CN113390422B - 汽车的定位方法、装置及计算机存储介质 - Google Patents
汽车的定位方法、装置及计算机存储介质 Download PDFInfo
- Publication number
- CN113390422B CN113390422B CN202110649428.9A CN202110649428A CN113390422B CN 113390422 B CN113390422 B CN 113390422B CN 202110649428 A CN202110649428 A CN 202110649428A CN 113390422 B CN113390422 B CN 113390422B
- Authority
- CN
- China
- Prior art keywords
- information
- positioning
- automobile
- module
- environment
- 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 54
- 230000008569 process Effects 0.000 claims abstract description 18
- 230000000007 visual effect Effects 0.000 claims description 58
- 230000033001 locomotion Effects 0.000 claims description 49
- 230000007613 environmental effect Effects 0.000 claims description 33
- 238000012545 processing Methods 0.000 claims description 25
- 238000013507 mapping Methods 0.000 claims description 14
- 230000001360 synchronised effect Effects 0.000 claims description 11
- 238000005457 optimization Methods 0.000 claims description 6
- 238000012937 correction Methods 0.000 claims description 5
- 238000005516 engineering process Methods 0.000 description 13
- 238000010586 diagram Methods 0.000 description 7
- 230000006870 function Effects 0.000 description 6
- 238000010276 construction Methods 0.000 description 4
- 238000004422 calculation algorithm Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000001133 acceleration Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000006073 displacement reaction Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 230000004807 localization Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 238000013519 translation Methods 0.000 description 1
- 239000013598 vector Substances 0.000 description 1
- 238000012795 verification Methods 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
- G01C21/28—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
-
- 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
