CN111256711A - 车辆位姿矫正方法、装置、设备及存储介质 - Google Patents
车辆位姿矫正方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN111256711A CN111256711A CN202010098844.XA CN202010098844A CN111256711A CN 111256711 A CN111256711 A CN 111256711A CN 202010098844 A CN202010098844 A CN 202010098844A CN 111256711 A CN111256711 A CN 111256711A
- Authority
- CN
- China
- Prior art keywords
- lane line
- line data
- vehicle
- rasterized map
- map
- 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
Links
Images
Classifications
-
- 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
- G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
- G01C21/28—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network with correlation of data from several navigational instruments
- G01C21/30—Map- or contour-matching
- G01C21/32—Structuring or formatting of map data
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Automation & Control Theory (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
- Traffic Control Systems (AREA)
Abstract
本申请公开了车辆位姿矫正方法、装置、设备及存储介质,涉及自动驾驶技术领域。具体实现方案为:获取经过对高精度地图进行栅格化处理后的第一栅格化地图。通过车辆的摄像头采集多帧车道线数据。根据多帧车道线数据生成第二栅格化地图。根据第一栅格化地图和第二栅格化地图,矫正车辆的初始位姿,从而可以提高位姿矫正精度。
Description
技术领域
本申请涉及计算机技术领域,尤其涉及一种自动驾驶技术。
背景技术
自动驾驶中车辆位姿矫正技术至关重要。目前的位姿矫正方法是:将通过摄像头采集到的感知车道线数据与高精度地图中的车道线数据进行匹配,即首先将高精度地图的车道线数据在世界坐标系下的坐标转换为在车身坐标系下的坐标,其中,高精度地图中的车道线和感知车道线实际都可以用三次曲线方程表示,计算感知车道线曲线方程上各个采样点到高精车道线上各个采样点的距离的平方和,以得到一个损失函数,通过非线性优化算法进行迭代匹配,以使高精度地图中的车道线数据和感知车道线数据吻合,而由于车辆的位姿和感知车道线数据的相对关系是固定的,基于此,可以矫正车辆的位姿。然而,上述的位姿矫正方式存在位姿矫正精度低的问题。
发明内容
本申请提供一种车辆位姿矫正方法、装置、设备及存储介质,从而可以提高位姿矫正精度。
第一方面,本申请提供一种车辆位姿矫正方法,包括:获取经过对高精度地图进行栅格化处理后的第一栅格化地图。通过车辆的摄像头采集多帧车道线数据。根据多帧车道线数据生成第二栅格化地图。根据第一栅格化地图和第二栅格化地图,矫正车辆的初始位姿。
一方面,在建立第二栅格化地图时考虑到了多帧车道线数据,即多帧车道线数据的关联性,基于此,每个栅格被占用的概率的准确度则越高,从而可以提高车辆位姿的矫正精度;另一方面,由于多帧车道线数据可以描述出弯道、匝道等车道线的几何信息,从而也可以提高车辆位姿的矫正精度。
可选的,根据第一栅格化地图和第二栅格化地图,矫正车辆的初始位姿之前,还包括:通过车辆的摄像头采集当前帧车道线数据。根据当前帧车道线数据更新第二栅格化地图,以得到第三栅格化地图。相应的,根据第一栅格化地图和第二栅格化地图,矫正车辆的初始位姿,包括:根据第一栅格化地图和第三栅格化地图,矫正车辆的初始位姿。基于此,得到的第三栅格化地图的精度高于第二栅格化地图的精度,从而可以提高车辆位姿矫正的精度。
可选的,根据当前帧车道线数据更新第二栅格化地图,以得到第三栅格化地图之前,还包括:判断当前帧车道线数据和第二栅格化地图的匹配度是否达到预设阈值。相应的,根据当前帧车道线数据更新第二栅格化地图,以得到第三栅格化地图,包括:若当前帧车道线数据和第二栅格化地图的匹配度达到预设阈值,则根据当前帧车道线数据更新第二栅格化地图,以得到第三栅格化地图。相反的,若当前帧车道线数据和第二栅格化地图的匹配度未达到预设阈值,说明当前帧车道线数据为无效数据,这种情况下,车辆可以丢弃当前帧车道线数据,而无需更新第二栅格化地图。
可选的,根据当前帧车道线数据更新第二栅格化地图,以得到第三栅格化地图,包括:更新第二栅格化地图中当前帧车道线数据对应的各栅格被占用的概率,以得到第三栅格化地图。
可选的,根据第一栅格化地图和第三栅格化地图,矫正车辆的初始位姿,包括:以车辆的初始位姿为中心,确定目标搜索窗口。以目标搜索窗口中的各个点为车辆的备选位姿,并在每个备选位姿下调整第三栅格化地图中的车道线数据。计算第三栅格化地图中调整后的车道线数据和第一栅格化地图的匹配度。确定匹配度最高的调整后的车道线数据,并在车辆的备选位姿中确定匹配度最高的调整后的车道线数对应的目标位姿。将车辆的初始位姿矫正为目标位姿。即通过该方法实现了位姿矫正过程。
可选的,确定目标搜索窗口,包括:根据当前帧车道线数据和第二栅格化地图的匹配度,计算当前帧车道线数据的可信度参数。根据可信度参数调整预设搜索窗口,以得到目标搜索窗口。
即在本申请中,车辆可以动态调整搜索窗口,即调整搜索窗口的大小。其中,如果当前帧车道线数据的可信度参数较大时,可以缩小预设搜索窗口,以得到目标搜索窗口,基于此,可以提高车辆位姿矫正的效率。如果当前帧车道线数据的可信度参数较小时,可以扩大预设搜索窗口,以得到目标搜索窗口,基于此,可以提高车辆位姿矫正的可靠性。
