CN112782743A - 一种车辆定位方法、装置、计算机设备及存储介质 - Google Patents

一种车辆定位方法、装置、计算机设备及存储介质 Download PDF

Info

Publication number
CN112782743A
CN112782743A CN202110170745.2A CN202110170745A CN112782743A CN 112782743 A CN112782743 A CN 112782743A CN 202110170745 A CN202110170745 A CN 202110170745A CN 112782743 A CN112782743 A CN 112782743A
Authority
CN
China
Prior art keywords
vehicle
position information
preset
positioning
algorithm
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.)
Granted
Application number
CN202110170745.2A
Other languages
English (en)
Other versions
CN112782743B (zh
Inventor
曾峰
胡信屹
王新春
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.)
Discovery Technology Shenzhen Co ltd
Original Assignee
Discovery Technology Shenzhen 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 Discovery Technology Shenzhen Co ltd filed Critical Discovery Technology Shenzhen Co ltd
Priority to CN202110170745.2A priority Critical patent/CN112782743B/zh
Publication of CN112782743A publication Critical patent/CN112782743A/zh
Application granted granted Critical
Publication of CN112782743B publication Critical patent/CN112782743B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • 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
    • 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
    • G01C21/28—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network with correlation of data from several navigational instruments

Landscapes

  • Engineering & Computer Science (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Navigation (AREA)

Abstract

本发明适用于计算机技术领域，提供了一种车辆定位方法、装置、计算机设备及存储介质，所述方法包括：获取车辆在预设采样周期内多个时刻下的位置信息；判断车辆状态是否为静止状态；当判断是时，基于预设的静止状态车辆定位算法确定车辆准确定位位置信息；当判断否时，先基于预设的动态映射规则将车辆在预设采样周期内多个时刻下的位置信息分别映射处理为车辆在初始时刻下的多个映射位置信息，再确定车辆在初始时刻下的准确定位位置信息。本发明提供的车辆定位方法针对于车辆状态的不同，分别提出了不同的定位算法，精确度更高，并且将运动状态下的问题转化为静止状态下的定位问题，简化了算法流程，提高了求解效率。

