CN108693517A - 车辆定位方法、装置和雷达 - Google Patents

Abstract

本发明适用于车辆定位技术领域，提供了一种车辆定位方法、装置和雷达。所述方法包括：获取预设范围内地面目标的目标数据信息和自车的车速度信息，根据所述目标数据信息和所述车速度信息判断所述地面目标是否是静止目标，在所述地面目标是静止目标时，根据所述目标数据信息建立道路边缘模型，根据所述道路边缘模型得到所述自车距离所述地面目标的距离信息。本发明相对于现有技术，识别道路边缘精度更高，车辆定位更准确。

Description

车辆定位方法、装置和雷达

技术领域

本发明属于车辆定位技术领域，尤其涉及一种车辆定位方法、装置和雷达。

背景技术

车辆定位导航系统最常见的为GPS(Global Positioning System，全球定位 系统)，GPS基本可以满足在大多数的道路上车辆对其定位与导航的需求。但 是，随着城市交通的迅速发展，城市的道路形态日益复杂，GPS所能够提供的 车辆定位信息的误差越来越大。

随着汽车工业的蓬勃发展，近年来，各大汽车企业着力于对驾驶辅助系统 的研发，旨在降低交通事故、提高道路交通安全和增强道路的通行能力等。但 现有车载定位装置在车辆行驶过程中，需要同时检测多个目标，无法准确定位 车辆是否靠近道路边缘，产生错误定位信息，给用户带来不必要的麻烦。

