CN112001456B - 一种车辆定位方法、装置、存储介质及电子设备 - Google Patents
一种车辆定位方法、装置、存储介质及电子设备 Download PDFInfo
- Publication number
- CN112001456B CN112001456B CN202011176350.5A CN202011176350A CN112001456B CN 112001456 B CN112001456 B CN 112001456B CN 202011176350 A CN202011176350 A CN 202011176350A CN 112001456 B CN112001456 B CN 112001456B
- Authority
- CN
- China
- Prior art keywords
- image
- matched
- precision map
- vehicle
- lane line
- 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.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- 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
- G06V20/588—Recognition of the road, e.g. of lane markings; Recognition of the vehicle driving pattern in relation to the road
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Bioinformatics & Computational Biology (AREA)
- General Engineering & Computer Science (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Multimedia (AREA)
- Traffic Control Systems (AREA)
- Navigation (AREA)
Abstract
本说明书公开了一种车辆定位方法、装置、存储介质及电子设备,本说明书实施例根据车辆的初始定位信息,获取高精地图中相关的车道线,同时获取车辆上多个图像采集设备采集的图像。根据高精地图中相关的车道线,从多个采集的图像中选择待匹配图像,这样选择出的待匹配图像与高精地图共同确定车辆当前的定位信息,并且有效地提高了车辆的定位精度。
Description
技术领域
本说明书涉及无人驾驶领域,尤其涉及一种车辆定位方法、装置、存储介质及电子设备。
背景技术
现如今,无人驾驶车辆的行驶或避障都离不开该车辆的定位信息,而关于车辆定位的方法可谓是多种多样。其中一种方法是:将无人驾驶车辆行驶中拍摄的图像与高精地图进行匹配,根据匹配的结果,确定该车辆当前的定位信息。
现有技术中,无人驾驶车辆只设置了一个固定朝向的相机,并且通过这个相机拍摄行驶中的图像,然后从拍摄的图像中检测出车道线,并与高精地图中相关的车道线进行匹配,根据匹配结果,确定该车辆当前的定位信息。
但在一些特殊场景中,如路口、车辆调头,这时拍摄的图像中的车道线就很难被检测出来,从而影响车辆的定位效果。
发明内容
本说明书实施例提供一种车辆定位方法、装置、存储介质及电子设备,以部分解决上述现有技术存在的问题。
本说明书实施例采用下述技术方案:
本说明书提供的一种车辆定位方法,所述车辆包括多个图像采集设备,所述方法包括:
获取车辆的初始定位信息;
根据所述初始定位信息,确定所述车辆在高精地图中的位置;
根据所述位置,获取所述高精地图中相关的车道线;
获取每个图像采集设备采集的图像;
根据所述高精地图中相关的车道线,从所述图像中选择待匹配图像;
基于所述待匹配图像与所述高精地图,确定所述车辆当前的定位信息。
可选地,根据所述高精地图中相关的车道线,从所述图像中选择待匹配图像,具体包括:
针对每个图像采集设备,根据所述高精地图中相关的车道线的位置与该图像采集设备的位姿,将所述高精地图中相关的车道线投影到该图像采集设备采集的图像中,得到投影车道线;
确定每个图像中投影车道线的投影长度;
根据所述投影长度,从所述多个图像中选择待匹配图像。
可选地,根据所述投影长度,从所述多个图像中选择待匹配图像,具体包括:
根据每个图像中投影车道线的投影长度,选择投影长度最长的图像作为待匹配图像。
可选地,根据所述高精地图中相关的车道线,从所述图像中选择待匹配图像,具体包括:
确定每个图像采集设备采集图像时的姿态;
