CN112558072A - 车辆定位方法、装置、系统、电子设备及存储介质 - Google Patents

车辆定位方法、装置、系统、电子设备及存储介质 Download PDF

Info

Publication number
CN112558072A
CN112558072A CN202011526068.5A CN202011526068A CN112558072A CN 112558072 A CN112558072 A CN 112558072A CN 202011526068 A CN202011526068 A CN 202011526068A CN 112558072 A CN112558072 A CN 112558072A
Authority
CN
China
Prior art keywords
target vehicle
target area
determining
target
road
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.)
Pending
Application number
CN202011526068.5A
Other languages
English (en)
Inventor
李映辉
邓苏南
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.)
Apollo Zhilian Beijing Technology Co Ltd
Original Assignee
Beijing Baidu Netcom Science and Technology 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 Beijing Baidu Netcom Science and Technology Co Ltd filed Critical Beijing Baidu Netcom Science and Technology Co Ltd
Priority to CN202011526068.5A priority Critical patent/CN112558072A/zh
Publication of CN112558072A publication Critical patent/CN112558072A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
    • G01S13/88—Radar or analogous systems specially adapted for specific applications
    • G01S13/93—Radar or analogous systems specially adapted for specific applications for anti-collision purposes
    • G01S13/931—Radar or analogous systems specially adapted for specific applications for anti-collision purposes of land vehicles

Abstract

本公开提供了一种车辆定位方法、装置、系统、电子设备、存储介质及计算机程序产品，涉及智能交通等领域。具体实现方案为：获取目标车辆的雷达检测到的障碍物的相对位置信息；基于所述目标车辆的当前定位位置以及所述障碍物的相对位置信息，确定所述目标车辆的当前所在的目标区域内的道路相关信息；基于所述目标区域内的所述道路相关信息以及从云端服务器获取的所述目标区域内的道路相关信息聚类结果，确定所述目标车辆的当前所在车道。

