CN112815959B - 车辆车道级定位系统、方法、装置和电子设备 - Google Patents

Abstract

本公开的实施例公开了车辆车道级定位系统、方法、装置和电子设备。该车辆车道级定位系统的一具体实施方式包括：智能相机设置于车辆中，并与车道线识别组件通信连接；车道线识别组件与计算组件通信连接；惯性测量组件与定位组件通信连接，其中，惯性测量组件用于测量车辆姿态信息；定位组件与计算组件通信连接，其中，定位组件用于根据接收到的车辆位姿信息确定车辆定位信息；电子地图组件与计算组件通信连接，其中，电子地图组件用于生成电子地图信息；计算组件用于接收车道线信息、车辆定位信息和电子地图信息，以及对车道线信息、车辆定位信息和电子地图信息进行识别处理以生成车道定位信息。该实施方式可以提高车辆车道级定位的准确度。

Description

车辆车道级定位系统、方法、装置和电子设备

技术领域

本公开的实施例涉及自动驾驶领域，具体涉及车辆定位领域，尤其涉及车辆车道级定位系统、方法、装置和电子设备。

背景技术

车辆车道级定位是自动驾驶领域的一项基本需求。目前，常用的车辆车道级定位系统中需要配置全球卫星导航系统、高线束激光雷达和毫米波雷达等组件，生成车辆位置信息。然后利用神经网络等深度学习算法，根据生成的车辆位置信息生成车辆车道级定位信息。

然而，当采用上述方式对车辆进行车道级定位时，经常会存在如下技术问题：

第一，由于毫米波雷达发出的用于测量的毫米波只能被金属物体反射，导致无法测量非金属物体的位置，因此，在一定的情况下，毫米波雷达的测量数据无法参与车辆位置信息的生成，使得生成的车辆位置信息的准确度降低，进而，导致生成的车辆车道级定位信息准确度降低；

第二，由于全球卫星导航系统对处于特殊路段（例如，隧道，桥洞或地下车停车场等）上的车辆的定位精度较低，使得生成的车辆车道级定位信息准确度降低，从而，将生成的车辆车道级定位信息应用于自动驾驶过程中会带来较高的危险性。

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车道级定位系统、方法、装置和电子设备，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车道级定位系统，该车辆车道级定位系统包括：智能相机、车道线识别组件、定位组件、惯性测量组件、电子地图组件和计算组件，其中：上述智能相机设置于车辆中，并与上述车道线识别组件通信连接，其中，上述智能相机用于拍摄车道线图像，以及将上述车道线图像发送至上述车道线识别组件；上述车道线识别组件与上述计算组件通信连接，其中，上述车道线识别组件用于接收上述智能相机发送的车道线图像，以及识别上述车道线图像中的车道线信息，以及将上述车道线信息发送至上述计算组件；上述惯性测量组件与上述定位组件通信连接，其中，上述惯性测量组件用于测量车辆姿态信息，以及将上述车辆姿态信息发送至上述定位组件；上述定位组件与上述计算组件通信连接，其中，上述定位组件用于根据接收到的上述车辆位姿信息确定车辆定位信息，以及将上述车辆定位信息发送至上述计算组件；上述电子地图组件与上述计算组件通信连接，其中，上述电子地图组件用于生成电子地图信息，以及将上述电子地图信息发送至上述计算组件；上述计算组件用于接收上述车道线信息、上述车辆定位信息和上述电子地图信息，以及对上述车道线信息、上述车辆定位信息和上述电子地图信息进行识别处理以生成车道定位信息。

第二方面，本公开的一些实施例提供了一种用于如上述车辆车道级定位系统的车辆车道级定位方法，该车辆车道级定位方法包括：获取车道线图像；对上述车道线图像进行识别处理，得到车道线信息、车辆定位信息和电子地图信息；基于上述车道线信息、车辆定位信息和电子地图信息，生成车道定位信息。