可选的,根据当前帧车道线数据和第二栅格化地图的匹配度,计算当前帧车道线数据的可信度参数,包括:对当前帧车道线数据和第二栅格化地图的匹配度进行归一化处理,得到当前帧车道线数据的可信度参数。或者,将当前帧车道线数据和第二栅格化地图的匹配度作为当前帧车道线数据的可信度参数。通过这两种方法均可以有效的确定当前帧车道线数据的可信度参数。
可选的,根据可信度参数调整预设搜索窗口,以得到目标搜索窗口,包括:计算预设搜索窗口的至少一个参数与可信度参数的商,以得到目标搜索窗口的至少一个参数。将预设搜索窗口的至少一个参数调整为目标搜索窗口的至少一个参数。其中,至少一个参数包括以下至少一项:长度、宽度、旋转角度。即通过该方法可得到目标搜索窗口的参数,即实现对搜索窗口的动态调整。
下面将提供一种车辆位姿矫正装置、设备、存储介质及计算机程序产品,其内容和效果可参照上述方法部分对应的内容和效果,下面对此不再赘述。
第二方面,本申请提供一种车辆位姿矫正装置,包括:
获取模块,用于获取经过对高精度地图进行栅格化处理后的第一栅格化地图。
第一采集模块,用于通过车辆的摄像头采集多帧车道线数据。
生成模块,用于根据多帧车道线数据生成第二栅格化地图。
矫正模块,用于根据第一栅格化地图和第二栅格化地图,矫正车辆的初始位姿。
第三方面,本申请提供一种电子设备,包括:
至少一个处理器。以及
与至少一个处理器通信连接的存储器。其中,
存储器存储有可被至少一个处理器执行的指令,指令被至少一个处理器执行,以使至少一个处理器能够执行第一方面或第一方面的可选方式所述的方法。
第四方面,本申请提供一种车辆,包括如第三方面所述的电子设备和车体。
第五方面,本申请提供一种存储有计算机指令的非瞬时计算机可读存储介质,计算机指令用于使计算机执行第一方面或第一方面的可选方式所述的方法。
第六方面,本申请提供一种计算机程序产品,包括计算机指令,该指令用于使计算机执行第一方面或第一方面的可选方式所述的方法。
上述申请中的实施例具有如下优点或有益效果:一方面由于考虑到了多帧车道线数据的关联性,另一方面由于多帧车道线数据可以描述出弯道、匝道等车道线的几何信息,所以克服了位姿矫正精度低的技术问题,进而达到提高位姿矫正精度的技术效果。此外,在本申请中,还可以动态调整搜索窗口,即如果当前帧车道线数据的可信度参数较大时,可以缩小预设搜索窗口,以得到目标搜索窗口,基于此,可以提高车辆位姿矫正的效率。如果当前帧车道线数据的可信度参数较小时,可以扩大预设搜索窗口,以得到目标搜索窗口,基于此,可以提高车辆位姿矫正的可靠性。
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为本申请一实施例提供的应用场景示意图
图2为本申请一实施例提供的车辆位姿矫正方法的流程图;
图3为本申请一实施例提供的第一栅格化地图和局部放大示意图;
图4和图5为本申请一实施例提供的车道线的示意图;
图6为本申请一实施例提供的根据第一栅格化地图和第三栅格化地图,矫正车辆的初始位姿的方法流程图;
图7为本申请一实施例提供的确定目标搜索窗口的方法流程图;
图8为本申请一实施例提供的车辆位姿矫正装置的示意图;
图9为本申请一实施例提供的电子设备的示意图。
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。
如上所述,现有技术中,通过将摄像头采集到的感知车道线数据与高精度地图中的车道线数据进行匹配,来矫正车辆的位姿。然而,上述的位姿矫正方式存在位姿矫正精度低的问题。
为了解决上述技术问题,本申请提供一种车辆位姿矫正方法、装置、设备及存储介质。
本申请的主旨思想是:通过车辆的摄像头采集多帧车道线数据,根据多帧车道线数据对车辆的位姿进行矫正,一方面,由于考虑到了多帧车道线数据的关联性;另一方面,由于多帧车道线数据可以描述出弯道等车道线的几何信息,从而可以提高车辆位姿的矫正精度。
示例性地,本申请的应用场景如下:图1为本申请一实施例提供的应用场景示意图,如图1所示,车辆11与服务器12可以进行无线通信,它们之间可以采用无线保真(Wireless Fidelity,WiFi)、蓝牙、移动通信技术,如第二代(2 Generation,2G)、第三代(3Generation,3G)、第四代(2 Generation,2G)、第四代(4 Generation,4G)、第五代(5Generation,5G)或者新空口(New Radio,NR)等技术,车辆11可以从服务器12获取高精度地图。
下面通过具体实施例对本申请技术方案进行详细阐述:
图2为本申请一实施例提供的车辆位姿矫正方法的流程图,该方法的执行主体为车辆的部分或者全部,所谓车辆的部分,比如可以是车载终端,或者是车辆的处理器,示例性地,下面以车辆为执行主体,对车辆位姿矫正方法进行说明,如图2所示,该方法包括如下步骤:
步骤S201:车辆获取经过对高精度地图进行栅格化处理后的第一栅格化地图。
图3为本申请一实施例提供的第一栅格化地图和局部放大示意图,如图3所示,第一栅格化地图包括:多个栅格31(即局部图中的每个小黑框表示一个栅格),每个栅格对应一个概率,该概率是该栅格被占用的概率,比如:统计每个栅格上存在车道线数据的次数,次数越高,则该栅格被占用的概率越高,比如:对于某个栅格,总共进行了100次统计,而该栅格上存在车道线数据的次数为90,那么该栅格被占用的概率为0.9,在表征第一栅格化地图时,当栅格被占用的概率越高,则该栅格对应的颜色越深,假设第一栅格化地图是一灰度图,则表示该栅格的灰度值越大。
通过上面第一栅格化地图中各个栅格的概率,即可在第一栅格化地图中确定车道线的位置,一个车道线其可以通过多个离散的点表征,因此第一栅格化地图中的车道线数据指的是至少一条车道线上各个离散点的坐标,每个离散点包括:三个维度坐标,分别是在x轴方向上的坐标、y轴坐标上的坐标和角度坐标,这些坐标均是在世界坐标系下的坐标。
上述的车道线可以是:单虚线、单实线、左虚右实双线、左实右虚双线、减速车道线、路沿车道线或护栏车道线等。
步骤S202:车辆通过车辆的摄像头采集多帧车道线数据。
车辆上可以安装有至少一个摄像头,通过至少一个摄像头采集多帧车道线数据,每帧车道线数据也指的是至少一条车道线上各个离散点的坐标,每个离散点包括:三个维度坐标,分别是在x轴方向上的坐标、y轴坐标上的坐标和角度坐标,这些坐标是在车辆坐标系下的坐标。