Description

车辆定位方法、装置、系统、电子设备及存储介质
技术领域
本公开涉及计算机技术领域。本公开尤其涉及智能交通领域。
背景技术
在智能交通领域，车辆的车道级定位是目前关注的一个主要问题。现有技术中车道定位技术方案在隧道、稠密建筑遮挡等信号弱或者无信号条件下容易失效，而基于图像识别的车道定位方案则对算力要求较高。因此，如何对车辆进行更加准确的车道定位就成为需要解决的问题。
发明内容
本公开提供了一种车辆定位方法、装置、系统、电子设备、存储介质及计算机程序产品。
根据本申请的一方面，提供了一种车辆定位方法，包括：
获取目标车辆的雷达检测到的障碍物的相对位置信息；
基于所述目标车辆的当前定位位置以及所述障碍物的相对位置信息，确定所述目标车辆的当前所在的目标区域内的道路相关信息；
基于所述目标区域内的所述道路相关信息以及从云端服务器获取的所述目标区域内的道路相关信息聚类结果，确定所述目标车辆的当前所在车道。
根据本申请的另一方面，提供了一种车辆定位装置，包括：
雷达数据获取模块，用于获取目标车辆的雷达检测到的障碍物的相对位置信息；
数据处理模块，用于基于所述目标车辆的当前定位位置以及所述障碍物的相对位置信息，确定所述目标车辆的当前所在的目标区域内的道路相关信息；
车道定位模块，用于基于所述目标区域内的所述道路相关信息以及从云端服务器获取的所述目标区域内的道路相关信息聚类结果，确定所述目标车辆的当前所在车道。
根据本申请的另一方面，提供了一种车辆定位系统，包括：
车辆定位装置，用于获取目标车辆的雷达检测到的障碍物的相对位置信息；基于所述目标车辆的当前定位位置以及所述障碍物的相对位置信息，确定所述目标车辆的当前所在的目标区域内的道路相关信息；基于所述目标区域内的所述道路相关信息以及从云端服务器获取的所述目标区域内的道路相关信息聚类结果，确定所述目标车辆的当前所在车道；
云端服务器，用于为所述目标车辆发送所述目标区域内的道路相关信息聚类结果。
根据本申请的另一方面，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方法。
根据本公开的另一方面，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，该计算机指令用于使计算机执行本公开任一实施例中的方法。
根据本公开的另一方面，提供了一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现本公开任一实施例中的方法。
采用本申请的技术方案，就可以基于雷达检测到的障碍物相关信息，以及云端服务器获取的所述目标车辆的当前所在的所述目标区域内的道路相关信息聚类结果，确定所述目标车辆的当前所在车道。如此，可以采用雷达检测到的信息进行车道定位，从而避免环境对车道定位的影响，并且，结合云端服务器的道路相关信息聚类结果进行车道定位，可以减少终端侧的计算量，并且也可以保证定位的准确性。
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，不构成对本公开的限定。其中：
图1是根据本公开实施例的车辆定位方法流程示意图一；
图2是根据本公开实施例的车辆定位方法流程示意图二；
图3是根据本公开实施例的障碍物位置直线化示意图；
图4是根据本公开实施例的车辆定位方法流程示意图三；
图5是根据本公开实施例的横向定位示意图；
图6是根据本公开实施例的车辆定位装置组成结构示意图；
图7是根据本公开实施例的车辆定位系统组成结构示意图；
图8是是用来实现本公开实施例的车辆定位方法的电子设备的框图。
具体实施方式
以下结合附图对本公开的示范性实施例做出说明，其中包括本公开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，而不会背离本公开的范围和精神。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。
本公开实施例提供了一种车辆定位方法，如图1所示，包括：
S101：获取目标车辆的雷达检测到的障碍物的相对位置信息；
S102：基于所述目标车辆的当前定位位置以及所述障碍物的相对位置信息，确定所述目标车辆的当前所在的目标区域内的道路相关信息；
S103：基于所述目标区域内的所述道路相关信息以及从云端服务器获取的所述目标区域的道路相关信息聚类结果，确定所述目标车辆的当前所在车道。
本实施例可以应用于能够进行数据处理的装置，比如可以是设置在目标车辆中的模块，该目标车辆可以是自动驾驶车辆，又比如，可以是具备数据处理能力的电子设备，比如可以获取雷达数据以及目标车辆的数据的终端设备等等。
上述雷达可以为目标车辆上安装的毫米波雷达；所述毫米波雷达实时通过检测回波可以检测到所述目标车辆为中心一定范围内的障碍物的相对位置信息。其中，所述一定范围可以与毫米波雷达的频段等属性相关，示例性的，所述一定范围可以为200m之内。
所述障碍物可以为一个也可以为多个；所述相对位置信息指的是所述障碍物相对于车辆坐标系的相对位置信息。
另外，所述雷达还可以检测到所述障碍物的速度信息等。
所述目标车辆的当前定位位置，可以是当前所述目标车辆的经纬度位置。
所述目标车辆的当前所在的目标区域，可以是包含所述目标车辆的当前定位位置的区域。
所述目标区域的大小可以根据实际情况来确定，比如可以是所述目标车辆的当前定位位置为起始、所述目标车辆前方的预设长度以及预设宽度的范围为所述目标区域的大小；预设长度以及预设宽度可以根据实际情况设置，比如可以是前方200米，宽100米，或者可以设置为其他数值，本实施例不做穷举。
又比如，所述目标区域的大小是以所述目标车辆的当前定位位置为圆心，以预设长度为半径的圆形区域或所述目标车辆前方的扇形区域作为所述目标区域的大小。该扇形区域的半径可以与预设长度，比如，可以与所述毫米波雷达的探测范围相同，可以为200米，或者可以大于或小于200米，本实施例不对其进行限定。
其中，所述目标车辆前方指的是目标车辆的朝向，或者行驶方向。
基于所述目标车辆的当前定位信息以及所述障碍物的相对位置信息，可以确定所述目标区域内的道路分界线以及车道中心线，将所述目标区域内的道路分界线以及车道中心线作为所述目标区域内的道路相关信息。
所述道路分界线可以有两条，分别可以位于所述目标车辆的左右两侧，所述道路分界线可以用于表征现实环境中的路沿。
需要理解的是，所述目标区域内的道路分界线以及车道中心线为：在所述目标区域内的两条道路分界线以及车道中心线。
从云端服务器获取的所述目标区域内的道路相关信息聚类结果，可以包括：从所述云端服务器获取的所述目标区域内的道路分界线聚类结果、车道中心线聚类结果、车道中心线与所述道路分界线之间的距离的聚类结果中至少之一。
所述基于所述目标区域内的所述道路相关信息以及从云端服务器获取的所述目标区域内的道路相关信息聚类结果，确定所述目标车辆的当前所在车道，可以包括：基于所述目标区域内的所述两条道路分界线与所述目标车辆的当前位置的第一类距离，以及目标区域内的所述车道中心线与所述两条道路分界线之间的第二类距离，与所述从云端服务器获取的所述目标区域内的道路相关信息聚类结果进行比对，确定所述目标车辆的当前所在车道。
其中，所述目标车辆的当前所在车道可以指的是所述目标车辆的当前所在车道的车道编号，比如，一条道路上横着有4条车道，分别在地图中编号为车道1～车道4，所述目标车辆的当前所在车道可以为其中任意之一。
进一步地，还可以包括：将所述目标区域内的所述道路相关信息上传至所述云端服务器；以使得所述云端服务器结合所述当前所在区域内的所述道路相关信息更新自身的道路相关信息聚类结果。
可见，通过采用上述方案，就可以基于雷达检测到的障碍物相关信息，以及云端服务器获取的所述目标车辆的当前所在的所述目标区域内的道路相关信息聚类结果，确定所述目标车辆的当前所在车道。如此，可以采用雷达检测到的信息进行车道定位，从而避免环境对车道定位的影响，并且，结合云端服务器的道路相关信息聚类结果进行车道定位，可以减少终端侧的计算量，并且也可以保证定位的准确性。