在一些实施例中，所述基于所述初始状态向量、初始转移矩阵、传感器状态异常概率值、传感器状态正常概率值、指标参数值组和概率分布向量，生成车道线概率向量，包括：

基于所述初始状态向量、初始转移矩阵、传感器状态异常概率值、传感器状态正常概率值、指标参数值组和概率分布向量，通过以下公式生成车道线概率向量：

，

其中，

表示所述车道线概率向量，

、

、

表示序号，

表示预设的最大状态阈值；

表示所述指标参数值组中指标参数值的数量，

表示所述指标参数值组中的指标参数值，

表示所述指标参数值组中的第

个指标参数值，

表示所述概率分布向量，

表示所述初始状态向量，

表示所述初始转移矩阵中的数据值，

表示所述初始转移矩阵中的第

行第

列的数据值，

表示所述传感器正常状态概率值，

表示所述传感器异常状态概率值。

第三方面，本公开的一些实施例提供了一种车辆车道级定位装置，装置包括：获取单元，被配置成获取车道线图像；识别处理单元，被配置成对上述车道线图像进行识别处理，得到车道线信息、车辆定位信息和电子地图信息；生成单元，被配置成基于上述车道线信息、车辆定位信息和电子地图信息，生成车道定位信息。

第四方面，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二方面任一实现方式所描述的方法。

第五方面，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二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车道级定位系统，可以提高生成的车辆车道级定位信息的准确度，提高自动驾驶车辆的行驶安全性。具体来说，造成生成的车辆车道级定位信息的准确度降低的原因在于：由于毫米波雷达发出的用于测量的毫米波只能被金属物体反射，导致无法测量非金属物体的位置，使得在一定的情况下，毫米波雷达的测量数据无法参与车辆位置信息的生成。基于此，本公开的一些实施例的车辆车道级定位系统，可以包括智能相机、车道线识别组件、定位组件、惯性测量组件、电子地图组件和计算组件。上述智能相机可以设置于车辆中，并与上述车道线识别组件通信连接。其中，上述智能相机可以用于拍摄车道线图像，以及将上述车道线图像发送至上述车道线识别组件。上述车道线识别组件可以与上述计算组件通信连接。其中，上述车道线识别组件可以用于接收上述智能相机发送的车道线图像，以及识别上述车道线图像中的车道线信息，以及将上述车道线信息发送至上述计算组件。上述惯性测量组件可以与上述定位组件通信连接。其中，上述惯性测量组件可以用于测量车辆姿态信息，以及将上述车辆姿态信息发送至上述定位组件。上述定位组件可以与上述计算组件通信连接，其中，上述定位组件可以用于根据接收到的上述车辆位姿信息确定车辆定位信息，以及将上述车辆定位信息发送至上述计算组件。上述电子地图组件可以与上述计算组件通信连接，其中，上述电子地图组件可以用于生成的电子地图信息，以及将上述电子地图信息发送至上述计算组件。上述计算组件可以用于接收上述车道线信息、上述车辆定位信息和上述电子地图信息，以及对上述车道线信息、上述车辆定位信息和上述电子地图信息进行识别处理以生成车道定位信息。由于毫米波雷达发出的用于测量的毫米波只能被金属物体反射，无法测量非金属物体的位置。因此上述方法避免了毫米波雷达的使用。同时，为了在不使用毫米波雷达的情况下保证生成的车辆位置信息的准确度，引入了智能相机和车道线识别组件。车道线识别组件可以根据智能相机拍摄的图像识别出车道线信息。识别出的车道线信息可以用于代替上述毫米波雷达的测量数据参与生成车辆位置信息，从而提高车辆车道级定位的准确度。

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，元件和元素不一定按照比例绘制。

图1是本公开的一些实施例的车辆车道级定位系统的系统架构图；

图2是根据本公开的一些实施例的车辆车道级定位系统的结构示意图；

图3是根据本公开的车辆车道级定位方法的一些实施例的流程图；

图4是根据本公开的车辆车道级定位装置的一些实施例的结构示意图；

图5是根据本公开的车辆车道级定位方法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“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示出了根据本公开的一些实施例的车辆车道级定位系统的系统架构图。