Description

一种车辆定位方法、装置、计算机设备及存储介质
技术领域
本发明属于计算机技术领域，尤其涉及一种车辆定位方法、装置、计算机设备及存储介质。
背景技术
汽车电子围栏是一种新型的定位监控工具，通过在云平台的地图上绘制图形区域构建电子围栏，然后获取汽车的GPS定位数据，通过对比GPS定位数据与电子围栏数据，从而实现了当汽车穿过电子围栏做出相应的提示。目前，汽车电子围栏以主要应用于ETC收费系统等相关领域上。
然而，汽车电子围栏的问题主要集中于GPS定位数据的准确性上，定位数据的误差往往会影响到电子围栏的效果，尤其是在汽车电子围栏边界处，容易因GPS数据的误差导致汽车电子围栏误判，并且如何对运动中的汽车进行准确定位也成为了推广汽车电子围栏的难题。
可见，在现有的汽车电子围栏领域还存在着车辆定位数据尤其是运动中的车辆定位数据不够精准导致汽车电子围栏实施效果不够理想的技术问题。
发明内容
本发明实施例的目的在于提供一种车辆定位方法，旨在解决现有的汽车电子围栏领域还存在的车辆定位数据尤其是运动中的车辆定位数据不够精准导致汽车电子围栏实施效果不够理想的技术问题。
本发明实施例是这样实现的，一种车辆定位方法，包括：
获取车辆在预设采样周期内多个时刻下的位置信息；
判断车辆状态是否为静止状态；
当判断车辆状态是静止状态时，根据所述车辆在预设采样周期内多个时刻下的位置信息并基于预设的静止状态车辆定位算法确定车辆准确定位位置信息；所述预设的静止状态车辆定位算法是基于密度的聚类算法或者最大似然估计算法；
当判断车辆状态不是静止状态时，基于预设的动态映射规则将所述车辆在预设采样周期内多个时刻下的位置信息分别映射处理为车辆在初始时刻下的多个映射位置信息，并基于预设的静止状态车辆定位算法确定车辆在初始时刻下的准确定位位置信息。
本发明实施例的另一目的在于提供一种车辆定位装置，包括：
位置信息获取单元，用于获取车辆在预设采样周期内多个时刻下的位置信息；
状态判断单元，用于判断车辆状态是否为静止状态；
静止状态车辆定位单元，用于当判断车辆状态是静止状态时，根据所述车辆在预设采样周期内多个时刻下的位置信息并基于预设的静止状态车辆定位算法确定车辆准确定位位置信息；所述预设的静止状态车辆定位算法是基于密度的聚类算法或者最大似然估计算法；
运动状态车辆定位单元，用于当判断车辆状态不是静止状态时，基于预设的动态映射规则将所述车辆在预设采样周期内多个时刻下的位置信息分别映射处理为车辆在初始时刻下的多个映射位置信息，并基于预设的静止状态车辆定位算法确定车辆在初始时刻下的准确定位位置信息。
本发明实施例的另一目的在于提供一种计算机设备，包括存储器和处理器，所述存储器中存储有计算机程序，所述计算机程序被所述处理器执行时，使得所述处理器执行如上述所述车辆定位方法的步骤。
本发明实施例的另一目的在于提供一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时，使得所述处理器执行如上述所述车辆定位方法的步骤。
本发明实施例提供的一种车辆定位方法，通过采集车辆在预设采样周期内多个时刻下的位置信息，然后识别车辆是否为静止状态，并基于状态的不同，分别采用对应的车辆定位算法确定车辆准确定位位置信息，其中静止状态下的车辆定位算法是基于密度的聚类算法或者最大似然估计算法实现的，而运动状态下的车辆定位算法是先将多个时刻下的位置信息分别映射到车辆在初始时刻下的映射位置信息，即将动态问题转化为了静态问题，再采用静态状态下的车辆定位算法进行计算。本发明提供的车辆定位方法针对于车辆状态的不同，分别提出了不同的定位算法，精确度更高，并且将运动状态下的问题转化为静止状态下的定位问题，简化了算法流程，提高了求解效率。
附图说明
图1为本发明实施例提供的一种车辆定位方法的步骤流程图；
图2为本发明实施例提供的一种根据基于密度的聚类算法确定车辆准确定位位置信息的步骤流程图；
图3为本发明实施例提供的一种根据基于密度的聚类算法得到聚类结果的步骤流程图；
图4为本发明实施例提供的一种根据最大似然估计算法确定车辆准确定位位置信息的步骤流程图；
图5为本发明实施例提供的一种对位置信息进行映射处理确定映射位置信息的步骤流程图；
图6为本发明实施例提供的一种对位置信息与速度信息进行映射处理确定映射位置信息的步骤流程图；
图7为本发明实施例提供的一种车辆定位装置的结构示意图；
图8为本发明实施例提供的一种执行车辆定位方法的计算机设备的内部结构图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
如图1所示，为本发明实施例提供的一种车辆定位方法的步骤流程图，具体包括以下步骤：
步骤S102，获取车辆在预设采样周期内多个时刻下的位置信息。
在本发明实施例中，在初始时刻t0时获取初始位置信息p0，并在随后的周期内按照预设的采样频率采集n个时刻tn下的位置信息pn。其中位置信息通常是基于GPS数据获取得到，但考虑到GPS数据误差，这些位置信息并不等同于车辆在相应时刻下的真实位置信息。