- G01C21/30—Map- or contour-matching
-
- 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
- G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
- G01S17/02—Systems using the reflection of electromagnetic waves other than radio waves
- G01S17/06—Systems determining position data of a target
-
- 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
- G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
- G01S17/86—Combinations of lidar systems with systems other than lidar, radar or sonar, e.g. with direction finders
-
- 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
- G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
- G01S17/88—Lidar systems specially adapted for specific applications
- G01S17/93—Lidar systems specially adapted for specific applications for anti-collision purposes
- G01S17/931—Lidar systems specially adapted for specific applications for anti-collision purposes of land vehicles
Abstract
本申请实施例公开了一种汽车的定位方法、装置及计算机存储介质，属于智能汽车控制技术领域。所述方法包括：在汽车行驶过程中，通过主定位模块获取所述汽车的第一定位信息，并通过备用定位模块获取所述汽车的第二定位信息；通过所述第二定位信息对所述第一定位信息进行优化处理，得到第三定位信息；通过所述第三定位信息确定所述汽车的位置。本申请实施例能够根据不同定位模块分别获取第一定位信息和第二定位信息，并通过第二定位信息对第一定位信息进行优化，从而改善了因定位信息不准确导致汽车定位不准确的情况，提高了汽车定位的精确度和可靠性。
Description
技术领域
本申请实施例涉及智能汽车控制技术领域，特别涉及一种汽车的定位方法、装置及计算机存储介质。
背景技术
随着智能驾驶技术的发展，汽车拥有越来越多的智能化功能，而汽车许多智能化功能的实现依赖于对汽车实时准确的定位，即为了实现汽车诸多智能化功能，通常需要实时准确地确定汽车在车道内的位置。
目前，通常能够通过汽车搭载的各种传感器获取环境信息，根据环境信息进行地图构建和汽车定位。比如，汽车能够基于地标的汽车定位技术，通过诸如相机一类的视觉传感器和激光雷达传感器获取环境信息，并将环境信息发送至汽车的车辆控制器，汽车的车辆控制器能够将环境信息与数据库中的特征信息进行匹配，从而确定汽车所处的具体位置和环境。
但是，由于汽车搭载的传感器在状态恶劣的条件下，可能无法获取环境信息，或者获取的环境信息不准确，导致无法精确的对汽车进行定位，降低汽车定位可靠性。
发明内容
本申请实施例提供了一种汽车的定位方法、装置及计算机存储介质，可以用于解决相关技术中汽车定位精确度低、可靠性差的问题。所述技术方案如下：
一方面，提供了一种汽车的定位方法，所述方法包括：
在汽车行驶过程中，通过主定位模块获取所述汽车的第一定位信息，并通过备用定位模块获取所述汽车的第二定位信息；
通过所述第二定位信息对所述第一定位信息进行优化处理，得到第三定位信息；
通过所述第三定位信息确定所述汽车的位置。
在一些实施例中，所述通过主定位模块获取所述汽车的第一定位信息，包括：
通过所述主定位模块获取所述视觉SLAM(Simultaneous Localization AndMapping，同步定位与地图绘制)信息和所述汽车的第一运动信息；
