CN112598731B - 车辆定位方法、装置、电子设备和计算机可读介质 - Google Patents

Abstract

本公开的实施例公开了车辆定位方法、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：获取车辆的车载相机拍摄的图像，三维地图数据和上述车辆的位姿。确定上述图像中包括的每个第一目标物体图像的中心坐标值，得到第一目标物体图像中心坐标值序列。生成二维地图图像。确定上述二维地图图像对应的每个第二目标物体图像的中心坐标值，得到第二目标物体图像中心坐标值序列。生成第一中心坐标值二元组序列。生成误差值。对上述车辆的位姿进行调整以生成调整后的车辆位置信息。该实施方式解决了提高了车辆定位的精度，进而提高了自动驾驶车辆的安全性。

Description

车辆定位方法、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计算机技术领域，具体涉及车辆定位方法、装置、电子设备和计算机可读介质。

背景技术

车辆定位，指的是对车辆在地面上的位置进行确定的一项技术。常用的车辆定位方法是利用全球定位系统对车辆进行定位。

然而，当采用上述方式对车辆进行定位时，往往会存在如下技术问题：

第一，车辆的定位速度慢，车辆的定位不及时，导致降低了自动驾驶车辆的安全性；

第二，对车辆的定位不精确，导致定位方式难以用于自动驾驶领域。

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定位方法，该方法包括：获取车辆的车载相机拍摄的图像，三维地图数据和上述车辆的位姿，其中，上述图像中包括至少一个第一目标物体图像，上述三维地图数据中包括至少一个第二目标物体图像。确定上述图像中包括的每个第一目标物体图像的中心坐标值，得到第一目标物体图像中心坐标值序列。基于上述三维地图数据，生成二维地图图像。确定上述二维地图图像对应的每个第二目标物体图像的中心坐标值，得到第二目标物体图像中心坐标值序列。基于上述第一目标物体图像中心坐标值序列与上述第二目标物体图像中心坐标值序列，生成第一中心坐标值二元组序列。基于上述第一中心坐标值二元组序列，生成误差值。利用上述误差值，对上述车辆的位姿进行调整以生成调整后的车辆位置信息。

第二方面，本公开的一些实施例提供了一种车辆定位装置，装置包括：获取单元，被配置成获取车辆的车载相机拍摄的图像，三维地图数据和上述车辆的位姿，其中，上述图像中包括至少一个第一目标物体图像，上述三维地图数据中包括至少一个第二目标物体图像；第一确定单元，被配置成确定上述图像中包括的每个第一目标物体图像的中心坐标值，得到第一目标物体图像中心坐标值序列；第一生成单元，被配置成基于上述三维地图数据，生成二维地图图像；第二确定单元，被配置成确定上述二维地图图像的每个第二目标物体图像的中心坐标值，得到第二目标物体图像中心坐标值序列；第二生成单元，被配置成基于上述第一目标物体图像中心坐标值序列与上述第二目标物体图像中心坐标值序列，生成第一中心坐标值二元组序列；第三生成单元，被配置成基于上述第一中心坐标值二元组序列，生成误差值；第四生成单元，被配置成利用上述误差值，对上述车辆的位姿进行调整以生成调整后的车辆位置信息。

