CN110595459A - 车辆定位方法、装置、设备和介质 - Google Patents

车辆定位方法、装置、设备和介质 Download PDF

Info

Publication number
CN110595459A
CN110595459A CN201910883947.4A CN201910883947A CN110595459A CN 110595459 A CN110595459 A CN 110595459A CN 201910883947 A CN201910883947 A CN 201910883947A CN 110595459 A CN110595459 A CN 110595459A
Authority
CN
China
Prior art keywords
mark
image
determining
target
processed
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.)
Granted
Application number
CN201910883947.4A
Other languages
English (en)
Other versions
CN110595459B (zh
Inventor
张云峰
王东伟
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Baidu Netcom Science and Technology Co Ltd
Original Assignee
Beijing Baidu Netcom Science and Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Beijing Baidu Netcom Science and Technology Co Ltd filed Critical Beijing Baidu Netcom Science and Technology Co Ltd
Priority to CN201910883947.4A priority Critical patent/CN110595459B/zh
Publication of CN110595459A publication Critical patent/CN110595459A/zh
Application granted granted Critical
Publication of CN110595459B publication Critical patent/CN110595459B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C11/00—Photogrammetry or videogrammetry, e.g. stereogrammetry; Photographic surveying
    • 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
    • G01C21/005—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 with correlation of navigation data from several sources, e.g. map or contour matching
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/045—Combinations of networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/50—Context or environment of the image
    • G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/60—Type of objects
    • G06V20/62—Text, e.g. of license plates, overlay texts or captions on TV images
    • G06V20/63—Scene text, e.g. street names

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Multimedia (AREA)
  • Data Mining & Analysis (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Artificial Intelligence (AREA)
  • General Engineering & Computer Science (AREA)
  • Evolutionary Computation (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Biophysics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Automation & Control Theory (AREA)
  • Health & Medical Sciences (AREA)
  • Biomedical Technology (AREA)
  • Evolutionary Biology (AREA)
  • Computational Linguistics (AREA)
  • General Health & Medical Sciences (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Navigation (AREA)

Abstract

本申请公开了一种车辆定位方法、装置、设备和介质，涉及自动驾驶技术领域，用于自主泊车。具体实现方案为：获取车载图像采集器采集的待处理图像；确定所述待处理图像中的目标标记ID和目标角点位置；基于高精地图，根据所述目标标记ID和所述目标角点位置确定车辆位置信息。本申请实施例通过识别待处理图像的目标标记ID和目标角点位置，并结合高精地图确定车辆位置信息，提高了车辆定位的检测精度和准确度。

