CN112328731B - 车辆车道级定位方法、装置、电子设备和计算机可读介质 - Google Patents

车辆车道级定位方法、装置、电子设备和计算机可读介质 Download PDF

Info

Publication number
CN112328731B
CN112328731B CN202110010260.7A CN202110010260A CN112328731B CN 112328731 B CN112328731 B CN 112328731B CN 202110010260 A CN202110010260 A CN 202110010260A CN 112328731 B CN112328731 B CN 112328731B
Authority
CN
China
Prior art keywords
value
lane
lane line
positioning result
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.)
Active
Application number
CN202110010260.7A
Other languages
English (en)
Other versions
CN112328731A (zh
Inventor
雷戈航
骆沛
倪凯
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.)
Heduo Technology Guangzhou Co ltd
Original Assignee
HoloMatic Technology Beijing Co Ltd
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 HoloMatic Technology Beijing Co Ltd filed Critical HoloMatic Technology Beijing Co Ltd
Priority to CN202110010260.7A priority Critical patent/CN112328731B/zh
Publication of CN112328731A publication Critical patent/CN112328731A/zh
Application granted granted Critical
Publication of CN112328731B publication Critical patent/CN112328731B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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
    • 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)
  • General Physics & Mathematics (AREA)
  • Databases & Information Systems (AREA)
  • Multimedia (AREA)
  • Remote Sensing (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • Traffic Control Systems (AREA)
  • Navigation (AREA)

Abstract

本公开的实施例公开了车辆车道级定位方法、装置、电子设备和计算机可读介质。该方法的一具体实施方式包括：获取车辆的车道线信息序列集合、车辆位姿矩阵集合和地图信息序列集合；对车道线信息序列集合、车辆位姿矩阵集合和地图信息序列集合进行有效性检验，得到有效性检验结果；响应于有效性检验结果满足第一预设条件，生成距离值，得到距离值序列集合；生成定位结果序列集合；生成可靠性指标值集合和定位结果最大值集合；生成识别质量指标值；对车道线信息序列集合和地图信息序列集合进行匹配处理，生成车道概率值集合；生成当前车道信息。该实施方式可以使得定位得到的地理位置与实际地理位置之间的误差减小，进而，降低了定位错误率。