前述障碍物可以为一个或多个，并且进一步地，所述障碍物可以分为两类，分别为静态障碍物以及动态障碍物。
区分所述一个或多个障碍物中的每一个障碍物为所述静态障碍物或所述动态障碍物的方式可以为：基于所述每一个障碍物的速度信息确定所述每一个障碍物为所述静态障碍物或所述动态障碍物。这里，所述每一个障碍物的速度信息可以由所述雷达检测得到，关于雷达的说明与前述实施例相同，不做赘述。
其中，所述基于所述每一个障碍物的速度信息确定所述每一个障碍物为所述静态障碍物或所述动态障碍物，具体可以为：判断所述每一个障碍物的速度信息是否大于速度门限值，若大于则为动态障碍物，否则为静态障碍物。所述速度门限值可以根据实际情况来设置，比如可以为0。
基于所述障碍物的类型不同，可以确定所述目标区域内的不同的道路相关信息。详细来说，所述基于所述障碍物的相对位置信息，确定所述目标区域内的道路相关信息，包括：
基于M个静态障碍物分别对应的相对位置信息，确定所述目标区域内的道路分界线；其中，M为整数；
基于N个动态障碍物分别对应的相对位置信息以及所述目标区域内的道路分界线，确定所述目标区域内的车道中心线；其中，N为整数。
上述M和N均可以为大于等于0的整数，也就是说所述目标车辆的雷达检测到的障碍物中可以仅存在静态障碍物；又或者，可以包含静态障碍物以及动态障碍物。
所述基于M个静态障碍物分别对应的相对位置信息，确定所述目标区域内的道路分界线，可以包括：基于所述M个静态障碍物分别对应的相对位置信息以及所述目标车辆的当前定位信息，确定所述M个静态障碍物分别对应的定位信息；基于所述M个静态障碍物分别对应的定位信息，确定所述目标区域内的道路分界线。
上述M个静态障碍物分别对应的定位信息可以是将每一个静态障碍物的相对位置信息转换到世界坐标系，得到所述每一个静态障碍物的经纬度信息作为所述每一个静态障碍物的分别对应的定位信息。
所述基于N个动态障碍物分别对应的相对位置信息以及所述目标区域内的道路分界线，确定所述目标区域内的车道中心线，可以包括：
基于所述N个动态障碍物分别对应的相对位置信息以及所述目标车辆的当前定位信息，确定所述N个动态障碍物分别对应的当前定位信息；基于所述N个动态障碍物分别对应的当前定位信息，确定所述N个动态障碍物分别对应的运动线；将所述N个动态障碍物分别对应的运动线中位于所述目标车辆在当前区域内的道路分界线之内的运动线作为所述目标区域内的车道中心线。
上述N个动态障碍物分别对应的定位信息可以是将每一个动态障碍物的相对位置信息转换到世界坐标系，得到所述每一个动态障碍物的经纬度信息作为所述每一个动态障碍物的分别对应的当前定位信息。
如此，就可以结合动态障碍物以及静态障碍物两类障碍物的位置，确定所述目标车辆当前所在区域的道路相关信息，从而保证了获取当前道路相关信息的实时性以及准确性，保证后续处理的准确性。
分别来说，所述基于M个静态障碍物分别对应的相对位置信息，确定所述目标区域内的道路分界线，如图2所示，包括：
S201：基于所述目标车辆的当前定位信息、以及所述M个静态障碍物的相对位置信息，确定所述M个静态障碍物分别对应的定位信息；
S202：基于所述M个静态障碍物分别对应的所述定位信息以及所述目标车辆的导航路线，确定所述M个静态障碍物分别对应的调整后的坐标点；
S203：基于所述M个静态障碍物分别对应的所述调整后的坐标点，确定所述M个静态障碍物所组成的K条直线，基于所述K条直线以及所述目标车辆的行进方向，确定所述目标区域内的道路分界线；其中，K为大于等于2的整数。
其中，所述基于所述目标车辆的当前定位信息、以及所述M个静态障碍物的相对位置信息，确定所述M个静态障碍物分别对应的定位信息包括：基于所述目标车辆的当前定位信息，以及所述M个静态障碍物中的第k个静态障碍物的相对位置信息，确定所述第k个静态障碍物的定位信息。其中k为大于等于1且小于等于M的整数。
具体来说，所述目标车辆的当前定位信息可以表示为(xi,0,yi,0,θi,0)；第k个静态障碍物的相对位置信息相对所述目标车辆的相对位置信息表示为(pxi,j,pyi,j)，则所述第k个静态障碍物的定位信息，可以采用以下公式计算得到：
xi,j＝xi,0+pxi,j sinθ+pyi,j cosθ
yi,j＝xi,0-pxi,j cosθ+pyi,j sinθ；
其中，xi,j表示第k个静态障碍物在世界坐标系下的x轴坐标值，yi,j表示第k个静态障碍物在世界坐标系下的x轴坐标值。
需要指出的是，针对所述M个静态障碍物的计算方式均相同，因此不做一一赘述。
所述基于所述M个静态障碍物分别对应的所述定位信息以及所述目标车辆的导航路线，确定所述M个静态障碍物分别对应的调整后的坐标点，可以包括：确定所述M个静态障碍物中的第k个静态障碍物的所述定位信息、与所述目标车辆的导航路线之间的垂直距离，并得到其对应的垂足点坐标；基于所述垂直距离、以及所述目标车辆的当前定位信息与所述垂足点坐标之间的导航线的长度，确定所述第k个静态障碍物所对应的直线化的坐标点。
具体的，可以计算所述第k个静态障碍物的所述定位信息(xi,j，yi,j)与导航路线之间的垂直距离di,j,垂足点坐标(cxi,j,cyi,j)；对所述第k个静态障碍物的坐标进行直线化可以表示为(x′i,j，y′i,j)，其中：
x′i,j＝di,j
y′i,j＝(xi,0,yi,0)到(cxi,j,cyi,j)的导航线段长度。
同样需要理解的是，针对所述M个静态障碍物中每一个静态障碍物的调整后的坐标点的计算均相同，因此不做赘述。
以图3为例进行说明，图3中，三角形表征静态障碍物，圆圈表征动态障碍物。以其中的静态障碍物31为例，静态障碍物31的定位信息可以如图3左侧所示，静态障碍物31的调整后的坐标点如图3右侧所示。
如此，通过对静态障碍物的定位信息进行直线化的处理，可以更加适用于弯道等复杂场景的车道定位，保证了场景适应性。
所述基于所述M个静态障碍物分别对应的所述调整后的坐标点，确定所述M个静态障碍物所组成的K条直线，可以包括：将所述M个静态障碍物分别对应的所述调整后的坐标点中的多个所述调整后的坐标点，得到所述K条直线。
需要指出的是，并非全部M个静态障碍物的调整后的坐标点均可以被使用用于形成一条直线。选取所述多个调整后的坐标点的方式可以包括：选取在y轴上能够形成的直线的长度大于预设长度的多个调整后的坐标点。
示例性的，对M个静态障碍物分别沿y轴方向进行hough(霍夫)变换，记录点数大于给定阈值、并且长度大于给定阈值的直线，记x轴截距分别为b。还可以存在其他实现方式，只是本实施例不对其全部实现方式进行穷举。
比如，参见图3，其中，图中采用三角形表征静态障碍物，图3中右侧的三个静态障碍物31～静态障碍物33可以连接得到一条直线，右侧的三个静态障碍物34～静态障碍物36可以连接得到另一条直线。这里，图3仅为示意性的，实际处理中由于路面的状况可能更加复杂，因此，可能会连接得到更多的直线，只是不做穷举。
所述基于所述K条直线以及所述目标车辆的行进方向，确定所述目标区域内的道路分界线，具体可以包括：选取所述目标车辆的行进方向的左右两侧距离最近的两条直线，作为所述目标区域内的两条道路分界线。
前述已经说明，可能基于前述确定所述M个静态障碍物所组成的K条直线的处理中，可能会有3条或更多的直线，本实施例仅选取所述目标车辆当前的行进方向左右两侧距离最近的两条直线作为道路分界线。
如此，就可以结合雷达检测到的静态障碍物，就可以确定所述目标车辆当前所在区域的道路分界线，仅需要简单的计算就可以实现，从而无需对处理性能作出较高的要求限定，并且通过雷达进行检测并结合车辆当前的定位以及导航路线就可以融合得到目标车辆当前所在区域内的道路分界线，避免了环境的影响，能够应对各种天气状况；另外，还通过引入导航线路作为确定道路分界线的参考，可以保证获取当前道路相关信息的准确性，还能够适用于弯道等复杂场景，保证后续处理的准确性。