步骤S104，判断车辆状态是否为静止状态。当判断车辆状态是静止状态时，执行步骤S106；当判断车辆状态不是静止状态时，执行步骤S108。
在本发明实施例中，其中可以通过对位置信息进行分析判断车辆是否处于静止状态，并针对于不同的状态，采用的不同的算法来计算其定位位置信息。
步骤S106，根据所述车辆在预设采样周期内多个时刻下的位置信息并基于预设的静止状态车辆定位算法确定车辆准确定位位置信息。
在本发明实施例中，所述预设的静止状态车辆定位算法是基于密度的聚类算法或者最大似然估计算法。具体的，是通过基于密度的聚类算法或者最大似然估计算法来确定车辆的准确定位位置信息，其中具体的实现步骤请参阅图2～图4及其解释说明的内容。
步骤S108，基于预设的动态映射规则将所述车辆在预设采样周期内多个时刻下的位置信息分别映射处理为车辆在初始时刻下的多个映射位置信息。
在本发明实施例中，对于运动状态的车辆定位，是通过预设的动态映射规则将车辆在后续采样周期内采集的位置信息分别映射处理为车辆在初始时刻下的多个映射位置信息，也就是将动态定位算法转化为静态定位算法，节约了处理时间，提高了计算效率。其中，具体的转化规则请参阅图5～图6及其解释说明的内容。
步骤S110，基于预设的静止状态车辆定位算法确定车辆在初始时刻下的准确定位位置信息。
在本发明实施例中，由于将问题转化为静态定位算法，因此本步骤所采用的算法与步骤S106中提供的算法相同，区别仅仅在于输入的数据不同，本发明中输入的数据是经过步骤S108处理之后得到的映射位置信息。
本发明实施例提供的一种车辆定位方法，通过采集车辆在预设采样周期内多个时刻下的位置信息，然后识别车辆是否为静止状态，并基于状态的不同，分别采用对应的车辆定位算法确定车辆准确定位位置信息，其中静止状态下的车辆定位算法是基于密度的聚类算法或者最大似然估计算法实现的，而运动状态下的车辆定位算法是先将多个时刻下的位置信息分别映射到车辆在初始时刻下的映射位置信息，即将动态问题转化为了静态问题，再采用静态状态下的车辆定位算法进行计算。本发明提供的车辆定位方法针对于车辆状态的不同，分别提出了不同的定位算法，精确度更高，并且将运动状态下的问题转化为静止状态下的定位问题，简化了算法流程，提高了求解效率。
如图2所示，为本发明实施例提供的一种根据基于密度的聚类算法确定车辆准确定位位置信息的步骤流程图，具体包括以下步骤：
步骤S202，确定多组聚类参数数组。
在本发明实施例中，需要说明的是，车辆静止状态下，GPS定位计算点出现的位置会以实际车辆位置为中心，呈现高斯正态分布，而基于该原理就能够对车辆实际中心位置进行合理推算。
在本发明实施例中，具体是通过确定多组聚类参数数组，并针对与不同的参数数组，利用基于密度的聚类算法求解出不同的聚类结果并求得聚类中心，结合前述的GPS定位计算点的分布原理，聚类结果是集中于车辆的中心位置处，因此将不同聚类结果的中心点进行平均值计算，就可以得到较为准确的定位位置信息。
在本发明实施例中，所述聚类参数数组包括邻域参数以及最少样本数目。
步骤S204，根据不同聚类参数数组以及基于密度的聚类算法对车辆在预设采样周期内多个时刻下的位置信息进行聚类处理，得到分别对应不同聚类参数数组的多组聚类结果。
在本发明实施例中，基于密度的聚类算法属于常用算法的一种，具体步骤可以参阅后续图3及其解释说明的内容。
步骤S206，确定各组聚类结果的聚类中心点。
步骤S208，根据所述各组聚类结果的聚类中心点确定车辆准确定位位置信息。
在本发明实施例中，结合高斯分布原理可知，对于不同参数下的聚类结果，其聚类中心点应当都是接近实际车辆位置的，因此在确定各组聚类结果的聚类中心点，对各组聚类结果的聚类中心点进行平均值计算就可以得到较为精确的车辆定位位置信息。
如图3所示，为本发明实施例提供的一种根据基于密度的聚类算法得到聚类结果的步骤流程图，具体包括以下步骤：
步骤S302，获取聚类参数数组。
在本发明实施例中，聚类参数数组包括邻域参数以及最少样本数目，是实现基于密度的聚类算法必不可少的参数。
步骤S304，获取待聚类处理的位置信息，并确定为当前处理位置信息。
在本发明实施例中，随机挑选未处理的位置信息作为初始，确定为当前处理数据。
步骤S306，判断当前处理位置信息的邻域位置信息数目是否高于最少样本数目。当判断是时，执行步骤S308；当判断否时，执行其他步骤。
在本发明实施例中，邻域位置信息是指与所述当前处理位置信息距离小于邻域参数的位置信息，统计此类位置信息的数目并与最少样本数目这个参数比较，当高于最少样本数目时，表明距离该处理位置信息小于邻域参数的位置信息较多，可以理解标记为一个中心点。而当少于最少样本数目时，表明距离该处理位置信息小于邻域参数的位置信息较少，可以标记为一个噪音点。
步骤S308，将所述邻域位置信息与所述当前处理位置信息归为同类。
在本发明实施例中，将当前处理位置信息及其邻域内的位置信息归为同类，即用同一种标识。