针对每个图像采集设备,根据该图像采集设备的姿态,计算该图像采集设备的采集方向与所述高精地图中相关的车道线的夹角;
根据所述夹角,从所述多个图像采集设备采集的图像中选择待匹配图像。
可选地,根据所述夹角,从所述多个图像采集设备采集的图像中选择待匹配图像,具体包括:
根据每个图像采集设备的采集方向与所述高精地图中相关的车道线的夹角大小,选择夹角最小的图像采集设备,并将所述图像采集设备采集的图像作为待匹配图像。
可选地,基于待匹配图像与所述高精地图,确定所述车辆当前的定位信息,具体包括:
检测出所述待匹配图像中的车道线,作为待匹配车道线;
将所述待匹配车道线与所述高精地图中相关的车道线进行匹配;
根据匹配结果,确定所述车辆当前的定位信息。
可选地,根据匹配结果,确定所述车辆当前的定位信息,具体包括:
根据匹配结果,确定所述初始定位信息的偏移量;
根据所述初始定位信息的偏移量,对所述初始定位信息进行修正;
根据修正后的初始定位信息,确定所述车辆当前的定位信息。
本说明书提供的一种车辆定位装置,包括:
第一获取模块,用于获取车辆的初始定位信息;
第一确定模块,用于根据所述初始定位信息,确定所述车辆在高精地图中的位置;
第二获取模块,用于根据所述位置,获取所述高精地图中相关的车道线;
第三获取模块,用于获取每个图像采集设备采集的图像;
选择模块,用于根据所述高精地图中相关的车道线,从所述图像中选择待匹配图像;
确定定位模块,用于基于所述待匹配图像与所述高精地图,确定所述车辆当前的定位信息。
本说明书提供的一种计算机可读存储介质,所述存储介质存储有计算机程序,所述计算机程序被处理器执行时实现上述的车辆定位方法。
本说明书提供的一种电子设备,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上述的策略定位方法。
本说明书实施例采用的上述至少一个技术方案能够达到以下有益效果:
本说明书实施例根据车辆的初始定位信息,获取高精地图中相关的车道线,同时获取车辆上多个图像采集设备采集的图像。根据高精地图中相关的车道线,从多个采集的图像中选择待匹配图像,这样选择出的待匹配图像与高精地图共同确定车辆当前的定位信息,并且有效地提高了车辆的定位精度。
附图说明
此处所说明的附图用来提供对本说明书的进一步理解,构成本说明书的一部分,本说明书的示意性实施例及其说明用于解释本说明书,并不构成对本说明书的不当限定。在附图中:
图1为本说明书实施例提供的车辆定位流程示意图;
图2为本说明书实施例提供的图像采集设备的朝向示意图;
图3a~图3b为本说明书实施例提供的高精地图中相关的车道线的投影示意图;
图4为本说明书实施例提供的车辆定位装置结构示意图;
图5为本说明书实施例提供的电子设备的结构示意图。
具体实施方式
本说明书提供的车辆定位方法旨在根据高精地图中相关的车道线,从获取的多个图像中选择待匹配图像作为需要车道线检测的图像。再根据待匹配图像中检测出的车道线与高精地图中相关的车道线确定车辆当前的定位信息。
为使本说明书的目的、技术方案和优点更加清楚,下面将结合本说明书具体实施例及相应的附图对本说明书技术方案进行清楚、完整地描述。显然,所描述的实施例仅是本说明书一部分实施例,而不是全部的实施例。基于本说明书中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本说明书保护的范围。
以下结合附图,详细说明本说明书各实施例提供的技术方案。
图1为本说明书实施例提供的车辆定位流程示意图,包括:
S100:获取车辆的初始定位信息。
在本说明书实施例中,车辆可以包括无人驾驶车辆和具有辅助驾驶功能的有人驾驶的车辆。其中,无人驾驶车辆可以是用于执行配送业务的无人驾驶车辆。车辆在执行业务时,需要对车辆进行定位,获取该车辆的定位信息。可先采用普通的定位方法对车辆进行定位,并获取该车辆的定位信息作为初始定位信息。普通的定位方法可包括:GPS定位、基站定位、无线定位等。其中,初始定位信息是指车辆粗略的位置信息,这个位置信息并不准确。
S102:根据所述初始定位信息,确定所述车辆在高精地图中的位置。
在本说明书实施例中,先获取高精地图,并通过上述步骤S100确定车辆的位置后,将该车辆的位置对应到高精地图中相应的位置。其中,高精地图可包括三维高精地图。
S104:根据所述位置,获取所述高精地图中相关的车道线。
在本说明书实施例中,通过上述步骤S102确定车辆在高精地图中位置后,获取高精地图中与车辆位置相关的车道线。其中,相关的车道线可以是车辆预设范围内的所有车道线,具体可包括:第一种:车辆左侧离车身最近的第一条车道线及车辆右侧离车身最近的第一条车道线;第二种:车辆左侧离车身最近的第一条和第二条车道线及车辆右侧离车身最近的第一条和第二条车道线;第三种:高精地图中所有的车道线。
