CN111986261A - 一种车辆定位方法、装置、电子设备及存储介质 - Google Patents

一种车辆定位方法、装置、电子设备及存储介质 Download PDF

Info

Publication number
CN111986261A
CN111986261A CN202010814881.6A CN202010814881A CN111986261A CN 111986261 A CN111986261 A CN 111986261A CN 202010814881 A CN202010814881 A CN 202010814881A CN 111986261 A CN111986261 A CN 111986261A
Authority
CN
China
Prior art keywords
key frame
initial
current
information
vehicle
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
CN202010814881.6A
Other languages
English (en)
Other versions
CN111986261B (zh
Inventor
兰文博
王晓辉
张怡欢
戴一凡
曾勇
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.)
Tsinghua University
Suzhou Automotive Research Institute of Tsinghua University
Original Assignee
Tsinghua University
Suzhou Automotive Research Institute of Tsinghua University
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 Tsinghua University, Suzhou Automotive Research Institute of Tsinghua University filed Critical Tsinghua University
Priority to CN202010814881.6A priority Critical patent/CN111986261B/zh
Publication of CN111986261A publication Critical patent/CN111986261A/zh
Application granted granted Critical
Publication of CN111986261B publication Critical patent/CN111986261B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/70—Determining position or orientation of objects or cameras
    • G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/29—Geographical information databases
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10016—Video; Image sequence
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30248—Vehicle exterior or interior
    • G06T2207/30252—Vehicle exterior; Vicinity of vehicle
    • G06T2207/30256—Lane; Road marking

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Databases & Information Systems (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Remote Sensing (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • Navigation (AREA)

Abstract

本发明实施例公开了一种车辆定位方法、装置、电子设备及存储介质。该方法包括：获取初始道路图像信息，并根据所述初始道路图像信息确定初始关键帧信息；根据所述初始关键帧信息构建道路地图；获取当前关键帧信息，并根据所述当前关键帧信息、所述初始关键帧信息和所述道路地图，确定车辆的当前位置。通过运行本发明实施例所提供的技术方案，可以解决无GPS信号的路段中，自动驾驶汽车无法精确掌握当前位置的问题，实现高车辆定位的准确性的效果。