步骤S310，遍历所述当前处理位置信息的邻域位置信息，并将邻域位置信息确定为当前处理位置信息，然后返回至所述判断当前处理位置信息的邻域位置信息数目是否高于最少样本数目的步骤，直至全部邻域信息遍历结束。
在本发明实施例中，继续对当前处理位置信息的邻域位置信息做同样的处理，从而对同类进行拓展，得到新的邻域位置信息继续执行同样的操作，直到同类里面全部的邻域信息都经过同样的操作。
步骤S312，判断是否还存在未聚类处理的位置信息。当判断是时，返回至所述步骤S304；当判断否是，执行步骤S314。
步骤S314，根据各个位置信息的归类结果确定聚类结果。
在本发明实施例中，重复前述步骤，直至所有的点都被分类完成，根据各个位置信息的归类结果确定聚类结果，其中结合高斯分布原理可知，位置信息的聚类结果与实际中心位置关联。
如图4所示，为本发明实施例提供的一种根据最大似然估计算法确定车辆准确定位位置信息的步骤流程图，具体包括以下步骤：
步骤S402，根据车辆在预设采样周期内多个时刻下的位置信息构建车辆中心点最大似然估计函数。
在本发明实施例中，最大似然估计函数是基于高斯分布函数构建的，具体的，最大似然估计函数描述了车辆中心点与在所述车辆中心点下车辆在预设采样周期内多个时刻下的位置信息的概率。
步骤S404，基于最大似然估计算法对所述最大似然估计函数进行求解，确定车辆准确定位位置信息。
在本发明实施例中，最大似然估计算法是常用的算法，本发明在此不做具体的阐述。
如图5所示，为本发明实施例提供的一种对位置信息进行映射处理确定映射位置信息的步骤流程图，具体包括以下步骤：
步骤S502，获取车辆在预设采样周期内多个时刻下的速度信息。
在本发明实施例中，在将动态位置信息转化为静态位置信息时，是通过逆向推导的方式确定的，因此需要采集速度信息作为逆向推导的依据。
步骤S504，根据车辆在预设采样周期内多个时刻下的位置信息以及速度信息确定各个时刻时车辆在初始时刻下的映射位置信息。
在本发明实施例中，基于速度信息可以确定位移信息，反向就可以确定各个时刻时车辆在初始时刻下的映射位置信息。
如图6所示，为本发明实施例提供的一种对位置信息与速度信息进行映射处理确定映射位置信息的步骤流程图，具体包括以下步骤：
步骤S602，对获取的速度信息进行时间积分并确定车辆在预设采样周期内多个时刻下的位移信息。
在本发明实施例中，通过对速度进行积分就可以确定预设采样周期内多个时刻下的位移信息。
步骤S604，根据所述车辆在预设采样周期内多个时刻下的位移信息对车辆在预设采样周期内多个时刻下的位置信息进行映射处理，确定各个时刻时车辆在初始时刻下的映射位置信息。
在本发明实施例中，将当前位置信息减去位移信息就可以确定各个时刻时车辆在初始时刻下的映射位置信息。
如图7所示，为本发明实施例提供的一种车辆定位装置的结构示意图，具体包括以下单元：
位置信息获取单元710，用于获取车辆在预设采样周期内多个时刻下的位置信息。
在本发明实施例中，在初始时刻t0时获取初始位置信息p0，并在随后的周期内按照预设的采样频率采集n个时刻tn下的位置信息pn。其中位置信息通常是基于GPS数据获取得到，但考虑到GPS数据误差，这些位置信息并不等同于车辆在相应时刻下的真实位置信息。
状态判断单元720，用于判断车辆状态是否为静止状态。
在本发明实施例中，其中可以通过对位置信息进行分析判断车辆是否处于静止状态，并针对于不同的状态，采用的不同的算法来计算其定位位置信息。
静止状态车辆定位单元730，用于当判断车辆状态是静止状态时，根据所述车辆在预设采样周期内多个时刻下的位置信息并基于预设的静止状态车辆定位算法确定车辆准确定位位置信息。
在本发明实施例中，所述预设的静止状态车辆定位算法是基于密度的聚类算法或者最大似然估计算法。具体的，是通过基于密度的聚类算法或者最大似然估计算法来确定车辆的准确定位位置信息，其中具体的实现步骤请参阅图2～图4及其解释说明的内容。
运动状态车辆定位单元740，用于当判断车辆状态不是静止状态时，基于预设的动态映射规则将所述车辆在预设采样周期内多个时刻下的位置信息分别映射处理为车辆在初始时刻下的多个映射位置信息，并基于预设的静止状态车辆定位算法确定车辆在初始时刻下的准确定位位置信息。
在本发明实施例中，对于运动状态的车辆定位，是通过预设的动态映射规则将车辆在后续采样周期内采集的位置信息分别映射处理为车辆在初始时刻下的多个映射位置信息，也就是将动态定位算法转化为静态定位算法，节约了处理时间，提高了计算效率。其中，具体的转化规则请参阅图5～图6及其解释说明的内容。进一步的，后步骤中所采用的算法与前述静止状态车辆定位单元730中描述的算法相同，区别仅仅在于输入的数据不同，也就是需要先经过