Description

车辆车道级定位方法、装置、电子设备和计算机可读介质
技术领域
本公开的实施例涉及自动驾驶领域，具体涉及车辆车道级定位方法、装置、电子设备和计算机可读介质。
背景技术
在当今的汽车工业及交通运输行业快速发展的潮流中，高级辅助驾驶技术和无人驾驶技术已经成为重要的研究和发展方向。驾驶员通常利用导航技术、雷达技术等定位技术进行车道级定位，从而确定车辆在当前道路中哪条车道上，为车辆规划和决策模块提供参考。
然而，当采用上述方式进行车道级定位时，经常会存在如下技术问题：
第一，现有的定位技术受环境因素的影响较大，从而，造成定位得到的地理位置与实际地理位置之间存在较大误差。
第二，定位得到的地理位置的准确度不高，从而，导致定位得到的地理位置与实际的道路场景中的位置难以相互匹配，进而，导致驾驶员的误判断率和误操作率较高。
发明内容
本公开的内容部分用于以简要的形式介绍构思，这些构思将在后面的具体实施方式部分被详细描述。本公开的内容部分并不旨在标识要求保护的技术方案的关键特征或必要特征，也不旨在用于限制所要求的保护的技术方案的范围。
本公开的一些实施例提出了车辆车道级定位方法、装置、电子设备和计算机可读介质，来解决以上背景技术部分提到的技术问题中的一项或多项。
第一方面，本公开的一些实施例提供了一种车辆车道级定位方法，该方法包括：获取车辆的车道线信息序列集合、车辆位姿矩阵集合和地图信息序列集合；对上述车道线信息序列集合、上述车辆位姿矩阵集合和上述地图信息序列集合进行有效性检验，得到有效性检验结果；响应于上述有效性检验结果满足第一预设条件，基于上述车道线信息序列集合中的每个车道线信息序列中的每两个相邻车道线信息和对应的上述车辆位姿矩阵集合中的两个车辆位姿矩阵，生成距离值，得到距离值序列集合；基于上述距离值序列集合，生成定位结果序列集合；基于上述定位结果序列集合，生成可靠性指标值集合和定位结果最大值集合；基于上述可靠性指标值集合和上述定位结果最大值集合，生成识别质量指标值；对上述车道线信息序列集合和上述地图信息序列集合进行匹配处理，生成车道概率值集合；基于上述车道概率值集合和上述识别质量指标值，生成当前车道信息。
第二方面，本公开的一些实施例提供了一种车辆车道级定位装置，装置包括：获取单元，被配置成获取车辆的车道线信息序列集合、车辆位姿矩阵集合和地图信息序列集合；有效性检验单元，被配置成对上述车道线信息序列集合、上述车辆位姿矩阵集合和上述地图信息序列集合进行有效性检验，得到有效性检验结果；第一生成单元，被配置成响应于上述有效性检验结果满足第一预设条件，基于上述车道线信息序列集合中的每个车道线信息序列中的每两个相邻车道线信息和对应的上述车辆位姿矩阵集合中的两个车辆位姿矩阵，生成距离值，得到距离值序列集合；第二生成单元，被配置成基于上述距离值序列集合，生成定位结果序列集合；第三生成单元，被配置成基于上述定位结果序列集合，生成可靠性指标值集合和定位结果最大值集合；第四生成单元，被配置成基于上述可靠性指标值集合和上述定位结果最大值集合，生成识别质量指标值；第五生成单元，被配置成对上述车道线信息序列集合和上述地图信息序列集合进行匹配处理，生成车道概率值集合；第六生成单元，被配置成基于上述车道概率值集合和上述识别质量指标值，生成当前车道信息。
第三方面，本公开的一些实施例提供了一种电子设备，包括：一个或多个处理器；存储装置，其上存储有一个或多个程序，当一个或多个程序被一个或多个处理器执行，使得一个或多个处理器实现上述第一方面任一实现方式所描述的方法。
第四方面，本公开的一些实施例提供了一种计算机可读介质，其上存储有计算机程序，其中，程序被处理器执行时实现上述第一方面任一实现方式所描述的方法。
本公开的上述各个实施例具有如下有益效果：通过本公开的一些实施例的车辆车道级定位方法对车辆所在车道进行定位，使得定位得到的地理位置与实际地理位置之间的误差减小。具体来说，造成定位错误率较高原因在于：现有的定位技术受环境因素的影响较大。基于此，本公开的一些实施例的车辆车道级定位方法，首先，获取车辆的车道线信息序列集合、车辆位姿矩阵集合和地图信息序列集合；并对上述车道线信息序列集合、上述车辆位姿矩阵集合和上述地图信息序列集合进行有效性检验，得到有效性检验结果。由此，可以将未通过有效性检验的车道线信息序列集合、车辆位姿矩阵集合和地图信息序列集合去除，从而，满足了后续计算的需求。然后，响应于上述有效性检验结果满足第一预设条件，基于上述车道线信息序列集合中的每个车道线信息序列中的每两个相邻车道线信息和对应的上述车辆位姿矩阵集合中的两个车辆位姿矩阵，生成距离值，得到距离值序列集合。由此，可以得到两个时间点的车道线之间的相对距离。引入了车辆位姿矩阵，使得所生成的距离的准确度有所提高。接着，基于上述距离值序列集合，生成定位结果序列集合。由此，可以得到准确度较高的定位结果。之后，基于上述定位结果序列集合，生成可靠性指标值集合和定位结果最大值集合。由此，可以对车道线信息序列集合进行评估。从而，确定定位的准确度。继而，基于上述可靠性指标值集合和上述定位结果最大值集合，生成识别质量指标值。由此，可以得到车道线信息序列集合的评估值。接着，对上述车道线信息序列集合和上述地图信息序列集合进行匹配处理，生成车道概率值集合。由此，可以确定车道线信息序列集合与地图信息序列集合是否匹配。最后，基于上述车道概率值集合和上述识别质量指标值，生成当前车道信息。由此，降低了环境因素对车道级定位的影响。使得定位得到的地理位置与实际地理位置之间的误差减小。
附图说明
结合附图并参考以下具体实施方式，本公开各实施例的上述和其他特征、优点及方面将变得更加明显。贯穿附图中，相同或相似的附图标记表示相同或相似的元素。应当理解附图是示意性的，元件和元素不一定按照比例绘制。
图1是根据本公开的一些实施例的车辆车道级定位方法的一个应用场景的示意图；
图2是根据本公开的车辆车道级定位方法的一些实施例的流程图；
图3是根据本公开的车辆车道级定位装置的一些实施例的结构示意图；
图4是根据本公开的车辆车道级定位方法的电子设备的结构示意图。
具体实施方式
下面将参照附图更详细地描述本公开的实施例。虽然附图中显示了本公开的某些实施例，然而应当理解的是，本公开可以通过各种形式来实现，而且不应该被解释为限于这里阐述的实施例。相反，提供这些实施例是为了更加透彻和完整地理解本公开。应当理解的是，本公开的附图及实施例仅用于示例性作用，并非用于限制本公开的保护范围。
另外还需要说明的是，为了便于描述，附图中仅示出了与有关发明相关的部分。在不冲突的情况下，本公开中的实施例及实施例中的特征可以相互组合。
需要注意，本公开中提及的“第一”、“第二”等概念仅用于对不同的装置、模块或单元进行区分，并非用于限定这些装置、模块或单元所执行的功能的顺序或者相互依存关系。
需要注意，本公开中提及的“一个”、“多个”的修饰是示意性而非限制性的，本领域技术人员应当理解，除非在上下文另有明确指出，否则应该理解为“一个或多个”。
本公开实施方式中的多个装置之间所交互的消息或者信息的名称仅用于说明性的目的，而并不是用于对这些消息或信息的范围进行限制。
下面将参考附图并结合实施例来详细说明本公开。
图1是根据本公开的一些实施例的车辆车道级定位方法的一个应用场景的示意图100。
在图1的应用场景中，首先，计算设备101可以获取车辆的车道线信息序列集合102、车辆位姿矩阵集合103和地图信息序列集合104。然后，计算设备101可以对上述车道线信息序列集合102、上述车辆位姿矩阵集合103和上述地图信息序列集合104进行有效性检验，得到有效性检验结果105。之后，计算设备101可以响应于上述有效性检验结果105满足第一预设条件，基于上述车道线信息序列集合102中的每个车道线信息序列中的每两个相邻车道线信息和对应的上述车辆位姿矩阵集合103中的两个车辆位姿矩阵，生成距离值，得到距离值序列集合106。接着，计算设备101可以基于上述距离值序列集合106，生成定位结果序列集合107。而后，计算设备101可以基于上述定位结果序列集合107，生成可靠性指标值集合108和定位结果最大值集合109。然后，计算设备101可以基于上述可靠性指标值集合108和上述定位结果最大值集合109，生成识别质量指标值110。之后，计算设备101可以对上述车道线信息序列集合102和上述地图信息序列集合104进行匹配处理，生成车道概率值集合111。最后，计算设备101可以基于上述车道概率值集合111和上述识别质量指标值110，生成当前车道信息112。
