CN108375377A - 用于确定车辆在轨道上的位置的设备和方法 - Google Patents

Abstract

本技术提供了一种用于确定车辆在轨道上的位置的设备和方法，该设备包括：存储介质，存储包括轨道的一个或多个特征的表示的轨道的地图，以及所述车辆在地图上的位置；输入电路，从附接至车辆的相机接收当车辆沿着轨道行驶时由相机捕获的多个图像；以及处理器电路，针对所述多个捕获图像中的至少一个：在图像上执行特征识别，为图像中的至少一个识别特征分配指示所述至少一个识别特征的基于识别特征调整车辆在地图上的位置的适合性的指示符，并且对于图像中的具有所述指示符的每个识别特征：当已经在轨道的地图中表示所述识别特征时，以基于识别特征的表示在地图中的位置，调整车辆在地图上的位置；否则，将识别特征的表示添加到地图。

Description

用于确定车辆在轨道上的位置的设备和方法

技术领域

本公开涉及确定车辆在轨道上的位置。

背景技术

本文提供的“背景”描述是为了总体上呈现本公开的上下文(context，背景)的目的。在本背景部分中描述的范围内的目前指定的发明人的工作以及在提交时可能不符合现有技术的描述的方面不被明确地或暗示地认可为相对于本公开的现有技术。

当车辆(例如，赛车或比赛用摩托车)位于轨道(例如，赛道)上时，希望能够在任何给定的时间确定该车辆在轨道上的位置。这例如能够跟踪在比赛期间车辆的进度。

具有用于确定车辆在轨道上的位置的几种已知方法。在一个示例中，可以使用全球导航卫星系统(GNSS)跟踪车辆。然而，这种系统通常仅能够将车辆位置确定在几米内，这意味着不能确定车辆的更准确的位置。在另一示例中，计时回路(timing loop)可以在轨道上的某些位置处集成到轨道中。这些计时回路检测车辆通过的时间，因此可以确定车辆位于轨道上的每个计时回路的位置处的准确时间。然而，当车辆在计时回路之间行驶时，不能确定关于车辆位置的这种准确信息。在另一示例中，可以使用诸如车辆的车轮速度等其他信息。然而，例如由于车辆在轨道上滑动(slide)或滑行(skid)或车轮经受车轮空转时，车轮的速度不一定反映车辆的速度，所以这通常也不是特别准确。

因此，希望能够更精确地确定车辆在轨道上的位置。

发明内容

本技术提供了一种用于确定车辆在轨道上的位置的设备，所述设备包括：存储介质，能操作用以存储轨道的地图，并且存储所述车辆在地图上的位置，轨道的地图包括轨道的一个或多个特征的表示；输入电路，能操作用以从附接至车辆的相机接收当车辆沿着轨道行驶时由相机捕获的多个图像；以及处理器电路，能操作用以针对所述多个捕获图像中的至少一个：在所述图像上执行特征识别，为所述图像中的至少一个识别特征分配指示符，所述指示符指示所述至少一个识别特征的基于识别特征调整所述车辆在地图上的位置的适合性，以及对于图像中的具有指示识别特征适合于基于所述识别特征调整所述车辆在地图上的位置的指示符的每个识别特征：当已经在轨道的地图中表示所述识别特征时，基于所述识别特征的表示在地图中的位置，调整所述车辆在地图上的位置，以及当尚未在轨道的地图中表示所述识别特征时，将所述识别的特征的表示添加到地图。

本技术还提供了一种确定车辆在轨道上的位置的方法，所述方法包括：存储轨道的地图，并且存储所述车辆在地图上的位置，所述轨道的地图包括轨道的一个或多个特征的表示；从附接至车辆的相机接收当车辆沿着轨道行驶时由相机捕获的多个图像；以及针对所述多个捕获图像中的至少一个：在所述图像上执行特征识别，为所述图像中的至少一个识别特征分配指示符，所述指示符指示所述至少一个识别特征的基于所识别的特征调整所述车辆在地图上的位置的适合性，以及对于图像中的具有指示所述识别的特征适合于基于所识别的特征调整所述车辆在地图上的位置的指示符的每个识别特征：当已经在轨道的地图中表示所述识别特征时，基于所述识别特征的表示在地图中的位置，调整所述车辆在地图上的位置，以及当尚未在轨道的地图中表示所述识别特征时，将所述识别特征的表示添加到地图。

本技术还提供了一种计算机程序产品，包括存储计算机程序的存储介质，该计算机程序被配置为控制计算机执行上述方法。

上述段落是通过一般性介绍的方式提供的，并非旨在限制以下权利要求的范围。通过参考结合附图进行的以下详细描述，将最好地理解所描述的实施例以及进一步的优点。

附图说明

在结合附图考虑时，通过参考以下详细描述，由于更好理解，所以可以容易地获得对本公开的更全面的了解及其许多附带的优点，其中：

图1示意性地示出了供本公开的实施例使用的车辆；

图2A和图2B分别示意性地示出了根据本公开的实施例的设备和显示装置；

图3示意性地示出了根据本公开的实施例的轨道的地图；

图4A至图4C示意性地示出了根据本公开的实施例的用于确定车辆在轨道上的位置的示例性技术；

图5A和图5B示意性地示出了根据本公开的实施例的用于将特征的表示添加到地图的示例性技术；

图6A至图6C示意性地示出了根据本公开的实施例的用于将适合性指示符分配给多个捕获图像中的识别的特征；

图7A和图7B示意性地示出了根据本公开的实施例的用于确定车辆在轨道上的位置的进一步技术；

图8示意性地示出了根据本公开的实施例的用于确定车辆在轨道上的位置的进一步技术；

图9示出了示意性地示出根据本公开的实施例的过程的流程图。

具体实施方式

现在参考附图，其中，在这几幅图中，相同的附图标记表示相同或相应的部分。

图1示意性地示出了供本公开的实施例使用的车辆100(在这种情况下为赛车，例如，赛车)。车辆沿着轨道102行驶(除了其他特征之外，轨道还包括设置成圈的柏油路面，使得车辆可以围绕轨道连续行驶)并且具有与其附接的相机101。相机101安装在车辆的发动机盖(发动机罩)104上，并且被定位成使得当车辆沿着轨道行驶时，其视场包括车辆100前方的物体。