所述基于N个动态障碍物的相对位置信息以及所述目标区域内的道路分界线，确定所述目标区域内的车道中心线，如图4所示，包括：
S401：基于所述目标车辆的当前定位信息、以及所述N个动态障碍物的相对位置信息，确定所述N个动态障碍物的当前定位信息；
S402：基于所述N个动态障碍物的当前定位信息以及所述目标车辆的导航路线，确定所述N个动态障碍物的调整后的坐标点；
S403：基于所述N个动态障碍物的调整后的坐标点以及所述N个动态障碍物分别对应的L个历史坐标点，确定所述N个动态障碍物分别对应的运动线；其中，L为大于等于1的整数；
S404：将所述N个动态障碍物分别对应的运动线中位于所述目标车辆在当前区域内的道路分界线之内的运动线作为所述目标区域内的车道中心线。
基于所述目标车辆的当前定位信息、以及所述N个动态障碍物的相对位置信息，确定所述N个动态障碍物的当前定位信息包括：基于所述目标车辆的当前定位信息，以及所述N个动态障碍物中的第p个动态障碍物的相对位置信息，确定所述第p个动态障碍物的当前定位信息。其中p为大于等于1且小于等于N的整数。
具体来说，所述目标车辆的当前定位信息可以表示为(xi,0,yi,0,θi,0)；第p个动态障碍物的相对位置信息相对所述目标车辆的相对位置信息表示为(pxi,j,pyi,j)，则所述第p个动态障碍物的当前定位信息，可以采用以下公式计算得到：
xi,j＝xi,0+pxi,j sinθ+pyi,j cosθ
yi,j＝xi,0-pxi,j cosθ+pyi,j sinθ；
其中，xi,j表示第p个动态障碍物在世界坐标系下的x轴坐标值，yi,j表示第p个动态障碍物在世界坐标系下的x轴坐标值。
需要指出的是，针对所述N个动态障碍物的计算方式均相同，因此不做一一赘述。
基于所述N个动态障碍物的当前定位信息以及所述目标车辆的导航路线，确定所述N个动态障碍物的调整后的坐标点，可以包括：确定所述N个动态障碍物中的第p个动态障碍物的所述定位信息、与所述目标车辆的导航路线之间的垂直距离，并得到其对应的垂足点坐标；基于所述垂直距离、以及所述目标车辆的当前定位信息与所述垂足点坐标之间的导航线的长度，确定所述第p个动态障碍物所对应的直线化的当前坐标点。
具体的，可以计算所述第p个动态障碍物的所述定位信息(xi,j，yi,j)与导航路线之间的垂直距离di,j,垂足点坐标(cxi,j,cyi,j)；对所述第p个动态障碍物的坐标进行直线化可以表示为(x′i,j，y′i,j)，其中：
x′i,j＝di,j
y′i,j＝(xi,0,yi,0)到(cxi,j,cyi,j)的导航线段长度。
同样需要理解的是，针对所述N个动态障碍物中每一个动态障碍物的调整后的坐标点的计算均相同，因此不做赘述。
如此，通过对N个动态障碍物的定位信息进行直线化的处理，可以更加适用于弯道等复杂场景的车道定位，保证了场景适应性。
所述基于所述N个动态障碍物的调整后的坐标点以及所述N个动态障碍物分别对应的L个历史坐标点，确定所述N个动态障碍物分别对应的运动线，可以是基于当前时刻之前的预设时长内、或所述目标车辆的当前定位之前的预设行驶距离内的所述N个动态障碍物分别对应的L个历史坐标点来实现的。其中，所述预设时长可以根据实际情况来设置，比如可以为10分钟等等；所述预设行驶距离可以根据实际情况来设置，比如可以是100米之内等等。
具体的，基于所述N个动态障碍物中的第p个动态障碍物的L个历史坐标点以及所述调整后的所述当前坐标点，可以确定所述第p个动态障碍物的一条运动线；以此类推，最终可以得到N个动态障碍物分别对应的运动线。
比如，动态障碍物A在不同时刻所对应的调整后的坐标点，分别表示为坐标点A1、坐标点A2，动态障碍物B在不同时刻所对应的调整后的坐标点，分别表示为坐标点B1、坐标点B2可以分别连接得到两条车道中心线。这里，仅为示意性的说明，实际处理中由于路面的状况可能更加复杂，因此，可能会连接得到更多的车道中心线，只是不做穷举。
基于前述确定的所述目标车辆在当前区域内的道路分界线作为左右边界，从所述N个动态障碍物所分别对应的运动线中，选取位于所述左右边界之内的一条或多条运动线，将该选取出来的一条或多条运动线作为车道中心线。
如此，就可以结合雷达检测到的动态障碍物，就可以确定所述目标车辆当前所在区域的道路中心线，仅需要简单的计算就可以实现，从而无需对处理性能作出较高的要求限定，并且通过雷达进行检测并结合车辆当前的定位以及导航路线就可以融合得到目标车辆当前所在区域内的道路中心线，避免了环境的影响，能够应对各种天气状况；另外，还通过引入导航线路作为确定道路分界线的参考，可以保证获取当前道路相关信息的准确性，还能够适用于弯道等复杂场景，保证后续处理的准确性。
所述基于所述目标区域内的所述道路相关信息以及从云端服务器获取的所述目标区域内的道路相关信息聚类结果，确定所述目标车辆的当前所在车道，包括：
基于所述目标区域内的道路分界线，以及所述目标车辆的当前定位位置，确定所述目标车辆与所述道路分界线之间的距离；
基于从所述云端服务器获取的所述目标区域内的道路相关信息聚类结果、以及所述目标车辆与所述道路分界线之间的所述距离，确定所述目标车辆的当前所在车道。
其中，由于道路分界线可以有两个，所述目标车辆与所述道路分界线之间的距离可以有两个。所述基于所述目标区域内的道路分界线，以及所述目标车辆的当前定位位置，确定所述目标车辆与所述道路分界线之间的距离，具体可以为：计算所述目标车辆的所述当前定位位置与两条道路分界线之间的垂直距离，将计算得到的两个垂直距离作为所述目标车辆与所述道路分界线之间的距离。
所述从所述云端服务器获取的所述目标区域内的道路相关信息聚类结果，可以包括：所述目标区域内的所述多条候选车道中心线与道路边界线之间的距离的聚类结果。另外，还可以包括：所述目标区域内的道路边界线聚类结果、所述目标区域内的多条候选车道中心线聚类结果。
需要指出的是，所述目标区域内的多条候选车道中心线聚类结果，可以表示为目标区域内的多条候选车道分别对应的车道编号及其车道中心线的位置；所述目标区域内的所述多条候选车道中心线与道路边界线之间的距离的聚类结果，可以表示为：所述目标区域内的所述多条候选车道中心线的编号、以及，每一个候选车道中心线的编号所对应的该候选车道中心线与道路边界线之间的两个距离。
所述基于从所述云端服务器获取的所述目标区域内的道路相关信息聚类结果、以及所述目标车辆与所述道路分界线之间的所述距离，确定所述目标车辆的当前所在车道，可以包括：
从所述目标区域内的所述多条候选车道中心线与道路边界线之间的距离的聚类结果中，确定与所述目标车辆与所述道路分界线之间的所述距离最近的一条候选车道中心线作为目标车道中心线；基于所述目标车道中心线，确定所述目标车辆的当前所在车道。
比如，从云端服务器获取的所述目标区域内的道路相关信息聚类结果，包括：候选车道中心线01所对应的与道路分界线之间的两个距离，表示为dl-1以及dr-1；候选车道中心线02所对应的与道路分界线之间的两个距离，表示为dl-2以及dr-2；候选车道中心线03所对应的与道路分界线之间的两个距离，表示为dl-3以及dr-3；
所述目标车辆与所述道路分界线之间的所述距离也可以为两个，分别表示为dl以及dr；
根据每一个候选车道中心线所对应的与道路分界线之间的两个距离，选取与dl之间差值最小的和/或与dr之间差值最小的一个候选车道中心线作为所述目标车道中心线；
将该目标车道中心线所对应的编号，作为所述目标车辆的当前所在车道的编号。
如此，可以结合云端服务器的道路相关信息聚类结果，以及所述目标车辆根据雷达检测的障碍物的相对位置进行融合，得到所述目标车辆的当前所在车道。从而可以减少计算量，同时还提升了车道定位的准确性。
另外，在每次获取到目标区域内的车道中心线与所述目标区域内的道路分界线之间的距离、以及所述目标车辆与所述道路分界线之间的距离之后，还可以包括：
