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定位方法的一个应用场景的示意图。
在图1的应用场景中,首先,计算设备101可以获取传感器信息102,其中,上述传感器信息102包括但不限于以下至少一项:加速度值,角速度值,车辆全局定位输出信息,车体车道线信息,车道线形状标示信息,相对定位信息和地图车道线信息。其次,计算设备101可以对上述传感器信息102进行数据预处理以生成预处理信息103。然后,计算设备101可以对上述预处理信息103进行因子图构建以生成因子图104。最后,计算设备101可以对上述因子图104进行平滑处理以生成车辆定位信息105。
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定位方法的一些实施例的流程200。该车辆定位方法,包括以下步骤:
步骤201,获取传感器信息。
在一些实施例中,车辆定位方法的执行主体(例如图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传感器信息。其中,上述传感器信息可以包括但不限于以下至少一项:加速度值,角速度值,车辆全局定位输出信息,车体车道线信息,车道线形状标示信息,相对定位信息和地图车道线信息。
上述车辆全局定位输出信息可以包括但不限于以下至少一项:全球导航卫星系统信号强度,站心坐标系下的东向速度值,站心坐标系下的北向速度值,站心坐标系下的天向速度值和WGS-84坐标系下的车辆经度,WGS-84坐标系下的车辆纬度和WGS-84坐标系下的车辆高度值。
上述车体车道线信息可以包括但不限于以下至少一项:第一车体车道线的第一系数,第一车体车道线的第二系数,第一车体车道线的第三系数,第一车体车道线的第四系数,第二车体车道线的第一系数,第二车体车道线的第二系数,第二车体车道线的第三系数和第二车体车道线的第四系数。
上述第一车体车道线可以是车载摄像机可以检测到的车辆左边的车道线。第二车体车道线可以是车载摄像机可以检测到的车辆右边的车道线。用车辆三次多项式来表征上述第一车体车道线和上述第二车体车道线。上述第一车体车道线的第一系数,第一车体车道线的第二系数,第一车体车道线的第三系数,第一车体车道线的第四系数,第二车体车道线的第一系数,第二车体车道线的第二系数,第二车体车道线的第三系数和第二车体车道线的第四系数可以是上述车辆三次多项式的系数。
上述车道线形状标示可以包括但不限于以下至少一项:左车道线类型和右车道线类型。其中,上述车道线类型可以包括但不限于以下至少一项:未定义车道线,虚线类型的车道线和双线类型的车道线。本公开用“0”来表征未定义车道线。用“1”来表征虚线类型的车道线。用“2”来表征双线类型的车道线。
上述相对定位信息可以包括但不限于以下至少一项:车辆姿态的四元数中的x值,车辆姿态的四元数中的y值,车辆姿态的四元数中的z值和车辆姿态的四元数中的w值。
上述地图车道线信息可以包括但不限于以下至少一项:第一地图车道线的第一系数,第一地图车道线的第二系数,第一地图车道线的第三系数,第一地图车道线的第四系数,第二地图车道线的第一系数,第二地图车道线的第二系数,第二地图车道线的第三系数和第二地图车道线的第四系数。
上述第一地图车道线和第二地图车道线可以分别是从第三方地图供应商(例如:百度地图,谷歌地图等)获取的地图数据中的车辆左边的车道线和车辆右边的车道线。用地图三次多项式来表征上述第一地图车道线和上述第二地图车道线。上述第一地图车道线的第一系数,第一地图车道线的第二系数,第一地图车道线的第三系数,第一地图车道线的第四系数,第二地图车道线的第一系数,第二地图车道线的第二系数,第二地图车道线的第三系数和第二地图车道线的第四系数可以是上述地图三次多项式的系数。
作为示例,上述传感器信息可以是:“[2m/s2],[0.0011rad/s],[5dBm,0.049m/s,0.073m/s,0.001m/s],[0.2,17.89,0.25,18.9,-1.36,0.03,0.56,0.05,-1.5,0.01,-0.30,0.21,4.34,0.45,0.05,0.57],[1,2],[0,0,0.723,0.690],[0.2,17.89,0.25,18.9,-1.36,0.03,0.56,0.05,-1.5,0.01,-0.30,0.21,4.34,0.45,0.05,0.57]”。
