CN109211249A

CN109211249A - 用于车辆定位的方法和系统

Info

Publication number: CN109211249A
Application number: CN201810637198.2A
Authority: CN
Inventors: X·F·宋; V·亚尔多
Original assignee: GM Global Technology Operations LLC
Current assignee: GM Global Technology Operations LLC
Priority date: 2017-06-30
Filing date: 2018-06-20
Publication date: 2019-01-15
Anticipated expiration: 2038-06-20
Also published as: DE102018115813A1; CN109211249B; US10551509B2; US20190003847A1

Abstract

本发明公开了用于车辆定位的方法和系统。示例性系统包括导航系统、至少一个图像传感器、数据库以及控制器，导航系统配置为生成与车辆的全球位置相对应的导航数据，至少一个图像传感器配置为捕获沿着车辆的规划路径的所选的道路特征的图像数据，数据库包括对应于沿着车辆的规划路径的多个道路特征的横向坐标和纵向坐标的地图数据，控制器配置为接收图像数据、地图数据以及导航数据，使用导航数据和图像数据来计算从所选的特征到车辆的第一距离，使用导航数据和地图数据来计算从所选的特征到车辆的第二距离，并且通过将第一距离与第二距离进行比较来确定定位误差。

Description

用于车辆定位的方法和系统

引言

本发明总体上涉及车辆领域，更确切地涉及用于提高车辆定位精度的方法和系统。

现代车辆的操作日益自动化，即，能够提供越来越少的驾驶员干涉的驾驶控制。车辆自动化已经被分类成数值水平，范围为从零到五，零对应于无自动化而具有完全的人为控制，五对应于完全的自动化而无人为控制。各种自动的驾驶员辅助系统，例如巡航控制、自适应巡航控制和停车辅助系统，对应于更低的自动化水平，而真正的“无驾驶员”车辆对应于更高的自动化水平。

为了使车辆航行于各种环境，车辆需要在某些情况下定位自身。车辆定位是由自主驾驶系统所使用的一个使能器，以相对于周围的属性或特征确定车辆位置。如果地图或GPS数据包含偏差或误差，依赖于全球定位系统(GPS)以及地图数据库信息可能导致定位误差。

发明内容

根据本发明的实施例提供了多个优点。例如，通过使用一个或多个车辆相机来检测到属性的距离，例如但不限于英里标记，并将相机测量的到属性的距离与地图或GPS数据所给出的属性的位置进行比较，根据本发明的实施例能够提高车辆的定位精度。因此，根据本发明的实施例可以提高车辆的定位精度，实现稳健的地图匹配和准确的车道判定，并提供车辆定位判定冗余。

在一个方面中，一种用于车辆的车辆定位的方法包括以下步骤：对车辆提供至少一个图像传感器、导航系统、数据库以及控制器，至少一个图像传感器配置为捕获沿着车辆的规划路径的所选的道路特征的图像数据，导航系统配置为生成与车辆的全球位置相对应的导航数据，数据库包括对应于沿着车辆的规划路径的多个道路特征的横向坐标和纵向坐标的地图数据，控制器与至少一个车辆传感器、导航系统以及地图数据库通信，由控制器接收与所选的道路特征对应的图像数据，由控制器接收与车辆的全球位置对应的导航数据，由控制器接收与所选的道路特征对应的地图数据，由控制器计算从所选的特征到车辆的第一距离，由控制器计算从所选的特征到车辆的第二距离，控制器通过将第一距离与第二距离进行比较来确定定位误差，以及，控制器将定位误差应用到地图数据库数据，以校正多个道路特征中的至少一个相对于车辆的位置的位置。

