CN112833880A - 车辆定位方法、定位装置、存储介质及计算机程序产品 - Google Patents

Abstract

本公开实施例涉及一种车辆定位方法、定位装置、存储介质及计算机程序产品。所述方法包括：获取目标数据集；目标数据集包括来自至少一个车载设备的定位数据以及位于车辆上的终端设备采集的定位数据；终端设备根据目标数据集中的数据确定车辆当前的行车环境，根据行车环境确定目标融合算法；终端设备根据目标融合算法对目标数据集进行融合处理，根据处理结果确定车辆的定位结果。采用本公开实施例的方法能够灵活匹配车辆的行车环境，提高车辆定位的精度。

Description

车辆定位方法、定位装置、存储介质及计算机程序产品

技术领域

本公开实施例涉及定位技术领域，特别是涉及一种车辆定位方法、定位装置、存储介质及计算机程序产品。

背景技术

随着通信技术和车辆技术的不断发展，车辆定位在车辆驾驶领域越来越重要，并且，基于车辆定位结果还可以实现车辆跟踪、交通管控等多方面的应用。

传统技术中，全球定位系统(global positioning system，GPS)已被成熟应用于车辆定位，除此之外，还可以通过车辆航位推算(vehicle dead reckoning，VDR)技术、图像匹配技术等实现车辆定位。

发明内容

本公开实施例提供一种车辆定位方法、定位装置、存储介质及计算机程序产品，能够灵活匹配车辆的行车环境，提高车辆定位的精度。

第一方面，本公开实施例提供一种车辆定位方法，所述方法包括：

终端设备获取目标数据集；目标数据集包括来自至少一个车载设备的定位数据以及终端设备采集的定位数据；至少一个车载设备与终端设备为同一车辆上的设备；

终端设备根据目标数据集中的数据确定车辆当前的行车环境，根据行车环境确定目标融合算法；

终端设备根据目标融合算法对目标数据集进行融合处理，根据处理结果确定车辆的定位结果。

第二方面，本公开实施例提供一种终端设备，包括：

获取单元，用于获取目标数据集；目标数据集包括来自至少一个车载设备的定位数据以及终端设备采集的定位数据；至少一个车载设备与终端设备为同一车辆上的设备；

确定单元，用于根据目标数据集中的数据确定车辆当前的行车环境，根据行车环境确定目标融合算法；

定位单元，用于根据目标融合算法对目标数据集进行融合处理，根据处理结果确定车辆的定位结果。

第三方面，提供一种服务器，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，处理器执行计算机程序时实现上述第一方面所述的方法的步骤。

第四方面，提供一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现上述第一方面所述的方法的步骤。

第五方面，一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现上述第一方面所述的方法的步骤。

本公开实施例中，车辆内的终端设备(例如，司机所使用的手机)或者服务器可以获取到车辆内其它车载设备采集到的定位数据。还可以根据当前的行车环境确定融合算法，利用该算法将自身所采集的定位数据和其它车载设备所采集的定位数据进行融合处理，滤除受当前行车环境影响较大的数据，根据在当前行车环境下较为稳定的数据进行定位。数据融合方式随行车环境的变化而变化，能够灵活匹配行车环境快速、多样且复杂的变化，合理规避行车环境对车载设备所采集数据的影响，尽可能使用在当前行车环境中较为稳定的数据进行定位，提升定位的精度和准确性。

附图说明

图1为本公开实施例提供的车辆定位方法的应用环境图；

图2为本公开实施例提供的车辆内部设备的示意图；

图3为本公开实施例提供的车辆定位方法的流程示意图；

图4为本公开实施例提供的数据融合定位示意图；

图5为本公开实施例提供的车辆定位方法的另一流程示意图；

图6为本公开实施例提供的历史行车环境示意图；

图7为本公开实施例提供的车辆定位方法的另一流程示意图；

图8为本公开实施例提供的车辆定位过程的示意图；

图9为本公开实施例提供的终端设备的结构框图；

图10为本公开实施例提供的终端设备的另一结构框图；

图11为本公开实施例提供的电子设备的内部结构图。

具体实施方式

为了使本公开实施例的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本公开实施例进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本公开实施例，并不用于限定本公开实施例。

首先，在具体介绍本公开实施例的技术方案之前，先对本公开实施例基于的技术背景或者技术演进脉络进行介绍。在车辆定位领域(例如，网约车出行场景)，通常利用GPS卫星信号进行车辆定位，但在峡谷、隧道等特殊环境中，车载设备接收到的GPS卫星信号往往较弱，从而影响定位结果，导致定位精度不高。基于该背景，申请人通过搜集并研究现有案例发现，虽然可以在GPS卫星信号较弱的环境中利用VDR技术或图像匹配技术提升定位的精度，但参与车辆定位的数据源较为固定，不能匹配行车环境快速、多样且复杂的变化，导致车辆定位的准确性较低。为了解决该问题，申请人付出了大量的创造性劳动，提出了下述实施例介绍的技术方案。

下面结合本公开实施例所应用的场景，对本公开实施例涉及的技术方案进行介绍。

本公开实施例提供的车辆定位方法，可以应用于如图1所示的系统架构中。该系统架构包括司机端101、乘客端102以及平台端103。其中，司机端101和乘客端102处于车辆内部，可以为手机、平板电脑、IPAD等电子设备，或者，司机端101可以为安装在司机端设备上的第一APP软件，乘客端102可以为安装在乘客端设备上的第二APP软件。平台端103可以为服务器，该服务器可以是独立的服务器，还可以是服务器集群。

需要说明的是，司机端101、乘客端102、平台端103两两之间可以互相通信，本公开实施例对三者的通信方式并不做限定。另外，上述第一APP软件、第二APP软件可以为平台端发布的软件，这两个软件可以为两个单独的APP软件，还可以为同一款软件在不同模式下的软件呈现，例如，平台端发布一款出行软件，该出行软件具有司机模式和乘客模式两种模式，不同的模式下软件的功能实现不一样，面对的用户群体也不一样。

在网约车出行场景中，平台端103可以根据车辆的定位结果向司机端101、乘客端102发布行程进展，还可以根据车辆的定位结果对司机的行车路线进行监督、管控。具体地，车辆的车载设备可以根据采集到的数据确定车辆的定位结果。例如，根据车载设备采集到的卫星信号、图像或姿态定位数据进行车辆定位。车载设备包括但不限于行车记录仪、车载中控。示例性的，行车记录仪可以接收卫星信号、拍摄图像，根据行车记录仪接收到的卫星信号、其拍摄到的图像可以确定车辆定位结果。

本公开实施例提供的技术方案可以根据各个车载设备、车辆上的终端设备上报的数据确定当前行车环境，从而根据行车环境确定数据融合方式，能够灵活匹配行车环境快速、多样且复杂的变化，合理规避行车环境对车载设备所采集数据的影响，使用在当前行车环境中较为稳定的数据进行定位，提升定位的精度和准确性。