需要说明的是，上述计算设备101可以是硬件，也可以是软件。当计算设备为硬件时，可以实现成多个服务器或终端设备组成的分布式集群，也可以实现成单个服务器或单个终端设备。当计算设备体现为软件时，可以安装在上述所列举的硬件设备中。其可以实现成例如用来提供分布式服务的多个软件或软件模块，也可以实现成单个软件或软件模块。在此不做具体限定。
应该理解，图1中的计算设备的数目仅仅是示意性的。根据实现需要，可以具有任意数目的计算设备。
继续参考图2，示出了根据本公开的车辆车道级定位方法的一些实施例的流程200。该车辆车道级定位方法，包括以下步骤：
步骤201，获取车辆的车道线信息序列集合、车辆位姿矩阵集合和地图信息序列集合。
在一些实施例中，车辆车道级定位方法的执行主体（如图1所示的计算设备101）可以通过有线连接方式或者无线连接方式获取车辆的车道线信息序列集合、车辆位姿矩阵集合和地图信息序列集合。其中，上述车道线信息可以包括但不限于以下几项：时间点、车道线序号、车道线长度、线型（例如，实线或者虚线）。上述车道线长度可以是安装在车辆前端的传感器可以识别到的车道线的长度。例如：10米。上述车辆位姿矩阵可以是车辆的位移和姿态构成的矩阵。上述地图信息可以包括但不限于以下几项：时间点、车道线序号、车道线长度、线型（例如，实线或者虚线）。
作为示例，车道线信息可以是：（10:00:00，序号1，10米，实线）。车道线信息序列可以是：[（10:00:00，车道线序号1，10米，实线），(10:00:10，车道线序号1，10米，虚线）]。车道线信息序列集合可以是：{[（10:00:00，车道线序号1，10米，实线），(10:00:10，车道线序号1，10米，虚线）]，[（10:00:00，车道线序号2，10米，虚线），(10:00:10，车道线序号2，10米，虚线）]，[（10:00:00，车道线序号3，10米，实线），(10:00:10，车道线序号3，10米，虚线）]}。上述地图信息可以是：（10:00:00，车道线序号1，10米，实线）。地图信息序列可以是：[（10:00:00，车道线序号1，10米，实线），(10:00:10，车道线序号1，10米，虚线）]。地图信息序列集合可以是：{[（10:00:00，车道线序号1，10米，实线），(10:00:10，车道线序号1，10米，虚线）]，[（10:00:00，序号2，10米，虚线），(10:00:10，车道线序号2，10米，虚线）]，[（10:00:00，序号3，10米，实线），(10:00:10，车道线序号3，10米，虚线）]}。
步骤202，对车道线信息序列集合、车辆位姿矩阵集合和地图信息序列集合进行有效性检验，得到有效性检验结果。
在一些实施例中，上述执行主体可以对上述车道线信息序列集合、上述车辆位姿矩阵集合和上述地图信息序列集合进行有效性检验，得到有效性检验结果。其中，上述有效性检验可以包括但不限于以下几项：检验上述车道线信息序列集合、上述车辆位姿矩阵集合和上述地图信息序列集合是否满足预设条件。例如，上述预设条件可以是上述车道线信息序列集合、上述车辆位姿矩阵集合和上述地图信息序列集合以及车道线信息、车辆位姿矩阵和地图信息都不为空。检验上述车道线信息序列集合、上述车辆位姿矩阵集合和上述地图信息序列集合的先验状态位是否正常。上述先验状态位是指上述车道线信息序列集合、上述车辆位姿矩阵集合和上述地图信息序列集合中每个车道线信息、车辆位姿矩阵和地图信息中的一个有效性标识。例如：正常/无效。检验上述安装在车辆前端的传感器识别到的车道线是否规整、平行、符合法律规定的车道线分布。即识别到的相邻车道线之间的距离不应与法律规定的车道宽度有太大差别。
作为示例，识别到的相邻车道线之间的距离不应与法律规定的车道宽度相差大于2米。有效性检验结果可以包括但不限于以下几项：：上述车道线信息序列集合、上述车辆位姿矩阵集合和上述地图信息序列集合以及车道线信息、车辆位姿矩阵和地图信息都不为空。上述车道线信息序列集合、上述车辆位姿矩阵集合和上述地图信息序列集合以及车道线信息、车辆位姿矩阵和地图信息中至少一个为空。上述车道线信息序列集合、上述车辆位姿矩阵集合和上述地图信息序列集合的先验状态位正常。上述车道线信息序列集合、上述车辆位姿矩阵集合和上述地图信息序列集合的先验状态位至少一个无效。上述安装在车辆前端的传感器识别到的车道线规整、平行、符合法律规定的车道线分布。上述安装在车辆前端的传感器识别到的车道线不规整、不平行、不符合法律规定的车道线分布。
步骤203，响应于有效性检验结果满足第一预设条件，基于车道线信息序列集合中的每个车道线信息序列中的每两个相邻车道线信息和对应的车辆位姿矩阵集合中的两个车辆位姿矩阵，生成距离值，得到距离值序列集合。
在一些实施例中，上述执行主体可以响应于上述有效性检验结果满足第一预设条件，基于上述车道线信息序列集合中的每个车道线信息序列中的每两个相邻车道线信息和对应的上述车辆位姿矩阵集合中的两个车辆位姿矩阵，生成距离值，得到距离值序列集合。其中，上述第一预设条件可以是提前设定的为了满足后续计算需求的条件。上述距离值可以是两个相邻车道线经过坐标转换后的距离。上述坐标转换可以是将时间点在后面（例如：10:00:10）的车道线在车体坐标系下的坐标转换为时间点在前面（例如：10:00:00）的车道线在车体坐标系下的坐标。上述车体坐标系可以是横轴（例如：X轴）平行于地面指向车辆前方，纵轴（例如：Z轴）通过汽车质心指向上方，竖轴（例如：Y轴）指向驾驶员的左侧的坐标系。
作为示例，上述第一预设条件可以是：上述车道线信息序列集合、上述车辆位姿矩阵集合和上述地图信息序列集合以及车道线信息、车辆位姿矩阵和地图信息都不为空。上述车道线信息序列集合、上述车辆位姿矩阵集合和上述地图信息序列集合的先验状态位正常。上述安装在车辆前端的传感器识别到的车道线规整、平行、符合法律规定的车道线分布。
在一些实施例的一些可选的实现方式中，上述车道线信息包括车道线长度；以及上述执行主体可以基于上述车道线信息序列集合中的每个车道线信息序列中的每两个相邻车道线信息和对应的上述车辆位姿矩阵集合中的两个车辆位姿矩阵，生成距离值，可以包括以下步骤：
第一步，将上述两个车辆位姿矩阵分别确定为第一车辆位姿矩阵和第二车辆位姿矩阵。
作为示例，可以将时间点在10:00:00时的车辆位姿矩阵确定为第一车辆位姿矩阵。可以将时间点在10:00:10时的车辆位姿矩阵确定为第二车辆位姿矩阵。
第二步，将上述两个相邻车道线信息分别作为第一车道线信息和第二车道线信息，对上述第二车道线信息对应的车道线长度进行采样处理，得到采样点坐标集合。其中，上述采样处理可以是对第二车道线长度按照一定的距离在车体坐标系下沿横轴进行坐标点采样。
作为示例，可以将时间点在10:00:00时的车道线信息作为第一车道线信息。可以将时间点在10:00:10时的车道线信息作为第二车道线信息。可以每隔5米进行坐标采样。采样得到的坐标可以是[（0，5），（5，5），（10，5）]。
第三步，基于上述采样点坐标集合、上述第一车辆位姿矩阵和上述第二车辆位姿矩阵，生成距离值。其中，上述距离值可以是两个相邻车道线经过坐标转换后，采样点与时间点在前面（例如：10:00:00）的车道线信息的距离。
可选的，上述执行主体可以基于上述采样点坐标集合、上述第一车辆位姿矩阵和上述第二车辆位姿矩阵，生成距离值，可以包括以下步骤：