S106:获取每个图像采集设备采集的图像。
在本说明书实施例中,在车辆上安装多个图像采集设备,图像采集设备可以是相机。在车辆上安装图像采集设备时,可将图像采集设备随意布置。车辆在行驶过程中,利用多个图像采集设备获取该车辆周围的图像。
具体的,如图2所示。在图2中,以所有相机分布在同一水平面为例进行说明,相机1~6均匀分布在同一水平面上,每两个相机的摆放夹角为60度,且每个相机的拍摄朝向不同。这样,每个相机拍摄的图像不同,且车辆自身周围360度的图像都能获得。
需要说明的是,上述步骤S104与步骤S106并没有先后顺序。
S108:根据所述高精地图中相关的车道线,从所述图像中选择待匹配图像。
在本说明书实施例中,通过上述步骤S104获取了高精地图中相关的车道线之后,可根据高精地图中相关的车道线,从多个图像采集设备采集的图像中选择质量最高的图像,作为待匹配图像。选择出的待匹配图像即为最适合后续与高精地图进行匹配从而对车辆进行定位的图像。
具体的,可将高精地图中相关的车道线投影到多个图像采集设备采集的图像中,并且在每个图像中得到投影车道线。针对每个图像,将该图像中的投影车道线与该图像采集的车道线进行比对,根据比对结果,确定该图像中的投影车道线与该图像采集的车道线的偏移量。根据偏移量的大小,从多个图像中选择偏移量小的图像作为待匹配图像。
进一步,还可以将多个图像采集设备采集的图像中的车道线坐标对应到高精地图中,并与高精地图中相关的车道线的坐标进行比对,根据比对结果,从多个图像中选择图像中的车道线坐标与高精地图中相关的车道线的坐标最接近的图像,作为待匹配图像。
另外,也可根据多个图像采集设备采集的图像的清晰度,从多个图像中选择清晰度高的图像作为待匹配图像。
S110:基于所述待匹配图像与所述高精地图,确定所述车辆当前的定位信息。
在本说明书实施例中,通过上述步骤S108选择出待匹配图像后,可将待匹配图像与高精地图进行匹配,并根据匹配结果对车辆进行定位。具体的,可分别获取待匹配图像和高精地图中的特征点,再将待匹配图像中的特征点与高精地图中的特征点进行匹配。根据匹配结果,确定车辆当前的定位信息。其中,当前的定位信息是车辆精确的定位信息。
通过上述图1所示的方法可见,本说明书实施例根据车辆的初始定位信息,获取高精地图中相关的车道线,同时获取车辆上多个图像采集设备采集的图像。根据高精地图中相关的车道线,从多个采集的图像中选择待匹配图像,以从多个图像采集设备分别采集的多个图像中选择出最合适定位的图像,并根据选择出的待匹配图像与高精地图共同确定车辆当前的定位信息,可有效地提高车辆的定位精度。
进一步,在上述步骤S110中,除了可以利用特征点匹配的方法确定车辆当前的定位信息之外,还可以将待匹配图像中的车道线与高精地图中相关的车道线进行匹配。
具体的,对待匹配图像进行车道线检测,检测出的车道线作为待匹配车道线。将待匹配车道线与高精地图中相关的车道线进行匹配。根据匹配结果,确定初始定位信息的偏移量,根据初始定位信息的偏移量,对初始定位信息进行修正。根据修正后的初始定位信息,确定车辆当前的定位信息。
采用上述车道线匹配的方法确定车辆当前的定位信息时,定位精度会受从待匹配图像中检测车道线的结果的影响。因此,为了从待匹配图像中尽可能准确的检测出车道线,在图1所示的步骤S108中,可以将高精地图中相关的车道线投影到多个图像采集设备采集的图像中,根据投影长度选择待匹配图像,也可根据图像采集设备的采集方向与高精地图中相关的车道线之间的夹角选择待匹配图像。
具体的,将高精地图中相关的车道线投影到多个图像采集设备采集的图像中,从多个图像中选择带匹配图像的方法可包括:将针对每个图像采集设备采集,根据高精地图中相关的车道线的位置与该图像采集设备的位姿,将高精地图中相关的车道线投影到该图像采集设备采集的图像中,得到投影车道线。即,将高精地图中相关的车道线由世界坐标转换为该图像采集设备采集到的图像对应的图像坐标。然后确定每个图像中投影车道线的投影长度,根据每个图像中投影长度,选择投影长度最长的图像作为待匹配图像。
进一步,如图3a~图3b所示。在图3a~图3b中,获取高精地图中相关的车道线有:车辆左侧离车身最近的第一条车道线L1及车辆右侧离车身最近的第一条车道线R1。图3a是由图像采集设备1采集的图像1,图3b是由图像采集设备2采集的图像2,在图像1和图像2中还有用细虚线表示采集的车道线l1和r1。将L1和R1投影到图像1中以及图像2中,图像1中得到细实线表示的投影车道线l1’和r1’,图像2中得到细实线表示的投影车道线l1’’和r1’’。l1’的投影长度为len-l1’,r1’的投影长度为len-r1’,l1’’的投影长度为len-l1’’,r1’’的投影长度为len-r1’’。其中,len-l1’+ len-r1’> len-l1’’+ len-r1’’,则选择图像1作为待匹配图像。