通过所述视觉SLAM信息和所述第一运动信息，建立第一高精地图信息，所述第一高精地图信息用于描述所述汽车当前所处环境的环境信息以及所述汽车在所述第一高精地图信息中的位置信息。
在一些实施例中，所述通过备用定位模块获取所述汽车的第二定位信息，包括：
通过所述备用定位模块获取所述汽车所处环境的环境光度信息、视觉语义信息和环境结构信息，和/或，通过所述备用定位模块获取所述汽车所处环境的激光SLAM信息和所述汽车的第二运动信息；
通过所述激光SLAM信息和所述第二运动信息，和/或，通过所述环境光度信息、所述视觉语义信息和所述环境结构信息，建立第二高精地图信息，所述第二高精地图信息用于描述所述汽车当前所处环境的环境信息以及所述汽车在所述第二高精地图信息中的位置信息。
在一些实施例中，所述视觉SLAM信息中包括环境特征点；
所述通过所述视觉SLAM信息和所述第一运动信息，建立第一高精地图信息，包括：
通过所述环境特征点对所述汽车当前所处环境的局部地图进行更新，得到局部更新地图信息；
根据所述第一运动信息对所述局部更新地图信息进行约束估计处理；
当进行所述约束估计处理后，所述局部更新地图信息的精度大于或等于精度阈值时，将所述局部更新地图信息与全局地图信息进行融合，得到所述第一高精地图信息。
在一些实施例中，所述方法还包括：
当通过所述主定位模块无法获取所述汽车的第一定位信息时，通过所述汽车的第二定位信息确定所述汽车的位置。
另一方面，提供了一种汽车的定位装置，所述装置包括：
获取模块，用于在汽车行驶过程中，通过主定位模块获取所述汽车的第一定位信息，并通过备用定位模块获取所述汽车的第二定位信息；
优化模块，用于通过所述第二定位信息对所述第一定位信息进行优化处理，得到第三定位信息；
第一确定模块，用于通过所述第三定位信息确定所述汽车的位置。
在一些实施例中，所述获取模块包括：
第一获取子模块，用于通过所述主定位模块获取所述视觉同步定位与地图绘制SLAM信息和所述汽车的第一运动信息；
第一建立子模块，用于通过所述视觉SLAM信息和所述第一运动信息，建立第一高精地图信息，所述第一高精地图信息用于描述所述汽车当前所处环境的环境信息以及所述汽车在所述第一高精地图信息中的位置信息。
在一些实施例中，所述获取模块包括：
第二获取子模块，用于通过所述备用定位模块获取所述汽车所处环境的环境光度信息、视觉语义信息和环境结构信息，和/或，通过所述备用定位模块获取所述汽车所处环境的激光SLAM信息和所述汽车的第二运动信息；
第二建立子模块，用于通过所述激光SLAM信息和所述第二运动信息，和/或，通过所述环境光度信息、所述视觉语义信息和所述环境结构信息，建立第二高精地图信息，所述第二高精地图信息用于描述所述汽车当前所处环境的环境信息以及所述汽车在所述第二高精地图信息中的位置信息。
在一些实施例中，所述视觉SLAM信息中包括环境特征点；
所述第一建立子模块用于：
通过所述环境特征点对所述汽车当前所处环境的局部地图进行更新，得到局部更新地图信息；
根据所述第一运动信息对所述局部更新地图信息进行约束估计处理；
当进行所述约束估计处理后，所述局部更新地图信息的精度大于或等于精度阈值时，将所述局部更新地图信息与全局地图信息进行融合，得到所述第一高精地图信息。
在一些实施例中，所述装置还包括：
第二确定模块，用于当通过所述主定位模块无法获取所述汽车的第一定位信息时，通过所述汽车的第二定位信息确定所述汽车的位置。
另一方面，提供了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指令，所述指令被处理器执行时实现上述汽车的定位方法中的任一步骤。
本申请实施例提供的技术方案带来的有益效果至少包括：
在本申请实施例中，能够通过不同定位模块分别获取第一定位信息和第二定位信息，并通过第二定位信息对第一定位信息进行优化，从而改善了因一种定位信息不准确导致汽车定位不准确的情况，提高了汽车定位的精确度和可靠性。
附图说明
为了更清楚地说明本申请实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1是本申请实施例提供的一种汽车的定位系统架构示意图；
图2是本申请实施例提供的一种汽车的定位方法流程图；
图3是本申请实施例提供的一种汽车的定位方法流程图；
图4是本申请实施例提供的一种汽车的定位装置的结构示意图；
图5是本申请实施例提供的一种获取模块的结构示意图；