Description

车辆定位方法、装置、设备和介质
技术领域
本申请涉及自动化技术领域，尤其涉及一种自动驾驶技术，具体涉及一种车辆定位方法、装置、设备和介质。
背景技术
在自动驾驶技术中，自定位技术可以确定车辆所在世界坐标系的准确位置，例如是否在车道内，再根据定位位置规划行车路径及控制车辆按照行车路径行驶。
当车辆在室外道路上行驶时，车辆的定位技术为根据GPS进行粗粒度的定位，并结合车道线、交通路牌以及高精度地图进行精确定位。
但是在车辆进行停车时，可能需要将车停至地下车库，在此场景下GPS定位技术无法应用，并且，车道线或交通标牌等标记在高精地图中不存在唯一ID，因此通过上述方案无法在地下车库等GPS定位技术失效的场景中，实现车辆的精准定位。
发明内容
本申请实施例提供的一种车辆定位方法、装置、设备和介质，在GPS定位技术失效时，可以提高车辆的定位精度。
本申请实施例公开了一种车辆定位方法，该方法包括：
获取车载图像采集器采集的待处理图像；
确定所述待处理图像中的目标标记ID和目标角点位置；
基于高精地图，根据所述目标标记ID和所述目标角点位置确定车辆位置信息。
上述实施例具有如下优点或有益效果：通过根据待识别图像识别得到唯一标记性信息，再结合高精地图进行定位，从而克服了GPS定位技术失效时，车辆无法精准定位的问题，进而实现了使车辆能够在多场景下进行精确定位的技术效果。
进一步地，所述确定所述待处理图像中的目标标记ID，包括：
确定所述待处理图像中的标记区域，以及所述标记区域中的标记ID子区域和标记校验子区域；
确定所述标记ID子区域中的第一标记ID；
对所述标记校验子区域中的校验编码进行解码，得到第二标记ID；
若所述第一标记ID与所述第二标记ID相同，则将所述第一标记ID作为所述目标标记ID。
据此，上述实施例具有如下优点或有益效果：根据标记校验子区域中的第二标记ID，对标记ID子区域中的第一标记ID进行校验，进而实现通过校验提高目标标记ID确定的准确性，可以提高车辆定位准确性的技术效果。
进一步地，所述确定所述待处理图像中的标记区域，包括：
确定所述待处理图像中的静态区域；
将位于所述静态区域中的区域作为所述标记区域。
据此，上述实施例具有如下优点或有益效果：通过将静态区域中的区域作为标记区域，进而实现通过静态区域将标记区域与背景隔离，以更准确地识别出标记区域。
进一步地，所述确定所述待处理图像中的目标角点位置，包括：
将所述待处理图像作为区域全卷积网络的输入，确定所述待处理图像中标记区域；
对确定的标记区域做回归处理，以得到确定所述标记区域中的目标角点位置。
据此，上述实施例具有如下优点或有益效果：通过根据区域全卷积网络确定标记区域，并对标记区域进行回归处理得到目标角点位置，进而提高目标角点位置确定的准确性，从而提高了车辆定位的精确性。
进一步地，基于高精地图，根据所述目标标记ID和所述目标角点位置确定车辆位置信息，包括：
将所述目标标记ID，与基于高精地图中候选标记ID和候选3d位置之间的映射关系进行匹配，得到估算车辆位置；
将所述估算车辆位置处的高精地图图像投影到待处理图像中，得到估算角点位置；
将所述估算角点位置和所述目标角点位置进行匹配，并根据匹配结果确定新的估算车辆位置；
根据新的估算车辆位置确定新的估算角点位置，直至新的估算角点位置与目标角点位置匹配成功；
将新的估算车辆位置作为所述车辆位置信息。
据此，上述实施例具有如下优点或有益效果：根据目标标记ID以及高精地图，确定估算车辆位置，再将根据估算车辆位置确定的估算角点位置和目标角点位置匹配，从而确定车辆位置信息，实现了适用于多场景下的车辆定位，并且提高车辆定位精确性。
本申请实施例还公开了一种车辆定位装置，该装置包括：
采集模块，用于获取车载图像采集器采集的待处理图像；字符数量确定模块，用于确定所述单发音区间中的字符数量；
待处理图像信息确定模块，用于确定所述待处理图像中的目标标记ID和目标角点位置；
车辆位置信息确定模块，用于基于高精地图，根据所述目标标记ID和所述目标角点位置确定车辆位置信息。
进一步地，所述待处理图像信息确定模块，包括：
标记区域确定单元，用于确定所述待处理图像中的标记区域，以及所述标记区域中的标记ID子区域和标记校验子区域；
第一标记ID确定单元，用于确定所述标记ID子区域中的第一标记ID；
第二标记ID确定单元，用于对所述标记校验子区域中的校验编码进行解码，得到第二标记ID；
目标标记ID确定单元，用于若所述第一标记ID与所述第二标记ID相同，则将所述第一标记ID作为所述目标标记ID。
进一步地，所述标记区域确定单元具体用于：
确定所述待处理图像中的静态区域；
将位于所述静态区域中的区域作为所述标记区域。
进一步地，所述待处理图像信息确定模块，包括：
全卷积网络处理单元，用于将所述待处理图像作为区域全卷积网络的输入，确定所述待处理图像中标记区域；
目标角点位置确定单元，用于对确定的标记区域做回归处理，以得到确定所述标记区域中的目标角点位置。
进一步地，所述车辆位置信息确定模块，包括：
估算车辆位置确定单元，用于将所述目标标记ID，与基于高精地图中候选标记ID和候选3d位置之间的映射关系进行匹配，得到估算车辆位置；
估算角点位置确定单元，用于将所述估算车辆位置处的高精地图图像投影到待处理图像中，得到估算角点位置；
新的估算车辆位置确定单元，用于将所述估算角点位置和所述目标角点位置进行匹配，并根据匹配结果确定新的估算车辆位置；
新的估算角点位置确定单元，用于根据新的估算车辆位置确定新的估算角点位置，直至新的估算角点位置与目标角点位置匹配成功；
车辆位置信息获取单元，用于将新的估算车辆位置作为所述车辆位置信息。
本申请实施例还公开了一种电子设备，该设备包括：
至少一个处理器；以及
