CN108919320A - 一种基于v2x的自动驾驶车辆定位方法及装置 - Google Patents

Abstract

本发明提供一种基于V2X的自动驾驶车辆定位方法及装置，方法包括步骤：获取当前自动驾驶车辆的定位设备接收到的卫星信号数量；判断卫星信号数量是否小于预设第一信号阈值，若是，则说明GNSS的信号较差，这时测量与当前自动驾驶车辆进行通信的若干目标终端分别跟当前自动驾驶车辆的距离值以及各个目标终端的位置信息，利用数据融合算法将得到的所有位置信息和距离值进行信息融合，计算得到当前自动驾驶车辆的位置信息。由于没有增加额外的硬件设备，本技术方案在提高车辆的定位精度的同时降低了成本。

Description

一种基于V2X的自动驾驶车辆定位方法及装置

技术领域

本发明涉及智能交通技术领域，更具体地说，涉及一种基于V2X(vehicle toeverything，即对外界的信息交换)的自动驾驶车辆的定位方法及装置。

背景技术

精确定位对车辆的自动驾驶技术来说至关重要，目前常用的定位方法是由GPS、北斗等GNSS(Global Navigation Satellite System，全球导航定位系统)提供定位信息。由于GNSS信号在传输过程中会出现多径效应，往往导致高楼林立或林荫路等路况下GNSS信号不佳的现象，直接影响车辆的定位精度，进而影响自动驾驶车辆的安全行驶。目前虽有RTK(Real-time kinematic，实时动态)等高精度定位技术解决上述问题，当时成本较高，不利于RTK技术的推广应用。

发明内容

有鉴于此，本发明提出一种自动驾驶车辆的定位方法及装置，欲在GNSS的信号较差时，提高车辆的定位精度的同时实现降低成本的目的。

为了实现上述目的，现提出的方案如下：

一种基于V2X的自动驾驶车辆定位方法，包括：

获取当前自动驾驶车辆的定位设备接收到的卫星信号数量；

判断所述卫星信号数量是否小于预设第一信号阈值，若是，则测量与当前自动驾驶车辆进行通信的若干目标终端分别跟当前自动驾驶车辆的距离值；

获取各个所述目标终端的位置信息，所述目标终端包括定位设备；

利用数据融合算法将得到的所有位置信息和距离值进行信息融合，计算得到当前自动驾驶车辆的位置信息。

可选的，所述测量与当前自动驾驶车辆进行通信的若干目标终端分别跟当前自动驾驶车辆的距离值，包括：

获取与当前自动驾驶车辆进行通信的各个终端接收到的卫星信号数据，每个所述终端均包括定位设备；

将接收到的卫星信号数量大于预设第二信号阈值的终端，作为待定目标终端；

分析得到每个所述待定目标终端与当前自动驾驶车辆之间的可利用的所有测距方法的类型；

按照得到的测距方法类型的数量，从大到小对所述待定目标终端进行排序；

将排序靠前的若干待定目标终端，作为所述若干目标终端；

针对每个所述目标终端，利用所述目标终端对应的各种类型的测距方法，测量得到所述目标终端与当前自动驾驶车辆的参考距离值；

针对每个所述目标终端，利用数据融合算法将得到的所有参考距离值进行信息融合，计算得到所述目标终端与当前自动驾驶车辆的距离值。

可选的，所述测距方法的类型包括V2X测距；

利用所述目标终端对应的V2X测距方法，测量得到所述目标终端与当前自动驾驶车辆的参考距离值，包括：

接收所述目标终端发送的信号强度值，利用信号强度公式计算得到所述目标终端与当前自动驾驶车辆的参考距离值，所述信号强度公式为：

RSS＝P_t-K-10αlnd

其中，RSS是信号强度值，P_t是发射功率，K是跟环境和频率有关的常数，α是路径损耗指数，d是当前自动驾驶车辆与目标终端之间的距离。

可选的，所述测距方法的类型包括图像测距；

利用所述目标终端对应的图像测距方法，测量得到所述目标终端与当前自动驾驶车辆的参考距离值，包括：

接收所述目标终端发送的自身属性信息，所述自身属性信息包括所述目标终端的实际高度；

根据所述自身属性信息，利用图像识别技术识别得到所述目标终端；

利用光学三角公式，计算得到所述目标终端与当前自动驾驶车辆的参考距离值，所述光学三角公式为：

d＝f*H/h

其中，d是当前自动驾驶车辆与目标终端之间的距离，f是当前自动驾驶车辆安装的摄像头的焦距，H是目标终端的实际高度，h是目标终端在当前自动驾驶车辆安装的摄像头拍摄的图像中的高度。

