位方法和系统、计算机存储介质和定位设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108225362A true CN108225362A (zh) | 2018-06-29 |
Family
ID=62642465
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711498723.9A Pending CN108225362A (zh) | 2017-12-29 | 2017-12-29 | 智能驾驶车辆定位方法和系统、计算机存储介质和定位设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108225362A (zh) |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108917747A (zh) * | 2018-08-22 | 2018-11-30 | 深圳市优博讯科技股份有限公司 | 用于移动机器人的导航系统及导航方法 |
CN109255817A (zh) * | 2018-09-14 | 2019-01-22 | 北京猎户星空科技有限公司 | 一种智能设备的视觉重定位方法及装置 |
CN109358526A (zh) * | 2018-10-15 | 2019-02-19 | 清华大学苏州汽车研究院(吴江) | 基于仿真的自动驾驶循迹算法的软件在环测试方法 |
CN110764505A (zh) * | 2019-11-03 | 2020-02-07 | 贵州师范学院 | 一种无人驾驶汽车控制系统 |
CN111024069A (zh) * | 2019-12-20 | 2020-04-17 | 清华四川能源互联网研究院 | 一种机器人水下定位方法及机器人水下定位系统 |
CN111044069A (zh) * | 2019-12-16 | 2020-04-21 | 驭势科技(北京)有限公司 | 一种车辆定位方法、车载设备及存储介质 |
CN111142129A (zh) * | 2019-11-26 | 2020-05-12 | 北京百度网讯科技有限公司 | 定位系统测试方法、装置、设备及存储介质 |
CN113932835A (zh) * | 2021-12-17 | 2022-01-14 | 智道网联科技(北京)有限公司 | 自动驾驶车辆定位杆臂的标定方法、装置及电子设备 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20120029811A1 (en) * | 2010-08-02 | 2012-02-02 | Qualcomm Incorporated | Pnd repositioning detector for better navigation accuracy in a car |
CN103297692A (zh) * | 2013-05-14 | 2013-09-11 | 温州市凯能电子科技有限公司 | 网络摄像机快速定位系统以及其快速定位方法 |
CN104898658A (zh) * | 2014-03-06 | 2015-09-09 | 丰田自动车株式会社 | 自主移动机器人及其控制方法 |
CN105094125A (zh) * | 2014-05-09 | 2015-11-25 | 金宝电子工业股份有限公司 | 室内机器人及其定位方法 |
CN106066179A (zh) * | 2016-07-27 | 2016-11-02 | 湖南晖龙股份有限公司 | 一种基于ros操作系统的机器人位置丢失找回方法和控制系统 |
CN106092104A (zh) * | 2016-08-26 | 2016-11-09 | 深圳微服机器人科技有限公司 | 一种室内机器人的重定位方法及装置 |
CN107037806A (zh) * | 2016-02-04 | 2017-08-11 | 科沃斯机器人股份有限公司 | 自移动机器人重新定位方法及采用该方法的自移动机器人 |
CN107291077A (zh) * | 2016-04-12 | 2017-10-24 | 苏州宝时得电动工具有限公司 | 自动工作系统,自移动设备及其控制方法 |
-
2017
- 2017-12-29 CN CN201711498723.9A patent/CN108225362A/zh active Pending
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20120029811A1 (en) * | 2010-08-02 | 2012-02-02 | Qualcomm Incorporated | Pnd repositioning detector for better navigation accuracy in a car |
CN103297692A (zh) * | 2013-05-14 | 2013-09-11 | 温州市凯能电子科技有限公司 | 网络摄像机快速定位系统以及其快速定位方法 |
CN104898658A (zh) * | 2014-03-06 | 2015-09-09 | 丰田自动车株式会社 | 自主移动机器人及其控制方法 |
CN105094125A (zh) * | 2014-05-09 | 2015-11-25 | 金宝电子工业股份有限公司 | 室内机器人及其定位方法 |
CN107037806A (zh) * | 2016-02-04 | 2017-08-11 | 科沃斯机器人股份有限公司 | 自移动机器人重新定位方法及采用该方法的自移动机器人 |
CN107291077A (zh) * | 2016-04-12 | 2017-10-24 | 苏州宝时得电动工具有限公司 | 自动工作系统,自移动设备及其控制方法 |
CN106066179A (zh) * | 2016-07-27 | 2016-11-02 | 湖南晖龙股份有限公司 | 一种基于ros操作系统的机器人位置丢失找回方法和控制系统 |