Description

一种车辆定位方法、装置、电子设备及存储介质
技术领域
本发明实施例涉及定位技术，尤其涉及一种车辆定位方法、装置、电子设备及存储介质。
背景技术
随着计算机科学的发展，自动驾驶车辆在军事、民用和科学研究等诸多方面得到了广泛的应用。
目前在自动驾驶领域中，往往通过全球定位系统(Global Positioning System，GPS)进行车辆定位，这就导致在无GPS信号的路段中，由于自动驾驶汽车无法精确掌握当前位置，对车辆后续的连续定位、车道保持以及决策规划产生很大的影响。
发明内容
本发明实施例提供一种车辆定位方法、装置、电子设备及存储介质，以实现提高车辆定位的准确性。
第一方面，本发明实施例提供了一种车辆定位方法，该方法包括：
获取初始道路图像信息，并根据所述初始道路图像信息确定初始关键帧信息；
根据所述初始关键帧信息构建道路地图；
获取当前关键帧信息，并根据所述当前关键帧信息、所述初始关键帧信息和所述道路地图，确定车辆的当前位置。
第二方面，本发明实施例还提供了一种车辆定位装置，该装置包括：
图像信息获取模块，用于获取初始道路图像信息，并根据所述初始道路图像信息确定初始关键帧信息；
初始地图构建模块，用于根据所述初始关键帧信息构建道路地图；
当前位置确定模块，用于获取当前关键帧信息，并根据所述当前关键帧信息、所述初始关键帧信息和所述道路地图，确定车辆的当前位置。
第三方面，本发明实施例还提供了一种电子设备，该电子设备包括：
一个或多个处理器；
存储装置，用于存储一个或多个程序，
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如上所述的车辆定位方法。
第四方面，本发明实施例还提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如上所述的车辆定位方法。
本发明实施例通过获取初始道路图像信息，并根据所述初始道路图像信息确定初始关键帧信息；根据所述初始关键帧信息构建道路地图；获取当前关键帧信息，并根据所述当前关键帧信息、所述初始关键帧信息和所述道路地图，确定车辆的当前位置。解决无GPS信号的路段中，自动驾驶汽车无法精确掌握当前位置的问题，实现高车辆定位的准确性的效果。
附图说明
图1为本发明实施例一提供的一种车辆定位方法的流程图；
图2为本发明实施例一提供的一种车辆中相机坐标系的示意图；
图3为本发明实施例二提供的一种车辆定位方法的流程图；
图4为本发明实施例三提供的一种车辆定位装置的结构示意图；
图5为本发明实施例四提供的一种电子设备的结构示意图。
具体实施方式
下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释本发明，而非对本发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本发明相关的部分而非全部结构。
实施例一
图1为本发明实施例一提供的一种车辆定位方法的流程图，本实施例可适用于在车辆行驶过程中进行定位的情况，该方法可以由本发明实施例所提供的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：
步骤110、获取初始道路图像信息，并根据所述初始道路图像信息确定初始关键帧信息。
其中，初始道路图像信息为建图过程中获取的道路图像信息，可由安装在车辆中的单目相机，在车辆用于构建地图的道路行驶过程中通过旋转和平移获取，相机固定位置可以为车辆的正前方，本实施例对此不作限制。道路图像信息为单目相机拍摄的道路图像帧中的图像特征信息。
当获取到第一帧道路图像后，初始化相机的位姿，图2为本发明实施例一提供的一种车辆中相机坐标系的示意图，如图2所示，相机位姿的坐标系为XcYcZc，Xc、Yc、Zc三轴分别指向相机右侧、下侧和沿着光轴指向正前方。将道路图像帧中特征匹配成功的图像帧确定为初始关键帧，并将所有初始关键帧对的相关信息保存在初始关键帧信息集合中。初始关键帧信息集合中每一行为一个初始关键帧的信息，一行分为8列，分别是[timestamp,tx,ty,tz,q1,q2,q3,qw]，其中timestamp为初始关键帧获取时的时间戳；tx,ty,tz为相机所处的坐标位置，可以代表车辆在建图阶段所处位置；q1,q2,q3,qw为初始关键帧在初始坐标系下的姿态四元数。
本实施例中，可选的，所述初始道路图像信息为初始道路图像的ORB特征信息。
ORB(Oriented FAST and Rotated BRIEF)算法，用于对初始道路图像中的关键点快速创建特征向量，这些特征向量可以用来识别图像中的对象。其中，Fast和Brief分别是特征检测算法和向量创建算法。ORB首先从图像中查找特殊区域，称为关键点。关键点即图像中突出的小区域，比如具有像素值急剧的从浅色变为深色的特征的区域。然后ORB为每个关键点计算相应的特征向量，即为ORB特征信息。提高了特征信息的获取速度，以满足实时建图和定位的需要。