另一方面,从多个图像中选择待匹配图像的方法还可包括:确定每个图像采集设备采集图像时的姿态,针对每个图像采集设备,根据该图像采集设备的姿态,计算该图像采集设备的采集方向与所述高精地图中相关的车道线的夹角。根据夹角大小,选择夹角最小的图像采集设备,并将夹角最小的图像采集设备采集的图像作为待匹配图像。其中,图像采集设备的采集方向是指图像采集设备的朝向,如前向和后向。
具体的,在图2中,除了6个相机之外,还有用粗虚线表示的两条车道线L2和R2,每个相机的朝向与车道线的夹角不完全相同。其中,L2和R2平行,就以L2进行说明。在不区分行驶方向的情况下,相机1与L2的夹角为0度,相机2与L2的夹角为60度,相机3与L2的夹角为60度,相机4与L2的夹角为0度,相机5与L2的夹角为60度,相机6与L2的夹角为60度。因此,相机1与L2的夹角加上相机1与R2的夹角为0度,其他相机与车道线的夹角之和以此类推。最终相机1与车道线的夹角之和等于相机4与车道线的夹角之和,并且最小,则将相机1与相机4的图像作为待匹配图像。
通过上述两种方法从多个图像采集设备采集的图像中选择待匹配的图像后,还可以根据待匹配图像中的投影车道线与待匹配图像中检测出的车道线进行匹配,得到车辆当前的定位信息。
具体的,通过第一种方法将高精地图中相关的车道线投影到图像采集设备采集的各个图像中,并且每个图像都包含投影车道线。检测出匹配图像中车道线作为待匹配车道线后,将待匹配车道线与待匹配图像中的投影车道线进行匹配,根据匹配结果,确定初始定位信息的偏移量并对初始定位信息进行修正,确定车辆最终的定位信息,即当前的定位信息。
需要说明的是,在本说明书实施例中提到的车道线可以包括道路的边缘线和道路标志线。
以上为本说明书实施例提供的车辆定位方法,基于同样的思路,本说明书还提供了相应的装置、存储介质和电子设备。
图4为本说明书实施例提供的一种车辆定位装置的结构示意图,所述装置包括:
第一获取模块401,用于获取车辆的初始定位信息;
第一确定模块402,用于根据所述初始定位信息,确定所述车辆在高精地图中的位置;
第二获取模块403,用于根据所述位置,获取所述高精地图中相关的车道线;
第三获取模块404,用于获取每个图像采集设备采集的图像;
选择模块405,用于根据所述高精地图中相关的车道线,从所述图像中选择待匹配图像;
确定定位模块406,用于基于所述待匹配图像与所述高精地图,确定所述车辆当前的定位信息。
可选地,所述选择模块405具体用于,针对每个图像采集设备,根据所述高精地图中相关的车道线的位置与该图像采集设备的位姿,将所述高精地图中相关的车道线投影到该图像采集设备采集的图像中,得到投影车道线;确定每个图像中投影车道线的投影长度;根据所述投影长度,从所述多个图像中选择待匹配图像;根据每个图像中投影车道线的投影长度,选择投影长度最长的图像作为待匹配图像;
确定每个图像采集设备采集图像时的姿态;针对每个图像采集设备,根据该图像采集设备的姿态,计算该图像采集设备的采集方向与所述高精地图中相关的车道线的夹角;根据所述夹角,从所述多个图像采集设备采集的图像中选择待匹配图像;根据每个图像采集设备的采集方向与所述高精地图中相关的车道线的夹角大小,选择夹角最小的图像采集设备,并将所述图像采集设备采集的图像作为待匹配图像。
可选地,所述确定定位模块406具体用于,检测出所述待匹配图像中的车道线,作为待匹配车道线;将所述待匹配车道线与所述高精地图中相关的车道线进行匹配;根据匹配结果,确定所述车辆当前的定位信息;
根据匹配结果,确定所述初始定位信息的偏移量;根据所述初始定位信息的偏移量,对所述初始定位信息进行修正;根据修正后的初始定位信息,确定所述车辆当前的定位信息。
本说明书还提供了一种计算机可读存储介质,所述存储介质存储有计算机程序,所述计算机程序被处理器执行时可用于执行上述图1提供的车辆定位方法。
基于图1所示的运动轨迹的预测方法,本说明书实施例还提供了图5所示的无人设备的结构示意图。如图5,在硬件层面,该无人设备包括处理器、内部总线、网络接口、内存以及非易失性存储器,当然还可能包括其他业务所需要的硬件。处理器从非易失性存储器中读取对应的计算机程序到内存中然后运行,以实现上述图1所述的车辆定位方法。
当然,除了软件实现方式之外,本说明书并不排除其他实现方式,比如逻辑器件抑或软硬件结合的方式等等,也就是说以下处理流程的执行主体并不限定于各个逻辑单元,也可以是硬件或逻辑器件。
