CN112771352B - 车辆定位方法和装置 - Google Patents
车辆定位方法和装置 Download PDFInfo
- Publication number
- CN112771352B CN112771352B CN202080004190.8A CN202080004190A CN112771352B CN 112771352 B CN112771352 B CN 112771352B CN 202080004190 A CN202080004190 A CN 202080004190A CN 112771352 B CN112771352 B CN 112771352B
- Authority
- CN
- China
- Prior art keywords
- particles
- vehicle
- odd
- distribution
- time
- 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
- 238000000034 method Methods 0.000 title claims abstract description 77
- 239000002245 particle Substances 0.000 claims abstract description 229
- 238000009826 distribution Methods 0.000 claims abstract description 58
- 238000001914 filtration Methods 0.000 claims abstract description 30
- 238000013461 design Methods 0.000 claims abstract description 22
- 238000005070 sampling Methods 0.000 claims abstract description 21
- 230000015654 memory Effects 0.000 claims description 25
- 238000012545 processing Methods 0.000 claims description 20
- 238000004590 computer program Methods 0.000 claims description 14
- 230000004807 localization Effects 0.000 claims description 12
- 238000004364 calculation method Methods 0.000 abstract description 6
- 230000000875 corresponding effect Effects 0.000 description 16
- 230000006870 function Effects 0.000 description 14
- 238000007726 management method Methods 0.000 description 11
- 238000004891 communication Methods 0.000 description 10
- 238000010586 diagram Methods 0.000 description 10
- 238000004422 calculation algorithm Methods 0.000 description 9
- 230000008569 process Effects 0.000 description 9
- 230000005540 biological transmission Effects 0.000 description 3
- 230000008859 change Effects 0.000 description 3
- 230000002596 correlated effect Effects 0.000 description 3
- 230000011664 signaling Effects 0.000 description 3
- 230000001276 controlling effect Effects 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000033001 locomotion Effects 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 102100034112 Alkyldihydroxyacetonephosphate synthase, peroxisomal Human genes 0.000 description 1
- 101000799143 Homo sapiens Alkyldihydroxyacetonephosphate synthase, peroxisomal Proteins 0.000 description 1
- 238000000848 angular dependent Auger electron spectroscopy Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 238000012804 iterative process Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000006855 networking Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000010076 replication Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000008054 signal transmission Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
- G01C21/34—Route searching; Route guidance
- G01C21/3407—Route searching; Route guidance specially adapted for specific applications
- G01C21/3415—Dynamic re-routing, e.g. recalculating the route when the user deviates from calculated route or after detecting real-time traffic data or accidents
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
- G01C21/34—Route searching; Route guidance
- G01C21/3446—Details of route searching algorithms, e.g. Dijkstra, A*, arc-flags, using precalculated routes
-
- 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
- G01S19/00—Satellite radio beacon positioning systems; Determining position, velocity or attitude using signals transmitted by such systems
