CN111596298A - 目标对象的定位方法、装置、设备及存储介质 - Google Patents

Abstract

本申请公开了目标对象的定位方法、装置、设备及存储介质，涉及自动驾驶领域。具体实现方案为：确定预测位姿和多个候选位姿，预测位姿与多个候选位姿中的每个候选位姿之间的距离小于预设值；获取激光点云数据；根据激光点云数据和占据栅格地图，确定在预测位姿处激光点云数据投影在占据栅格地图中的第一栅格位置，以及在多个候选位姿中的每个候选位姿处激光点云数据投影在占据栅格地图中的第二栅格位置；根据第一栅格位置和第二栅格位置，确定目标对象的当前位姿。通过对预测位姿以及预测位姿临近的多个候选位姿进行局部最优计算，提高了定位的准确性。

Description

目标对象的定位方法、装置、设备及存储介质

技术领域

本申请涉及数据处理技术领域，尤其涉及自动驾驶技术。

背景技术

随着科学技术的发展，自动驾驶车辆成为了未来汽车行业的发展趋势，而如何确保安全且可靠的自动驾驶是自动驾驶车辆的一项关键技术。

定位系统在自动驾驶车辆中起着举足轻重的作用，定位的准确性直接影响到车辆安全和行车路线的准确性。现有技术中，可以采用低线束激光雷达进行车辆定位，低线束激光雷达的定位算法中通常是基于车辆的初始位姿来进行定位，其定位结果准确性较差。一个对象的位姿可以包括这个对象的位置和朝向。

发明内容

提供了一种目标对象的定位方法、装置、设备及存储介质。

根据第一方面，提供了一种目标对象的定位方法，包括：

确定预测位姿和多个候选位姿，所述预测位姿与多个候选位姿中的每个候选位姿之间的距离小于预设值；

获取激光点云数据；

根据所述激光点云数据和占据栅格地图，确定在所述预测位姿处所述激光点云数据投影在所述占据栅格地图中的第一栅格位置，以及在所述多个候选位姿中的每个候选位姿处所述激光点云数据投影在所述占据栅格地图中的第二栅格位置，所述占据栅格地图用于标定当前环境对应的栅格位置存在物体的占有率；

根据所述第一栅格位置和所述第二栅格位置，确定所述目标对象的当前位姿。

本申请实施例在进行定位时，通过获取预测位姿以及与预测位姿临近的多个候选位姿，并进一步根据预测位姿和多个候选位姿下点云数据的投影与占据栅格地图的匹配情况确定目标对象的当前位姿，与现有技术中通过初始位置进行定位相比，本申请实施例中对预测位姿以及预测位姿临近的多个候选位姿进行了局部最优计算，提高了定位的准确性。

根据第二方面，提供了一种目标对象的定位装置，包括：

处理模块，用于确定预测位姿和多个候选位姿，所述预测位姿与多个候选位姿中的每个候选位姿之间的距离小于预设值；

获取模块，用于获取激光点云数据；

所述处理模块还用于，根据所述激光点云数据和占据栅格地图，确定在所述预测位姿处所述激光点云数据投影在所述占据栅格地图中的第一栅格位置，以及在所述多个候选位姿中的每个候选位姿处所述激光点云数据投影在所述占据栅格地图中的第二栅格位置，所述占据栅格地图用于标定当前环境对应的栅格位置存在物体的占有率；

所述处理模块还用于，根据所述第一栅格位置和所述第二栅格位置，确定所述目标对象的当前位姿。

根据第三方面，提供了一种电子设备，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上述第一方面中任一项所述的方法。

根据第四方面，提供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上述第一方面中任一项所述的方法。

应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。

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是本申请实施例提供的一种车辆激光雷达获取点云数据的场景图；

图2是本申请实施例的占据栅格地图的示意图；

图3是根据本申请第一实施例提供的目标对象的定位方法的流程示意图；

图4是根据本申请第二实施例提供的目标对象的当前位姿的确定方法的流程示意图；

图5是根据本申请第四实施例提供的目标对象的定位装置的结构示意图；

图6是用来实现本申请实施例的目标对象的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。

本申请实施例提供的目标对象的定位方法可以应用于自动驾驶的场景中。为了保证车辆行驶过程中的安全性，需要对车辆位置进行精确定位，自动驾驶车辆中可以采用低线束激光雷达进行定位。低线束激光雷达定位的基础是车载系统中预先加载的占据栅格地图，以下首先对占据栅格地图进行介绍。