在20世纪90年代,对于一个技术的改进可以很明显地区分是硬件上的改进(例如,对二极管、晶体管、开关等电路结构的改进)还是软件上的改进(对于方法流程的改进)。然而,随着技术的发展,当今的很多方法流程的改进已经可以视为硬件电路结构的直接改进。设计人员几乎都通过将改进的方法流程编程到硬件电路中来得到相应的硬件电路结构。因此,不能说一个方法流程的改进就不能用硬件实体模块来实现。例如,可编程逻辑器件(Programmable Logic Device, PLD)(例如现场可编程门阵列(Field Programmable GateArray,FPGA))就是这样一种集成电路,其逻辑功能由用户对器件编程来确定。由设计人员自行编程来把一个数字系统“集成”在一片PLD上,而不需要请芯片制造厂商来设计和制作专用的集成电路芯片。而且,如今,取代手工地制作集成电路芯片,这种编程也多半改用“逻辑编译器(logic compiler)”软件来实现,它与程序开发撰写时所用的软件编译器相类似,而要编译之前的原始代码也得用特定的编程语言来撰写,此称之为硬件描述语言(Hardware Description Language,HDL),而HDL也并非仅有一种,而是有许多种,如ABEL(Advanced Boolean Expression Language)、AHDL(Altera Hardware DescriptionLanguage)、Confluence、CUPL(Cornell University Programming Language)、HDCal、JHDL(Java Hardware Description Language)、Lava、Lola、MyHDL、PALASM、RHDL(RubyHardware Description Language)等,目前最普遍使用的是VHDL(Very-High-SpeedIntegrated Circuit Hardware Description Language)与Verilog。本领域技术人员也应该清楚,只需要将方法流程用上述几种硬件描述语言稍作逻辑编程并编程到集成电路中,就可以很容易得到实现该逻辑方法流程的硬件电路。
控制器可以按任何适当的方式实现,例如,控制器可以采取例如微处理器或处理器以及存储可由该(微)处理器执行的计算机可读程序代码(例如软件或固件)的计算机可读介质、逻辑门、开关、专用集成电路(Application Specific Integrated Circuit,ASIC)、可编程逻辑控制器和嵌入微控制器的形式,控制器的例子包括但不限于以下微控制器:ARC 625D、Atmel AT91SAM、Microchip PIC18F26K20 以及Silicone Labs C8051F320,存储器控制器还可以被实现为存储器的控制逻辑的一部分。本领域技术人员也知道,除了以纯计算机可读程序代码方式实现控制器以外,完全可以通过将方法步骤进行逻辑编程来使得控制器以逻辑门、开关、专用集成电路、可编程逻辑控制器和嵌入微控制器等的形式来实现相同功能。因此这种控制器可以被认为是一种硬件部件,而对其内包括的用于实现各种功能的装置也可以视为硬件部件内的结构。或者甚至,可以将用于实现各种功能的装置视为既可以是实现方法的软件模块又可以是硬件部件内的结构。
上述实施例阐明的系统、装置、模块或单元,具体可以由计算机芯片或实体实现,或者由具有某种功能的产品来实现。一种典型的实现设备为计算机。具体的,计算机例如可以为个人计算机、膝上型计算机、蜂窝电话、相机电话、智能电话、个人数字助理、媒体播放器、导航设备、电子邮件设备、游戏控制台、平板计算机、可穿戴设备或者这些设备中的任何设备的组合。
为了描述的方便,描述以上装置时以功能分为各种单元分别描述。当然,在实施本说明书时可以把各单元的功能在同一个或多个软件和/或硬件中实现。
本领域内的技术人员应明白,本说明书的实施例可提供为方法、系统、或计算机程序产品。因此,本说明书可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本说明书可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本说明书是参照根据本说明书实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
在一个典型的配置中,计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。
内存可能包括计算机可读介质中的非永久性存储器,随机存取存储器(RAM)和/或非易失性内存等形式,如只读存储器(ROM)或闪存(flash RAM)。内存是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括,但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带,磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质,可用于存储可以被计算设备访问的信息。按照本文中的界定,计算机可读介质不包括暂存电脑可读媒体(transitory media),如调制的数据信号和载波。