步骤120、根据所述初始关键帧信息构建道路地图。
其中，道路地图可以根据初始关键帧信息，通过同时定位与地图构建(simultaneous localization and mapping，SLAM)技术构建。SLAM被广泛运用于机器人、无人机、无人驾驶、AR、VR等领域，依靠传感器可实现机器的自主定位、建图、路径规划等功能。按传感器不同，SLAM可以分为两大类，激光SLAM和视觉SLAM，由于激光传感器高昂的售价，极大限制了激光SLAM在机器人上的应用。视觉SLAM主要通过摄像头来获取数据信息，成本较低，随着计算机视觉的飞速发展，视觉SLAM因其信息量大，使用范围广等优点广受关注。
基于视觉的SLAM方案目前主要有两种实现路径，一种是基于RGBD的深度摄像机，比如Kinect，通过收集到的点云数据，可以直接计算到障碍物的距离；还有一种就是基于单目、双目或者鱼眼摄像头的视觉SLAM，利用多帧图像来估计自身的位姿变化，再通过累计位姿变化来计算到目标的距离，并进行定位与地图构建；视觉SLAM结构简单，安装的方式多元化，无传感器探测距离限制，成本低，可提取语义信息。
单目ORB-SLAM2是一种基于图像特征和非线性优化的视觉SLAM系统。在全部处理进程中使用ORB特征来进行检测和描述，通过匹配两帧道路图像帧之间的角点，获得图像的深度信息。在地图构建阶段通过将获取的当前关键帧信息插入至当前地图中，并更新当前关键帧和其他关键帧之间的共视关系以及当前关键帧和地图点的观测关系，以构建道路地图。其中，地图点可以通过关键帧来构造，也可以通过普通帧构造，与关键帧对应，能够观测到同一个地图点的关键帧之间存在共视关系。
可选的，当一组关键帧获取完毕后，剔除90％的地图点已经被观测到过的关键帧，以防止关键帧的数量急速变大。
可选的，通过DBoW词袋模型进行回环检测，以提高地图构建的准确度。
通过特定公式计算整个系统最优结构和运动结果，以对道路地图进行全局优化，以获得最终的道路地图。
本实施例中，可选的，在根据所述初始关键帧信息构建道路地图之后，还包括：
保存所述道路地图至二进制文件中。
其中，二进制文件位于定位阶段可调用的程序包中，用于保存在线建立的完成时的道路地图，以解决建图算法只能实时在线建图，无法保存离线地图，因此无法在后续定位阶段及时加载相应地图的问题。
可选的，道路地图为语义地图，相对于点云地图数据量大大减小，降低存储所需空间，提高地图读写速度。
步骤130、获取当前关键帧信息，并根据所述当前关键帧信息、所述初始关键帧信息和所述道路地图，确定车辆的当前位置。
其中，当前关键帧为定位阶段的关键帧，当前关键帧信息包括当前关键帧获取时的时间戳、当前关键帧的坐标位置，当前关键帧在初始坐标系下的姿态四元数。
加载道路地图和初始关键帧信息，根据车辆当前关键帧信息以及初始关键信息，确定车辆当前在道路地图中相对于建图时车辆位置的横纵向距离，修正车辆当前关键帧中位置与实际位置的误差，以实时获取车辆的当前位置。
本实施例所提供的技术方案，通过获取初始道路图像信息，并根据所述初始道路图像信息确定初始关键帧信息；根据所述初始关键帧信息构建道路地图；获取当前关键帧信息，并根据所述当前关键帧信息、所述初始关键帧信息和所述道路地图，确定车辆的当前位置。解决无GPS信号的路段中，自动驾驶汽车无法精确掌握当前位置的问题，实现高车辆定位的准确性的效果。
实施例二
图3为本发明实施例二提供的一种车辆定位方法的流程图，本技术方案是针对根据所述当前关键帧信息、所述初始关键帧信息和所述道路地图，确定车辆的当前位置的过程进行补充说明的。与上述方案相比，本方案具体优化为，所述方法还包括：
根据所述当前关键帧信息、所述初始关键帧信息和所述道路地图，确定车辆的当前位置，包括：
根据所述当前关键帧信息和所述初始关键帧信息，确定所述车辆的当前位置与所述道路地图的初始采集位置之间的相对距离；
根据所述相对距离和所述道路地图的初始采集位置，确定所述车辆的当前位置。具体的，车辆定位方法的流程图如图3所示：
步骤310、获取初始道路图像信息，并根据所述初始道路图像信息确定初始关键帧信息。
步骤320、根据所述初始关键帧信息构建道路地图。
步骤330、根据所述当前关键帧信息和所述初始关键帧信息，确定所述车辆的当前位置与所述道路地图的初始采集位置之间的相对距离。
其中，道路地图的初始采集位置为初始关键帧的位置。车辆的当前位置与道路地图的初始采集位置之间的相对距离，为车辆在定位阶段行驶到道路地图中某一固定位置处，初始采集位置与当前位置的相对距离。
本实施例中，可选的，根据所述当前关键帧信息和所述初始关键帧信息，确定所述车辆的当前位置与所述道路地图的初始采集位置之间的相对距离，包括：