占据栅格地图是将世界坐标系下的地图划分为多个栅格位置，每个栅格位置具有相应的占有率。这里占有率的含义是指，该栅格位置被障碍物占用的概率。占据栅格地图是通过激光雷达采集点云数据制作的，如图1所示，图1是本申请实施例提供的一种车辆激光雷达获取点云数据的场景图。如图1中，若激光雷达发射出的光束遇到障碍物，即光束击中障碍物时会被反射，激光雷达通过扫描获取到的包括击中点的三维坐标的数据即为激光雷达的点云数据。将点云数据投影到相应的栅格位置，每个栅格位置可能多次被击中或多次没被击中。如果某个栅格位置多次被击中，则该栅格位置很有可能是被占用了，即该栅格位置处存在障碍物，即该栅格位置的占有率较高。因此，在占据栅格地图中采用占有率的方式来表示某个栅格位置存在物体的概率。

示例的，在实际环境中某一位置存在一棵树，则该这颗树所在位置对应的占据栅格地图中的栅格位置的占有率会相应较高，而在实际环境中的另一位置为空地，则该空地位置对应的占据栅格地图中的栅格位置的占有率会相应较低。示例的，图2是本申请实施例的占据栅格地图的示意图。如图2所示，占据栅格地图中可以用不同灰度表示栅格的占有率不同。

采用低线束激光雷达进行定位时，车辆在行驶的过程中会采集实时的点云数据，并将点云数据投影至占据栅格地图的相应栅格位置，与占据栅格地图进行匹配，然而，点云数据投影至占据栅格地图的位置与车辆位姿相关，若是基于上一时刻的初始位姿进行计算，则结果与车辆的实际位姿之间一定存在较大偏差，即定位准确性较差。

基于上述情况，为了提高自动驾驶车辆定位的准确性，本申请实施例提供了一种目标对象的定位方法，通过确定目标对象的预测位姿和多个候选位姿，该预测位姿与多个候选位姿中的每个候选位姿之间的距离小于预设值；再根据获取到的激光点云数据和占据栅格地图，确定在该预测位姿处该激光点云数据投影在该占据栅格地图中的第一栅格位置，以及在该多个候选位姿中的每个候选位姿处该激光点云数据投影在该占据栅格地图中的第二栅格位置；根据该第一栅格位置和该第二栅格位置，确定该目标对象的当前位姿。可以看出，本申请实施例中通过获取预测位姿和该预测位姿临近的多个候选位姿，并进一步根据预测位姿和多个候选位姿下点云数据的投影与占据栅格地图的匹配情况确定目标对象的当前位姿，与现有技术中通过初始位置进行定位相比，本申请实施例中对预测位姿以及预测位姿临近的多个候选位姿进行了局部最优计算，提高了定位的准确性。

需要说明的是，本申请实施例提供的方法中目标对象可以是自动驾驶车辆，也可以是其他需要进行自动定位的设备，例如可以是机器人。在后续的描述中，将以目标对象可以为自动驾驶车辆为例，对本申请实施例提供的目标对象的定位方法进行说明，但并不代表本申请实施例仅局限于此。

下面，将通过具体的实施例对本申请提供的样本数据的获取方法进行详细地说明。可以理解的是，下面这几个具体的实施例可以相互结合，对于相同或相似的概念或过程可能在某些实施例不再赘述。

实施例一

图3是根据本申请第一实施例提供的目标对象的定位方法的流程示意图。该方法可以由软件和/或硬件装置执行，例如，该装置可以为设置在车辆中的定位系统设备。如图3所示，该目标对象的定位方法包括：