图6是本申请实施例提供的一种获取模块的结构示意图；
图7是本申请实施例提供的另一种汽车的定位装置的结构示意图。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚，下面将结合附图对本申请实施方式作进一步地详细描述。
在对本申请实施例提高的一种汽车的定位方法进行详细地解释说明之前，先对本申请实施例提供的一种应用场景和系统架构进行详细地解释说明。
首先，先对本申请实施例提供的一种汽车的定位方法进行解释说明。
随着智能驾驶技术的发展，智能驾驶汽车逐步普及，对于未来行驶在道路上的汽车来说，实时准确地确定汽车在车道内的位置极其重要。因此准确定位和构建地图成为实时准确确定汽车位置的一个基础和关键的前提。对于汽车的核心控制系统而言，需要汽车本身搭载的各种传感器收集环境信息，时刻感知汽车周围环境变化，同时根据汽车本身搭载的各种传感器收集到感知信号对汽车周边环境，进行构建地图和准确无误地车辆定位。
由于智能驾驶技术对于汽车控制精度的要求，从而要求汽车定位技术的定位精度需要达到厘米级别。汽车定位技术根据智能驾驶系统的不同，汽车定位技术主要分为以下几个不同的方向：基于地标的汽车定位技术，视觉传感器和激光雷达的环境信息上传至车辆控制器，车辆传感器能够将环境信息与数据库中的特征信息进行匹配，从而确定汽车所处于的具体位置和环境；基于信号的汽车定位技术，利用卫星系统(Global NavigationSatellite System，GNSS)和通信技术(如5G技术)采集外界的位置信号，从而确定汽车所处于的具体位置和环境；基于惯性导航技术的汽车定位：在确定汽车的初始位置后，通过航位推算，在初始位置上累加位移矢量计算汽车当前位置和方向。
但是，由于汽车搭载的传感器在状态恶劣的条件下，可能无法获取环境信息，或者获取的环境信息不准确，导致无法精确的对汽车进行定位。
基于这样的应用场景，本申请实施例提供了一种能够提高汽车定位准确性和可靠性的汽车的定位方法。
接下来，对本申请实施例提供的系统架构进行解释说明。
图1是本申请实施例提供的一种汽车的定位系统架构示意图，参见图1，该系统架构包括主定位模块1、备用定位模块2和车辆控制器3，主定位模块和备用定位模块2能够与车辆控制器3分别连接。主定位模块1用于在汽车行驶过程中，获取汽车的第一定位信息，并将第一定位信息发送至车辆控制器3；备用定位模块2用于在汽车行驶过程中获取汽车的第二定位信息，并将第二定位信息发送至车辆控制器3；车辆控制器3能够在接收到第一定位信息和第二定位信息时，通过第二定位信息对第一定位信息进行优化处理，得到第三定位信息，并通过第三定位信息确定汽车的位置。
作为一种示例，主定位模块1能够包括第一视觉传感器11和第一IMU(Inertialmeasurement unit，惯性测量单元)模块12，备用定位模块2能够包括第一定位子模块21和/或第二定位子模块22，第一定位子模块21能够包括第一激光雷达211和第二IMU模块212，第二定位子模块22包括第二激光雷达221和第二视觉传感器222。
图2是本申请实施例提供的一种汽车的定位方法流程图，该汽车的定位方法可以包括如下几个步骤：
步骤201：在汽车行驶过程中，通过主定位模块获取该汽车的第一定位信息，并通过备用定位模块获取该汽车的第二定位信息。
步骤202：通过该第二定位信息对该第一定位信息进行优化处理，得到第三定位信息。
步骤203：通过该第三定位信息确定该汽车的位置。
在本申请实施例中，能够通过不同定位模块分别获取第一定位信息和第二定位信息，并通过第二定位信息对第一定位信息进行优化，从而改善了因一种定位信息不准确导致汽车定位不准确的情况，提高了汽车定位的精确度和可靠性。
在一些实施例中，通过主定位模块获取该汽车的第一定位信息，包括：
通过该主定位模块获取该视觉同步定位与地图绘制SLAM信息和该汽车的第一运动信息；
通过该视觉SLAM信息和该第一运动信息，建立第一高精地图信息，该第一高精地图信息用于描述该汽车当前所处环境的环境信息以及该汽车在该第一高精地图信息中的位置信息。
在一些实施例中，通过备用定位模块获取该汽车的第二定位信息，包括：
通过该备用定位模块获取该汽车所处环境的环境光度信息、视觉语义信息和环境结构信息，和/或，通过该备用定位模块获取该汽车所处环境的激光SLAM信息和该汽车的第二运动信息；
通过该激光SLAM信息和该第二运动信息，和/或，通过该环境光度信息、该视觉语义信息和该环境结构信息，建立第二高精地图信息，该第二高精地图信息用于描述该汽车当前所处环境的环境信息以及该汽车在该第二高精地图信息中的位置信息。