参考图2，车辆内部可以包括不同的车载设备以及终端设备，终端设备与车载设备之间通过无线方式或有线方式进行数据交互。其中，无线方式包括但不限于蓝牙、WiFi等短距离通信方式，有线方式包括但不限于基于通用串行总线(universal serial bus，USB)接口的通信方式。具体的，车载设备可以是行车记录仪、车载中控、不停车收费(electronictoll collection，ETC)设备、车载单元(on board unit，OBU)，直译就是车载单元等安装于车辆的电子设备，为车内用户提供不同的智能化服务。终端设备可以是车内用户(例如，司机)所使用的的电子设备，例如，手机、平板电脑、IPAD等。需要说明的是，图2仅仅是车辆内部环境的示意图，对车辆内部车载设备的类型以及数量不做限定。

本公开实施例提供一种车辆定位方法，适用于车辆中的终端设备，例如，可以是图1所示系统中的司机端101。也可以适用于服务器，例如，图1所示的平台端103。如图3所示，所述方法包括以下步骤：

步骤301、获取目标数据集；目标数据集包括来自至少一个车载设备的定位数据以及位于车辆上的终端设备采集的定位数据。

其中，终端设备可以是司机所使用的手机、平板电脑、IPAD等电子设备。本公开实施例提供的方法将各个车载设备采集到的定位数据汇聚在终端设备(或服务器)处进行处理，借助终端设备(或服务器)较高的数据处理能力对各个设备采集的提高定位精度。

具体实现中，终端设备从各个车载设备接收定位数据，还可以将自身采集到的定位数据与各个车载设备汇聚在一起，构成上述目标数据集，以便后续基于目标数据集确定车辆的定位结果。上述目标数据集包括了至少一个车载设备的定位数据以及终端设备采集的定位数据。或者，终端设备、各个车载设备将自身采集到的定位数据上报到服务器，服务器对终端设备、各个车载设备进行汇聚，构成上述目标数据集。

当然，上述至少一个车载设备、终端设备均具备采集定位数据的能力。示例性的，定位数据包括但不限于包括图像定位数据、姿态定位数据以及卫星定位数据。其中，图像定位数据可以是车载设备或终端设备的摄像头模组拍摄到的图像，也可以是车载设备或终端设备对拍摄到的图像进行体征提取后获得的环境特征信息等；姿态定位数据可以是车载设备或终端设备的传感器采集到的用于描述设备姿态的数据，例如，加速度传感器采集到的加速度、陀螺仪采集到的角速度等；卫星定位数据可以是车载设备或终端设备的卫星信号接收模块根据接收到的卫星信号输出的位置信息，例如，车载设备中的GPS定位系统或北斗定位系统输出的经纬度。

步骤302、根据目标数据集中的数据确定车辆当前的行车环境，根据行车环境确定目标融合算法。

其中，车辆当前的行车环境可以表示车辆当前所处的外部环境的特点，车辆所述的外部环境可以是“峡谷”、“平原”、“高速公路”、“隧道”等，本公开实施例对此不做限制，实际行车过程中任何可能出现的行车环境都在本公开实施例保护的范围内。

真实行车过程中车辆外部环境多样且复杂，为了更精确地根据行车环境来匹配数据处理的算法，本公开实施例中对行车环境进行分类，以便后续根据行车环境的类型匹配数据处理的算法。示例性的，将行车环境分成三类，包括：卫星信号弱场景、光线不足场景以及稳定性不足场景。

示例性的，在某些行车环境中车辆外部环境对卫星信号的干扰较大，车载设备或终端设备接收的卫星信号的接收质量较差，这种行车环境可以称为卫星信号弱场景。示例性的，峡谷、隧道等环境下由于山体、隧道主体的干扰，卫星信号衰落较大，导致车载设备或终端设备接收的卫星信号较弱，可以认为峡谷、隧道等为卫星信号弱场景。或者，在某些情况下车辆外部环境光线不足，例如，在雨天、阴天等，行车环境可以称为光线不足环境。或者，在某些情况下受道路影响车辆在行驶过程中颠簸程度较大，车载设备的稳定性难以保证，行车环境可以称为稳定性不足场景。

具体实现中，对目标数据集中的数据进行分析，可以根据数据变化情况推断行车环境。或者对数据进行特征提取，根据提取到的特征推断行车环境。或者，还可以根据数据的质量来推断行车环境。具体包括以下三种可能的实现方式：

第一种、根据目标数据集中的图像定位数据确定车辆当前的行车环境为光线不足场景。

车辆在阴雨天、隧道、夜间行驶时，外部环境光线较弱，车载设备在此场景中拍摄到的图像的亮度也比较弱。因此，可以通过对图像定位数据进行亮度提取的方式来判断当前行车场景是否为光线不足场景。

示例性的，对目标数据集中的图像定位数据进行亮度特征提取，以确定所述车辆当前行车环境的光线亮度；若光线亮度小于预设的亮度阈值，则确定车辆当前的行车环境为光线不足场景。

可选的，还可以对目标数据集中的图像定位数据进行环境特征提取，根据提取的环境特征确定车辆外部环境，例如，确定外部环境为峡谷、隧道等地理环境，在这些环境中设备接收的卫星信号质量较差，还可以确定当前行车环境为卫星信号弱场景。

第二种、根据目标数据集中的姿态定位数据确定车辆当前的行车环境为稳定性不足场景。

车辆在颠簸路段行驶时，姿态变化较快，车载设备的稳定性较差。因此，可以通过对姿态定位数据的波动(变化)情况进行分析，根据分析结果判断当前行车场景是否为稳定性不足场景。

示例性的，确定目标数据集中的姿态定位数据的变化量，若该变化量大于预设的波动阈值，则确定车辆当前的行车环境为稳定性不足场景。

第三种、根据目标数据集中的卫星定位数据确定车辆当前的行车环境为卫星信号弱场景。

车辆行驶在隧道、峡谷、深山时，车载设备接收到的卫星信号质量较差。因此，可以通过对卫星定位数据的接收质量进行分析，根据分析结果判断当前行车场景是否为卫星信号弱场景。

示例性的，根据所述目标数据集中的卫星定位数据计算信号接收质量，若所述信号接收质量小于预设的信号接收质量阈值，则确定所述车辆当前的行车环境为卫星信号弱场景

一种可能的实现方式中，不同行车环境中不同类型的定位数据的稳定性也会不同，可以根据当前的行车环境来匹配融合算法，以对在当前行车环境中较为稳定性、较为准确的数据进行融合，从而提高定位的精度。示例性的，根据目标数据集中的数据确定车辆当前的行车环境为卫星信号弱场景。在该场景下，车载设备或终端设备接收到的卫星信号的质量较差，利用卫星信号对车辆进行定位有可能影响定位结果的精度。因此，选择在当前行车环境中较为准确的数据进行车辆定位，例如，在当前行车环境中相对较为稳定的姿态定位数据、图像定位数据。可以理解的是，该行车环境下选择的目标融合算法为融合姿态定位数据、图像定位数据的算法。