S301、确定预测位姿和多个候选位姿。

其中，该预测位姿与多个候选位姿中的每个候选位姿之间的距离小于预设值。

自动驾驶车辆在行驶过程中实时定位时，通过预测位姿能够找到车辆当前大概所在位置从而加载相应的占据栅格地图数据。其中，预测位姿可以是通过上一时刻的定位结果再加上惯性导航设备给出的车辆运动信息相结合对当前时刻的车辆位姿进行预测的结果。而对于刚启动的车辆的定位系统，进行初始化时，由于没有历史时刻的定位结果，初始的预测位置可以由全球定位系统(Global Positioning System，GPS)信号给出。除了初始化时刻的车辆，对于其他时刻，由于预测位姿是结合了历史定位结果和惯性导航设备给出的车辆运动信息获得的，因此预测位姿与车辆的真实位姿之间可能存在的误差较小。

在此基础上，进一步通过预测位姿获取多个候选位姿，候选位姿与预测位置之间的距离小于预设值，这的预设值可以根据实际需要进行设置。由于定位是基于占据栅格地图，候选位姿可以位于预测位姿的相邻栅格，即候选位姿是与预测位姿距离较近的位姿。

S302、获取激光点云数据。

S303、根据激光点云数据和占据栅格地图，确定在预测位姿处激光点云数据投影在占据栅格地图中的第一栅格位置，以及在多个候选位姿中的每个候选位姿处激光点云数据投影在占据栅格地图中的第二栅格位置。

其中，该占据栅格地图用于标定当前环境对应的栅格位置存在物体的占有率。

自动驾驶车辆在行驶过程中，会通过车载的激光雷达不断的扫描周围环境，生成实时的激光点云数据。为了能够同预先制作的占据栅格地图数据做匹配，需要将激光点云数据进行转换处理。

由于激光点云数据是由车载的激光雷达扫描获取的，因此，激光点云数据投影在占据栅格地图中的栅格位置与车辆位姿相关。若车辆位于预测位姿处，则激光点云数据投影在占据栅格地图中可以获得第一栅格位置，第一栅格位置可以包括占据栅格地图中的一个或多个栅格位置。若车辆位于候选位姿，则激光点云数据投影在占据栅格地图中可以获得第二栅格位置，第二栅格位置也可以包括占据栅格地图中的一个或多个栅格位置。可以理解的是，由于预测位姿和候选位姿不同，第一栅格位置和第二栅格位置也可能不同。

S304、根据第一栅格位置和第二栅格位置，确定目标对象的当前位姿。

可以理解的是，若预测位姿或候选位姿中的某一个位姿与车辆的当前位姿越接近，则投影获得的第一栅格位置或第二栅格位置与占据栅格地图越匹配，因此，根据第一栅格位置和第二栅格位置与占据栅格地图的匹配程度可以确定车辆的当前位姿。

本申请实施例在进行定位时，通过获取预测位姿和该预测位姿临近的多个候选位姿，并进一步根据预测位姿和多个候选位姿下点云数据的投影与占据栅格地图的匹配情况确定目标对象的当前位姿，与现有技术中根据初始位置进行定位相比，本申请实施例中对预测位姿以及预测位姿临近的多个候选位姿进行了局部最优计算，提高了定位的准确性。

在图3所示的实施例中，说明了根据激光点云数据和占据栅格地图，确定第一栅格位置和第二栅格位置，以下再对其进行详细说明。由于激光点云数据是由车载的激光雷达扫描获取的，因此，激光点云数据是基于车辆坐标系的数据，其投影在占据栅格地图中的栅格位置与车辆位姿相关。因此，在将点云数据投影至占据栅格地图时需要进行坐标系转换，将点云数据由车辆坐标系转换为占据栅格地图所使用的世界坐标系。

对于预测位姿，将激光点云数据的坐标转换为在该预测位姿下对应的世界坐标系下的第一坐标；再将第一坐标投影在占据栅格地图中，得到第一栅格位置。

对于候选位姿，将激光点云数据的坐标转换为在每个候选位姿下对应的世界坐标系下的第二坐标；将第二坐标投影在占据栅格地图中，得到该第二栅格位置。

可以看出，由于预测位姿和候选位姿的不同，在预测位姿下和在候选位姿下，车辆坐标系和世界坐标系的转换关系也不同，因此，在预测位姿下的第一坐标和在候选位姿下的第二坐标不同，从而使得投影获得的第一栅格位置和第二栅格位置不同，这样，在后续步骤中才能够根据栅格位置不同确定车辆在不同位姿下的不同概率，提高定位的准确性。