图2A示意性地示出了根据本公开的实施例的设备200。该设备包括输入201、存储介质202、处理器203和输出204。这些部件中的每一个由控制器205控制。输入接收由相机101捕获的图像，并且可选地，还接收附加信息(稍后说明)。设备200可以包括在车辆100内，或者替代地，可以远离车辆200定位。在设备200包括在车辆内的情况下，由相机捕获的图像可以经由任何合适的有线或无线连接从相机发送到输入201。另一方面，在设备200远离车辆100定位的情况下，由相机捕获的图像经由合适的无线连接从相机发送到输入201。输出204输出基于由相机101捕获的图像确定的车辆100在轨道上的位置。然后，将该位置发送到显示装置206(例如，图2B所示)。显示装置206包括显示器207(例如，液晶显示器)和图形处理器(未示出)，以图形地显示表示轨道的图像208和表示轨道上的车辆(包括车辆100)的图像209。基于从设备200(例如，图2A所示)的输出204接收到的该车辆的位置，知道由图像209表示的每个车辆在轨道上(并且因此在表示轨道的图像208上)的位置。即，轨道上的每个车辆配备有将捕获的图像馈送到设备200的输入201的相机101。基于所捕获的图像，设备200然后将该车辆的位置输出到显示装置206。因此可以同时跟踪并显示多个车辆中的每一个在轨道上的位置。这对于例如在比赛期间跟踪每个车辆的位置是有用的。可以使用单个设备200以这种方式跟踪每个车辆的位置。在这种情况下，单个设备200从轨道上的所有车辆(例如，具有每个车辆的捕获图像，包括与该车辆相关联的唯一标识符)接收捕获的图像(以及可选地，附加信息)，并且将这些车辆中的每一个的位置输出到显示装置206。或者，每个车辆的相机101可以将其捕获的图像发送到不同的相应设备200。在这种情况下，每个设备200将其相应车辆的确定的位置发送到显示装置206(例如，发送每个车辆的确定的位置，该车辆具有与该车辆相关联的唯一标识符)。应当理解，每个车辆的确定的位置可以经由任何合适的有线或无线连接从输出204发送到显示装置206。具体地，例如，在每个设备200在与显示装置相同的位置远离其相应车辆的情况下，该连接可以是合适的有线或无线连接。另一方面，例如，在每个设备200包括在其相应车辆内的情况下，连接将是合适的无线连接。显示装置206的典型示例位置是广播工作室。在这种情况下，例如，轨道和车辆的生成图像208和209也可以经由电视或经由互联网广播。这允许远程观看者通过电视或互联网观看比赛，以观看图像208和209，并且因此在比赛期间密切关注每个车辆在轨道上的位置。在这种情况下，广播图像208和209并且允许这种远程观看者观看图像208和209的装置(例如，电视机、个人计算机、膝上型计算机、平板电脑或智能电话)也是显示装置206的示例。显示装置206也可以位于轨道本身(例如，使得通常站在或坐在轨道上的一个位置的实际亲自参加比赛的观看者甚至在不能看到实际车辆的时间内可以观看比赛中的车辆的进度)，或者可以是车载显示装置，以便车辆的驾驶员可以监视其在比赛中的进度以及其他赛车的进度。

为了使设备确定特定车辆100在轨道102上的位置，存储介质202存储包括轨道的一个或多个特征的表示的轨道地图以及车辆在地图上的位置。

可以例如基于轨道的电子建筑模型或关于轨道的公开可用的地理信息(例如，从诸如Google等服务获得)，生成轨道的地图。或者，如果除了相机101之外还将第二相机安装到车辆上，使得这两个相机能够产生立体图像，则可以由完成一圈(一圈)的车辆生成地图，同时捕获轨道的立体图像。然后，可以基于所捕获的立体图像应用合适的技术，以便获得轨道的地图。诸如同时定位与地图构建(SLAM)技术的这种技术在本领域中是已知的，因此此处将不再详细描述。

可以例如基于车辆的已知起始位置或者基于通过轨道上的计时回路的车辆，生成车辆在轨道上的位置。或者，在除了相机101之外还将第二相机安装到车辆上，使得这两个相机能够产生立体图像(基于可以生成的轨道的地图，见上文)的情况下，也可以在此基础上确定车辆在轨道上的位置。例如，如果使用合适的SLAM技术，则除了生成轨道的地图，还将生成车辆在地图上(以及因此在轨道上)的位置。

然后，随着车辆沿着轨道行驶，输入201从附接到车辆100的相机101接收由该相机捕获的多个图像。以足够高的图像捕获速率连续地捕获多个图像，以便允许基于图像来跟踪车辆100的位置。例如，可以以每秒24、50、60、100或200个图像的速率(或被本领域技术人员确定为合适的任何其他图像速率)捕获图像。

对于多个捕获图像中的每一个，处理器203然后对图像执行特征识别(使用本领域技术人员已知的任何合适的图像特征识别技术)。然后将指示符分配给图像中的每个识别特征。该指示符表示识别特征的基于识别特征调整车辆在地图上的位置的适合性。然后，对于图像中的具有指示所述识别特征适合于基于所述识别特征调整所述车辆在地图上的位置的指示符的每个识别特征，当已经在轨道的地图中表示所述识别的特征时，基于在地图中所述识别特征的表示的位置，调整所述车辆在地图上的位置。还可以基于识别特征来调整轨道的地图中的识别特征的表示。另一方面，当尚未在轨道的地图中表示所述识别特征时，将所述识别特征的表示添加到地图。车辆在地图上(以及因此在轨道上)的调整位置与地图中的识别和合适的图像特征的任何新的或调整的表示一起存储在存储介质202中并输出到显示装置206。

基于在所述多个图像中的两个或更多个图像中的识别特征的外观的一致性，来确定指示所述多个图像中的每个图像中的每个识别特征的适合性的指示符。在多个图像中的两个或更多个图像中的识别特征的外观的较大一致性与指示识别特征的基于识别特征调整所述车辆在地图上的位置的较大适应性的指示符相关联。如将要说明的那样，这种识别的特征的一个示例是在轨道上绘制的赛车线，赛车线的颜色与轨道的柏油路面的颜色形成对比并且在多个图像中的两个或多个图像中看起来一致(尤其是多个图像中的两个或多个连续捕获的图像)。另一方面，在所述多个图像中的两个或更多个图像中的至少一个识别的特征的外观的较小一致性与指示识别特征的基于识别特征调整所述车辆在地图上的位置的较小适合性的指示符相关联。如将要说明的那样，这种识别的特征的示例是出现在多个图像中的仅仅一个图像中或者在多个图像中的两个或更多个图像的每一个中显得非常不同的赛车裁判(人)。

现在将更详细地示出上述设置。

图3示意性地示出了根据本公开的实施例的轨道102的地图300。在这种情况下，地图是存储在存储介质202中的电子地图，并且通过现实生活轨道的特征的电子表示来定义。在这种情况下，地图300包括车辆100行驶的柏油路赛道301、沿着柏油路赛道301周期性放置的横幅302、位于柏油路赛道301边缘的护栏303、观众可以观看比赛的大看台304、作为连接车辆可以沿着其参与紧急抢修(用于加油、调整和/或修理)的柏油路赛道301的两个点的进一步柏油路带的维修道305、以及包含实施紧急抢修所需的工具和人员的维修站通道建筑306的电子表示。图3中仅示出了地图300的少量特征。这是为了清楚的解释。应当理解，实际上，地图300可以包含明显更大数量的特征，以便更准确地表示轨道102和车辆100在轨道上的位置。地图300可以在上述一种方式中生成并且例如作为电子3D图形文件存储在存储介质202中。

在现实生活中当车辆100绕轨道102行驶时，相机101以给定的图像捕获速率(如前所述)捕获轨道的图像。然后对每个捕获图像执行特征识别，并确定每个识别特征的适合性指示符。然后由处理器203在匹配过程中使用足够合适的识别特征(如其相应适合性指示符所示)，以便确定轨道的地图300的哪些特征存在于特定图像中。一旦确定了这些特征，就可以基于捕获图像中的这些特征中的每一个的位置和相机的一个或多个透镜参数(包括例如透镜的焦距和透镜变形量)来确定车辆100(或更具体地，附接到车辆100的相机101)的位置。此外，可以将在捕获图像中识别的但是当前未在地图中表示的足够合适的特征添加到地图。将场景的捕获图像中的识别的特征与场景的3D地图中表示的特征匹配以便确定相机在场景中的位置并且更新地图的这种过程是本领域已知的(例如，可以使用各种SLAM技术)，因此此处将不再详细讨论。然而，利用本技术可以比利用这种标准技术可以更准确地确定车辆100在地图300上的位置，因为本技术使用分配给每个识别图像特征的适合性指示符，并且可选地使用表示地图300的内容的附加信息。稍后将对其进行更详细的描述。