或者，根据目标数据集中的数据确定车辆当前的行车环境为光线不足场景。在该场景下，车载设备或终端设备的摄像模组成像效果较差，拍摄的图像可能不能很准确的反映车辆当前位置，利用图像定位数据对车辆进行定位有可能影响定位结果的精度，因此，选择在当前行车环境中较为准确的数据进行车辆定位，例如，在当前行车环境中相对较为稳定的姿态定位数据、卫星定位数据。可以理解的是，该行车环境下选择的目标融合算法为融合姿态定位数据、卫星定位数据的算法。

或者，根据目标数据集中的数据确定车辆当前的行车环境为稳定性不足场景，在该场景下，车载设备或终端设备接收到的卫星信号的质量较差，利用卫星信号对车辆进行定位有可能影响定位结果的精度。因此，选择在当前行车环境中较为准确的数据进行车辆定位，例如，在当前行车环境中相对较为稳定的图像定位数据、卫星定位数据。可以理解的是，该行车环境下选择的目标融合算法为融合图像定位数据、卫星定位数据的算法。

步骤303、根据目标融合算法对目标数据集进行融合处理，根据处理结果确定车辆的定位结果。

本公开实施例中，使用目标融合算法从目标数据集中筛选出在当前行车环境下准确度较高的数据用于车辆定位，可以提高车辆定位的精度。示例性的，步骤302中根据当前行车环境确定的目标融合算法用于融合姿态定位数据、图像定位数据，在步骤303中则从目标数据集中筛选出姿态定位数据、图像定位数据，对筛选出的姿态定位数据、图像定位数据进行融合处理。

或者，步骤302中根据当前行车环境确定的目标融合算法用于融合卫星定位数据、图像定位数据，在步骤303中则从目标数据集中筛选出卫星定位数据、图像定位数据，对筛选出的卫星定位数据、图像定位数据进行融合处理。

或者，步骤302中根据当前行车环境确定的目标融合算法用于融合姿态定位数据、卫星定位数据，在步骤303中则从目标数据集中筛选出卫星定位数据、姿态定位数据，对筛选出的姿态定位数据、卫星定位数据进行融合处理。

或者，步骤302中根据当前行车环境确定的目标融合算法用于确定各类定位数据的筛选条件，根据筛选条件从目标数据集中筛选出质量较优的数据。示例性的，根据当前行车环境确定图像定位数据的筛选条件(即本申请实施例所述的第一筛选条件)，根据第一筛选条件从所述目标数据集中筛选出满足第一筛选条件的图像定位数据。根据当前行车环境确定卫星定位数据的筛选条件(即本申请实施例所述的第二筛选条件)，根据第二筛选条件从所述目标数据集中筛选出满足第二筛选条件的卫星定位数据。根据当前行车环境确定姿态定位数据的筛选条件(即本申请实施例所述的第三筛选条件)，根据第三筛选条件从所述目标数据集中筛选出满足第三筛选条件的姿态定位数据。最后，对筛选出的图像定位数据、卫星定位数据以及姿态定位数据进行融合处理。

需要说明的是，筛选条件可以包括阈值，例如，筛选出接收质量高于某个阈值的卫星定位数据，或者，筛选出图像质量高于某个阈值的卫星定位数据，或者，筛选出超未超过某个阈值的姿态定位数据。

具体实现中，目标数据集中的数据来源于终端设备、车载设备的不同传感器，数据类型不尽相同，因此参与目标融合算法的。可以采用滤波方式对相同类型的定位数据进行融合处理，利用滤波后的各类定位数据综合确定车辆位置，获得车辆定位结果。其中，相同类型的定位数据指的是维度相同、所表征物理含义相同的数据。例如，不同车载设备输出的角速度为相同类型的数据，不同车载设备输出的加速度为同一类型的数据，不同车载设备输出的经纬度为同一类型的数据。

示例性的，参考图4，车载设备A向终端设备上报图像定位数据1、卫星定位数据2以及姿态定位数据3，车载设备B向终端设备上报图像定位数据4、卫星定位数据5、姿态定位数据6。其中，图像定位数据1包括根据车载设备A所拍摄图像提取的一组环境特征，简称为P1；卫星定位数据2包括车载设备A的卫星定位系统输出的经纬度，记为L1；姿态定位数据3包括车载设备A的传感器输出的角速度，记为w1。图像定位数据3包括根据车载设备B所拍摄图像提取的一组环境特征，简称为P2；卫星定位数据4包括车载设备B的卫星定位系统输出的经纬度，记为L2；姿态定位数据5包括车载设备B的传感器输出的角速度，记为w2。

终端设备选择适合图像特征的滤波方式对P1、P2进行滤波融合处理，获得环境特征P^。择适合经纬度的滤波方式对L1、L2进行滤波融合处理，获得经纬度L^。择适合角度的滤波方式对w1、w2进行滤波融合处理，获得角速度w^。最终综合环境特征P^、经纬度L^以及角速度w^，获得车辆定位结果。

可选的，目标数据集中来自车载设备的定位数据可以是车载设备根据数据上报策略采集到的目标数据。其中，目标数据为行车过程中依赖于车载设备的特性而呈现稳态的数据，或，目标数据为行车过程中依赖于行车环境而呈现稳态的数据。

可以理解的是，在行车过程中由于车载设备本身的特性(例如，硬件特点或安装位置等)，车载设备采集到的数据受行车环境影响较小，呈现稳态，同时车载设备所采集的定位数据的准确度也较高，这些数据可以称为目标数据。例如，行车记录仪通常安装在车辆上遮挡较少，相对显露的位置，能够接收到质量较佳的卫星定位数据。因此，行车记录仪上报的目标数据可以包括卫星定位数据。

或者，在行车过程中由于行车环境的特性，车载设备采集到的数据受行车环境影响较小，呈现稳态，同时车载设备所采集的定位数据的准确度也较高，这些数据可以称为目标数据。例如，车辆行驶在隧道中，由于光线不足，行车记录仪的成像质量较差。另外受到隧道本体的影响，行车记录仪接收到卫星信号的质量较差。因此，行车记录仪上报的目标数据不包括图像定位数据、卫星定位数据，可以包括姿态定位数据。

在一种可能的实现方式中，终端设备与车载设备之间通过无线方式或有线方式进行数据交互，例如，终端设备与车载设备通过无线方式或有线方式传输定位数据。

图3所示的方法中，车辆内的终端设备(例如，司机所使用的)可以获取到车辆内其它车载设备采集到的定位数据。终端设备还可以根据当前的行车环境确定融合算法，利用该算法将自身所采集的定位数据和其它车载设备所采集的定位数据进行融合处理，滤除受当前行车环境影响较大的数据，根据在当前行车环境下较为稳定的数据进行定位。数据融合方式随行车环境的变化而变化，能够灵活匹配行车环境快速、多样且复杂的变化，合理规避行车环境对车载设备所采集数据的影响，尽可能使用在当前行车环境中较为稳定的数据进行定位，提升定位的精度和准确性。