可选的,上述多帧车道线数据为连续的多帧车道线数据。
步骤S203:车辆根据多帧车道线数据生成第二栅格化地图。
其中,第二栅格化地图包括:多个栅格,每个栅格对应一个概率,该概率是该栅格被占用的概率,该栅格被占用的概率是通过上述多帧车道线数据确定的。
例如:假设多帧车道线数据的帧数为N,根据N帧车道线数据统计每个栅格上存在车道线数据的次数,次数越高,则该栅格被占用的概率越高,比如:对于某个栅格,总共进行了N=100次统计,而该栅格上存在车道线数据的次数为90,那么该栅格被占用的概率为0.9。同样的,在表征第二栅格化地图时,当栅格被占用的概率越高,则该栅格对应的颜色越深,假设第二栅格化地图是一灰度图,则表示该栅格的灰度值越大。其中,上述多帧车道线数据的帧数N可以是预先配置好的,本申请对此不做限制。
再例如:假设车速为30m/s,车辆的摄像头采集车道线数据的频率为30Hz,n=1/30Hz,车辆通过摄像头可以采集到车前60m范围的数据,每次观测将沿着车头方向60m每隔r(m)采样一个点,组成车道线数据,栅格分辨率r=0.5m/pixel,pixel表示像素。其中,在【0(s),60n(s))的时间内,车辆采集了多帧车道线数据,包括:当车辆在0(s)时,其采集的应该是【0m,60m】的数据,当车辆在n(s)时,其采集的应该是【1m,61m】的数据,当车辆在2n(s)时,其采集的应该是【2m,62m】的数据,以此类推,当车辆在59n(s)时,其采集的应该是【59m,119m】的数据,基于此,60m处被采集到的次数为60次,59m处被采集到的次数是59次,以此类推,119m处被采集到的次数为1次。基于此,可以确定每个栅格被占用的概率越高,比如:对于60m处对应的栅格,总共进行了60次统计,而该栅格上存在车道线数据的次数为30,那么该栅格被占用的概率为0.5。
通过上面第二栅格化地图中各个栅格的概率,即可在第二栅格化地图中确定车道线的位置。
步骤S204:车辆根据第一栅格化地图和第二栅格化地图,矫正车辆的初始位姿。
其中,受摄像头精度、拍摄环境等因素的影响,摄像头采集得到的车道线数据不够精确,即第二栅格化地图中的车道线数据不够精确。而由于摄像头采集到的车道线数据和车辆的位姿具有固定关系,因此所谓矫正车辆的初始位姿,即调整摄像头采集到的车道线数据,以使调整后的车道线数据与第一栅格化地图中的车道线数据匹配度最高。该匹配度也被称为重合度或者吻合度等,本申请对此不作限制。
步骤S204至少存在如下两种可选方式:
可选方式一:车辆对第二栅格化地图中的车道线数据进行调整,并对第一栅格化地图中的车道线数据和调整后的车道线数据进行匹配,确定匹配度最高的车道线数据,由于调整后的车道线数据与车辆的位姿具有固定关系,因此,通过匹配度最高的车道线数据可以确定车辆的目标位姿,最后将车辆的初始位姿矫正为目标位姿。
可选方式二:在步骤S204之前,车辆还通过摄像头采集当前帧车道线数据;并根据当前帧车道线数据更新第二栅格化地图,以得到第三栅格化地图;车辆对第三栅格化地图中的车道线数据进行调整,并对第一栅格化地图中的车道线数据和调整后的车道线数据进行匹配,确定匹配度最高的车道线数据,由于调整后的车道线数据与车辆的位姿具有固定关系,因此,通过匹配度最高的车道线数据可以确定车辆的目标位姿,最后将车辆的初始位姿矫正为目标位姿。
可选的,上述当前帧车道线数据与上述多帧车道线数据构成连续帧车道线数据。
图4和图5为本申请一实施例提供的车道线的示意图,如图4所示,采集得到的车道线图像(即第二栅格地图或者第三栅格地图中的车道线数据)与第一栅格地图中的车道线图像,其中,采集得到的车道线图像与第一栅格地图中的车道线图像存在偏差,如图5所示,调整后的车道线图像与第一栅格地图中的车道线图像,可以看出,二者几乎完全重合。
综上,在本申请中,车辆可以根据多帧车道线数据生成第二栅格化地图,车辆根据第一栅格化地图和第二栅格化地图,矫正车辆的初始位姿。一方面,在建立第二栅格化地图时考虑到了多帧车道线数据,即考虑到了多帧车道线数据的关联性,基于此,每个栅格被占用的概率的准确度则越高,从而可以提高车辆位姿的矫正精度;另一方面,由于多帧车道线数据可以描述出弯道、匝道等车道线的几何信息,从而可以提高车辆位姿的矫正精度。
上述步骤S204的可选方式一可参考可选方式二的具体实现过程,本申请对可选方式一不再赘述,下面将重点阐述上述步骤S204的可选方式二:可选的,若当前帧车道线数据和第二栅格化地图的匹配度达到预设阈值,则根据当前帧车道线数据更新第二栅格化地图,以得到第三栅格化地图。相反的,若当前帧车道线数据和第二栅格化地图的匹配度未达到预设阈值,说明当前帧车道线数据为无效数据,这种情况下,车辆可以丢弃当前帧车道线数据,而无需更新第二栅格化地图。
可选的,车辆可以通过如下方式确定当前帧车道线数据与第二栅格化地图的匹配度:车辆在第二栅格化地图中获取每一个车道线数据,计算每个车道线数据上各个点与当前帧车道线数据上各个点的距离之和,或者,计算每个车道线数据上各个点与当前帧车道线数据上各个点的距离的平方和,将该距离之和或者距离的平方和称为每个车道线数据与当前帧车道线数据的匹配度,基于此,车辆可以将与当前帧车道线数据的匹配度最高的车道线数据对应的匹配度,称为当前帧车道线数据与第二栅格化地图的匹配度。或者,车辆可以将第二栅格化地图中所有车道线数据与当前帧车道线数据的匹配度的平均值,称为当前帧车道线数据与第二栅格化地图的匹配度。总之,本申请对如何确定当前帧车道线数据与第二栅格化地图的匹配度不做限制。
上述预设阈值可以根据实际情况设置,比如:设置为0.6,0.8等,本申请对此不作限制。
可选的,车辆更新第二栅格化地图中当前帧车道线数据对应的各栅格被占用的概率,以得到第三栅格化地图。
例如:第二栅格化地图在被更新之前,第二栅格化地图中某个栅格被占用的概率为10/59,59为当前总统计次数,11为当前该栅格被占用的次数。而当车辆采集到当前帧车道线数据后,若根据该当前帧数据确定该栅格上存在车道线数据,因此,第二栅格化地图中某个栅格被占用的概率为11/60,60为当前总统计次数,11为当前该栅格被占用的次数。