参考图4A至图4C示意性地示出了示例性技术。图4A至图4C中的每一个示出了当车辆100处于轨道上不同的相应位置时由相机101捕获的图像。具体地，图4A示出当车辆位于轨道上的位置“1”时由相机捕获的图像400A，图4B示出当车辆位于轨道上的位置“2”时由相机捕获的图像400B，图4C示出当车辆位于轨道上的位置“3”时由相机捕获的图像400C(位置“1”、“2”和“3”中的每一个在图3中轨道的地图300上示出)。当车辆100沿着地图300上的箭头307所示的方向在轨道周围行驶时，捕获图像400A至400C。

首先看图4A的捕获图像400A，可以看出，在图像中可以识别三个特征，即，柏油路赛道301、一条横幅302和维修道305。这些特征中的每一个被确定为足适于确定车辆的位置，因此，处理器203基于这些可识别的特征来执行与地图300的匹配过程。基于匹配过程、图像400A中的这些特征中的每一个的位置、地图300中的这些特征的表示的位置和相机的透镜参数(预先为处理器203已知的，这些参数的值可以例如存储在存储介质202中)，处理器203能够确定相机101(以及因此车辆101)的位置确实是位置“1”，如图3中的地图300上所示。因此，处理器调整存储在存储介质202中的车辆的位置，使得车辆的存储位置现在是位置“1”，如图3中的地图300上所示。

现在看图4B的捕获图像400B，可以看出，图像中只可识别两个特征，即，柏油路赛道301和一个横幅302。这些特征中的每一个被确定为足以适合于确定车辆的位置，因此，处理器203基于这些可识别的特征再次执行与地图300的匹配过程。然而，由于这次仅存在两个特征，所以基于匹配过程、图像400B中的这些特征中的每一个的位置、地图300中的这些特征的表示的位置和相机的透镜参数，处理器203仅能够确定相机101(以及因此车辆101)的位置是位置“2”或“3”中的一个，如图3中的地图300上所示。这是因为在位置“2”和位置“3”中，根据模型300，预期在相机捕获的图像中只可识别柏油路面电路301和横幅302。因此，处理器203需要进一步信息，以便决定地图上的位置“2”和“3”中的哪个是正确的位置。在一个实施例中，为了做出该决定，使用车辆的先前位置(当前存储在存储介质202中)。例如，处理器203可以将最接近该先前位置的位置确定为正确的位置。或者或另外，处理器可以使用由设备200的输入201接收的附加信息(将在后面解释其示例)，以便确定正确的位置。在这种情况下，使用车辆的前一位置和/或附加信息，处理器将位置“2”正确地确定为车辆100的正确位置。

现在看图4C的捕获图像400C，可以看出，同样地，图像中只可识别两个特征，即，柏油路赛道301和一个横幅302。这些特征中的每一个被确定为足以适合于确定车辆的位置，因此，处理器203基于这些可识别的特征再次执行与地图300的匹配过程。此外，基于匹配过程、图像400C中的这些特征中的每一个的位置、地图300中的这些特征的表示的位置和相机的透镜参数，处理器203再次仅能够确定相机101(以及因此车辆101)的位置是位置“2”或“3”中的一个，如图3中的地图300上所示。然而，以与图B的图像400B所描述的相同的方式，处理器203能够使用进一步的信息(例如，车辆的先前位置和/或由设备200的输入201接收到的附加信息)，来正确地确定位置“3”是车辆的正确位置。

因此，应当理解，基于图像特征的识别、确定这些图像特征的适合性、合适的图像特征与在地图300中表示的图像特征的匹配、以及基于匹配特征的捕获图像中的位置确定相机(以及因此车辆)的位置、地图300中的匹配特征的表示的位置和相机的透镜参数、以及进一步的信息(例如，相机的先前位置和/或由设备200的输入201接收到的附加信息)，可以准确地跟踪车辆在地图300上(以及因此在现实生活中的轨道上)的位置。当相机捕获并处理图像时，该跟踪能够实时发生(从而例如允许以等于图像捕获速率的速率更新车辆100的位置)。

除了能够跟踪车辆100在轨道上的位置之外，可以基于从捕获的图像获得的与这些特征相关联的新信息，来调整被识别的并被认为在捕获图像中足够合适的地图的特征的表示。这允许当车辆围绕轨道行驶时并且当捕获轨道的图像时，不断地提高地图的特征的表示。因此，不断地提高轨道的地图(以及车辆在轨道上的位置的确定)的精确度。此外，当这些特征在捕获图像中被识别并被确定为足够适用于确定车辆的位置时，可以将当前不构成地图的一部分的轨道的特征的表示添加到地图。因此，除了不断提高地图的当前特征的精确度之外，还可以向地图添加新特征。

参考图5A和图5B，示意性地示出了这种设置。此处，可以看出，当车辆100位于位置“3”时，在由相机101捕获的图像500中可识别另一特征(建筑物501)(参见图5A)。建筑物501的表示不存在于图3所示的地图300中。然而，如果确定该特征对于基于该特征确定的车辆100的位置具有足够的适合性，则向地图添加该特征的表示。这在图5B中示出，其中，可以看出，建筑物501的表示已经被添加到地图300中的合适位置。建筑物501在地图300中的正确位置，例如，可以基于一个或多个图像中的建筑物501的识别、其相对于已经在地图中表示的那些图像中的对象在一个或多个图像中的每一个中的位置、以及相机的透镜参数确定。

应当注意，可以使用本领域已知的各种技术(例如，SLAM技术)来执行基于该场景的捕获图像的诸如地图300等场景的3D地图的特征的调整和/或添加。然而，应当注意，使用本技术，由于仅仅是在地图上添加和/或调整的被确定为足够适用于(基于每个识别的图像特征的相应适合性指示符)确定车辆在地图上的位置的识别的图像特征的表示，所以提高了更新地图和车辆在地图上的位置的精确度。

图6A至图6C示意性地示出了根据实施例的上述适合性指示符的生成和调整。图6A至图6C中的每一个示出多个连续捕获的图像中的一个(从而捕获图6A的图像600A，紧接着是图6B的图像600B，紧接着是图6C的图像600C)。为了清楚说明，在图6A至图6C中仅示出了三个连续捕获的图像，并且这些相继捕获的图像的捕获速率较低。然而，应当理解，实际上，考虑到以远远更高的图像捕获速率捕获的更多数量的图像，可以应用所描述的技术。

图6A的捕获图像600A是第一连续捕获的图像，并且包括具有右边缘601、左边缘602和在柏油路面绘制的赛车线603的柏油路赛道301，该赛车线的颜色与柏油路的颜色形成对比，以便使其易于识别。例如，如果柏油路面是黑色或灰色的，则赛车线603可以被涂成黄色或白色。边缘601和602表示柏油路面电路301的边界，使得在这些边缘之外，没有柏油路，而是存在与柏油路的颜色相反的颜色的另一物质，使得边缘601和602容易识别。例如，如果柏油路面是黑色或灰色的，则另外的物质可能是草(绿色)或砾石(白色)。应当注意，“容易识别”意味着由处理器203实现的合适的图像特征识别算法(如本领域已知的)可以容易地识别图像600A中的赛车线603和边缘601和602中的每一个。

当捕获图像600A时，识别赛车线603和边缘601和602中的每一个。在该示例中，为了简单起见，假设在捕获图像600A中第一次识别出这些特征中的每一个。因此，处理器203为这些特征中的每一个分配初始适合性指示符。在该示例中，为了清楚说明，适合性指示符是1到3之间的数值，但是应当理解，适合性指示符可以是任何其他合适的格式。因为在图像600A中第一次识别出每个特征601、602和603，所以给每个特征分配同一初始适合性指示符。在这种情况下，给每个特征分配初始适合性指示符1。在给定时间(如表1所示)中的每个被捕获的图像的每个识别特征的适合性指示符存储在例如存储介质202中。