在一些方面中，所选的道路特征是英里标记指示标。

在一些方面中，该方法还包括由控制器确定定位误差是否高于预定值，如果是，则由控制器执行导航系统交叉校验。

在一些方面中，该方法还包括由控制器确定定位误差是否高于预定值，如果是，则由控制器设置导航系统诊断标志。

在一些方面中，计算第一距离包括使用图像数据和导航数据来计算从英里标记指示标到车辆的距离。

在一些方面中，计算第二距离包括使用地图数据和导航数据来计算从英里标记指示标到车辆的距离。

在另一方面中，一种机动车辆包括车身、车辆导航系统、数据库、至少一个车辆传感器以及控制器，数据库包括对应于沿着车辆的规划路径的多个道路特征的横向坐标和纵向坐标的地图数据，控制器与车辆导航系统、数据库和至少一个车辆传感器通信。控制器配置为接收与所选的道路特征相对应的传感器数据，接收与车辆的全球位置相对应的导航数据，接收与所选的道路特征相对应的地图数据，计算从所选特征到车辆的第一距离，计算从所选特征到车辆的第二距离，通过将第一距离与第二距离进行比较来确定定位误差，并将定位误差应用于地图数据以校正多个道路特征中的至少一个相对于车辆的位置的位置。

在一些方面中，至少一个传感器是光学相机。

在一些方面中，光学相机配置为捕获所选的道路特征的图像数据。

在一些方面中，所选的道路特征是英里标记指示标，并且控制器还配置为分析包括指示标上的任何文本在内的英里标记指示标。

在一些方面中，控制器还配置为确定定位误差是否高于预定误差，如果是，则执行导航系统交叉校验。

在又一方面，一种用于定位车辆的系统包括导航系统、至少一个图像传感器、数据库以及控制器，导航系统配置为生成与车辆的全球位置相对应的导航数据，至少一个图像传感器配置为捕获沿着车辆的规划路径的选定道路特征的图像数据，数据库包括对应于沿着车辆的规划路径的多个道路特征的横向坐标和纵向坐标的地图数据，控制器与导航系统、至少一个图像传感器和数据库通信，控制器配置为接收图像数据、地图数据以及导航数据，使用导航数据和图像数据来计算从所选特征到车辆的第一距离，使用导航数据和地图数据来计算从所选特征到车辆的第二距离，以及通过将第一距离与第二距离进行比较来确定定位误差

在一些方面中，控制器还配置为将定位误差应用于地图数据，以校正多个道路特征中的至少一个相对于车辆的位置的位置。

在一些方面中，至少一个图像传感器是光学相机。

附图说明

本发明将结合以下附图来描述，其中相同的附图标记表示相同的元件。

图1是根据一个实施例的具有车辆定位系统的自主或半自主车辆的示意图。

图2是根据一个实施例的车辆(例如图1的车辆)的车辆定位系统的示意性框图。

图3是根据一个实施例的在道路上行驶的车辆的示意图，所述道路具有使用车辆相机和GPS地图数据库两者来识别的用于车辆定位计算的特征。

图4是根据一个实施例的用于车辆定位的方法的流程图。

通过下面的说明书和所附权利要求并结合附图，本发明的上述特征和其他特征将变得更加完备清楚。应当理解，这些附图仅描绘了根据本发明的几个实施例，而不应被认为是对其范围的限制，通过使用附图将更详尽和细致地描述本发明。在附图中或本文别处所公开的任何尺寸仅用于说明的目的。

具体实施方式

本文描述了本发明的实施例。然而，应当理解的是，所公开的实施例仅仅为实例，且其他实施例可采取各种备选形式。附图并不一定是按照比例的；一些特征可以扩大或者最小化，以显示特定部件的细节。因此，本文所公开的具体结构和功能细节并不被解释为限制的，而仅仅是代表性的基础，用于教导本领域技术人员可变化地实施本发明。本领域技术人员会理解，参考附图中的任何一个示出并描述的各个特征可与在一个或多个其他附图中示出的特征相组合，以生成未明确示出或描述的实施例。示出特征的组合提供用于典型应用的代表性实施例。然而，与本发明的教导相一致的特征的各种组合和修改也可被需求用于特殊应用或实施方式。