通过如下公式，确定所述车辆的当前位置与所述道路地图的初始采集位置之间的相对距离：
Figure BDA0002632318530000081
Figure BDA0002632318530000082
其中，x和y分别为所述车辆的当前位置与所述道路地图的初始采集位置的相对横向距离和相对纵向距离；xl为当前关键帧的x轴坐标值，tx为第一初始关键帧的x轴坐标值，wr为车道的宽度，xa为定位阶段a点的x轴坐标值，xb为定位阶段b点的x轴坐标值；
yl为当前关键帧的y轴坐标值，ty为第二初始关键帧的y轴坐标值，sab表示a点到b点的距离，ya为定位阶段a点的y轴坐标值，yb为定位阶段b点的y轴坐标值，tya为建图阶段a点的y轴坐标值，tyb为建图阶段b点的y轴坐标值。
其中，xl为当前关键帧的x轴坐标值，即为定位阶段实时输出的相机x轴坐标的值，可以直接获取。tx为第一初始关键帧的x轴坐标值，即为建图阶段实时输出的相机x轴坐标的值。可选的，第一初始关键帧为初始关键帧中y轴坐标值与当前关键帧相同的关键帧，示例性的，当前关键帧的y轴坐标值为A，则获取初始关键帧中y轴坐标值为A的关键帧的x轴坐标值，记为tx，以提高横向误差纠正的准确度。
wr为车道的宽度，可以通过预先测量获取。xa为定位阶段相机在a点处时获取的关键帧中记录的x轴坐标值，xb为定位阶段相机在b点处时获取的关键帧中记录的x轴坐标值，其中，a点和b点为地图中预先选择的两个不同点，在车辆行驶过a点和b点时，可获得定位阶段a点和b点的x轴坐标值。通过比较ab点之间以及当前关键帧与初始关键帧之间x轴坐标值的差值，获取车辆的当前位置与道路地图的初始采集位置的相对横向距离。
其中，yl为当前关键帧的y轴坐标值，即为定位阶段实时输出的相机y轴坐标的值，可以直接获取。ty为第二初始关键帧的y轴坐标值，即为建图阶段实时输出的相机y轴坐标的值。可选的，第二初始关键帧为初始关键帧中x轴坐标值与当前关键帧相同的关键帧。示例性的，当前关键帧的x轴坐标值为B，则获取初始关键帧中x轴坐标值为B的关键帧的y轴坐标值，记为ty，以提高纵向误差纠正的准确度。
sab表示a点到b点的距离，可以通过预先测量获取。ya为定位阶段相机在a点处时获取的关键帧中记录的y轴坐标值，yb为定位阶段相机在b点处时获取的关键帧中记录的y轴坐标值，tya为建图阶段相机在a点处时获取的关键帧中记录的y轴坐标值，tyb为建图阶段相机在b点处时获取的关键帧中记录的y轴坐标值；在定位阶段车辆行驶过a点和b点时，可获得定位阶段a点和b点的y轴坐标值，在建图阶段车辆行驶过a点和b点时，可获得建图阶段a点和b点的y轴坐标值。通过定位阶段ab点之间y轴坐标值的差值以及当前关键帧的y轴坐标值，与建图阶段ab点之间y轴坐标值的差值以及初始关键帧的y轴坐标值，获取车辆的当前位置与道路地图的初始采集位置的相对纵向距离。
步骤340、根据所述相对距离和所述道路地图的初始采集位置，确定所述车辆的当前位置。
获取道路地图的初始采集位置的x轴和y轴坐标，并根据车辆的当前位置与道路地图的初始采集位置的相对纵向距离和相对横向距离，获取车辆的当前位置的横纵坐标，确定车辆的当前位置。示例性的，初始采集位置的横纵坐标为c和d，则车辆的当前位置的横坐标为c+x，纵坐标为d+y。
本发明实施例通过根据所述当前关键帧信息和所述初始关键帧信息，确定所述车辆的当前位置与所述道路地图的初始采集位置之间的相对距离；根据所述相对距离和所述道路地图的初始采集位置，确定所述车辆的当前位置。提高车辆位置获取的准确性，以满足无GPS信号的路段中，车辆自动驾驶车辆规划导航的需求。
实施例三
图4为本发明实施例三提供的一种车辆定位装置的结构示意图。该装置可以由硬件和/或软件的方式来实现，可执行本发明任意实施例所提供的一种车辆定位方法，具备执行方法相应的功能模块和有益效果。如图4所示，该装置包括：
图像信息获取模块410，用于获取初始道路图像信息，并根据所述初始道路图像信息确定初始关键帧信息；
初始地图构建模块420，用于根据所述初始关键帧信息构建道路地图；
当前位置确定模块430，用于获取当前关键帧信息，并根据所述当前关键帧信息、所述初始关键帧信息和所述道路地图，确定车辆的当前位置。
本发明实施例通过获取初始道路图像信息，并根据所述初始道路图像信息确定初始关键帧信息；根据所述初始关键帧信息构建道路地图；获取当前关键帧信息，并根据所述当前关键帧信息、所述初始关键帧信息和所述道路地图，确定车辆的当前位置。解决无GPS信号的路段中，自动驾驶汽车无法精确掌握当前位置的问题，实现高车辆定位的准确性的效果。
在上述各技术方案的基础上，可选的，所述当前位置确定模块，包括：
相对距离确定单元，用于根据所述当前关键帧信息和所述初始关键帧信息，确定所述车辆的当前位置与所述道路地图的初始采集位置之间的相对距离；