在图3所示的实施例中，说明了根据第一栅格位置和第二栅格位置确定该目标对象的当前位姿，下面将结合实施例二对目标对象的当前位姿的确定方法进行详细描述。

实施例二

图4是根据本申请第二实施例提供的目标对象的当前位姿的确定方法的流程示意图。如图4所示，目标对象的当前位姿的确定方法包括：

S401、根据第一栅格位置和第二栅格位置，确定目标对象在预测位姿的第一概率和目标对象在多个候选位姿中每个候选位姿的第二概率。

第一栅格位置或第二栅格位置与占据栅格地图越匹配，则表示目标对象在预测位姿或候选位姿的概率越高。目标对象在预测位姿或候选位姿的概率可以通过以下方式进行计算：

根据第一栅格位置的占有率确定该目标对象在该预测位姿的第一概率；根据该第二栅格位置的占有率确定该多个候选位姿中每个候选位姿的第二概率。

自动驾驶车辆行驶过程中，激光雷达扫描时除了可能击中周围环境中可能存在的部分动态物体，如路上的车辆或行人外，大部分击中点应该是投影在占据栅格地图中占有率较高的栅格，因此，通过投影得到的第一栅格位置的占有率可以确定车辆在预测位姿的第一概率，通过投影得到的第二栅格位置的占有率可以确定车辆在候选位姿的第二概率。示例的，可以通过将第一栅格位置中包括的一个或多个栅格位置的占有率加和获得预测位姿的第一概率；将第二栅格位置中包括的一个或多个栅格位置的占有率加和获得候选位姿的第二概率。可以看出，通过计算点云数据投影的栅格位置的占有率可以准确的获得相应位姿的概率，从而能够使后续根据位姿的概率计算的当前位姿更为准确。

S402、根据第一概率和第二概率，确定目标对象的当前位姿。

自动驾驶车辆在预测位姿的第一概率和在多个候选位姿的每个候选位姿的第二概率，是根据当前时刻的实时点云数据计算获得的，也就是说第一概率和第二概率是根据当前时刻的测量值所获得结果。为了进一步提高结果准确度，本申请实施例中采用将当前测量值与历史概率数据相结合的方式来对预测位姿和候选位姿的概率进行更新，根据更新后的概率来确定自动驾驶车辆的当前位姿。

示例的，首先确定目标对象在预测位姿的第一历史概率和目标对象在该多个候选位姿中每个候选位姿的第二历史概率；再根据第一概率和第一历史概率，确定目标对象在预测位姿的第一目标概率；根据第二概率和第二历史概率，确定目标对象在每个候选位姿的第二目标概率；最后根据第一目标概率和第二目标概率，确定目标对象的当前位姿。

这里，第一历史概率和第二历史概率可以是根据历史时刻的后验概率推测的结果。第一目标概率和第二目标概率可以通过以下公式计算：

P＝aP₁P′

其中，P表示第一目标概率或第二目标概率，P₁表示相应的第一概率或第二概率，P′表示相应的第一历史概率或第二历史概率，a为归一化系数。

通过该方法将获得的第一目标概率和第二目标概率，不仅考虑了当前时刻的测量结果，还综合历史概率推测，从而使得所获得的第一目标概率和第二目标概率更为准确，进一步也就使得根据该概率所确定的定位结果更为准确。以下再对根据第一目标概率和第二目标概率，确定目标对象的当前位姿的方法进行进一步介绍。

由于地图是网络化的，因此本申请实施例中所获取的预测位姿和候选位姿的精度均是基于地图网格精度的，为了得到更高精度的结果，可以根据第一目标概率和第二目标概率对预测位姿和多个候选位姿进行加权平均处理，得到目标对象的当前位姿。

以一个预测位姿和一个候选位姿进行示例说明。假设预测位姿的坐标为(3，3)，候选位姿的坐标为(4，4)，预测位姿的第一目标概率为0.8，候选位姿的第二目标概率为0.2，那么对预测位姿和候选位姿进行加权平均处理，也就是对预测位姿和候选位姿进行双线性插值，即对预测位姿和候选位姿的横轴坐标和纵轴坐标分别进行线性插值，获得当前位姿(3.2，3.2)。显然，根据第一目标概率和第二目标概率对预测位姿和多个候选位姿进行加权平均处理使得获得的定位结果具有次网格级别的精度，即定位结果精度更高，更为准确。