将所述目标车辆的当前定位位置、所述目标区域内的车道中心线与所述目标区域内的道路分界线之间的距离、以及所述目标车辆与所述道路分界线之间的距离发送至所述云端服务器。
相应的，所述云端服务器可以基于接收到的目标车辆上传的当前定位位置、所述目标区域内的车道中心线与所述目标区域内的道路分界线之间的距离、以及所述目标车辆与所述道路分界线之间的距离，结合原有的所述目标区域内的道路相关信息聚类结果进行聚类，得到更新后的目标区域内的道路相关信息聚类结果。
这样，可以使得云端服务器中包含的道路相关信息聚类结果可以实时更新，从而在下一次为车辆提供该目标区域的道路相关信息聚类结果的时候可以提供更加精准的参考以便车辆更加精确的进行车道定位，如此迭代处理，可以使得整个处理的准确率不断提升。
示例性的，本实施例提供的方案，可以参见图5进行说明：
通过图5可以看出，本实施例需要获取到几部分的数据，包括有目标车辆的当前定位位置、导航路线、雷达检测到的障碍物的相对位置信息、以及云端服务器提供的所述目标区域内的道路相关信息聚类结果；采用以上获取到的全部数据或信息进行融合，最终得到所述目标车辆的当前所在车道，可以将所述目标车辆的当前所在车道作为所述目标车辆的车道定位结果。
需要理解的是，上述目标车辆的当前定位位置可以为设备中安装的GPS等模块，导航路线可以是导航应用提供的。
如图5所示，在针对目标车辆进行车道定位的处理之前，可以包括获取以下至少之一：
可以先获取导航路线；比如，可以从导航模块或导航应用获取所述目标车辆的所述导航路线。
获取雷达检测到的所述障碍物的相对位置信息，所述障碍物的相对位置信息是相对于所述目标车辆的车辆坐标系的相对位置信息；另外，所述雷达还可以检测到所述障碍物的速度信息。这里，所述雷达可以为毫米波雷达。
获取所述目标车辆的当前定位位置。比如，可以从定位模块获取，所述定位模块可以是GPS等模块，不对其进行穷举。
获取云端服务器包含的所述目标车辆当前所在的所述目标区域内的道路相关信息聚类结果。比如，所述目标区域内的道路相关信息聚类结果可以包括有：车道宽度的聚类结果，各个车道中心线距离道路分界线的距离的聚类结果等等。
在得到上述信息之后，需要对上述信息进行处理，以确定所述目标车辆的当前所在车道。
首先需要指出的是，所述障碍物可以为一个或多个，根据障碍物的速度信息vi,j以及障碍物是否相对地面静止，将障碍物划分为两类：地表物(静态障碍物)，运动物(动态障碍物)。示例性的，将静态障碍物的数量表示为M，动态障碍物的数量表示为N；也就是总共会有M+N个障碍物。
进而，针对M+N个障碍物中的任意一个障碍物的相对位置信息的处理可以包括：基于所述目标车辆的所述当前定位信息、以及所述障碍物的相对位置信息，确定所述障碍物的定位信息；基于所述障碍物的所述定位信息以及所述目标车辆的导航路线，确定所述障碍物的调整后的坐标点。
具体说明如下：
所述目标车辆的当前定位位置为(xi,0,yi,0,θi,0)，障碍物相对车辆的相对位置信息为(pxi,j,pyi,j)，则障碍物的定位信息表示为：
xi,j＝xi,0+pxi,j sinθ+pyi,j cosθ
yi,j＝xi,0-pxi,j cosθ+pyi,j sinθ。
这里不采用所述目标车辆的车辆速度为0的记录进行处理。
计算所述障碍物的定位信息与所述目标车辆的导航线路之间的垂直距离di,j,垂足点(cxi,j,cyi,j),对障碍物坐标进行直线化，得到调整后的坐标点，表示为：
x′i,j＝di,j
y′i,j＝(xi,0,yi,0)到(cxi,j,cyi,j)的导航线段长度。
将预设时长内或所述目标车辆的预设行驶距离内的确定的上述的障碍物的调整后的坐标点进行融合；基于融合后的M个静态障碍物的调整后的坐标点、N个动态障碍物的调整后的坐标点可以确定所述目标车辆当前所在的所述目标区域内的道路分界线以及一个或多个车道中心线。
根据所述M个静态障碍物的调整后的坐标点可以确定在所述目标车辆的行进方向(也就是目标车辆的y轴方向)的左右两侧分别选取最近的直线作为左右道路分界线，也就是总共可以选取出来两条道路分界线，分别记为bl、br。其中，构建直线的方式可以是将M个静态障碍物的调整后的坐标点可以分别沿y轴方向进行hough(霍夫)变换，记录点数大于给定阈值并且长度大于给定阈值的直线。
基于融合后的对N个动态障碍物的调整后的坐标点，可以得到所述N个动态障碍物分别对应的运动线(或称为动直线)；将位于bl、br之间的运动线，作为是车道中心线，记为bk。
计算所述目标车辆的所述当前定位位置与bl、br的距离，记为dl、dr；根据基于所述当前定位位置从服务端获取的所述目标区域内的路段道路边界及道路中心线的聚类结果以及dl、dr，确定最近的道路中心线作为目标道路中心线，基于所述目标道路中心线确定所述目标车辆的当前所在车道。
然后，还可以包括：将所述目标车辆的当前定位位置、所述目标区域内的车道中心线与所述目标区域内的道路分界线之间的距离、以及所述目标车辆与所述道路分界线之间的距离发送至所述云端服务器。也就是将所述目标车辆与所述道路分界线之间的距离dl、dr，车道中心线bk与所述目标区域内的道路分界线bl、br的距离dkl、dkr；以及所述目标车辆的当前定位位置(xi,0,yi,0)提交到云端服务端，以使得所述云端服务器基于所述目标车辆的当前定位位置、所述目标区域内的车道中心线与所述目标区域内的道路分界线之间的距离、以及所述目标车辆与所述道路分界线之间的距离进行聚类，更新所述目标区域内的道路相关信息的聚类结果。
其中，所述云端服务端更新所述目标区域内的道路相关信息的聚类结果的方式，可以是与原始的聚类结果进行均值计算；又或者可以是对dl、dr、dkl、dkr及进行直方图投影，根据投影峰值聚类出车道中心线位置、以及车道中心线与道路分界线之间的距离。需要理解的是，云端服务器更新上述聚类结果的方式还可以更多，本实施例不进行穷举。
根据本申请的实施例的第二方面，本申请还提供了一种车辆定位装置，如图6所示，包括：
雷达数据获取模块601，用于获取目标车辆的雷达检测到的障碍物的相对位置信息；
数据处理模块602，用于基于所述目标车辆的当前定位位置以及所述障碍物的相对位置信息，确定所述目标车辆的当前所在的目标区域内的道路相关信息；
车道定位模块603，用于基于所述目标区域内的所述道路相关信息以及从云端服务器获取的所述目标区域内的道路相关信息聚类结果，确定所述目标车辆的当前所在车道。
所述车辆定位装置可以是设置在所述目标车辆中的装置，比如，所述车辆定位装置可以作为一个模块设置在所述目标车辆中。
在一种实施方式中，所述数据处理模块602，用于基于M个静态障碍物分别对应的相对位置信息，确定所述目标区域内的道路分界线；其中，M为整数；基于N个动态障碍物分别对应的相对位置信息以及所述目标区域内的道路分界线，确定所述目标区域内的车道中心线；其中，N为整数。
在一种实施方式中，所述数据处理模块602，用于基于所述目标车辆的当前定位信息、以及所述M个静态障碍物的相对位置信息，确定所述M个静态障碍物分别对应的定位信息；基于所述M个静态障碍物分别对应的所述定位信息以及所述目标车辆的导航路线，确定所述M个静态障碍物分别对应的调整后的坐标点；基于所述M个静态障碍物分别对应的所述调整后的坐标点，确定所述M个静态障碍物所组成的K条直线，基于所述K条直线以及所述目标车辆的行进方向，确定所述目标区域内的道路分界线；其中，K为大于等于2的整数。
在一种实施方式中，所述数据处理模块602，用于基于所述目标车辆的当前定位信息、以及所述N个动态障碍物的相对位置信息，确定所述N个动态障碍物的当前定位信息；基于所述N个动态障碍物的当前定位信息以及所述目标车辆的导航路线，确定所述N个动态障碍物的调整后的坐标点；基于所述N个动态障碍物的调整后的坐标点以及所述N个动态障碍物分别对应的L个历史坐标点，确定所述N个动态障碍物分别对应的运动线；其中，L为大于等于1的整数；将所述N个动态障碍物分别对应的运动线中位于所述目标区域内的道路分界线之间的运动线作为所述目标区域内的车道中心线。
