CN111142145A - 一种车辆定位方法及装置 - Google Patents
一种车辆定位方法及装置 Download PDFInfo
- Publication number
- CN111142145A CN111142145A CN201911401138.1A CN201911401138A CN111142145A CN 111142145 A CN111142145 A CN 111142145A CN 201911401138 A CN201911401138 A CN 201911401138A CN 111142145 A CN111142145 A CN 111142145A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- positioning
- condition
- ins
- global
- 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.)
- Pending
Links
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S19/00—Satellite radio beacon positioning systems; Determining position, velocity or attitude using signals transmitted by such systems
- G01S19/38—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system
- G01S19/39—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system the satellite radio beacon positioning system transmitting time-stamped messages, e.g. GPS [Global Positioning System], GLONASS [Global Orbiting Navigation Satellite System] or GALILEO
- G01S19/42—Determining position
- G01S19/48—Determining position by combining or switching between position solutions derived from the satellite radio beacon positioning system and position solutions derived from a further system
- G01S19/49—Determining position by combining or switching between position solutions derived from the satellite radio beacon positioning system and position solutions derived from a further system whereby the further system is an inertial position system, e.g. loosely-coupled
-
- 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
- G01C21/10—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration
- G01C21/12—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning
- G01C21/16—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning by integrating acceleration or speed, i.e. inertial navigation
- G01C21/165—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning by integrating acceleration or speed, i.e. inertial navigation combined with non-inertial navigation instruments
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computer Networks & Wireless Communication (AREA)
- Automation & Control Theory (AREA)
- Navigation (AREA)
Abstract