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行如本申请实施例中任一项所述的方法。
本申请实施例还公开了一种存储有计算机指令的非瞬时计算机可读存储介质，所述计算机指令用于使所述计算机执行如本申请实施例中任一项所述的方法。
上述可选方式所具有的其他效果将在下文中结合具体实施例加以说明。
附图说明
附图用于更好地理解本方案，不构成对本申请的限定。其中：
图1是根据本申请第一实施例提供的车辆定位方法的流程示意图；
图2是根据本申请第一实施例的待处理图像示意图；
图3是根据本申请第二实施例提供的车辆定位方法的流程示意图；
图4是根据本申请第二实施例的待处理图像检测网络示意图；
图5是根据本申请第三实施例提供的车辆定位装置的结构示意图；
图6是用来实现本申请实施例的车辆定位方法的电子设备的框图。
具体实施方式
以下结合附图对本申请的示范性实施例做出说明，其中包括本申请实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本申请的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。
第一实施例
图1是根据本申请第一实施例提供的车辆定位方法的流程示意图。本实施例可适用于进行车辆定位的情况。典型地，本实施例可以适用于，在地下车库等无法应用GPS定位的场景下，进行车辆定位的情况。本实施公开的车辆定位方法可以由一种车辆定位装置来执行，该装置可以由软件和/或硬件的方式实现。参见图1，本实施例提供的车辆定位方法包括：
S110、获取车载图像采集器采集的待处理图像。
其中，车载图像采集器用于采集车辆行驶方向的图像数据。待处理图像中包括用于表示当前位置信息的标记区域图像。
具体地，可以预先设定标记图片，并将标记图片设置于车辆行驶环境中，以便于车辆通过车载图像采集器采集得到包括标记图片的待处理图像，从而根据标记图片获取当前位置信息，以确定车辆定位。
可选的，可以根据实际应用场景确定标记图片中标记区域的大小、字体大小、字体颜色、标记区域边缘留白的宽度、标记区域背景颜色的最小梯度差以及黑白键校验编码等，从而便于检测算法对标记区域进行检测，以及保证能够实现远距离的采集和检测。
S120、确定所述待处理图像中的目标标记ID和目标角点位置。
其中，目标标记ID可以为根据待处理图像中的标记区域获取的唯一ID，用于表示当前位置处的位置信息。目标角点位置可以为待处理图像中的标记区域轮廓或形状的顶点位置。
具体的，根据待处理图像确定目标标记ID和目标角点位置，从而能够根据待处理图像确定车辆当前所处位置的位置信息，结合具有唯一性的目标标记ID和目标角点位置，能够更精准地确定车辆定位。
可选的，所述确定所述待处理图像中的目标标记ID，包括：确定所述待处理图像中的标记区域，以及所述标记区域中的标记ID子区域和标记校验子区域；确定所述标记ID子区域中的第一标记ID；对所述标记校验子区域中的校验编码进行解码，得到第二标记ID；若所述第一标记ID与所述第二标记ID相同，则将所述第一标记ID作为所述目标标记ID。其中，标记ID子区域为包含具有语义信息的目标标记ID的子区域，标记校验子区域为用于对标记子区域中的目标标记ID进行校验的子区域，可以为黑白键校验编码形成，也可以为其他形式的编码图像。需要注意的是，为了便于定位，同一场所中标记ID唯一，例如同一停车场中所有标记的ID唯一。所述确定所述待处理图像中的标记区域，包括：确定所述待处理图像中的静态区域；将位于所述静态区域中的区域作为所述标记区域。
示例性的，如图2所示，待识别图像的外侧边缘区域为静态区域，静态区域中的区域为标记区域，静态区域与标记区域的颜色不同，从而能够快速直接区分出静态区域和其中包含的标记区域，并且由于静态区域和标记区域的颜色不同，即使在背景颜色和标记颜色相同的情况下，也能够通过静态区域将标记区域和背景进行隔离，从而直观快速地确定出标记区域。
对于标记区域，以图2为例，其中标记区域上半部分，即数字“002”对应的部分为标记区域的标记ID子区域，其中包括表示位置信息的第一标记ID，通过对标记ID子区域进行识别，从而可以确定第一标记ID。其中，标记区域的下半部分，即除数字“002”的部分为标记区域的标记校验子区域，该区域由黑白键校验编码组成，对该区域进行解码以得到用于校验的第二标记ID。将第一标记ID与第二标记ID进行匹配，若第一标记ID于第二标记ID相同，则说明校验成功，即第一标记ID为准确有效的唯一标记ID，因此将第一标记ID作为目标标记ID。通过对标记校验子区域进行解码获得第二标记ID，从而对第一标记ID进行校验，从而避免了标记ID子区域中的第一标记ID错误，或者对第一标记ID识别误差导致车辆定位存在误差的问题，从而提高了目标标记ID确定的准确性和可靠性，从而提高了车辆定位的精确性。
S 130、基于高精地图，根据所述目标标记ID和所述目标角点位置确定车辆位置信息。
其中，高精地图为精度高、数据维度多的电子地图，其中包括道路数据，比如车道线的位置、类型、宽度、坡度和曲率等车道信息，以及车道周边的固定对象信息，比如交通标志、交通信号灯等信息、车道限高、下水道口、障碍物及其他道路细节，还包括高架物体、防护栏、数目、道路边缘类型、路边地标等基础设施信息。根据高精地图中各位置信息，以及对应的标记信息，确定车辆的位置信息。
本申请实施例的技术方案，通过确定所述待处理图像中的目标标记ID和目标角点位置，从而确定待处理图像中唯一的标记性信息，结合高精地图以及唯一的标记性信息，从而实现车辆位置的确定。
因为根据待识别图像识别得到唯一标记性信息，再结合高精地图进行定位，从而克服了GPS定位技术失效时，车辆无法精准定位的问题，进而实现了使车辆能够在多场景下进行精确定位的技术效果。
第二实施例