基于上述采样点坐标集合、上述第一车辆位姿矩阵和上述第二车辆位姿矩阵，利用以下公式，生成距离值：
Figure 100002_DEST_PATH_IMAGE001
。
其中，
Figure DEST_PATH_IMAGE002
表示上述采样点坐标集合中第
Figure 100002_DEST_PATH_IMAGE003
个采样点坐标的转换坐标。
Figure DEST_PATH_IMAGE004
表示上述采样点坐标集合的转换坐标集合中的横坐标集合。
Figure DEST_PATH_IMAGE005
表示上述采样点坐标集合的转换坐标集合中的纵坐标集合。
Figure 100002_DEST_PATH_IMAGE006
表示上述采样点坐标集合中的采样点坐标的横坐标集合。
Figure DEST_PATH_IMAGE007
表示上述采样点坐标集合中的采样点坐标的纵坐标集合。
Figure 719204DEST_PATH_IMAGE003
表示序号。
Figure 100002_DEST_PATH_IMAGE008
表示上述采样点坐标集合中的第
Figure 433082DEST_PATH_IMAGE003
个采样点坐标的横坐标。
Figure DEST_PATH_IMAGE009
表示上述采样点坐标集合中的第
Figure 494710DEST_PATH_IMAGE003
个采样点坐标的纵坐标。
Figure DEST_PATH_IMAGE010
表示上述第一车辆位姿矩阵。
Figure DEST_PATH_IMAGE011
表示上述第二车辆位姿矩阵。
Figure 100002_DEST_PATH_IMAGE012
表示上述第二车辆位姿矩阵的逆矩阵。
Figure DEST_PATH_IMAGE013
表示采样距离值集合。
Figure 100002_DEST_PATH_IMAGE014
表示上述采样距离值集合中的第
Figure 483395DEST_PATH_IMAGE003
个采样距离值。
Figure DEST_PATH_IMAGE015
表示第一系数。
Figure 78193DEST_PATH_IMAGE015
的取值范围为
Figure 100002_DEST_PATH_IMAGE016
。
Figure DEST_PATH_IMAGE017
表示第二系数。
Figure 697393DEST_PATH_IMAGE017
的取值范围为
Figure 100002_DEST_PATH_IMAGE018
。
Figure DEST_PATH_IMAGE019
表示第三系数。
Figure 26743DEST_PATH_IMAGE019
的取值范围为
Figure 100002_DEST_PATH_IMAGE020
。
Figure DEST_PATH_IMAGE021
表示第四系数。
Figure 100002_DEST_PATH_IMAGE022
的取值范围为
Figure DEST_PATH_IMAGE023
。
Figure 100002_DEST_PATH_IMAGE024
表示上述距离值。
Figure DEST_PATH_IMAGE025
表示采样点坐标集合中采样点坐标的数量。
Figure 147015DEST_PATH_IMAGE024
表示上述距离值。
Figure 81473DEST_PATH_IMAGE025
表示采样点坐标集合中采样点坐标的数量。
步骤204，基于距离值序列集合，生成定位结果序列集合。
在一些实施例中，上述执行主体可以对得到的距离值进行求方差和求均值，得到距离值的方差和均值。响应于上述方差和上述均值满足一定条件，生成定位结果。其中，上述距离值包括多个采样点的采样距离值。上述一定条件可以是当上述方差和上述均值都大于预定阈值时，定位成功；当上述方差和上述均值都小于等于预定阈值时，定位失败。上述定位结果可以是定位成功或者定位失败。
作为示例，上述定位成功可以表征时间点在前面（例如：10:00:00）的车道线信息中的车道线序号与时间点在前面（例如：10:00:10）的车道线信息中的车道线序号是一致的。上述定位失败可以表征时间点在前面（例如：10:00:00）的车道线信息中的车道线序号与时间点在前面（例如：10:00:10）的车道线信息中的车道线序号是不一致的。
步骤205，基于定位结果序列集合，生成可靠性指标值集合和定位结果最大值集合。
在一些实施例中，上述执行主体可以基于上述定位结果序列集合，生成可靠性指标值集合和定位结果最大值集合。其中，上述可靠性指标值可以表征车辆在一段时间内一直在一条车道内，保持不换道的概率。上述定位结果最大值可以是定位结果的数量的最大值。
作为示例，上述执行主体可以根据定位结果中的定位成功或者定位失败的数量，生成可靠性指标值集合和定位结果最大值集合。
在一些实施例的一些可选的实现方式中，上述定位结果包括第一定位结果和第二定位结果；以及上述执行主体可以基于上述定位结果序列集合，生成可靠性指标值集合和定位结果最大值集合，可以包括以下步骤：
基于上述定位结果序列集合中的每个定位结果序列中的第一定位结果和第二定位结果，分别生成定位结果计数值和定位结果最大值，得到定位结果最大值集合和作为可靠性指标值集合的定位结果计数值集合。其中，当定位结果最大值大于等于预定阈值时，将预定阈值作为定位结果最大值。当定位结果最大值小于预定阈值时，将当前定位结果最大值作为定位结果最大值。上述当前定位结果最大值可以是实际中当前的定位结果最大值。上述第一定位结果可以是定位成功。上述第二定位结果可以是定位失败。
作为示例，可以在车辆上安装能够检测是定位结果的计数器。上述计数器的初始值为0。时间点在前面（例如：10:00:00）的车道线信息中的车道线序号与时间点在前面（例如：10:00:10）的车道线信息中的车道线序号是一致，可以表示定位成功。时间点在前面（例如：10:00:00）的车道线信息中的车道线序号与时间点在前面（例如：10:00:10）的车道线信息中的车道线序号是不一致，可以表示定位失败。定位成功，上述计数器的计数值加1。定位失败，上述计数器的计数值减1。当计数器的计数值等于预定阈值，上述计数器的计数值不再加1，保存不变。当计数器的计数值减到0时，上述计数器的计数值不再减1，保存不变。上述预定阈值可以是10。定位结果最大值可以是10，也可以小于10。
步骤206，基于可靠性指标值集合和定位结果最大值集合，生成识别质量指标值。
在一些实施例中，上述执行主体可以基于上述可靠性指标值集合和上述定位结果最大值集合，生成识别质量指标值。其中，上述识别质量指标值可以表征获取上述车辆的车道线信息序列集合的整体质量。即有效的车道线占所有车道线的比例。有效的车道线可以是大于预定阈值的可靠性指标值对应的车道线信息。作为示例，上述预定阈值可以是8。
在一些实施例的一些可选的实现方式中，上述执行主体可以基于上述可靠性指标值集合和上述定位结果最大值集合，生成识别质量指标值，可以包括以下步骤：
将上述可靠性指标值集合和上述定位结果最大值集合输入至以下公式以生成识别质量指标值：
Figure 100002_DEST_PATH_IMAGE026
。
其中，
Figure DEST_PATH_IMAGE027
表示上述识别质量指标值。
Figure 100002_DEST_PATH_IMAGE028
表示上述可靠性指标值集合。
Figure DEST_PATH_IMAGE029
表示上述可靠性指标值集合中第
Figure 100002_DEST_PATH_IMAGE030
个可靠性指标值。
Figure DEST_PATH_IMAGE031
表示上述车道线信息序列集合中的车道线信息序列的数量。
Figure 746941DEST_PATH_IMAGE030
表示序号。
Figure 100002_DEST_PATH_IMAGE032
表示上述定位结果最大值集合。
Figure DEST_PATH_IMAGE033