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定位方法得到的车辆位置信息，解决了车辆的定位速度慢，车辆定位不及时的问题，提高了自动驾驶车辆的安全性。具体来说，发明人发现造成车辆定位不及时的原因在于：车辆定位速度慢，导致出现车辆定位不及时的问题。基于此，本公开的一些实施例的车辆定位方法：首先，获取车辆的车载相机拍摄的图像，三维地图数据和上述车辆的位姿，其中，上述图像中包括至少一个第一目标物体图像，上述三维地图数据中包括至少一个第二目标物体图像。然后，确定上述图像中包括的每个第一目标物体图像的中心坐标值，得到第一目标物体图像中心坐标值序列。通过获取车辆的车载相机拍摄的图像，使得可以及时的对上述车辆进行定位，提高了车辆定位的现势性。再通过确定上述图像对应的第一目标物体图像的中心点坐标值序列，方便车辆定位的计算使用。之后，基于上述三维地图数据，生成二维地图图像。由于上述车辆的车载相机拍摄的图像是二维图像，所以从三维地图数据中生成二维地图图像可以形成同一纬度的图像，可以更好的对车辆进行定位。而后，确定上述二维地图图像对应的每个第二目标物体图像的中心坐标值，得到第二目标物体图像中心坐标值序列。从二维地图图像中提取出对应的第二目标物体图像中心坐标值序列方便以下步骤的计算使用。接着，基于上述第一目标物体图像中心坐标值序列与上述第二目标物体图像中心坐标值序列，生成第一中心坐标值二元组序列。通过上述第一目标物体图像中心坐标值序列与上述第二目标中心坐标值序列生成的第一中心坐标值二元组序列，可以对上述车载相机拍摄的图像与二维地图图像中的特征相似物体进行较好的关联，使得下一步可以更快的确定车辆的位置信息。此后，基于上述第一目标物体图像中心坐标值序列与上述第二目标物体图像中心坐标值序列，生成第一中心坐标值二元组序列。生成的第一中心坐标值二元组序列可以对上述关联好的上述车载相机拍摄的图像与二维地图图像中特征相似的关联物体图像的误差较好的体现。最后，利用上述误差值，对上述车辆的位姿进行调整以生成调整后的车辆位置信息。由于可以快速的确定车辆的位置信息，所以在利用上述位置信息对车辆进行定位时可以提高了车辆定位的整体速度。解决了车辆定位速度慢，定位不及时的问题，进而提高了自动驾驶车辆的安全性。

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，原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定位方法的一个应用场景示意图；

图2是根据本公开的车辆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定位装置的一些实施例的结构示意图；

图4是适于用来实现本公开的一些实施例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可以获取车辆的车载相机拍摄的图像102，三维地图数据103和上述车辆的位姿104，其中，上述图像102中包括至少一个第一目标物体图像105，上述三维地图数据103中包括至少一个第二目标物体图像106。确定上述图像102 中包括的每个第一目标物体图像105的中心坐标值，得到第一目标物体图像中心坐标值序列107。基于上述三维地图数据103，生成二维地图图像108。确定上述二维地图图像108对应的每个第二目标物体图像106的中心坐标值，得到第二目标物体图像中心坐标值序列109。基于上述第一目标物体图像中心坐标值序列107与上述第二目标物体图像中心坐标值序列109，生成第一中心坐标值二元组序列110。基于上述第一中心坐标值二元组序列110，生成误差值111。利用上述误差值111，对上述车辆的位姿104进行调整以生成调整后的车辆位置信息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中的终端设备数目仅仅是示意性的。根据实现需要，可以具有任意数目的终端设备。

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，获取车辆的车载相机拍摄的图像，三维地图数据和车辆的位姿。

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车辆的车载相机拍摄的图像，三维地图数据和上述车辆的位姿。其中，上述图像中包括至少一个第一目标物体图像，上述三维地图数据中包括至少一个第二目标物体图像。

作为示例，上述图像可以是上述车辆在正常行驶时车载相机拍摄的图像。上述三维地图数据可以是从一个高精度地图中选出的与上述图像相似的三维地图数据。上述第一目标物体图像包括但不限于以下至少一项：交通标示牌，灯杆。上述第二目标物体图像包括但不限于以下至少一项：交通标识牌，灯杆。

步骤202，确定图像中包括的每个第一目标物体图像的中心坐标值，得到第一目标物体图像中心坐标值序列。

在一些实施例中，上述执行主体可以确定上述图像中包括的每个第一目标物体图像的中心坐标值，得到第一目标物体图像中心坐标值序列。其中，上述第一目标物体图像的中心坐标值并不代表该第一目标物体图像的绝对中心位置，上述第一目标物体图像的中心坐标值可以是根据上述第一目标物体图像对应的所有像素点坐标值的均值得到的。