本发明涉及一种车辆定位方法及装置。其中,方法包括:获取车载全球定位系统输出的GPS数据和车载惯性导航系统INS输出的INS数据;若基于所述GPS数据和所述INS数据,判断车辆满足初定位条件、节点级定位条件和全局定位条件,则依次对所述车辆进行初定位、节点级定位和全局定位。本发明实施例提供的方法及装置,通过车辆的GPS数据和所述INS数据,判断车辆是否满足初定位条件、节点级定位条件和全局定位条件,若满足上述三个条件,则依次对车辆进行初定位、节点级定位和全局定位,通过对车辆进行上述三次定位,能够得到更加精确的定位结果。并且,由于该方法无需依赖UWB基站,因此,硬件简单且成本较低。
Description
技术领域
本发明涉及地理信息技术领域,尤其涉及一种车辆定位方法及装置。
背景技术
高精度地图也称为高分辨率地图(High Definition Map,HD Map),是一种专门为无人驾驶服务的地图。与传统导航地图不同的是,高精度地图包括大量的驾驶辅助信息,最重要的信息是道路网的精确三维表征,例如,交叉路口布局和路标位置。高精度地图还包括许多语义信息,高精度地图可能会报告交通灯上不同颜色的含义,也可能指示道路的速度限速,以及左转车道的位置。高精度地图最重要的特征之一是精度,传统导航地图只能达到米级精度,高精度地图可以达到厘米级精度,这对无人驾驶至关重要。
定位、感知软件及规划都依赖高精度地图,高精度地图可以帮助车辆找到合适的行车空间,帮助规划器确定不同的路线选择,并帮助预测软件预测道路上其他车辆在将来的位置,在有限速或障碍物的路段,高精度地图可以使车辆提前查看、提前加速或者变道。
目前,不管是否为无人驾驶的车辆,越多越的车辆都使用高精度地图进行辅助驾驶,在地下车库中,车辆接收到的全球定位系统(Global Positioning System,GPS)定位信号较弱甚至没有信号,因此,无法通过GPS定位系统进行车辆定位。惯性导航系统(InertialNavigation System,INS)可以使用但是由于惯导漂移问题,只有在一小段时间内可以达到比较高的定位精度。超宽带(Ultra Wide Band,UWB)定位可以达到比较高的定位精度但是依赖于地下车库中预先建设好的UWB基站,硬件复杂且成本较高。
因此,如何提供一种硬件简单且成本较低的高精度车辆定位方法,成为亟待解决的问题。
发明内容
本发明针对现有技术中存在的技术问题,提供一种车辆定位方法及系统,解决传统车辆定位方法依赖于地下车库中预先建设好的UWB基站,硬件复杂且成本较高的问题。
本发明解决上述技术问题的技术方案如下:
第一方面,本发明提供一种车辆定位方法,包括:
获取车载全球定位系统输出的GPS数据和车载惯性导航系统INS输出的INS数据;
若基于所述GPS数据和所述INS数据,判断车辆满足初定位条件、节点级定位条件和全局定位条件,则依次对所述车辆进行初定位、节点级定位和全局定位。
本发明的有益效果是:本发明通过车辆的GPS数据和所述INS数据,判断车辆是否满足初定位条件、节点级定位条件和全局定位条件,若满足上述三个条件,则依次对车辆进行初定位、节点级定位和全局定位,由于初定位的定位精度误差在±10m以内,节点级定位的定位精度误差在2m以内,全局定位的定位精度误差在0.5m以内,因此,通过对车辆进行上述三次定位,能够得到更加精确的定位结果。并且,由于该方法无需依赖UWB基站,因此,硬件简单且成本较低。
进一步地,基于所述GPS数据和所述INS数据,判断车辆满足初定位条件,包括:
基于所述GPS数据,在高精度地图中,确定所述车辆对应的多个GPS点,并基于所述INS数据,在所述高精度地图中,确定所述车辆在当前时刻对应的INS点;
根据所述INS点与每个GPS点间的距离得到最小距离,若所述最小距离小于或等于初定位阈值,则判断所述车辆满足初定位条件。
进一步,判断车辆满足节点级定位条件,包括:
若判断所述车辆满足初定位条件,则获取所述车辆的环视图像,并在所述高精度地图中,确定与所述环视图像最近的一帧地图图像;
若所述环视图像的全局ORB描述符与所述地图图像的全局ORB描述符间的汉明距离小于或等于节点级定位阈值,则判断所述车辆满足节点级定位条件。
进一步,判断车辆满足全局定位条件,包括:
若判断所述车辆满足节点级定位条件,则获取所述环视图像的局部ORB特征点和所述地图图像的局部ORB特征点;
若所述环视图像的局部ORB特征点与所述地图图像的局部ORB特征点的匹配数量大于或等于全局定位阈值,则判断所述车辆满足全局定位条件。
进一步,所述车辆定位方法还包括:
若判断车辆不满足初定位条件,则基于卡尔曼滤波算法对所述车辆进行定位。
进一步,所述车辆定位方法还包括:
若判断车辆满足初定位条件且不满足节点级定位条件,则在对所述车辆进行初定位后,基于卡尔曼滤波算法对所述车辆进行定位。
进一步,所述车辆定位方法还包括:
若判断车辆满足初定位条件和节点级定位条件且不满足全局定位条件,则在依次对所述车辆进行初定位和节点级定位后,基于卡尔曼滤波算法对所述车辆进行定位。
第二方面,本发明提供一种车辆定位装置,包括:
数据获取模块,用于获取车载全球定位系统输出的GPS数据和车载惯性导航系统INS输出的INS数据;
定位模块,用于若基于所述GPS数据和所述INS数据,判断车辆满足初定位条件、节点级定位条件和全局定位条件,则依次对所述车辆进行初定位、节点级定位和全局定位。