- G01S19/38—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system
- G01S19/39—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system the satellite radio beacon positioning system transmitting time-stamped messages, e.g. GPS [Global Positioning System], GLONASS [Global Orbiting Navigation Satellite System] or GALILEO
- G01S19/42—Determining position
- G01S19/45—Determining position by combining measurements of signals from the satellite radio beacon positioning system with a supplementary measurement
- G01S19/46—Determining position by combining measurements of signals from the satellite radio beacon positioning system with a supplementary measurement the supplementary measurement being of a radio-wave signal type
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
- G05D1/0214—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory in accordance with safety or protection criteria, e.g. avoiding hazardous areas
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
- G05D1/0223—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory involving speed control of the vehicle
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Aviation & Aerospace Engineering (AREA)
- Computer Networks & Wireless Communication (AREA)
- Traffic Control Systems (AREA)
Abstract
一种车辆定位方法和装置,该方法包括:确定车辆在第一时间的第一位置(201);确定车辆在第二时间的第一设计适用域ODD(202);根据第一ODD在第一位置的周围采样用于进行粒子滤波的多个粒子,该多个粒子的数目或分布与第一ODD对应(203);根据该多个粒子确定车辆的第二时间的第二位置(204)。通过对ODD合理的分级,自适应的设置用于定位计算的采样粒子的数目或分布,从而在节省计算资源的同时,提高粒子滤波定位效率,完成自动驾驶车辆的快速定位。
Description
技术领域
本申请涉及车联网技术领域,尤其涉及一种车辆定位方法和装置。
背景技术
在自动驾驶系统中,车辆自身定位是十分重要的一个环节。目前的定位方法通常是根据车辆上的不同传感器采集的观测数据,采用特征匹配方法、粒子滤波算法等完成车辆的定位。车辆上的传感器可以包括例如全球卫星导航系统(global navigationsatellite system,GNSS)、惯性测量单元(interial measurement unit,IMU)、激光探测与测量(light detection and ranging,LiDAR)或相机等。
目前,粒子滤波算法是通过寻找一组在状态空间中传播的随机样本来近似的表示概率密度函数,用样本均值代替积分运算,进而获得系统状态的最小方差估计的过程。自动驾驶场景有多种设计适用域(operational design domain,ODD),现有技术在应用粒子滤波进行车辆定位时,没有考虑不同的ODD下,不同车辆传感器具有不同的观测噪声以及状态转移过程噪声的情况,不仅浪费计算空间,也会导致车辆的定位性能无法得到保证、定位结果偏差较大的问题。
发明内容
本申请提供一种车辆定位方法和装置,用以解决现有技术中车辆的定位性能无法得到保证的问题。
第一方面,本申请实施例提供一种车辆定位方法,该方法可由车辆自身的定位模块执行,或者还可以是自动驾驶系统网络侧的定位服务器来执行。或者,该方法还可由其他具有定位功能的设备执行。该方法中,可以先确定所述车辆在第一时间的第一位置,其中第一位置可以是通过接收消息得到的,或者是通过观测得到的,例如,车辆中的定位模块例如GPS模块定位得到的大概位置,或者可以是定位服务器基于小区定位方式定位得到的车辆所在的大概位置;然后确定所述车辆在第二时间的第一设计适用域ODD,所述第一ODD可以根据多种方式确定,例如可以根据采集的观测数据、用户输入、所述第一位置或者接收到的其他设备的指示信息确定。其中,第一ODD用于表示所述车辆的运行条件或所在的环境条件。进而根据所述第一ODD在所述第一位置的周围采样用于进行粒子滤波的多个粒子。其中,所述多个粒子的数目和/或分布与所述第一ODD对应;最后根据采样得到的所述多个粒子确定所述车辆的第二时间的第二位置。应理解,所述第二时间在所述第一时间之后。本发明实施例根据ODD自适应的设置用于定位计算的采样粒子的数目或分布,可以使采集的粒子更密集的分布在车辆真实位置附近,尤其在粒子滤波迭代过程中,使粒子的定位结果更准确的完成车辆自身定位,有效提高自动驾驶车辆定位的准确性和效率。
基于该方案,在采用粒子滤波算法对车辆进行定位时,可以确定车辆的第一ODD,并可以根据该第一ODD在第一位置的周围采样用于进行粒子滤波的多个粒子,该多个粒子的数目和/或者分布可以与第一ODD相对应,可以使得采样的多个粒子符合车辆的运行条件,这样基于采样得到的多个粒子对车辆进行定位时,可以较好提高车辆的定位性能。
在一种可能的实现方式中,自动驾驶系统在确定所述车辆在第二时间的第一ODD之后,还可以确定所述第一ODD的目标级别。自动驾驶系统可以根据所述目标级别在所述第一位置的周围采集用于粒子滤波的多个粒子。具体地,所述多个粒子的数目和/或分布与所述目标级别相对应。一示例中,该多个粒子的数目可以与目标级别正相关,第一ODD的级别越高则粒子的数目越大。所述正相关可以通过关于目标级别的指数函数、正比例函数或查表映射来实现。
基于该方案,采样的多个粒子的数目和/或分布可以与第一ODD的目标级别相对应,可以根据第一ODD的目标级别确定更符合车辆的运行条件的多个粒子,或分布密度或分布区域更符合车辆的运行条件的多个粒子,以此提高车辆的定位性能,可以使定位的结果更准确。
在一种可能的实现方式中,所述多个粒子的数目或分布还可以与所述车辆的传感器类型相对应。
基于该方案,采样的多个粒子的数目或分布还可以与第一ODD的目标级别和车辆的传感器类型相对应,这样采样的多个粒子可以更符合车辆的运行条件,可以使得定位的结果更准确。