表示上述定位结果最大值集合第
Figure 78434DEST_PATH_IMAGE030
个定位结果最大值。
作为示例，上述车道线信息序列集合中的车道线信息序列的数量可以是3。上述可靠性指标值集合可以是[10，9，8]。上述定位结果最大值集合可以是[10，10，10]。则识别质量指标值可以是0.9。（计算过程如下式）：
Figure 100002_DEST_PATH_IMAGE034
。
上述步骤203和步骤206中的公式及其相关内容作为本公开的实施例的一个发明点，解决了背景技术提及的技术问题二“定位得到的地理位置的准确度不高，从而，导致定位得到的地理位置与实际的道路场景中的位置难以相互匹配，进而，导致驾驶员的误判断率和误操作率较高”。导致驾驶员的误判断率和误操作率较高的因素往往如下：定位得到的地理位置的准确度不高，从而，导致定位得到的地理位置与实际的道路场景中的位置难以相互匹配。如果解决了上述因素，就能达到降低驾驶员的误判断率和误操作率的效果。为了达到这一效果，首先，引入了对获得的车道线信息对应的车道线长度进行采样，得到一定数目个采样坐标点。引入车辆位姿矩阵，将两个时间点获得的车辆位姿矩阵进行坐标转换。并将一定数目个采样坐标点和车辆位姿矩阵相乘得到采样坐标点与车道线的距离值。由此，通过坐标点采样，对车道线长度进行细化计算距离值，提高了距离值的准确度。接着，计算距离值的方差和均值，从而，判断定位结果。对获得的所有车道线信息中得到的定位结果进行计数，得到可靠性指标值集合和定位结果最大值集合。将可靠性指标值集合和定位结果最大值集合进行除法运算，得到识别质量指标值。可以得出车道线信息序列集合的整体质量程度。由此，使得定位得到的地理位置的准确度有所提高，从而，使得定位得到的地理位置与实际的道路场景中的位置基本相互匹配，进而，降低了驾驶员的误判断率和误操作率。
步骤207，对车道线信息序列集合和地图信息序列集合进行匹配处理，生成车道概率值集合。
在一些实施例中，上述执行主体可以对上述车道线信息序列集合和上述地图信息序列集合进行匹配处理，生成车道概率值集合。其中，车道线序号可以是车道线序号1，车道线序号2和车道线序号3。车道可以是由车道线序号1和车道线序号2组成的第一车道，由车道线序号2和车道线序号3组成的第二车道。上述车道概率值可以是车辆分别位于第一车道线和第一车道线概率值。
作为示例，上述地图信息序列集合可以是{[（10:00:00，车道线序号1，10米，实线），(10:00:10，车道线序号1，10米，虚线）]，[（10:00:00，序号2，10米，虚线），(10:00:10，车道线序号2，10米，虚线）]，[（10:00:00，序号3，10米，实线），(10:00:10，车道线序号3，10米，虚线）]}。上述车道线信息序列集合可以是{[（10:00:00，车道线序号1，10米，实线），(10:00:10，车道线序号1，10米，虚线）]，[（10:00:00，车道线序号2，10米，虚线），(10:00:10，车道线序号2，10米，虚线）]}。则上述地图信息序列集合在10:00:00对应的车道线线型集合可以是[实线，虚线，实线]。实线和虚线之间可以是第一车道。虚线和实线之间可以是第二车道。车道线信息序列集合在10:00:00对应的车道线线型集合可以是[实线，虚线]。可知，车辆位于第一车道。上述车道概率值集合可以是[1+0.2，1]。
步骤208，基于车道概率值集合和识别质量指标值，生成当前车道信息。
在一些实施例中，上述执行主体可以基于上述车道概率值集合和上述识别质量指标值，生成当前车道信息。
在一些实施例的一些可选的实现方式中，上述执行主体可以基于上述车道概率值集合和上述识别质量指标值，生成当前车道信息，可以包括以下步骤：
第一步，获取初始概率矩阵。其中，上述初始概率矩阵可以是一个2n×1维的矩阵。n为车道的数量。前n维表示识别质量指标值大于预定阈值时，车辆在各个车道的概率值。后n维表示识别质量指标值小于预定阈值时，车辆在各个车道的概率值。
第二步，构建基础转移矩阵。其中，上述基础转移矩阵可以是一个n×n维的矩阵。上述基础转移矩阵中的数值可以是服从正态分布的概率值。
第三步，将上述基础转移矩阵进行矩阵转化处理以生成状态转移矩阵。其中，上述状态转移矩阵可以是一个2n×2n维的矩阵。
第四步，将上述初始概率矩阵与上述状态转移矩阵进行求积处理，得到预测值集合。
第五步，基于上述预测值集合和上述车道概率值集合，生成更新值集合。其中，上述更新值可以是对预测值进行更新得到的值。
第六步，从上述更新值集合中筛选出满足第二预设条件的第一更新值和第二更新值。作为示例，上述第二预设条件可以是上述更新值集合中数值最大的更新值和次大的更新值。
第七步，对上述第一更新值和上述第二更新值进行求差值处理以生成概率差值，响应于上述概率差值大于预定阈值，生成当前车道信息。作为示例，上述预定阈值可以是10。
可选地，上述基于上述预测值集合和上述车道概率值集合，生成更新值集合，可以包括以下步骤：
将上述预测值集合和上述车道概率值集合输入至以下公式以生成更新值集合：
Figure DEST_PATH_IMAGE035
。
其中，
Figure DEST_PATH_IMAGE036
表示上述更新值集合。
Figure DEST_PATH_IMAGE037
表示上述预测值集合。
Figure 425233DEST_PATH_IMAGE027
表示上述识别质量指标值。
Figure 100002_DEST_PATH_IMAGE038
表示上述车道概率值集合。
可选地，将上述当前车道信息发送至车载终端，以供车载终端将上述当前车道信息显示在显示屏上。
作为示例，上述执行主体可以将上述当前车道信息发送至车载终端，以供车载终端将上述当前车道信息显示在显示屏上。由此，驾驶员可以根据当前车道信息调整驾驶策略。
本公开的上述各个实施例具有如下有益效果：通过本公开的一些实施例的车辆车道级定位方法对车辆所在车道进行定位，使得定位得到的地理位置与实际地理位置之间的误差减小。具体来说，造成定位错误率较高原因在于：现有的定位技术受环境因素的影响较大。基于此，本公开的一些实施例的车辆车道级定位方法，首先，获取车辆的车道线信息序列集合、车辆位姿矩阵集合和地图信息序列集合；并对上述车道线信息序列集合、上述车辆位姿矩阵集合和上述地图信息序列集合进行有效性检验，得到有效性检验结果。由此，可以将未通过有效性检验的车道线信息序列集合、车辆位姿矩阵集合和地图信息序列集合去除，从而，满足了后续计算的需求。然后，响应于上述有效性检验结果满足第一预设条件，基于上述车道线信息序列集合中的每个车道线信息序列中的每两个相邻车道线信息和对应的上述车辆位姿矩阵集合中的两个车辆位姿矩阵，生成距离值，得到距离值序列集合。由此，可以得到两个时间点的车道线之间的相对距离。引入了车辆位姿矩阵，使得所生成的距离的准确度有所提高。接着，基于上述距离值序列集合，生成定位结果序列集合。由此，可以得到准确度较高的定位结果。之后，基于上述定位结果序列集合，生成可靠性指标值集合和定位结果最大值集合。由此，可以对车道线信息序列集合进行评估。从而，确定定位的准确度。继而，基于上述可靠性指标值集合和上述定位结果最大值集合，生成识别质量指标值。由此，可以得到车道线信息序列集合的评估值。接着，对上述车道线信息序列集合和上述地图信息序列集合进行匹配处理，生成车道概率值集合。由此，可以确定车道线信息序列集合与地图信息序列集合是否匹配。最后，基于上述车道概率值集合和上述识别质量指标值，生成当前车道信息。由此，降低了环境因素对车道级定位的影响。使得定位得到的地理位置与实际地理位置之间的误差减小。
进一步参考图3，作为对上述各图上述方法的实现，本公开提供了一种车辆车道级定位装置的一些实施例，这些装置实施例与图2上述的那些方法实施例相对应，该装置具体可以应用于各种电子设备中。