可选的，所述测距方法的类型包括雷达测距；

利用所述目标终端对应的雷达测距方法，测量得到所述目标终端与当前自动驾驶车辆的参考距离值，包括：

控制当前自动驾驶车辆的雷达发出雷达信号时，记录当前时间为第一时间；

接收所述目标终端返回的反射信号时，记录当前时间为第二时间；

根据所述第一时间、所述第二时间以及所述雷达信号的传播速度，计算得到所述目标终端与当前自动驾驶车辆的参考距离值。

一种基于V2X的自动驾驶车辆定位装置，包括：

第一获取单元，用于获取当前自动驾驶车辆的定位设备接收到的卫星信号数量；

判断单元，用于判断所述卫星信号数量是否小于预设第一信号阈值，若是，则执行测量单元；

所述测量单元，用于测量与当前自动驾驶车辆进行通信的若干目标终端分别跟当前自动驾驶车辆的距离值；

第二获取单元，用于获取各个所述目标终端的位置信息，所述目标终端包括定位设备；

信息融合单元，用于利用数据融合算法将得到的所有位置信息和距离值进行信息融合，计算得到当前自动驾驶车辆的位置信息。

可选的，所述测量单元，具体包括：

获取子单元，用于获取与当前自动驾驶车辆进行通信的各个终端接收到的卫星信号数据，每个所述终端均包括定位设备；

待定目标选择子单元，用于将接收到的卫星信号数量大于预设第二信号阈值的终端，作为待定目标终端；

测距类型分析子单元，用于分析得到每个所述待定目标终端与当前自动驾驶车辆之间的可利用的所有测距方法的类型；

排序子单元，用于按照得到的测距方法类型的数量，从大到小对所述待定目标终端进行排序；

目标选择子单元，用于将排序靠前的若干待定目标终端，作为所述若干目标终端；

参考距离值计算子单元，用于针对每个所述目标终端，利用所述目标终端对应的各种类型的测距方法，测量得到所述目标终端与当前自动驾驶车辆的参考距离值；

信息融合子单元，用于针对每个所述目标终端，利用数据融合算法将得到的所有参考距离值进行信息融合，计算得到所述目标终端与当前自动驾驶车辆的距离值。

可选的，所述参考距离值计算子单元，包括：

V2X测距模块，用于接收所述目标终端发送的信号强度值，利用信号强度公式计算得到所述目标终端与当前自动驾驶车辆的参考距离值，所述信号强度公式为：

RSS＝P_t-K-10αlnd

其中，RSS是信号强度值，P_t是发射功率，K是跟环境和频率有关的常数，α是路径损耗指数，d是当前自动驾驶车辆与目标终端之间的距离。

可选的，所述参考距离值计算子单元，包括：

图像测距模块，用于接收所述目标终端发送的自身属性信息，所述自身属性信息包括所述目标终端的实际高度；根据所述自身属性信息，利用图像识别技术识别得到所述目标终端；利用光学三角公式，计算得到所述目标终端与当前自动驾驶车辆的参考距离值，所述光学三角公式为：

d＝f*H/h

其中，d是当前自动驾驶车辆与目标终端之间的距离，f是当前自动驾驶车辆安装的摄像头的焦距，H是目标终端的实际高度，h是目标终端在当前自动驾驶车辆安装的摄像头拍摄的图像中的高度。

可选的，所述参考距离值计算子单元，包括：

雷达测距模块，用于控制当前自动驾驶车辆的雷达发出雷达信号时，记录当前时间为第一时间；接收所述目标终端返回的反射信号时，记录当前时间为第二时间；根据所述第一时间、所述第二时间以及所述雷达信号的传播速度，计算得到所述目标终端与当前自动驾驶车辆的参考距离值。