在一种可能的实现方式中,在得到该车辆的第二时间的第二位置后,还可以将该第二位置确定为新的第一位置,根据本申请实施例的上述方法迭代地对车辆进行定位。在迭代对车辆进行定位时,若确定所述车辆从第一ODD切换为第二ODD,可以根据所述第二ODD,在所述新的第一位置周围采样用于进行粒子滤波的多个粒子。其中,再次采集的所述多个粒子的数目和/或分布与所述第二ODD对应;最后根据再次采样得到的所述多个粒子重新确定所述车辆在第一时间之后的第三时间的第二位置。
基于该方案,在该车辆的ODD发生变化时,可以根据变换后的ODD在车辆的第一位置周围重新采样用于粒子滤波的多个粒子,可以根据车辆的运行条件的变化,重新设置用于粒子滤波的多个粒子的数目或分布,可以使得定位结果跟随车辆当前所在环境和运行条件的变化而更加准确。
在一种可能的实现方式中,在得到该车辆的第二时间的第二位置后,还可以将该第二位置确定为新的第一位置,可以根据本申请实施例的上述方法继续对车辆进行定位。在继续对车辆进行定位时,如果采集的所述多个粒子中的有效粒子的数目小于阈值并且所述第一ODD未发生切换,则可以先执行删除部分无效粒子并且复制部分有效粒子的操作,在执行完成粒子删除和复制操作后,基于操作后得到的多个粒子确定所述车辆在第一时间之后的第三时间的第三位置。在如何判断粒子是否为有效粒子方面,示例性的,采集的多个粒子中,每个粒子都被配置有对应的权重值,不同粒子的权重值可以相同也可以不同,可以将权重值大于某个阈值的粒子作为有效粒子,或将权重值小于某个阈值的粒子作为无效粒子。
基于该方案,在该车辆的ODD未发生变化且有效粒子的数目小于阈值时,可以继续采用部分或全部有效粒子进行复制粒子操作,从而使得复制后的粒子数目满足车辆的ODD的要求,使得车辆的定位更为准确。
第二方面,本申请实施例还提供一种车辆定位装置,可以用来执行上述第一方面及第一方面的任意可能的实现方式中的操作。例如,该定位装置可以包括用于执行上述第一方面或第一方面的任意可能的实现方式中的各个操作的模块或单元。比如包括处理单元和采集单元。
第三方面,本申请实施例提供了一种车辆定位装置,包括处理器,可选的还包括存储器;其中,存储器存储计算机程序,处理器用于从存储器中调用并运行计算机程序,使得所述车辆定位装置执行上述第一方面或第一方面的任意可能的实现方式中的任一方法。
第四方面,本申请实施例提供了一种计算机程序产品,计算机程序产品包括:计算机程序代码,当计算机程序代码被车辆定位装置的通信单元、处理单元或收发器、处理器运行时,使得车辆定位装置执行上述第一方面或第一方面的任意可能的实现方式中的任一方法。
第五方面,本申请实施例提供了一种计算机可读存储介质,计算机可读存储介质存储有程序,程序使得车辆定位装置执行上述第一方面或第一方面的任意可能的实现方式中的任一方法。
其中,上述第二方面至第五方面任一方面或任一方面的任意一种设计可以达到的技术效果可以参照上述针对第一方面或第一方面的任意一种设计可以达到的技术效果,这里不再重复赘述。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍。
图1为本申请实施例的一个典型应用场景示意图;
图2为本申请实施例提供的一种车辆定位方法的示例性流程图;
图3为本申请实施例中不同ODD下的粒子分布示意图;
图4为本申请实施例中不同ODD下的粒子采样示意图;
图5为本申请实施例中有效粒子分布的示意图;
图6为本申请实施例中有效粒子复制操作的示意图;
图7为本申请实施例提供的一种车辆定位装置的结构框图;
图8为本申请实施例提供的另一种车辆定位装置的结构框图。
具体实施方式
为了理解本申请实施例提供的技术方案,首先对本申请实施例中的相关名词进行解释说明:
1)设计适用域(operational design domain,ODD),指自动驾驶系统被设计的起作用的条件或适用范围,包括但不限于车速、地理位置、交通状况、道路类型、天气、时间、环境、国家或当地交通法律等。通常还被称为运行设计域、设计运行域等。
2)粒子,是指状态空间中传播的随机样本,可以作为确定自动驾驶系统中车辆的位置的参考点,大量的粒子可以模拟车辆的运动状态及其运动轨迹,用于进行粒子滤波。
下面结合附图对本申请的技术方案进行说明。
本申请实施例提供的技术方案可以应用于各种自动驾驶系统,例如自动驾驶系统(automated driving,AD)系统、高级自动驾驶系统(highly automated driving,HAD)系统、辅助驾驶系统(advanced driver assistance,ADAS),及未来的自动驾驶系统等。
本申请将围绕可包括多个设备、组件、模块等的系统来呈现各个方面、实施例或特征。应当理解和明白的是,各个系统可以包括另外的设备、组件、模块等,并且/或者可以并不包括结合附图讨论的所有设备、组件、模块等。此外,还可以使用这些方案的组合。
另外,在本申请实施例中,“示例的”一词用于表示作例子、例证或说明。本申请中被描述为“示例”的任何实施例或设计方案不应被解释为比其它实施例或设计方案更优选或更具优势。确切而言,使用示例的一词旨在以具体方式呈现概念。
本申请实施例描述的网络架构以及业务场景是为了更加清楚的说明本申请实施例的技术方案,并不构成对于本申请实施例提供的技术方案的限定,本领域普通技术人员可知,随着网络架构的演变和新业务场景的出现,本申请实施例提供的技术方案对于类似的技术问题,同样适用。
本申请实施例中,信息(information),信号(signal),消息(message),信道(channel)有时可以混用,应当指出的是,在不强调其区别时,其所要表达的含义是一致的。“的(of)”,“相应的(corresponding,relevant)”和“对应的(corresponding)”有时可以混用,应当指出的是,在不强调其区别时,其所要表达的含义是一致的。
为便于理解本申请实施例,首先以图1中示出的通信系统为例详细说明本申请实施例的通信系统。图1示出了适用于本申请实施例的车辆定位方法的通信系统的示意图。如图1所示,该通信系统100包括网络设备101、网络侧的定位服务器103、车辆102和车辆102上的控制管理设备104。网络设备101可以配置有多个天线,车辆102也可以配置有多个天线。可选地,该通信系统还可以包括网络设备105,网络设备105也可配置有多个天线。
应理解,网络设备101或网络设备105还可包括与信号发送和接收相关的多个部件(例如,处理器、调制器、复用器、解调器或解复用器等)。
本申请实施例提供的技术方案可以由控制管理设备104中具有定位功能的定位模块执行或者还可以由图1中的网络侧的定位服务器103执行。
其中,网络设备可以为具有无线收发功能的设备或可设置于该设备的芯片,该设备包括但不限于:演进型节点B(evolved Node B,eNB)、无线网络控制器(radio networkcontroller,RNC)、节点B(Node B,NB)、基站控制器(base station controller,BSC)、基站收发台(base transceiver station,BTS)、家庭基站(例如,home evolved NodeB,或homeNode B,HNB)、基带单元(baseband unit,BBU),无线保真(wireless fidelity,WIFI)系统中的接入点(access point,AP)、无线中继节点、无线回传节点、传输点(transmission andreception point,TRP或者transmission point,TP)等,还可以为5G,如,NR,系统中的gNB,或,传输点(TRP或TP),5G系统中的基站的一个或一组(包括多个天线面板)天线面板,或者,还可以为构成gNB或传输点的网络节点,如基带单元(BBU),或,分布式单元(DU,distributed unit)等。
若网络设备为基站,则本申请实施例中不同基站可以为具有不同标识的基站,也可以为具有相同的标识的被部署在不同地理位置的基站。由于在基站被部署前,基站并不会知道其是否会涉及本申请实施例所应用的场景,因而,基站,或基带芯片,都应在部署前就支持本申请实施例所提供的方法。可以理解的是,前述具有不同标识的基站可以为基站标识,也可以为小区标识或者其他标识。