发明内容

有鉴于此，本发明实施例提供了一种车辆定位方法、装置和雷达，以解决 现有技术中道路边缘识别率低，车辆定位不准确的问题。

本发明实施例的第一方面提供了一种车辆定位方法，包括：

获取预设范围内地面目标的目标数据信息和自车的车速度信息；

根据所述目标数据信息和所述车速度信息判断所述地面目标是否是静止目 标；

在所述地面目标是静止目标时，根据所述目标数据信息建立道路边缘模型， 根据所述道路边缘模型得到所述自车距离所述地面目标的距离信息。

可选的，所述目标数据信息包括：地面目标相对于自车的目标速度信息、 地面目标与自车的角度信息和地面目标与自车的目标距离信息；

所述根据所述目标数据信息和所述车速度信息判断所述地面目标是否是静 止目标包括：

判断所述目标速度信息、所述角度信息和所述车速度信息是否满足预设条 件并得到第一判断结果，根据所述第一判断结果确定所述地面目标是否是静止 目标。

可选的，所述预设条件为：

其中，v₀为所述车速度信息，v为所述目标速度信息，θ为所述角度信息；

所述判断所述目标速度信息、所述角度信息和所述车速度信息是否满足预 设条件并得到第一判断结果，根据所述第一判断结果确定所述地面目标是否是 静止目标包括：

在所述目标速度信息、所述角度信息和所述车速度信息满足时， 确定所述地面目标是静止目标；

在所述目标速度信息、所述角度信息和所述车速度信息不满足时，确定所述地面目标不是静止目标。

可选的，所述目标距离信息包括第一目标距离信息和第二目标距离信息；

所述根据所述目标数据信息建立道路边缘模型，根据所述道路边缘模型得 到所述自车距离所述地面目标的距离信息包括：

根据所述第一目标距离信息建立道路边缘模型；

根据道路边缘模型对所述第二目标距离信息进行曲线拟合，并得到路沿拟 合曲线；

根据所述路沿拟合曲线确定所述自车距离所述地面目标的第一距离信息；

对所述第一距离信息进行卡尔曼滤波，得到所述自车距离所述地面目标的 距离信息。

可选的，所述车辆定位方法还包括：

在所述地面目标是静止目标时，根据RANSAC(Random Sample Consensus， 随机采样一致性)算法对所述目标数据信息进行预处理；

根据预处理后的所述目标数据信息建立道路边缘模型，根据所述道路边缘 模型得到所述自车距离所述地面目标的距离信息。

本发明实施例的第二方面提供了一种车辆定位装置，包括：

数据获取模块，用于获取预设范围内地面目标的目标数据信息和自车的车 速度信息；

判断模块，用于根据所述目标数据信息和所述车速度信息判断所述地面目 标是否是静止目标；

定位模块，用于在所述地面目标是静止目标时，根据所述目标数据信息建 立道路边缘模型，根据所述道路边缘模型得到所述自车距离所述地面目标的距 离信息。

可选的，所述目标数据信息包括：地面目标相对于自车的目标速度信息、 地面目标与自车的角度信息和地面目标与自车的目标距离信息；

所述判断模块具体用于：判断所述目标速度信息、所述角度信息和所述车 速度信息是否满足预设条件并得到第一判断结果，根据所述第一判断结果确定 所述地面目标是否是静止目标。

可选的，所述预设条件为：

其中，v₀为所述车速度信息，v为所述目标速度信息，θ为所述角度信息；

所述判断模块具体用于：

在所述目标速度信息、所述角度信息和所述车速度信息满足时， 确定所述地面目标是静止目标；

在所述目标速度信息、所述角度信息和所述车速度信息不满足时，确定所述地面目标不是静止目标。

本发明实施例的第三方面提供了一种雷达，包括存储器、处理器以及存储 在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述 计算机程序时实现如实施例的第一方面提供的任一项所述方法的步骤。

本发明实施例的第四方面提供了一种计算机可读存储介质，所述计算机可 读存储介质存储计算机程序，所述计算机程序被处理器执行时实现如实施例的 第一方面提供的任一项所述方法的步骤。

本发明实施例与现有技术相比存在的有益效果是：通过获取预设范围内地 面目标的目标数据信息和自车的车速度信息，然后根据所述目标数据信息和所 述车速度信息判断所述地面目标是否是静止目标，在所述地面目标是静止目标 时，根据所述目标数据信息建立道路边缘模型，根据所述道路边缘模型得到所 述自车距离所述地面目标的距离信息，从而能够提高对道路边缘的识别精度， 提高车辆定位准确度。

附图说明

为了更清楚地说明本发明实施例中的技术方案，下面将对实施例或现有技 术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅 仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳 动性的前提下，还可以根据这些附图获得其他的附图。

图1是本发明实施例提供的车辆定位方法的实现流程示意图；

图2是图1中步骤S103的实现流程示意图；

图3是本发明实施例提供的另一种车辆定位方法的实现流程示意图；

图4是本发明实施例提供的车辆定位装置的结构框图；

图5是本发明实施例提供的一种雷达的示意图。

具体实施方式

以下描述中，为了说明而不是为了限定，提出了诸如特定系统结构、技术 之类的具体细节，以便透彻理解本发明实施例。然而，本领域的技术人员应当 清楚，在没有这些具体细节的其它实施例中也可以实现本发明。在其它情况中， 省略对众所周知的系统、装置、电路以及方法的详细说明，以免不必要的细节 妨碍本发明的描述。

为了说明本发明所述的技术方案，下面通过具体实施例来进行说明。

实施例一

参见图1提供了车辆定位方法的一个实施例实现流程示意图，详述如下：

步骤S101，获取预设范围内地面目标的目标数据信息和自车的车速度信 息。

在汽车辅助驾驶系统中，行驶的车当靠近某一目标时，车载设备就会发出 警报信号，以便驾驶员通过警报信号了解自车与检测目标的距离情况，但对于 车载设备检测的所有目标都进行警报，也会给驾驶员带来很多的不便。所以本 实施例的车辆定位方法先是通过获取地面目标的所述目标数据信息和自车的车 速度信息，判断检测的目标时对于地面是静止还是运动，如果检测的目标是静 止的，再进行自车与目标的距离判断。

可选的，所述预设范围包括体积预设范围和距离预设范围。

车辆在行驶过程中，车辆两边会出现多个地面目标，但如果获取每个地面 目标的目标数据信息，大量的数据信息影响车辆定位的速度，而且会降低车辆 定位的准确性。所以，本实施例中是获取预设范围内地面目标的目标数据信息。