本申请实施例中，通过第一栅格位置和第二栅格位置与占据栅格地图的匹配程度来确定目标对象在预测位姿的第一概率和候选位姿的第二概率，从而进一步根据第一概率和第二概率来确定目标对象的当前位姿，使得所获得的目标对象的当前位姿是预测位姿和候选位姿附近的局部最优质，提高了定位结果的准确性。

前述实施例中对于基于占据栅格地图进行目标对象定位的方法进行了说明。在此之外，该方法还可以包括预先生成占据栅格地图的过程，以下结合实施例三对生成占据栅格地图的过程进行说明。

实施例三

根据预先采集到的点云数据，生成占据栅格地图。

预先使用装有激光雷达的数据采集车来采集点云数据进行制作，数据采集车可以与本申请前述实施例中的自动驾驶车辆为同一个车辆。数据采集车行驶过程中通过激光雷达向固定的方向发射激光束获得点云数据。

在制作占据栅格地图时，将整个世界坐标系，例如通用横墨卡托格网系统(Universal Transverse Mercator Grid System，UTM)坐标系划分成固定大小的块，每个块覆盖一定的范围。由于激光的点云数据是一系列的激光点，若将其全部存入块中，一个块的数据量会非常大，而且后期匹配效率会很低，因此将每个块再划分成预设数量的栅格，例如将每个块划分为1024*1024的栅格，然后对投影落入同一个栅格的点云数据做聚合，每个块里存储聚合后的数据，这样无论点云数据中的激光点有多少，每个块的数据量都是固定的。

对于每个激光点，根据激光点的坐标能够计算出其投影落入哪个栅格，这个激光点可以作为击中点，来增大对应栅格的占有率。此外，由于激光不会穿透物体，所以由发射点和击中点之间的三维线段应该是没有物体的，在这个线段上采样并投影到栅格中作为未击中点，这些未击中点可以用来减小对应栅格的占有率。

这样，根据采集的点云数据以及上述击中点和未击中点的规则，即可获得具有栅格占有率的占据栅格地图，以供后续车辆实时定位使用。

实施例四

图5是根据本申请第四实施例提供的目标对象的定位装置的结构示意图。如图5所示，目标对象的定位装置50包括：

处理模块501，用于确定预测位姿和多个候选位姿，预测位姿与多个候选位姿中的每个候选位姿之间的距离小于预设值；

获取模块502，用于获取激光点云数据；

处理模块501还用于，根据激光点云数据和占据栅格地图，确定在预测位姿处激光点云数据投影在占据栅格地图中的第一栅格位置，以及在多个候选位姿中的每个候选位姿处激光点云数据投影在占据栅格地图中的第二栅格位置，占据栅格地图用于标定当前环境对应的栅格位置存在物体的占有率；