在一些部署中,gNB可以包括集中式单元(centralized unit,CU)和DU。gNB还可以包括射频单元(radio unit,RU)。CU实现gNB的部分功能,DU实现gNB的部分功能,比如,CU实现无线资源控制(radio resource control,RRC),分组数据汇聚层协议(packet dataconvergence protocol,PDCP)层的功能,DU实现无线链路控制(radio link control,RLC)、媒体接入控制(media access control,MAC)和物理(physical,PHY)层的功能。由于RRC层的信息最终会转变成PHY层的信息,或者,由PHY层的信息转变而来,因而,在这种架构下,高层信令,如RRC层信令或PDCP层信令,也可以认为是由DU发送的,或者,由DU+CU发送的。可以理解的是,网络设备可以为CU节点、或DU节点、或包括CU节点和DU节点的设备。此外,CU可以划分为接入网RAN中的网络设备,也可以将CU划分为核心网CN中的网络设备,在此不做限制。
在该通信系统100中,网络设备101和网络设备105均可以与多个车辆(例如图中示出的车辆102)通信。应理解,网络设备101和网络设备105均可以与类似于车辆102的一个或多个车辆通信,车辆102通过与不同的网络设备通信,从而可以实现自动驾驶(也称无人驾驶)的功能。但应理解,与网络设备101通信的车辆和与网络设备105通信的车辆可以是相同的,也可以是不同的。图1中示出的车辆102可同时与网络设备101和网络设备105通信,但这仅示出了一种可能的场景,在某些场景中,车辆102可能仅与网络设备101或网络设备105通信,本申请对此不做限定。
应理解,图1仅为便于理解而示例的简化示意图,该通信系统中还可以包括其他网络设备或者还可以包括其他车辆,图1中未予以画出。
在图1所示的系统架构中,车辆102在行驶过程中,需要详尽的采集车辆102所在的车道上的道路信息、障碍物信息、车辆102在车道上的位置等信息,以根据采集的信息来控制车辆102的行驶方向和速度等。与普通车辆相比,自动驾驶领域中需要识别的精度不只是“车辆102正在行驶在什么道路上”,而是“车辆102行驶在哪个车道”。通常一条车道的宽度只有2.7m-4.6m,允许的误差极小,因此自动驾驶的实现离不开对车辆的高精度定位需求。
基于图1或与图1所示的系统架构类似的其他系统架构,图2为本申请实施例提供的车辆定位方法的示例性流程图,可以包括以下流程:
步骤201:确定车辆在第一时间的第一位置。
一种可能的实现方式中,可以由车辆中安装的控制管理设备来确定车辆的第一位置;比如可以是车辆的控制管理设备通过控制车辆自身安装的或车辆中携带的通信设备中安装的全球定位系统(global positioning system,GPS)、北斗卫星导航系统(beidounavigation satellite system,BDS)等具有定位功能的部件,对车辆在第一时间的位置进行定位操作,得到车辆在第一时间的第一位置。或者,第一位置还可以是车辆的控制管理设备通过控制车辆自身安装的传感器观测得到的概略位置,传感器可以是例如相机、全球卫星导航系统(global navigation satellite system,GNSS)等传感器。实施时,控制管理设备可以通过车辆的传感器观测得到的数据,计算得到该第一位置。例如,GNSS获得车辆在第一时间与卫星的距离信息,将该距离信息上报给控制管理设备,由控制管理设备根据该距离信息计算得到车辆在第一时间的第一位置。
另一种可能的实现方式中,也可以由自动驾驶系统网络侧的定位服务器来确定车辆的第一位置。定位服务器可以基于车辆在第一时间所处的小区信息来确认车辆第一时间的第一位置。
需要说明的是,这里的第一位置可能是基于本方案的迭代运算,上一次计算得到的定位结果。基于迭代运算,可以根据环境和状态的变化不断更新定位结果。这里的第一位置也可能是车辆的大概初始位置,比如可以是车辆的一个大概模糊位置,例如第一位置可以指示车辆在第一时间处于哪个区域,或哪个道路,而无法给出车辆具体的经纬度等信息,也就是说第一位置是精度比较低的位置信息,不符合目前自动驾驶系统中对车辆定位的需求。因此为了自动驾驶系统对车辆的高精度定位需求,就需要根据第一位置继续确定车辆的高精度位置,本申请这里将比第一位置精度高的车辆位置称之为第二位置。
本申请下述描述中,是基于初步粗略确定的车辆在第一时间的第一位置,结合车辆当前的ODD信息,在第一位置周边确定多个用于确定第二位置信息的参考粒子,根据第一位置和确定的多个参考粒子通过粒子滤波算法确定精确度较高的第二位置。由于在计算得到第二位置时采集和使用的信息更多,因此通过粒子滤波算法进行迭代,定位结果的精确度也较高。
步骤202:确定该车辆在第二时间的第一设计适用域ODD。
可以根据车辆的传感器的观测数据,确定车辆的第一ODD。车辆的运行条件可以包括道路类型、天气、时间、交通特征、车速、当地交通法律等。这里的交通特征可以是交通的参与者,例如行人、自行车、红绿灯等。
本申请实施例中,可以预先存储不同ODD与不同观测数据的对应关系。这样,在通过车辆的传感器等采集到车辆在第二时间点的观测数据后,就可以根据该对应关系,确定车辆在第二时间对应的第一ODD。
步骤203:根据该第一ODD,在第一位置的周围采样用于进行粒子滤波的多个粒子,该多个粒子的数目或分布与该第一ODD对应。
在一个实施例中,可以根据该第一ODD确定多个粒子的数目,按照预定的多个粒子的分布在第一位置的周围进行采样。或者,还可以根据第一ODD确定多个粒子的分布,并按照预定的多个粒子的数目在第一位置的周围进行采样。又或者,可以根据该第一ODD确定多个粒子的数目和分布,在第一位置的周围进行采样,本申请实施例对此不作具体限定。
以下分别介绍根据第一ODD确定多个粒子的数目或分布的实施方式。
一、根据第一ODD确定多个粒子的数目。
本申请实施例中,多个粒子的数目可以与第一ODD的特点相关。以下,不失一般性的,以车辆所在的道路类型为例进行简单的说明。
车辆在高速道路上行驶时,第一ODD用于表征高速道路,此时第一ODD的特点可以包括车速快、障碍物稀疏、交通特征简单等。因此,定位过程的噪声协方差和观测噪声协方差较小,则此时根据第一ODD,在第一位置的周边可以采集较少数目的粒子。
车辆在城市街区道路上行驶时,第一ODD用于表征城市街区道路,此时第一ODD的特点包括车速较低、障碍物密集、交通特征复杂等。因此,定位过程的噪声协方差和观测噪声协方差较大,则此时根据第一ODD,在第一位置的周边可以采集较多数目的粒子。
一种可能的实现方式中,可以预先建立不同ODD与需要采集的粒子数目的对应关系,从而在确定了车辆当前所处的ODD时,可以按照该对应关系确定需要在车辆的第一位置周围采集多少数量的粒子。
另一种可能的实现方式中,也可以按照ODD与需要采集的粒子数量的函数关系,来根据车辆当前所处的ODD,确定需要在车辆的第一位置周围采集多少数量的粒子确定。
在一示例中,可以将每一ODD划分为多个级别,即一个ODD下包含有多个级别。一个ODD下包含的多个级别分别对应需要采集的多个粒子的数目。例如,需要采集的多个粒子的数目可以与对应的ODD下的一个级别正相关,即ODD下的一个级别越高,需要采集的多个粒子的数目就越大。举例来说,正相关可以以指数方式、正比例方式来体现。
具体的,该ODD下的一个级别和对应需要采集的多个粒子的数目可以符合下述公式(1)或公式(2)。
N=f*a^i 公式(1)
其中,N为需要采集的多个粒子的数目,a为大于1的预设整数,f为预设的正整数,i为ODD下的一个等级。
N=f*i 公式(2)