如图1所示，首先，车辆车道级定位系统100可以包括智能相机101、车道线识别组件102、惯性测量组件103、定位组件104、电子地图组件105和计算组件106。然后，上述智能相机101设置于车辆中，并与上述车道线识别组件102通信连接，其中，上述智能相机101用于拍摄车道线图像1011，以及将上述车道线图像1011发送至上述车道线识别组件102。接着，上述车道线识别组件102与上述计算组件106通信连接，其中，上述车道线识别组件102用于接收上述智能相机101发送的车道线图像1011，以及识别上述车道线图像1011中的车道线信息1021，以及将上述车道线信息1021发送至上述计算组件106。再然后，上述惯性测量组件103与上述定位组件104通信连接，其中，上述惯性测量组件103用于测量车辆姿态信息1031，以及将上述车辆姿态信息1031发送至上述定位组件104。之后，上述定位组件104与上述计算组件106通信连接，其中，上述定位组件104用于根据接收到的上述车辆位姿信息1031确定车辆定位信息1041，以及将上述车辆定位信息1041发送至上述计算组件106。而后，上述电子地图组件105与上述计算组件106通信连接，其中，上述电子地图组件105用于生成的电子地图信息1051，以及将上述电子地图信息1051发送至上述计算组件106。最后，上述计算组件106用于接收上述车道线信息1021、上述车辆定位信息1041和上述电子地图信息1051，以及对上述车道线信息1021、上述车辆定位信息1041和上述电子地图信息1051进行识别处理以生成车道定位信息1061。

应该理解，图1中的智能相机、车道线识别组件、定位组件、惯性测量组件、电子地图组件和计算组件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智能相机、车道线识别组件、定位组件、惯性测量组件、电子地图组件和计算组件。

继续参见图2，其示出了根据本公开的一些实施例的车辆车道级定位系统的结构示意图。如图2所示，本实施例的车辆车道级定位系统可以包括：智能相机201、车道线识别组件202、定位组件203、惯性测量组件204、电子地图组件205和计算组件206。

在一些实施例中，上述智能相机201可以设置于车辆中，并与上述车道线识别组件202通信连接，其中，上述智能相机201可以用于拍摄车道线图像，以及可以将上述车道线图像发送至上述车道线识别组件202。上述智能相机201可以是传感器硬件。上述智能相机201除了具有拍摄车道线图的功能还可以用于拍摄车道线视频。上述通信连接可以是有线方式的连接或无线方式的连接。车道线图像可以是车辆在行驶过程中车辆前方的路况图像，该路况图像中存在车道线信息。

在一些实施例中，上述车道线识别组件202与上述计算组件206通信连接，其中，上述车道线识别组件202可以用于接收上述智能相机201发送的车道线图像，以及识别上述车道线图像中的车道线信息，以及将上述车道线信息发送至上述计算组件206。上述车道线信息可以包括：线型（例如，实线或虚线），车道线距离车辆中心的最小距离值，车道线在车辆坐标系下的数学表达式等。该车辆坐标系可以是：以车辆中心点为原点，过原点以车辆行驶以及平行于路面的方向为横轴，过原点与车道线垂直以及平行于路面的方向纵轴建立的车辆坐标系。

在一些实施例的一些可选的实现方式中，上述车辆车道级定位系统还可以包括缓存组件（图中未示出）。其中，上述缓存组件可以与上述车道线识别组件202通信连接。上述车道线识别组件202可以用于将上述车道线信息发送至上述缓存组件。上述缓存组件可以用于接收以及存储上述车道线信息。