第三方面,本发明提供一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现如第一方面所提供的方法的步骤。
第四方面,本发明提供一种非暂态计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现如第一方面所提供的方法的步骤。
附图说明
图1为本发明实施例提供的一种车辆定位方法流程图;
图2为本发明另一实施例提供的一种车辆定位方法流程图;
图3为本发明实施例提供的一种车辆定位装置的结构示意图;
图4为本发明实施例提供的一种电子设备的实体结构示意图。
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作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。
需要说明的是,由于在地下车库中,车辆接收到的GPS定位信号较弱甚至没有信号,因此,无法通过GPS定位系统进行车辆定位。惯性导航系统INS可以使用但是由于惯导漂移问题,只有在一小段时间内可以达到比较高的定位精度。UWB定位可以达到比较高的定位精度但是依赖于地下车库中预先建设好的UWB基站,但是硬件复杂且成本较高。
为了解决上述问题,本发明实施例提供了一种硬件简单且成本较低的高精度车辆定位方法。图1为本发明实施例提供的一种车辆定位方法流程图,如图1所示,该方法包括:
步骤101,获取车载全球定位系统输出的GPS数据和车载惯性导航系统INS输出的INS数据;
步骤102,若基于所述GPS数据和所述INS数据,判断车辆满足初定位条件、节点级定位条件和全局定位条件,则依次对所述车辆进行初定位、节点级定位和全局定位。
具体地,本发明实施例的目的在于对处于地下车库中的车辆进行高精度定位。但可以理解的是,由于该方法能够对处于地下车库中的车辆进行高精度定位,因此,该方法也适用于对地下车库外的车辆进行高精度定位,本发明实施例对该方法的应用环境不作具体限定。
对于本发明实施例中待进行定位的车辆,车辆中设置有GPS和INS。在车辆的行驶过程中,GPS可以输出多个GPS数据,INS可以输出多个INS数据。
在本发明实施例中,获取车辆行驶过程GPS输出的GPS数据以及INS输出的INS数据,并基于获取到的GPS数据和INS数据,判断车辆是否满足初定位条件、节点级定位条件和全局定位条件,若车辆满足上述三个定位条件,则依次对车辆进行初定位、节点级定位和全局定位,从而得到车辆高精度的定位结果。
需要说明的是,初定位指的是利用INS数据进行车辆定位,其定位精度误差在±10m以内。节点级定位指的是通过车辆的环视图像的全局ORB描述符与高精度地图中的地图图像的全局ORB描述符进行车辆定位,其定位精度误差在2m以内。全局定位指的是通过环视图像的局部ORB特征与地图图像的局部ORB特征进行车辆定位,其定位精度误差在0.5m以内。
本发明实施提供的车辆定位方法,通过车辆的GPS数据和所述INS数据,判断车辆是否满足初定位条件、节点级定位条件和全局定位条件,若满足上述三个条件,则依次对车辆进行初定位、节点级定位和全局定位,由于初定位的定位精度误差在±10m以内,节点级定位的定位精度误差在2m以内,全局定位的定位精度误差在0.5m以内,因此,通过对车辆进行上述三次定位,能够得到更加精确的定位结果。并且,由于该方法无需依赖UWB基站,因此,硬件简单且成本较低。
基于上述任一实施例,基于所述GPS数据和所述INS数据,判断车辆满足初定位条件,包括:
基于所述GPS数据,在高精度地图中,确定所述车辆对应的多个GPS点,并基于所述INS数据,在所述高精度地图中,确定所述车辆在当前时刻对应的INS点;根据所述INS点与每个GPS点间的距离得到最小距离,若所述最小距离小于或等于初定位阈值,则判断所述车辆满足初定位条件。
具体地,本发明实施例重点说明如何基于GPS数据和INS数据,判断车辆是否满足初定位条件。
在车辆的行驶过程中,获取车辆中的GPS输出的多个GPS数据,将这多个GPS数据映射在高精度地图中,得到车辆对应的多个GPS点。
基于INS输出的多个INS数据,在当前时刻,将当前时刻的INS数据映射在高精度地图中,得到车辆在当前时刻对应的INS点。
计算INS点与多个GPS点中每个GPS点之间的距离,可得到多个距离,在这多个距离中,确定最小距离。
将最小距离与预设的初定位阈值进行大小比较,需要说明的是,初定位阈值根据实际情况具体设定,本发明实施例对其设定不作具体说明。
若最小距离小于或等于初定位阈值,则判断车辆满足初定位条件,进而基于INS数据对车辆进行初定位。
基于上述任一实施例,判断车辆满足节点级定位条件,包括:
若判断所述车辆满足初定位条件,则获取所述车辆的环视图像,并在所述高精度地图中,确定与所述环视图像最近的一帧地图图像;若所述环视图像的全局ORB描述符与所述地图图像的全局ORB描述符间的汉明距离小于或等于节点级定位阈值,则判断所述车辆满足节点级定位条件。
具体地,本发明实施例重点说明如何判断车辆是否满足节点级定位条件。
若判断车辆满足初定位条件,则获取车辆的环视图像,并在高精度地图中,确定与环视图像最近的一帧地图图像,其中,最近指的是相似度最高。