在一些实施例的一些可选的实现方式中，上述执行主体确定图像中包括的每个第一目标物体图像的中心坐标值，得到第一目标物体图像中心坐标值序列，可以包括以下步骤：

第一步，确定上述第一目标物体图像的各个边缘像素点的坐标值以生成边缘像素点坐标值序列。

作为示例，上述图像中包括的的第一目标物体图像可以是：交通标示牌。那么，可以对第一目标物体图像“交通标识牌”进行边缘检测，得到多个边缘像素点的坐标值。之后利用多个边缘像素点的坐标值生成边缘像素点坐标值序列。

第二步，基于上述边缘像素点坐标值序列中的各个边缘像素点坐标值，生成第一目标物体图像中心坐标值。

作为示例，其中，上述第一目标物品中心坐标值可以用各种方式得到。例如，边缘像素点坐标值序列可以是：[(10,20)，(15,15)，(15,25)， (20,10)，(20,30)，(25,15)，(25,25)，(30,30)]。那么，对上述边缘像素点坐标值序列进行均值处理生成的第一目标物体图像中心坐标值可以是：(20,21)。

步骤203，基于三维地图数据，生成二维地图图像。

在一些实施例中，上述执行主体可以基于上述三维地图数据，利用各种方式生成二维地图图像。其中，上述三维地图数据可以包括：三维地图点序列。

在一些实施例的一些可选的实现方式中，上述执行主体基于三维地图数据，生成二维地图图像，可以包括以下步骤：

第一步，确定上述车辆的世界坐标系，上述车辆的车载相机的相机坐标系，上述车载相机的焦距和上述焦距对应的焦点坐标值。

作为示例，上述车辆的世界坐标系可以是在上述车辆的车载相机拍摄的上述图像对应的时刻，以车辆底盘中心点为原点，车辆的行驶方向为横轴，与地面水平垂直于横轴的方向为纵轴，与地面垂直且垂直于横轴向上的方向为竖轴建立世界坐标系。上述相机坐标系可以是以上述车辆的车载相机为原点，相机焦距所在的直线为横轴，水平垂直横轴的方向为纵轴，向上垂直于横轴的方向为竖轴建立相机坐标系。

第二步，利用以下公式，将上述三维地图数据所包括的各个三维地图点转换为二维地图图像像素点，得到二维地图图像像素点序列：

其中，f表示上述焦距。c表示上述相机坐标系。p_x表示上述三维地图点的横坐标值。p_y表示上述三维地图点的纵坐标值。p_z表示上述三维地图点的竖坐标值。f_x表示与上述车辆的车载相机的焦距对应的焦点坐标值的横坐标值。f_y表示与上述车辆的车载相机的焦距对应的焦点坐标值的纵坐标值。p_x，c表示上述三维地图点在上述相机坐标系中的横坐标值。p_y，c表示上述三维地图点在上述相机坐标系中的纵坐标值。p_z，c表示上述三维地图点在上述相机坐标系中的竖坐标值。u表示上述二维地图图像的像素点的横坐标值。v表示上述二维地图图像的像素点的纵坐标值。H()表示转换函数。

上述公式可以将不同维度的图像转换到相同的维度，公式中引入了相机的焦距以及交点可以使得图像在维度转换时更加符合上述车辆的位置信息，使得维度转换后的图像可以更加准确。其中，转换函数可以将三维地图点转为二维像素点。