处理模块501还用于，根据第一栅格位置和第二栅格位置，确定目标对象的当前位姿。

可选的，处理模块501具体用于：

根据第一栅格位置和第二栅格位置，确定目标对象在预测位姿的第一概率和目标对象在多个候选位姿中每个候选位姿的第二概率；

根据第一概率和第二概率，确定目标对象的当前位姿。

可选的，处理模块501具体用于：

根据第一栅格位置的占有率确定目标对象在预测位姿的第一概率；

根据第二栅格位置的占有率确定多个候选位姿中每个候选位姿的第二概率。

可选的，处理模块501具体用于：

确定目标对象在预测位姿的第一历史概率和目标对象在多个候选位姿中每个候选位姿的第二历史概率；

根据第一概率和第一历史概率，确定目标对象在预测位姿的第一目标概率；

根据第二概率和第二历史概率，确定目标对象在每个候选位姿的第二目标概率；

根据第一目标概率和第二目标概率，确定目标对象的当前位姿。

可选的，处理模块501具体用于：

根据第一目标概率和第二目标概率对预测位姿和多个候选位姿进行加权平均处理，得到目标对象的当前位姿。

可选的，处理模块501具体用于：

将激光点云数据的坐标转换为在预测位姿下对应的世界坐标系下的第一坐标；

将第一坐标投影在占据栅格地图中，得到第一栅格位置。

可选的，处理模块501具体用于：

将激光点云数据的坐标转换为在每个候选位姿下对应的世界坐标系下的第二坐标；

将第二坐标投影在占据栅格地图中，得到第二栅格位置。

可选的，处理模块501还用于：

根据预先采集到的点云数据，生成占据栅格地图。

本申请实施例提供的目标对象的定位，可以执行上述任一实施例中的目标对象的定位方法的技术方案，其实现原理以及有益效果与目标对象的定位方法的实现原理及有益效果类似，可参见目标对象的定位方法的实现原理及有益效果，此处不再进行赘述。

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6所示，图6是用来实现本申请实施例的目标对象的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601、存储器602，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601为例。

存储器602即为本申请所提供的非瞬时计算机可读存储介质。其中，存储器602存储有可由至少一个处理器执行的指令，以使该至少一个处理器执行本申请所提供的目标对象的定位方法。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目标对象的定位方法。

存储器602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目标对象的定位方法对应的程序指令/模块(例如，附图5所示的处理模块501和获取模块502)。处理器601通过运行存储在存储器602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目标对象的定位方法。

存储器602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目标对象的定位方法的电子设备的使用所创建的数据等。此外，存储器602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602可选包括相对于处理器601远程设置的存储器，这些远程存储器可以通过网络连接至目标对象的定位方法的电子设备。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。

目标对象的定位方法的电子设备还可以包括：输入装置603和输出装置604。处理器601、存储器602、输入装置603和输出装置604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603可接收输入的数字或字符信息，以及产生与目标对象的定位方法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604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。

根据本申请实施例的技术方案，在进行目标对象定位时，通过获取预测位姿以及与预测位姿临近的多个候选位姿，并进一步根据预测位姿和多个候选位姿下点云数据的投影与占据栅格地图的匹配情况确定目标对象的当前位姿，与现有技术中通过初始位置进行定位相比，本申请实施例中对预测位姿以及预测位姿临近的多个候选位姿进行了局部最优计算，提高了定位的准确性。

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 (18)

1.一种目标对象的定位方法，其特征在于，包括：

确定预测位姿和多个候选位姿，所述预测位姿与多个候选位姿中的每个候选位姿之间的距离小于预设值；

获取激光点云数据；

根据所述激光点云数据和占据栅格地图，确定在所述预测位姿处所述激光点云数据投影在所述占据栅格地图中的第一栅格位置，以及在所述多个候选位姿中的每个候选位姿处所述激光点云数据投影在所述占据栅格地图中的第二栅格位置，所述占据栅格地图用于标定当前环境对应的栅格位置存在物体的占有率；

根据所述第一栅格位置和所述第二栅格位置，确定所述目标对象的当前位姿。

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位置和所述第二栅格位置，确定所述目标对象的当前位姿，包括：

根据所述第一栅格位置和所述第二栅格位置，确定所述目标对象在所述预测位姿的第一概率和所述目标对象在所述多个候选位姿中每个候选位姿的第二概率；

根据所述第一概率和所述第二概率，确定所述目标对象的当前位姿。

3.根据权利要求2所述的方法，其特征在于，所述根据所述第一栅格位置和所述第二栅格位置，确定所述目标对象在所述预测位姿的第一概率和所述目标对象在所述多个候选位姿中每个候选位姿的第二概率，包括：