如图3所示，一些实施例的车辆车道级定位装置300包括：获取单元301、有效性检验单元302、第一生成单元303、第二生成单元304、第三生成单元305、第四生成单元306、第五生成单元307和第六生成单元308。其中，获取单元301，被配置成获取车辆的车道线信息序列集合、车辆位姿矩阵集合和地图信息序列集合；有效性检验单元302，被配置成对上述车道线信息序列集合、上述车辆位姿矩阵集合和上述地图信息序列集合进行有效性检验，得到有效性检验结果；第一生成单元303，被配置成响应于上述有效性检验结果满足第一预设条件，基于上述车道线信息序列集合中的每个车道线信息序列中的每两个相邻车道线信息和对应的上述车辆位姿矩阵集合中的两个车辆位姿矩阵，生成距离值，得到距离值序列集合；第二生成单元304，被配置成基于上述距离值序列集合，生成定位结果序列集合；第三生成单元305，被配置成基于上述定位结果序列集合，生成可靠性指标值集合和定位结果最大值集合；第四生成单元306，被配置成基于上述可靠性指标值集合和上述定位结果最大值集合，生成识别质量指标值；第五生成单元307，被配置成对上述车道线信息序列集合和上述地图信息序列集合进行匹配处理，生成车道概率值集合；第六生成单元308，被配置成基于上述车道概率值集合和上述识别质量指标值，生成当前车道信息。
可以理解的是，该装置300中记载的诸单元与参考图2描述的方法中的各个步骤相对应。由此，上文针对方法描述的操作、特征以及产生的有益效果同样适用于装置300及其中包含的单元，在此不再赘述。
下面参考图4，其示出了适于用来实现本公开的一些实施例的电子设备（例如，图1中的计算设备101）400的结构示意图。图4示出的电子设备仅仅是一个示例，不应对本公开的实施例的功能和使用范围带来任何限制。
如图4所示，电子设备400可以包括处理装置（例如中央处理器、图形处理器等）401，其可以根据存储在只读存储器（ROM）402中的程序或者从存储装置408加载到随机访问存储器（RAM）403中的程序而执行各种适当的动作和处理。在RAM 403中，还存储有电子设备400操作所需的各种程序和数据。处理装置401、ROM 402以及RAM 403通过总线404彼此相连。输入/输出（I/O）接口404也连接至总线404。
通常，以下装置可以连接至I/O接口404：包括例如触摸屏、触摸板、键盘、鼠标、摄像头、麦克风、加速度计、陀螺仪等的输入装置406；包括例如液晶显示器（LCD）、扬声器、振动器等的输出装置407；包括例如磁带、硬盘等的存储装置408；以及通信装置409。通信装置409可以允许电子设备400与其他设备进行无线或有线通信以交换数据。虽然图4示出了具有各种装置的电子设备400，但是应理解的是，并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。图4中示出的每个方框可以代表一个装置，也可以根据需要代表多个装置。
特别地，根据本公开的一些实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本公开的一些实施例包括一种计算机程序产品，其包括承载在计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的一些实施例中，该计算机程序可以通过通信装置409从网络上被下载和安装，或者从存储装置408被安装，或者从ROM 402被安装。在该计算机程序被处理装置401执行时，执行本公开的一些实施例的方法中限定的上述功能。
需要说明的是，本公开的一些实施例中记载的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器（RAM）、只读存储器（ROM）、可擦式可编程只读存储器（EPROM或闪存）、光纤、便携式紧凑磁盘只读存储器（CD-ROM）、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开的一些实施例中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本公开的一些实施例中，计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读信号介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：电线、光缆、RF（射频）等等，或者上述的任意合适的组合。
在一些实施方式中，客户端、服务器可以利用诸如HTTP（HyperText TransferProtocol，超文本传输协议）之类的任何当前已知或未来研发的网络协议进行通信，并且可以与任意形式或介质的数字数据通信（例如，通信网络）互连。通信网络的示例包括局域网（“LAN”），广域网（“WAN”），网际网（例如，互联网）以及端对端网络（例如，ad hoc端对端网络），以及任何当前已知或未来研发的网络。
上述计算机可读介质可以是上述装置中所包含的；也可以是单独存在，而未装配入该电子设备中。上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被该电子设备执行时，使得该电子设备：获取车辆的车道线信息序列集合、车辆位姿矩阵集合和地图信息序列集合；对上述车道线信息序列集合、上述车辆位姿矩阵集合和上述地图信息序列集合进行有效性检验，得到有效性检验结果；响应于上述有效性检验结果满足第一预设条件，基于上述车道线信息序列集合中的每个车道线信息序列中的每两个相邻车道线信息和对应的上述车辆位姿矩阵集合中的两个车辆位姿矩阵，生成距离值，得到距离值序列集合；基于上述距离值序列集合，生成定位结果序列集合；基于上述定位结果序列集合，生成可靠性指标值集合和定位结果最大值集合；基于上述可靠性指标值集合和上述定位结果最大值集合，生成识别质量指标值；对上述车道线信息序列集合和上述地图信息序列集合进行匹配处理，生成车道概率值集合；基于上述车道概率值集合和上述识别质量指标值，生成当前车道信息。
可以以一种或多种程序设计语言或其组合来编写用于执行本公开的一些实施例的操作的计算机程序代码，上述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网（LAN）或广域网（WAN）——连接到用户计算机，或者，可以连接到外部计算机（例如利用因特网服务提供商来通过因特网连接）。
附图中的流程图和框图，图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
描述于本公开的一些实施例中的单元可以通过软件的方式实现，也可以通过硬件的方式来实现。所描述的单元也可以设置在处理器中，例如，可以描述为：一种处理器包括获取单元、有效性检验单元、第一生成单元、第二生成单元、第三生成单元、第四生成单元、第五生成单元和第六生成单元。其中，这些单元的名称在某种情况下并不构成对该单元本身的限定，例如，获取单元还可以被描述为“获取上述车辆的车道线信息序列集合、车辆位姿矩阵集合和地图信息序列集合的单元”。
本文中以上描述的功能可以至少部分地由一个或多个硬件逻辑部件来执行。例如，非限制性地，可以使用的示范类型的硬件逻辑部件包括：现场可编程门阵列（FPGA）、专用集成电路（ASIC）、专用标准产品（ASSP）、片上系统（SOC）、复杂可编程逻辑设备（CPLD）等等。
以上描述仅为本公开的一些较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本公开的实施例中所涉及的发明范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离上述发明构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本公开的实施例中公开的（但不限于）具有类似功能的技术特征进行互相替换而形成的技术方案。