本公开实施例提供的方法中，还可以确定各个车载设备的数据上报策略，指示车载设备在采集到定位数据后还可以对数据进行筛选，从中筛选出目标数据并向终端设备(或服务器)上报目标数据。参考图5，具体包括以下步骤：

步骤501、确定车载设备的数据上报策略；数据上报策略用于指示车载设备上报目标数据。

其中，目标数据为行车过程呈现稳态，较为准确的数据，或者是在某一段行车过程中较为准确的数据。具体的，目标数据可以是行车过程中依赖于车载设备的特性而呈现稳态的数据，或，行车过程中依赖于行车环境而呈现稳态的数据。

一种可能的实现方式中，根据车载设备的特性确定车载设备的数据上报策略，包括：若车载设备的姿态稳定，姿态变化量小于预设阈值，则车载设备的数据上报策略指示车载设备上报的(向终端设备或服务器发送的)目标数据至少包括姿态定位数据和/或图像定位数据。车载设备的安装于预设位置，则车载设备的数据上报策略指示所述车载设备上报的目标数据至少包括卫星定位数据。其中，预设位置可以是车辆上相对显露、遮蔽较少的位置，车载设备安装在预设位置时的信号质量最佳，有利于车载设备接收卫星信号。

例如，行车记录仪通常安装在车辆上遮挡较少的位置，能够接收到质量较佳的卫星定位数据。因此，行车记录仪的数据上报策略可以指示车载设备向终端设备(或服务器)发送的目标数据至少包括图像定位数据。车辆中控通常姿态较为稳定，能够采集到较为准确的姿态定位数据，例如，加速度、角速度等。因此，车辆中控的数据上报策略可以指车辆中控向终端设备(或服务器)发送的目标数据至少包括姿态定位数据。

另一种可能的实现方式中，终端设备可以根据历史行车环境确定车载设备的数据上报策略，具体包括：若历史行车环境为卫星信号弱场景，则车载设备的数据上报策略指示车载设备上报的目标数据包括除卫星定位数据外的其它定位数据，目标数据不包括卫星定位数据；若历史行车环境为光线不足场景，则车载设备的数据上报策略指示车载设备上报的目标数据包括除图像定位数据外的其它定位数据，目标数据不包括图像定位数据；若历史行车环境为稳定性不足场景，则车载设备的数据上报策略指示车载设备上报的目标数据包括除姿态定位数据外的其它定位数据，目标数据不包括姿态定位数据。上述卫星信号弱场景、光线不足场景以及稳定性不足场景的解释参考前文，在此不做赘述。

示例性的，历史行车环境为终端设备确定车载设备的数据上报策略的时刻之前的预设时长内的行车环境，该预设时长内车辆的行车环境不会发生明显变化。例如，参考图6，车辆在T1时刻进入隧道，在T2时刻根据历史行车环境确定车载设备的数据上报策略。历史行车环境可以是时间窗W1内的行车环境，时间窗W1内行车环境不会发生明显变化，时间窗W1的时长小于T1时刻和T2时刻之间的间隔。

步骤502、向车载设备发送数据上报策略。

其中，终端设备通过无线方式或有线方式向车载设备发送数据上报策略。

一种可能的实现方式中，各个车载设备从终端设备接收数据上报策略后，可以关闭某些传感器，仅采集目标数据，向终端设备(或服务器)发送采集到的目标数据。或者，车载设备从终端设备接收数据上报策略后，可以对设备内部的各个传感器不做干涉，各个传感器正常采集数据，车载设备从各个传感器采集到的数据中筛选出目标数据，向终端设备(或服务器)发送筛选出的目标数据。

一种可能的实现方式中，如果车载设备的数据上报策略取决于车载设备自身的特性，可以是由车载设备自身确定数据上报策略。

图5所示的方法中，服务器(或位于车辆上的终端设备)可以确定各个车载设备的数据上报策略，使得各个车载设备在采集到定位数据后还可以对数据进行筛选，从中筛选出目标数据并向终端设备上报目标数据。可以减少参与融合算法的数据量，降低终端设备的处理负荷，减少了对传输资源的占用。同时还可以在车载设备侧有效过滤掉准确性较差的数据，进一步提高定位结果的精度。

本公开实施例还提供一种车辆定位方法，适用于图2所示的系统。参考图7，所述方法包括以下步骤：

步骤701、终端设备向车载设备发送数据上报策略，用于指示车载设备向终端设备发送目标数据。

其中，数据上报策略的确定方法参考前文，在此不做赘述。图7所示方法中，由终端设备向车载设备下发数据上报策略的方式仅仅作为一种示例，发数据上报策略还可以是服务器确定并向车辆设备发送的，本申请实施例对此不作限制。

步骤702、车载设备采集定位数据，根据数据上报策略向终端设备发送定位数据。

其中，车载设备采集到的定位数据包括但不限于车载设备采集到的图像定位数据、卫星定位数据以及姿态定位数据。车载设备向终端设备发送的定位数据为车载设备根据数据上报策略确定的目标数据。

图7所示方法中，由车载设备向终端设备发送定位数据的方式仅仅作为一种示例，还可以由服务器实现车辆定位，车载设备向服务器发送定位数据，本申请实施例对此不作限制。

步骤703、终端设备接收各个车载设备发送的定位数据，根据接收到的定位数据以及自身采集到的定位数据构建目标数据集。

步骤704、终端设备根据目标数据集中的数据确定当前行车环境。

其中，当前行车环境包括但不限于光线不足场景、稳定性不足场景以及卫星信号弱场景。

步骤705、终端设备根据当前行车环境确定目标融合算法。

其中，目标融合算法与当前行车环境匹配，有利于筛选出在当前行车环境中较为准确的数据进行车辆定位。

步骤706、终端设备根据目标融合算法对目标数据集进行处理，根据处理结果确定车辆定位结果。

其中，目标融合算法用于从目标数据集中筛选出在当前行车环境中较为准确的数据，对筛选出的数据进行融合处理。

图7所示方法中，步骤703～步骤706由终端设备根据目标数据集确定车辆定位结果，还可以是服务器根据目标数据集确定车辆定位结果，即步骤703～步骤706的执行主体为服务器，本申请实施例对此不作限制。

图8结合具体的车载设备，对本申请实施例提供的车辆定位方法进行了介绍。参考图8，以车载设备包括行车记录仪和车辆中控为例，以终端设备为智能手机为例。行车记录仪安装于车窗附近，遮挡较少，接收到的卫星信号相对较为准确，且行车记录仪姿态较为稳定，姿态定位数据较为准确，因此，行车记录仪的目标数据可以是卫星定位数据以及姿态定位数据。车辆中控安装于车辆内部，姿态相对较为稳定，车辆中控的目标数据可以是姿态定位数据。