步骤202,对传感器信息进行数据预处理以生成预处理信息。
在一些实施例中,上述执行主体可以基于步骤201中得到的传感器信息,通过各种方式生成上述预处理信息。
在一些实施例的一些可选的实现方式中,上述执行主体对上述传感器信息进行数据预处理以生成预处理信息,可以包括以下步骤:
第一步,对上述传感器信息进行外点剔除以生成第一处理信息。其中,上述第一处理信息可以包括但不限于以下至少一项:第一加速度值,第一角速度值,第一车辆全局定位输出信息,第一车体车道线信息,第一车道线形状标示信息和第一相对定位信息和第一地图车道线信息。
作为示例,对上述传感器信息进行外点剔除,主要是为了剔除上述传感器信息中不在预设全球导航卫星系统信号强度范围内的车辆全局定位输出信息,上述预设全球导航卫星系统信号强度范围可以是[50,1000]。上述传感器信息可以是:“[2m/s2],[0.0011rad/s],[5dBm,0.049m/s,0.073m/s,0.001m/s],[0.2,17.89,0.25,18.9,-1.36,0.03,0.56,0.05,-1.5,0.01,-0.30,0.21,4.34,0.45,0.05,0.57],[1,2],[0,0,0.723,0.690],[0.2,17.89,0.25,18.9,-1.36,0.03,0.56,0.05,-1.5,0.01,-0.30,0.21,4.34,0.45,0.05,0.57]”。
由于上述传感器信息中包括的车辆全局定位输出信息包括的全球导航卫星系统信号强度,不在预设全球导航卫星系统信号强度范围内,因此将上述车辆全局定位输出信息进行数据值剔除以生成第一处理信息。
上述第一处理信息可以是:“[2m/s2],[0.0011rad/s],[0,0,0,0],[0.2,17.89,0.25,18.9,-1.36,0.03,0.56,0.05,-1.5,0.01,-0.30,0.21,4.34,0.45,0.05,0.57],[1,2],[0,0,0.723,0.690],[0.2,17.89,0.25,18.9,-1.36,0.03,0.56,0.05,-1.5,0.01,-0.30,0.21,4.34,0.45,0.05,0.57]”。
第二步,对上述第一处理信息包括的第一车体车道线信息和第一地图车道线信息进行数据关联以生成车道线配对信息。
作为示例,分别将上述第一车体车道线信息所表征的第一车体车道线和上述第一地图车道线信息所表征的第一地图车道线以预设的阈值进行分段以生成分段后的第一车体车道线和分段后的第一地图车道线。然后,将分段后的第一车体车道线和分段后的第一地图车道线进行车道线匹配以生成车道线匹配度。最后,响应于确定上述车道线匹配度在预设匹配度阈值以上,将上述第一车体车道线信息和上述第一地图车道线进行数据组合以生成车道线配对信息。其中,预设匹配度阈值可以是85%。
第三步,基于上述第一处理信息包括的第一加速度值和第一角速度值,生成定位调整信息和初始定位信息,可以包括以下子步骤:
第一子步骤,获取预设时间段中各个目标时间点中每个目标时间点对应的第一角速度值和第一加速度值,得到上述预设时间段对应的第一角速度值序列和上述预设时间段对应的第一加速度值序列。
作为示例,上述预设时间段对应的第一角速度值序列可以是[0.0011rad/s,0.0012rad/s,0.0013rad/s,0.0012rad/s,0.0012rad/s]。上述预设时间段对应的第一加速度值序列可以是[2m/s2,3m/s2,4m/s2,1m/s2,-2m/s2]。
第二子步骤,基于上述第一角速度值和上述预设时间段对应的第一角速度值序列,生成目标时间段对应的第一角速度值序列。
作为示例,上述第一角速度值可以是0.0011rad/s。上述预设时间段对应的第一角速度值序列可以是[0.0011rad/s,0.0012rad/s,0.0013rad/s,0.0012rad/s,0.0012rad/s]。将上述第一角速度值和上述预设时间段对应的第一角速度值序列进行组合以生成目标时间段对应的第一角速度值序列可以是[0.0011rad/s,0.0011rad/s,0.0012rad/s,0.0013rad/s,0.0012rad/s,0.0012rad/s]。