获取到地图图像后,确定环视图像的全局ORB描述符和地图图像的全局ORB描述符,并计算两者之间的汉明距离。
将两者之间的汉明距离与预设的节点级定位阈值进行大小比较,需要说明的是,节点级定位阈值根据实际情况具体设定,本发明实施例对其设定不作具体说明。
若两者之间的汉明距离小于或等于节点级定位阈值,则判断车辆满足节点级定位条件,进而对车辆进行节点级定位。
基于上述任一实施例,判断车辆满足全局定位条件,包括:
若判断所述车辆满足节点级定位条件,则获取所述环视图像的局部ORB特征点和所述地图图像的局部ORB特征点;若所述环视图像的局部ORB特征点与所述地图图像的局部ORB特征点的匹配数量大于或等于全局定位阈值,则判断所述车辆满足全局定位条件。
具体地,本发明实施例重点说明如何判断车辆是否满足全局定位条件。
若判断车辆满足节点级定位条件,则确定车辆的环视图像的局部ORB特征点和与环视图像最近的一帧地图图像的局部ORB特征点。
对两者的特征点进行匹配,若匹配成功的数量大于或等于全局定位阈值,则判断车辆满足全局定位条件。需要说明的是,全局定位阈值根据实际情况具体设定,本发明实施例对其设定不作具体说明。
基于上述任一实施例,若判断车辆不满足初定位条件,则基于卡尔曼滤波算法对所述车辆进行定位。或者,若判断车辆满足初定位条件且不满足节点级定位条件,则在对所述车辆进行初定位后,基于卡尔曼滤波算法对所述车辆进行定位。又或者,若判断车辆满足初定位条件和节点级定位条件且不满足全局定位条件,则在依次对所述车辆进行初定位和节点级定位后,基于卡尔曼滤波算法对所述车辆进行定位。
作为一个优选实施例,本发明实施例结合图2对车辆定位方法进行进一步说明,图2为本发明另一实施例提供的一种车辆定位方法流程图,由于车辆定位流程已在图2中文字说明,因此此处不再进行赘述。
基于上述任一实施例,图3为本发明实施例提供的一种车辆定位装置的结构示意图,如图3所示,该装置包括:
数据获取模块301,用于获取车载全球定位系统输出的GPS数据和车载惯性导航系统INS输出的INS数据;
定位模块302,用于若基于所述GPS数据和所述INS数据,判断车辆满足初定位条件、节点级定位条件和全局定位条件,则依次对所述车辆进行初定位、节点级定位和全局定位。
对于本发明实施例中待进行定位的车辆,车辆中设置有GPS和INS。在车辆的行驶过程中,GPS可以输出多个GPS数据,INS可以输出多个INS数据。
在本发明实施例中,获取车辆行驶过程GPS输出的GPS数据以及INS输出的INS数据,并基于获取到的GPS数据和INS数据,判断车辆是否满足初定位条件、节点级定位条件和全局定位条件,若车辆满足上述三个定位条件,则依次对车辆进行初定位、节点级定位和全局定位,从而得到车辆高精度的定位结果。
需要说明的是,初定位指的是利用INS数据进行车辆定位,其定位精度误差在±10m以内。节点级定位指的是通过车辆的环视图像的全局ORB描述符与高精度地图中的地图图像的全局ORB描述符进行车辆定位,其定位精度误差在2m以内。全局定位指的是通过环视图像的局部ORB特征与地图图像的局部ORB特征进行车辆定位,其定位精度误差在0.5m以内。
本发明实施例提供的装置,通过车辆的GPS数据和所述INS数据,判断车辆是否满足初定位条件、节点级定位条件和全局定位条件,若满足上述三个条件,则依次对车辆进行初定位、节点级定位和全局定位,由于初定位的定位精度误差在±10m以内,节点级定位的定位精度误差在2m以内,全局定位的定位精度误差在0.5m以内,因此,通过对车辆进行上述三次定位,能够得到更加精确的定位结果。并且,由于该方法无需依赖UWB基站,因此,硬件简单且成本较低。
基于上述任一实施例,本发明实施例提供的装置,还包括:初定位判断模块,用于基于所述GPS数据,在高精度地图中,确定所述车辆对应的多个GPS点,并基于所述INS数据,在所述高精度地图中,确定所述车辆在当前时刻对应的INS点;根据所述INS点与每个GPS点间的距离得到最小距离,若所述最小距离小于或等于初定位阈值,则判断所述车辆满足初定位条件。
基于上述任一实施例,本发明实施例提供的装置,还包括:节点级定位判断模块,用于若判断所述车辆满足初定位条件,则获取所述车辆的环视图像,并在所述高精度地图中,确定与所述环视图像最近的一帧地图图像;若所述环视图像的全局ORB描述符与所述地图图像的全局ORB描述符间的汉明距离小于或等于节点级定位阈值,则判断所述车辆满足节点级定位条件。
基于上述任一实施例,本发明实施例提供的装置,还包括:全局定位模块,用于若判断所述车辆满足节点级定位条件,则获取所述环视图像的局部ORB特征点和所述地图图像的局部ORB特征点;若所述环视图像的局部ORB特征点与所述地图图像的局部ORB特征点的匹配数量大于或等于全局定位阈值,则判断所述车辆满足全局定位条件。
基于上述任一实施例,本发明实施例提供的装置,还包括:卡尔曼滤波定位模块,用于若初定位模块判断车辆不满足初定位条件,则基于卡尔曼滤波算法对所述车辆进行定位,还用于若节点级定位判断车辆满足初定位条件且不满足节点级定位条件,则在对所述车辆进行初定位后,基于卡尔曼滤波算法对所述车辆进行定位,还用于若全局定位模块若判断车辆满足初定位条件和节点级定位条件且不满足全局定位条件,则在依次对所述车辆进行初定位和节点级定位后,基于卡尔曼滤波算法对所述车辆进行定位。