再例如:假设车速为30m/s,车辆的摄像头采集车道线数据的频率为30HZ,车辆通过摄像头可以采集到车前60m范围的数据,每次观测将沿着车头方向60m每隔r(m)采样一个点,组成车道线数据,栅格分辨率r=0.5m/pixel,pixel表示像素。在【0(s),60n(s))的时间内,车辆采集了多帧车道线数据,包括:当车辆在0(s)时,其采集的应该是【0m,60m】的数据,当车辆在n(s)时,其采集的应该是【1m,61m】的数据,当车辆在2n(s)时,其采集的应该是【2m,62m】的数据,以此类推,当车辆在59n(s)时,其采集的应该是【59m,119m】的数据,基于此,60m处被采集到的次数为60次,59m处被采集到的次数是59次,以此类推,119m处被采集到的次数为1次。如上所述,当车辆在60n(s)时,其采集的应该是【60m,120m】的数据,基于此,车辆用采集到的车道线数据与第二栅格地图进行匹配,该车道线数据可以是【60m,120m】的部分或者全部车道线数据,若该车道线数据和第二栅格化地图的匹配度达到预设阈值,则根据该车道线数据更新第二栅格化地图,以得到第三栅格化地图。
综上,在本申请中,若当前帧车道线数据和第二栅格化地图的匹配度达到预设阈值,则根据当前帧车道线数据更新第二栅格化地图,以得到第三栅格化地图,基于此,可以提高栅格化地图的精度,进而提高车辆位姿矫正的精度。相反的,若当前帧车道线数据和第二栅格化地图的匹配度未达到预设阈值,说明当前帧车道线数据为无效数据,这种情况下,车辆可以丢弃当前帧车道线数据,而无需更新第二栅格化地图,从而可以防止无效车道线数据进入栅格化地图中,基于此,也可以提高栅格化地图的精度,进而提高车辆位姿矫正的精度。
图6为本申请一实施例提供的根据第一栅格化地图和第三栅格化地图,矫正车辆的初始位姿的方法流程图,该方法的执行主体为车辆的部分或者全部,所谓车辆的部分,比如可以是车载终端,或者是车辆的处理器,示例性地,下面以车辆为执行主体,对车辆位姿矫正方法进行说明,如图6所示,该方法包括如下步骤:
步骤S601:车辆以车辆的初始位姿为中心,确定目标搜索窗口。
步骤S602:车辆以目标搜索窗口中的各个点为车辆的备选位姿,并在每个备选位姿下调整第三栅格化地图中的车道线数据。
步骤S603:车辆计算第三栅格化地图中调整后的车道线数据和第一栅格化地图的匹配度。
步骤S604:车辆确定匹配度最高的调整后的车道线数据,并在车辆的备选位姿中确定匹配度最高的调整后的车道线数对应的目标位姿。
步骤S605:车辆将车辆的初始位姿矫正为目标位姿。
目标搜索窗口涉及至少一个参数,包括:目标搜索窗口的长度参数、宽度参数、旋转角度参数。其中,可以在目标搜索窗口中按照预设顺序、预设步长、预设角度(可选的)进行移动,以获取每个备选位姿。假设只考虑预设顺序、预设步长,该预设顺序是先从上至下,再从左至右的顺序车辆,该预设步长是1m,那么车辆获取备选位姿的方法是:从目标搜索窗口的左顶点开始,选择左顶点作为第一个备选位姿,接着向右移动1m,选择该位置的点作为第二个备选位姿,以此类推,直到获取完第一行的备选位姿,接着向下移动1m,得到第二行,选择第二行最左侧的点为备选位姿,以此类推,直到获取完所有的备选位姿。
进一步地,车辆计算从车辆的初始位姿到各个备选位姿的RT矩阵,该RT矩阵也是调整前的第三栅格化地图中的车道线数据到调整后的车道线数据的RT矩阵,基于此,可以计算在每个备选位姿下调整后的车道线数据。
可选的,车辆可以通过如下方式确定调整后的车道线数据和第一栅格化地图的匹配度:车辆在第一栅格化地图中获取每一个车道线数据,计算每个车道线数据上各个点与调整后的车道线数据上各个点的距离之和,或者,计算每个车道线数据上各个点与调整后的车道线数据上各个点的距离的平方和,将该距离之和或者距离的平方和称为每个车道线数据与调整后的车道线数据的匹配度,基于此,车辆可以将与调整后的车道线数据的匹配度最高的车道线数据对应的匹配度,称为调整后的车道线数据和第一栅格化地图的匹配度。或者,车辆可以将第一栅格化地图中所有车道线数据与调整后的车道线数据的匹配度的平均值,称为调整后的车道线数据和第一栅格化地图的匹配度。本申请对如何确定调整后的车道线数据和第一栅格化地图的匹配度不做限制。
进一步地,由于存在多个备选位姿,而每个备选位姿对应一个调整后的车道线数据,每个调整后的车道线数据都具有对应的匹配度。基于此,车辆需要在所有调整后的车道线数据中选择匹配度最高的调整后的车道线数据,而该车道线数据对应有唯一的车辆位姿,将该唯一的车辆位姿可以称为车辆的目标位姿。
车辆确定匹配度最高的调整后的车道线数据,并在车辆的备选位姿中确定匹配度最高的调整后的车道线数对应的目标位姿;最后将车辆的初始位姿矫正到该目标位姿。
需要说明的是,车辆可以周期性的执行图6对应的位姿矫正方法,比如:车辆每隔10s执行一次该方法。
综上,在本申请中,车辆以车辆的初始位姿为中心,确定目标搜索窗口。车辆以目标搜索窗口中的各个点为车辆的备选位姿,根据车道线数据与车辆位姿的固定关系,在每个备选位姿下调整第三栅格化地图中的车道线数据。并计算第三栅格化地图中调整后的车道线数据和第一栅格化地图的匹配度。确定匹配度最高的调整后的车道线数据,并在车辆的备选位姿中确定匹配度最高的调整后的车道线数对应的目标位姿;将车辆的初始位姿矫正为目标位姿。即通过该方法实现了位姿矫正过程。
可选的,在本申请中,由于车辆是在不断的行驶,因此本申请中的第三栅格化地图和当前帧车道线数据都是相对于当前时刻而言的,比如结合上面的例子,当车辆行驶到60n(s)时,第三栅格化地图是【0n(s),59n(s)】时间段内所形成的第三栅格化地图,而当前帧车道线数据指的是在60n(s)采集到的车道线数据。而当车辆行驶到61n(s)时,其第三栅格化地图是【0n(s),60n(s)】时间段内所形成的第三栅格化地图,而当前帧车道线数据指的是在61n(s)采集到的车道线数据。而由于车辆每次所采集到的当前帧车道线数据与对应的第三栅格化地图的匹配度不同,比如在当车辆行驶到60n(s)时,当前帧车道线数据与在【0n(s),59n(s)】时间段内所形成的第三栅格化地图的匹配度为0.6,而在当车辆行驶到61n(s)时,当前帧车道线数据与在【0n(s),60n(s)】时间段内所形成的第三栅格化地图的匹配度为0.7。而第三栅格化地图是根据当前帧车道线数据对第二栅格化地图的更新结果,因此,当当前帧车道线数据与第二栅格化地图的匹配度越高,则说明得到的第三栅格化地图越精确,即第三栅格化地图与第一栅格化地图中的车道线数据越匹配,这种情况下,可以缩小预设搜索窗口,以得到目标搜索窗口,即缩小搜索范围。相反,当当前帧车道线数据与第二栅格化地图的匹配度越低,则说明得到的第三栅格化地图越不精确,即第三栅格化地图与第一栅格化地图中的车道线数据越不匹配,这种情况下,可以扩大预设搜索窗口,以得到目标搜索窗口,即扩大搜索范围。也就是说,本申请可以动态调整搜索窗口,在不同情况下,目标搜索窗口的大小可能不同。