第三子步骤,基于上述第一加速度值和上述预设时间段对应的第一加速度值序列,生成目标时间段对应的第一加速度值序列。
作为示例,上述第一加速度值可以是2m/s2。上述预设时间段对应的第一加速度值序列可以是[2m/s2,3m/s2,4m/s2,1m/s2,-2m/s2]。将上述第一加速度值和上述预设时间段对应的第一加速度值序列进行组合以生成目标时间段对应的第一加速度值序列可以是[2m/s2,2m/s2,3m/s2,4m/s2,1m/s2,-2m/s2]。
第四子步骤,基于上述目标时间段对应的第一加速度值序列和上述目标时间段对应的第一角速度值序列,通过以下公式,生成定位调整信息:
其中,上述定位调整信息包括:上述目标时间段中的第i个目标时间点与第j个目标时间点之间的时间段对应的车辆姿态变化量、上述目标时间段中的第i个目标时间点与第j个目标时间点之间的时间段对应的速度值变化量和上述目标时间段中的第i个目标时间点与第j个目标时间点之间的时间段对应的位置矢量值变化量。i、j和k表示序号。ω表示上述目标时间段中的目标时间点对应的第一角速度值。ωk表示上述目标时间段中的第k个目标时间点对应的第一角速度值。a表示上述目标时间段中的目标时间点对应的第一加速度值。ak表示上述目标时间段中的第k个目标时间点对应第一加速度值。ημ表示预设加速度计的噪声值。ησ表示预设陀螺仪的噪声值。bμ表示预设加速度计的零偏值。bσ表示预设陀螺仪的零偏值。R表示上述目标时间段中的目标时间点对应的车辆姿态。Ri表示上述目标时间段中的第i个目标时间点对应的车辆姿态。Rj表示上述目标时间段中的第j个目标时间点对应的车辆姿态。ΔRij表示上述目标时间段中的第i个目标时间点与第j个目标时间点之间的时间段对应的车辆姿态变化量。Rk表示上述目标时间段中的第k个目标时间点对应的车辆姿态。ΔRik表示上述目标时间段中的第i个目标时间点与第k个目标时间点之间的时间段对应的车辆姿态变化量。v表示上述目标时间段中的目标时间点对应的速度值。vi表示上述目标时间段中的第i个目标时间点对应的速度值。vj表示上述目标时间段中的第j个目标时间点对应的速度值。Δvij表示上述目标时间段中的第i个目标时间点和第j个目标时间点之间的时间段对应的速度值变化量。vk表示上述目标时间段中的第k个目标时间点对应的速度值。Δvik表示上述目标时间段中的第i个目标时间点和第k个目标时间点之间的时间段对应的速度值变化量。ρ表示上述目标时间段中的目标时间点的位置矢量值。ρi表示上述目标时间段中的第i个目标时间点的位置矢量值。ρj表示上述目标时间段中的第j个目标时间点的位置矢量值。Δρij表示上述目标时间段中的第i个目标时间点和第j个目标时间点的之间的时间段对应的位置矢量值变化量。Δt表示预设时间周期。
第五子步骤,响应于确定第一调整信息存在,基于上述第一调整信息和上述目标时间段对应的定位调整信息,通过以下公式,生成初始定位信息:
其中,上述第一调整信息包括:上述目标时间段中的第i个目标时间点对应的速度值、上述目标时间段中的第i个目标时间点对应的车辆姿态和上述目标时间段中的第i个目标时间点的位置矢量值。上述初始定位信息包括:上述目标时间段中的第j个目标时间点对应的速度值、上述目标时间段中的第j个目标时间点对应的车辆姿态和上述目标时间段中的第j个目标时间点的位置矢量值。t表示上述目标时间段中的目标时间点。tj表示上述目标时间段中的第j个目标时间点。ti表示上述目标时间段中的第i个目标时间点。Δtij表示上述目标时间段中的第i个目标时间点和第j个目标时间点之间的时间段对应的目标时间点变化量。g表示预设重力加速度。