行车记录仪将采集到的卫星定位数据通过无线或有线方式发送给智能手机，车辆中控将采集到的姿态定位数据通过无线或有线方式发送给智能手机。

智能手机将自身采集到的数据(例如，姿态定位数据、卫星定位数据等)与行车记录仪、车辆中控上报的数据进行汇总。

智能手机还可以确定当前行车环境，例如，当前行车环境为卫星信号弱场景，智能手机确定车辆定位结果时可以不考虑行车记录仪上报的卫星定位数据，以行车记录仪、车辆中控上报的姿态定位数据为主进行车辆定位。

本公开实施例提供的方法中，车辆内的手机可以获取到车辆内其它车载设备采集到的定位数据。手机还可以滤除受当前行车环境影响较大的数据，根据在当前行车环境下较为稳定的数据进行定位，有效提升定位的精度。数据融合方式随行车环境的变化而变化，能够灵活匹配行车环境快速、多样且复杂的变化。

应该理解的是，虽然图3、图5、图7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，图3、图5、图7中的至少一部分步骤可以包括多个步骤或者多个阶段，这些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中的步骤或者阶段的至少一部分轮流或者交替地执行。

本申请实施例提供一种定位装置，该定位装置可以是位于车辆上的终端设备或者平台端的服务器。如图9所示，所述定位装置包括：获取单元901、确定单元902、定位单元903。

获取单元901，用于获取目标数据集；目标数据集包括来自至少一个车载设备的定位数据以及终端设备采集的定位数据；至少一个车载设备与终端设备为同一车辆上的设备；

确定单元902，用于根据目标数据集中的数据确定车辆当前的行车环境，根据行车环境确定目标融合算法；

定位单元903，用于根据目标融合算法对目标数据集进行融合处理，根据处理结果确定车辆的定位结果。

一种可能的实现方式中，车载设备的定位数据为车载设备根据数据上报策略采集到的目标数据；目标数据为行车过程中依赖于车载设备的特性而呈现稳态的数据，或，目标数据为行车过程中依赖于行车环境而呈现稳态的数据。

一种可能的实现方式中，如图10所示，该终端设备还包括：策略制定单元904和通信单元905。

策略制定单元904用于，根据车载设备的特性或历史行车环境确定数据上报策略；数据上报策略用于指示车载设备上报目标数据；历史行车环境为终端设备确定车载设备的数据上报策略的时刻之前的预设时长内的行车环境；

通信单元905用于，向车载设备发送数据上报策略。

一种可能的实现方式中，策略制定单元904具体用于，若车载设备的姿态变化量小于预设阈值，则确定车载设备的数据上报策略指示车载设备上报(即向位于车辆上的终端设备发送或向服务器发送)的目标数据至少包括姿态定位数据和/或图像定位数据；和/或，

若车载设备的安装于预设位置，则确定车载设备的数据上报策略指示车载设备上报的目标数据至少包括卫星定位数据，该车载设备位于上述预设位置时的信号质量最佳。

一种可能的实现方式中，策略制定单元904具体用于，若历史行车环境为卫星信号弱场景，则确定车载设备的数据上报策略指示车载设备上报的目标数据包括除卫星定位数据外的其它定位数据；

若历史行车环境为光线不足场景，则确定车载设备的数据上报策略指示车载设备上报的目标数据包括除图像定位数据外的其它定位数据；

若历史行车环境为稳定性不足场景，则确定车载设备的数据上报策略指示车载设备上报的目标数据包括除姿态定位数据外的其它定位数据。

一种可能的实现方式中，确定单元902具体用于，根据目标数据集中的图像定位数据确定车辆当前的行车环境为光线不足场景；或，根据目标数据集中的姿态定位数据确定车辆当前的行车环境为稳定性不足场景；根据目标数据集中的卫星定位数据确定车辆当前的行车环境为卫星信号弱场景。

一种可能的实现方式中，定位单元903具体用于，若车辆当前的行车环境为卫星信号弱场景，则从目标数据集中筛选出姿态定位数据、图像定位数据，对筛选出的姿态定位数据、图像定位数据进行融合处理；

若车辆当前的行车环境为光线不足场景，则从目标数据集中筛选出姿态定位数据、卫星定位数据，对筛选出的姿态定位数据、卫星定位数据进行融合处理；

若车辆当前的行车环境为稳定性不足场景，则从目标数据集中筛选出图像定位数据、卫星定位数据，对筛选出的图像定位数据、卫星定位数据进行融合处理。

一种可能的实现方式中，确定单元902具体用于，对目标数据集中的图像定位数据进行亮度特征提取，以确定车辆当前行车环境的光线亮度；若光线亮度小于预设的亮度阈值，则确定车辆当前的行车环境为光线不足场景。

一种可能的实现方式中，确定单元902具体用于，确定目标数据集中的姿态定位数据的变化量，若变化量大于预设的波动阈值，则确定车辆当前的行车环境为稳定性不足场景。

一种可能的实现方式中，确定单元902具体用于，根据目标数据集中的卫星定位数据计算信号接收质量，若信号接收质量小于预设的信号接收质量阈值，则确定车辆当前的行车环境为卫星信号弱场景。

一种可能的实现方式中，定位单元903具体用于，根据车辆当前的行车环境确定第一筛选条件，根据第一筛选条件从目标数据集中筛选出满足第一筛选条件的图像定位数据；根据车辆当前的行车环境确定第二筛选条件，根据第二筛选条件从目标数据集中筛选出满足第二筛选条件的卫星定位数据；根据车辆当前的行车环境确定第三筛选条件，根据第三筛选条件从目标数据集中筛选出满足第三筛选条件的姿态定位数据；

对筛选出的图像定位数据、卫星定位数据以及姿态定位数据进行融合处理。

关于终端设备的具体限定可以参见上文中对于终端设备方法的限定，在此不再赘述。上述终端设备中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以以硬件形式内嵌于或独立于终端设备中的处理器中，也可以以软件形式存储于电子设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。

图11是根据一示例性实施例示出的一种电子设备1100的框图，电子设备1100可以是前文所述的终端设备。示例性的，电子设备1100可以是移动电话，计算机，数字广播终端，消息收发设备，游戏控制台，平板设备，医疗设备，健身设备，个人数字助理等。

参照图11，电子设备1100可以包括以下一个或多个组件：处理组件1102，存储器1104，电源组件1106，多媒体组件1108，音频组件1110，输入/输出(I/O)的接口1112，传感器组件1114，以及通信组件1116。其中，存储器上存储有在处理器上运行的计算机程序或者指令。