当前位置确定单元，用于根据所述相对距离和所述道路地图的初始采集位置，确定所述车辆的当前位置。
在上述各技术方案的基础上，可选的，通过如下公式，确定所述车辆的当前位置与所述道路地图的初始采集位置之间的相对距离：
Figure BDA0002632318530000111
Figure BDA0002632318530000112
其中，x和y分别为所述车辆的当前位置与所述道路地图的初始采集位置的相对横向距离和相对纵向距离；xl为当前关键帧的x轴坐标值，tx为第一初始关键帧的x轴坐标值，wr为车道的宽度，xa为定位阶段a点的x轴坐标值，xb为定位阶段b点的x轴坐标值；
yl为当前关键帧的y轴坐标值，ty为第二初始关键帧的y轴坐标值，sab表示a点到b点的距离，ya为定位阶段a点的y轴坐标值，yb为定位阶段b点的y轴坐标值，tya为建图阶段a点的y轴坐标值，tyb为建图阶段b点的y轴坐标值。
在上述各技术方案的基础上，可选的，所述第一初始关键帧为初始关键帧中y轴坐标值与当前关键帧相同的关键帧；
所述第二初始关键帧为初始关键帧中x轴坐标值与当前关键帧相同的关键帧。
在上述各技术方案的基础上，可选的，所述装置，还包括：
地图保存模块，用于所述初始地图构建模块之后，保存所述道路地图至二进制文件中。
在上述各技术方案的基础上，可选的，所述初始道路图像信息为初始道路图像的ORB特征信息。
实施例四
图5为本发明实施例四提供的一种电子设备的结构示意图，如图5所示，该电子设备包括处理器50、存储器51、输入装置52和输出装置53；电子设备中处理器50的数量可以是一个或多个，图5中以一个处理器50为例；电子设备中的处理器50、存储器51、输入装置52和输出装置53可以通过总线或其他方式连接，图5中以通过总线连接为例。
存储器51作为一种计算机可读存储介质，可用于存储软件程序、计算机可执行程序以及模块，如本发明实施例中的车辆定位方法对应的程序指令/模块。处理器50通过运行存储在存储器51中的软件程序、指令以及模块，从而执行电子设备的各种功能应用以及数据处理，即实现上述的车辆定位方法。
存储器51可主要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、至少一个功能所需的应用程序；存储数据区可存储根据终端的使用所创建的数据等。此外，存储器51可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。在一些实例中，存储器51可进一步包括相对于处理器50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。
实施例五
本发明实施例D还提供一种包含计算机可执行指令的存储介质，所述计算机可执行指令在由计算机处理器执行时用于执行一种车辆定位方法，该方法包括：
获取初始道路图像信息，并根据所述初始道路图像信息确定初始关键帧信息；
根据所述初始关键帧信息构建道路地图；
获取当前关键帧信息，并根据所述当前关键帧信息、所述初始关键帧信息和所述道路地图，确定车辆的当前位置。
当然,本发明实施例所提供的一种包含计算机可执行指令的存储介质,其计算机可执行指令不限于如上所述的方法操作,还可以执行本发明任意实施例所提供的车辆定位方法中的相关操作。
通过以上关于实施方式的描述，所属领域的技术人员可以清楚地了解到，本发明可借助软件及必需的通用硬件来实现，当然也可以通过硬件实现，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的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，如计算机的软盘、只读存储器(Read-Only Memory,ROM)、随机存取存储器(RandomAccess Memory,RAM)、闪存(FLASH)、硬盘或光盘等，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)执行本发明各个实施例所述的方法。
值得注意的是，上述车辆定位装置的实施例中，所包括的各个单元和模块只是按照功能逻辑进行划分的，但并不局限于上述的划分，只要能够实现相应的功能即可；另外，各功能单元的具体名称也只是为了便于相互区分，并不用于限制本发明的保护范围。
注意，上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解，本发明不限于这里所述的特定实施例，对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此，虽然通过以上实施例对本发明进行了较为详细的说明，但是本发明不仅仅限于以上实施例，在不脱离本发明构思的情况下，还可以包括更多其他等效实施例，而本发明的范围由所附的权利要求范围决定。