具体地,图7为本申请一实施例提供的确定目标搜索窗口的方法流程图,如图7所示,该方法包括如下步骤:
步骤S701:车辆根据当前帧车道线数据和第二栅格化地图的匹配度,计算当前帧车道线数据的可信度参数。
步骤S702:车辆根据可信度参数调整预设搜索窗口,以得到目标搜索窗口。
针对步骤S701进行如下说明:车辆计算当前帧车道线数据和第二栅格化地图的匹配度可以参考上述实施例中提供的计算匹配度的方法,对此不再说明。
车辆可以通过如下至少一种方式计算当前帧车道线数据的可信度参数:
可选方式一:车辆将当前帧车道线数据和第二栅格化地图的匹配度作为当前帧车道线数据的可信度参数。
可选方式二:车辆对当前帧车道线数据和第二栅格化地图的匹配度进行归一化处理,得到当前帧车道线数据的可信度参数。其中,车辆可以采用atan函数转化或者z-score标准化方式对当前帧车道线数据和第二栅格化地图的匹配度进行归一化处理,得到当前帧车道线数据的可信度参数。或者,采用如下方式实现对当前帧车道线数据和第二栅格化地图的匹配度进行归一化处理:由于车辆是在不断的行驶,在不同时刻,车辆的当前帧车道线数据不同,同样的,在不同时刻,车辆的第二栅格化地图也不同,因此,车辆可以采集多个时刻下的当前帧车道线数据和第二栅格化地图的匹配度,对这些匹配度进行归一化处理。假设在58n(s)时刻,当前帧车道线数据和第二栅格化地图的匹配度为0.6,在59n(s)时刻,当前帧车道线数据和第二栅格化地图的匹配度为0.6,在60n(s)时刻,当前帧车道线数据和第二栅格化地图的匹配度为0.7,那么在60n(s)时刻,经过归一化处理后,得到的可信度参数为
针对步骤S702进行如下说明:
可选的,假设当前帧车道线数据的可信度参数为P,预设搜索窗口的参数包括以下至少一项:长度Wx、宽度Wy、旋转角度δ,目标搜索窗口的参数包括以下至少一项:长度Wx’、宽度Wy’、旋转角度δ’,那么车辆可以通过如下方式确定目标搜索窗口的参数:
需要说明的是,本申请对如何确定目标搜索窗口的参数不限于上述方法,还可以通过对上述公式进行变形,例如通过如下公式确定目标搜索窗口的参数:
综上,在本申请中,车辆可以动态调整搜索窗口,即调整目标搜索窗口的大小。其中,如果当前帧车道线数据的可信度参数较大时,可以缩小预设搜索窗口,以得到目标搜索窗口,基于此,可以提高车辆位姿矫正的效率。如果当前帧车道线数据的可信度参数较小时,可以扩大预设搜索窗口,以得到目标搜索窗口,基于此,可以提高车辆位姿矫正的可靠性。
图8为本申请一实施例提供的车辆位姿矫正装置的示意图,其中,该装置可以是车辆、车载终端或者处理器各自的部分或者全部。如图8所示,该装置包括:
获取模块801,用于获取经过对高精度地图进行栅格化处理后的第一栅格化地图。
第一采集模块802,用于通过车辆的摄像头采集多帧车道线数据。
生成模块803,用于根据多帧车道线数据生成第二栅格化地图。
矫正模块804,用于根据第一栅格化地图和第二栅格化地图,矫正车辆的初始位姿。
可选的,该装置还包括:
第二采集模块805,用于通过车辆的摄像头采集当前帧车道线数据。
更新模块806,用于根据当前帧车道线数据更新第二栅格化地图,以得到第三栅格化地图。
相应的,矫正模块804具体用于:根据第一栅格化地图和第三栅格化地图,矫正车辆的初始位姿。
可选的,该装置还包括:
判断模块807,用于判断当前帧车道线数据和第二栅格化地图的匹配度是否达到预设阈值。相应的,更新模块806具体用于:若当前帧车道线数据和第二栅格化地图的匹配度达到预设阈值,则根据当前帧车道线数据更新第二栅格化地图,以得到第三栅格化地图。
可选的,更新模块806具体用于:更新第二栅格化地图中当前帧车道线数据对应的各栅格被占用的概率,以得到第三栅格化地图。
可选的,矫正模块804包括:
第一确定子模块8041,用于以车辆的初始位姿为中心,确定目标搜索窗口。
调整子模块8042,用于以目标搜索窗口中的各个点为车辆的备选位姿,并在每个备选位姿下调整第三栅格化地图中的车道线数据。
计算子模块8043,用于计算第三栅格化地图中调整后的车道线数据和第一栅格化地图的匹配度。
第二确定子模块8044,用于确定匹配度最高的调整后的车道线数据,并在车辆的备选位姿中确定匹配度最高的调整后的车道线数对应的目标位姿。
矫正子模块8045,用于将车辆的初始位姿矫正为目标位姿。
可选的,第一确定子模块8041具体用于:根据当前帧车道线数据和第二栅格化地图的匹配度,计算当前帧车道线数据的可信度参数。根据可信度参数调整预设搜索窗口,以得到目标搜索窗口。
可选的,第一确定子模块8041具体用于:对当前帧车道线数据和第二栅格化地图的匹配度进行归一化处理,得到当前帧车道线数据的可信度参数。
可选的,第一确定子模块8041具体用于:计算预设搜索窗口的至少一个参数与可信度参数的商,以得到目标搜索窗口的至少一个参数。
将预设搜索窗口的至少一个参数调整为目标搜索窗口的至少一个参数。其中,至少一个参数包括以下至少一项:长度、宽度、旋转角度。
本申请提供的车辆位姿矫正装置可用于执行上的车辆位姿矫正方法,其内容和效果可参考上述方法实施例部分,对此不再赘述。
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9所示,是根据本申请实施例的车辆位姿矫正方法的电子设备的框图。该电子设备可以是车载终端。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9所示,该电子设备包括:一个或多个处理器901、存储器902,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9中以一个处理器901为例。
存储器902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位姿矫正方法。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位姿矫正方法。