在一些实施例中，该视觉SLAM信息中包括环境特征点；
通过该视觉SLAM信息和该第一运动信息，建立第一高精地图信息，包括：
通过该环境特征点对该汽车当前所处环境的局部地图进行更新，得到局部更新地图信息；
根据该第一运动信息对该局部更新地图信息进行约束估计处理；
当进行该约束估计处理后，该局部更新地图信息的精度大于或等于精度阈值时，将该局部更新地图信息与全局地图信息进行融合，得到该第一高精地图信息。
在一些实施例中，该方法还包括：
当通过该主定位模块无法获取该汽车的第一定位信息时，通过该汽车的第二定位信息确定所述汽车的位置。
上述所有可选技术方案，均可按照任意结合形成本申请的可选实施例，本申请实施例对此不再一一赘述。
图3是本申请实施例提供的一种汽车的定位方法流程图，本实施例以该汽车的定位方法应用于汽车中进行举例说明，该汽车的定位方法可以包括如下几个步骤：
步骤301：在汽车行驶过程中，通过汽车安装的主定位模块获取汽车的第一定位信息，并通过备用定位模块获取汽车的第二定位信息。
为了实现汽车诸多智能化功能，汽车在行驶过程中，能够通过主定位模块获取第一定位信息，并通过备用定位模块获取第二定位信息。
作为一种示例。汽车通过主定位模块获取汽车的第一定位信息的操作包括：通过主定位模块获取视觉同步定位与地图绘制SLAM信息和汽车的第一运动信息；通过视觉SLAM信息和第一运动信息，建立第一高精地图信息，该第一高精地图信息用于描述汽车当前所处环境的环境信息以及汽车在第一高精地图信息中的位置信息。
由上述可知，主定位模块能够包括视觉传感器和第一IMU模块，因此，汽车通过主定位模块获取视觉SLAM信息和汽车的第一运动信息实际上是通过视觉传感器获取视觉SLAM信息，并通过第一IMU模块获取第一运动信息。
需要说明的是，由于IMU是有三个单轴的加速度计和三个单轴的陀螺仪组成，加速度计检测物体在载体坐标系统独立三轴的加速度信号，而陀螺仪检测载体相对于导航坐标系的角速度信号，IMU对这些信号进行处理之后，确定物体的姿态。因此，第一运动信息中能够包括汽车的姿态信息，比如，汽车在局部坐标系下的位姿、坐标等等。该视觉传感器能够为相机、摄像头等传感器。
由于视觉SLAM信息是一种通过视觉传感器采集到的视觉信息，通过视觉SLAM信息能够同时进行定位与地图构建，因此，汽车能够通过视觉SLAM信息和第一运动信息，建立第一高精地图信息。
需要说明的是，该视觉SLAM信息中能够包括环境特征点，该环境特征点用于描述汽车当前所处环境的特征，比如，能够包括障碍物特征点、路标特征点、路障特征点、行人特征点等等。
作为一种示例，汽车通过视觉SLAM信息和第一运动信息，建立第一高精地图信息的操作至少包括：通过环境特征点对汽车当前所处环境的局部地图进行更新，得到局部更新地图信息；对局部更新地图信息进行约束估计处理；当进行约束估计处理后，该局部更新地图信息的精度大于或等于精度阈值时，将该局部更新地图信息与全局地图信息进行融合，得到第一高精地图信息。
需要说明的是，汽车通过环境特征点对汽车当前所处环境的局部地图进行更新，得到局部更新地图信息的操作能够参考相关技术，本申请实施例对此不再进行一一赘述。
在一些实施例中，汽车对局部更新地图信息进行约束估计处理的操作包括约束性滤波估计处理和相同变量一致性估计处理。
由于环境特征点点在不同坐标系下的转换相同，不同坐标系之间相同状态变量能够利用交叉投影关系进行约束，因此，汽车能够建立局部坐标系中环境特征点与全局坐标系中环境特征点的联系，以产生一致性的估计结果。
在一些实施例中，在局部坐标系中和全局坐标系中相同的状态变量投影约束能够通过如下第一公式表示。
需要说明的是，在上述第一公式(1)中，
为环境特征点在全局坐标系下的坐标，
为环境特征点在局部坐标系下的坐标，
表示局本坐标系在全局坐标系下的位姿，
表示不同坐标系之间包括旋转和平移计算的求和运算形式。
作为一种示例，汽车能够通过EKF(extended kalman filter，扩展卡尔曼)算法对局部更新地图信息进行约束估计处理，该约束估计处理也能够称为条件约束滤波估计处理。且汽车通过EKF算法对局部更新地图信息进行约束估计处理的操作能够参考相关技术，本申请实施例对此不再进行一一赘述。