根据所述第一栅格位置的占有率确定所述目标对象在所述预测位姿的第一概率；

根据所述第二栅格位置的占有率确定所述多个候选位姿中每个候选位姿的第二概率。

4.根据权利要求2所述的方法，其特征在于，所述根据所述第一概率和所述第二概率，确定所述目标对象的当前位姿，包括：

确定所述目标对象在所述预测位姿的第一历史概率和所述目标对象在所述多个候选位姿中每个候选位姿的第二历史概率；

根据所述第一概率和所述第一历史概率，确定所述目标对象在所述预测位姿的第一目标概率；

根据所述第二概率和所述第二历史概率，确定所述目标对象在所述每个候选位姿的第二目标概率；

根据所述第一目标概率和所述第二目标概率，确定所述目标对象的当前位姿。

5.根据权利要求4所述的方法，其特征在于，所述根据所述第一目标概率和所述第二目标概率，确定所述目标对象的当前位姿，包括：

根据所述第一目标概率和所述第二目标概率对所述预测位姿和所述多个候选位姿进行加权平均处理，得到所述目标对象的当前位姿。

6.根据权利要求1-5任一项所述的方法，其特征在于，所述确定在所述预测位姿处所述激光点云数据投影在所述占据栅格地图中的第一栅格位置，包括：

将所述激光点云数据的坐标转换为在所述预测位姿下对应的世界坐标系下的第一坐标；

将所述第一坐标投影在所述占据栅格地图中，得到所述第一栅格位置。

7.根据权利要求1-5任一项所述的方法，其特征在于，所述确定在所述多个候选位姿中的每个候选位姿处所述激光点云数据投影在所述占据栅格地图中的第二栅格位置，包括：

将所述激光点云数据的坐标转换为在每个候选位姿下对应的世界坐标系下的第二坐标；

将所述第二坐标投影在所述占据栅格地图中，得到所述第二栅格位置。

8.根据权利要求1-5任一项所述的方法，其特征在于，所述方法还包括：

根据预先采集到的点云数据，生成所述占据栅格地图。

9.一种目标对象的定位装置，其特征在于，包括：

处理模块，用于确定预测位姿和多个候选位姿，所述预测位姿与多个候选位姿中的每个候选位姿之间的距离小于预设值；

获取模块，用于获取激光点云数据；

所述处理模块还用于，根据所述激光点云数据和占据栅格地图，确定在所述预测位姿处所述激光点云数据投影在所述占据栅格地图中的第一栅格位置，以及在所述多个候选位姿中的每个候选位姿处所述激光点云数据投影在所述占据栅格地图中的第二栅格位置，所述占据栅格地图用于标定当前环境对应的栅格位置存在物体的占有率；

所述处理模块还用于，根据所述第一栅格位置和所述第二栅格位置，确定所述目标对象的当前位姿。

10.根据权利要求9所述的装置，其特征在于，所述处理模块具体用于：

根据所述第一栅格位置和所述第二栅格位置，确定所述目标对象在所述预测位姿的第一概率和所述目标对象在所述多个候选位姿中每个候选位姿的第二概率；

根据所述第一概率和所述第二概率，确定所述目标对象的当前位姿。

11.根据权利要求10所述的装置，其特征在于，所述处理模块具体用于：

根据所述第一栅格位置的占有率确定所述目标对象在所述预测位姿的第一概率；

根据所述第二栅格位置的占有率确定所述多个候选位姿中每个候选位姿的第二概率。

12.根据权利要求10所述的装置，其特征在于，所述处理模块具体用于：

确定所述目标对象在所述预测位姿的第一历史概率和所述目标对象在所述多个候选位姿中每个候选位姿的第二历史概率；

根据所述第一概率和所述第一历史概率，确定所述目标对象在所述预测位姿的第一目标概率；

根据所述第二概率和所述第二历史概率，确定所述目标对象在所述每个候选位姿的第二目标概率；

根据所述第一目标概率和所述第二目标概率，确定所述目标对象的当前位姿。

13.根据权利要求12所述的装置，其特征在于，所述处理模块具体用于：

根据所述第一目标概率和所述第二目标概率对所述预测位姿和所述多个候选位姿进行加权平均处理，得到所述目标对象的当前位姿。

14.根据权利要求9-13任一项所述的装置，其特征在于，所述处理模块具体用于：

将所述激光点云数据的坐标转换为在所述预测位姿下对应的世界坐标系下的第一坐标；

将所述第一坐标投影在所述占据栅格地图中，得到所述第一栅格位置。

15.根据权利要求9-13任一项所述的装置，其特征在于，所述处理模块具体用于：

将所述激光点云数据的坐标转换为在每个候选位姿下对应的世界坐标系下的第二坐标；

将所述第二坐标投影在所述占据栅格地图中，得到所述第二栅格位置。

16.根据权利要求9-13任一项所述的装置，其特征在于，所述处理模块还用于：

根据预先采集到的点云数据，生成所述占据栅格地图。

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。

Images