图4为本发明实施例提供的一种电子设备的实体结构示意图,如图4所示,该电子设备可以包括:处理器(processor)401、通信接口(Communications Interface)402、存储器(memory)403和通信总线404,其中,处理器401,通信接口402,存储器403通过通信总线404完成相互间的通信。处理器401可以调用存储在存储器403上并可在处理器401上运行的计算机程序,以执行上述各实施例提供的车辆定位方法,例如包括:获取车载全球定位系统输出的GPS数据和车载惯性导航系统INS输出的INS数据;若基于所述GPS数据和所述INS数据,判断车辆满足初定位条件、节点级定位条件和全局定位条件,则依次对所述车辆进行初定位、节点级定位和全局定位。
此外,上述的存储器403中的逻辑指令可以通过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,本发明实施例的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
本发明实施例还提供一种非暂态计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现以执行上述各实施例提供的车辆定位方法,例如包括:获取车载全球定位系统输出的GPS数据和车载惯性导航系统INS输出的INS数据;若基于所述GPS数据和所述INS数据,判断车辆满足初定位条件、节点级定位条件和全局定位条件,则依次对所述车辆进行初定位、节点级定位和全局定位。
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的劳动的情况下,即可以理解并实施。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件。基于这样的理解,上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品可以存储在计算机可读存储介质中,如ROM/RAM、磁碟、光盘等,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。
以上所述仅为本发明的较佳实施例,并不用以限制本发明,凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,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:
获取车载全球定位系统输出的GPS数据和车载惯性导航系统INS输出的INS数据;
若基于所述GPS数据和所述INS数据,判断车辆满足初定位条件、节点级定位条件和全局定位条件,则依次对所述车辆进行初定位、节点级定位和全局定位。
2.根据权利要求1所述的车辆定位方法,其特征在于,基于所述GPS数据和所述INS数据,判断车辆满足初定位条件,包括:
基于所述GPS数据,在高精度地图中,确定所述车辆对应的多个GPS点,并基于所述INS数据,在所述高精度地图中,确定所述车辆在当前时刻对应的INS点;
根据所述INS点与每个GPS点间的距离得到最小距离,若所述最小距离小于或等于初定位阈值,则判断所述车辆满足初定位条件。
3.根据权利要求2所述的车辆定位方法,其特征在于,判断车辆满足节点级定位条件,包括:
若判断所述车辆满足初定位条件,则获取所述车辆的环视图像,并在所述高精度地图中,确定与所述环视图像最近的一帧地图图像;
若所述环视图像的全局ORB描述符与所述地图图像的全局ORB描述符间的汉明距离小于或等于节点级定位阈值,则判断所述车辆满足节点级定位条件。
4.根据权利要求3所述的车辆定位方法,其特征在于,判断车辆满足全局定位条件,包括:
若判断所述车辆满足节点级定位条件,则获取所述环视图像的局部ORB特征点和所述地图图像的局部ORB特征点;
若所述环视图像的局部ORB特征点与所述地图图像的局部ORB特征点的匹配数量大于或等于全局定位阈值,则判断所述车辆满足全局定位条件。
5.根据权利要求1至4中任一项所述的车辆定位方法,其特征在于,还包括:
若判断车辆不满足初定位条件,则基于卡尔曼滤波算法对所述车辆进行定位。
6.根据权利要求1至4中任一项所述的车辆定位方法,其特征在于,还包括:
若判断车辆满足初定位条件且不满足节点级定位条件,则在对所述车辆进行初定位后,基于卡尔曼滤波算法对所述车辆进行定位。
7.根据权利要求1至4中任一项所述的车辆定位方法,其特征在于,还包括:
若判断车辆满足初定位条件和节点级定位条件且不满足全局定位条件,则在依次对所述车辆进行初定位和节点级定位后,基于卡尔曼滤波算法对所述车辆进行定位。
8.一种车辆定位装置,其特征在于,包括:
数据获取模块,用于获取车载全球定位系统输出的GPS数据和车载惯性导航系统INS输出的INS数据;
定位模块,用于若基于所述GPS数据和所述INS数据,判断车辆满足初定位条件、节点级定位条件和全局定位条件,则依次对所述车辆进行初定位、节点级定位和全局定位。