或者,需要采集的多个粒子的数目还可以与对应的ODD下的一个级别负相关,即ODD下的一个级别越高,需要采集到的多个粒子的数目越小。应理解,需要采集的多个粒子的数目与ODD下一个级别正相关时,ODD的多个级别的划分方式,与需要采集的多个粒子的数目与OD下一个级别负相关时,ODD的多个级别的划分方式可以不同。
基于该方案,可以根据车辆当前所处的环境等信息,确定车辆属于第一ODD下的具体目标等级,然后根据车辆属于第一ODD下的具体目标等级和上述的方式,确定需要在车辆的第一位置周围采集的多个粒子的数目,从而可以使采样的粒子的数目更加符合车辆的运行条件,也可以提高车辆的定位性能。
再一种可能的实现方式中,需要采集的多个粒子的数目还可以与车辆的传感器类型和车辆属于第一ODD下的具体目标等级相对应。本申请实施例中,可以为车辆的传感器类型和车辆属于的第一ODD下包括的多个等级配置多个粒子的数目的候选范围。在采样时,可以在候选范围中随机选择一个数目。以下,分别以第一ODD为高速道路和第一ODD为城市街区道路为例,对上述确定多个粒子的数目的方式进行说明。
综合上述公式(1)和公式(2)的确定方式,以及候选范围的确定方式,可以给出如表1所示的关系表,比如当第一ODD用于表征高速道路时,该第一ODD中可以包含级别1-3,针对各个级别通过上述多个方法可以确定如表1所示的多个粒子的数目。
表1
综合上述公式(1)和公式(2)的确定方式,以及候选范围的确定方式,可以给出如表2所示的关系表,比如当第一ODD用于表征城市街区道路时,该第一ODD中可以包含级别1-3,针对各个级别通过上述多个方法可以确定如表2所示的多个粒子的数目。
表2
基于上述方法,可以根据第一ODD确定用于粒子滤波时的多个粒子的数目,使得通过粒子滤波算法对第一位置进行迭代时,采用的信息更贴近车辆的运行条件,可以提高车辆的定位性能,可以使车辆的定位结果(本申请实施例中的第二位置)更精确。
二、根据第一ODD确定多个粒子的分布。
本申请实施例中,该多个粒子的分布可以与第一ODD的特点相关。以下,不失一般性的,以车辆所在的道路类型为例进行简单的说明。
车辆在高速道路上行驶时,第一ODD用于表征高速道路,此时第一ODD的特点可以包括车速快、障碍物稀疏、交通特征简单等。因此,定位过程的噪声协方差和观测噪声协方差较小,这时在第一位置的周围采集的多个粒子可以呈现聚合的分布方式。
车辆在城市街区道路上行驶时,第一ODD用于表征城市街区道路,此时第一ODD的特点包括车速较低、障碍物密集、交通特征复杂等。因此,定位过程的噪声协方差和观测噪声协方差较大,这时在第一位置的周围采集的多个粒子可以呈现离散的分布方式。
如图3所示,(1)为第一ODD用于表征高速道路时在车辆的第一位置周围采集的多个粒子的分布示意图,(2)为第一ODD用于表征为城市街区道路时在车辆的一位置周围采集的多个粒子的分布示意图。
以下,具体的介绍本申请实施例中确定多个粒子的分布的方法。其中,多个粒子的分布可以根据多个粒子的分布方差或者多个粒子的粒子间隔确定。
在一示例中,本申请实施例中可以将每一ODD划分为多个级别,即一个ODD下包含有多个级别。一个ODD下包含的多个级别分别对应需要采集的粒子的分布方差。例如,需要采集的粒子的分布方差可以与对应的ODD下的一个级别正相关,也就是说ODD下的一个级别越高需要采集的粒子的分布方差越大。具体的,该分布方差可以符合下述公式(3):
O′=f*i 公式(3)
其中,O′为多个粒子的分布方差。
另一示例中,一个ODD下包含的多个级别分别对应需要采集的粒子的粒子间隔。本申请实施例中,由此可以根据车辆当前的第一ODD的目标级别确定对应的粒子间隔。
本申请实施例中,在确定了多个粒子的数目和粒子间隔后,按照该数目和该粒子间隔在车辆的第一位置的周围进行均匀采样。或者,还可以按照该数目和该粒子间隔在车辆的第一位置进行集中采样,集中采样时可以是在第一位置的某一特定区域进行采样。集中采样时可以是均匀采样,比如粒子之间的间隔相同。
如图4所示,(1)和(2)为在车辆的第一位置的周围进行均匀采样的示意图,(3)为在车辆的第一位置进行集中采样的示意图。
基于该方案,可以根据第一ODD的目标级别确定多个粒子的分布,可以使得采样的多个粒子的分布符合车辆的运行条件,还可以提高车辆的定位性能。
步骤204:根据该多个粒子确定该车辆的第二时间的第二位置。
这里的第二时间在前述第一时间之后。本申请实施例中,在确定了用于粒子滤波的多个粒子的数目和分布后,可以根据粒子滤波算法确定车辆在第二时间的第二位置。基于该方案,可以根据第一ODD在第一位置的周围采样多个粒子,可以使得多个粒子的数目或分布与该第一ODD相对应,可以提高车辆的定位性能。
在得到第二位置后,本申请实施例中可以将该第二位置确定为新的第一位置,并通过本申请实施例提供的定位方法,继续对车辆进行定位。举例来说,根据前述步骤201-步骤204得到了该车辆的第二位置a,则可以确定a点为新的第一位置,并可以根据步骤201-步骤204继续对该车辆进行定位,得到新的第二位置。
需要说明的是,将该第二位置确定为新的第一位置后,若前述第一ODD切换为第二ODD,则可以根据本申请实施例中提供的技术方案,在新的第一位置重新确定用于粒子滤波的多个粒子的数目或分布,具体实现方法与上述方法相同,在此不再赘述。
若车辆的ODD仍为前述的第一ODD,则可以确定采样得到的多个粒子中的有效粒子。其中,可以确定多个粒子中每个粒子的权重值,并根据权重值确定有效粒子。以下,结合图5对如何确定有效粒子的方法进行说明。
如图5所示,车辆行驶的道路上有多个交通参与者,例如图5中的信号灯501、路标502、建筑物503等。可以根据预先设定的规则在第一位置中选择标志点路标501。该车辆的控制管理设备可以通过车辆自身安装的传感器观测的数据,计算上述多个粒子到路标501的第一距离,以及车辆到该路标501的第二距离。其中,第一距离与第二距离的相似度越高,该第一距离对应的粒子的权重值越大。在该权重值小于或等于第一阈值时,可以确定该第一距离对应的粒子为无效粒子。图5中,黑色粒子为有效粒子,白色粒子为无效粒子。
或者,在第一距离与第二距离的差值大于第二阈值时,可以确定该第一距离对应的粒子为无效粒子。这里的第一阈值和第二阈值可以是根据经验值预先设定的,本申请不做具体限定。
在有效粒子的数目小于阈值时,可以根据本申请实施例中提供的技术方案,将第二时间的第二位置确定为新的第一位置,在该新的第一位置周围采样用于粒子滤波的多个粒子的数目和/或分布,具体实现方法与上述方法相同,在此不再赘述。在有效粒子的数目大于或等于阈值时,可以将第二位置确定为新的第一位置,可以在该新的第一位置周围删除部分无效粒子并且复制部分有效粒子,采用该部分有效粒子采用粒子滤波算法继续对车辆进行定位。
在一个实施例中,进行复制有效粒子操作时,可以在新的第一位置采样与有效粒子的位置相同的粒子。位置相同可以是指粒子与车辆的距离相同,或者是粒子在车辆周围的分布相同。如图5所示,黑色粒子为有效粒子,b点为车辆在第二时间的第二位置,也就是新的第一位置。根据本申请实施例中的技术方案,可以复制全部有效粒子用于粒子滤波。进行粒子复制操作后,粒子的数目和分布如图6所示,可以根据如图6中的粒子采用粒子滤波算法,确定车辆在第三时间的位置。
本申请实施例中,可以预先存储重新设置多个粒子的数目或分布的策略,如表3所示:
表3
基于该方案,在该车辆的ODD未发生变化且有效粒子的数目小于阈值时,可以继续采用部分或全部有效粒子进行复制粒子操作,从而使得复制后的粒子数目满足车辆的ODD的要求,使得车辆的定位更为准确。
以上结合图1至图6详细说明了本申请实施例的车辆定位方法。以下结合图7至图8详细说明本申请实施例的车辆定位装置。
所述车辆定位装置700包括一个或多个所述处理器701,所述一个或多个处理器701可实现图2所示的实施例中的方法。