图8示出了一个实施例中计算机设备的内部结构图。如图8所示，该计算机设备包括通过系统总线连接的处理器、存储器、网络接口、输入装置和显示屏。其中，存储器包括非易失性存储介质和内存储器。该计算机设备的非易失性存储介质存储有操作系统，还可存储有计算机程序，该计算机程序被处理器执行时，可使得处理器实现车辆定位方法。该内存储器中也可储存有计算机程序，该计算机程序被处理器执行时，可使得处理器执行车辆定位方法。计算机设备的显示屏可以是液晶显示屏或者电子墨水显示屏，计算机设备的输入装置可以是显示屏上覆盖的触摸层，也可以是计算机设备外壳上设置的按键、轨迹球或触控板，还可以是外接的键盘、触控板或鼠标等。
本领域技术人员可以理解，图8中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
在一个实施例中，本申请提供的车辆定位装置可以实现为一种计算机程序的形式，计算机程序可在如图8所示的计算机设备上运行。计算机设备的存储器中可存储组成该车辆定位装置的各个程序模块，比如，图7所示的位置信息获取单元710、状态判断单元720、静止状态车辆定位单元730以及运动状态车辆定位单元740。各个程序模块构成的计算机程序使得处理器执行本说明书中描述的本申请各个实施例的车辆定位方法中的步骤。
例如，图8所示的计算机设备可以通过如图7所示的车辆定位装置中的位置信息获取单元710执行步骤S102；计算机设备可通过状态判断单元执行步骤S104等等。
在一个实施例中，提出了一种计算机设备，所述计算机设备包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现以下步骤：
获取车辆在预设采样周期内多个时刻下的位置信息；
判断车辆状态是否为静止状态；
当判断车辆状态是静止状态时，根据所述车辆在预设采样周期内多个时刻下的位置信息并基于预设的静止状态车辆定位算法确定车辆准确定位位置信息；所述预设的静止状态车辆定位算法是基于密度的聚类算法或者最大似然估计算法；
当判断车辆状态不是静止状态时，基于预设的动态映射规则将所述车辆在预设采样周期内多个时刻下的位置信息分别映射处理为车辆在初始时刻下的多个映射位置信息，并基于预设的静止状态车辆定位算法确定车辆在初始时刻下的准确定位位置信息。
在一个实施例中，提供一种计算机可读存储介质，计算机可读存储介质上存储有计算机程序，计算机程序被处理器执行时，使得处理器执行以下步骤：
获取车辆在预设采样周期内多个时刻下的位置信息；
判断车辆状态是否为静止状态；
当判断车辆状态是静止状态时，根据所述车辆在预设采样周期内多个时刻下的位置信息并基于预设的静止状态车辆定位算法确定车辆准确定位位置信息；所述预设的静止状态车辆定位算法是基于密度的聚类算法或者最大似然估计算法；
当判断车辆状态不是静止状态时，基于预设的动态映射规则将所述车辆在预设采样周期内多个时刻下的位置信息分别映射处理为车辆在初始时刻下的多个映射位置信息，并基于预设的静止状态车辆定位算法确定车辆在初始时刻下的准确定位位置信息。
应该理解的是，虽然本发明各实施例的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，各实施例中的至少一部分步骤可以包括多个子步骤或者多个阶段，这些子步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些子步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的程序可存储于一非易失性计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限，RAM以多种形式可得，诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
以上所述实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本发明的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。因此，本发明专利的保护范围应以所附权利要求为准。
以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.一种车辆定位方法，其特征在于，包括：
获取车辆在预设采样周期内多个时刻下的位置信息；
判断车辆状态是否为静止状态；
当判断车辆状态是静止状态时，根据所述车辆在预设采样周期内多个时刻下的位置信息并基于预设的静止状态车辆定位算法确定车辆准确定位位置信息；所述预设的静止状态车辆定位算法是基于密度的聚类算法或者最大似然估计算法；
当判断车辆状态不是静止状态时，基于预设的动态映射规则将所述车辆在预设采样周期内多个时刻下的位置信息分别映射处理为车辆在初始时刻下的多个映射位置信息，并基于预设的静止状态车辆定位算法确定车辆在初始时刻下的准确定位位置信息。
2.根据权利要求1所述的车辆定位方法，其特征在于，所述预设的静止状态车辆定位算法是基于密度的聚类算法；所述根据所述车辆在预设采样周期内多个时刻下的位置信息并基于预设的静止状态车辆定位算法确定车辆准确定位位置信息的步骤，具体包括：