当捕获图像600B时，再次识别赛车线603和边缘601和602中的每一个。通过合适的特征跟踪方法，使得能够将在第一图像中识别的特征识别为第二随后捕获的图像中的相同特征(这种跟踪方法在本领域中是已知的)，处理器203能够确定在捕获图像600B中第二次识别出每个识别的特征601、602和603。因此，这些特征中的每一个的适合性指示符增加到2。此外，然而，在图像600B中也识别出赛车裁判604。这是第一次已识别出赛车裁判604。因此，给作为识别对象的赛车裁判604分配适合性指示符1。

当捕获图像600C时，再次在捕获图像中识别赛车线603。处理器203还能够基于所使用的跟踪方法来确定这是第三次识别出赛车线603。因此，赛车线603的适合性指示符增加到3。然而，在这种情况下，柏油路赛道301的边缘601和602已经变得模糊，并且在图像600C中不再被识别。这可能由于很多原因造成的，例如，天气、照明和阴影、闭塞或在柏油路赛道301的每个边界处的柏油路面之外的物质的颜色变化，使得柏油路和该其他物质不如之前可区分。赛车裁判604也不再存在于图像600C中。因此，对于每个边缘601和602并且对于赛车裁判604，适合性指示符保持相同。

在表1中示出分配给每个连续捕获图像600A至600C的每个特征601、602、603和604的适合性指示符。

特征	第一图像600A	第二图像600B	第三图像600C
				右边缘601	1	2	2
左边缘602	1	2	2
				赛车线603	1	2	3
赛车裁判604	0	1	1

在捕获所有三个图像600A至600C之后，可以看出，由于连续捕获的图像中识别的赛车线603的外观的一致性最大(已经出现在所有三个图像中)，所以作为识别的图像特征的赛车线603具有最高的适合性指示符3。随后是边缘601和602中的每一个，其中，每个边缘具有连续捕获的图像中的外观的第二大一致性(已经出现在三个图像中的两个图像中)并且具有适合性指示符2。边缘的后面又是赛车裁判604，其具有连续捕获的图像中的最小一致性(仅出现在三个图像中的一个图像中)并且具有适合性指示符1。

在这种情况下，处理器203将因此认为赛车线603是确定车辆100在地图300上的位置的最合适的特征，边缘601和602是第二适合的特征，并且赛车裁判604是最不合适的特征。可以以多种方式确定特定特征是否足够合适。例如，仅当该特征的适合性指示符超过预定阈值时，可以将特征确定为足够合适。在图6A至图6C的示例中，适合性指示符阈值可以例如设置为2，这意味着只有赛车线603和边缘601和602被认为是足够合适的，或者甚至可以设置为3，这意味着只有赛车线603被认为是足够合适的。或者或另外，为了确保选择特征来确定车辆100的位置，即使没有识别特征的适合性指示符超过预定阈值，具有最高适合性指示符的特征也可以被选择用于确定车辆的位置。因此，例如，在图6A到图6C中，仅排名最前的特征(即，具有适合性指示符3的赛车线603)或前两名的特征(即，具有适合性指示符3的赛车线603和均具有适合性指示符2的边缘601和602)可以根据每个特征的确定的适合性指示符来选择。还应注意，在一个实施例中，如果例如对于预定数量的连续捕获的图像未识别出该特征，则特定特征的适合性指示符也可以减少。这种设置允许当车辆100围绕轨道102行驶时动态地更新每个识别的图像特征的适合性指示符，从而确保在确定车辆100的位置和更新地图300时仅使用最合适的特征。

应当理解，虽然在地图300上未示出，但是必须在地图300中表示特征601、602、603和604中的每一个，以便用于以上述方式确定车辆100在地图上的位置(即，基于在捕获的图像中的识别的特征与在地图中的这些特征的表示匹配)。当车辆绕轨道行驶时并且当由相机101捕获图像(如前所述)时，这些特征中的每一个(连同可以基于其确定车辆100的位置的任何其他足够合适的特征)可以在存储介质202中存储的原始地图中，或者可以添加到地图。

应当理解，图6A至图6C仅涉及适合性指示符供本技术使用的简化示例。更一般地，基于多个图像中的两个或更多个图像中的识别特征的外观的一致性，来确定指示多个捕获图像中的每个图像中的每个识别的特征的适合性的指示符。在多个图像中的两个或多个图像中的识别特征的外观的更大一致性与指示所识别的特征的更大适合性的指示符相关联。另一方面，在多个图像中的两个或更多个图像中的识别的特征的外观的更小一致性与指示识别的特征的更小适合性的指示符相关联。在一个实施例中，每个特征的适合性指示符是在预定数量的多个图像中(特别是在多个图像的预定数量的连续(连贯)图像中)识别出该特征时增加并且在预定数量的多个图像中(特别是在多个图像的预定数量的连续(连贯)图像中)未识别出该特征时减少的数量。然后，当例如其当前的适合性指示符超过预定阈值和/或在其适合性指示符方面是最高级别特征或最高级别特征之中的一个时(例如，当该特征具有在记录了适合性指示符的所有识别功特征的最佳X适合性指示符内的适合性指示符时)，特征被确定为足够合适。当车辆绕轨道行驶时并且当捕获图像时，这使得能够动态地调整每个识别特征的适合性指示符，并且确保仅使用最适合的特征来确定车辆的位置并且在任何给定的时间更新地图。应当理解，通常，本领域技术人员可以确定任何其他合适的方法，用于基于那些特征中的每个特征的所确定的适合性指示符，确定哪些特征足够适用于确定车辆100的位置。

应当理解，在参考图6A至图6C描述的实施例中，在捕获的图像(右边缘601、左边缘602、赛车线603和赛车裁判604)中识别的特征仅仅是示例，并且也可以以所述的方式使用都包括在地图中并且在由相机101捕获的图像中可识别的其他特征。尤其地，应注意，虽然使用赛车线603作为这种特征的示例，但可以使用在柏油路赛道301上标出的其他类型的线(例如，标记计时回路的位置的线、终点线或标记车辆的相应起始位置的线)。柏油路赛道301上的标记线通常特别适用于本技术，因为在柏油路赛道301的表面上容易识别并且一个图像接一个图像地连贯出现。

在一个实施例中，处理器203能够自动确定图像中最适合的特征，基于这些特征来确定车辆100的位置(基于分配给每个特征的指示符)，用户也可以手动选择用户认为适合于确定车辆100的位置的一个或多个图像的特定特征。在一个实施例中，输出204将捕获的一个或多个图像输出到显示装置206。然后用户能够使用设备200的用户接口210从捕获的一个或多个图像中选择特定特征。用户接口210可以包括例如鼠标或触控板，其允许当光标位于所选择的特征上时用户通过移动光标并点击鼠标来选择在显示装置206上显示的捕获图像中所示的合适特征。或者，如果显示装置206的显示器207是触摸屏显示器，则当在显示器207上显示捕获图像时，用户可以在选择特征的位置处仅触摸显示器207。在这种情况下，用户接口210是被配置为从显示装置206接收指示已经触摸的显示器207的位置的电子信号的接口，从而允许处理器203确定与触摸对应的所显示的捕获图像的位置并且因此确定已被选择的所显示的捕获图像的特征。应当理解，还具有可以手动选择捕获图像的特征的其他方式。在已经选择还包括在地图300中的所显示的捕获图像的特征的情况下，该特征用于确定车辆的位置。该手动选择可以基于适合性指示符来覆盖特征的任何自动选择，使得即使对于特定特征的自动确定的适合性指示符较低(因此，该特征通常不被视为用于确定车辆的位置)，如果用户手动选择该特征，则该特征将仍然用于确定车辆的位置。这允许用户确保在确定车辆的位置时确实使用用户认为可靠的特征确定车辆的位置，即使该特征的自动确定的适合性指示符意味着该特征不会被正常使用。在一个实施例中，除了自动选择的特征(基于所确定的适合性指示符)之外，还使用手动选择的特征。在另一实施例中，用手动选择的特征来替换一个或多个自动选择的特征。例如，当使用手动选择的特征时，具有最低适合性指示符的自动选择的特征可能不再用于确定车辆的位置。