在一些实施例中，上述惯性测量组件204与上述定位组件203通信连接。其中，上述惯性测量组件204用于测量车辆姿态信息，以及将上述车辆姿态信息发送至上述定位组件203。上述惯性测量组件204可以是传感器硬件。上述车辆姿态信息可以是由车辆的位移向量和欧拉角构成的。

在一些实施例中，上述定位组件203与上述计算组件206通信连接。其中，上述定位组件203可以用于根据接收到的上述车辆位姿信息确定车辆定位信息，以及将上述车辆定位信息发送至上述计算组件206。上述定位组件203也可以视为车载里程计模块，因此还可以用于确定车辆在行驶过程中的不同时刻时，车辆在各个车道上的计数量。

作为示例，在两秒的时间内，车载里程计模块一共可以检测10次车辆位姿信息。其中，检测到车辆在a车道上的次数为6次，在b车道上的次数为4次，在c车道上的次数为0次。那么，a车道的计数量为6，b车道的计数量为4，c车道的计数量为0。

在一些实施例的一些可选的实现方式中，上述定位组件203与上述缓存组件通信连接。其中，上述定位组件203可以用于将上述定位信息发送至上述缓存组件。上述缓存组件可以用于接收以及存储上述定位信息。

在一些实施例中，上述电子地图组件205与上述计算组件206通信连接。其中，上述电子地图组件205可以用于生成的电子地图信息，以及将上述电子地图信息发送至上述计算组件206。该电子地图组件205可以根据预估的车辆位置信息（例如，通过米级误差的定位传感器输出的车辆位置信息），输出车辆地图位置信息。该车辆地图位置信息可以包括：车道数，车道线数，车道线线型，车道线颜色以及车道线坐标值集合等信息。

在一些实施例的一些可选的实现方式中，上述电子地图组件205可以与上述缓存组件通信连接。其中，上述电子地图组件205可以用于将上述电子地图信息发送至上述缓存组件。上述缓存组件可以用于接收以及存储上述电子地图信息。

在一些实施例的一些可选的实现方式中，上述车辆车道级定位系统还可以包括定位传感器（图中未示出）。其中，上述定位传感器（例如，米级误差的定位传感器）可以与上述电子地图组件205通信连接。其中，上述定位传感器可以用于采集先验位置信息，以及将上述先验位置信息发送至上述电子地图组件205。上述电子地图组件205可以用于接收上述先验位置信息，以及根据接收到的上述先验位置信息生成上述电子地图信息。上述先验位置信息可以视为上述预估的车辆位置信息。上述电子地图信息可以是将上述先验位置信息输入值预先训练的深度学习模型（例如，循环神经网络，概率图模型等）生成的。

在一些实施例中，上述计算组件206可以用于接收上述车道线信息、上述车辆定位信息和上述电子地图信息，以及对上述车道线信息、上述车辆定位信息和上述电子地图信息进行识别处理以生成车道定位信息。

在一些实施例的一些可选的实现方式中，上述计算组件206与上述缓存组件通信连接。其中，上述计算组件可以用于将上述车道线信息发送至上述缓存组件。上述缓存组件可以用于接收以及存储上述车道线信息。