Claims (5)

1.一种车辆车道级定位方法，包括：
获取车辆的车道线信息序列集合、车辆位姿矩阵集合和地图信息序列集合；
对所述车道线信息序列集合、所述车辆位姿矩阵集合和所述地图信息序列集合进行有效性检验，得到有效性检验结果；
响应于所述有效性检验结果满足第一预设条件，基于所述车道线信息序列集合中的每个车道线信息序列中的每两个相邻车道线信息和对应的所述车辆位姿矩阵集合中的两个车辆位姿矩阵，生成距离值，得到距离值序列集合；
基于所述距离值序列集合，生成定位结果序列集合；
基于所述定位结果序列集合，生成可靠性指标值集合和定位结果最大值集合；
基于所述可靠性指标值集合和所述定位结果最大值集合，生成识别质量指标值；
对所述车道线信息序列集合和所述地图信息序列集合进行匹配处理，生成车道概率值集合；
基于所述车道概率值集合和所述识别质量指标值，生成当前车道信息；
将所述当前车道信息发送至车载终端，以供车载终端将所述当前车道信息显示在显示屏上；
其中，所述车道线信息包括车道线长度；以及
所述基于所述车道线信息序列集合中的每个车道线信息序列中的每两个相邻车道线信息和对应的所述车辆位姿矩阵集合中的两个车辆位姿矩阵，生成距离值，包括：
将所述两个车辆位姿矩阵分别确定为第一车辆位姿矩阵和第二车辆位姿矩阵；
将所述两个相邻车道线信息分别作为第一车道线信息和第二车道线信息，对所述第二车道线信息对应的车道线长度进行采样处理，得到采样点坐标集合；
基于所述采样点坐标集合、所述第一车辆位姿矩阵和所述第二车辆位姿矩阵，生成距离值；
所述基于所述采样点坐标集合、所述第一车辆位姿矩阵和所述第二车辆位姿矩阵，生成距离值，包括：
基于所述采样点坐标集合、所述第一车辆位姿矩阵和所述第二车辆位姿矩阵，利用以下公式，生成距离值：
Figure DEST_PATH_IMAGE001
,
其中，
Figure 487600DEST_PATH_IMAGE002
表示所述采样点坐标集合中第
Figure DEST_PATH_IMAGE003
个采样点坐标的转换坐标，
Figure 816950DEST_PATH_IMAGE005
表示所述采样点坐标集合的转换坐标集合中的横坐标集合，
Figure DEST_PATH_IMAGE006
表示所述采样点坐标集合的转换坐标集合中的纵坐标集合，
Figure 343747DEST_PATH_IMAGE007
表示所述采样点坐标集合中的采样点坐标的横坐标集合，
Figure DEST_PATH_IMAGE008
表示所述采样点坐标集合中的采样点坐标的纵坐标集合，
Figure 74942DEST_PATH_IMAGE003
表示序号，
Figure 537148DEST_PATH_IMAGE009
表示所述采样点坐标集合中的第
Figure 884952DEST_PATH_IMAGE003
个采样点坐标的横坐标，
Figure 90806DEST_PATH_IMAGE010
表示所述采样点坐标集合中的第
Figure 942087DEST_PATH_IMAGE003
个采样点坐标的纵坐标，
Figure 840773DEST_PATH_IMAGE011
表示所述第一车辆位姿矩阵，
Figure DEST_PATH_IMAGE012
表示所述第二车辆位姿矩阵，
Figure 144715DEST_PATH_IMAGE013
表示所述第二车辆位姿矩阵的逆矩阵，
Figure DEST_PATH_IMAGE014
表示采样距离值集合，
Figure 13314DEST_PATH_IMAGE015
表示所述采样距离值集合中的第
Figure 125627DEST_PATH_IMAGE003
个采样距离值，
Figure DEST_PATH_IMAGE016
表示第一系数，
Figure 57198DEST_PATH_IMAGE016
的取值范围为
Figure 254961DEST_PATH_IMAGE017
，
Figure DEST_PATH_IMAGE018
表示第二系数，
Figure 927251DEST_PATH_IMAGE018
的取值范围为
Figure 894070DEST_PATH_IMAGE019
，
Figure DEST_PATH_IMAGE020
表示第三系数，
Figure 728034DEST_PATH_IMAGE020
的取值范围为
Figure 944252DEST_PATH_IMAGE021
，
Figure DEST_PATH_IMAGE022
表示第四系数，
Figure 623495DEST_PATH_IMAGE022
的取值范围为
Figure 241558DEST_PATH_IMAGE023
，
Figure DEST_PATH_IMAGE024
表示所述距离值，
Figure DEST_PATH_IMAGE026
表示采样点坐标集合中采样点坐标的数量；
所述定位结果包括第一定位结果和第二定位结果；以及
所述基于所述定位结果序列集合，生成可靠性指标值集合和定位结果最大值集合，包括：
基于所述定位结果序列集合中的每个定位结果序列中的第一定位结果和第二定位结果，分别生成定位结果计数值和定位结果最大值，得到定位结果最大值集合和作为可靠性指标值集合的定位结果计数值集合；
所述基于所述可靠性指标值集合和所述定位结果最大值集合，生成识别质量指标值，包括：
将所述可靠性指标值集合和所述定位结果最大值集合输入至以下公式以生成识别质量指标值：
Figure 574319DEST_PATH_IMAGE027
，
其中，
Figure DEST_PATH_IMAGE028
表示所述识别质量指标值，
Figure 746674DEST_PATH_IMAGE029
表示所述可靠性指标值集合，
Figure DEST_PATH_IMAGE030
表示所述可靠性指标值集合中第
Figure 964029DEST_PATH_IMAGE031
个可靠性指标值，
Figure DEST_PATH_IMAGE032
表示所述车道线信息序列集合中的车道线信息序列的数量，
Figure 295653DEST_PATH_IMAGE031
表示序号，
Figure 877944DEST_PATH_IMAGE033
表示所述定位结果最大值集合，
Figure DEST_PATH_IMAGE034
表示所述定位结果最大值集合第
Figure 856703DEST_PATH_IMAGE031
个定位结果最大值，所述定位结果最大值是定位结果的数量的最大值。
2.根据权利要求1所述的方法，其中，所述基于所述车道概率值集合和所述识别质量指标值，生成当前车道信息，包括：
获取初始概率矩阵，其中，所述初始概率矩阵是一个2n×1维的矩阵，n为车道的数量，前n维表示识别质量指标值大于预定阈值时，车辆在各个车道的概率值，后n维表示识别质量指标值小于预定阈值时，车辆在各个车道的概率值；
构建基础转移矩阵；
将所述基础转移矩阵进行矩阵转化处理以生成状态转移矩阵；
将所述初始概率矩阵与所述状态转移矩阵进行求积处理，得到预测值集合；
基于所述预测值集合和所述车道概率值集合，生成更新值集合；
从所述更新值集合中筛选出满足第二预设条件的第一更新值和第二更新值；
对所述第一更新值和所述第二更新值进行求差值处理以生成概率差值，响应于所述概率差值大于预定阈值，生成当前车道信息。
3.根据权利要求2所述的方法，其中，所述基于所述预测值集合和所述车道概率值集合，生成更新值集合，包括：
将所述预测值集合和所述车道概率值集合输入至以下公式以生成更新值集合：
Figure 674486DEST_PATH_IMAGE035
，
其中，
Figure 204825DEST_PATH_IMAGE037
表示所述更新值集合，
Figure DEST_PATH_IMAGE038
表示所述预测值集合，
Figure 879388DEST_PATH_IMAGE028
表示所述识别质量指标值，
Figure 557494DEST_PATH_IMAGE039
表示所述车道概率值集合。
4.一种电子设备，包括：
一个或多个处理器；
存储装置，其上存储有一个或多个程序；
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1-3中任一所述的方法。
5.一种计算机可读介质，其上存储有计算机程序，其中，所述程序被处理器执行时实现如权利要求1-3中任一所述的方法。
CN202110010260.7A 2021-01-06 2021-01-06 车辆车道级定位方法、装置、电子设备和计算机可读介质 Active CN112328731B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110010260.7A CN112328731B (zh) 2021-01-06 2021-01-06 车辆车道级定位方法、装置、电子设备和计算机可读介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110010260.7A CN112328731B (zh) 2021-01-06 2021-01-06 车辆车道级定位方法、装置、电子设备和计算机可读介质