存储器902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位姿矫正方法对应的程序指令/模块。处理器901通过运行存储在存储器902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位姿矫正方法。
存储器902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位姿矫正方法的电子设备的使用所创建的数据等。此外,存储器902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902可选包括相对于处理器901远程设置的存储器,这些远程存储器可以通过网络连接至电子设备。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。
车辆位姿矫正的电子设备还可以包括:输入装置903和输出装置904。处理器901、存储器902、输入装置903和输出装置904可以通过总线或者其他方式连接,图9中以通过总线连接为例。
输入装置903可接收输入的数字或字符信息,以及产生与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、轨迹板、触摸板等输入装置。输出装置904可以包括显示设备等。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。
本申请提供的电子设备可用于执行上的车辆位姿矫正方法,其内容和效果可参考上述方法实施例部分,对此不再赘述。
本申请还提供一种车辆,包括如上所述的电子设备和车体,该电子设备可用于执行上的车辆位姿矫正方法,其内容和效果可参考上述方法实施例部分,对此不再赘述。
本申请还提供一种存储有计算机指令的非瞬时计算机可读存储介质,该计算机指令用于使计算机执行上述的车辆位姿矫正方法。
本申请还提供一种计算机程序产品,该计算机程序产品包括计算机指令,该计算机指令用于使计算机执行上述的车辆位姿矫正方法。
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 (19)
1.一种车辆位姿矫正方法,其特征在于,包括:
获取经过对高精度地图进行栅格化处理后的第一栅格化地图;
通过车辆的摄像头采集多帧车道线数据;
根据所述多帧车道线数据生成第二栅格化地图;
根据所述第一栅格化地图和所述第二栅格化地图,矫正所述车辆的初始位姿。
2.根据权利要求1所述的方法,其特征在于,所述根据所述第一栅格化地图和所述第二栅格化地图,矫正所述车辆的初始位姿之前,还包括:
通过所述车辆的摄像头采集当前帧车道线数据;
根据所述当前帧车道线数据更新所述第二栅格化地图,以得到第三栅格化地图;
相应的,所述根据所述第一栅格化地图和所述第二栅格化地图,矫正所述车辆的初始位姿,包括:
根据所述第一栅格化地图和所述第三栅格化地图,矫正所述车辆的初始位姿。
3.根据权利要求2所述的方法,其特征在于,所述根据所述当前帧车道线数据更新所述第二栅格化地图,以得到第三栅格化地图之前,还包括:
判断所述当前帧车道线数据和所述第二栅格化地图的匹配度是否达到预设阈值;
相应的,所述根据所述当前帧车道线数据更新所述第二栅格化地图,以得到第三栅格化地图,包括:
若当前帧车道线数据和所述第二栅格化地图的匹配度达到所述预设阈值,则根据所述当前帧车道线数据更新所述第二栅格化地图,以得到第三栅格化地图。
4.根据权利要求2或3所述的方法,其特征在于,所述根据所述当前帧车道线数据更新所述第二栅格化地图,以得到第三栅格化地图,包括:
更新所述第二栅格化地图中所述当前帧车道线数据对应的各栅格被占用的概率,以得到所述第三栅格化地图。
5.根据权利要求2或3所述的方法,其特征在于,所述根据所述第一栅格化地图和所述第三栅格化地图,矫正所述车辆的初始位姿,包括:
以所述车辆的初始位姿为中心,确定目标搜索窗口;
以所述目标搜索窗口中的各个点为所述车辆的备选位姿,并在每个所述备选位姿下调整所述第三栅格化地图中的车道线数据;
计算所述第三栅格化地图中调整后的车道线数据和所述第一栅格化地图的匹配度;
确定所述匹配度最高的调整后的车道线数据,并在所述车辆的备选位姿中确定所述匹配度最高的调整后的车道线数对应的目标位姿;
将所述车辆的初始位姿矫正为所述目标位姿。
6.根据权利要求5所述的方法,其特征在于,所述确定目标搜索窗口,包括:
根据所述当前帧车道线数据和所述第二栅格化地图的匹配度,计算所述当前帧车道线数据的可信度参数;
根据所述可信度参数调整预设搜索窗口,以得到所述目标搜索窗口。
7.根据权利要求6所述的方法,其特征在于,所述根据所述当前帧车道线数据和所述第二栅格化地图的匹配度,计算所述当前帧车道线数据的可信度参数,包括:
对所述当前帧车道线数据和所述第二栅格化地图的匹配度进行归一化处理,得到所述当前帧车道线数据的可信度参数。
8.根据权利要求6或7所述的方法,其特征在于,所述根据所述可信度参数调整预设搜索窗口,以得到所述目标搜索窗口,包括:
计算所述预设搜索窗口的至少一个参数与所述可信度参数的商,以得到所述目标搜索窗口的至少一个参数;
将所述预设搜索窗口的至少一个参数调整为所述目标搜索窗口的至少一个参数;
其中,所述至少一个参数包括以下至少一项:长度、宽度、旋转角度。
9.一种车辆位姿矫正装置,其特征在于,包括:
获取模块,用于获取经过对高精度地图进行栅格化处理后的第一栅格化地图;
第一采集模块,用于通过车辆的摄像头采集多帧车道线数据;
生成模块,用于根据所述多帧车道线数据生成第二栅格化地图;
矫正模块,用于根据所述第一栅格化地图和所述第二栅格化地图,矫正所述车辆的初始位姿。
10.根据权利要求9所述的装置,其特征在于,还包括:
第二采集模块,用于通过所述车辆的摄像头采集当前帧车道线数据;
更新模块,用于根据所述当前帧车道线数据更新所述第二栅格化地图,以得到第三栅格化地图;
相应的,所述矫正模块具体用于:
根据所述第一栅格化地图和所述第三栅格化地图,矫正所述车辆的初始位姿。
11.根据权利要求10所述的装置,其特征在于,还包括:
判断模块,用于判断所述当前帧车道线数据和所述第二栅格化地图的匹配度是否达到预设阈值;
相应的,所述更新模块具体用于:
若当前帧车道线数据和所述第二栅格化地图的匹配度达到所述预设阈值,则根据所述当前帧车道线数据更新所述第二栅格化地图,以得到第三栅格化地图。