第三步，将上述二维地图图像的像素点序列进行有序组合以生成二维地图图像。

步骤204，确定二维地图图像对应的每个第二目标物体图像的中心坐标值，得到第二目标物体图像中心坐标值序列。

在一些实施例中，步骤204的具体实现及带来的技术效果可以参考图2对应的那些实施例中的步骤202，在此不再赘述。

步骤205，基于第一目标物体图像中心坐标值序列与第二目标物体图像中心坐标值序列，生成第一中心坐标值二元组序列。

在一些实施例中，上述执行主体可以基于上述第一目标物体图像中心坐标值序列与上述第二目标物体图像中心坐标值序列，利用各种方式生成第一中心坐标值二元组序列。

在一些实施例的一些可选的实现方式中，上述执行主体基于第一目标物体图像中心坐标值序列与第二目标物体图像中心坐标值序列，生成第一中心坐标值二元组序列，可以包括以下步骤：

第一步，确定上述图像的预估位姿矩阵。

作为示例，预估位姿矩阵可以是：

第二步，确定上述第一目标物体图像中心坐标值序列中每个第一目标物体图像中心坐标值与上述第二目标物体图像中心坐标值序列中每个第二目标物体图像中心坐标值的坐标向量。

作为示例，第一目标物体图像中心坐标值可以是：(20,21)。第二目标物体图像中心坐标值可以是：(20,22)。那么，坐标向量可以是： 1。

第三步，利用以下公式，将上述第一目标物体图像中心坐标值序列中每个第一目标物体图像中心坐标值与上述第二目标物体图像中心坐标值序列中各个第二目标物体图像中心坐标值进行匹配以生成最大匹配概率值，得到最大匹配概率值组：

其中，P(k|m，D，X)表示上述最大匹配概率值。k表示所确定的上述第一目标物体图像中心坐标值与上述第二目标物体图像中心坐标值的坐标向量。m表示上述图像的预估位姿矩阵。K表示上述第一目标物体图像中心坐标值序列中第一目标物体图像中心坐标值的数量。δ表示预设概率值。A表示第一预设阈值。S表示第二预设阈值。N表示上述第二目标物体图像中心坐标值序列中第二目标物体图像中心坐标值的数量。D表示上述第一目标物体图像中心坐标值。X 表示上述第二目标物体图像中心坐标值序列中的第二目标物体图像中心坐标值。j表示序号。X_j表示上述第二目标物体图像中心坐标值序列中的第j个第二目标物体图像中心坐标值。

作为示例，上述第一预设阈值可以是上述图像的像素面积(例如， 1920*1024)。第二预设阈值可以是上述第一目标物体图像中心坐标值序列中第一目标物体图像中心坐标值的数量减去上述第二目标物体图像中心坐标值序列中第二目标物体图像中心坐标值的数量。

上述公式引入了图像的像素面积，以及图像中各个目标物体图像，从而计算出的最大匹配概率值可以对两个图像中的物体进行更好的关联，使得以下根据关联物体图像对车辆进行定位时可以更加准确。

第四步，将上述最大匹配概率值组中每个最大匹配概率值对应的第一目标物体图像中心坐标值与第二目标物体图像中心坐标值进行组合以生成第一中心坐标值二元组，得到第一中心坐标值二元组序列。

步骤206，基于第一中心坐标值二元组序列，生成误差值。

在一些实施例中，上述执行主体可以基于上述第一中心坐标值二元组序列，生成误差值。

在一些实施例的一些可选的实现方式中，上述执行主体基于第一中心坐标值二元组序列，生成误差值，可以包括以下步骤：

第一步，确定上述车辆在上述世界坐标系中的车辆位姿矩阵，上述车辆的车辆坐标系和上述车辆的车载相机在上述车辆的车辆坐标系中的相机位姿矩阵。

作为示例，上述车辆坐标系可以是以车辆后桥中心为原点，车辆的行驶方向为横轴，与地面水平垂直于横轴的方向为纵轴，与地面垂直且垂直于横轴向上的方向为竖轴建立车辆坐标系。