在一种可能的设计中,所述车辆定位装置700包括用于根据所述第一ODD在所述第一位置的周围采样用于进行粒子滤波的多个粒子的部件(means)。所述多个粒子的数目或分布可以参见上述方法实施例中的相关描述。例如可以通过一个或多个处理器确定该第一ODD。可选的,处理器701除了实现图2所示的实施例的方法,还可以实现其他功能。
可选的,一种设计中,处理器701可以执行指令,使得所述车辆定位装置700执行上述方法实施例中描述的方法。所述指令可以全部或部分存储在所述处理器内,也可以全部或部分存储在与所述处理器耦合的存储器702中。
在又一种可能的设计中,车辆定位装置700也可以包括电路,所述电路可以实现前述方法实施例中的功能。
在又一种可能的设计中所述车辆定位装置700中可以包括一个或多个存储器702,其上存有指令704,所述指令可在所述处理器上被运行,使得所述车辆定位装置700执行上述方法实施例中描述的方法。可选的,所述存储器中还可以存储有数据。可选的处理器中也可以存储指令和/或数据。例如,所述一个或多个存储器702可以存储上述实施例中所描述的第一ODD,或者上述实施例中所涉及的多个粒子的数目或分布等。所述处理器和存储器可以单独设置,也可以集成在一起。
在又一种可能的设计中,所述通信装置700还可以包括收发单元705以及天线706。所述处理器701可以称为处理单元,对车辆定位装置进行控制。所述收发单元705可以称为收发机、收发电路、或者收发器等,用于通过天线706实现车辆定位装置的收发功能。
在一种可能的实现方式中,如图8所示的车辆定位装置800可作为上述方法实施例所涉及的管理侧的定位服务器或者车辆自身的控制管理设备,并执行上述方法实施例中由定位服务器或者车辆的管理控制设备执行的步骤。如图8所示,该车辆定位装置800可包括处理单元801以及采集单元802,以上处理单元801以及采集单元802之间相互耦合。处理单元801可用于支持该车辆定位装置800执行上述方法实施例中的处理动作。
在执行上述方法实施例中由车辆定位装置执行的动作时,处理单元801可用于确定车辆在第一时间的第一位置;或者,还可用于确定所述车辆在第二时间的第一设计适用域ODD。
所述采集单元802根据所述第一ODD在所述第一位置的周围采样用于进行粒子滤波的多个粒子。其中,多个粒子的数目或分布可以参见上述方法实施例中的相关描述。
在一种设计中,处理单元801还可用于根据所述多个粒子确定所述车辆在第二时间的第二位置。
在一种设计中,处理单元801还可用于在确定所述车辆在第二时间的第一ODD之后,确定所述第一ODD的目标级别,其中,第一ODD的目标级别以及如何确定第一ODD的目标级别可以参见上述方法实施例中的相关描述。
在一种设计中,处理单元801还可用于确定所述第一ODD切换为第二ODD。采集单元802还可以用于根据第二ODD重新设置所述多个粒子的数目或分布。其中,如何根据第二ODD重新设置多个粒子的数目或分布可以参见上述方法实施例中的相关描述。
或者,处理单元801还可用于确定所述多个粒子中的有效粒子的数目小于阈值并且所述第一ODD未发生切换;删除部分无效粒子并且复制部分有效粒子。其中,如何确定有效粒子的数目以及如何复制部分有效粒子可以参见上述方法实施例中的相关描述。如何对该待升级服务器进行心跳检测可以参见上述方法实施例中的相关描述。
图8中的各个单元的只一个或多个可以软件、硬件、固件或其结合实现。所述软件或固件包括但不限于计算机程序指令或代码,并可以被硬件处理器所执行。所述硬件包括但不限于各类集成电路,如中央处理单元(CPU)、数字信号处理器(DSP)、现场可编程门阵列(FPGA)或专用集成电路(ASIC)。
应注意,本申请实施例中的处理器可以是一种集成电路芯片,具有信号的处理能力。在实现过程中,上述方法实施例的各步骤可以通过处理器中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器可以是通用处理器、数字信号处理器(digitalsignal processor,DSP)、专用集成电路(application specific integrated circuit,ASIC)、现成可编程门阵列(field programmable gate array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。可以实现或者执行本申请实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合本申请实施例所公开的方法的步骤可以直接体现为硬件译码处理器执行完成,或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器,闪存、只读存储器,可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器,处理器读取存储器中的信息,结合其硬件完成上述方法的步骤。
可以理解,本申请实施例中的存储器可以是易失性存储器或非易失性存储器,或可包括易失性和非易失性存储器两者。其中,非易失性存储器可以是只读存储器(read-only memory,ROM)、可编程只读存储器(programmable ROM,PROM)、可擦除可编程只读存储器(erasable PROM,EPROM)、电可擦除可编程只读存储器(electrically EPROM,EEPROM)或闪存。易失性存储器可以是随机存取存储器(random access memory,RAM),其用作外部高速缓存。通过示例性但不是限制性说明,许多形式的RAM可用,例如静态随机存取存储器(static RAM,SRAM)、动态随机存取存储器(dynamic RAM,DRAM)、同步动态随机存取存储器(synchronous DRAM,SDRAM)、双倍数据速率同步动态随机存取存储器(double data rateSDRAM,DDR SDRAM)、增强型同步动态随机存取存储器(enhanced SDRAM,ESDRAM)、同步连接动态随机存取存储器(synchlinkDRAM,SLDRAM)和直接内存总线随机存取存储器(directrambusRAM,DR RAM)。应注意,本文描述的系统和方法的存储器旨在包括但不限于这些和任意其它适合类型的存储器。
本申请实施例还提供了一种计算机可读介质,其上存储有计算机程序,该计算机程序被计算机执行时实现上述任一方法实施例所述的车辆定位方法。
本申请实施例还提供了一种计算机程序产品,该计算机程序产品被计算机执行时实现上述任一方法实施例所述的车辆定位方法。
在上述实施例中,可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时,可以全部或部分地以计算机程序产品的形式实现。所述计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行所述计算机指令时,全部或部分地产生按照本申请实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中,或者从一个计算机可读存储介质向另一个计算机可读存储介质传输,例如,所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线(digital subscriber line,DSL))或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质(例如,软盘、硬盘、磁带)、光介质(例如,高密度数字视频光盘(digital video disc,DVD))、或者半导体介质(例如,固态硬盘(solid state disk,SSD))等。
本申请实施例还提供了一种车辆定位装置,包括处理器和接口;所述处理器,用于执行上述任一方法实施例所述的车辆定位方法。