与现有技术相比，本发明的技术方案具有以下优点：

上述技术方案提供的一种基于V2X的自动驾驶车辆定位方法，包括步骤：获取当前自动驾驶车辆的定位设备接收到的卫星信号数量；判断所述卫星信号数量是否小于预设第一信号阈值，若是，则说明GNSS的信号较差，这时测量与当前自动驾驶车辆进行通信的若干目标终端分别跟当前自动驾驶车辆的距离值以及各个目标终端的位置信息，利用数据融合算法将得到的所有位置信息和距离值进行信息融合，计算得到当前自动驾驶车辆的位置信息。在GNSS的信号较差时，通过V2X技术与周围的目标终端进行通信，利用周围的目标终端的位置信息以及当前自动驾驶车辆与目标终端的距离值，计算得到当前自动驾驶车辆的较为精确的位置信息。由于没有增加额外的硬件设备，本技术方案在提高车辆的定位精度的同时降低了成本。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，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的前提下，还可以根据提供的附图获得其他的附图。

图1为本发明实施例提供的一种基于V2X的自动驾驶车辆定位方法的流程图；

图2为本发明实施例提供的一种距离值测量方法的流程图；

图3为一种行车环境示意图；

图4为本发明实施例提供的一种基于V2X的自动驾驶车辆定位装置的逻辑结构示意图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅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。

本实施例提供一种基于V2X的自动驾驶车辆定位方法，参见图1所示，该方法包括步骤：

S11：获取当前自动驾驶车辆的定位设备接收到的卫星信号数量。

GNSS的输出信息中包括卫星信号数量，车辆的定位设备接收到GNSS的输出信息后，从输出信息中获取卫星信号数量。

S12：判断所述卫星信号数量是否小于预设第一信号阈值，若否，则执行步骤S13，若是，则执行步骤S14。

定位设备接收到的卫星信号数量越多，则说明可参考的信息越多，因此，得到的位置精度越高。通过设置第一信号阈值与接收到的卫星信号数量进行比较，来判断当前自动驾驶车辆的当前定位精度情况。若接收到的卫星信号数量小于第一信号阈值，则说明当前定位精度较差，需要进行辅助定位，即利用周围目标终端的位置信息以及当前自动驾驶车辆与目标终端的距离值，计算当前自动驾驶车辆的较为精确的位置信息；若接收到的卫星信号数量不小于第一信号阈值，则说明当前定位精度满足要求，不需要辅助定位，直接采用当前自动驾驶车辆的定位设备进行定位得到位置信息。具体的，第一信号阈值可以设置为4.

S13：利用当前自动驾驶车辆的定位设备进行定位得到位置信息。

根据GNSS的输出信息进行定位得到位置信息的过程，采用现有技术即可实现，本实施例不再赘述。

S14：测量与当前自动驾驶车辆进行通信的若干目标终端分别跟当前自动驾驶车辆的距离值。

当前自动驾驶车辆通过安装的V2X设备与周围的终端进行通信。目标终端包括定位设备，通过定位设备接收GNSS的输出信息进行定位得到位置信息。可以利用V2X、图像和/或雷达测距等方式，测量得到当前自动驾驶车辆分别与各个目标终端的距离值。

S15：获取各个所述目标终端的位置信息。

通过当前自动驾驶车辆的V2X设备接收各个目标终端的位置信息。

S16：利用数据融合算法将得到的所有位置信息和距离值进行信息融合，计算得到当前自动驾驶车辆的位置信息。

所有位置信息即各个目标终端的位置信息，所有距离值即各个目标终端与当前自动驾驶车辆的距离值。本实施例可以利用现有的数据融合算法对所有位置信息和距离值进行信息融合，

本实施例提供的基于V2X的自动驾驶车辆定位方法，在GNSS的信号较差时，通过V2X技术与周围的目标终端进行通信，利用周围的目标终端的位置信息以及当前自动驾驶车辆与目标终端的距离值，计算得到当前自动驾驶车辆的较为精确的位置信息。由于没有增加额外的硬件设备，本技术方案在提高车辆的定位精度的同时降低了成本。