某些术语可以在以下的说明中用于仅参考的目的，因此不旨在进行限制。例如，如“上”和“下”这样的用语指代所参考的附图中的方向。如“前”、“后”、“左”、“右”、“后方”和“侧”这样的用语描述部件或元件的各部分在一致但任意的参照系中的方位和/或位置，其中所述方位和/或位置通过参考描述所讨论的部件或元件的文本和附图而得以明确。此外，诸如“第一”、“第二”、“第三”等这样的用语可用于说明分离的部件。这类术语可包括以上具体提到的词语、其衍生物，以及具有类似含义的词语。

精确的主车辆定位是自主车辆控制的一个重要方面。在许多情况下，车辆的自动驾驶辅助系统(ADAS)需要知道车辆处于哪条航线中，以确定要发送到控制转向、油门、制动等的各个致动器的控制信号。例如，如果车辆处于道路的右侧车道中，控制器可能需要决定是否要引导车辆继续前进还是行走弧线或转弯。如果由GPS导航系统所确定的车辆位置“跳跃”，并不正确地将车辆定位在错误的车道中，ADAS将不具有完整和准确的信息来控制车辆。使用在此提出的方法和算法，使用其位置可以从地图数据库数据和可视数据中确定的可见对象，车辆控制器能够准确地定位车辆，包括确定车辆的横向位置，即车辆的当前行驶车道。

图1示意性地示出了根据本发明的机动车辆10。车辆10大致包括主体11和车轮15。主体11围绕车辆10的其他部件。车轮15均在主体11的相应角部附近转动联接到主体11。车辆10在所示实施例中描绘为客车，但应理解，任何其他车辆(包括摩托车、卡车、运动型多功能车(SUV)或旅游车(RV)等)也可以使用。

车辆10包括推进系统13，推进系统13可以在多种实施例中包括内燃机、诸如牵引马达之类的电机，和/或燃料电池推进系统。车辆10还包括变速器14，变速器14配置成根据可选择的速率比将动力从推进系统13传输到多个车轮15。根据多种实施例，变速器14可包括步进比自动变速器、无级变速器或其他合适的变速器。车辆10还包括车轮制动器(未示出)，车轮制动器配置成向车轮15提供制动转矩。在多种实施例中，车轮制动器可以包括摩擦制动器、诸如电机之类的再生制动系统，和/或其他合适的制动系统。车辆10还包括转向系统16。尽管出于展示性目的，转向系统16被描绘为包括方向盘和转向柱，但在一些实施例中，转向系统16可以不包括方向盘。

在多个实施例中，车辆10还包括导航系统28，导航系统28配置为以GPS坐标(经度、纬度以及海拔/高度)的形式向控制器22提供位置信息。在一些实施例中，导航系统28可以是全球导航卫星系统(GNSS)，全球导航卫星系统(GNSS)配置成与全球导航卫星通信以提供车辆10的自主地理空间定位。在所示实施例中，导航系统28包括电连接到接收器的天线。

再次参考图1，车辆10还包括多个传感器26，多个传感器26配置为测量和捕获关于一个或多个车辆特征的数据，包括但不限于车速、车辆航向和环境光水平条件。在所示实施例中，传感器26包括但不限于加速计、速度传感器、航向传感器、回转仪、转向角传感器或其他传感器，此类其他传感器感测车辆的可观测状况或车辆周围的环境，并且可以包括RADAR、LIDAR、光学相机、热相机、超声传感器、红外传感器、光水平检测传感器，和/或适合的附加传感器。在一些实施例中，车辆10还包括多个致动器30，致动器30配置成接收控制命令以控制车辆10的转向、换挡、油门、制动或其他方面。

车辆10包括至少一个控制器22。尽管出于示例性目的，控制器22被描绘为单个单元，控制器22还可以包括一个或多个其他控制器，统称为“控制器”。控制器22可以包括与多种类型的计算机可读存储设备或媒体通信的微处理器或中央处理单元(CPU)或图形处理单元(GPU)。计算机可读存储设备或媒体例如可以包括只读存储器(ROM)中的易失性和非易失性存储器、随机存取存储器(RAM)以及保活存储器(KAM)。KAM是可用于在CPU断电时存储各种操作变量的永久性或非易失性存储器。计算机可读存储设备或媒体可以使用许多已知存储设备中的任一种来实施，已知存储设备例如PROM(可编程只读存储器)、EPROM(电子PROM)、EEPROM(电子可擦除PROM)、闪存或任何其他的能够存储数据的电、磁、光或组合存储设备，其中的一些数据代表可执行指令，控制器22使用可执行指令来控制车辆。