在一种实施方式中，所述车道定位模块603，用于基于所述目标区域内的道路分界线，以及所述目标车辆的当前定位位置，确定所述目标车辆与所述道路分界线之间的距离；基于从所述云端服务器获取的所述目标区域内的道路相关信息聚类结果、以及所述目标车辆与所述道路分界线之间的所述距离，确定所述目标车辆的当前所在车道。
在一种实施方式中，所述装置还包括：
通信模块604，用于将所述目标车辆的当前定位位置、所述目标区域内的车道中心线与所述目标区域内的道路分界线之间的距离、以及所述目标车辆与所述道路分界线之间的距离发送至所述云端服务器。
前述车辆定位装置可以是设置在所述目标车辆中的装置
根据本申请的实施例的第三方面，本申请还提供了一种车辆定位系统，如图7所示，包括：
车辆定位装置701，用于获取目标车辆的雷达检测到的障碍物的相对位置信息；基于所述目标车辆的当前定位位置以及所述障碍物的相对位置信息，确定所述目标车辆的当前所在的目标区域内的道路相关信息；基于所述目标区域内的所述道路相关信息以及从云端服务器获取的所述目标区域内的道路相关信息聚类结果，确定所述目标车辆的当前所在车道；
云端服务器702，用于为所述目标车辆发送所述目标区域内的道路相关信息聚类结果。
这里，所述车辆定位装置701中，可以包括前述车辆定位装置中的全部模块；所述车辆定位装置701可以是设置在所述目标车辆中的装置。
在一种实施方式中，所述车辆定位装置701，用于基于M个静态障碍物分别对应的相对位置信息，确定所述目标区域内的道路分界线；其中，M为整数；基于N个动态障碍物分别对应的相对位置信息以及所述目标区域内的道路分界线，确定所述目标区域内的车道中心线；其中，N为整数。
在一种实施方式中，所述车辆定位装置701，用于基于所述目标车辆的所述当前定位信息、以及所述M个静态障碍物的相对位置信息，确定所述M个静态障碍物分别对应的定位信息；基于所述M个静态障碍物分别对应的所述定位信息以及所述目标车辆的导航路线，确定所述M个静态障碍物分别对应的调整后的坐标点；基于所述M个静态障碍物分别对应的所述调整后的坐标点，确定所述M个静态障碍物所组成的K条直线，基于所述K条直线以及所述目标车辆的行进方向，确定所述目标区域内的道路分界线；其中，K为大于等于2的整数。
在一种实施方式中，所述车辆定位装置701，用于基于所述目标车辆的当前定位信息、以及所述N个动态障碍物的相对位置信息，确定所述N个动态障碍物的当前定位信息；基于所述N个动态障碍物的当前定位信息以及所述目标车辆的导航路线，确定所述N个动态障碍物的调整后的坐标点；基于所述N个动态障碍物的调整后的坐标点以及所述N个动态障碍物分别对应的L个历史坐标点，确定所述N个动态障碍物分别对应的运动线；其中，L为大于等于1的整数；将所述N个动态障碍物分别对应的运动线中位于所述目标区域内的道路分界线之间的运动线作为所述目标区域内的车道中心线。
在一种实施方式中，所述车辆定位装置701，用于基于所述目标区域内的道路分界线，以及所述目标车辆的当前定位位置，确定所述目标车辆与所述道路分界线之间的距离；基于从所述云端服务器获取的所述目标区域内的道路相关信息聚类结果、以及所述目标车辆与所述道路分界线之间的所述距离，确定所述目标车辆的当前所在车道。
在一种实施方式中，所述车辆定位装置701，用于将所述目标车辆的当前定位位置、所述目标区域内的车道中心线与所述目标区域内的道路分界线之间的距离、以及所述目标车辆与所述道路分界线之间的距离发送至所述云端服务器；
所述云端服务器702，用于基于所述当前定位位置、所述目标区域内的车道中心线与所述目标区域内的道路分界线之间的距离、所述目标车辆与所述道路分界线之间的距离发送至所述云端服务器，更新所述目标区域内的道路相关信息聚类结果。
根据本公开的实施例，本公开还提供了一种电子设备、一种可读存储介质和一种计算机程序产品。
图8示出了可以用来实施本公开的实施例的示例电子设备800的示意性框图。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/或要求的本公开的实现。
如图8所示，设备800包括计算单元801，其可以根据存储在只读存储器(ROM)802中的计算机程序或者从存储单元808加载到随机访问存储器(RAM)803中的计算机程序来执行各种适当的动作和处理。在RAM803中，还可存储设备800操作所需的各种程序和数据。计算单元801、ROM 802以及RAM 803通过总线804彼此相连。输入输出(I/O)接口805也连接至总线804。
设备800中的多个部件连接至I/O接口805，包括：输入单元806，例如键盘、鼠标等；输出单元807，例如各种类型的显示器、扬声器等；存储单元808，例如磁盘、光盘等；以及通信单元809，例如网卡、调制解调器、无线通信收发机等。通信单元809允许设备800通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
计算单元801可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元801的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。计算单元80执行上文所描述的各个方法和处理，例如车辆定位方法。例如，在一些实施例中，车辆定位方法可被实现为计算机软件程序，其被有形地包含于机器可读介质，例如存储单元808。在一些实施例中，计算机程序的部分或者全部可以经由ROM 802和/或通信单元809而被载入和/或安装到设备800上。当计算机程序加载到RAM 803并由计算单元801执行时，可以执行上文描述的车辆定位方法的一个或多个步骤。备选地，在其他实施例中，计算单元801可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行车辆定位方法。
本文中以上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、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、负载可编程逻辑设备(CPLD)、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。
用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器，使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行，作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本公开的上下文中，机器可读介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
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。
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，本公开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，只要能够实现本公开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，并不构成对本公开保护范围的限制。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。任何在本公开的精神和原则之内所作的修改、等同替换和改进等，均应包含在本公开保护范围之内。