参见图2，述测量与当前自动驾驶车辆进行通信的若干目标终端分别跟当前自动驾驶车辆的距离值的具体过程包括步骤：

S21：获取与当前自动驾驶车辆进行通信的各个终端接收到的卫星信号数据，每个所述终端均包括定位设备。

在本实施例中终端包括但不限于为RSU(Road Side Unit，路侧单元)、车辆、智能手机、智能手环等包括定位设备的终端。通过当前自动驾驶车辆的V2X设备与周围终端进行通信，并获取终端接收到的卫星信号数据。

S22：将接收到的卫星信号数量大于预设第二信号阈值的终端，作为待定目标终端。

具体的，第二信号阈值可以等于第一信号阈值。

S23：分析得到每个所述待定目标终端与当前自动驾驶车辆之间的可利用的所有测距方法的类型；

在本实施例中自动驾驶车辆包括但不限于摄像头和雷达等设备。在当前自动驾驶车辆与目标物之前没有障碍物遮挡时，当前自动驾驶车辆可以通过图像测距、V2X测距和雷达测距等测距方式测量与目标物的距离值。由于本发明是基于V2X技术的，因此，待定目标终端与当前自动驾驶车辆之间的距离均可以通过V2X测距方式进行测量得到，即至少可以利用一种测距方式的类型。通过图像处理技术判断待定目标终端是否拍摄的图像内，进而确定图像测距方式是否可以利用，具体的，当前自动驾驶车辆与待定目标终端进行交互时，会接收待定目标终端的自身属性信息，自身属性信息包括终端类型、颜色、尺寸等信息。终端类型包括车辆、智能终端、RSU等类型。还可以通过图像处理技术确定待定目标终端是否在雷达的检测范围，进而确定雷达测距是否可用。

S24：按照得到的测距方法类型的数量，从大到小对所述待定目标终端进行排序。

根据步骤S23分析得到的与各个待定目标终端对应的可利用的测距方法类型的数量进行排序。

S25：将排序靠前的若干待定目标终端，作为所述若干目标终端。

S26：针对每个所述目标终端，利用所述目标终端对应的各种类型的测距方法，测量得到所述目标终端与当前自动驾驶车辆的参考距离值。

测距方法的类型为V2X测距时，测量目标终端与当前自动驾驶车辆之间的参考距离值，具体包括：接收所述目标终端发送的信号强度值，利用信号强度公式计算得到所述目标终端与当前自动驾驶车辆的参考距离值，所述信号强度公式为：

RSS＝P_t-K-10αlnd

其中，RSS是信号强度值，P_t是发射功率，K是跟环境和频率有关的常数，α是路径损耗指数，d是当前自动驾驶车辆与目标终端之间的距离。

测距方法的类型为图像测距时，测量目标终端与当前自动驾驶车辆之间的参考距离值，具体包括：接收所述目标终端发送的自身属性信息，所述自身属性信息包括所述目标终端的实际高度；根据所述自身属性信息，利用图像识别技术识别得到所述目标终端；利用光学三角公式，计算得到所述目标终端与当前自动驾驶车辆的参考距离值，所述光学三角公式为：

d＝f*H/h

其中，d是当前自动驾驶车辆与目标终端之间的距离，f是当前自动驾驶车辆安装的摄像头的焦距，H是目标终端的实际高度，h是目标终端在当前自动驾驶车辆安装的摄像头拍摄的图像中的高度。

测距方法的类型为雷达测距时，测量目标终端与当前自动驾驶车辆的参考距离值，包括：控制当前自动驾驶车辆的雷达发出雷达信号时，记录当前时间为第一时间；接收所述目标终端返回的反射信号时，记录当前时间为第二时间；根据所述第一时间、所述第二时间以及所述雷达信号的传播速度，计算得到所述目标终端与当前自动驾驶车辆的参考距离值。