还需要说明的是,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。
本领域技术人员应明白,本说明书的实施例可提供为方法、系统或计算机程序产品。因此,本说明书可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且,本说明书可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本说明书可以在由计算机执行的计算机可执行指令的一般上下文中描述,例如程序模块。一般地,程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构等等。也可以在分布式计算环境中实践本说明书,在这些分布式计算环境中,由通过通信网络而被连接的远程处理设备来执行任务。在分布式计算环境中,程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。
本说明书中的各个实施例均采用递进的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。尤其,对于系统实施例而言,由于其基本相似于方法实施例,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
以上所述仅为本说明书的实施例而已,并不用于限制本说明书。对于本领域技术人员来说,本说明书可以有各种更改和变化。凡在本说明书的精神和原理之内所作的任何修改、等同替换、改进等,均应包含在本说明书的权利要求范围之内。
Claims (7)
1.一种车辆定位方法,其特征在于,所述车辆包括多个图像采集设备,所述方法包括:
获取车辆的初始定位信息;
根据所述初始定位信息,确定所述车辆在高精地图中的位置;
根据所述位置,获取所述高精地图中相关的车道线;
获取每个图像采集设备采集的图像;
根据所述高精地图中相关的车道线,从所述图像中选择待匹配图像,选择出的待匹配图像是最适合与所述高精地图进行匹配从而对所述车辆进行定位的图像;
基于所述待匹配图像与所述高精地图,确定所述车辆当前的定位信息;
根据所述高精地图中相关的车道线,从所述图像中选择待匹配图像,具体包括:
针对每个图像采集设备,根据所述高精地图中相关的车道线的位置与该图像采集设备的位姿,将所述高精地图中相关的车道线投影到该图像采集设备采集的图像中,得到投影车道线;
确定每个图像中投影车道线的投影长度;
根据每个图像中投影车道线的投影长度,选择投影长度最长的图像作为待匹配图像;
其中,基于所述待匹配图像与所述高精地图,确定所述车辆当前的定位信息,具体包括:
检测出所述待匹配图像中的车道线,作为待匹配车道线;
将所述待匹配车道线与所述高精地图中相关的车道线进行匹配;
根据匹配结果,确定所述车辆当前的定位信息。
2.如权利要求1所述的方法,其特征在于,根据所述高精地图中相关的车道线,从所述图像中选择待匹配图像,具体包括:
确定每个图像采集设备采集图像时的姿态;
针对每个图像采集设备,根据该图像采集设备的姿态,计算该图像采集设备的采集方向与所述高精地图中相关的车道线的夹角;
根据所述夹角,从所述多个图像采集设备采集的图像中选择待匹配图像。
3.如权利要求2所述的方法,其特征在于,根据所述夹角,从所述多个图像采集设备采集的图像中选择待匹配图像,具体包括:
根据每个图像采集设备的采集方向与所述高精地图中相关的车道线的夹角大小,选择夹角最小的图像采集设备,并将所述图像采集设备采集的图像作为待匹配图像。
4.如权利要求1所述的方法,其特征在于,根据匹配结果,确定所述车辆当前的定位信息,具体包括:
根据匹配结果,确定所述初始定位信息的偏移量;
根据所述初始定位信息的偏移量,对所述初始定位信息进行修正;
根据修正后的初始定位信息,确定所述车辆当前的定位信息。
5.一种车辆定位装置,其特征在于,包括:
第一获取模块,用于获取车辆的初始定位信息;
第一确定模块,用于根据所述初始定位信息,确定所述车辆在高精地图中的位置;
第二获取模块,用于根据所述位置,获取所述高精地图中相关的车道线;
第三获取模块,用于获取每个图像采集设备采集的图像;
选择模块,用于根据所述高精地图中相关的车道线,从所述图像中选择待匹配图像,选择出的待匹配图像是最适合与所述高精地图进行匹配从而对所述车辆进行定位的图像;