应理解,上述车辆定位装置可以是一个芯片,所述处理器可以通过硬件来实现也可以通过软件来实现,当通过硬件实现时,该处理器可以是逻辑电路、集成电路等;当通过软件来实现时,该处理器可以是一个通用处理器,通过读取存储器中存储的软件代码来实现,改存储器可以集成在处理器中,可以位于所述处理器之外,独立存在。
另外,在本申请各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以是两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
以上所述,仅为本申请的具体实施方式,但本申请的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本申请揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本申请的保护范围之内。因此,本申请的保护范围应所述以权利要求的保护范围为准。
Claims (12)
1.一种车辆定位方法,其特征在于,包括:
确定车辆在第一时间的第一位置;
确定所述车辆在第二时间的第一设计适用域ODD;
根据所述第一ODD在所述第一位置的周围采样用于进行粒子滤波的多个粒子,所述多个粒子的数目或分布与所述第一ODD对应;
根据所述多个粒子确定所述车辆在第二时间的第二位置,所述第二时间在所述第一时间之后。
2.根据权利要求1所述的方法,其特征在于,所述确定所述车辆在第二时间的第一ODD之后,所述方法还包括:
确定所述第一ODD的目标级别;
所述根据所述第一ODD在所述第一位置的周围采样用于粒子滤波的多个粒子,所述多个粒子的数目或分布与所述第一ODD对应包括:
根据所述目标级别在所述第一位置的周围采样用于粒子滤波的多个粒子,所述多个粒子的数目或分布与所述目标级别相对应。
3.根据权利要求2所述的方法,其特征在于,所述多个粒子的数目或分布还与所述车辆的传感器类型相对应。
4.根据权利要求1-3任一项所述的方法,其特征在于,所述方法还包括:
确定所述第一ODD切换为第二ODD;
根据所述第二ODD重新设置所述多个粒子的数目或分布。
5.根据权利要求4所述的方法,其特征在于,所述方法还包括:
确定所述多个粒子中的有效粒子的数目小于阈值并且所述第一ODD未发生切换;
删除部分无效粒子并且复制部分有效粒子。
6.一种车辆定位装置,其特征在于,包括:
处理单元,用于确定车辆在第一时间的第一位置,以及所述车辆在第二时间的第一设计适用域ODD;
采集单元,用于根据所述第一ODD在所述第一位置的周围采样用于进行粒子滤波的多个粒子,所述多个粒子的数目或分布与所述第一ODD对应;
所述处理单元还用于,根据所述多个粒子确定所述车辆在第二时间的第二位置,所述第二时间在所述第一时间之后。
7.根据权利要求6所述的装置,其特征在于,所述处理单元还用于:在确定所述车辆在第二时间的第一ODD之后,确定所述第一ODD的目标级别;
所述采集单元根据所述第一ODD在所述第一位置的周围采样用于进行粒子滤波的多个粒子,所述多个粒子的数目或分布与所述第一ODD对应包括:所述采集单元根据所述目标级别在所述第一位置的周围采样用于粒子滤波的多个粒子,所述多个粒子的数目或分布与所述目标级别相对应。
8.根据权利要求7所述的装置,其特征在于,所述多个粒子的数目或分布还与所述车辆的传感器类型相对应。
9.根据权利要求6-8任一所述的装置,其特征在于:
所述处理单元还用于,确定所述第一ODD切换为第二ODD;
所述采集单元还用于,根据所述第二ODD重新设置所述多个粒子的数目或分布。
10.根据权利要求9所述的装置,其特征在于,所述处理单元还用于:
确定所述多个粒子中的有效粒子的数目小于阈值并且所述第一ODD未发生切换;
删除部分无效粒子并且复制部分有效粒子。
11.一种车辆定位装置,其特征在于,包括:
存储器,用于存储计算机程序;以及
处理器,用于执行所述存储器中存储的计算机程序,以使得所述车辆定位装置执行如权利要求1-5中任一项所述的方法。
12.一种计算机可读存储介质,其特征在于,存储有计算机可执行指令,当所述计算机可执行指令在被处理器运行时,使得所述车辆定位装置执行如权利要求1-5任一项所述的方法。
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
PCT/CN2020/080282 WO2021184320A1 (zh) | 2020-03-19 | 2020-03-19 | 车辆定位方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112771352A CN112771352A (zh) | 2021-05-07 |
CN112771352B true CN112771352B (zh) | 2022-04-08 |
Family
ID=75699490
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202080004190.8A Active CN112771352B (zh) | 2020-03-19 | 2020-03-19 | 车辆定位方法和装置 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN112771352B (zh) |
WO (1) | WO2021184320A1 (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114910081B (zh) * | 2022-05-26 | 2023-03-10 | 阿波罗智联(北京)科技有限公司 | 车辆定位方法、装置及电子设备 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108688660A (zh) * | 2017-04-06 | 2018-10-23 | 丰田自动车株式会社 | 运行范围确定装置 |
CN110617825A (zh) * | 2019-09-29 | 2019-12-27 | 百度在线网络技术(北京)有限公司 | 一种车辆定位方法、装置、电子设备和介质 |
CN110888125A (zh) * | 2019-12-05 | 2020-03-17 | 奥特酷智能科技(南京)有限公司 | 一种基于毫米波雷达的自动驾驶车辆定位方法 |
Family Cites Families (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101631395B (zh) * | 2009-08-19 | 2011-01-05 | 中国矿业大学 | 无线传感器网络中运动目标定位的干扰噪声去噪方法 |
US9672734B1 (en) * | 2016-04-08 | 2017-06-06 | Sivalogeswaran Ratnasingam | Traffic aware lane determination for human driver and autonomous vehicle driving system |
IL250382B (en) * | 2017-01-31 | 2021-01-31 | Arbe Robotics Ltd | A radar-based system and method for real-time simultaneous positioning and mapping |