处理组件1102通常控制电子设备1100的整体操作，诸如与显示，电话呼叫，数据通信，相机操作和记录操作相关联的操作。处理组件1102可以包括一个或多个处理器1120来执行指令，以完成上述方法的全部或部分步骤。此外，处理组件1102可以包括一个或多个模块，便于处理组件1102和其他组件之间的交互。例如，处理组件1102可以包括多媒体模块，以方便多媒体组件1108和处理组件1102之间的交互。

存储器1104被配置为存储各种类型的数据以支持在电子设备1100的操作。这些数据的示例包括用于在电子设备1100上操作的任何应用程序或方法的指令，联系人数据，电话簿数据，消息，图片，视频等。存储器1104可以由任何类型的易失性或非易失性存储设备或者它们的组合实现，如静态随机存取存储器(SRAM)，电可擦除可编程只读存储器(EEPROM)，可擦除可编程只读存储器(EPROM)，可编程只读存储器(PROM)，只读存储器(ROM)，磁存储器，快闪存储器，磁盘或光盘。

电源组件1106为电子设备1100的各种组件提供电力。电源组件1106可以包括电源管理系统，一个或多个电源，及其他与为电子设备1100生成、管理和分配电力相关联的组件。

多媒体组件1108包括在所述电子设备1100和用户之间的提供一个输出接口的触控显示屏。在一些实施例中，触控显示屏可以包括液晶显示器(LCD)和触摸面板(TP)。触摸面板包括一个或多个触摸传感器以感测触摸、滑动和触摸面板上的手势。所述触摸传感器可以不仅感测触摸或滑动动作的边界，而且还检测与所述触摸或滑动操作相关的持续时间和压力。在一些实施例中，多媒体组件1108包括一个前置摄像头和/或后置摄像头。当电子设备1100处于操作模式，如拍摄模式或视频模式时，前置摄像头和/或后置摄像头可以接收外部的多媒体数据。每个前置摄像头和后置摄像头可以是一个固定的光学透镜系统或具有焦距和光学变焦能力。

音频组件1110被配置为输出和/或输入音频信号。例如，音频组件1110包括一个麦克风(MIC)，当电子设备1100处于操作模式，如呼叫模式、记录模式和语音识别模式时，麦克风被配置为接收外部音频信号。所接收的音频信号可以被进一步存储在存储器1104或经由通信组件1116发送。在一些实施例中，音频组件1110还包括一个扬声器，用于输出音频信号。

I/O接口1112为处理组件1102和外围接口模块之间提供接口，上述外围接口模块可以是键盘，点击轮，按钮等。这些按钮可包括但不限于：主页按钮、音量按钮、启动按钮和锁定按钮。

传感器组件1114包括一个或多个传感器，用于为电子设备1100提供各个方面的状态评估。例如，传感器组件1114可以检测到电子设备1100的打开/关闭状态，组件的相对定位，例如所述组件为电子设备1100的显示器和小键盘，传感器组件1114还可以检测电子设备1100或电子设备1100一个组件的位置改变，用户与电子设备1100接触的存在或不存在，电子设备1100方位或加速/减速和电子设备1100的温度变化。传感器组件1114可以包括接近传感器，被配置用来在没有任何的物理接触时检测附近物体的存在。传感器组件1114还可以包括光传感器，如CMOS或CCD图像传感器，用于在成像应用中使用。在一些实施例中，该传感器组件1114还可以包括加速度传感器，陀螺仪传感器，磁传感器，压力传感器或温度传感器。

通信组件1116被配置为便于电子设备1100和其他设备之间有线或无线方式的通信。电子设备1100可以接入基于通信标准的无线网络，如WiFi，2G或3G，或它们的组合。在一个示例性实施例中，通信组件1116经由广播信道接收来自外部广播管理系统的广播信号或广播相关信息。在一个示例性实施例中，所述通信组件1116还包括近场通信(NFC)模块，以促进短程通信。例如，在NFC模块可基于射频识别(RFID)技术，红外数据协会(IrDA)技术，超宽带(UWB)技术，蓝牙(BT)技术和其他技术来实现。

在示例性实施例中，电子设备1100可以被一个或多个应用专用集成电路(ASIC)、数字信号处理器(DSP)、数字信号处理设备(DSPD)、可编程逻辑器件(PLD)、现场可编程门阵列(FPGA)、控制器、微控制器、微处理器或其他电子元件实现，用于执行上述车辆定位方法。

在示例性实施例中，还提供了一种包括指令的非临时性计算机可读存储介质，例如包括指令的存储器，上述指令可由终端设备的处理器执行以完成上述方法。例如，所述非临时性计算机可读存储介质可以是ROM、随机存取存储器(RAM)、CD-ROM、磁带、软盘和光数据存储设备等。

本公开实施例还提供一种服务器，包括存储器、处理器及存储在所述存储器上并可在该处理器上运行的计算机程序，该处理器执行所述计算机程序时实现本公开实施例所述的车辆定位方法。

本公开实施例还提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现本公开实施例所述的车辆定位方法。

本公开实施例还提供一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现本公开实施例所述的车辆定位方法。

示例性的，本申请实施例公开了TS1、一种车辆定位方法，其特征在于，所述方法包括：

获取目标数据集；所述目标数据集包括来自至少一个车载设备的定位数据以及位于车辆上的终端设备采集的定位数据；

根据所述目标数据集中的数据确定所述车辆当前的行车环境，根据所述行车环境确定目标融合算法；

根据所述目标融合算法对所述目标数据集进行融合处理，根据处理结果确定所述车辆的定位结果。

TS2、如TS1所述的方法，其特征在于，所述车载设备的定位数据为所述车载设备根据数据上报策略采集到的目标数据；所述目标数据为行车过程中依赖于所述车载设备的特性而呈现稳态的数据，或，所述目标数据为行车过程中依赖于行车环境而呈现稳态的数据。

TS3、如TS2所述的方法，其特征在于，所述方法还包括：

根据所述车载设备的特性或历史行车环境确定所述数据上报策略；所述数据上报策略用于指示所述车载设备上报目标数据；所述历史行车环境为所述终端设备确定所述车载设备的数据上报策略的时刻之前的预设时长内的行车环境；