具体的，获取体积预设范围内和距离预设范围内地面目标的目标数据信息。 当地面目标均满足体积预设范围和距离预设范围，则获取所述地面目标的目标 数据信息。

可选的，体积预设范围包括大于第一体积信息且小于第二体积信息。具体 的，获取目标数据信息的地面目标的体积不能太小，例如地面的石子有很多， 不能一一进行获取目标数据信息，且对于楼房、货车等庞大且驾驶员可以随时 清楚看到的目标，也可以不进行获取目标数据信息，只有在大于第一体积信息 且小于第二体积信息的范围内，才进行获取目标数据信息。

可选的，距离预设范围包括小于第一距离信息。具体的，获取目标数据信 息的地面目标的距离不能太远，地面上的远距离和近距离目标很多，不能一一 进行获取目标数据信息，对于一些远距离对车辆没有影响的目标可以不进行获 取目标数据信息，只有在小于第一距离信息的范围内，才进行获取目标数据信 息。

可选的，本实施例获取地面目标的目标数据信息的方式可以通过高分辨率 的毫米波雷达获取目标数据信息。

具体应用中，毫米波雷达具有体积小、质量轻和空间分辨率高的特点，与 红外和激光等光学导引头的雷达相比，毫米波雷达穿透雾、烟、灰尘的能力强， 具有全天候全天时的特点，毫米波雷达能分辨识别很小的目标，而且能同时识 别多个目标，抗干扰、反隐身能力也优于其他微波雷达。

所以，本实施例的地面目标的目标数据信息是通过高分辨率的毫米波雷达 获取。本实施例对毫米波雷达获取地面目标的目标数据信息方式不做限定，所 述毫米波雷达获取的目标数据信息具有准确度高、数据量大、噪声数据少等特 点。

可选的，获取自车的车速度信息的方式可以是通过速度传感器、位置传感 器或雷达等设备获取自车的速度信息。本实施例对获取车速度信息的方式不做 限定。

其中，所述目标数据信息包括：地面目标相对于自车的目标速度信息、地 面目标与自车的角度信息和地面目标与自车的目标距离信息。

具体的，所述目标速度信息是指地面目标相对于汽车的运动速度。

所述角度信息是指检测设备与所述地面目标相对于Y轴的角度信息。示例 性的，检测设备相对于原点位置，所述地面目标的位置点与检测设备的位置点 构成的直线与Y轴所成的角度，即为所述地面目标的角度信息。

所述目标距离信息是指地面目标与自车的距离信息，可以包括地面目标与 自车的横向距离信息和纵向距离信息。

步骤102，根据所述目标数据信息和所述车速度信息判断所述地面目标是 否是静止目标。

具体的，判断所述目标速度信息、所述角度信息和所述车速度信息是否满 足预设条件并得到第一判断结果，根据所述第一判断结果确定所述地面目标是 否是静止目标。本实施例是根据目标速度信息、所述角度信息和所述车速度信 息之间的关系是否满足预设条件，如果目标速度信息、角度信息和车速度信息 之间的关系满足预设条件，则判断所述地面目标是静止的，如果不满足则判断 检测的地面目标不是静止的。

可选的，所述预设条件为：其中，v₀为所述车速度信息，v为 所述目标速度信息，θ为所述角度信息。

具体的，判断所述目标速度信息、所述角度信息和所述车速度信息是否满 足预设条件并得到第一判断结果，根据所述第一判断结果确定所述地面目标是 否是静止目标包括：

在所述目标速度信息、所述角度信息和所述车速度信息满足时， 确定所述地面目标是静止目标。

在所述目标速度信息、所述角度信息和所述车速度信息不满足时，确定所述地面目标不是静止目标。

上述判断检测目标是否是静止目标的方法，可以减少虚警次数，避免多次 报警给驾驶员带来麻烦，提高道路边缘识别精度，提高车辆定位的准确度，提 高用户体验。

步骤103，在所述地面目标是静止目标时，根据所述目标数据信息建立道 路边缘模型，根据所述道路边缘模型得到所述自车距离所述地面目标的距离信 息。

其中，在所述目标速度信息、所述角度信息和所述车速度信息满足 时，确定所述地面目标是静止目标，所述地面目标静止是相对于地 面静止，而不是相对于自车静止。

具体应用环境中，车辆在道路上行驶时，检测的目标如果是静止目标，一 般是道路的边缘，即路沿。判断车辆与路沿的位置关系，可以辅助车辆变道， 也可以防止车辆太靠近路沿时摩擦车辆，给驾驶员到来不必要的损失，还可以 在车辆倒车过程中作为辅助，使驾驶员判断倒车是否准确等。