步骤202中的公式以及相关内容作为本公开的一个发明点,解决了背景技术提及的技术问题二“现有车辆定位技术通常使用卡尔曼滤波器进行信息融合。而卡尔曼滤波器仅对每一帧的传感器观测数据进行一次估计与修正,无法利用历史信息对当前的估计值进行修正与调整,因此当存在噪声和外点时,使得输出的定位精度不足,进而影响目标车辆行驶的安全性”。导致输出的定位精度不足的因素往往如下:现有的定位方法里中通常使用卡尔曼滤波器进行信息融合。而卡尔曼滤波器仅对每一帧的传感器观测数据进行一次估计与修正,无法利用历史信息对当前的估计值进行修正与调整,因此,当存在噪声和外点时,使得输出的定位精度不足,进而影响目标车辆行驶的安全性。如果解决了上述因素,就能提高输出的定位精度,提升目标车辆行驶的安全性。为了达到这一效果,本公开首先将获取的多源信息进行数据预处理,以剔除受噪声和外点影响的数据。其次,基于历史定位结果以及上述步骤202中的公式,对车辆定位信息进行了初步确定。最后,将历史定位结果与初步确定的车辆定位信息作为不同的因子图输入至优化器中,以便对车辆定位信息进行修正与调整以生成最终的车辆定位信息。进而提高了输出的车辆定位精度。从而提高了车辆的安全性。
第四步,基于上述定位调整信息,上述初始定位信息,上述车道线配对信息和上述第一处理信息,生成预处理信息。
作为示例,上述定位调整信息可以是[[5m/s],[0,0,0.023,0.091],[0.58m]]。上述初始定位信息可以是[[59m/s],[0,0,0.723,0.690],[56m]]。上述车道线配对信息可以是[0.2,17.89,0.25,18.9,-1.36,0.03,0.56,0.05,-1.5,0.01,-0.30,0.21,4.34,0.45,0.05,0.57]。上述第一处理信息可以是[[2m/s2],[0.0011rad/s],[5dBm,0.049m/s,0.073m/s,0.001m/s],[0.2,17.89,0.25,18.9,-1.36,0.03,0.56,0.05,-1.5,0.01,-0.30,0.21,4.34,0.45,0.05,0.57],[1,2],[0,0,0.723,0.690],[0.2,17.89,0.25,18.9,-1.36,0.03,0.56,0.05,-1.5,0.01,-0.30,0.21,4.34,0.45,0.05,0.57]]。将上述定位调整信息,上述初始定位信息,上述车道线配对信息和上述第一处理信息进行组合,生成的预处理信息可以是[[5m/s],[0,0,0.023,0.091],[0.58m],[59m/s],[0,0,0.723,0.690],[56m],[2m/s2],[0.0011rad/s],[5dBm,0.049m/s,0.073m/s,0.001m/s],[0.2,17.89,0.25,18.9,-1.36,0.03,0.56,0.05,-1.5,0.01,-0.30,0.21,4.34,0.45,0.05,0.57],[1,2],[0,0,0.723,0.690],[0.2,17.89,0.25,18.9,-1.36,0.03,0.56,0.05,-1.5,0.01,-0.30,0.21,4.34,0.45,0.05,0.57]]。
步骤203,对预处理信息进行因子图构建以生成因子图。
在一些实施例中,上述执行主体可以基于上述预处理信息,通过各种方式生成因子图。
在一些实施例的一些可选的实现方式中,上述执行主体对上述预处理信息进行因子图构建以生成因子图,可以包括以下步骤:
第一步,响应于确定上述预处理信息满足预设第一条件,对上述预处理信息进行因子图构建以生成第一因子图。
其中,上述预设第一条件可以是上述预处理信息中包括的初始定位信息与第一处理信息处于同一时刻。
作为示例,上述在2020-11-06-10:14:59时刻的预处理信息包括的初始定位信息可以是[[59m/s],[0,0,0.723,0.690],[56m]]。上述在2020-11-06-10:14:59时刻的第一处理信息可以是[[0.2,17.89,0.25,18.9,-1.36,0.03,0.56,0.05,-1.5,0.01,-0.30,0.21,4.34,0.45,0.05,0.57],[1,2],[0,0,0.723,0.690],[0.2,17.89,0.25,18.9,-1.36,0.03,0.56,0.05,-1.5,0.01,-0.30,0.21,4.34,0.45,0.05,0.57]]。响应于上述预处理信息中包括的初始定位信息与第一处理信息处于同一时刻。因此可以对上述预处理信息进行因子图构建以生成第一因子图。