图3是根据本申请第二实施例提供的车辆定位方法的流程示意图。本实施例是在上述实施例的基础上提出的一种可选方案。参见图3，本实施例提供的车辆定位方法包括：
S210、获取车载图像采集器采集的待处理图像。
S220、确定所述待处理图像中的目标标记ID和目标角点位置。
可选的，所述确定所述待处理图像中的目标角点位置，包括：将所述待处理图像作为区域全卷积网络的输入，确定所述待处理图像中标记区域；对确定的标记区域做回归处理，以得到确定所述标记区域中的目标角点位置。
具体的，如图4所示，将待处理图像输入至区域全卷积网络中，通过对待处理图像的特征提取以及区域候选网络，得到两个输出分支，包括标记区域的类别，以及检测获取的包含目标的最小矩形区域。将得到的输出进行后处理，再对标记区域的类别进行细粒度的分类。对获取的包含目标的最小矩形区域进行回归处理，从而得到目标角点位置。通过三个阶段网络的检测，从而提高了目标角点位置检测的精度，以使目标角点位置的检测精度在3像素以内。通过获取目标角点位置，精准地确定标记区域的范围和边缘顶点位置，从而以更准确地根据目标角点位置确定车辆位置信息。
S230、将所述目标标记ID，与基于高精地图中候选标记ID和候选3d位置之间的映射关系进行匹配，得到估算车辆位置。
其中，高精地图中包括与各位置信息对应的候选标记ID，将目标标记ID与高精地图中候选标记ID进行匹配，将与目标标记ID相匹配的候选标记ID所对应的3d位置，确定为估算车辆位置。通过与高精地图的结合确定估算车辆位置，从而使定位更加精准。
S240、将所述估算车辆位置处的高精地图图像投影到待处理图像中，得到估算角点位置。
具体的，将估算车辆位置处的高精地图图像投影到待处理图像中，对得到的待处理图像进行角点位置的检测，得到估算角点位置。
S250、将所述估算角点位置和所述目标角点位置进行匹配，并根据匹配结果确定新的估算车辆位置。
具体的，为了进一步提高车辆定位的精确性，因此将估算角点位置与目标角点位置进行匹配，以验证估算车辆位置的准确性。若估算角点位置与目标角点位置不匹配，则说明估算车辆位置并不是车辆当前的准确位置，因此，根据目标标记ID以及高精地图获取新的估算车辆位置，以对估算车辆位置进行更新优化，以确定最终准确的车辆位置信息。
S260、根据新的估算车辆位置确定新的估算角点位置，直至新的估算角点位置与目标角点位置匹配成功。
具体的，对于得到的新的估算车辆位置，将新的估算车辆位置处的高精地图图像投影到待处理图像中，对得到的待处理图像进行角点位置的检测，得到新的估算角点位置。再将新的估算角点位置与目标角点位置进行匹配。若新的估算角点位置与目标角点位置不匹配，则继续执行确定新的估算车辆位置以及新的估算角点位置的步骤。若新的估算角点位置与目标角点位置相匹配，则执行S270。
S270、将新的估算车辆位置作为所述车辆位置信息。
本申请实施例的技术方案，通过目标标记ID以及高精地图，确定估算车辆位置，再将根据估算车辆位置确定的估算角点位置和目标角点位置匹配，不断更新得到新的估算车辆位置，直到匹配成功，从而确定车辆位置信息。
因为根据目标标记ID以及高精地图，确定估算车辆位置，再将根据估算车辆位置确定的估算角点位置和目标角点位置匹配，从而确定车辆位置信息，所以克服了部分应用场景下无法使用GPS技术进行车辆定位，以及定位过程中容易受到环境和场景影响的问题，进而实现适用于多场景下的车辆定位，并且提高车辆定位精确性技术效果。
第三实施例
图5是根据本申请第三实施例提供的车辆定位装置的结构示意图。参见图5，本申请实施例公开了一种车辆定位装置300，该装置300包括：采集模块301、待处理图像信息确定模块302和车辆位置信息确定模块303。
其中，采集模块301，用于获取车载图像采集器采集的待处理图像；字符数量确定模块，用于确定所述单发音区间中的字符数量；
待处理图像信息确定模块302，用于确定所述待处理图像中的目标标记ID和目标角点位置；
车辆位置信息确定模块303，用于基于高精地图，根据所述目标标记ID和所述目标角点位置确定车辆位置信息。
本申请实施例的技术方案，通过确定所述待处理图像中的目标标记ID和目标角点位置，从而确定待处理图像中唯一的标记性信息，结合高精地图以及唯一的标记性信息，从而实现车辆位置的确定。
因为根据待识别图像识别得到唯一标记性信息，再结合高精地图进行定位，从而克服了GPS定位技术失效时，车辆无法精准定位的问题，进而实现了使车辆能够在多场景下进行精确定位的技术效果。
进一步地，所述待处理图像信息确定模块302，包括：
标记区域确定单元，用于确定所述待处理图像中的标记区域，以及所述标记区域中的标记ID子区域和标记校验子区域；
第一标记ID确定单元，用于确定所述标记ID子区域中的第一标记ID；
第二标记ID确定单元，用于对所述标记校验子区域中的校验编码进行解码，得到第二标记ID；
目标标记ID确定单元，用于若所述第一标记ID与所述第二标记ID相同，则将所述第一标记ID作为所述目标标记ID。
进一步地，所述标记区域确定单元具体用于：
确定所述待处理图像中的静态区域；
将位于所述静态区域中的区域作为所述标记区域。
进一步地，所述待处理图像信息确定模块302，包括：
全卷积网络处理单元，用于将所述待处理图像作为区域全卷积网络的输入，确定所述待处理图像中标记区域；
目标角点位置确定单元，用于对确定的标记区域做回归处理，以得到确定所述标记区域中的目标角点位置。
进一步地，所述车辆位置信息确定模块303，包括：
估算车辆位置确定单元，用于将所述目标标记ID，与基于高精地图中候选标记ID和候选3d位置之间的映射关系进行匹配，得到估算车辆位置；
估算角点位置确定单元，用于将所述估算车辆位置处的高精地图图像投影到待处理图像中，得到估算角点位置；
新的估算车辆位置确定单元，用于将所述估算角点位置和所述目标角点位置进行匹配，并根据匹配结果确定新的估算车辆位置；