可选的，所述目标距离信息包括横向目标距离信息或纵向目标距离信息。

具体的，在判断检测目标为静止目标后，根据所述横向目标距离信息建立 道路边缘模型，根据道路边缘模型再次确定所述自车与静止目标的横向距离， 即得到所述自车前后距离静止目标的距离信息，精确定位车辆位置。还可以根 据所述纵向目标距离信息建立道路边缘模型，根据道路边缘模型再次确定所述 自车与静止目标的纵向距离，即得到所述自车前后距离静止目标的距离信息， 精确定位车辆位置。

进一步地，所述目标距离信息包括第一目标距离信息和第二目标距离信息。

其中，所述第一目标距离信息用于建立道路边缘模型；第二目标距离信息 用于根据路边缘模型进行曲线拟合，即第二目标距离信息可以检验目标距离信 息的准确性，减小获取的目标距离信息的误差。

应理解，本实施例对第一目标距离信息和第二目标距离信息的分类选取不 做限定，可以是随机将目标距离信息分为第一目标距离信息和第二目标距离信 息，也可以是对目标距离信息进行统计，将多数相似的目标距离信息分为第一 目标距离信息，剩余的目标距离信息分为第二目标距离信息。

可选的，第一目标距离信息个数大于第二目标距离信息个数，这样有利于 建立更加标准、更加准确的道路边缘模型。

本实施例对建立道路边缘模型的过程不做限定。

参见图2，一个实施例中，步骤S103所述的根据所述目标数据信息建立道 路边缘模型，根据所述道路边缘模型得到所述自车距离所述地面目标的距离信 息的具体实现过程包括：

步骤S201，根据所述第一目标距离信息建立道路边缘模型。

具体的，用获取的地面目标的目标距离信息的一部分进行道路边缘模型的 建立，建立的道路边缘模型可以使根据道路边缘的一条边缘建立的一条曲线道 路边缘模型，也可以是根据多维的道路边缘建立的多维道路边缘模型。本实施 例对建立的道路边缘模型的具体形式不做限定。

具体应用中，根据地面目标的不同，获取的地面目标的目标距离信息也就 不同，所以建立的道路边缘模型也不同。本实施例中实时获取地面目标的目标 距离信息，并根据当前获取的目标距离信息进行建立道路边缘模型，从而使得 车辆定位的实时性更好。

步骤S202，根据道路边缘模型对所述第二目标距离信息进行曲线拟合，并 得到路沿拟合曲线。

通过对第二目标距离信息进行曲线拟合，对离散的目标距离信息进行线性 统计，有利于对一些存在误差的目标距离信息进行修正，减小获取的距离信息 的误差，可以更加准确的获取地面目标与自车的距离信息，提高道路边缘识别 精度，提高车辆定位的准确度。

具体的，根据路沿拟合曲线再次获取自车与地面目标的距离信息，即第一 距离信息。所述第一距离信息为多个自车与地面目标的距离信息，可以包括多 个自车与地面目标的横向距离信息，也可以包括多个自车与地面目标的纵向距 离信息。

示例性的，车辆在行驶过程中，检测到道路边缘这个静止目标，则会获取 多个车辆与道路边缘的目标距离信息，但是在所述道路边缘附近还会有其他目 标，使得获取的车辆与车道边缘的目标距离信息存在误差，比较离散化，通过 建立道路边缘模型，在对其他的目标距离信息采用曲线拟合方法，将其他的目 标距离信息进行线性化，对目标距离信息的误差进行修正，得到路沿拟合曲线， 再根据路沿拟合曲线获取车辆与道路边缘的距离信息，即所述第一距离信息。 第一距离信息与所述目标距离信息相比，误差减小，准确度更高。