第二步,对上述第一因子图进行连通性检查以生成因子图。
其中,对上述第一因子图进行连通性检查可以是判断上述第一因子图中的各个因子的连通性。上述判断方法可以是广度优先遍历、深度优先搜索法等方法。
步骤204,对因子图进行平滑处理以生成车辆定位信息。
在一些实施例中,上述执行主体可以基于上述因子图,通过各种方式生成车辆定位信息。
在一些实施例的一些可选的实现方式中,上述执行主体对上述因子图进行平滑处理以生成车辆定位信息,可以包括以下步骤:
第一步,获取历史因子图集。
第二步,响应于确定上述因子图和上述历史因子图集满足预设第二条件,将上述因子图和上述历史因子图集输入至调整模型中以生成车辆定位信息。
其中,上述预设第二条件可以是上述因子图和上述历史因子图集中的各个因子图相加的因子个数,小于等于预设阈值。上述预设阈值可以是5。上述调整模型可以是各种优化器(例如:梯度下降法、动量优化法等)。
本公开的上述各个实施例具有如下有益效果:通过将获取到的网络RTK信息、IMU的测量数据、视觉车道线信息、轮速里程计信息和高精度地图信息等多源信息进行融合,从而,输出较为稳定精确的车辆定位信息。具体来说,发明人发现,造成车辆定位不够精确的原因在于:基于视觉信息进行的同步定位而实现的车辆定位,环境特征的变化会对车辆定位的精度产生较大影响。而依赖全球导航卫星系统的信号进行车辆定位时,在出现遮挡严重的区域(隧道、桥洞以及城市峡谷)全球导航卫星系统的信号的强度会显著下降,进而影响车辆定位的稳定性和车辆定位的精度,导致车辆定位精度显著下降。基于此,本公开的一些实施例的车辆定位方法中不仅融合了RTK信息、IMU的测量数据,还融合了视觉车道线信息、轮速里程计信息以及高精度地图等多源信息。因为结合了各种不同的源数据,由此提高了在遮挡严重的区域、恶劣天气等区域或环境下生成的车辆定位信息的精度。进而提高了车辆在行驶过程中的安全程度。
进一步参考图3,作为对上述各图所示方法的实现,本公开提供了一种车辆定位装置的一些实施例,这些装置实施例与图2所示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,一些实施例的车辆定位装置300包括:获取单元301、数据预处理单元302、因子图构建单元303和平滑处理单元304。其中,获取单元301,被配置成获取传感器信息,其中,上述传感器信息包括但不限于以下至少一项:加速度值,角速度值,车辆全局定位输出信息,车体车道线信息,车道线形状标示信息,相对定位信息和地图车道线信息。数据预处理单元302,被配置成对上述传感器信息进行数据预处理以生成预处理信息。因子图构建单元303,被配置成对上述预处理信息进行因子图构建以生成因子图。平滑处理单元304,被配置成对上述因子图进行平滑处理以生成车辆定位信息。
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RAM403通过总线404彼此相连。输入/输出(I/O)接口405也连接至总线404。
通常,以下装置可以连接至I/O接口405: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404;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:获取传感器信息,其中,上述传感器信息包括但不限于以下至少一项:加速度值,角速度值,车辆全局定位输出信息,车体车道线信息,车道线形状标示信息,相对定位信息和地图车道线信息。对上述传感器信息进行数据预处理以生成预处理信息。对上述预处理信息进行因子图构建以生成因子图。对上述因子图进行平滑处理以生成车辆定位信息。
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、数据预处理单元、因子图构建单元和平滑处理单元。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“获取传感器信息的单元”。
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。