Claims (21)

1.一种车辆定位方法，包括：
获取目标车辆的雷达检测到的障碍物的相对位置信息；
基于所述目标车辆的当前定位位置以及所述障碍物的相对位置信息，确定所述目标车辆的当前所在的目标区域内的道路相关信息；
基于所述目标区域内的所述道路相关信息以及从云端服务器获取的所述目标区域内的道路相关信息聚类结果，确定所述目标车辆的当前所在车道。
2.根据权利要求1所述的方法，其中，所述基于所述障碍物的相对位置信息，确定所述目标车辆的当前所在的目标区域内的道路相关信息，包括：
基于M个静态障碍物分别对应的相对位置信息，确定所述目标区域内的道路分界线；其中，M为整数；
基于N个动态障碍物分别对应的相对位置信息以及所述目标区域内的道路分界线，确定所述目标区域内的车道中心线；其中，N为整数。
3.根据权利要求2所述的方法，其中，所述基于M个静态障碍物分别对应的相对位置信息，确定所述目标区域内的道路分界线，包括：
基于所述目标车辆的所述当前定位信息、以及所述M个静态障碍物的相对位置信息，确定所述M个静态障碍物分别对应的定位信息；
基于所述M个静态障碍物分别对应的所述定位信息以及所述目标车辆的导航路线，确定所述M个静态障碍物分别对应的调整后的坐标点；
基于所述M个静态障碍物分别对应的所述调整后的坐标点，确定所述M个静态障碍物所组成的K条直线，基于所述K条直线以及所述目标车辆的行进方向，确定所述目标区域内的道路分界线；其中，K为大于等于2的整数。
4.根据权利要求2所述的方法，其中，所述基于N个动态障碍物的相对位置信息以及所述目标区域内的道路分界线，确定所述目标区域内的车道中心线，包括：
基于所述目标车辆的当前定位信息、以及所述N个动态障碍物的相对位置信息，确定所述N个动态障碍物的当前定位信息；
基于所述N个动态障碍物的当前定位信息以及所述目标车辆的导航路线，确定所述N个动态障碍物的调整后的坐标点；
基于所述N个动态障碍物的调整后的坐标点以及所述N个动态障碍物分别对应的L个历史坐标点，确定所述N个动态障碍物分别对应的运动线；其中，L为大于等于1的整数；
将所述N个动态障碍物分别对应的运动线中位于所述目标区域内的道路分界线之间的运动线作为所述目标区域内的车道中心线。
5.根据权利要求2所述的方法，其中，所述基于所述目标区域内的所述道路相关信息以及从云端服务器获取的所述目标区域内的道路相关信息聚类结果，确定所述目标车辆的当前所在车道，包括：
基于所述目标区域内的道路分界线，以及所述目标车辆的当前定位位置，确定所述目标车辆与所述道路分界线之间的距离；
基于从所述云端服务器获取的所述目标区域内的道路相关信息聚类结果、以及所述目标车辆与所述道路分界线之间的所述距离，确定所述目标车辆的当前所在车道。
6.根据权利要求2所述的方法，其中，所述方法还包括：
将所述目标车辆的当前定位位置、所述目标区域内的车道中心线与所述目标区域内的道路分界线之间的距离、以及所述目标车辆与所述道路分界线之间的距离发送至所述云端服务器。
7.一种车辆定位装置，包括：
雷达数据获取模块，用于获取目标车辆的雷达检测到的障碍物的相对位置信息；
数据处理模块，用于基于所述目标车辆的当前定位位置以及所述障碍物的相对位置信息，确定所述目标车辆的当前所在的目标区域内的道路相关信息；
车道定位模块，用于基于所述目标区域内的所述道路相关信息以及从云端服务器获取的所述目标区域内的道路相关信息聚类结果，确定所述目标车辆的当前所在车道。
8.根据权利要求7所述的装置，其中，所述数据处理模块，用于基于M个静态障碍物分别对应的相对位置信息，确定所述目标区域内的道路分界线；其中，M为整数；基于N个动态障碍物分别对应的相对位置信息以及所述目标区域内的道路分界线，确定所述目标区域内的车道中心线；其中，N为整数。
9.根据权利要求8所述的装置，其中，所述数据处理模块，用于基于所述目标车辆的当前定位信息、以及所述M个静态障碍物的相对位置信息，确定所述M个静态障碍物分别对应的定位信息；基于所述M个静态障碍物分别对应的所述定位信息以及所述目标车辆的导航路线，确定所述M个静态障碍物分别对应的调整后的坐标点；基于所述M个静态障碍物分别对应的所述调整后的坐标点，确定所述M个静态障碍物所组成的K条直线，基于所述K条直线以及所述目标车辆的行进方向，确定所述目标区域内的道路分界线；其中，K为大于等于2的整数。
10.根据权利要求8所述的装置，其中，所述数据处理模块，用于基于所述目标车辆的当前定位信息、以及所述N个动态障碍物的相对位置信息，确定所述N个动态障碍物的当前定位信息；基于所述N个动态障碍物的当前定位信息以及所述目标车辆的导航路线，确定所述N个动态障碍物的调整后的坐标点；基于所述N个动态障碍物的调整后的坐标点以及所述N个动态障碍物分别对应的L个历史坐标点，确定所述N个动态障碍物分别对应的运动线；其中，L为大于等于1的整数；将所述N个动态障碍物分别对应的运动线中位于所述目标区域内的道路分界线之间的运动线作为所述目标区域内的车道中心线。
11.根据权利要求8所述的装置，其中，所述车道定位模块，用于基于所述目标区域内的道路分界线，以及所述目标车辆的当前定位位置，确定所述目标车辆与所述道路分界线之间的距离；基于从所述云端服务器获取的所述目标区域内的道路相关信息聚类结果、以及所述目标车辆与所述道路分界线之间的所述距离，确定所述目标车辆的当前所在车道。
12.根据权利要求8所述的装置，其中，所述装置还包括：
通信模块，用于将所述目标车辆的当前定位位置、所述目标区域内的车道中心线与所述目标区域内的道路分界线之间的距离、以及所述目标车辆与所述道路分界线之间的距离发送至所述云端服务器。
13.一种车辆定位系统，包括：
车辆定位装置，用于获取目标车辆的雷达检测到的障碍物的相对位置信息；基于所述目标车辆的当前定位位置以及所述障碍物的相对位置信息，确定所述目标车辆的当前所在的目标区域内的道路相关信息；基于所述目标区域内的所述道路相关信息以及从云端服务器获取的所述目标区域内的道路相关信息聚类结果，确定所述目标车辆的当前所在车道；
云端服务器，用于为所述目标车辆发送所述目标区域内的道路相关信息聚类结果。
14.根据权利要求13所述的系统，其中，所述车辆定位装置，用于基于M个静态障碍物分别对应的相对位置信息，确定所述目标区域内的道路分界线；其中，M为整数；基于N个动态障碍物分别对应的相对位置信息以及所述目标区域内的道路分界线，确定所述目标区域内的车道中心线；其中，N为整数。
15.根据权利要求14所述的系统，其中，所述车辆定位装置，用于基于所述目标车辆的所述当前定位信息、以及所述M个静态障碍物的相对位置信息，确定所述M个静态障碍物分别对应的定位信息；基于所述M个静态障碍物分别对应的所述定位信息以及所述目标车辆的导航路线，确定所述M个静态障碍物分别对应的调整后的坐标点；基于所述M个静态障碍物分别对应的所述调整后的坐标点，确定所述M个静态障碍物所组成的K条直线，基于所述K条直线以及所述目标车辆的行进方向，确定所述目标区域内的道路分界线；其中，K为大于等于2的整数。
16.根据权利要求14所述的系统，其中，所述车辆定位装置，用于基于所述目标车辆的当前定位信息、以及所述N个动态障碍物的相对位置信息，确定所述N个动态障碍物的当前定位信息；基于所述N个动态障碍物的当前定位信息以及所述目标车辆的导航路线，确定所述N个动态障碍物的调整后的坐标点；基于所述N个动态障碍物的调整后的坐标点以及所述N个动态障碍物分别对应的L个历史坐标点，确定所述N个动态障碍物分别对应的运动线；其中，L为大于等于1的整数；将所述N个动态障碍物分别对应的运动线中位于所述目标区域内的道路分界线之间的运动线作为所述目标区域内的车道中心线。
17.根据权利要求14所述的系统，其中，所述车辆定位装置，用于基于所述目标区域内的道路分界线，以及所述目标车辆的当前定位位置，确定所述目标车辆与所述道路分界线之间的距离；基于从所述云端服务器获取的所述目标区域内的道路相关信息聚类结果、以及所述目标车辆与所述道路分界线之间的所述距离，确定所述目标车辆的当前所在车道。
18.根据权利要求14所述的系统，其中，所述车辆定位装置，用于将所述目标车辆的当前定位位置、所述目标区域内的车道中心线与所述目标区域内的道路分界线之间的距离、以及所述目标车辆与所述道路分界线之间的距离发送至所述云端服务器；
所述云端服务器，用于基于所述当前定位位置、所述目标区域内的车道中心线与所述目标区域内的道路分界线之间的距离、所述目标车辆与所述道路分界线之间的距离发送至所述云端服务器，更新所述目标区域内的道路相关信息聚类结果。
19.一种电子设备，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权利要求1-6中任一项所述的方法。
20.一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权利要求1-6中任一项所述的方法。
21.一种计算机程序产品，包括计算机程序，该计算机程序在被处理器执行时实现根据权利要求1-6中任一项所述的方法。
CN202011526068.5A 2020-12-22 2020-12-22 车辆定位方法、装置、系统、电子设备及存储介质 Pending CN112558072A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011526068.5A CN112558072A (zh) 2020-12-22 2020-12-22 车辆定位方法、装置、系统、电子设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011526068.5A CN112558072A (zh) 2020-12-22 2020-12-22 车辆定位方法、装置、系统、电子设备及存储介质