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车道级定位系统，可以提高生成的车辆车道级定位信息的准确度，提高自动驾驶车辆的行驶安全性。具体来说，造成生成的车辆车道级定位信息的准确度降低的原因在于：由于毫米波雷达发出的用于测量的毫米波只能被金属物体反射，导致无法测量非金属物体的位置，使得在一定的情况下，毫米波雷达的测量数据无法参与车辆位置信息的生成。基于此，本公开的一些实施例的车辆车道级定位系统，可以包括智能相机、车道线识别组件、定位组件、惯性测量组件、电子地图组件和计算组件。上述智能相机可以设置于车辆中，并与上述车道线识别组件通信连接。其中，上述智能相机可以用于拍摄车道线图像，以及将上述车道线图像发送至上述车道线识别组件。上述车道线识别组件可以与上述计算组件通信连接。其中，上述车道线识别组件可以用于接收上述智能相机发送的车道线图像，以及识别上述车道线图像中的车道线信息，以及将上述车道线信息发送至上述计算组件。上述惯性测量组件可以与上述定位组件通信连接。其中，上述惯性测量组件可以用于测量车辆姿态信息，以及将上述车辆姿态信息发送至上述定位组件。上述定位组件可以与上述计算组件通信连接，其中，上述定位组件可以用于根据接收到的上述车辆位姿信息确定车辆定位信息，以及将上述车辆定位信息发送至上述计算组件。上述电子地图组件可以与上述计算组件通信连接，其中，上述电子地图组件可以用于生成的电子地图信息，以及将上述电子地图信息发送至上述计算组件。上述计算组件可以用于接收上述车道线信息、上述车辆定位信息和上述电子地图信息，以及对上述车道线信息、上述车辆定位信息和上述电子地图信息进行识别处理以生成车道定位信息。由于毫米波雷达发出的用于测量的毫米波只能被金属物体反射，无法测量非金属物体的位置。因此上述方法避免了毫米波雷达的使用。同时，为了在不使用毫米波雷达的情况下保证生成的车辆位置信息的准确度，引入了智能相机和车道线识别组件。车道线识别组件可以根据智能相机拍摄的图像识别出车道线信息。识别出的车道线信息可以用于代替上述毫米波雷达的测量数据参与生成车辆位置信息，从而提高车辆车道级定位的准确度。

进一步参考图3，其示出了根据本公开的车辆车道级定位方法的一些实施例的流程图300。该车辆车道级定位方法，包括以下步骤：

步骤301，获取车道线图像。

在一些实施例中，车辆车道级定位方法的执行主体（如图1所示的车辆车道级定位系统100）可以通过有线连接方式或者无线连接方式从上述智能相机中获取车道线图像。

步骤302，对车道线图像进行识别处理，得到车道线信息、车辆定位信息和电子地图信息。

在一些实施例中，上述执行主体可以对上述车道线图像进行识别处理，得到车道线信息、车辆定位信息和电子地图信息。其中，识别处理可以是通过上述车道线识别组件对车道线图像进行识别，得到车道线信息。通过上述惯性测量组件和上述定位组件，生成车辆定位信息。通过上述电子地图组件生成电子地图信息。

步骤303，基于车道线信息、车辆定位信息和电子地图信息，生成车道定位信息。

在一些实施例中，上述执行主体可以基于上述车道线信息、车辆定位信息和电子地图信息，生成车道定位信息。其中，可以将上述车道线信息、车辆定位信息和电子地图信息输入至预先训练的深度学习车道定位信息模型（例如，深度生成模型，深度信念网络等）中，生成车道定位信息。

在一些实施例的一些可选的实现方式中，上述车道线信息可以包括初始状态向量、初始转移矩阵、传感器状态异常概率值和传感器状态正常概率值，上述车辆定位信息可以包括指标参数值组，上述电子地图信息可以包括概率分布向量；以及上述执行主体基于上述车道线信息、车辆定位信息和电子地图信息，生成车道定位信息，可以包括以下步骤：第一步，基于上述初始状态向量、初始转移矩阵、传感器状态异常概率值、传感器状态正常概率值、指标参数值组和概率分布向量，生成车道线概率向量。其中，上述车道线概率向量可以用于表征车辆在当前道路中的不同车道线的概率值。上述指标参数值组中的各个指标参数值可以用于表征上述计数量。上述指标参数值组中指标参数值的数量可以是车辆所在的当前道路上车道的数量。上述初始状态向量的总维度为双倍的当前道路上车道的数量，前一部分（即，前一半维度）中的数据可以用于表征传感器（例如，上述车载里程计模块，惯性测量组件等）正常的情况下输出的数据。后一部分中的数据可以用于表征传感器异常情况下输出的数据。上述初始转移矩阵可以是通过四组初始状态向量转化组成的。