第二步，将上述第一中心坐标值二元组序列中每个第一中心坐标值二元组对应的第二目标物体图像中心坐标值转换到上述世界坐标系中以生成转换后的第二目标物体图像中心世界坐标值，得到转换后的第一中心坐标值二元组序列，作为第二中心坐标值二元组序列。

第三步，利用以下公式，确定上述第二中心坐标值二元组序列中各个第二中心坐标值二元组的误差值：

在|||H((T_w→b×T_b′→c)^-1×X_w，i)-U_i||₂|≤λ的情况下：

在其他的情况下：

其中，e表示上述误差值。M表示上述第二中心坐标值二元组序列中第二中心坐标值二元组的数量。w表示上述世界坐标系。T_w→b表示上述车辆在上述世界坐标系中的车辆位姿矩阵。T_b′→c表示上述车辆的车载相机在上述车辆的车辆坐标系中的相机位姿矩阵。i表示序号。X_w表示上述第二中心坐标值二元组序列中第二中心坐标值二元组包括的第二目标物体图像中心世界坐标值。X_w，i表示上述第二中心坐标值二元组序列中第i个第二中心坐标值二元组包括的第二目标物体图像中心世界坐标值。U表示第一目标物体图像中心坐标值序列。U_i表示第一目标物体图像中心坐标值序列中第i个第一目标物体图像中心坐标值。λ表示第三预设阈值。H()表示上述转换函数。 || ||₂表示2-范式。

上述三个公式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“对车辆的定位不精确，导致定位方式难以用于自动驾驶领域。”。导致车辆定位不准确的因素往往如下：未考虑更细粒度的车辆的行驶变化环境，以及未利用车辆的行驶环境与高精度地图进行对比。如果解决了上述因素，就能使得车辆的定位足够精准。为了达到这一效果，首先，上述第一个公式引入了相机的焦距以及交点可以使得图像在维度转换时更加符合上述车辆的位置信息，使得维度转换后的图像可以更加准确。然后，上述第二个公式对转换维度后更加准确的图像与车辆的车载相机拍摄的图像进行物体图像的最大概率进行计算，计算出的最大概率值可以更加准确的确定两个图像中的关联目标物体图像。所以之后再利用组成的物体图像中心坐标值二元组序列来体现两个图像中的误差可以更加准确的。最后，上述第三个公式引入了相机坐标系，再根据计算出的两个图像中的物体图像中心坐标值二元组序列计算出上述图像与上述二维地图图像之间的误差值，从而，最终生成的上述图像与上述车辆的定位在高精度三维地图中的对比误差值可以更加准确。进而，使得上述车辆的车载终端可以利用上述准确的误差值对上述车辆进行更加准确的定位。由此，提高了车辆定位的精确度，使得定位方式可以用于自动驾驶领域。

步骤207，利用误差值，对车辆的位姿进行调整以生成调整后的车辆位置信息。

在一些实施例中，上述执行主体可以利用上述误差值，利用各种方式对上述车辆的位姿进行调整以生成调整后的车辆位置信息。

作为示例，利用上述误差值对上述车辆的位姿进行调整可以是：利用上述误差值对应的上述车辆在上述世界坐标系中的车辆位姿矩阵对上述车辆的位姿进行替换。生成调整后的车辆位置信息可以是将替换后的车辆位姿矩阵作为调整后的车辆位置信息。