S27：针对每个所述目标终端，利用数据融合算法将得到的所有参考距离值进行信息融合，计算得到所述目标终端与当前自动驾驶车辆的距离值。

下面举例说明本发明提供的基于V2X的自动驾驶车辆定位方法。如图3所示，1为当前自动驾驶车辆，2、3、4、5、6、7均为车辆、8为移动终端、9为RSU。

当前自动驾驶车辆的定位设备接受到GNSS卫星信号数量少于4颗时，则通过V2X设备对周围终端进行搜索。与安装有定位设备的车辆、移动终端以及RSU进行通信。

通过按照接收到GNSS卫星信号数量以及可采用的测距方式进行考虑，选择车辆2、车辆3、移动终端8以及RSU9作为目标终端。距离车辆2的距离可以通过V2X测距、图像测距和雷达测距方法测量；距离车辆1的距离可以通过V2X测距和图像测距方法测量；距离智能终端8的距离可以通过V2X测距和图像测距方法测量；距离RSU9的距离可以通过V2X测距和图像测距方法测量。

通过V2X测距、图像测距和雷达测距分别获取与车辆2之间的参考距离值，然后进行信息融合得到当前自动驾驶车辆1与车辆2之间的距离值d1。

通过V2X测距、图像测距分别获取与车辆3之间的参考距离值，然后进行信息融合得到当前自动驾驶车辆1与车辆3之间的距离值d2。

通过V2X测距、图像测距分别获取与智能终端8之间的参考距离值，然后进行信息融合得到当前自动驾驶车辆1与智能终端8之间的距离值d3。

通过V2X测距、图像测距分别获取与RSU9之间的参考距离值，然后进行信息融合得到当前自动驾驶车辆1与RSU9之间的距离值d4。

获取车辆2的位置信息P1、车辆3的位置信息P2、智能终端8的位置信息P3、RSU9的位置信息P4。

将得到的(P1，d1)、(P2，d2)、(P3，d3)、(P4，d4)进行信息融合，得到当前自动驾驶车辆1的位置信息P0。

对于前述的各方法实施例，为了简单描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本发明并不受所描述的动作顺序的限制，因为依据本发明，某些步骤可以采用其他顺序或者同时进行。

下述为本发明装置实施例，可以用于执行本发明方法实施例。对于本发明装置实施例中未披露的细节，请参照本发明方法实施例。

本实施例提供一种基于V2X的自动驾驶车辆定位装置，参见图4所示，该装置包括：第一获取单元11、判断单元12、测量单元13、第二获取单元14和信息融合单元15。

第一获取单元11，用于获取当前自动驾驶车辆的定位设备接收到的卫星信号数量；

判断单元12，用于判断所述卫星信号数量是否小于预设第一信号阈值，若是，则执行测量单元13；

所述测量单元13，用于测量与当前自动驾驶车辆进行通信的若干目标终端分别跟当前自动驾驶车辆的距离值；

第二获取单元14，用于获取各个所述目标终端的位置信息，所述目标终端包括定位设备；

信息融合单元15，用于利用数据融合算法将得到的所有位置信息和距离值进行信息融合，计算得到当前自动驾驶车辆的位置信息。

可选的，所述测量单元，具体包括：获取子单元、待定目标选择子单元、测距类型分析子单元、排序子单元、目标选择子单元、参考距离值计算子单元和信息融合子单元。

获取子单元，用于获取与当前自动驾驶车辆进行通信的各个终端接收到的卫星信号数据，每个所述终端均包括定位设备；

待定目标选择子单元，用于将接收到的卫星信号数量大于预设第二信号阈值的终端，作为待定目标终端；

测距类型分析子单元，用于分析得到每个所述待定目标终端与当前自动驾驶车辆之间的可利用的所有测距方法的类型；

排序子单元，用于按照得到的测距方法类型的数量，从大到小对所述待定目标终端进行排序；

目标选择子单元，用于将排序靠前的若干待定目标终端，作为所述若干目标终端；

参考距离值计算子单元，用于针对每个所述目标终端，利用所述目标终端对应的各种类型的测距方法，测量得到所述目标终端与当前自动驾驶车辆的参考距离值；

信息融合子单元，用于针对每个所述目标终端，利用数据融合算法将得到的所有参考距离值进行信息融合，计算得到所述目标终端与当前自动驾驶车辆的距离值。

可选的，，所述参考距离值计算子单元，包括：V2X测距模块、图像测距模块和雷达测距模块。

V2X测距模块，用于接收所述目标终端发送的信号强度值，利用信号强度公式计算得到所述目标终端与当前自动驾驶车辆的参考距离值，所述信号强度公式为：

RSS＝P_t-K-10αlnd

其中，RSS是信号强度值，P_t是发射功率，K是跟环境和频率有关的常数，α是路径损耗指数，d是当前自动驾驶车辆与目标终端之间的距离。

图像测距模块，用于接收所述目标终端发送的自身属性信息，所述自身属性信息包括所述目标终端的实际高度；根据所述自身属性信息，利用图像识别技术识别得到所述目标终端；利用光学三角公式，计算得到所述目标终端与当前自动驾驶车辆的参考距离值，所述光学三角公式为：