其中，可以基于上述初始状态向量、初始转移矩阵、传感器状态异常概率值、传感器状态正常概率值、指标参数值组和概率分布向量，通过以下公式，生成车道线概率向量：

。

其中，

表示上述车道线概率向量。

、

、

表示序号。

表示预设的最大状态阈值。

表示上述指标参数值组中指标参数值的数量。

表示上述指标参数值组中的指标参数值。

表示上述指标参数值组中的第

个指标参数值。

表示上述概率分布向量。

表示上述初始状态向量。

表示上述初始转移矩阵中的数据值。

表示上述初始转移矩阵中的第

行第

列的数据值。

表示上述传感器正常状态概率值。

表示上述传感器异常状态概率值。

具体的，上述预设的最大状态阈值（例如，10）可以用于表征在预定时间段内（例如，1秒内）上述车辆姿态信息的最大生成次数。

上述公式及其相关内容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“由于全球卫星导航系统对处于特殊路段（例如，隧道，桥洞或地下车停车场等）上的车辆的定位精度较低，使得生成的车辆车道级定位信息准确度降低，从而，将生成的车辆车道级定位信息应用于自动驾驶过程中会带来较高的危险性”。导致生成的车辆车道级定位信息准确度降低的原因在于由于全球卫星导航系统对特殊路段（例如，隧道，桥洞或地下车库等）上的车辆的定位精度较低。如果解决了上述因素，就能达到提高生成的车辆车道级定位信息准确度的效果。为了达到这一效果，首先，考虑到车辆在特殊路段上的定位精度有所下降是因为传感器被环境影响导致传感器输出的数据不稳定。因此，引入了传感器异常状态概率值和传感器正常状态概率值。利用传感器异常状态概率值和传感器正常状态概率值同时参与车道线概率向量的生成，可以降低传感器在异常情况下所生成的数据对车道线概率向量产生的负面影响。另外，还引入了概率分布向量以表示不同传感器的检测结果。利用了多个传感器输出的数据参与车道线概率向量的生成。使得不同传感器之间的数据可以在上述高精度地图相互匹配验证，以降低数据的异常情况的发生概率。从而，可以降低传感器异常情况产生的数据对车道线概率向量的影响。提高生成的车辆车道级定位信息的准确度。进而，可以提高自动驾驶车辆的安全性。

第二步，响应于确定上述车道线概率向量中存在满足预设条件的数据值，将满足预设条件的数据值确定为车道定位数据值，作为车道定位信息。其中，上述预设条件可以是：车道线概率向量中最大值参数和次大值参数的差值大于预设差值阈值。然后，可以将满足预设条件的最大值参数确定为车道定位数据值。车道线概率向量中的每个车道线概率值可以表征车辆在当前道路的一个车道上的概率。选出的最大参数可以用于表征车辆在该最大参数对应的车道上的概率最大。从而，可以达到车辆车道级定位的目的。上述车道线概率向量中存在满足预设条件的数据值可以表征该数据值对应的车道线（例如，第二条车道线）为车辆的车道级定位信息。

在一些实施例的一些可选的实现方式中，上述执行主体基于上述车道线信息、车辆定位信息和电子地图信息，生成车道定位信息，还可以包括以下步骤：响应于确定上述车道线概率向量中的各个数据值不满足上述预设条件，生成车道线定位失败信息，作为车道定位信息。其中，上述车道线概率向量中的各个数据值不满足上述预设条件，可以表征对车辆所在的车道线的定位概率较低。从而，不能作为车道线定位的最终结果。那么可以生成车道线定位失败信息（例如，“定位失败”）。