12.根据权利要求10或11所述的装置,其特征在于,所述更新模块具体用于:
更新所述第二栅格化地图中所述当前帧车道线数据对应的各栅格被占用的概率,以得到所述第三栅格化地图。
13.根据权利要求10或11所述的装置,其特征在于,所述矫正模块,包括:
第一确定子模块,用于以所述车辆的初始位姿为中心,确定目标搜索窗口;
调整子模块,用于以所述目标搜索窗口中的各个点为所述车辆的备选位姿,并在每个所述备选位姿下调整所述第三栅格化地图中的车道线数据;
计算子模块,用于计算所述第三栅格化地图中调整后的车道线数据和所述第一栅格化地图的匹配度;
第二确定子模块,用于确定所述匹配度最高的调整后的车道线数据,并在所述车辆的备选位姿中确定所述匹配度最高的调整后的车道线数对应的目标位姿;
矫正子模块,用于将所述车辆的初始位姿矫正为所述目标位姿。
14.根据权利要求13所述的装置,其特征在于,所述第一确定子模块具体用于:
根据所述当前帧车道线数据和所述第二栅格化地图的匹配度,计算所述当前帧车道线数据的可信度参数;
根据所述可信度参数调整预设搜索窗口,以得到所述目标搜索窗口。
15.根据权利要求14所述的装置,其特征在于,所述第一确定子模块具体用于:
对所述当前帧车道线数据和所述第二栅格化地图的匹配度进行归一化处理,得到所述当前帧车道线数据的可信度参数。
16.根据权利要求14或15所述的装置,其特征在于,所述第一确定子模块具体用于:
计算所述预设搜索窗口的至少一个参数与所述可信度参数的商,以得到所述目标搜索窗口的至少一个参数;
将所述预设搜索窗口的至少一个参数调整为所述目标搜索窗口的至少一个参数;
其中,所述至少一个参数包括以下至少一项:长度、宽度、旋转角度。
17.一种电子设备,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1-8中任一项所述的方法。
18.一种车辆,其特征在于,包括如权利要求17所述的电子设备和车体。
19.一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1-8中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010098844.XA CN111256711B (zh) | 2020-02-18 | 2020-02-18 | 车辆位姿矫正方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010098844.XA CN111256711B (zh) | 2020-02-18 | 2020-02-18 | 车辆位姿矫正方法、装置、设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111256711A true CN111256711A (zh) | 2020-06-09 |
CN111256711B CN111256711B (zh) | 2022-05-20 |
Family
ID=70954519
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010098844.XA Active CN111256711B (zh) | 2020-02-18 | 2020-02-18 | 车辆位姿矫正方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111256711B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2022001337A1 (zh) * | 2020-06-30 | 2022-01-06 | 华为技术有限公司 | 一种定位地图生成方法、定位方法及装置 |
CN113932796A (zh) * | 2021-10-15 | 2022-01-14 | 北京百度网讯科技有限公司 | 高精地图车道线生成方法、装置和电子设备 |
CN114088114A (zh) * | 2021-11-19 | 2022-02-25 | 智道网联科技(北京)有限公司 | 车辆位姿校准方法、装置和电子设备 |
CN114526722A (zh) * | 2021-12-31 | 2022-05-24 | 易图通科技(北京)有限公司 | 地图对齐处理方法、装置及可读存储介质 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20150213617A1 (en) * | 2014-01-24 | 2015-07-30 | Samsung Techwin Co., Ltd. | Method and apparatus for estimating position |
CN106908775A (zh) * | 2017-03-08 | 2017-06-30 | 同济大学 | 一种基于激光反射强度的无人车实时定位方法 |
CN109297500A (zh) * | 2018-09-03 | 2019-02-01 | 武汉中海庭数据技术有限公司 | 基于车道线特征匹配的高精度定位装置及方法 |
CN109870689A (zh) * | 2019-01-08 | 2019-06-11 | 武汉中海庭数据技术有限公司 | 毫米波雷达与高精矢量地图匹配的车道级定位方法与系统 |
CN110147705A (zh) * | 2018-08-28 | 2019-08-20 | 北京初速度科技有限公司 | 一种基于视觉感知的车辆定位方法及电子设备 |
WO2020014951A1 (zh) * | 2018-07-20 | 2020-01-23 | 深圳市道通智能航空技术有限公司 | 建立局部障碍物地图的方法、装置及无人机 |
-
2020
- 2020-02-18 CN CN202010098844.XA patent/CN111256711B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20150213617A1 (en) * | 2014-01-24 | 2015-07-30 | Samsung Techwin Co., Ltd. | Method and apparatus for estimating position |