向所述车载设备发送所述数据上报策略。

TS4、如TS3所述的方法，其特征在于，所述根据所述车载设备的特性确定所述车载设备的数据上报策略，包括：

若所述车载设备的姿态变化量小于预设阈值，则所述车载设备的数据上报策略指示所述车载设备上报的目标数据至少包括姿态定位数据和/或图像定位数据；

若所述车载设备的安装于预设位置，则所述车载设备的数据上报策略指示所述车载设备上报的目标数据至少包括卫星定位数据；所述车载设备位于所述预设位置时的信号质量最佳。

TS5、如TS3所述的方法，其特征在于，所述根据历史行车环境确定所述车载设备的数据上报策略，包括：

若所述历史行车环境为卫星信号弱场景，则所述车载设备的数据上报策略指示所述车载设备上报的目标数据包括除卫星定位数据之外的定位数据；

若所述历史行车环境为光线不足场景，则所述车载设备的数据上报策略指示所述车载设备上报的目标数据包括除图像定位数据之外的其它定位数据；

若所述历史行车环境为稳定性不足场景，则所述车载设备的数据上报策略指示所述车载设备上报的目标数据包括除姿态定位数据之外的其它定位数据。

TS6、如TS1～TS5任一项所述的方法，其特征在于，所述根据所述目标数据集中的数据确定所述车辆当前的行车环境，包括：

根据所述目标数据集中的图像定位数据确定所述车辆当前的行车环境为光线不足场景；或，

根据所述目标数据集中的姿态定位数据确定所述车辆当前的行车环境为稳定性不足场景；或，

根据所述目标数据集中的卫星定位数据确定所述车辆当前的行车环境为卫星信号弱场景。

TS7、如TS6所述的方法，其特征在于，所述根据所述行车环境确定目标融合算法，根据所述目标融合算法对所述目标数据集进行融合处理，包括：

若所述车辆当前的行车环境为卫星信号弱场景，则从所述目标数据集中筛选出姿态定位数据、图像定位数据，对筛选出的姿态定位数据、图像定位数据进行融合处理；

若所述车辆当前的行车环境为光线不足场景，则从所述目标数据集中筛选出姿态定位数据、卫星定位数据，对筛选出的姿态定位数据、卫星定位数据进行融合处理；

若所述车辆当前的行车环境为稳定性不足场景，则从所述目标数据集中筛选出图像定位数据、卫星定位数据，对筛选出的图像定位数据、卫星定位数据进行融合处理。

TS8、如TS6或TS7所述的方法，其特征在于，所述根据所述目标数据集中的图像定位数据确定所述车辆当前的行车环境为光线不足场景，包括：

对所述目标数据集中的图像定位数据进行亮度特征提取，以确定所述车辆当前行车环境的光线亮度；若所述光线亮度小于预设的亮度阈值，则确定所述车辆当前的行车环境为光线不足场景。

TS9、如TS6或TS7所述的方法，其特征在于，所述根据所述目标数据集中的姿态定位数据确定所述车辆当前的行车环境为稳定性不足场景，包括：

确定所述目标数据集中的姿态定位数据的变化量，若所述变化量大于预设的波动阈值，则确定所述车辆当前的行车环境为稳定性不足场景。

TS10、如TS6或TS7所述的方法，其特征在于，所述根据所述目标数据集中的卫星定位数据确定所述车辆当前的行车环境为卫星信号弱场景，包括：

根据所述目标数据集中的卫星定位数据计算信号接收质量，若所述信号接收质量小于预设的信号接收质量阈值，则确定所述车辆当前的行车环境为卫星信号弱场景。

TS 11、根据TS 6所述的方法，其特征在于，所述根据所述行车环境确定目标融合算法，根据所述目标融合算法对所述目标数据集进行融合处理，包括：

根据所述车辆当前的行车环境确定第一筛选条件，根据所述第一筛选条件从所述目标数据集中筛选出满足所述第一筛选条件的图像定位数据；

根据所述车辆当前的行车环境确定第二筛选条件，根据所述第二筛选条件从所述目标数据集中筛选出满足所述第二筛选条件的卫星定位数据；

根据所述车辆当前的行车环境确定第三筛选条件，根据所述第三筛选条件从所述目标数据集中筛选出满足所述第三筛选条件的姿态定位数据；

对筛选出的图像定位数据、卫星定位数据以及姿态定位数据进行融合处理。

TS12、一种定位装置，其特征在于，包括：

获取单元，用于获取目标数据集；所述目标数据集包括来自至少一个车载设备的定位数据以及位于车辆上的终端设备采集的定位数据；

确定单元，用于根据所述目标数据集中的数据确定所述车辆当前的行车环境，根据所述行车环境确定目标融合算法；

定位单元，用于根据所述目标融合算法对所述目标数据集进行融合处理，根据处理结果确定所述车辆的定位结果。

TS13、如TS14所述的定位装置，其特征在于，所述车载设备的定位数据为所述车载设备根据数据上报策略采集到的目标数据；所述目标数据为行车过程中依赖于所述车载设备的特性而呈现稳态的数据，或，所述目标数据为行车过程中依赖于行车环境而呈现稳态的数据。

TS 14、如TS13所述的定位装置，其特征在于，还包括：策略制定单元和通信单元，

所述策略制定单元用于，根据所述车载设备的特性或历史行车环境确定所述数据上报策略；所述数据上报策略用于指示所述车载设备上报目标数据；所述历史行车环境为所述终端设备确定所述车载设备的数据上报策略的时刻之前的预设时长内的行车环境；

所述通信单元用于，向所述车载设备发送所述数据上报策略。

TS 15、如TS14所述的定位装置，其特征在于，所述策略制定单元具体用于，若所述车载设备的姿态变化量小于预设阈值，则确定所述车载设备的数据上报策略指示所述车载设备上报的目标数据至少包括姿态定位数据和/或图像定位数据；和/或，

若所述车载设备的安装于预设位置，则确定所述车载设备的数据上报策略指示所述车载设备上报的目标数据至少包括卫星定位数据；所述车载设备位于所述预设位置时的信号质量最佳。

TS 16、如TS14所述的定位装置，其特征在于，所述策略制定单元具体用于，若所述历史行车环境为卫星信号弱场景，则确定所述车载设备的数据上报策略指示所述车载设备上报的目标数据包括除卫星定位数据外的其它定位数据；

若所述历史行车环境为光线不足场景，则确定所述车载设备的数据上报策略指示所述车载设备上报的目标数据包括除图像定位数据外的其它定位数据；

若所述历史行车环境为稳定性不足场景，则确定所述车载设备的数据上报策略指示所述车载设备上报的目标数据包括除姿态定位数据外的其它定位数据。

TS 17、如TS12-TS 16任一项所述的定位装置，其特征在于，所述确定单元具体用于，根据所述目标数据集中的图像定位数据确定所述车辆当前的行车环境为光线不足场景；或，根据所述目标数据集中的姿态定位数据确定所述车辆当前的行车环境为稳定性不足场景；根据所述目标数据集中的卫星定位数据确定所述车辆当前的行车环境为卫星信号弱场景。

TS 18、如TS17所述的定位装置，其特征在于，所述定位单元具体用于，

若所述车辆当前的行车环境为卫星信号弱场景，则从所述目标数据集中筛选出姿态定位数据、图像定位数据，对筛选出的姿态定位数据、图像定位数据进行融合处理；

若所述车辆当前的行车环境为光线不足场景，则从所述目标数据集中筛选出姿态定位数据、卫星定位数据，对筛选出的姿态定位数据、卫星定位数据进行融合处理；

若所述车辆当前的行车环境为稳定性不足场景，则从所述目标数据集中筛选出图像定位数据、卫星定位数据，对筛选出的图像定位数据、卫星定位数据进行融合处理。

TS 19、如TS17或TS18所述的定位装置，其特征在于，所述确定单元具体用于，对所述目标数据集中的图像定位数据进行亮度特征提取，以确定所述车辆当前行车环境的光线亮度；若所述光线亮度小于预设的亮度阈值，则确定所述车辆当前的行车环境为光线不足场景。