应当理解，尽管在图6A至图6C的实施例中，每个捕获图像600A至600C是连续捕获的图像，但是在另一实施例中，可以捕获多个图像，使得在车辆100绕轨道102行驶时在相同位置捕获每个图像。在这种情况下，使用与上述相同的机制来确定每个捕获图像中的每个识别的特征的适合性指示符。然而，由于在相同的位置捕获每个捕获的图像(并且因此用轨道102相同视场捕获)，所以每个捕获图像中的可识别特征相同，除非图像的一个或多个特征已经改变。例如，对于均在车辆100位于轨道102上的给定位置但处于不同的相应时间时捕获的给定的一组图像，照明、阴影、天气等的差异或者甚至轨道102的物理变化(例如，去除一个特征或通过另一特征遮挡一个特征，例如，通过在绘制线上行驶的车辆上的轮胎痕迹在轨道上遮挡绘制线)可能导致在先前图像中可识别的特征不再可识别，或者另一方面，在先前图像中不可识别的特征变得可识别。因此，可以理解的是，甚至当车辆100在轨道上的相同给定位置时，当相机101捕获这些图像时，也可以识别不同的图像中的不同特征。因此，可以以与先前描述的方式相似的方式，将适合性指示符分配给捕获的图像中的每个识别的特征(因此，例如，存在于较大数量的给定的一组捕获图像中的特征将具有较高的适合性指示符，指示其更适用于确定车辆的位置，并且存在于较小数量的给定的一组捕获图像中的特征将具有较低的适合性指示符，指示其不太适用于确定位置的车辆)。以这种方式，以与之前相同的方式，动态地调整用于基于所捕获的图像来确定车辆的位置的特征(包括如果这些特征尚未存在于地图300中，但是基于其分别确定的适合性指示符确定为合适，则这些特征添加到地图300的方式)。不同之处在于，特征的更新依赖于在轨道102上的相同位置处捕获的多个图像(即，例如，当车辆围绕轨道完成一圈圈时，逐圈地)，而不是当车辆100沿着轨道移动时连续捕获的多个图像。在这种情况下，应注意，可以基于最新捕获图像中的一个或多个识别的特征来确定车辆的当前位置。然后可以确定在前几圈中的一圈或多圈期间当车辆最接近该位置时捕获的图像，然后可以确定那些图像中每个特征的适合性指示符。然后可以基于最新捕获图像的所识别的特征，考虑该图像的确定的适合性指示符，重新计算车辆的当前位置。在这种情况下，处理器203可以基于例如作为附加信息馈送到输入201的时间回路数据，知道哪些图像对应于车辆的每一圈(从而允许获得前几圈的合适图像)(例如，基于指示车辆开始新的一圈时间和捕获每个图像的时间的时间回路数据，处理器203将知道在第一圈期间捕获图像x1至xn，在第二圈期间捕获图像y1至yn，并且在第三圈期间捕获图像z1至zn)。图7A和图7B示意性地示出了本技术的进一步实施例。如前所述，本技术可以用于同时跟踪轨道上的多个不同车辆的位置。在这种情况下，如图7B所示，车辆100沿轨道102的柏油路赛道301行驶，另一车辆701A到701C也在轨道102的柏油路赛道301上行驶。此外，一个另一车辆701A在车辆100的前方，造成附接到车辆100的相机101的部分视野被遮蔽。

这在图7A的捕获图像700中示出。可以看出，由于另一车辆701A的存在，所以在本示例中，被确定为足够适用于确定车辆100的位置的特征的赛车线603和边缘601和602被另一车辆701A部分地遮蔽。结果，存在这种可能性：在图像700中不能正确识别这些特征，因此导致确定车辆100的更新位置的问题。

因此，在一个实施例中，存储介质202除了存储车辆100的当前位置，也存储另一车辆701A至701C中的每一个的当前位置。当单个设备200用于跟踪轨道上的每个车辆的位置时，这种设置自然会发生。另一方面，在轨道上的每个车辆的位置由不同的相应设备200跟踪的情况下，例如，每个设备200的输出204将发送指示其相应车辆的当前轨道位置的信息，并且每个设备200的输入201将从每个其他设备200接收该信息。

当处理器203对图像700执行特征识别时，车辆701A将在图像中被识别为车辆(适用于此的技术在本领域中是已知的)。在一个示例中，可以识别精确的车辆701A。例如，如果每个车辆具有由处理器203在捕获的图像700中可识别的唯一的视觉标记(例如，快速响应(QR)代码)等，则这是可能的。在另一示例中，精确的车辆701A在捕获图像700中可能不能被处理器203识别。在这种情况下，处理器203知道已经识别轨道中的一个其他车辆，只是不准确地知道已经识别哪个车辆(在这种情况，车辆701A)。然而，处理器203再次能够使用进一步信息，以便推断在图像700中必须捕获其他车辆中的哪一个。在一个实施例中，使用车辆的先前位置(目前存储在存储介质202中)，以便做出这个决定。例如，处理器203可以确定在其在先前位置处的车辆100前方的其他车辆是已经在图像700中捕获的车辆。或者或另外，处理器可以使用由设备200的输入201接收的附加信息(稍后解释其示例)，以便确定在图像700中捕获了其他车辆中的哪个)。

一旦处理器203已经确定在图像700中已经捕获了其他车辆中的哪个(在这种情况下，是另一车辆701A)，则可以基于所确定的另一车辆701A的位置来确定车辆100的当前位置。更具体地，车辆100的位置的确定可以基于另一车辆701A的捕获图像中的位置、地图300上的识别的另一车辆701A的表示的位置(可以包括在地图中，由于已经确定了另一车辆701A的位置，见下文，并且预先已知并在存储介质202中存储识别的另一车辆701A的尺寸和形状)、以及相机的透镜参数来确定。以这种方式，另一车辆701A充当捕获图像700和地图300的临时特征，其可以用于以如前所述的方式确定车辆100在地图上的位置。在一个实施例中，以通常的方式已经更新确定的另一车辆701A的位置，因为在此时，该另一车辆701A的前方没有其他车辆，并且因此，附接到另一车辆701A的相机的视野不以如图7A所示的方式遮蔽。因此，即使附接到车辆100的相机101的视野被遮蔽，也能够获得车辆100的更新位置。

在本实施例的变化中，如果尽管车辆701A位于其前方，可以精确地确定车辆100的位置(例如，如果尽管每个边缘601、602和赛车线603的一部分在图像700中被遮蔽，处理器203仍然能够从在图像700中依然可见的其相应部分识别这些特征)，则可以在这个基础上确定车辆701A的位置。即，车辆701A可以被识别为图像700中的特征并且被放置在地图300上(以与图像中识别的轨道102的固定特征可以被添加到地图300的方式相似的方式，如前所述)。特定车辆701A可以以与上述相同的方式被识别(例如，通过车辆上的唯一的视觉标记或者从在车辆100的先前位置处，车辆701A在车辆100前方的事实)。以这种方式，车辆701A在轨道上的位置可以基于车辆100捕获的图像来确定。在已知比赛中的每个车辆具有相同的固定空间尺寸(例如，如比赛中所发生的)的一个实施例中，可以由处理器203更准确地确定车辆701A的位置，因为由于固定的空间尺寸，所以知道在与相机101的透镜相距特定距离处由具有特定尺寸的一定数量的像素在捕获图像中表示车辆。