Claims (10)

1.一种车辆定位方法，其特征在于，包括：
获取初始道路图像信息，并根据所述初始道路图像信息确定初始关键帧信息；
根据所述初始关键帧信息构建道路地图；
获取当前关键帧信息，并根据所述当前关键帧信息、所述初始关键帧信息和所述道路地图，确定车辆的当前位置。
2.根据权利要求1所述的方法，其特征在于，根据所述当前关键帧信息、所述初始关键帧信息和所述道路地图，确定车辆的当前位置，包括：
根据所述当前关键帧信息和所述初始关键帧信息，确定所述车辆的当前位置与所述道路地图的初始采集位置之间的相对距离；
根据所述相对距离和所述道路地图的初始采集位置，确定所述车辆的当前位置。
3.根据权利要求2所述的方法，其特征在于，根据所述当前关键帧信息和所述初始关键帧信息，确定所述车辆的当前位置与所述道路地图的初始采集位置之间的相对距离，包括：
通过如下公式，确定所述车辆的当前位置与所述道路地图的初始采集位置之间的相对距离：
Figure FDA0002632318520000011
Figure FDA0002632318520000012
其中，x和y分别为所述车辆的当前位置与所述道路地图的初始采集位置的相对横向距离和相对纵向距离；xl为当前关键帧的x轴坐标值，tx为第一初始关键帧的x轴坐标值，wr为车道的宽度，xa为定位阶段a点的x轴坐标值，xb为定位阶段b点的x轴坐标值；
yl为当前关键帧的y轴坐标值，ty为第二初始关键帧的y轴坐标值，sab表示a点到b点的距离，ya为定位阶段a点的y轴坐标值，yb为定位阶段b点的y轴坐标值，tya为建图阶段a点的y轴坐标值，tyb为建图阶段b点的y轴坐标值。
4.根据权利要求3所述的方法，其特征在于，所述第一初始关键帧为初始关键帧中y轴坐标值与当前关键帧相同的关键帧；
所述第二初始关键帧为初始关键帧中x轴坐标值与当前关键帧相同的关键帧。
5.根据权利要求1所述的方法，其特征在于，在根据所述初始关键帧信息构建道路地图之后，还包括：
保存所述道路地图至二进制文件中。
6.根据权利要求1所述的方法，其特征在于，所述初始道路图像信息为初始道路图像的ORB特征信息。
7.一种车辆定位装置，其特征在于，包括：
图像信息获取模块，用于获取初始道路图像信息，并根据所述初始道路图像信息确定初始关键帧信息；
初始地图构建模块，用于根据所述初始关键帧信息构建道路地图；
当前位置确定模块，用于获取当前关键帧信息，并根据所述当前关键帧信息、所述初始关键帧信息和所述道路地图，确定车辆的当前位置。
8.根据权利要求7所述的装置，其特征在于，所述当前位置确定模块，包括：
相对距离确定单元，用于根据所述当前关键帧信息和所述初始关键帧信息，确定所述车辆的当前位置与所述道路地图的初始采集位置之间的相对距离；
当前位置确定单元，用于根据所述相对距离和所述道路地图的初始采集位置，确定所述车辆的当前位置。
9.一种电子设备，其特征在于，所述电子设备包括：
一个或多个处理器；
存储装置，用于存储一个或多个程序，
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-6中任一所述的车辆定位方法。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1-6中任一所述的车辆定位方法。
CN202010814881.6A 2020-08-13 2020-08-13 一种车辆定位方法、装置、电子设备及存储介质 Active CN111986261B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010814881.6A CN111986261B (zh) 2020-08-13 2020-08-13 一种车辆定位方法、装置、电子设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010814881.6A CN111986261B (zh) 2020-08-13 2020-08-13 一种车辆定位方法、装置、电子设备及存储介质