Publications (1)

Publication Number Publication Date
CN112558072A true CN112558072A (zh) 2021-03-26

Family

ID=75031350

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011526068.5A Pending CN112558072A (zh) 2020-12-22 2020-12-22 车辆定位方法、装置、系统、电子设备及存储介质

Country Status (1)

Country Link
CN (1) CN112558072A (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113619578A (zh) * 2021-07-28 2021-11-09 东风汽车集团股份有限公司 一种车辆防碰撞方法、防碰撞系统和计算机可读存储介质
CN113815649A (zh) * 2021-10-29 2021-12-21 上海洛轲智能科技有限公司 避障系统、避障方法、电子设备及介质
CN113836250A (zh) * 2021-09-09 2021-12-24 摩拜(北京)信息技术有限公司 车辆定位方法、装置及电子设备
CN114577233A (zh) * 2022-05-05 2022-06-03 腾讯科技（深圳）有限公司 一种车辆导航方法、装置及计算机设备、存储介质

Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2007023103A1 (de) * 2005-08-23 2007-03-01 Siemens Aktiengesellschaft System für spurverlassenswarnung und/oder spurhaltefunktion
US20120150437A1 (en) * 2010-12-13 2012-06-14 Gm Global Technology Operations Llc. Systems and Methods for Precise Sub-Lane Vehicle Positioning
US20160171893A1 (en) * 2014-12-16 2016-06-16 Here Global B.V. Learning Lanes From Radar Data
US20180170327A1 (en) * 2016-12-21 2018-06-21 Hyundai Motor Company Vehicle and method for controlling the same
CN108297795A (zh) * 2018-01-31 2018-07-20 成都华远科技有限公司 一种电动车的车道识别系统
US20180215380A1 (en) * 2017-01-30 2018-08-02 Telenav, Inc. Navigation system with dynamic speed setting mechanism and method of operation thereof
CN109583416A (zh) * 2018-12-11 2019-04-05 广州小鹏汽车科技有限公司 伪车道线识别方法及系统
CN109829386A (zh) * 2019-01-04 2019-05-31 清华大学 基于多源信息融合的智能车辆可通行区域检测方法
WO2019140950A1 (zh) * 2018-01-16 2019-07-25 华为技术有限公司 一种车辆定位的方法以及车辆定位装置
CN111413968A (zh) * 2020-03-17 2020-07-14 北京百度网讯科技有限公司 车辆的控制方法、装置及电子设备
US20200271473A1 (en) * 2018-02-14 2020-08-27 Tusimple, Inc. Lane Marking Localization
US20200334978A1 (en) * 2019-04-17 2020-10-22 Blyncsy, Inc. Data processing for connected and autonomous vehicles

Patent Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2007023103A1 (de) * 2005-08-23 2007-03-01 Siemens Aktiengesellschaft System für spurverlassenswarnung und/oder spurhaltefunktion
US20120150437A1 (en) * 2010-12-13 2012-06-14 Gm Global Technology Operations Llc. Systems and Methods for Precise Sub-Lane Vehicle Positioning
US20160171893A1 (en) * 2014-12-16 2016-06-16 Here Global B.V. Learning Lanes From Radar Data
US20180170327A1 (en) * 2016-12-21 2018-06-21 Hyundai Motor Company Vehicle and method for controlling the same
US20180215380A1 (en) * 2017-01-30 2018-08-02 Telenav, Inc. Navigation system with dynamic speed setting mechanism and method of operation thereof
WO2019140950A1 (zh) * 2018-01-16 2019-07-25 华为技术有限公司 一种车辆定位的方法以及车辆定位装置
CN108297795A (zh) * 2018-01-31 2018-07-20 成都华远科技有限公司 一种电动车的车道识别系统
US20200271473A1 (en) * 2018-02-14 2020-08-27 Tusimple, Inc. Lane Marking Localization
CN109583416A (zh) * 2018-12-11 2019-04-05 广州小鹏汽车科技有限公司 伪车道线识别方法及系统
CN109829386A (zh) * 2019-01-04 2019-05-31 清华大学 基于多源信息融合的智能车辆可通行区域检测方法
US20200334978A1 (en) * 2019-04-17 2020-10-22 Blyncsy, Inc. Data processing for connected and autonomous vehicles
CN111413968A (zh) * 2020-03-17 2020-07-14 北京百度网讯科技有限公司 车辆的控制方法、装置及电子设备

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
张永博 等: "激光点云在无人驾驶路径检测中的应用", 测绘通报, no. 11, 30 November 2016 (2016-11-30), pages 67 - 71 *

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113619578A (zh) * 2021-07-28 2021-11-09 东风汽车集团股份有限公司 一种车辆防碰撞方法、防碰撞系统和计算机可读存储介质
CN113836250A (zh) * 2021-09-09 2021-12-24 摩拜(北京)信息技术有限公司 车辆定位方法、装置及电子设备
CN113815649A (zh) * 2021-10-29 2021-12-21 上海洛轲智能科技有限公司 避障系统、避障方法、电子设备及介质
CN114577233A (zh) * 2022-05-05 2022-06-03 腾讯科技（深圳）有限公司 一种车辆导航方法、装置及计算机设备、存储介质

Similar Documents

Publication Publication Date Title
US10627241B2 (en) Map-centric map matching method and apparatus
CN109521756B (zh) 用于无人驾驶车辆的障碍物运动信息生成方法和装置
EP3505869B1 (en) Method, apparatus, and computer readable storage medium for updating electronic map
CN112558072A (zh) 车辆定位方法、装置、系统、电子设备及存储介质
CN112415552B (zh) 车辆位置的确定方法、装置及电子设备
US11281229B2 (en) Method and apparatus for outputting obstacle information
CN110979346B (zh) 确定车辆所处车道的方法、装置及设备
CN112560680A (zh) 车道线处理方法、装置、电子设备及存储介质
CN112526999B (zh) 速度规划方法、装置、电子设备和存储介质
US20220019817A1 (en) Vehicle locating method, electronic device and storage medium
CN104677361B (zh) 一种综合定位的方法
CN111311925A (zh) 车位的检测方法和装置、电子设备、车辆、存储介质
EP3023740B1 (en) Method, apparatus and computer program product for route matching
CN113835102B (zh) 车道线生成方法和装置
CN114506343A (zh) 轨迹规划方法、装置、设备、存储介质及自动驾驶车辆
CN115716482A (zh) 掉头轨迹规划方法、装置、设备及存储介质
CN114626169A (zh) 交通路网优化方法、装置、设备、可读存储介质及产品
CN113378694A (zh) 生成目标检测和定位系统及目标检测和定位的方法及装置
CN113587937A (zh) 车辆的定位方法、装置、电子设备和存储介质
CN115797961A (zh) 车道线变更检测方法、装置、电子设备及存储介质
CN116215517A (zh) 碰撞检测方法、装置、设备、存储介质和自动驾驶车辆
CN114581869A (zh) 确定目标对象位置的方法、装置、电子设备和存储介质
CN110940994A (zh) 定位初始化方法及其系统
CN114036247A (zh) 高精地图数据关联方法、装置、电子设备及存储介质
CN114443679A (zh) 一种地图数据更新方法、装置、设备以及存储介质

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
TA01 Transfer of patent application right
TA01 Transfer of patent application right

Effective date of registration: 20211018

Address after: 100176 Room 101, 1st floor, building 1, yard 7, Ruihe West 2nd Road, economic and Technological Development Zone, Daxing District, Beijing

Applicant after: Apollo Zhilian (Beijing) Technology Co.,Ltd.

Address before: 2 / F, baidu building, 10 Shangdi 10th Street, Haidian District, Beijing 100085

Applicant before: BEIJING BAIDU NETCOM SCIENCE AND TECHNOLOGY Co.,Ltd.