可选的，上述执行主体还可以将上述调整后的车辆位置信息发送至上述车辆的车载终端，以供上述车载终端对上述车辆进行定位。

作为示例，上述执行主体可以根据调整后的车辆位置信息调整车辆在高精度地图中的位置以达到车辆定位的目的。

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定位方法得到的车辆位置信息，解决了车辆的定位速度慢，车辆定位不及时的问题，提高了自动驾驶车辆的安全性。具体来说，发明人发现造成车辆定位不及时的原因在于：车辆定位速度慢，导致出现车辆定位不及时的问题。基于此，本公开的一些实施例的车辆定位方法：首先，获取车辆的车载相机拍摄的图像，三维地图数据和上述车辆的位姿，其中，上述图像中包括至少一个第一目标物体图像，上述三维地图数据中包括至少一个第二目标物体图像。然后，确定上述图像中包括的每个第一目标物体图像的中心坐标值，得到第一目标物体图像中心坐标值序列。通过获取车辆的车载相机拍摄的图像，使得可以及时的对上述车辆进行定位，提高了车辆定位的现势性。再通过确定上述图像对应的第一目标物体图像的中心点坐标值序列，方便车辆定位的计算使用。之后，基于上述三维地图数据，生成二维地图图像。由于上述车辆的车载相机拍摄的图像是二维图像，所以从三维地图数据中生成二维地图图像可以形成同一纬度的图像，可以更好的对车辆进行定位。而后，确定上述二维地图图像对应的每个第二目标物体图像的中心坐标值，得到第二目标物体图像中心坐标值序列。从二维地图图像中提取出对应的第二目标物体图像中心坐标值序列方便以下步骤的计算使用。接着，基于上述第一目标物体图像中心坐标值序列与上述第二目标物体图像中心坐标值序列，生成第一中心坐标值二元组序列。通过上述第一目标物体图像中心坐标值序列与上述第二目标中心坐标值序列生成的第一中心坐标值二元组序列，可以对上述车载相机拍摄的图像与二维地图图像中的特征相似物体进行较好的关联，使得下一步可以更快的确定车辆的位置信息。此后，基于上述第一目标物体图像中心坐标值序列与上述第二目标物体图像中心坐标值序列，生成第一中心坐标值二元组序列。生成的第一中心坐标值二元组序列可以对上述关联好的上述车载相机拍摄的图像与二维地图图像中特征相似的关联物体图像的误差较好的体现。最后，利用上述误差值，对上述车辆的位姿进行调整以生成调整后的车辆位置信息。由于可以快速的确定车辆的位置信息，所以在利用上述位置信息对车辆进行定位时可以提高了车辆定位的整体速度。解决了车辆定位速度慢，定位不及时的问题，进而提高了自动驾驶车辆的安全性。

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，一些实施例的车辆定位装置300包括：获取单元301、第一确定单元302、第一生成单元303、第二确定单元304、第二生成单元305、第三生成单元306、第四生成单元307。其中，获取单元301，被配置成获取车辆的车载相机拍摄的图像，三维地图数据和上述车辆的位姿，其中，上述图像中包括至少一个第一目标物体图像，上述三维地图数据中包括至少一个第二目标物体图像。第一确定单元302，被配置成确定上述图像中包括的每个第一目标物体图像的中心坐标值，得到第一目标物体图像中心坐标值序列。第一生成单元303，被配置成基于上述三维地图数据，生成二维地图图像。第二确定单元 304，被配置成确定上述二维地图图像的每个第二目标物体图像的中心坐标值，得到第二目标物体图像中心坐标值序列。第二生成单元305，被配置成基于上述第一目标物体图像中心坐标值序列与上述第二目标物体图像中心坐标值序列，生成第一中心坐标值二元组序列。第三生成单元306，被配置成基于上述第一中心坐标值二元组序列，生成误差值。第四生成单元307，被配置成利用上述误差值，对上述车辆的位姿进行调整以生成调整后的车辆位置信息。

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示出的服务器仅仅是一个示例，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上述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(Hyper Text 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：获取车辆的车载相机拍摄的图像，三维地图数据和上述车辆的位姿，其中，上述图像中包括至少一个第一目标物体图像，上述三维地图数据中包括至少一个第二目标物体图像。确定上述图像中包括的每个第一目标物体图像的中心坐标值，得到第一目标物体图像中心坐标值序列。基于上述三维地图数据，生成二维地图图像。确定上述二维地图图像对应的每个第二目标物体图像的中心坐标值，得到第二目标物体图像中心坐标值序列。基于上述第一目标物体图像中心坐标值序列与上述第二目标物体图像中心坐标值序列，生成第一中心坐标值二元组序列。基于上述第一中心坐标值二元组序列，生成误差值。利用上述误差值，对上述车辆的位姿进行调整以生成调整后的车辆位置信息。