确定多组聚类参数数组；所述聚类参数数组包括邻域参数以及最少样本数目；
根据不同聚类参数数组以及基于密度的聚类算法对车辆在预设采样周期内多个时刻下的位置信息进行聚类处理，得到分别对应不同聚类参数数组的多组聚类结果；
确定各组聚类结果的聚类中心点；
根据所述各组聚类结果的聚类中心点确定车辆准确定位位置信息。
3.根据权利要求2所述的车辆定位方法，其特征在于，根据基于密度的聚类算法对车辆在预设采样周期内多个时刻下的位置信息进行聚类处理得到聚类结果的步骤，具体包括：
获取聚类参数数组；所述聚类参数数组包括邻域参数以及最少样本数目；
获取待聚类处理的位置信息，并确定为当前处理位置信息；
判断当前处理位置信息的邻域位置信息数目是否高于最少样本数目；
当判断是时，将所述邻域位置信息与所述当前处理位置信息归为同类；
遍历所述当前处理位置信息的邻域位置信息，并将邻域位置信息确定为当前处理位置信息，然后返回至所述判断当前处理位置信息的邻域位置信息数目是否高于最少样本数目的步骤，直至全部邻域信息遍历结束；
判断是否还存在未聚类处理的位置信息；
当判断存在未聚类处理的位置信息时，返回至所述获取待聚类处理的位置信息，并确定为当前处理位置信息的步骤；
当判断不存在未聚类处理的位置信息时，根据各个位置信息的归类结果确定聚类结果。
4.根据权利要求1所述的车辆定位方法，其特征在于，所述预设的静止状态车辆定位算法是基于密度的聚类算法最大似然估计算法；
根据车辆在预设采样周期内多个时刻下的位置信息构建车辆中心点最大似然估计函数；所述车辆中心点最大似然估计函数描述了车辆中心点与在所述车辆中心点下车辆在预设采样周期内多个时刻下的位置信息的概率；
基于最大似然估计算法对所述最大似然估计函数进行求解，确定车辆准确定位位置信息；所述车辆准确定位位置信息即为使车辆在预设采样周期内多个时刻下的位置信息的概率最大的最优车辆中心点。
5.根据权利要求4所述的车辆定位方法，其特征在于，所述最大似然估计函数是基于高斯分布函数构建的。
6.根据权利要求1所述的车辆定位方法，其特征在于，所述基于预设的动态映射规则将所述车辆在预设采样周期内多个时刻下的位置信息分别映射处理为车辆在初始时刻下的多个映射位置信息的本步骤具体包括：
获取车辆在预设采样周期内多个时刻下的速度信息；
根据车辆在预设采样周期内多个时刻下的位置信息以及速度信息确定各个时刻时车辆在初始时刻下的映射位置信息。
7.根据权利要求6所述的动态行驶过程中的车辆定位方法，其特征在于，所述根据车辆在预设采样周期内多个时刻下的位置信息以及速度信息确定各个时刻时车辆在初始时刻下的映射位置信息，具体包括：
对获取的速度信息进行时间积分并确定车辆在预设采样周期内多个时刻下的位移信息；
根据所述车辆在预设采样周期内多个时刻下的位移信息对车辆在预设采样周期内多个时刻下的位置信息进行映射处理，确定各个时刻时车辆在初始时刻下的映射位置信息。
8.一种车辆定位装置，其特征在于，包括：
位置信息获取单元，用于获取车辆在预设采样周期内多个时刻下的位置信息；
状态判断单元，用于判断车辆状态是否为静止状态；
静止状态车辆定位单元，用于当判断车辆状态是静止状态时，根据所述车辆在预设采样周期内多个时刻下的位置信息并基于预设的静止状态车辆定位算法确定车辆准确定位位置信息；所述预设的静止状态车辆定位算法是基于密度的聚类算法或者最大似然估计算法；
运动状态车辆定位单元，用于当判断车辆状态不是静止状态时，基于预设的动态映射规则将所述车辆在预设采样周期内多个时刻下的位置信息分别映射处理为车辆在初始时刻下的多个映射位置信息，并基于预设的静止状态车辆定位算法确定车辆在初始时刻下的准确定位位置信息。
9.一种计算机设备，其特征在于，包括存储器和处理器，所述存储器中存储有计算机程序，所述计算机程序被所述处理器执行时，使得所述处理器执行权利要求1至7中任一项权利要求所述车辆定位方法的步骤。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时，使得所述处理器执行权利要求1至7中任一项权利要求所述车辆定位方法的步骤。
CN202110170745.2A 2021-02-08 2021-02-08 一种车辆定位方法、装置、计算机设备及存储介质 Active CN112782743B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110170745.2A CN112782743B (zh) 2021-02-08 2021-02-08 一种车辆定位方法、装置、计算机设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110170745.2A CN112782743B (zh) 2021-02-08 2021-02-08 一种车辆定位方法、装置、计算机设备及存储介质