9.一种电子设备,包括存储器、处理器及存储在存储器上并可在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程序时实现如权利要求1至7任一项所述车辆定位方法的步骤。
10.一种非暂态计算机可读存储介质,其上存储有计算机程序,其特征在于,该计算机程序被处理器执行时实现如权利要求1至7任一项所述车辆定位方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911401138.1A CN111142145A (zh) | 2019-12-31 | 2019-12-31 | 一种车辆定位方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911401138.1A CN111142145A (zh) | 2019-12-31 | 2019-12-31 | 一种车辆定位方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111142145A true CN111142145A (zh) | 2020-05-12 |
Family
ID=70522178
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911401138.1A Pending CN111142145A (zh) | 2019-12-31 | 2019-12-31 | 一种车辆定位方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111142145A (zh) |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103093203A (zh) * | 2013-01-21 | 2013-05-08 | 信帧电子技术(北京)有限公司 | 一种人体再识别方法以及人体再识别系统 |
CN107084727A (zh) * | 2017-04-12 | 2017-08-22 | 武汉理工大学 | 一种基于高精度三维地图的视觉定位系统及方法 |
CN108303721A (zh) * | 2018-02-12 | 2018-07-20 | 北京经纬恒润科技有限公司 | 一种车辆定位方法及系统 |
CN108845343A (zh) * | 2018-07-03 | 2018-11-20 | 河北工业大学 | 一种基于视觉、gps与高精度地图融合的车辆定位方法 |
CN109029442A (zh) * | 2018-06-07 | 2018-12-18 | 武汉理工大学 | 基于多视角匹配的定位装置及方法 |
US20190063943A1 (en) * | 2017-08-31 | 2019-02-28 | Wipro Limited | Method and system for positioning an autonomous vehicle on a navigation map |
CN109631855A (zh) * | 2019-01-25 | 2019-04-16 | 西安电子科技大学 | 基于orb-slam的高精度车辆定位方法 |
CN110006421A (zh) * | 2019-03-27 | 2019-07-12 | 湖北三江航天万峰科技发展有限公司 | 一种基于mems和gps的车载导航方法及系统 |
CN110609311A (zh) * | 2019-10-10 | 2019-12-24 | 武汉理工大学 | 基于车载环视图像与毫米波雷达融合的智能车定位方法 |
-
2019
- 2019-12-31 CN CN201911401138.1A patent/CN111142145A/zh active Pending
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103093203A (zh) * | 2013-01-21 | 2013-05-08 | 信帧电子技术(北京)有限公司 | 一种人体再识别方法以及人体再识别系统 |
CN107084727A (zh) * | 2017-04-12 | 2017-08-22 | 武汉理工大学 | 一种基于高精度三维地图的视觉定位系统及方法 |
US20190063943A1 (en) * | 2017-08-31 | 2019-02-28 | Wipro Limited | Method and system for positioning an autonomous vehicle on a navigation map |
CN108303721A (zh) * | 2018-02-12 | 2018-07-20 | 北京经纬恒润科技有限公司 | 一种车辆定位方法及系统 |
CN109029442A (zh) * | 2018-06-07 | 2018-12-18 | 武汉理工大学 | 基于多视角匹配的定位装置及方法 |
CN108845343A (zh) * | 2018-07-03 | 2018-11-20 | 河北工业大学 | 一种基于视觉、gps与高精度地图融合的车辆定位方法 |