根据多个实施例，控制器22实施如图1和图2所示的自主驾驶系统(ADS)24。换言之，使用控制器22的适用软件和/或硬件部件(例如处理器和计算机可读存储设备)来提供与车辆10结合使用的自主驾驶系统24。

在多个实施例中，自主驾驶系统24的指令可以通过功能或系统来组织。例如，如图2所示，自主驾驶系统24可以包括传感器融合系统74、定位系统76、与导航系统28通信的引导系统78，以及车辆控制系统80。可以理解，在多种实施例中，所述指令可以被组织到任意数量的系统中(例如将其组合并进一步划分等)，因为本发明不局限于所呈现的实施例。

在多个实施例中，传感器融合系统74合成并处理传感器数据，并预测车辆10的环境中的对象和特征的存在、位置、分类，和/或路径。在多个实施例中，传感器融合系统74可以整合来自多个传感器的信息，多个传感器包括但不限于相机、激光探测器、无线电探测器，和/或任何数量的其他类型的传感器。

定位系统76与其他数据一起处理传感器数据，以确定车辆10相对于环境的位置(例如，相对于地图的局部位置、相对于道路的车道的精确位置、车辆方向、速度等)。在一些实施例中，定位系统76包括车辆定位模块以计算车辆的位置。引导系统78与其他数据一起处理传感器数据，以确定车辆10要跟随的路径。车辆控制系统80根据所确定的路径生成用于控制车辆10的控制信号。

在多个实施例中，控制器22实施机器学习技术以协助控制器22的功能，所述功能例如特征检测/分类、障碍缓解、路线遍历、绘图、传感器整合、地面真值确定等。

如图2所示，控制器22从一个或多个传感器26接收传感器数据，并从地图数据库72接收地图数据。通过在此讨论的ADAS 24的多个系统来分析和处理传感器数据之后，控制器22产生传递给一个或多个致动器30的一个或多个控制信号。

使用至少一个相机、地图数据库和对象(能够通过相机可视并且在地图数据中具有已知的位置)，这里所讨论的车辆定位算法可以确定车辆的位置，并向GPS车辆位置或定位判定提供冗余。判定车辆定位的冗余方法尤其有助于车辆越过各种道路特征，例如但不限于桥梁和隧道。在一些情况下，当车辆正在越过这些特征时，确定车辆位置的GPS精度可变化多达2米。另外，本文所讨论的车辆定位算法也有助于确定车辆的行驶车道或主车辆车道。对于具有多个进出点的多车道道路而言，车辆车道位置的精确判定可用于确定车辆的控制策略，包括车辆是否处于正确车道中以继续沿道路行驶，或者车辆是否需要改变车道以退出道路，这取决于所计划的车辆轨迹。

图3示意性地示出了在行进方向304中沿着道路行进的车辆10。多个路径点306、308、310、312、314、316表示计划的车辆轨迹。车辆10配备有至少一个相机(即，至少一个传感器26)，其被配置为捕获车辆10前方的或前面的环境的图像。相机将车辆10前方的区域的图像数据提供给控制器22。

由一个或多个相机产生的图像数据由控制器22使用，以确定对属性或特征的位置的估计，所述属性或特征例如是与道路相邻的英里标记指示标。如图3所示，英里标记指示标318位于与道路305相邻的位置处。已知，可以利用相机的特征和相机所捕获的图像数据(包括但不限于焦距、像素尺寸、图像传感器的尺寸等)来计算到图像中的特征的距离。使用由相机所捕获的图像数据，由定位系统76的车辆定位模块来确定英里标记的位置mm_cam(x,y)，其中x和y表示车辆参照系中的英里标记的位置。