d＝f*H/h

其中，d是当前自动驾驶车辆与目标终端之间的距离，f是当前自动驾驶车辆安装的摄像头的焦距，H是目标终端的实际高度，h是目标终端在当前自动驾驶车辆安装的摄像头拍摄的图像中的高度。

雷达测距模块，用于控制当前自动驾驶车辆的雷达发出雷达信号时，记录当前时间为第一时间；接收所述目标终端返回的反射信号时，记录当前时间为第二时间；根据所述第一时间、所述第二时间以及所述雷达信号的传播速度，计算得到所述目标终端与当前自动驾驶车辆的参考距离值

以上所描述的装置实施例仅仅是示意性的，其中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模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性劳动的情况下，即可以理解并实施。

在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，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、物品或者设备不仅包括那些要素，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、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。

本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。

对本发明所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。

Claims (10)

1.一种基于V2X的自动驾驶车辆定位方法，其特征在于，包括：

获取当前自动驾驶车辆的定位设备接收到的卫星信号数量；

判断所述卫星信号数量是否小于预设第一信号阈值，若是，则测量与当前自动驾驶车辆进行通信的若干目标终端分别跟当前自动驾驶车辆的距离值；

获取各个所述目标终端的位置信息，所述目标终端包括定位设备；

利用数据融合算法将得到的所有位置信息和距离值进行信息融合，计算得到当前自动驾驶车辆的位置信息。

2.根据权利要求1所述的方法，其特征在于，所述测量与当前自动驾驶车辆进行通信的若干目标终端分别跟当前自动驾驶车辆的距离值，包括：

获取与当前自动驾驶车辆进行通信的各个终端接收到的卫星信号数据，每个所述终端均包括定位设备；

将接收到的卫星信号数量大于预设第二信号阈值的终端，作为待定目标终端；

分析得到每个所述待定目标终端与当前自动驾驶车辆之间的可利用的所有测距方法的类型；

按照得到的测距方法类型的数量，从大到小对所述待定目标终端进行排序；

将排序靠前的若干待定目标终端，作为所述若干目标终端；

针对每个所述目标终端，利用所述目标终端对应的各种类型的测距方法，测量得到所述目标终端与当前自动驾驶车辆的参考距离值；

针对每个所述目标终端，利用数据融合算法将得到的所有参考距离值进行信息融合，计算得到所述目标终端与当前自动驾驶车辆的距离值。

3.根据权利要求2所述的方法，其特征在于，所述测距方法的类型包括V2X测距；

利用所述目标终端对应的V2X测距方法，测量得到所述目标终端与当前自动驾驶车辆的参考距离值，包括：

接收所述目标终端发送的信号强度值，利用信号强度公式计算得到所述目标终端与当前自动驾驶车辆的参考距离值，所述信号强度公式为：

RSS＝P_t-K-10αlnd

其中，RSS是信号强度值，P_t是发射功率，K是跟环境和频率有关的常数，α是路径损耗指数，d是当前自动驾驶车辆与目标终端之间的距离。

4.根据权利要求2所述的方法，其特征在于，所述测距方法的类型包括图像测距；

利用所述目标终端对应的图像测距方法，测量得到所述目标终端与当前自动驾驶车辆的参考距离值，包括：

接收所述目标终端发送的自身属性信息，所述自身属性信息包括所述目标终端的实际高度；

根据所述自身属性信息，利用图像识别技术识别得到所述目标终端；

利用光学三角公式，计算得到所述目标终端与当前自动驾驶车辆的参考距离值，所述光学三角公式为：

d＝f*H/h

其中，d是当前自动驾驶车辆与目标终端之间的距离，f是当前自动驾驶车辆安装的摄像头的焦距，H是目标终端的实际高度，h是目标终端在当前自动驾驶车辆安装的摄像头拍摄的图像中的高度。