新的估算角点位置确定单元，用于根据新的估算车辆位置确定新的估算角点位置，直至新的估算角点位置与目标角点位置匹配成功；
车辆位置信息获取单元，用于将新的估算车辆位置作为所述车辆位置信息。
本申请实施例所提供的车辆定位装置可执行本申请任意实施例所提供的车辆定位方法，具备执行方法相应的功能模块和有益效果。
根据本申请的实施例，本申请还提供了一种电子设备和一种可读存储介质。
如图6所示，图6是用来实现本申请实施例的车辆定位方法的电子设备的框图。电子设备旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本申请的实现。
如图6所示，该电子设备包括：一个或多个处理器401、存储器402，以及用于连接各部件的接口，包括高速接口和低速接口。各个部件利用不同的总线互相连接，并且可以被安装在公共主板上或者根据需要以其它方式安装。处理器可以对在电子设备内执行的指令进行处理，包括存储在存储器中或者存储器上以在外部输入/输出装置(诸如，耦合至接口的显示设备)上显示GUI的图形信息的指令。在其它实施方式中，若需要，可以将多个处理器和/或多条总线与多个存储器和多个存储器一起使用。同样，可以连接多个电子设备，各个设备提供部分必要的操作(例如，作为服务器阵列、一组刀片式服务器、或者多处理器系统)。图6中以一个处理器401为例。
存储器402即为本申请所提供的非瞬时计算机可读存储介质。其中，所述存储器存储有可由至少一个处理器执行的指令，以使所述至少一个处理器执行本申请所提供的车辆定位的方法。本申请的非瞬时计算机可读存储介质存储计算机指令，该计算机指令用于使计算机执行本申请所提供的车辆定位的方法。
存储器402作为一种非瞬时计算机可读存储介质，可用于存储非瞬时软件程序、非瞬时计算机可执行程序以及模块，如本申请实施例中的车辆定位的方法对应的程序指令/模块(例如，图5所示的采集模块301、待处理图像信息确定模块302和车辆位置信息确定模块303)。处理器401通过运行存储在存储器402中的非瞬时软件程序、指令以及模块，从而执行服务器的各种功能应用以及数据处理，即实现上述方法实施例中的车辆定位的方法。
存储器402可以包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需要的应用程序；存储数据区可存储根据车辆定位的电子设备的使用所创建的数据等。此外，存储器402可以包括高速随机存取存储器，还可以包括非瞬时存储器，例如至少一个磁盘存储器件、闪存器件、或其他非瞬时固态存储器件。在一些实施例中，存储器402可选包括相对于处理器401远程设置的存储器，这些远程存储器可以通过网络连接至车辆定位的电子设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
车辆定位的方法的电子设备还可以包括：输入装置403和输出装置404。处理器401、存储器402、输入装置403和输出装置404可以通过总线或者其他方式连接，图6中以通过总线连接为例。
输入装置403可接收输入的数字或字符信息，以及产生与车辆定位的电子设备的用户设置以及功能控制有关的键信号输入，例如触摸屏、小键盘、鼠标、轨迹板、触摸板、指示杆、一个或者多个鼠标按钮、轨迹球、操纵杆等输入装置。输出装置404可以包括显示设备、辅助照明装置(例如，LED)和触觉反馈装置(例如，振动电机)等。该显示设备可以包括但不限于，液晶显示器(LCD)、发光二极管(LED)显示器和等离子体显示器。在一些实施方式中，显示设备可以是触摸屏。
此处描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、专用ASIC(专用集成电路)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
这些计算程序(也称作程序、软件、软件应用、或者代码)包括可编程处理器的机器指令，并且可以利用高级过程和/或面向对象的编程语言、和/或汇编/机器语言来实施这些计算程序。如本文使用的，术语“机器可读介质”和“计算机可读介质”指的是用于将机器指令和/或数据提供给可编程处理器的任何计算机程序产品、设备、和/或装置(例如，磁盘、光盘、存储器、可编程逻辑装置(PLD))，包括，接收作为机器可读信号的机器指令的机器可读介质。术语“机器可读信号”指的是用于将机器指令和/或数据提供给可编程处理器的任何信号。
为了提供与用户的交互，可以在计算机上实施此处描述的系统和技术，该计算机具有：用于向用户显示信息的显示装置(例如，CRT(阴极射线管)或者LCD(液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如，作为数据服务器)、或者包括中间件部件的计算系统(例如，应用服务器)、或者包括前端部件的计算系统(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将系统的部件相互连接。通信网络的示例包括：局域网(LAN)、广域网(WAN)和互联网。
计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。
应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本发申请中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本申请公开的技术方案所期望的结果，本文在此不进行限制。
上述具体实施方式，并不构成对本申请保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本申请的精神和原则之内所作的修改、等同替换和改进等，均应包含在本申请保护范围之内。