在一些实施例中，地图数据库72包括关于多种属性或特征的位置的数据，示例性而非限定性地，所述属性或特征包括英里标记和道路分离点。道路分离点(如图3中所示的点320)定义为这样的点，即在道路中一个或多个车道与原先的道路(例如在高速公路出口处)分离或分叉的点。该属性是典型的关于计划的车辆轨迹的路径点的描述。

车辆定位基于车辆10沿道路的当前位置。许多道路属性在地图数据库72中描述为相对于当前路段的起始轨迹点纵向偏移。因此，沿着道路的相对于当前路段的起始点的距离是车辆定位判定中的重要变量。如果车辆定位判定不正确，则相对于车辆定位所定义的属性的位置也将是错误的。这里公开的方法和算法使用这样的对象以提供独立的方法来判定车辆定位，所述对象在地图数据库72中具有坐标位置，并且可以由机载传感器可靠地检测。

典型地，当控制器22从地图数据库72中检索附近道路的属性时，所述属性例如但不限于分离点320，如果存在这样的属性，这些属性中很少能够通过相机看到。换句话说，属性的位置不能通过由相机所捕获的图像数据验证并且与其精确地融合到一起。在此讨论的算法的实施例将来自相机的图像数据与来自地图数据库的属性位置信息融合。

当车辆10沿着道路行驶时，包括一个或多个相机的传感器26捕获包括关于道路的车道标记的信息的图像数据。相机26可检测出车道变向标记以指示弯道或出口，但是该视觉判定可能不准确。为了更准确地判定车辆在道路上的位置，在此描述的方法识别在地图数据库72中表示出的并对相机26而言可见/可检测到的属性或对象，以验证车辆定位的判定。英里标记指示标常见于公路和高速公路上。使用来自相机26的图像数据，控制器22可以识别沿道路的对象是否为英里标记，对英里标记上的数字进行译码，并以车辆参照系中的坐标(x,y)的形式报告英里标记相对于车辆的位置。地图数据库中的每个英里标记通常以纬度坐标和经度坐标来识别。因此，使用由相机26所捕获的图像数据和与所识别的英里标记相对应的地图数据库数据，可以更准确地判定车辆的位置。

通常在GPS和地图数据中识别诸如英里标记之类的特征的位置。定位系统76的车辆定位模块判定英里标记的位置mm_db(lat,lon)，其中，lat是英里标记的纬度位置，而lon是英里标记的经度位置，二者来自从数据库72所获取的地图数据。使用车辆10的导航系统28，主车辆位置hv_gps(lat,lon)由定位系统76的车辆定位模块来确定，其中，lat是来自导航数据29的车辆的纬度位置，而lon是来自导航数据29的车辆的经度位置。

使用从数据库72所获取的地图数据以及车辆GPS数据，从属性到车辆的距离以主车辆参照系中的坐标表示为：

D_{attr to hv}(x,y)＝att_db(lat,lon)-hv_gps(lat,lon)

其中：

att_db(lat,lon)是来自地图数据库数据的属性的纬度坐标和经度坐标；以及

hv_gps(lat,lon)是来自从导航系统28所获取的车辆GPS数据的车辆10的纬度坐标和经度坐标。

具体地，当表示诸如英里标记之类的可观察对象时，从英里标记到车辆的距离以主车辆参照系的坐标的形式表示为：

D_{mm to hv}(x,y)＝mm_db(lat,lon)-hv_gps(lat,lon)

其中：

mm_db(lat,lon)是来自地图数据库数据的英里标记的纬度坐标和经度坐标；以及

如果在地图数据中准确地表达了英里标记的位置，且导航数据29所显示的车辆位置也是准确的，则车辆的GPS位置加上从车辆到英里标记的距离应当等于从地图数据库72的地图数据中所获取的特征的位置即hv_gps(lat,lon)+mm_cam(x,y)应等于mm_db(lat,lon)，其中所述从车辆到英里标记的距离由车辆定位模块使用图像数据来计算。然而，地图数据或GPS导航数据中的不准确性可导致车辆定位误差，后者可能会影响ADAS 24的其他系统。