CN109631855A (zh) * | 2019-01-25 | 2019-04-16 | 西安电子科技大学 | 基于orb-slam的高精度车辆定位方法 |
CN110006421A (zh) * | 2019-03-27 | 2019-07-12 | 湖北三江航天万峰科技发展有限公司 | 一种基于mems和gps的车载导航方法及系统 |
CN110609311A (zh) * | 2019-10-10 | 2019-12-24 | 武汉理工大学 | 基于车载环视图像与毫米波雷达融合的智能车定位方法 |
Non-Patent Citations (4)
Title |
---|
YICHENG LI等: "Image Sequence Matching Using Both Holistic and Local Features for Loop Closure Detection", 《IEEE ACCESS》 * |
李祎承: "面向智能车的道路场景建模与高精度定位研究", 《中国博士学位论文全文数据库 工程科技Ⅱ辑》 * |
胡月志: "面向智能车的高精度视觉定位技术研究", 《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》 * |
胡钊政 等: "路面路标高精度地图构建与多尺度车辆定位", 《哈尔滨工业大学学报》 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108253975B (zh) | 一种建立地图信息及车辆定位的方法与设备 | |
CN109785667B (zh) | 车道偏离识别方法、装置、设备和存储介质 | |
US10332389B2 (en) | Extrapolating speed limits within road graphs | |
US11808581B2 (en) | Lane-level map matching | |
US9933268B2 (en) | Method and system for improving accuracy of digital map data utilized by a vehicle | |
EP3109842B1 (en) | Map-centric map matching method and apparatus | |
CN107430819B (zh) | 车辆信息处理装置及车辆信息处理方法 | |
EP3663718B1 (en) | Method and apparatus for estimating a localized position on a map | |
CN110345951B (zh) | 一种adas高精度地图的生成方法及装置 | |
US9978161B2 (en) | Supporting a creation of a representation of road geometry | |
US20220011117A1 (en) | Positioning technology | |
US9738279B2 (en) | Method for determining a lane course of a lane | |
JP2015148601A (ja) | マッピング、位置特定、及び姿勢補正のためのシステム及び方法 | |
CN113034566B (zh) | 高精度地图构建方法、装置、电子设备及存储介质 | |
KR20220004203A (ko) | 기기 포지셔닝을 위한 방법, 장치 및 기기 | |
CN113450455A (zh) | 用于生成停车场的道路链路的地图的方法、设备和计算机程序产品 | |
Liu et al. | Generating enhanced intersection maps for lane level vehicle positioning based applications | |
JP2020003463A (ja) | 自車位置推定装置 | |
CN116935656B (zh) | 道路交通数据处理方法、装置、电子设备及存储介质 | |
CN111142145A (zh) | 一种车辆定位方法及装置 | |
EP3640679B1 (en) | A method for assigning ego vehicle to a lane | |
CN110703289B (zh) | 轨迹数据上报方法及移动轨迹还原方法 | |
CN111400418B (zh) | 车道的定位方法、装置、车辆、存储介质及地图构建方法 | |
CN114283397A (zh) | 全局重定位方法、装置、设备及存储介质 | |
US20200307627A1 (en) | Road boundary determination |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200512 |
|
RJ01 | Rejection of invention patent application after publication |