可选的，所述车辆定位方法还可以包括：

计算所述第一距离信息的平均值。

具体应用中，平均值表示一组数据集中趋势的量数，它是反映数据集中趋 势的一项指标。对所述第一距离信息求取平均值，使获取的车辆与地面目标的 距离更加准确。

步骤S203，对所述第一距离信息进行卡尔曼滤波，得到所述自车距离所述 地面目标的距离信息。

传统的滤波方法只能是在有用信号与噪声具有不同频带的条件下才能实 现，具有一定的条件限制。卡尔曼滤波不要求信号和噪声都是平稳过程，也不 限制有用信号与噪声具有不同频带，即观测每个时刻的系统误差，对含有噪声 的检测数据进行处理，求得误差为最小的真实数据的估计值。因此，卡尔曼滤 波在雷达信号处理得到了应用，取得了许多应用的成果。

本实施例通过分析目标距离信息的分布情况，计算当前自车距离路沿的第 一距离信息均值，并用卡尔曼滤波对第一距离信息的均值进行优化，精确判断 自车与道路边缘的距离，定位速度快，进而定位的实时性高，并实现车辆在道 路上的精确定位。

进一步地，参见图3，作为一个具体实施例，所述车辆定位方法还包括：

步骤301，在所述地面目标是静止目标时，根据RANSAC算法对所述目标 数据信息进行预处理。

具体应用中，获取的所述目标数据信息中包括正确数据(可以被模型描述 的数据)，也包含异常数据(偏离正常范围很远、无法适应数学模型的数据)， 即所述目标数据信息中含有噪声。这些异常数据可能是由于错误的检测、错误 的计算和噪声干扰等产生的。为了减少这些异常数据信息，本实施例采用了 RANSAC算法对所述目标数据信息进行预处理。

RANSAC算法可以从一组包含异常数据的所述目标数据信息中，通过迭代 方式估计所述目标数据信息中的数学模型，删除一些所述目标数据信息中异常 数据信息，即删除所述目标数据信息中目标距离信息的距离野值。

可选的，在根据RANSAC算法对所述目标数据信息进行预处理之前，所述 车辆定位方法还包括：

对所述目标数据信息进行去噪处理。

具体的，在获取所述地面目标的目标数据信息时，同时会获取一些噪声信 息，例如在获取地面目标与自车的目标距离信息时，会有一些目标距离信息异 常点，影响道路边缘识别精度，影响车辆定位的准确度。所以本实施例对所述 目标距离信息进行去噪处理，去除一些目标距离信息异常点，提高道路边缘识 别精度。

步骤302，根据预处理后的所述目标数据信息建立道路边缘模型，根据所 述道路边缘模型得到所述自车距离所述地面目标的距离信息。

具体的，预处理后的所述目标数据信息中包括预处理后的目标距离信息。 预处理后的目标距离信息包括第一预处理的目标距离信息和第二预处理的目标 距离信息。根据第一预处理的目标距离信息建立道路边缘模型，根据道路边缘 模型对第二预处理的目标距离信息进行曲线拟合，得到路沿拟合曲线，再根据 所述路沿拟合曲线计算所述自车与所述道路边缘的横向距离，得到所述自车左 侧或右侧距离静止目标的距离信息，即精确定位车辆位置；还可以根据所述路 沿拟合曲线计算所述自车与所述道路边缘的纵向距离，得到所述自车前侧或后 侧距离静止目标的距离信息。

上述车辆定位方法，通过获取预设范围内地面目标的目标数据信息和自车 的车速度信息；然后根据所述目标数据信息和所述车速度信息判断所述地面目 标是否是静止目标；在所述地面目标是静止目标时，根据所述目标数据信息建 立道路边缘模型，根据所述道路边缘模型得到所述自车距离所述地面目标的距 离信息，从而能够提高对道路边缘的识别精度，提高车辆定位准确度。