图8示意性地示出了本技术的进一步实施例。在上述实施例中，车辆100的位置基于相机101的确定的位置来确定。为了准确地确定车辆100的位置，因此，相机101的位置相对于车辆100的位置(或者，特别是相对于车辆100上的一个或多个预定点)必须是已知的。可以预先确定该相对位置，使得当车辆100围绕轨道102行驶时，并且当相机101捕获图像时，可以基于相机101在轨道102上的所确定的位置以及相对于车辆100的位置的相机101的位置，确定在给定时间车辆100在轨道102上的位置。

然而，当车辆绕轨道行驶的同时，相对于车辆100的位置的相机101的位置改变的情况下，出现问题。这种变化在车辆比赛期间是比较常见的，例如，其中，车辆100(和相机101)在加速、制动和转弯期间受到极大的力量，这导致相机101与车辆100附接的固定(未示出)变松动和/或变形，从而相对于车辆的位置改变相机的位置。

在本技术的一个实施例中，处理器203能够基于例如车辆100当前正在行驶的轨道102的部分的特性、车辆100的预期运动特性和在此期间由相机101捕获的图像，来检测相对于车辆位置的相机位置的这种变化。然后，处理器203能够基于检测到的变化来确定相对于车辆位置的相机的新位置。这确保了车辆100本身的位置然后可以以合适的精度继续跟踪。

在图8示出其中的一个示例。在图8中，车辆100沿轨道102的柏油路赛道301的直线部分行驶。因为确定的车辆102的位置(这是如前所述确定的)，处理器203知道车辆100沿着该直线部分行驶，。然而，在这种情况下，将相机101附接到车辆100的固定(未示出)已经松动和/或变形，使得看到图8中的情景“B”(其反映出真正发生的情况)，而非相机101沿着轴线801对准，使得相机的视野是径直在车辆前方的视野，相机101与轴线801成角度θ地对准。处理器203能够基于捕获图像800A至800C以及那些图像(特别是柏油路面带301、赛车线603和边缘601和602)中的特征，确定这是相机的方向。然而，仅仅基于捕获图像800A至800C，处理器203不知道场景是场景“A”还是场景“B”(如图8所示)。在场景“A”中，将相机101附接到车辆100的固定没有变松动和/或变形，因此相机仍然对准，使得其视野是径直在车辆前方的视野。在场景“A”中，因此，是车辆与轴线801成角度θ对准。另一方面，在场景“B”(这是真实场景)中，将相机101附接到车辆100的固定已经松动和/或变形，因此，尽管车辆仍然与轴线801对准，但相机101与轴线801成角度θ对准。

因此，处理器203考虑附加信息，在这种情况下，考虑车辆100的预期运动特性。这些预期的运动特性例如存储在存储介质202中，并且在这种情况下，包括以下事实：当在柏油路赛道301的直线部分上行驶时，预期车辆将沿着该直线部分(即，图8中的轴线801)基本对准。基于该附加信息，处理器因此确定是场景“B”而不是场景“A”是正确的。因此，处理器203确定相机101不再被定位成使得其视野是径直在车辆100前方的视野，并且相应地相对于车辆100的位置调整相机101的位置。这确保车辆位置的准确连续跟踪。

应注意，当车辆100由处理器203确定为沿着柏油路面301的直线部分行驶时，在仅仅捕获少量图像(即，低于预定阈值数量的大量图像)的情况下，这意味着车辆100或相机101未与轴线801对准(轴线801平行于柏油路面301的直线部分)，则处理器203可以确定是车辆100(而不仅仅是相机101)未与轴线801对准。另一方面，在捕获较大数量的图像(即，高于预定阈值数量的大量图像))的情况下，这意味着车辆100或相机101未与轴线801对准，则处理器203可以确定是相机101(而不是车辆100)未与轴线801对准，并且因此可以相对于车辆100的位置相应地调整相机101的位置。这种设置确保了例如随后校正的轨道上的车辆的初始滑动或滑行(其将导致车辆100暂时不与轴线801对准)不会导致相对于车辆100的位置调整相机101的位置。

在上述实施例中，应当注意，所确定的车辆位置包括车辆在轨道上的预定点(例如，质心)的位置和车辆在一个或多个维度上的方位。在图8的示例中，在确定是发生场景“A”还是场景“B”之前，处理器203知道车辆在轨道上的预定点的位置(从而允许处理器203确定车辆100位于柏油路赛道301的直线部分上)。然后通过确定是发生场景“A”还是场景“B”，来确定车辆的方向。

参考图8讨论的车辆的预期运动特性是可以由设备200的输入201接收的附加信息的示例。应当理解，存在可以与目前的技术一起使用的进一步附加信息的很多示例，以便在任何给定时间更准确地确定车辆在轨道上的位置。附加信息的其他示例包括例如：GNSS坐标，其指示车辆的位置、车辆的其他预期运动特性，例如，当车辆在轨道上的轨道的柏油路面电路的某一部分上行驶时，车辆的预期轨道、预期速度和预期加速度(或减速度)中的一个或多个；以及计时回路信息，其指示车辆位于轨道上的预定位置(该预定位置是柏油路赛道上安装计时回路的点)的时间。附加信息的进一步示例包括燃料负荷(例如，燃料的重量或体积)、车辆负荷(例如，驾驶员和车辆承载的任何附加设备的重量)和轮胎压力信息中的一个或多个。通常使用赛车中的合适的计算机系统监视这种信息，例如(这种系统在本领域中是已知的)。诸如燃料负荷和车辆负荷等参数影响车辆的重量，因此影响加速度(和减速度)。诸如轮胎压力等参数也以各种方式影响车辆的运动特性(例如，速度、加速度(和减速度)、转弯能力等)。

这些类型的附加信息中的每一个提供关于车辆位置的进一步信息，并且可以与上述实施例一起用于准确地跟踪车辆的位置。这种附加信息特别有用，例如，当车辆的先前位置不可用(由于例如图像匹配过程的故障或者相机101和设备200之间的通信的暂时中断)并且存在两个或更多个车辆潜在位置(例如，如以前所述的捕获图像400B和400C所发生的)且必须从该潜在位置中选择一个时。附加信息的另一示例是由附接到车辆100的加速计(未示出)输出的信息。这允许例如检测车辆的加速度、减速度和/或转弯，其可用于帮助确定车辆在给定时间在轨道上的位置(因此，例如，如果由加速计输出的信息指示车辆正在向左或向右转弯，则处理器203可以确定车辆可能位于柏油路赛道301的左弯道或右弯道(分别)，或者如果由加速计输出的信息指示车辆正在加速，则处理器203可以确定车辆可能处于柏油路赛道301的直线部分或正在离开柏油路赛道301的弯道)。例如，将加速计(或例如重力计)用于诸如摩托车的车辆，可能是特别有效的，因为这种车辆的转弯涉及显著程度的倾斜(即，车辆向左(当向左转弯时)或向右(当向右转弯时)倾斜，而不是保持垂直竖立)，这可以由这种装置检测到并且因此可以提供关于在轨道上的车辆的可能的当前位置的信息。应当理解，这些提到的类型的附加信息仅仅是示例，并且可以使用其他类型的附加信息，这些信息可以供上述实施例使用，以便帮助更准确地确定车辆的位置。