确定定位模块,用于基于所述待匹配图像与所述高精地图,确定所述车辆当前的定位信息;
所述选择模块,具体用于针对每个图像采集设备,根据所述高精地图中相关的车道线的位置与该图像采集设备的位姿,将所述高精地图中相关的车道线投影到该图像采集设备采集的图像中,得到投影车道线;确定每个图像中投影车道线的投影长度;根据每个图像中投影车道线的投影长度,选择投影长度最长的图像作为待匹配图像;
所述确定定位模块,具体用于检测出所述待匹配图像中的车道线,作为待匹配车道线;将所述待匹配车道线与所述高精地图中相关的车道线进行匹配;根据匹配结果,确定所述车辆当前的定位信息。
6.一种计算机可读存储介质,其特征在于,所述存储介质存储有计算机程序,所述计算机程序被处理器执行时实现上述权利要求1-4任一项所述的方法。
7.一种电子设备,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上述权利要求1-4任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011176350.5A CN112001456B (zh) | 2020-10-28 | 2020-10-28 | 一种车辆定位方法、装置、存储介质及电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011176350.5A CN112001456B (zh) | 2020-10-28 | 2020-10-28 | 一种车辆定位方法、装置、存储介质及电子设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112001456A CN112001456A (zh) | 2020-11-27 |
CN112001456B true CN112001456B (zh) | 2021-07-30 |
Family
ID=73475762
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011176350.5A Active CN112001456B (zh) | 2020-10-28 | 2020-10-28 | 一种车辆定位方法、装置、存储介质及电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112001456B (zh) |
Families Citing this family (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111524185A (zh) * | 2020-04-21 | 2020-08-11 | 上海商汤临港智能科技有限公司 | 定位方法及装置、电子设备和存储介质 |
CN114639079B (zh) * | 2020-12-15 | 2023-06-30 | 北京百度网讯科技有限公司 | 匹配车道线数据的方法、装置、设备和存储介质 |
CN112800159B (zh) * | 2021-01-25 | 2023-10-31 | 北京百度网讯科技有限公司 | 地图数据处理方法及装置 |
CN113280822B (zh) * | 2021-04-30 | 2023-08-22 | 北京觉非科技有限公司 | 一种车辆定位方法及定位装置 |
CN113486755A (zh) * | 2021-06-29 | 2021-10-08 | 上海商汤临港智能科技有限公司 | 一种地图匹配方法及装置、电子设备和存储介质 |
CN113580134B (zh) * | 2021-08-03 | 2022-11-04 | 亿咖通(湖北)技术有限公司 | 视觉定位方法、设备、机器人、存储介质及程序产品 |
CN114937372B (zh) * | 2022-05-18 | 2023-09-05 | 安徽蔚来智驾科技有限公司 | 一种车辆定位系统、定位方法、车辆和存储介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107339996A (zh) * | 2017-06-30 | 2017-11-10 | 百度在线网络技术(北京)有限公司 | 车辆自定位方法、装置、设备及存储介质 |
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 |
CN111010537A (zh) * | 2019-12-06 | 2020-04-14 | 苏州智加科技有限公司 | 车辆控制方法、装置、终端及存储介质 |