本领域技术人员可以理解，上述实施例中各步骤的序号的大小并不意味着 执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本 发明实施例的实施过程构成任何限定。

实施例二

对应于上文实施例一所述的车辆定位方法，图4中示出了本发明实施例二 中车辆定位装置的结构框图。为了便于说明，仅示出了与本实施例相关的部分。

该装置包括：数据获取模块110、判断模块120和定位模块130。

数据获取模块110用于获取预设范围内地面目标的目标数据信息和自车的 车速度信息。

判断模块120用于根据所述目标数据信息和所述车速度信息判断所述地面 目标是否是静止目标；

定位模块130用于在所述地面目标是静止目标时，根据所述目标数据信息 建立道路边缘模型，根据所述道路边缘模型得到所述自车距离所述地面目标的 距离信息。

可选的，所述目标数据信息包括：地面目标相对于自车的目标速度信息、 地面目标与自车的角度信息和地面目标与自车的目标距离信息。

判断模块120具体用于：判断所述目标速度信息、所述角度信息和所述车 速度信息是否满足预设条件并得到第一判断结果，根据所述第一判断结果确定 所述地面目标是否是静止目标。

可选的，所述预设条件为：

其中，v₀为所述车速度信息，v为所述目标速度信息，θ为所述角度信息。

判断模块120具体用于：

在所述目标速度信息、所述角度信息和所述车速度信息满足时， 确定所述地面目标是静止目标。

在所述目标速度信息、所述角度信息和所述车速度信息不满足时，确定所述地面目标不是静止目标。

可选的，所述车辆定位装置还包括：预处理模块140。

预处理模块140用于在所述地面目标是静止目标时，根据RANSAC算法对 所述目标数据信息进行预处理。

上述车辆定位装置，数据获取模块110获取预设范围内地面目标的目标数 据信息和自车的车速度信息；判断模块120根据所述目标数据信息和所述车速 度信息判断所述地面目标是否是静止目标；定位模块130在所述地面目标是静 止目标时，根据所述目标数据信息建立道路边缘模型，根据所述道路边缘模型 得到所述自车距离所述地面目标的距离信息，从而能够提高对道路边缘的识别 精度，提高车辆定位准确度。

实施例三

图5是本发明实施例三提供的一种雷达100的示意图。如图5所示，该实 施例所述的雷达100包括：处理器150、存储器160以及存储在所述存储器160 中并可在所述处理器150上运行的计算机程序161，例如车辆定位方法的程序。 所述处理器150在执行所述计算机程序161时实现上述车辆定位方法实施例中 的步骤，例如图1所示的步骤101至103。或者，所述处理器150执行所述计 算机程序161时实现上述各装置实施例中各模块/单元的功能，例如图4所示模 块110至130的功能。

示例性的，所述计算机程序161可以被分割成一个或多个模块/单元，所述 一个或者多个模块/单元被存储在所述存储器160中，并由所述处理器150执行， 以完成本发明。所述一个或多个模块/单元可以是能够完成特定功能的一系列计 算机程序指令段，该指令段用于描述所述计算机程序161在所述雷达100中的 执行过程。例如，所述计算机程序161可以被分割成数据获取模块、判断模块 和定位模块，各模块具体功能如下：

数据获取模块用于获取预设范围内地面目标的目标数据信息和自车的车速 度信息。

判断模块用于根据所述目标数据信息和所述车速度信息判断所述地面目标 是否是静止目标。

定位模块用于在所述地面目标是静止目标时，根据所述目标数据信息建立 道路边缘模型，根据所述道路边缘模型得到所述自车距离所述地面目标的距离 信息。

可选的，所述目标数据信息包括：地面目标相对于自车的目标速度信息、 地面目标与自车的角度信息和地面目标与自车的目标距离信息。

所述判断模块具体用于：判断所述目标速度信息、所述角度信息和所述车 速度信息是否满足预设条件并得到第一判断结果，根据所述第一判断结果确定 所述地面目标是否是静止目标。