Claims (12)

1.一种车辆定位方法，其特征在于，包括：
获取车载图像采集器采集的待处理图像；
确定所述待处理图像中的目标标记ID和目标角点位置；
基于高精地图，根据所述目标标记ID和所述目标角点位置确定车辆位置信息。
2.根据权利要求1所述的方法，其特征在于，所述确定所述待处理图像中的目标标记ID，包括：
确定所述待处理图像中的标记区域，以及所述标记区域中的标记ID子区域和标记校验子区域；
确定所述标记ID子区域中的第一标记ID；
对所述标记校验子区域中的校验编码进行解码，得到第二标记ID；
若所述第一标记ID与所述第二标记ID相同，则将所述第一标记ID作为所述目标标记ID。
3.根据权利要求2所述的方法，其特征在于，所述确定所述待处理图像中的标记区域，包括：
确定所述待处理图像中的静态区域；
将位于所述静态区域中的区域作为所述标记区域。
4.根据权利要求1所述的方法，其特征在于，所述确定所述待处理图像中的目标角点位置，包括：
将所述待处理图像作为区域全卷积网络的输入，确定所述待处理图像中标记区域；
对确定的标记区域做回归处理，以得到确定所述标记区域中的目标角点位置。
5.根据权利要求1所述的方法，其特征在于，基于高精地图，根据所述目标标记ID和所述目标角点位置确定车辆位置信息，包括：
将所述目标标记ID，与基于高精地图中候选标记ID和候选3d位置之间的映射关系进行匹配，得到估算车辆位置；
将所述估算车辆位置处的高精地图图像投影到待处理图像中，得到估算角点位置；
将所述估算角点位置和所述目标角点位置进行匹配，并根据匹配结果确定新的估算车辆位置；
根据新的估算车辆位置确定新的估算角点位置，直至新的估算角点位置与目标角点位置匹配成功；
将新的估算车辆位置作为所述车辆位置信息。
6.一种车辆定位装置，其特征在于，包括：
采集模块，用于获取车载图像采集器采集的待处理图像；字符数量确定模块，用于确定所述单发音区间中的字符数量；
待处理图像信息确定模块，用于确定所述待处理图像中的目标标记ID和目标角点位置；
车辆位置信息确定模块，用于基于高精地图，根据所述目标标记ID和所述目标角点位置确定车辆位置信息。
7.根据权利要求6所述的装置，其特征在于，所述待处理图像信息确定模块，包括：
标记区域确定单元，用于确定所述待处理图像中的标记区域，以及所述标记区域中的标记ID子区域和标记校验子区域；
第一标记ID确定单元，用于确定所述标记ID子区域中的第一标记ID；
第二标记ID确定单元，用于对所述标记校验子区域中的校验编码进行解码，得到第二标记ID；
目标标记ID确定单元，用于若所述第一标记ID与所述第二标记ID相同，则将所述第一标记ID作为所述目标标记ID。
8.根据权利要求7所述的装置，其特征在于，所述标记区域确定单元具体用于：
确定所述待处理图像中的静态区域；
将位于所述静态区域中的区域作为所述标记区域。
9.根据权利要求6所述的装置，其特征在于，所述待处理图像信息确定模块，包括：
全卷积网络处理单元，用于将所述待处理图像作为区域全卷积网络的输入，确定所述待处理图像中标记区域；
目标角点位置确定单元，用于对确定的标记区域做回归处理，以得到确定所述标记区域中的目标角点位置。
10.根据权利要求6所述的装置，其特征在于，所述车辆位置信息确定模块，包括：
估算车辆位置确定单元，用于将所述目标标记ID，与基于高精地图中候选标记ID和候选3d位置之间的映射关系进行匹配，得到估算车辆位置；
估算角点位置确定单元，用于将所述估算车辆位置处的高精地图图像投影到待处理图像中，得到估算角点位置；
新的估算车辆位置确定单元，用于将所述估算角点位置和所述目标角点位置进行匹配，并根据匹配结果确定新的估算车辆位置；
新的估算角点位置确定单元，用于根据新的估算车辆位置确定新的估算角点位置，直至新的估算角点位置与目标角点位置匹配成功；
车辆位置信息获取单元，用于将新的估算车辆位置作为所述车辆位置信息。
11.一种电子设备，其特征在于，包括：
至少一个处理器；以及
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1-5中任一项所述的方法。
12.一种存储有计算机指令的非瞬时计算机可读存储介质，其特征在于，所述计算机指令用于使所述计算机执行权利要求1-5中任一项所述的方法。
CN201910883947.4A 2019-09-18 2019-09-18 车辆定位方法、装置、设备和介质 Active CN110595459B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910883947.4A CN110595459B (zh) 2019-09-18 2019-09-18 车辆定位方法、装置、设备和介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910883947.4A CN110595459B (zh) 2019-09-18 2019-09-18 车辆定位方法、装置、设备和介质