为了获得定位误差，通过由相机所捕获的图像数据来计算从车辆到属性或特征的距离，并且将该距离与通过地图数据所计算出的属性或特征到车辆的距离进行比较。

定位误差可以表示为：

e_hv(x,y)＝D_cam(x,y)-D_{mm to hv}(x,y)

其中，

e_hv(x,y)是以主车辆参照系的坐标来表示的定位误差；

D_cam(x,y)是从诸如英里标记之类的特征到车辆的距离，其通过由相机所捕获的图像数据来计算；以及

D_{mm to hv}(x,y)是由地图数据库数据获取到的从英里标记到主车辆的距离。

当精确地校准车辆传感器时，使用由相机的图像数据所获得的数据来进行的从车辆10到英里标记的测量会达到更高的可信度，因为图像数据是现场的和当前的。一旦判定了定位误差e_hv(x,y)，误差可以用来针对其他属性与车辆的相对距离而修正地图数据库数据。示例性而非限定性地，其他属性包括道路曲率点或分离点。如此处进一步详细讨论那样应用该误差，可提高定位精度。

利用计算出的定位误差e_hv(x,y)来调整属性到主车辆的距离可表示为：

D'_{attr to hv}(x,y)＝D_{attr to hv}(x,y)-e_hv(x,y)

其中，

D’_{attr to hv}(x,y)是以主车辆参照系的坐标来表示的从属性到主车辆的调整后的距离；以及

D_{attr to hv}(x,y)是从属性到主车辆的距离，其从地图数据库数据中所获得并以主车辆参照系的坐标来表示；以及

e_hv(x,y)是定位误差。

在一些实施例中，如果定位误差一致地高于预定阈值的误差值，示例性而非限定性地，定位误差可以用作系统交叉校验或诊断以确定导航系统28是否正确工作。

如本文所讨论的，使用地图数据、相机图像数据和导航数据来提高主车辆的定位精度。图4是方法400的流程图，其示出了对定位误差的判定，这种判定用于提高主车辆定位精度、实现稳健的地图匹配和准确的主车道判定，以及提供定位冗余。导航数据是从导航系统28获得的，地图数据是从与控制器22相关联的一个或多个地图数据库72获得的。根据示例性的实施例，方法400可以与车辆10、控制器22以及ADAS 24的多个模块结合使用。方法400的操作顺序不限于如图4中所示的顺序执行，而是可以凭借适用的并根据本发明的一个或多个不同的顺序来执行。

如图4所示，在402开始，方法400推进至步骤404。在404中，ADAS 24的传感器融合系统74从导航系统28接收导航数据，并且从一个或多个相机26接收图像数据。导航数据包括表示车辆位置的GPS数据。图像数据包括从一个或多个相机26获取的可检测对象或特征(例如英里标记)的数据。在一些实施例中，传感器融合系统74进一步通过释译指示标上的文本来分析图像数据，以识别例如英里标记之类的特征。分析和处理后的传感器数据传输给控制器22的定位系统76。传感器数据以及从数据库72接收的地图数据库数据向定位系统76提供关于以下方面的信息：车辆10的位置、车辆10沿道路的规划路径，以及沿着道路的即将到来的属性或特征。

接下来，在406中，定位系统76使用处理过的传感器数据、导航数据以及地图数据来计算从英里标记到主车辆的距离。在一些实施例中，所释译的文本还用于定位英里标记和车辆10的位置。使用来自相机26的图像数据和来自导航数据的车辆10的位置来计算第一距离。使用来自导航数据的车辆10的位置和来自源于数据库72的地图数据的英里标记的位置来计算第二距离。之后方法推进到408。

在408中，定位系统76通过比较第一距离和第二距离来计算如本文所述的定位误差。在410中，如果定位误差为零或位于预定的值的范围内，使得该误差可以被ADAS 24忽略，则方法400推进至412并结束。

然而，如果定位误差为非零，则方法400推进至414。在414中，定位系统76对定位误差进行应用，以针对其他属性到车辆的相对距离而对地图数据库数据进行校正。示例性而非限定性地，其他属性包括道路曲率点或分离点。