可选的，所述预设条件为：

其中，v₀为所述车速度信息，v为所述目标速度信息，θ为所述角度信息。

所述判断模块具体用于：

在所述目标速度信息、所述角度信息和所述车速度信息满足时， 确定所述地面目标是静止目标。

在所述目标速度信息、所述角度信息和所述车速度信息不满足时，确定所述地面目标不是静止目标。

可选的，所述计算机程序161还可以包括：预处理模块。

预处理模块用于在所述地面目标是静止目标时，根据RANSAC算法对所述 目标数据信息进行预处理。

所述雷达100可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计 算设备。所述雷达100可包括，但不仅限于处理器150、存储器160。本领域技 术人员可以理解，图5仅仅是雷达100的示例，并不构成对雷达100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，例 如雷达100还可以包括输入输出设备、网络接入设备、总线等。

所称处理器150可以是中央处理单元(Central Processing Unit，CPU)，还可 以是其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用 集成电路(Application Specific Integrated Circuit，ASIC)、现成可编程门阵列 (Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或 者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理 器也可以是任何常规的处理器等。

所述存储器160可以是雷达100的内部存储单元，例如雷达100的硬盘或 内存。所述存储器160也可以是雷达100的外部存储设备，例如雷达100上配 备的插接式硬盘，智能存储卡(Smart Media Card，SMC)，安全数字(Secure Digital，SD)卡，闪存卡(Flash Card)等。进一步地，所述存储器160还可以 既包括雷达100的内部存储单元也包括外部存储设备。所述存储器160用于存 储所述计算机程序以及雷达100所需的其他程序和数据。所述存储器160还可 以用于暂时地存储已经输出或者将要输出的数据。

所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，仅以上 述各功能单元、模型的划分进行举例说明，实际应用中，可以根据需要而将上 述功能分配由不同的功能单元、模块完成，即将所述装置的内部结构划分成不 同的功能单元或模块，以完成以上描述的全部或者部分功能。实施例中的各功 能单元、模块可以集成在一个处理单元中，也可以是各个单元单独物理存在， 也可以两个或两个以上单元集成在一个单元中，上述集成的单元既可以采用硬 件的形式实现，也可以采用软件功能单元的形式实现。另外，各功能单元、模 块的具体名称也只是为了便于相互区分，并不用于限制本申请的保护范围。上 述系统中单元、模块的具体工作过程，可以参考前述方法实施例中的对应过程， 在此不再赘述。

在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详 述或记载的部分，可以参见其它实施例的相关描述。

本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示 例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来 实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用 和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现 所描述的功能，但是这种实现不应认为超出本发明的范围。

在本发明所提供的实施例中，应该理解到，所揭露的装置/雷达和方法，可 以通过其它的方式实现。例如，以上所描述的装置/雷达实施例仅仅是示意性的， 例如，所述模块或单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有 另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统， 或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或 直接耦合或通讯连接可以是通过一些接口，装置或单元的间接耦合或通讯连接， 可以是电性，机械或其它的形式。

所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为 单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者 也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部 单元来实现本实施例方案的目的。

另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中， 也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元 中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的 形式实现。

所述集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品 销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解， 本发明实现上述实施例方法中的全部或部分流程，也可以通过计算机程序来指 令相关的硬件来完成，所述的计算机程序可存储于一计算机可读存储介质中， 该计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。其中， 所述计算机程序包括计算机程序代码，所述计算机程序代码可以为源代码形式、 对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括： 能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、 磁碟、光盘、计算机存储器、只读存储器(ROM，Read-Only Memory)、随机 存取存储器(RAM，Random Access Memory)、电载波信号、电信信号以及软 件分发介质等。需要说明的是，所述计算机可读介质包含的内容可以根据司法 管辖区内立法和专利实践的要求进行适当的增减，例如在某些司法管辖区，根 据立法和专利实践，计算机可读介质不包括是电载波信号和电信信号。

以上所述实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照 前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其 依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特 征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发 明各实施例技术方案的精神和范围，均应包含在本发明的保护范围之内。