US10409279B2 (en) * | 2017-01-31 | 2019-09-10 | GM Global Technology Operations LLC | Efficient situational awareness by event generation and episodic memory recall for autonomous driving systems |
CN106932802A (zh) * | 2017-03-17 | 2017-07-07 | 安科智慧城市技术(中国)有限公司 | 一种基于扩展卡尔曼粒子滤波的导航方法及系统 |
US10935978B2 (en) * | 2017-10-30 | 2021-03-02 | Nio Usa, Inc. | Vehicle self-localization using particle filters and visual odometry |
US11112797B2 (en) * | 2017-11-30 | 2021-09-07 | Amitai Yisrael Bin-Nun | System and method for improving autonomous vehicle safety performance |
CN108981702A (zh) * | 2018-07-03 | 2018-12-11 | 浙江大学 | 一种多位置联合粒子滤波的车辆定位方法 |
CN110702093B (zh) * | 2019-09-27 | 2022-10-25 | 五邑大学 | 基于粒子滤波的定位方法、装置、存储介质及机器人 |
-
2020
- 2020-03-19 CN CN202080004190.8A patent/CN112771352B/zh active Active
- 2020-03-19 WO PCT/CN2020/080282 patent/WO2021184320A1/zh active Application Filing
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108688660A (zh) * | 2017-04-06 | 2018-10-23 | 丰田自动车株式会社 | 运行范围确定装置 |
CN110617825A (zh) * | 2019-09-29 | 2019-12-27 | 百度在线网络技术(北京)有限公司 | 一种车辆定位方法、装置、电子设备和介质 |
CN110888125A (zh) * | 2019-12-05 | 2020-03-17 | 奥特酷智能科技(南京)有限公司 | 一种基于毫米波雷达的自动驾驶车辆定位方法 |
Non-Patent Citations (2)
Title |
---|
粒子数动态调整的粒子滤波新算法;许统德等;《计算机应用与软件》;20130930(第09期);第287-289、315页 * |
自适应调整建议分布的改进粒子滤波行人跟踪算法;张颖颖等;《河南师范大学学报(自然科学版)》;20120731(第04期);第137-140页 * |
Also Published As
Publication number | Publication date |
---|---|
WO2021184320A1 (zh) | 2021-09-23 |
CN112771352A (zh) | 2021-05-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US7076365B2 (en) | Enhanced dead reckoning method | |
US7188026B2 (en) | Hierarchical floating car data network | |
US9791572B2 (en) | Batch processing for improved georeferencing | |
US6925378B2 (en) | Enhanced mobile communication device with extended radio, and applications | |
KR101620299B1 (ko) | 이동 단말기의 네비게이션 기능에 기반한 사진 위치확인 방법 및 시스템 | |
US9173056B2 (en) | Hybrid method for high accuracy and cost-effective prediction of mobile device positions through mobile networks | |
US20130035111A1 (en) | Providing wireless transmitter almanac information to mobile device based on expected route | |
Elazab et al. | Integrated cooperative localization for vehicular networks with partial GPS access in urban canyons | |
US9198067B2 (en) | Method and system for detecting coverage hole in wireless network | |
US9338592B1 (en) | Reducing crowdsourcing network traffic | |
CN111107556B (zh) | 一种移动通信网络的信号覆盖质量评估方法和装置 | |
US20200145790A1 (en) | Positioning correction method and apparatus | |
JP6671570B1 (ja) | 位置推定装置および位置推定方法 | |
CN112399348B (zh) | 一种移动轨迹的确定方法及装置、存储介质 | |
CN112578424B (zh) | 终端设备的定位方法、装置、终端设备及存储介质 | |
WO2020261019A1 (en) | Collaborative positioning | |
Pei et al. | Secure and privacy-preserving 3D vehicle positioning schemes for vehicular ad hoc network | |
Wigren | Fingerprinting localisation using round trip time and timing advance | |
CN112771352B (zh) | 车辆定位方法和装置 | |
EP2335088B1 (en) | Upload and download of position reference data | |
US8818400B2 (en) | Upload and download of position reference data | |
JP7420033B2 (ja) | プローブ情報送信装置、電波マップ更新装置、電波マップ提供装置、及び電波マップ取得利用装置 | |
Hassan et al. | Geometry based inter vehicle distance estimation for instantaneous GPS failure in VANETs | |
JP2015117986A (ja) | 位置修正システム、方法およびプログラム | |
KR20160135401A (ko) | 차량 애드혹 네트워크에서 측위 정확도 향상을 위한 시스템 및 그 방법 |
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 |