接下来，在416中，如果定位误差大于或等于预定阈值，方法400推进到418，控制器22执行导航系统交叉校验和/或设置诊断标志，示例性但非限定性地，诊断标志指示车辆导航系统存在可能的问题。在一些实施例中，如果在预定数量的计算之后或在预定的时间段之后，定位误差高于预定阈值，则控制器22执行导航系统交叉校验和/或设置诊断标志。然后，方法400推进到412并结束。

然而，如果定位误差不大于预定阈值，方法400推进至框412并且结束。

应该强调的是，可以对本文描述的实施例进行许多变化和修改，其中所述的元件应理解为选自其他可接受的实例。所有这些修改和变化旨在包括在本发明的范围内，并由所附权利要求保护。此外，本文所述的任何步骤可以同时执行或以与本文所述的步骤不同的顺序执行。此外，显然，在此公开的特定实施例的特征和属性可以不同的方式组合，以形成另外的实施例，所有这些另外的实施例都落入本发明的范围内。

本文中所使用的条件语言，例如其中的“可以(can)”、“可能(could)”、“可(might)”、“可以(may)”、“例如”等，除非特别另行声明或者按照文本中的使用来另行理解，通常旨在传达某些实施例包括、而其他实施例不包括某些特征、元件，和/或状态。因此，这种条件语言通常不意味着暗示该特征、元件，和/或状态以任何方式被一个或多个实施例所要求，或者说不意味着暗示一个或多个实施例必然包括这样的逻辑，所述逻辑确定该特征、元件，和/或状态是否包括于任何特定实施例中或要在任何特定实施例中执行，不论作者有否输入或提示。

此外，本文中或许使用了以下术语。单数形式的“某个(a)”、“某个(an)”以及“该”包括复数的指示对象，除非文本中明确地另行指示。因此，例如，对项目的引用包括对一个或多个项目的引用。用语“这些”指一个、两个或更多，并且通常应用于对一些或全部数量的选择。用语“多个”指两个或更多个项目。用语“大约”或“近似”表示量、度、尺寸、配方、参数、形状和其他特征不必是精确的，而是可以根据需要近似和/或更大或更小，反应可接受的公差、转换因数、倒圆、测量误差等以及本领域技术人员已知的其他因素。术语“基本上”意味着不需要精确地实现所述特征、参数或值，而是可以存在不妨碍意欲提供的特征效果的额度的偏差或变化，包括例如公差、测量误差、测量精度限制和本领域技术人员已知的其他因素。

此处数字数据可以表达或呈现为范围的格式。应当理解，仅为了方便和简洁才使用这样的范围格式，因此应当将其灵活地解释为不仅包括明确陈述为范围的界限的数值，也应解释为包括包含在该范围内的所有单个数值或子范围，就像明确地陈述了每个数值和子范围一样。作为说明，“约1到5”的数值范围应当解释为不仅包括明确陈述的约1至约5的值，也应解释为还包括所指示范围内的单个值和子范围。因此，包括在该数值范围中的是诸如2、3和4的单个值，以及如“约1到约3”、“约2到约4”和“约3到约5”、“1到3”、“2到4”、“3到5”等的子范围。相同的原理适用于仅列举一个数值(例如“大于约1”)的范围，并且应该不考虑所述范围的宽度或所述特征的宽度而对其适用。为了方便，可以在共用列表中呈现多个项目。然而，这些列表应当解释为，列表中的每个成员都被各自识别为单独的和唯一的成员。因此，仅仅基于它们位于共同的组中却没有相反指示的情况下，所述列表中的单个成员不应被解释为与同一列表中的任何其他成员实质上等效。此外，在用语“和”与“或”与项目列表结合使用的情况下，它们将被广泛地解释，其中所列出的项目中的任何一个或多个可以单独使用或与其他的所列出的项目组合使用。术语“备选地”是指选择两种或更多种备选方案中的一种，并且不旨在将选择一次性地仅限于那些所列出的备选方案，或仅限于所列出的备选方案中的一种，除非文本中明确地另行指示。