CN111126276A (zh) * | 2019-12-24 | 2020-05-08 | 苏州智加科技有限公司 | 车道线检测方法、装置、计算机设备及存储介质 |
CN111830953A (zh) * | 2019-04-12 | 2020-10-27 | 北京四维图新科技股份有限公司 | 车辆自定位方法、装置及系统 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9727793B2 (en) * | 2015-12-15 | 2017-08-08 | Honda Motor Co., Ltd. | System and method for image based vehicle localization |
-
2020
- 2020-10-28 CN CN202011176350.5A patent/CN112001456B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107339996A (zh) * | 2017-06-30 | 2017-11-10 | 百度在线网络技术(北京)有限公司 | 车辆自定位方法、装置、设备及存储介质 |
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 |
CN111830953A (zh) * | 2019-04-12 | 2020-10-27 | 北京四维图新科技股份有限公司 | 车辆自定位方法、装置及系统 |
CN111010537A (zh) * | 2019-12-06 | 2020-04-14 | 苏州智加科技有限公司 | 车辆控制方法、装置、终端及存储介质 |
CN111126276A (zh) * | 2019-12-24 | 2020-05-08 | 苏州智加科技有限公司 | 车道线检测方法、装置、计算机设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN112001456A (zh) | 2020-11-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112001456B (zh) | 一种车辆定位方法、装置、存储介质及电子设备 | |
CN111508258B (zh) | 一种定位方法及装置 | |
CN111238450B (zh) | 视觉定位方法及装置 | |
CN110162089B (zh) | 一种无人驾驶的仿真方法及装置 | |
CN111260726A (zh) | 一种视觉定位方法及装置 | |
CN111288971B (zh) | 一种视觉定位方法及装置 | |
CN112284394A (zh) | 一种地图构建及视觉定位的方法及装置 | |
CN112200851B (zh) | 一种基于点云的目标检测方法、装置及其电子设备 | |
CN112902987B (zh) | 一种位姿修正的方法及装置 | |
CN113674424B (zh) | 一种电子地图绘制的方法及装置 | |
CN112990099B (zh) | 一种车道线检测的方法以及装置 | |
CN114494381A (zh) | 模型训练及深度估计方法、装置、存储介质及电子设备 | |
CN112712009A (zh) | 一种障碍物检测的方法及装置 | |
CN112861831A (zh) | 一种目标物的识别方法、装置、存储介质及电子设备 | |
CN112734851B (zh) | 一种位姿确定的方法以及装置 | |
CN111798489B (zh) | 一种特征点跟踪方法、设备、介质及无人设备 | |
CN114299147A (zh) | 一种定位方法、装置、存储介质及电子设备 | |
CN112712561A (zh) | 一种建图方法、装置、存储介质及电子设备 | |
CN114187355A (zh) | 一种图像标定方法及装置 | |
CN115690231A (zh) | 一种基于多目视觉的定位方法 | |
CN113888611B (zh) | 一种确定图像深度的方法、装置及存储介质 | |
CN116188919B (zh) | 一种测试方法、装置、可读存储介质及电子设备 | |
CN112393723B (zh) | 一种定位方法、设备、介质及无人设备 | |
CN116740114B (zh) | 一种基于凸包检测的目标物边界拟合方法及装置 | |
CN117994740A (zh) | 一种识别交通要素的方法、装置、设备、介质及产品 |
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 |