Publications (2)

Publication Number Publication Date
CN111986261A true CN111986261A (zh) 2020-11-24
CN111986261B CN111986261B (zh) 2023-08-18

Family

ID=73434268

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010814881.6A Active CN111986261B (zh) 2020-08-13 2020-08-13 一种车辆定位方法、装置、电子设备及存储介质

Country Status (1)

Country Link
CN (1) CN111986261B (zh)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113030960A (zh) * 2021-04-06 2021-06-25 陕西国防工业职业技术学院 一种基于单目视觉slam的车辆定位方法
CN113469045A (zh) * 2021-06-30 2021-10-01 上海西井信息科技有限公司 无人集卡的视觉定位方法、系统、电子设备和存储介质
CN115620264A (zh) * 2022-12-02 2023-01-17 广汽埃安新能源汽车股份有限公司 车辆定位方法、装置、电子设备和计算机可读介质
CN115950441A (zh) * 2023-03-08 2023-04-11 智道网联科技(北京)有限公司 自动驾驶车辆的融合定位方法、装置及电子设备
CN117221511A (zh) * 2023-11-07 2023-12-12 深圳市麦谷科技有限公司 视频处理方法、装置、存储介质及电子设备

Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20150142248A1 (en) * 2013-11-20 2015-05-21 Electronics And Telecommunications Research Institute Apparatus and method for providing location and heading information of autonomous driving vehicle on road within housing complex
KR20160122368A (ko) * 2015-04-14 2016-10-24 백승렬 공간정보를 이용한 차량 네비게이션의 위치정확도 향상을 위한 영상정보 제공방법 및 그 제공장치
CN107796374A (zh) * 2017-05-18 2018-03-13 北京图森未来科技有限公司 一种图像定位方法、系统和装置
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
US20190263405A1 (en) * 2016-07-27 2019-08-29 Volkswagen Aktiengesellschaft Method, Device And Computer-Readable Storage Medium With Instructions For Determining The Lateral Position Of A Vehicle Relative To The Lanes On A Roadway
WO2019184542A1 (zh) * 2018-03-26 2019-10-03 京东方科技集团股份有限公司 室内定位方法、室内定位系统、室内定位设备和计算机可读介质
CN111065043A (zh) * 2019-10-25 2020-04-24 重庆邮电大学 一种基于车路通信的隧道内车辆融合定位系统及方法
CN111179162A (zh) * 2018-11-12 2020-05-19 北京初速度科技有限公司 一种特殊环境下的定位初始化方法及车载终端
CN111274847A (zh) * 2018-12-04 2020-06-12 上海汽车集团股份有限公司 一种定位方法
US20200226782A1 (en) * 2018-05-18 2020-07-16 Boe Technology Group Co., Ltd. Positioning method, positioning apparatus, positioning system, storage medium, and method for constructing offline map database
WO2020155543A1 (zh) * 2019-02-01 2020-08-06 广州小鹏汽车科技有限公司 一种slam地图拼接方法及系统

Patent Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20150142248A1 (en) * 2013-11-20 2015-05-21 Electronics And Telecommunications Research Institute Apparatus and method for providing location and heading information of autonomous driving vehicle on road within housing complex
KR20160122368A (ko) * 2015-04-14 2016-10-24 백승렬 공간정보를 이용한 차량 네비게이션의 위치정확도 향상을 위한 영상정보 제공방법 및 그 제공장치
US20190263405A1 (en) * 2016-07-27 2019-08-29 Volkswagen Aktiengesellschaft Method, Device And Computer-Readable Storage Medium With Instructions For Determining The Lateral Position Of A Vehicle Relative To The Lanes On A Roadway
CN107796374A (zh) * 2017-05-18 2018-03-13 北京图森未来科技有限公司 一种图像定位方法、系统和装置
WO2019184542A1 (zh) * 2018-03-26 2019-10-03 京东方科技集团股份有限公司 室内定位方法、室内定位系统、室内定位设备和计算机可读介质
US20200226782A1 (en) * 2018-05-18 2020-07-16 Boe Technology Group Co., Ltd. Positioning method, positioning apparatus, positioning system, storage medium, and method for constructing offline map database
CN111179162A (zh) * 2018-11-12 2020-05-19 北京初速度科技有限公司 一种特殊环境下的定位初始化方法及车载终端
CN111274847A (zh) * 2018-12-04 2020-06-12 上海汽车集团股份有限公司 一种定位方法
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
WO2020155543A1 (zh) * 2019-02-01 2020-08-06 广州小鹏汽车科技有限公司 一种slam地图拼接方法及系统
CN111065043A (zh) * 2019-10-25 2020-04-24 重庆邮电大学 一种基于车路通信的隧道内车辆融合定位系统及方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
方辉;杨明;杨汝清;: "基于地面特征点匹配的无人驾驶车全局定位", 机器人, no. 01, pages 55 - 60 *
李克强;戴一凡;李升波;边明远;: "智能网联汽车(ICV)技术的发展现状及趋势", 汽车安全与节能学报, no. 01, pages 1 - 14 *