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、第一确定单元、第一生成单元、第二确定单元、第二生成单元、第三生成单元、第四生成单元。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“获取车辆的车载相机拍摄的图像，三维地图数据和上述车辆的位姿的单元”。

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。

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法。

Claims (9)

1.一种车辆定位方法，包括：

获取车辆的车载相机拍摄的图像，三维地图数据和所述车辆的位姿，其中，所述图像中包括至少一个第一目标物体图像，所述三维地图数据中包括至少一个第二目标物体图像；

确定所述图像中包括的每个第一目标物体图像的中心坐标值，得到第一目标物体图像中心坐标值序列；

基于所述三维地图数据，生成二维地图图像；

确定所述二维地图图像对应的每个第二目标物体图像的中心坐标值，得到第二目标物体图像中心坐标值序列；

基于所述第一目标物体图像中心坐标值序列与所述第二目标物体图像中心坐标值序列，生成第一中心坐标值二元组序列；

基于所述第一中心坐标值二元组序列，生成误差值；

利用所述误差值，对所述车辆的位姿进行调整以生成调整后的车辆位置信息。

2.根据权利要求1所述的方法，其中，所述方法还包括：

将所述调整后的车辆位置信息发送至所述车辆的车载终端，以供所述车载终端对所述车辆进行定位。

3.根据权利要求2所述的方法，其中，所述确定所述图像中包括的每个第一目标物体图像的中心坐标值，包括：

确定所述第一目标物体图像的各个边缘像素点的坐标值以生成边缘像素点坐标值序列；

基于所述边缘像素点坐标值序列中的各个边缘像素点坐标值，生成第一目标物体图像中心坐标值。

4.根据权利要求3所述的方法，其中，所述三维地图数据还包括：三维地图点序列；以及

所述基于所述三维地图数据，生成二维地图图像，包括：

确定所述车辆的世界坐标系，所述车辆的车载相机的相机坐标系，所述车载相机的焦距和所述焦距对应的焦点坐标值；

利用以下公式，将所述三维地图数据所包括的各个三维地图点转换为二维地图图像像素点，得到二维地图图像像素点序列：

其中，f表示所述焦距；c表示所述相机坐标系；p_x表示所述三维地图点的横坐标值；p_y表示所述三维地图点的纵坐标值；p_z表示所述三维地图点的竖坐标值；f_x表示与所述车辆的车载相机的焦距对应的焦点坐标值的横坐标值；f_y表示与所述车辆的车载相机的焦距对应的焦点坐标值的纵坐标值；p_x，c表示所述三维地图点在所述相机坐标系中的横坐标值；p_y，c表示所述三维地图点在所述相机坐标系中的纵坐标值；p_z，c表示所述三维地图点在所述相机坐标系中的竖坐标值；u表示所述二维地图图像的像素点的横坐标值；v表示所述二维地图图像的像素点的纵坐标值；H( )表示转换函数；

将所述二维地图图像的像素点序列进行有序组合以生成二维地图图像。

5.根据权利要求4所述的方法，其中，所述基于所述第一目标物体图像中心坐标值序列与所述第二目标物体图像中心坐标值序列，生成第一中心坐标值二元组序列，包括：

确定所述图像的预估位姿矩阵；

确定所述第一目标物体图像中心坐标值序列中每个第一目标物体图像中心坐标值与所述第二目标物体图像中心坐标值序列中每个第二目标物体图像中心坐标值的坐标向量；

利用以下公式，将所述第一目标物体图像中心坐标值序列中每个第一目标物体图像中心坐标值与所述第二目标物体图像中心坐标值序列中各个第二目标物体图像中心坐标值进行匹配以生成最大匹配概率值，得到最大匹配概率值组：