在此公开的过程、方法或算法可以通过处理设备、控制器或计算机传送/实施，处理设备、控制器或计算机可包括任何现有的可编程电子控制单元或专用电子控制单元。类似地，所述过程、方法或算法可以多种形式存储为可由控制器或计算机执行的数据和指令，所述多种形式包括但不限于永久存储在诸如ROM设备的不可写存储媒体上的信息，以及可替换地存储在诸如软盘、磁带、CD、RAM设备以及其他磁性和光学媒体的可写存储媒体上的信息。所述过程、方法或算法也可以在软件可执行的对象中实施。备选地，所述过程、方法或算法可以全部或部分地使用合适的硬件组件来实现，所述硬件组件例如专用集成电路(ASIC)、现场可编程门阵列(FPGA)、状态机、控制器或其他硬件组件或设备，或使用硬件、软件和固件组件的组合来实现。这样的示例性设备可以作为车辆计算系统的一部分而车载，或者位于车下并与一个或多个车辆上的设备进行远程通信。

尽管在以上描述了示例性实施例，并不意味着这些实施例描述了由权利要求所涵盖的所有可能的形式。在说明书中使用的词汇是描述性而非限定性词汇，当然可以做出各种变化而不脱离本发明的精神和范围。如先前所描述，各种实施例的特征可被组合以形成本发明的其他示例性方面(或许其未被明确地描述或示出)。尽管各个实施例已经描述为提供优势或相比于其他实施例或现有技术的实施方式关于一个或多个所期望的特征而言是优选的，本领域技术人员将认识到的是，一个或多个特点或特征可折衷以获取期望的整体系统属性，其依赖于具体应用和实施方式。这些属性可包括但不限于：成本、强度、耐久性、寿命周期成本、市场性、外观、封装、尺寸、服务能力、重量、可制造性、组装方便等。由此，关于一个或多个特征描述为与其他实施例或现有技术的实施方式相比较小期望的实施例并未落在本发明的范围之外，且针对特殊应用是可期望的。

Claims

1.一种用于车辆的车辆定位的方法，所述方法包括：

对所述车辆提供至少一个图像传感器、导航系统、数据库以及控制器，所述至少一个图像传感器配置为捕获沿着所述车辆的规划路径的所选的道路特征的图像数据，所述导航系统配置为生成与所述车辆的全球位置相对应的导航数据，所述数据库包括对应于沿着所述车辆的规划路径的多个道路特征的横向坐标和纵向坐标的地图数据，所述控制器与所述至少一个车辆传感器、所述导航系统以及所述地图数据库通信；

由所述控制器接收与所述所选的道路特征对应的图像数据；

由所述控制器接收与所述车辆的全球位置对应的导航数据；

由所述控制器接收与所述所选的道路特征对应的地图数据；

由所述控制器计算从所述所选的特征到所述车辆的第一距离；

由所述控制器计算从所述所选的特征到所述车辆的第二距离；

由所述控制器通过将所述第一距离与所述第二距离进行比较来确定定位误差；以及

由所述控制器将所述定位误差应用到所述地图数据库数据，以校正所述多个道路特征中的至少一个相对于所述车辆的位置的位置。

2.根据权利要求1所述的方法，其中，所述所选的道路特征是英里标记指示标。

3.根据权利要求2所述的方法，其中，还包括由所述控制器确定所述定位误差是否高于预定值，如果是，则由所述控制器执行导航系统交叉校验。

4.根据权利要求2所述的方法，其中，还包括由所述控制器确定所述定位误差是否高于预定值，如果是，则由所述控制器设置导航系统诊断标志。

5.根据权利要求2所述的方法，其中，计算所述第一距离包括使用所述图像数据和所述导航数据来计算从所述英里标记指示标到所述车辆的距离。

6.根据权利要求5所述的方法，其中，计算所述第二距离包括使用所述地图数据和所述导航数据来计算从所述英里标记指示标到所述车辆的距离。