图9示出了示意性地示出根据本技术的实施例的过程的流程图。该过程由设备200的处理器203执行。该过程从步骤900开始。在步骤901，将包括轨道的一个或多个特征的表示的轨道的地图和车辆在地图上的位置存储在存储介质202中。在步骤902，在输入201处接收当车辆沿着轨道行驶时由附接到车辆的相机捕获的多个图像。然后，对于多个图像中的每一个，执行步骤904至908。在步骤903，对图像执行特征识别。在步骤904，将指示符分配给图像中的每个识别特征。该指示符表示识别特征用于基于识别特征调整车辆在地图上的位置的适合性。对于图像中的每个识别特征，具有指示所述识别特征适合于基于所识别的特征调整所述车辆在地图上的位置的指示符，在步骤905，确定是否已经在轨道的地图中表示识别的特征。当已经在轨道的地图中表示了识别特征时，则过程进行到步骤906，在步骤906中，基于识别特征的表示在地图中的位置，调整车辆在地图上的位置。另一方面，当尚未在轨道的地图中表示识别特征时，则过程进行到步骤907，在步骤907中，将识别特征的表示添加到地图。然后，该过程在步骤908结束。

应当理解，利用本技术，可以使用任何合适的图像识别技术来识别由相机101捕获的图像中的图像特征。示例性的合适的图像识别技术使用Canny边缘检测。还将理解，可以使用任何合适的SLAM技术，以便基于所捕获的图像和轨道的地图来确定车辆在轨道上的位置。一种合适的SLAM技术使用来自特征云的光流。

本技术的各种实施例由以下编号的条款定义：

1.一种用于确定车辆在轨道上的位置的设备，所述设备包括：

存储介质，能操作用以存储所述轨道的地图，并且存储所述车辆在所述地图上的位置，所述轨道的所述地图包括所述轨道的一个或多个特征的表示；

输入电路，能操作用以从附接至所述车辆的相机接收当所述车辆沿着所述轨道行驶时由所述相机捕获的多个图像；以及

处理器电路，能操作用以针对所述多个捕获图像中的至少一个：

在所述图像上执行特征识别，

为所述图像中的至少一个识别特征分配指示符，所述指示符指示所述至少一个识别的特征的基于所述识别特征调整所述车辆在所述地图上的位置的适合性，并且

对于所述图像中的每个具有指示识别特征适合于基于所述识别特征调整所述车辆在所述地图上的位置的指示符的所述识别特征：

当已经在所述轨道的所述地图中表示所述识别特征时，基于所述识别特征的表示在所述地图中的位置，调整所述车辆在所述地图上的位置，并且

当尚未在所述轨道的所述地图中表示所述识别特征时，将所述识别特征的表示添加到所述地图。

2.根据条款1所述的设备，其中，当已经在所述轨道的地图中表示具有指示所述识别特征适合于基于所述识别特征调整所述车辆在地图上的位置的指示符的识别特征时，基于所述识别特征来调整在轨道的地图中的所述识别特征的表示。

3.根据前述条款中任一项所述的设备，其中，基于在所述多个图像中的两个或更多个图像中的所述至少一个识别特征的外观的一致性，来确定指示所述多个图像中的至少一个图像中的所述至少一个识别特征的适合性的指示符，其中，在所述多个图像中的两个或更多个图像中的至少一个识别特征的外观的较大一致性与指示所述识别特征的基于所述至少一个识别特征调整所述车辆在地图上的位置的较大适合性的指示符相关联，并且其中，在所述多个图像中的两个或更多个图像中的至少一个识别特征的外观的较小一致性与指示所述至少一个识别特征的基于所述至少一个识别特征调整所述车辆在地图上的位置的较小适合性的指示符相关联。

4.根据前述条款中任一项所述的设备，包括被配置为存储所述轨道上的另一车辆在地图上的位置的存储介质；其中，

所述处理器电路能操作用以：

确定所述多个捕获图像中的至少一个捕获图像中的识别特征是否是所述轨道上的另一车辆；

当确定所述识别特征是轨道上的另一车辆时，基于所述另一车辆在地图上的位置来调整所述车辆在地图上的位置。

5.根据前述条款中任一项所述的设备，其中，所述处理器电路能操作用以：

确定所述多个捕获图像中的至少一个捕获图像中的识别特征是否是所述轨道上的另一车辆；

当确定所述识别特征是轨道上的另一车辆时，基于所述至少一个捕获图像中的另一车辆的位置来确定另一车辆的表示在地图上的位置。

6.根据条款4或5所述的设备，包括被配置为存储所述轨道上的多个其他车辆中的每一个在地图上的位置的存储介质；其中，

所述处理器电路能操作用以基于所述车辆在地图上的位置来识别轨道上的多个其他车辆中的哪一个车辆是被识别为所述多个捕获图像中的至少一个中的特征的另一车辆。

7.根据前述条款中任一项所述的设备，其中，基于轨道的存储地图的附加信息，进一步调整所述车辆在地图上的位置。

8.根据条款7所述的设备，其中，所述附加信息包括指示所述车辆的位置的全球导航卫星系统(GNSS)坐标。

9.根据条款7或8所述的设备，其中，所述附加信息包括指示车辆位于轨道上的预定位置的时间的计时回路信息。

10.根据条款7到9中任一项所述的设备，其中，所述附加信息包括由附接到所述车辆的加速计或重力计输出的信息。

11.根据条款7到10中任一项所述的设备，其中，所述附加信息包括所述车辆在轨道的预定部分上的预期运动特性。

12.根据条款7到10中任一项所述的设备，其中，所述附加信息包括燃料负荷、车辆负荷和轮胎压力信息中的一者或多者。

13.根据条款11所述的设备，其中，所述处理器电路能操作用以：

基于当车辆在轨道的预定部分上行驶时捕获的多个捕获图像中的预定数量的捕获图像中的每一个图像中的识别特征以及所述车辆在轨道的预定部分上的预期运动特性，相对于车辆的位置调整相机的位置；以及

基于经调整的相对于车辆的位置的相机的位置，来调整车辆在地图上的位置。

14.根据前述条款中任一项所述的设备，包括被配置为将所述车辆在地图上的调整位置输出到显示装置的输出电路，所述显示装置用于显示表示所述地图的一个或多个特征的图像以及表示车辆在地图上的位置的图像。

15.根据条款14所述的设备，其中，所述显示装置是广播表示所述地图的一个或多个特征和所述车辆在地图上的位置的图像的远程显示装置、位于所述轨道的显示装置以及位于车辆内的显示装置中的一者。

16.一种确定车辆在轨道上的位置的方法，所述方法包括：

存储轨道的地图，并且存储所述车辆在地图上的位置，轨道的地图包括轨道的一个或多个特征的表示；

从附接至车辆的相机接收当车辆沿着轨道行驶时由相机捕获的多个图像；以及

针对多个捕获图像中的至少一个：

在所述图像上执行特征识别，

为所述图像中的至少一个识别特征分配指示符，所述指示符指示所述至少一个识别特征的基于所述识别特征调整所述车辆在地图上的位置的适合性，并且

对于图像中的具有指示识别特征适合于基于所述识别特征调整所述车辆在地图上的位置的指示符的每个识别特征：

当已经在轨道的地图中表示所述识别的特征时，基于所述识别特征的表示在地图中的位置，调整所述车辆在地图上的位置，并且

当尚未在轨道的地图中表示所述识别的特征时，将所述识别的特征的表示添加到地图。

17.一种计算机程序产品，包括存储计算机程序的存储介质，该计算机程序被配置为控制计算机执行根据条款16的方法。

显然，根据上述教导，本公开的许多修改和变化是可能的。因此，应当理解，在所附权利要求的范围内，本公开可以以不同于本文具体描述的方式实施。

只要至少部分地通过软件控制的数据处理设备将本公开的实施例描述为实现，则应当理解，携带这种软件的非暂时机器可读介质(例如，光盘、磁盘、半导体存储器等)也被认为表示本公开的实施例。