CN106908775A (zh) * | 2017-03-08 | 2017-06-30 | 同济大学 | 一种基于激光反射强度的无人车实时定位方法 |
WO2020014951A1 (zh) * | 2018-07-20 | 2020-01-23 | 深圳市道通智能航空技术有限公司 | 建立局部障碍物地图的方法、装置及无人机 |
CN110147705A (zh) * | 2018-08-28 | 2019-08-20 | 北京初速度科技有限公司 | 一种基于视觉感知的车辆定位方法及电子设备 |
CN109297500A (zh) * | 2018-09-03 | 2019-02-01 | 武汉中海庭数据技术有限公司 | 基于车道线特征匹配的高精度定位装置及方法 |
CN109870689A (zh) * | 2019-01-08 | 2019-06-11 | 武汉中海庭数据技术有限公司 | 毫米波雷达与高精矢量地图匹配的车道级定位方法与系统 |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2022001337A1 (zh) * | 2020-06-30 | 2022-01-06 | 华为技术有限公司 | 一种定位地图生成方法、定位方法及装置 |
CN113932796A (zh) * | 2021-10-15 | 2022-01-14 | 北京百度网讯科技有限公司 | 高精地图车道线生成方法、装置和电子设备 |
CN114088114A (zh) * | 2021-11-19 | 2022-02-25 | 智道网联科技(北京)有限公司 | 车辆位姿校准方法、装置和电子设备 |
CN114088114B (zh) * | 2021-11-19 | 2024-02-13 | 智道网联科技(北京)有限公司 | 车辆位姿校准方法、装置和电子设备 |
CN114526722A (zh) * | 2021-12-31 | 2022-05-24 | 易图通科技(北京)有限公司 | 地图对齐处理方法、装置及可读存储介质 |
CN114526722B (zh) * | 2021-12-31 | 2024-05-24 | 易图通科技(北京)有限公司 | 地图对齐处理方法、装置及可读存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN111256711B (zh) | 2022-05-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111256711B (zh) | 车辆位姿矫正方法、装置、设备及存储介质 | |
KR102581429B1 (ko) | 장애물을 탐지하는 방법, 장치, 전자 기기, 저장 매체 및 프로그램 | |
CN110793544B (zh) | 路侧感知传感器参数标定方法、装置、设备及存储介质 | |
CN111767853B (zh) | 车道线检测方法和装置 | |
US11587332B2 (en) | Method, apparatus, system, and storage medium for calibrating exterior parameter of on-board camera | |
US11953605B2 (en) | Method, device, equipment, and storage medium for determining sensor solution | |
CN111578839B (zh) | 障碍物坐标处理方法、装置、电子设备及可读存储介质 | |
US11915439B2 (en) | Method and apparatus of training depth estimation network, and method and apparatus of estimating depth of image | |
CN102156970A (zh) | 基于畸变直线斜率计算的鱼眼图像校正方法 | |
US20230013451A1 (en) | Information pushing method in vehicle driving scene and related apparatus | |
CN111079079B (zh) | 数据修正方法、装置、电子设备及计算机可读存储介质 | |
KR20220004939A (ko) | 차선 검출 방법, 장치, 전자기기, 저장 매체 및 차량 | |
CN111982103B (zh) | 一种权值优化的点线综合视觉惯性里程计方法 | |
KR102508860B1 (ko) | 이미지에서의 키 포인트 위치의 인식 방법, 장치, 전자기기 및 매체 | |
US20230230392A1 (en) | Camera extrinsic parameter correction method and apparatus, and storage medium | |
CN111553844A (zh) | 用于更新点云的方法及装置 | |
WO2022237821A1 (zh) | 生成交通标志线地图的方法、设备和存储介质 | |
CN111311742A (zh) | 三维重建方法、三维重建装置和电子设备 | |
CN111260722B (zh) | 车辆定位方法、设备及存储介质 | |
KR20210037633A (ko) | 장애물 속도를 결정하는 방법, 장치, 전자 기기, 저장 매체 및 프로그램 | |
US11557059B2 (en) | System and method for determining position of multi-dimensional object from satellite images | |
CN113920273B (zh) | 图像处理方法、装置、电子设备和存储介质 | |
CN111488418B (zh) | 车辆位姿矫正方法、装置、设备及存储介质 | |
CN111310597A (zh) | 车辆位姿矫正方法、装置、设备及存储介质 | |
CN113963300B (zh) | 目标检测方法、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 |