CN106092104A (zh) * | 2016-08-26 | 2016-11-09 | 深圳微服机器人科技有限公司 | 一种室内机器人的重定位方法及装置 |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108917747A (zh) * | 2018-08-22 | 2018-11-30 | 深圳市优博讯科技股份有限公司 | 用于移动机器人的导航系统及导航方法 |
CN109255817A (zh) * | 2018-09-14 | 2019-01-22 | 北京猎户星空科技有限公司 | 一种智能设备的视觉重定位方法及装置 |
WO2020052667A1 (zh) * | 2018-09-14 | 2020-03-19 | 北京猎户星空科技有限公司 | 一种智能设备的视觉重定位方法及装置 |
CN109358526A (zh) * | 2018-10-15 | 2019-02-19 | 清华大学苏州汽车研究院(吴江) | 基于仿真的自动驾驶循迹算法的软件在环测试方法 |
CN109358526B (zh) * | 2018-10-15 | 2021-10-08 | 清华大学苏州汽车研究院(吴江) | 基于仿真的自动驾驶循迹算法的软件在环测试方法 |
CN110764505A (zh) * | 2019-11-03 | 2020-02-07 | 贵州师范学院 | 一种无人驾驶汽车控制系统 |
CN110764505B (zh) * | 2019-11-03 | 2022-10-04 | 华中师范大学 | 一种无人驾驶汽车控制系统 |
CN111142129A (zh) * | 2019-11-26 | 2020-05-12 | 北京百度网讯科技有限公司 | 定位系统测试方法、装置、设备及存储介质 |
CN111044069A (zh) * | 2019-12-16 | 2020-04-21 | 驭势科技(北京)有限公司 | 一种车辆定位方法、车载设备及存储介质 |
CN111024069A (zh) * | 2019-12-20 | 2020-04-17 | 清华四川能源互联网研究院 | 一种机器人水下定位方法及机器人水下定位系统 |
CN113932835A (zh) * | 2021-12-17 | 2022-01-14 | 智道网联科技(北京)有限公司 | 自动驾驶车辆定位杆臂的标定方法、装置及电子设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108225362A (zh) | 智能驾驶车辆定位方法和系统、计算机存储介质和定位设备 | |
US11740624B2 (en) | Advanced control system with multiple control paradigms | |
EP3482270B1 (en) | Magnetic field navigation of unmanned aerial vehicles | |
CN105823478A (zh) | 一种自主避障导航信息共享和使用方法 | |
WO2019173547A1 (en) | Odometry system and method for tracking traffic lights | |
CN110308716B (zh) | 一种基于集群的自动驾驶车辆的方法、装置及车辆 | |
CN109521767A (zh) | 自主导航机器人系统 | |
CN108828645A (zh) | 一种导航定位方法、系统、设备及计算机可读存储介质 | |
CN111982114B (zh) | 一种采用imu数据融合估计三维位姿的救援机器人 | |
CN103207634A (zh) | 一种智能车辆中差分gps与惯性导航数据融合的系统和方法 | |
US20220214692A1 (en) | VIsion-Based Robot Navigation By Coupling Deep Reinforcement Learning And A Path Planning Algorithm | |
US11644385B2 (en) | Controlled testing environment for autonomous vehicle in simulated event | |
CN106227232A (zh) | 无人机的控制方法、装置和设备 | |
US20190250615A1 (en) | Autonomous Skateboard | |
CN108088686A (zh) | 测试仿真方法和装置、计算机存储介质和电子设备 | |
CN105509745A (zh) | 将多个滤波器用于增强型便携式导航的方法和装置 | |
CN109085822A (zh) | 矿用无人驾驶车辆的方法和装置 | |
CN115235500A (zh) | 基于车道线约束的位姿校正方法及装置、全工况静态环境建模方法及装置 | |
CN112461249A (zh) | 根据外部源数据进行的传感器定位 | |
JP2019194592A (ja) | 運動及び位置センサを用いて車両位置を衛星に依拠して算出する方法 | |
CN112567307A (zh) | 无人机降落控制方法、装置、无人机基站及无人机系统 | |
CN106274862A (zh) | 一种倾斜坡面的自动驾驶方法、装置以及车辆 | |
US11560064B2 (en) | Renewable energy vehicle charging | |
CN117367440A (zh) | 越野线路生成系统、方法、电子设备及存储介质 | |
CN103713635A (zh) | 一种基于单片机智能小车控制系统 |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20180629 |
|
RJ01 | Rejection of invention patent application after publication |