TS 20、如TS17或TS18所述的定位装置，其特征在于，所述确定单元具体用于，确定所述目标数据集中的姿态定位数据的变化量，若所述变化量大于预设的波动阈值，则确定所述车辆当前的行车环境为稳定性不足场景。

TS 21、如TS17或TS18所述的定位装置，其特征在于，所述确定单元具体用于，根据所述目标数据集中的卫星定位数据计算信号接收质量，若所述信号接收质量小于预设的信号接收质量阈值，则确定所述车辆当前的行车环境为卫星信号弱场景。

TS 22、如TS17所述的定位装置，其特征在于，所述定位单元具体用于，根据所述车辆当前的行车环境确定第一筛选条件，根据所述第一筛选条件从所述目标数据集中筛选出满足所述第一筛选条件的图像定位数据；

根据所述车辆当前的行车环境确定第二筛选条件，根据所述第二筛选条件从所述目标数据集中筛选出满足所述第二筛选条件的卫星定位数据；

根据所述车辆当前的行车环境确定第三筛选条件，根据所述第三筛选条件从所述目标数据集中筛选出满足所述第三筛选条件的姿态定位数据；

对筛选出的图像定位数据、卫星定位数据以及姿态定位数据进行融合处理。

TS 21、一种服务器，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，其特征在于，所述处理器执行所述计算机程序时实现TS1至TS10中任一项所述的方法的步骤。

TS 22、一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现TS1至TS8中任一项所述的方法的步骤。

TS 23、一种计算机程序产品，包括计算机程序，其特征在于，该计算机程序被处理器执行时实现TS1-TS10中任一项所述的方法的步骤。

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，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本公开实施例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易失性存储器中的至少一种。非易失性存储器可包括只读存储器(Read-Only Memory，ROM)、磁带、软盘、闪存或光存储器等。易失性存储器可包括随机存取存储器(Random Access Memory，RAM)或外部高速缓冲存储器。作为说明而非局限，RAM可以是多种形式，比如静态随机存取存储器(Static Random Access Memory，SRAM)或动态随机存取存储器(Dynamic Random Access Memory，DRAM)等。

以上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公开实施例的几种实施方式，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，在不脱离本公开实施例构思的前提下，还可以做出若干变形和改进，这些都属于本公开实施例的保护范围。因此，本公开实施例专利的保护范围应以所附权利要求为准。

Claims (10)

1.一种车辆定位方法，其特征在于，所述方法包括：

获取目标数据集；所述目标数据集包括来自至少一个车载设备的定位数据以及位于车辆上的终端设备采集的定位数据；

根据所述目标数据集中的数据确定所述车辆当前的行车环境，根据所述行车环境确定目标融合算法；

根据所述目标融合算法对所述目标数据集进行融合处理，根据处理结果确定所述车辆的定位结果。

2.根据权利要求1所述的方法，其特征在于，所述方法还包括：

根据所述车载设备的特性或历史行车环境确定所述数据上报策略；所述数据上报策略用于指示所述车载设备上报所述目标数据；所述历史行车环境为所述终端设备确定所述车载设备的数据上报策略的时刻之前的预设时长内的行车环境；

向所述车载设备发送所述数据上报策略。

3.根据权利要求2所述的方法，其特征在于，所述根据所述车载设备的特性确定所述车载设备的数据上报策略，包括：

若所述车载设备的姿态变化量小于预设阈值，则所述车载设备的数据上报策略指示上报的目标数据至少包括姿态定位数据和/或图像定位数据；

若所述车载设备的安装于预设位置，则所述车载设备的数据上报策略指示所述车载设备上报的目标数据至少包括卫星定位数据；所述车载设备位于所述预设位置时的信号质量最佳。

4.根据权利要求2所述的方法，其特征在于，所述根据历史行车环境确定所述车载设备的数据上报策略，包括：

若所述历史行车环境为卫星信号弱场景，则所述车载设备的数据上报策略指示所述车载设备上报的目标数据包括除卫星定位数据之外的定位数据；

若所述历史行车环境为光线不足场景，则所述车载设备的数据上报策略指示所述车载设备上报的目标数据包括除图像定位数据之外的其它定位数据；

若所述历史行车环境为稳定性不足场景，则所述车载设备的数据上报策略指示所述车载设备上报的目标数据包括除姿态定位数据之外的其它定位数据。

5.根据权利要求1所述的方法，其特征在于，所述根据所述行车环境确定目标融合算法，根据所述目标融合算法对所述目标数据集进行融合处理，包括：

若所述车辆当前的行车环境为卫星信号弱场景，则从所述目标数据集中筛选出姿态定位数据、图像定位数据；

若所述车辆当前的行车环境为光线不足场景，则从所述目标数据集中筛选出姿态定位数据、卫星定位数据，对筛选出的姿态定位数据、卫星定位数据进行融合处理；

若所述车辆当前的行车环境为稳定性不足场景，则从所述目标数据集中筛选出图像定位数据、卫星定位数据，对筛选出的图像定位数据、卫星定位数据进行融合处理。

6.根据权利要求1所述的方法，其特征在于，所述根据所述行车环境确定目标融合算法，根据所述目标融合算法对所述目标数据集进行融合处理，包括：

根据所述车辆当前的行车环境确定第一筛选条件，根据所述第一筛选条件从所述目标数据集中筛选出满足所述第一筛选条件的图像定位数据；

根据所述车辆当前的行车环境确定第二筛选条件，根据所述第二筛选条件从所述目标数据集中筛选出满足所述第二筛选条件的卫星定位数据；

根据所述车辆当前的行车环境确定第三筛选条件，根据所述第三筛选条件从所述目标数据集中筛选出满足所述第三筛选条件的姿态定位数据；

对筛选出的图像定位数据、卫星定位数据以及姿态定位数据进行融合处理。

7.一种定位装置，其特征在于，包括：

获取单元，用于获取目标数据集；所述目标数据集包括来自至少一个车载设备的定位数据以及位于车辆上的终端设备采集的定位数据；

确定单元，用于根据所述目标数据集中的数据确定所述车辆当前的行车环境，根据所述行车环境确定目标融合算法；

定位单元，用于根据所述目标融合算法对所述目标数据集进行融合处理，根据处理结果确定所述车辆的定位结果。

8.一种服务器，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，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至6中任一项所述的方法的步骤。

9.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至6中任一项所述的方法的步骤。

10.一种计算机程序产品，包括计算机程序，其特征在于，该计算机程序被处理器执行时实现权利要求1-6中任一项所述的方法的步骤。

Images