其中，P(k|m，D，X)表示所述最大匹配概率值；k表示所确定的所述第一目标物体图像中心坐标值与所述第二目标物体图像中心坐标值的坐标向量；m表示所述图像的预估位姿矩阵；K表示所述第一目标物体图像中心坐标值序列中第一目标物体图像中心坐标值的数量；δ表示预设概率值；A表示第一预设阈值；S表示第二预设阈值；N表示所述第二目标物体图像中心坐标值序列中第二目标物体图像中心坐标值的数量；D表示所述第一目标物体图像中心坐标值；X表示所述第二目标物体图像中心坐标值序列中的第二目标物体图像中心坐标值；j表示序号；X_j表示所述第二目标物体图像中心坐标值序列中的第j个第二目标物体图像中心坐标值；

将所述最大匹配概率值组中每个最大匹配概率值对应的第一目标物体图像中心坐标值与第二目标物体图像中心坐标值进行组合以生成第一中心坐标值二元组，得到第一中心坐标值二元组序列。

6.根据权利要求5所述的方法，其中，所述基于所述第一中心坐标值二元组序列，生成误差值，包括：

确定所述车辆在所述世界坐标系中的车辆位姿矩阵，所述车辆的车辆坐标系和所述车辆的车载相机在所述车辆的车辆坐标系中的相机位姿矩阵；

将所述第一中心坐标值二元组序列中每个第一中心坐标值二元组对应的第二目标物体图像中心坐标值转换到所述世界坐标系中以生成转换后的第二目标物体图像中心世界坐标值，得到转换后的第一中心坐标值二元组序列，作为第二中心坐标值二元组序列；

利用以下公式，确定所述第二中心坐标值二元组序列中各个第二中心坐标值二元组的误差值：

其中，e表示所述误差值；M表示所述第二中心坐标值二元组序列中第二中心坐标值二元组的数量；w表示所述世界坐标系；T_w→b表示所述车辆在所述世界坐标系中的车辆位姿矩阵；T_b′→c表示所述车辆的车载相机在所述车辆的车辆坐标系中的相机位姿矩阵；i表示序号；X_w表示所述第二中心坐标值二元组序列中第二中心坐标值二元组包括的第二目标物体图像中心世界坐标值；X_w，i表示所述第二中心坐标值二元组序列中第i个第二中心坐标值二元组包括的第二目标物体图像中心世界坐标值；U表示第一目标物体图像中心坐标值序列；U_i表示第一目标物体图像中心坐标值序列中第i个第一目标物体图像中心坐标值；λ表示第三预设阈值；H( )表示所述转换函数；|| ||₂表示2-范式。

7.一种车辆定位装置，包括：

获取单元，被配置成获取车辆的车载相机拍摄的图像，三维地图数据和所述车辆的位姿，其中，所述图像中包括至少一个第一目标物体图像，所述三维地图数据中包括至少一个第二目标物体图像；

第一确定单元，被配置成确定所述图像中包括的每个第一目标物体图像的中心坐标值，得到第一目标物体图像中心坐标值序列；

第一生成单元，被配置成基于所述三维地图数据，生成二维地图图像；

第二确定单元，被配置成确定所述二维地图图像的每个第二目标物体图像的中心坐标值，得到第二目标物体图像中心坐标值序列；

第二生成单元，被配置成基于所述第一目标物体图像中心坐标值序列与所述第二目标物体图像中心坐标值序列，生成第一中心坐标值二元组序列；

第三生成单元，被配置成基于所述第一中心坐标值二元组序列，生成误差值；

第四生成单元，被配置成利用所述误差值，对所述车辆的位姿进行调整以生成调整后的车辆位置信息。

8.一种电子设备，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；

摄像头，被配置成采集图像；

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中任一所述的方法。

9.一种计算机可读介质，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1-6中任一所述的方法。

Images