应当理解，为了清楚说明，上述描述参考不同的功能单元、电路和/或处理器描述了实施例。然而，显而易见的是，在不影响实施例的情况下，可以使用不同功能单元、电路和/或处理器之间的任何合适的功能分配。

所描述的实施例可以以包括硬件、软件、固件或这些的任何组合的任何合适的形式来实现。所描述的实施例可以可选地至少部分地实现为在一个或多个数据处理器和/或数字信号处理器上运行的计算机软件。任何实施例的元件和部件可以以任何合适的方式在物理、功能和逻辑上实现。实际上，功能可以在单个单元中、在多个单元中或作为其他功能单元的一部分来实现。因此，所公开的实施例可以在单个单元中实现，或者可以在物理上和功能上分布在不同单元、电路和/或处理器之间。

虽然已经结合一些实施例描述了本公开，并非旨在限于本文所阐述的具体形式。另外，虽然特征可能看起来结合特定实施例进行描述，但是本领域技术人员将认识到，所描述的实施例的各种特征可以以适于实现该技术的任何方式组合。

Claims (17)

1.一种用于确定车辆在轨道上的位置的设备，所述设备包括：

存储介质，能操作用以存储所述轨道的地图，并且存储所述车辆在所述地图上的位置，所述轨道的所述地图包括所述轨道的一个或多个特征的表示；

输入电路，能操作用以从附接至所述车辆的相机接收当所述车辆沿着所述轨道行驶时由所述相机捕获的多个图像；以及

处理器电路，能操作用以针对多个捕获图像中的至少一个：

在所述图像上执行特征识别，

为所述图像中的至少一个识别特征分配指示符，所述指示符指示所述至少一个识别特征的基于所述识别特征调整所述车辆在所述地图上的位置的适合性，以及

对于所述图像中的具有指示识别特征适合于基于所述识别特征调整所述车辆在所述地图上的位置的指示符的每个识别特征：

当已经在所述轨道的所述地图中表示所述识别特征时，基于所述识别特征的表示在所述地图中的位置，调整所述车辆在所述地图上的位置，以及

当尚未在所述轨道的所述地图中表示所述识别特征时，将所述识别特征的表示添加到所述地图。

2.根据权利要求1所述的设备，其中，当已经在所述轨道的所述地图中表示具有指示所述识别特征适合于基于所述识别特征调整所述车辆在所述地图上的位置的指示符的所述识别特征时，基于所述识别特征调整在所述轨道的所述地图中的所述识别特征的表示。

3.根据权利要求1所述的设备，其中，基于在所述多个图像中的两个或更多个图像中的所述至少一个识别特征的外观的一致性，来确定指示所述多个图像中的至少一个图像中的所述至少一个识别特征的所述适合性的所述指示符，其中，在所述多个图像中的两个或更多个图像中的所述至少一个识别特征的外观的较大一致性与指示所述识别特征的基于所述至少一个识别特征调整所述车辆在所述地图上的位置的较大适合性的所述指示符相关联，并且其中，在所述多个图像中的两个或更多个图像中的所述至少一个识别特征的外观的较小一致性与指示所述至少一个识别特征的基于所述至少一个识别特征调整所述车辆在所述地图上的位置的较小适合性的所述指示符相关联。

4.根据权利要求1所述的设备，包括被配置为存储所述轨道上的另一车辆在所述地图上的位置的存储介质；其中，

所述处理器电路能操作用以：

确定所述多个捕获图像中的至少一个捕获图像中的识别特征是否是所述轨道上的所述另一车辆；

当确定所述识别特征是所述轨道上的所述另一车辆时，基于所述另一车辆在所述地图上的位置来调整所述车辆在所述地图上的位置。

5.根据权利要求1所述的设备，其中，所述处理器电路能操作用以：

确定所述多个捕获图像中的至少一个捕获图像中的识别特征是否是所述轨道上的另一车辆；

当确定所述识别特征是所述轨道上的所述另一车辆时，基于所述至少一个捕获图像中的所述另一车辆的位置来确定所述另一车辆的表示在所述地图上的位置。

6.根据权利要求4所述的设备，包括被配置为存储所述轨道上的多个其他车辆中的每一个车辆在所述地图上的位置的存储介质；其中，

所述处理器电路能操作用以基于所述车辆在所述地图上的位置来识别所述轨道上的所述多个其他车辆中的哪一个车辆是被识别为所述多个捕获图像中的至少一个中的特征的所述另一车辆。

7.根据权利要求1所述的设备，其中，基于所述轨道的存储地图的附加信息，进一步调整所述车辆在所述地图上的位置。

8.根据权利要求7所述的设备，其中，所述附加信息包括指示所述车辆的位置的全球导航卫星系统(GNSS)坐标。

9.根据权利要求7所述的设备，其中，所述附加信息包括指示所述车辆位于所述轨道上的预定位置的时间的计时回路信息。

10.根据权利要求7所述的设备，其中，所述附加信息包括由附接到所述车辆的加速计或重力计输出的信息。

11.根据权利要求7所述的设备，其中，所述附加信息包括所述车辆在所述轨道的预定部分上的预期运动特性。

12.根据权利要求7所述的设备，其中，所述附加信息包括燃料负荷、车辆负荷和轮胎压力信息中的一者或多者。

13.根据权利要求11所述的设备，其中，所述处理器电路能操作用以：

基于当所述车辆在所述轨道的所述预定部分上行驶时捕获的多个捕获图像中的预定数量的捕获图像中的每个图像中的识别特征以及所述车辆在所述轨道的所述预定部分上的所述预期运动特性，相对于所述车辆的位置调整所述相机的位置；以及

基于经调整的相对于所述车辆的位置的所述相机的位置，来调整所述车辆在所述地图上的位置。

14.根据权利要求1所述的设备，包括被配置为将所述车辆在所述地图上的调整位置输出到显示装置的输出电路，所述显示装置用于显示表示所述地图的一个或多个特征的图像以及表示所述车辆在所述地图上的位置的图像。

15.根据权利要求14所述的设备，其中，所述显示装置是广播表示所述地图的一个或多个特征和所述车辆在所述地图上的位置的图像的远程显示装置、位于所述轨道的显示装置以及位于所述车辆内的显示装置中的一者。

16.一种用于确定车辆在轨道上的位置的方法，所述方法包括：

存储所述轨道的地图，并且存储所述车辆在所述地图上的位置，所述轨道的所述地图包括所述轨道的一个或多个特征的表示；

从附接至所述车辆的相机接收当所述车辆沿着所述轨道行驶时由所述相机捕获的多个图像；以及

针对多个捕获图像中的至少一个：

在所述图像上执行特征识别，

为所述图像中的至少一个识别特征分配指示符，所述指示符指示所述至少一个识别特征的基于所述识别特征调整所述车辆在所述地图上的位置的适合性，以及

对于所述图像中的具有指示识别特征适合于基于所述识别特征调整所述车辆在所述地图上的位置的指示符的每个识别特征：

当已经在所述轨道的所述地图中表示所述识别特征时，基于所述识别特征的表示在所述地图中的位置，调整所述车辆在所述地图上的位置，以及

当尚未在所述轨道的所述地图中表示所述识别特征时，将所述识别特征的表示添加到所述地图。

17.一种计算机程序产品，包括存储计算机程序的存储介质，所述计算机程序被配置为控制计算机执行根据权利要求16所述的方法。