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113030960A (zh) * 2021-04-06 2021-06-25 陕西国防工业职业技术学院 一种基于单目视觉slam的车辆定位方法
CN113469045A (zh) * 2021-06-30 2021-10-01 上海西井信息科技有限公司 无人集卡的视觉定位方法、系统、电子设备和存储介质
CN115620264A (zh) * 2022-12-02 2023-01-17 广汽埃安新能源汽车股份有限公司 车辆定位方法、装置、电子设备和计算机可读介质
CN115950441A (zh) * 2023-03-08 2023-04-11 智道网联科技(北京)有限公司 自动驾驶车辆的融合定位方法、装置及电子设备
CN115950441B (zh) * 2023-03-08 2023-07-07 智道网联科技(北京)有限公司 自动驾驶车辆的融合定位方法、装置及电子设备
CN117221511A (zh) * 2023-11-07 2023-12-12 深圳市麦谷科技有限公司 视频处理方法、装置、存储介质及电子设备
CN117221511B (zh) * 2023-11-07 2024-03-12 深圳市麦谷科技有限公司 视频处理方法、装置、存储介质及电子设备

Also Published As

Publication number Publication date
CN111986261B (zh) 2023-08-18

Similar Documents

Publication Publication Date Title
CN111986261B (zh) 一种车辆定位方法、装置、电子设备及存储介质
CN110070615B (zh) 一种基于多相机协同的全景视觉slam方法
CN113554698B (zh) 车辆位姿信息生成方法、装置及电子设备、存储介质
CN110160542B (zh) 车道线的定位方法和装置、存储介质、电子装置
CN111830953B (zh) 车辆自定位方法、装置及系统
CN111220153B (zh) 基于视觉拓扑节点和惯性导航的定位方法
CN107167826B (zh) 一种自动驾驶中基于可变网格的图像特征检测的车辆纵向定位系统及方法
CN111986506A (zh) 基于多视觉系统的机械式停车位泊车方法
CN109596121B (zh) 一种机动站自动目标检测与空间定位方法
CN111932616B (zh) 一种利用并行计算加速的双目视觉惯性里程计方法
CN111768489B (zh) 一种室内导航地图构建方法和系统
CN109871739B (zh) 基于yolo-sioctl的机动站自动目标检测与空间定位方法
CN111862673A (zh) 基于顶视图的停车场车辆自定位及地图构建方法
CN114623817B (zh) 基于关键帧滑窗滤波的含自标定的视觉惯性里程计方法
US20230351686A1 (en) Method, device and system for cooperatively constructing point cloud map
CN115164918B (zh) 语义点云地图构建方法、装置及电子设备
Guo et al. Coarse-to-fine semantic localization with HD map for autonomous driving in structural scenes
CN114636414A (zh) 高清晰度城市地图绘制
CN114111775A (zh) 一种多传感器融合定位方法、装置、存储介质及电子设备
CN113920198B (zh) 一种基于语义边缘对齐的由粗到精的多传感器融合定位方法
Yu et al. Monocular visual localization using road structural features
CN111964665B (zh) 基于车载环视图像的智能车定位方法、系统及存储介质
Yang et al. Simultaneous estimation of ego-motion and vehicle distance by using a monocular camera
Wong et al. Vision-based vehicle localization using a visual street map with embedded SURF scale
CN114863096B (zh) 室内停车场的语义地图构建及定位方法和装置

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