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车道级定位方法，可以提高生成的车辆位置信息的准确度。具体来说，造成生成的车辆车道级定位信息的准确度降低的原因在于：由于全球卫星导航系统对特殊路段（例如，隧道，桥洞或地下车库等）上的车辆的定位精度较低。基于此，本公开的一些实施例的车辆车道级定位方法考虑到车辆在特殊路段上的定位精度较低是由于传感器受环境影响导致传感器输出的数据不稳定而造成的。因此，引入了传感器异常状态概率值和传感器正常状态概率值。利用传感器异常状态概率值和传感器正常状态概率值同时参与车道线概率向量的生成，从而可以降低传感器在异常情况下所生成的数据对车道线概率向量产生的负面影响。另外，还引入了概率分布向量以表示不同传感器的检测结果。利用了多个传感器输出的数据参与车道线概率向量的生成。使得不同传感器之间的数据可以在上述高精度地图相互匹配验证，以降低数据的异常情况的发生概率。从而，可以降低传感器异常情况产生的数据对车道线概率向量的影响。提高生成的车辆车道级定位信息的准确度。进而，可以提高自动驾驶车辆的安全性。

进一步参考图4，作为对上述各图上述方法的实现，本公开提供了一种车辆车道级定位装置的一些实施例，这些装置实施例与图3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4所示，一些实施例的车辆车道级定位装置400包括：获取单元401、识别处理单元402和生成单元403。其中，获取单元401，被配置成获取车道线图像；识别处理单元402，被配置成对上述车道线图像进行识别处理，得到车道线信息、车辆定位信息和电子地图信息；生成单元403，被配置成基于上述车道线信息、车辆定位信息和电子地图信息，生成车道定位信息。

可以理解的是，该装置400中记载的诸单元与参考图3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400及其中包含的单元，在此不再赘述。

下面参考图5，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中的车辆车道级定位系统100）500的结构示意图。图5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5所示，电子设备500可以包括处理装置（例如中央处理器、图形处理器等）501，其可以根据存储在只读存储器（ROM）502中的程序或者从存储装置508加载到随机访问存储器（RAM）503中的程序而执行各种适当的动作和处理。在RAM 503中，还存储有电子设备500操作所需的各种程序和数据。处理装置501、ROM 502以及RAM 503通过总线504彼此相连。输入/输出（I/O）接口504也连接至总线504。

通常，以下装置可以连接至I/O接口504：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506；包括例如液晶显示器（LCD）、扬声器、振动器等的输出装置507；包括例如磁带、硬盘等的存储装置508；以及通信装置509。通信装置509可以允许电子设备500与其他设备进行无线或有线通信以交换数据。虽然图5示出了具有各种装置的电子设备500，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5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509从网络上被下载和安装，或者从存储装置508被安装，或者从ROM 502被安装。在该计算机程序被处理装置501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：获取车道线图像；对上述车道线图像进行识别处理，得到车道线信息、车辆定位信息和电子地图信息；基于上述车道线信息、车辆定位信息和电子地图信息，生成车道定位信息。

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、识别处理单元和生成单元。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“获取车道线图像的单元”。

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。

Claims (2)

1.一种用于车辆车道级定位系统的车辆车道级定位方法，包括：

获取车道线图像；

对所述车道线图像进行识别处理，得到车道线信息、车辆定位信息和电子地图信息；

基于所述车道线信息、所述车辆定位信息和所述电子地图信息，生成车道定位信息；

其中，车辆车道级定位系统，包括：智能相机、车道线识别组件、定位组件、惯性测量组件、电子地图组件和计算组件，其中：

所述智能相机设置于车辆中，并与所述车道线识别组件通信连接，其中，所述智能相机用于拍摄车道线图像，以及将所述车道线图像发送至所述车道线识别组件；

所述车道线识别组件与所述计算组件通信连接，其中，所述车道线识别组件用于接收所述智能相机发送的车道线图像，以及识别所述车道线图像中的车道线信息，以及将所述车道线信息发送至所述计算组件；