Publications (2)

Publication Number Publication Date
CN110595459A true CN110595459A (zh) 2019-12-20
CN110595459B CN110595459B (zh) 2021-08-17

Family

ID=68860934

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910883947.4A Active CN110595459B (zh) 2019-09-18 2019-09-18 车辆定位方法、装置、设备和介质

Country Status (1)

Country Link
CN (1) CN110595459B (zh)

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111260722A (zh) * 2020-01-17 2020-06-09 北京百度网讯科技有限公司 车辆定位方法、设备及存储介质
CN111274343A (zh) * 2020-01-20 2020-06-12 北京百度网讯科技有限公司 一种车辆定位方法、装置、电子设备及存储介质
CN111274974A (zh) * 2020-01-21 2020-06-12 北京百度网讯科技有限公司 定位元素检测方法、装置、设备和介质
CN111340890A (zh) * 2020-02-20 2020-06-26 北京百度网讯科技有限公司 相机外参标定方法、装置、设备和可读存储介质
CN112581533A (zh) * 2020-12-16 2021-03-30 百度在线网络技术（北京）有限公司 定位方法、装置、电子设备及存储介质
CN113094453A (zh) * 2019-12-23 2021-07-09 百度在线网络技术（北京）有限公司 护栏构建方法、装置、设备和介质
CN114202574A (zh) * 2020-08-29 2022-03-18 华为技术有限公司 定位可靠性检测方法及相关设备
CN115015959A (zh) * 2022-06-28 2022-09-06 中山大学 一种基于人工信标的无人车辆激光雷达建图与定位方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20090037102A1 (en) * 2007-08-02 2009-02-05 Sony Corporation Information processing device and additional information providing method
CN103473950A (zh) * 2012-06-06 2013-12-25 刘鉵 一种停车场车位监控方法
CN108513256A (zh) * 2018-03-12 2018-09-07 广东工业大学 一种车辆定位方法、装置及其应用的泊车辅助方法、车辆
CN109887033A (zh) * 2019-03-01 2019-06-14 北京智行者科技有限公司 定位方法及装置
CN110020651A (zh) * 2019-04-19 2019-07-16 福州大学 基于深度学习网络的车牌检测定位方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20090037102A1 (en) * 2007-08-02 2009-02-05 Sony Corporation Information processing device and additional information providing method
CN103473950A (zh) * 2012-06-06 2013-12-25 刘鉵 一种停车场车位监控方法
CN108513256A (zh) * 2018-03-12 2018-09-07 广东工业大学 一种车辆定位方法、装置及其应用的泊车辅助方法、车辆
CN109887033A (zh) * 2019-03-01 2019-06-14 北京智行者科技有限公司 定位方法及装置
CN110020651A (zh) * 2019-04-19 2019-07-16 福州大学 基于深度学习网络的车牌检测定位方法