Claims (10)

1.一种车辆定位方法，其特征在于，包括：

获取预设范围内地面目标的目标数据信息和自车的车速度信息；

根据所述目标数据信息和所述车速度信息判断所述地面目标是否是静止目标；

在所述地面目标是静止目标时，根据所述目标数据信息建立道路边缘模型，根据所述道路边缘模型得到所述自车距离所述地面目标的距离信息。

2.如权利要求1所述的车辆定位方法，其特征在于，所述目标数据信息包括：地面目标相对于自车的目标速度信息、地面目标与自车的角度信息和地面目标与自车的目标距离信息；

所述根据所述目标数据信息和所述车速度信息判断所述地面目标是否是静止目标包括：

判断所述目标速度信息、所述角度信息和所述车速度信息是否满足预设条件并得到第一判断结果，根据所述第一判断结果确定所述地面目标是否是静止目标。

3.如权利要求2所述的车辆定位方法，其特征在于，所述预设条件为：

其中，v₀为所述车速度信息，v为所述目标速度信息，θ为所述角度信息；

所述判断所述目标速度信息、所述角度信息和所述车速度信息是否满足预设条件并得到第一判断结果，根据所述第一判断结果确定所述地面目标是否是静止目标包括：

在所述目标速度信息、所述角度信息和所述车速度信息满足时，确定所述地面目标是静止目标；

在所述目标速度信息、所述角度信息和所述车速度信息不满足时，确定所述地面目标不是静止目标。

4.如权利要求2所述的车辆定位方法，其特征在于，所述目标距离信息包括第一目标距离信息和第二目标距离信息；

所述根据所述目标数据信息建立道路边缘模型，根据所述道路边缘模型得到所述自车距离所述地面目标的距离信息包括：

根据所述第一目标距离信息建立道路边缘模型；

根据所述道路边缘模型对所述第二目标距离信息进行曲线拟合，并得到路沿拟合曲线；

根据所述路沿拟合曲线确定所述自车距离所述地面目标的第一距离信息；

对所述第一距离信息进行卡尔曼滤波，得到所述自车距离所述地面目标的距离信息。

5.如权利要求1至4任一项所述的车辆定位方法，其特征在于，所述车辆定位方法还包括：

在所述地面目标是静止目标时，根据随机采样一致性RANSAC算法对所述目标数据信息进行预处理；

根据预处理后的所述目标数据信息建立道路边缘模型，根据所述道路边缘模型得到所述自车距离所述地面目标的距离信息。

6.一种车辆定位装置，其特征在于，包括：

数据获取模块，用于获取预设范围内地面目标的目标数据信息和自车的车速度信息；

判断模块，用于根据所述目标数据信息和所述车速度信息判断所述地面目标是否是静止目标；

定位模块，用于在所述地面目标是静止目标时，根据所述目标数据信息建立道路边缘模型，根据所述道路边缘模型得到所述自车距离所述地面目标的距离信息。

7.如权利要求6所述的车辆定位装置，其特征在于，所述目标数据信息包括：地面目标相对于自车的目标速度信息、地面目标与自车的角度信息和地面目标与自车的目标距离信息；

所述判断模块具体用于：判断所述目标速度信息、所述角度信息和所述车速度信息是否满足预设条件并得到第一判断结果，根据所述第一判断结果确定所述地面目标是否是静止目标。

8.如权利要求7所述的车辆定位装置，其特征在于，所述预设条件为：

其中，v₀为所述车速度信息，v为所述目标速度信息，θ为所述角度信息；

所述判断模块具体用于：

在所述目标速度信息、所述角度信息和所述车速度信息满足时，确定所述地面目标是静止目标；

在所述目标速度信息、所述角度信息和所述车速度信息不满足时，确定所述地面目标不是静止目标。

9.一种雷达，包括存储器、处理器以及存储在所述存储器中并可在所述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计算机程序时实现如权利要求1至5任一项所述方法的步骤。

10.一种计算机可读存储介质，所述计算机可读存储介质存储计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至5任一项所述方法的步骤。