所述惯性测量组件与所述定位组件通信连接，其中，所述惯性测量组件用于测量车辆姿态信息，以及将所述车辆姿态信息发送至所述定位组件；

所述定位组件与所述计算组件通信连接，其中，所述定位组件用于根据接收到的所述车辆位姿信息确定车辆定位信息，以及将所述车辆定位信息发送至所述计算组件；

所述电子地图组件与所述计算组件通信连接，其中，所述电子地图组件用于生成电子地图信息，以及将所述电子地图信息发送至所述计算组件；

所述计算组件用于接收所述车道线信息、所述车辆定位信息和所述电子地图信息，以及对所述车道线信息、所述车辆定位信息和所述电子地图信息进行识别处理以生成车道定位信息；

其中，所述车道线信息包括初始状态向量、初始转移矩阵、传感器状态异常概率值和传感器状态正常概率值，所述车辆定位信息包括指标参数值组，所述电子地图信息包括概率分布向量；以及

所述基于所述车道线信息、所述车辆定位信息和所述电子地图信息，生成车道定位信息，包括：

基于所述初始状态向量、所述初始转移矩阵、所述传感器状态异常概率值、所述传感器状态正常概率值、所述指标参数值组和所述概率分布向量，生成车道线概率向量；

响应于确定所述车道线概率向量中存在满足预设条件的数据值，将满足第一预设条件的数据值确定为车道定位数据值，作为车道定位信息；

其中，所述方法还包括：

响应于确定所述车道线概率向量中的各个数据值不满足所述预设条件，生成车道线定位失败信息，作为车道定位信息。

2.一种用于车辆车道级定位系统的车辆车道级定位装置，包括：

获取单元，被配置成获取车道线图像；

识别处理单元，被配置成对所述车道线图像进行识别处理，得到车道线信息、车辆定位信息和电子地图信息；

生成单元，被配置成基于所述车道线信息、车辆定位信息和电子地图信息，生成车道定位信息；

其中，车辆车道级定位系统，包括：智能相机、车道线识别组件、定位组件、惯性测量组件、电子地图组件和计算组件，其中：

所述智能相机设置于车辆中，并与所述车道线识别组件通信连接，其中，所述智能相机用于拍摄车道线图像，以及将所述车道线图像发送至所述车道线识别组件；

所述车道线识别组件与所述计算组件通信连接，其中，所述车道线识别组件用于接收所述智能相机发送的车道线图像，以及识别所述车道线图像中的车道线信息，以及将所述车道线信息发送至所述计算组件；

所述惯性测量组件与所述定位组件通信连接，其中，所述惯性测量组件用于测量车辆姿态信息，以及将所述车辆姿态信息发送至所述定位组件；

所述定位组件与所述计算组件通信连接，其中，所述定位组件用于根据接收到的所述车辆位姿信息确定车辆定位信息，以及将所述车辆定位信息发送至所述计算组件；

所述电子地图组件与所述计算组件通信连接，其中，所述电子地图组件用于生成电子地图信息，以及将所述电子地图信息发送至所述计算组件；

所述计算组件用于接收所述车道线信息、所述车辆定位信息和所述电子地图信息，以及对所述车道线信息、所述车辆定位信息和所述电子地图信息进行识别处理以生成车道定位信息；

其中，所述车道线信息包括初始状态向量、初始转移矩阵、传感器状态异常概率值和传感器状态正常概率值，所述车辆定位信息包括指标参数值组，所述电子地图信息包括概率分布向量；以及

所述基于所述车道线信息、所述车辆定位信息和所述电子地图信息，生成车道定位信息，包括：

基于所述初始状态向量、所述初始转移矩阵、所述传感器状态异常概率值、所述传感器状态正常概率值、所述指标参数值组和所述概率分布向量，生成车道线概率向量；

响应于确定所述车道线概率向量中存在满足预设条件的数据值，将满足第一预设条件的数据值确定为车道定位数据值，作为车道定位信息；

响应于确定所述车道线概率向量中的各个数据值不满足所述预设条件，生成车道线定位失败信息，作为车道定位信息。

Images