5.根据权利要求2所述的方法，其特征在于，所述测距方法的类型包括雷达测距；

利用所述目标终端对应的雷达测距方法，测量得到所述目标终端与当前自动驾驶车辆的参考距离值，包括：

控制当前自动驾驶车辆的雷达发出雷达信号时，记录当前时间为第一时间；

接收所述目标终端返回的反射信号时，记录当前时间为第二时间；

根据所述第一时间、所述第二时间以及所述雷达信号的传播速度，计算得到所述目标终端与当前自动驾驶车辆的参考距离值。

6.一种基于V2X的自动驾驶车辆定位装置，其特征在于，包括：

第一获取单元，用于获取当前自动驾驶车辆的定位设备接收到的卫星信号数量；

判断单元，用于判断所述卫星信号数量是否小于预设第一信号阈值，若是，则执行测量单元；

所述测量单元，用于测量与当前自动驾驶车辆进行通信的若干目标终端分别跟当前自动驾驶车辆的距离值；

第二获取单元，用于获取各个所述目标终端的位置信息，所述目标终端包括定位设备；

信息融合单元，用于利用数据融合算法将得到的所有位置信息和距离值进行信息融合，计算得到当前自动驾驶车辆的位置信息。

7.根据权利要求6所述的装置，其特征在于，所述测量单元，具体包括：

获取子单元，用于获取与当前自动驾驶车辆进行通信的各个终端接收到的卫星信号数据，每个所述终端均包括定位设备；

待定目标选择子单元，用于将接收到的卫星信号数量大于预设第二信号阈值的终端，作为待定目标终端；

测距类型分析子单元，用于分析得到每个所述待定目标终端与当前自动驾驶车辆之间的可利用的所有测距方法的类型；

排序子单元，用于按照得到的测距方法类型的数量，从大到小对所述待定目标终端进行排序；

目标选择子单元，用于将排序靠前的若干待定目标终端，作为所述若干目标终端；

参考距离值计算子单元，用于针对每个所述目标终端，利用所述目标终端对应的各种类型的测距方法，测量得到所述目标终端与当前自动驾驶车辆的参考距离值；

信息融合子单元，用于针对每个所述目标终端，利用数据融合算法将得到的所有参考距离值进行信息融合，计算得到所述目标终端与当前自动驾驶车辆的距离值。

8.根据权利要求7所述的装置，其特征在于，所述参考距离值计算子单元，包括：

V2X测距模块，用于接收所述目标终端发送的信号强度值，利用信号强度公式计算得到所述目标终端与当前自动驾驶车辆的参考距离值，所述信号强度公式为：

RSS＝P_t-K-10αlnd

其中，RSS是信号强度值，P_t是发射功率，K是跟环境和频率有关的常数，α是路径损耗指数，d是当前自动驾驶车辆与目标终端之间的距离。

9.根据权利要求7所述的装置，其特征在于，所述参考距离值计算子单元，包括：

图像测距模块，用于接收所述目标终端发送的自身属性信息，所述自身属性信息包括所述目标终端的实际高度；根据所述自身属性信息，利用图像识别技术识别得到所述目标终端；利用光学三角公式，计算得到所述目标终端与当前自动驾驶车辆的参考距离值，所述光学三角公式为：

d＝f*H/h

其中，d是当前自动驾驶车辆与目标终端之间的距离，f是当前自动驾驶车辆安装的摄像头的焦距，H是目标终端的实际高度，h是目标终端在当前自动驾驶车辆安装的摄像头拍摄的图像中的高度。

10.根据权利要求7所述的装置，其特征在于，所述参考距离值计算子单元，包括：

雷达测距模块，用于控制当前自动驾驶车辆的雷达发出雷达信号时，记录当前时间为第一时间；接收所述目标终端返回的反射信号时，记录当前时间为第二时间；根据所述第一时间、所述第二时间以及所述雷达信号的传播速度，计算得到所述目标终端与当前自动驾驶车辆的参考距离值。