Publications (2)

Publication Number Publication Date
CN112782743A true CN112782743A (zh) 2021-05-11
CN112782743B CN112782743B (zh) 2022-08-30

Family

ID=75761233

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110170745.2A Active CN112782743B (zh) 2021-02-08 2021-02-08 一种车辆定位方法、装置、计算机设备及存储介质

Country Status (1)

Country Link
CN (1) CN112782743B (zh)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113596708A (zh) * 2021-06-29 2021-11-02 摩拜(北京)信息技术有限公司 车辆定位方法、装置、服务器及可读存储介质
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
CN113917394A (zh) * 2021-09-06 2022-01-11 深圳市发掘科技有限公司 一种基于红外传感器的定位方法、装置、设备及存储介质
CN114120252A (zh) * 2021-10-21 2022-03-01 阿波罗智能技术(北京)有限公司 自动驾驶车辆状态的识别方法、装置、电子设备及车辆
CN114529858A (zh) * 2022-04-21 2022-05-24 浙江大华技术股份有限公司 车辆状态识别方法、电子设备及计算机可读存储介质

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109978075A (zh) * 2019-04-04 2019-07-05 江苏满运软件科技有限公司 车辆虚假位置信息识别方法、装置、电子设备、存储介质
CN110275191A (zh) * 2019-05-24 2019-09-24 深圳市元征科技股份有限公司 一种静态漂移修正方法、装置、车载设备及存储介质
CN110646824A (zh) * 2019-09-30 2020-01-03 郑州威科姆华大北斗导航科技有限公司 一种多种定位方式实现运动轨迹漂移点过滤计算的方法
CN110779522A (zh) * 2019-10-10 2020-02-11 深圳市宏电技术股份有限公司 一种定位漂移处理方法及车载定位终端
CN110927755A (zh) * 2019-11-14 2020-03-27 深圳市麦谷科技有限公司 车辆漂移点的过滤方法和装置
CN111399000A (zh) * 2020-04-08 2020-07-10 广州通达汽车电气股份有限公司 Gps漂移过滤方法、gps终端的状态切换方法及切换设备