Publications (2)

Publication Number Publication Date
CN112328731A CN112328731A (zh) 2021-02-05
CN112328731B true CN112328731B (zh) 2021-07-09

Family

ID=74302489

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110010260.7A Active CN112328731B (zh) 2021-01-06 2021-01-06 车辆车道级定位方法、装置、电子设备和计算机可读介质

Country Status (1)

Country Link
CN (1) CN112328731B (zh)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113255619B (zh) * 2021-07-09 2021-11-23 禾多科技（北京）有限公司 车道线识别及定位方法、电子设备和计算机可读介质
CN114140538B (zh) * 2021-12-03 2022-09-27 禾多科技（北京）有限公司 车载相机位姿调整方法、装置、设备和计算机可读介质
CN115143985B (zh) * 2022-09-05 2022-12-09 小米汽车科技有限公司 车辆定位方法、装置、车辆及可读存储介质
CN115326079B (zh) * 2022-10-11 2023-01-13 禾多科技（北京）有限公司 车辆车道级定位方法、装置、设备和计算机可读介质

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110174113A (zh) * 2019-04-28 2019-08-27 福瑞泰克智能系统有限公司 一种车辆行驶车道的定位方法、装置及终端
CN111507129A (zh) * 2019-01-31 2020-08-07 广州汽车集团股份有限公司 车道级定位方法及系统、计算机设备、车辆、存储介质

Family Cites Families (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9460624B2 (en) * 2014-05-06 2016-10-04 Toyota Motor Engineering & Manufacturing North America, Inc. Method and apparatus for determining lane identification in a roadway
US11125566B2 (en) * 2015-07-16 2021-09-21 Ford Global Technologies, Llc Method and apparatus for determining a vehicle ego-position
CN110146909B (zh) * 2018-09-06 2022-03-15 腾讯科技（深圳）有限公司 一种定位数据处理方法
CN111380538B (zh) * 2018-12-28 2023-01-24 沈阳美行科技股份有限公司 一种车辆定位方法、导航方法及相关装置
CN111507130B (zh) * 2019-01-31 2023-08-18 广州汽车集团股份有限公司 车道级定位方法及系统、计算机设备、车辆、存储介质
CN110556012B (zh) * 2019-09-16 2022-03-08 北京百度网讯科技有限公司 车道定位方法及车辆定位系统
CN110979346B (zh) * 2019-11-29 2021-08-31 北京百度网讯科技有限公司 确定车辆所处车道的方法、装置及设备
CN111126323A (zh) * 2019-12-26 2020-05-08 广东星舆科技有限公司 服务于交通违规检测的卡口元素识别与分析方法、系统
CN112115857B (zh) * 2020-09-17 2024-03-01 福建牧月科技有限公司 智能汽车的车道线识别方法、装置、电子设备及介质

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111507129A (zh) * 2019-01-31 2020-08-07 广州汽车集团股份有限公司 车道级定位方法及系统、计算机设备、车辆、存储介质
CN110174113A (zh) * 2019-04-28 2019-08-27 福瑞泰克智能系统有限公司 一种车辆行驶车道的定位方法、装置及终端

Also Published As

Publication number Publication date
CN112328731A (zh) 2021-02-05

Similar Documents

Publication Publication Date Title
CN112328731B (zh) 车辆车道级定位方法、装置、电子设备和计算机可读介质
CN112598762B (zh) 三维车道线信息生成方法、装置、电子设备和介质
CN115257727B (zh) 障碍物信息融合方法、装置、电子设备和计算机可读介质
CN112348029B (zh) 局部地图调整方法、装置、设备和计算机可读介质
CN113674357B (zh) 相机外参标定方法、装置、电子设备和计算机可读介质
CN112861833B (zh) 车辆车道级定位方法、装置、电子设备和计算机可读介质
CN114993328B (zh) 车辆定位评估方法、装置、设备和计算机可读介质
CN116182878B (zh) 道路曲面信息生成方法、装置、设备和计算机可读介质
CN114894205B (zh) 三维车道线信息生成方法、装置、设备和计算机可读介质
CN113934775A (zh) 车辆轨迹地图匹配方法、装置、设备和计算机可读介质
CN112183627A (zh) 生成预测密度图网络的方法和车辆年检标数量检测方法
CN110501013B (zh) 位置补偿方法、装置及电子设备
CN112598731B (zh) 车辆定位方法、装置、电子设备和计算机可读介质
CN111965383B (zh) 车速信息生成方法、装置、电子设备和计算可读介质
CN114724115B (zh) 障碍物定位信息生成方法、装置、设备和计算机可读介质
CN113780247B (zh) 红绿灯检测方法、装置、电子设备和计算机可读介质
CN116740382A (zh) 障碍物信息生成方法、装置、电子设备和计算机可读介质
CN114724116B (zh) 车辆通行信息生成方法、装置、设备和计算机可读介质
CN113808134B (zh) 油罐布局信息生成方法、装置、电子设备、介质
CN113379852B (zh) 用于验证相机标定结果的方法、装置、电子设备和介质
CN112597174B (zh) 地图更新方法、装置、电子设备和计算机可读介质
CN115393826A (zh) 三维车道线生成方法、装置、电子设备和计算机可读介质
CN111950238B (zh) 自动驾驶故障评分表生成方法、装置、电子设备
CN114494428B (zh) 车辆位姿矫正方法、装置、电子设备和计算机可读介质
CN114399555B (zh) 数据在线标定方法、装置、电子设备和计算机可读介质

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
PE01 Entry into force of the registration of the contract for pledge of patent right

Denomination of invention: Vehicle lane level positioning methods, devices, electronic devices and computer-readable media

Effective date of registration: 20230228

Granted publication date: 20210709

Pledgee: Bank of Shanghai Co.,Ltd. Beijing Branch

Pledgor: HOLOMATIC TECHNOLOGY (BEIJING) Co.,Ltd.

Registration number: Y2023980033668

PE01 Entry into force of the registration of the contract for pledge of patent right
CP03 Change of name, title or address

Address after: 201, 202, 301, No. 56-4 Fenghuang South Road, Huadu District, Guangzhou City, Guangdong Province, 510806

Patentee after: Heduo Technology (Guangzhou) Co.,Ltd.

Address before: 100095 101-15, 3rd floor, building 9, yard 55, zique Road, Haidian District, Beijing

Patentee before: HOLOMATIC TECHNOLOGY (BEIJING) Co.,Ltd.

CP03 Change of name, title or address