Cited By (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113094453A (zh) * 2019-12-23 2021-07-09 百度在线网络技术（北京）有限公司 护栏构建方法、装置、设备和介质
CN113094453B (zh) * 2019-12-23 2023-09-29 百度在线网络技术（北京）有限公司 护栏构建方法、装置、设备和介质
CN111260722A (zh) * 2020-01-17 2020-06-09 北京百度网讯科技有限公司 车辆定位方法、设备及存储介质
CN111260722B (zh) * 2020-01-17 2023-12-26 北京百度网讯科技有限公司 车辆定位方法、设备及存储介质
CN111274343A (zh) * 2020-01-20 2020-06-12 北京百度网讯科技有限公司 一种车辆定位方法、装置、电子设备及存储介质
CN111274343B (zh) * 2020-01-20 2023-11-24 阿波罗智能技术(北京)有限公司 一种车辆定位方法、装置、电子设备及存储介质
CN111274974B (zh) * 2020-01-21 2023-09-01 阿波罗智能技术(北京)有限公司 定位元素检测方法、装置、设备和介质
CN111274974A (zh) * 2020-01-21 2020-06-12 北京百度网讯科技有限公司 定位元素检测方法、装置、设备和介质
CN111340890A (zh) * 2020-02-20 2020-06-26 北京百度网讯科技有限公司 相机外参标定方法、装置、设备和可读存储介质
CN114202574A (zh) * 2020-08-29 2022-03-18 华为技术有限公司 定位可靠性检测方法及相关设备
CN112581533B (zh) * 2020-12-16 2023-10-03 百度在线网络技术（北京）有限公司 定位方法、装置、电子设备及存储介质
CN112581533A (zh) * 2020-12-16 2021-03-30 百度在线网络技术（北京）有限公司 定位方法、装置、电子设备及存储介质
CN115015959A (zh) * 2022-06-28 2022-09-06 中山大学 一种基于人工信标的无人车辆激光雷达建图与定位方法
CN115015959B (zh) * 2022-06-28 2024-08-02 中山大学 一种基于人工信标的无人车辆激光雷达建图与定位方法

Also Published As

Publication number Publication date
CN110595459B (zh) 2021-08-17

Similar Documents

Publication Publication Date Title
CN110595459B (zh) 车辆定位方法、装置、设备和介质
US11361005B2 (en) Method for processing map data, device, and storage medium
CN111854771A (zh) 地图质量的检测处理方法、装置、电子设备和存储介质
CN111626206A (zh) 高精地图构建方法、装置、电子设备及计算机存储介质
CN112415552A (zh) 车辆位置的确定方法、装置及电子设备
CN111797187A (zh) 地图数据的更新方法、装置、电子设备和存储介质
CN111220164A (zh) 定位方法、装置、设备及存储介质
CN111967301A (zh) 定位导航方法、装置、电子设备和存储介质
CN111428663A (zh) 红绿灯状态的识别方法、装置、电子设备和存储介质
CN111292531B (zh) 交通信号灯的跟踪方法、装置、设备及存储介质
CN111523471B (zh) 车辆所在车道的确定方法、装置、设备以及存储介质
CN111998860A (zh) 自动驾驶定位数据校验方法、装置、电子设备及存储介质
CN113091757B (zh) 地图生成方法和装置
CN111881908B (zh) 目标检测模型的修正方法、检测方法、装置、设备及介质
CN111950537B (zh) 斑马线信息获取方法、地图更新方法、装置及系统
CN112528786A (zh) 车辆跟踪方法、装置及电子设备
CN111652112B (zh) 一种车道流向的识别方法、装置、电子设备及存储介质
CN112131335B (zh) 车道级地图数据处理方法、装置、电子设备及存储介质
CN111340890A (zh) 相机外参标定方法、装置、设备和可读存储介质
CN112581533A (zh) 定位方法、装置、电子设备及存储介质
CN111693059A (zh) 环岛的导航方法、装置、设备及存储介质
CN111640301B (zh) 故障车辆检测方法及包括路侧单元的故障车辆检测系统
CN113673281B (zh) 限速信息确定方法、装置、设备以及存储介质
CN111896010A (zh) 车辆定位方法、装置、车辆以及存储介质
CN114186007A (zh) 高精地图生成方法、装置、电子设备和存储介质

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
GR01 Patent grant
GR01 Patent grant