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109978075A (zh) * 2019-04-04 2019-07-05 江苏满运软件科技有限公司 车辆虚假位置信息识别方法、装置、电子设备、存储介质
CN110275191A (zh) * 2019-05-24 2019-09-24 深圳市元征科技股份有限公司 一种静态漂移修正方法、装置、车载设备及存储介质
CN110646824A (zh) * 2019-09-30 2020-01-03 郑州威科姆华大北斗导航科技有限公司 一种多种定位方式实现运动轨迹漂移点过滤计算的方法
CN110779522A (zh) * 2019-10-10 2020-02-11 深圳市宏电技术股份有限公司 一种定位漂移处理方法及车载定位终端
CN110927755A (zh) * 2019-11-14 2020-03-27 深圳市麦谷科技有限公司 车辆漂移点的过滤方法和装置
CN111399000A (zh) * 2020-04-08 2020-07-10 广州通达汽车电气股份有限公司 Gps漂移过滤方法、gps终端的状态切换方法及切换设备

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113596708A (zh) * 2021-06-29 2021-11-02 摩拜(北京)信息技术有限公司 车辆定位方法、装置、服务器及可读存储介质
CN113917394A (zh) * 2021-09-06 2022-01-11 深圳市发掘科技有限公司 一种基于红外传感器的定位方法、装置、设备及存储介质
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
CN114120252A (zh) * 2021-10-21 2022-03-01 阿波罗智能技术(北京)有限公司 自动驾驶车辆状态的识别方法、装置、电子设备及车辆
CN114120252B (zh) * 2021-10-21 2023-09-01 阿波罗智能技术(北京)有限公司 自动驾驶车辆状态的识别方法、装置、电子设备及车辆
CN114529858A (zh) * 2022-04-21 2022-05-24 浙江大华技术股份有限公司 车辆状态识别方法、电子设备及计算机可读存储介质

Also Published As

Publication number Publication date
CN112782743B (zh) 2022-08-30

Similar Documents

Publication Publication Date Title
CN112782743B (zh) 一种车辆定位方法、装置、计算机设备及存储介质
CN111523414A (zh) 人脸识别方法、装置、计算机设备和存储介质
CN110706261A (zh) 车辆违章检测方法、装置、计算机设备和存储介质
CN113496150B (zh) 密集目标检测方法、装置、存储介质及计算机设备
CN111027343A (zh) 条形码区域定位方法和装置
CN116126947B (zh) 应用于企业管理系统的大数据分析方法及系统
CN115563477B (zh) 谐波数据识别方法、装置、计算机设备和存储介质
CN113076922A (zh) 一种物体检测方法及装置
US9177215B2 (en) Sparse representation for dynamic sensor networks
CN114119460A (zh) 半导体图像缺陷识别方法、装置、计算机设备和存储介质
CN113222040B (zh) 海上固定目标识别方法、装置、计算机设备和存储介质
CN114463300A (zh) 钢材表面缺陷检测方法、电子设备、存储介质
CN111582378B (zh) 定位识别模型的训练生成方法、位置检测方法、装置
CN111210634B (zh) 智能交通信息处理方法、装置、智能交通系统及服务器
CN113392455A (zh) 基于深度学习的户型图比例尺检测方法、装置及电子设备
CN110751623A (zh) 基于联合特征的缺陷检测方法、装置、设备及存储介质
CN116229128A (zh) 实体图像的聚类处理方法、装置、电子设备及存储介质
CN113328988A (zh) 基于大数据和云计算的网络安全校验方法及系统
CN111738185A (zh) 一种目标识别方法、装置及设备
CN112948512A (zh) 位置数据划分方法、装置、计算机设备和存储介质
CN114842014B (zh) 基于密度估计的缺陷检测方法、装置、设备及存储介质
CN118071755B (zh) 一种车身焊点质量检测方法及系统
CN118573489B (zh) 一种工业互联网信息安全评估方法及系统
CN117934804B (zh) 确定晶圆是否扎针合格的方法及相关装置
CN116958838B (zh) 一种基于无人机航测技术的森林资源监测方法及系统

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
EE01 Entry into force of recordation of patent licensing contract

Application publication date: 20210511

Assignee: Datuo infinite (Chongqing) Intelligent Technology Co.,Ltd.

Assignor: DISCOVERY TECHNOLOGY (SHENZHEN) Co.,Ltd.

Contract record no.: X2024980002349

Denomination of invention: A vehicle positioning method, device, computer equipment, and storage medium

Granted publication date: 20220830

License type: Common License

Record date: 20240229

EE01 Entry into force of recordation of patent licensing contract