在一些实施例中，汽车通过备用定位模块获取汽车的第二定位信息的操作至少包括：通过备用定位模块获取汽车所处环境的环境光度信息、视觉语义信息和环境结构信息，和/或，通过备用定位模块获取汽车所处环境的激光SLAM信息和汽车的第二运动信息；通过激光SLAM信息和第二运动信息，和/或，通过环境光度信息、视觉语义信息和环境结构信息，建立第二高精地图信息，第二高精地图信息用于描述汽车当前所处环境的环境信息以及汽车在第二高精地图信息中的位置信息。
由上述可知，备用定位模块能够包括第一定子模块和/或第二定位子模块，且第一定位子模块能够包括第一激光雷达和第二IMU模块，第二定位子模块包括第二激光雷达和第二视觉传感器。也即是，汽车中能够包括一个备用定位子模块，也能够包括两个备用定位子模块，当汽车包括一个备用定位子模块时，该备用定位模块能够包括第一激光雷达和第二IMU模块，或者，该备用定位模块能够包括第二激光雷达和第二视觉传感器；当汽车包括两个备用定位子模块时，该备用定位模块能够包括第一激光雷达和第二IMU模块，以及第二激光雷达和第二视觉传感器。
由于备用定位模块的组成存在多种可能，因此，汽车通过备用定位模块获取第二定位信息的操作同样包括多种可能。
作为一种示例，当备用定位模块包括第一激光雷达和第二IMU模块时，汽车能够通过第一激光雷达获取汽车所处环境的激光SLAM信息，通过第二IMU获取汽车的第二运动信息；当备用定位模块包括第二激光雷达和第二视觉传感器时，汽车能够通过第二视觉传感器获取汽车所处环境的环境光度信息和视觉语义信息，通过第二激光雷达获取环境结构信息。当备用定位模块包括第一激光雷达和第二IMU模块，以及第二激光雷达和第二视觉传感器，汽车能够通过第一激光雷达获取汽车所处环境的激光SLAM信息，通过第二IMU获取汽车的第二运动信息，通过第二视觉传感器获取汽车所处环境的环境光度信息和视觉语义信息，通过第二激光雷达获取环境结构信息。
在一些实施例中，激光SLAM信息能够为激光点云数据，汽车通过激光SLAM信息、第二运动信息、环境光度信息、视觉语义信息和环境结构信息，建立第二高精地图信息的操作包括：按照深度学习的相机和激光雷达相融合的方法，通过环境光度信息、视觉语义信息和环境结构信息，检测场景中的行人、汽车、自行车、道路(车道线，道路标线，路边线)以及道路设施(路灯)和道路附属设施(行道树等)，得到全景图像；按照二维图像和三维数据融合的全景环境感知方法，对所有激光点云数据进行分割得到不同深度范围中的激光点云数据，将这些激光点云数据投影到平面，得到二维图像，对二维图像进行图像处理生成灰度图像，将灰度图像与全景图像进行融合，得到第二高精地图信息。
在一些实施例中，汽车将灰度图像与全景图像进行融合，得到第二高精地图信息的操作包括：对点云的灰度图像进行校准后，通过全景图像对点云的灰度图像进行注释加工处理，以得到的高精地图信息。
需要说明的是，第一高精地图信息和第二高精地图信息均包括三层地图信息，分别为地图图层信息、定位图层信息和动态图层信息。地图图层信息包括道路的信息，比如道路的路沿、车道线，路口信息等，主要是道路的一些基本信息。定位图层信息包括具备独特的目标或特征，比如红绿灯、交通标识、道路的点云数据等。动态图层信息包括一些实时的路况，修路或封路等需要实时推送或者更新的数据。
在一些实施例中，汽车在通过激光SLAM信息、第二运动信息、环境光度信息、视觉语义信息和环境结构信息，建立第二高精地图信息之前，还能够进行传感器标定，
需要说明的是，传感器的标定是为了确定多个车载传感器之间的坐标关系，主要分为内参标定和外参标定。内参是决定传感器内部的映射关系，而外参是决定传感器和外部某个坐标系的转换关系。传感器的标定主要包括摄像头与摄像头之间的标定(即视觉传感器之间的标定)、摄像头(第一视觉传感器和/或第二视觉传感器)到激光雷达(第一激光雷达和/或第二激光雷达)、摄像头到毫米波雷达、摄像头到IMU模块(第一视觉传感器和/或第二视觉传感器到第一IUM模块和/或第二IMU模块)。
在一种实施例中，当第一视觉传感器和第二视觉传感器为摄像头时，摄像头到摄像头的标定是指：汽车一般装配有多个摄像头，长焦距的摄像头用来检测视野小的远处场景，短焦距的摄像头用来检测视野大的近处场景。因此，视觉传感器之间的标定方法包括：将长焦距摄像头采集到的图像投影到短焦距摄像头采集的图像中，得到融合图像，并在融合图像中的融合区域，选择场景中距离较远处(50米以外)的景物进行对齐判断，能够重合则精度高；若图像出现重影或错位，则存在误差。当误差大于一定范围时(范围依据实际使用情况而定)，则标定失败需要重新标定。
在一些实施例中，当第一视觉传感器和第二视觉传感器为摄像头时，摄像头到激光雷达的标定操作包括：在产生的点云投影图像内，寻找其中具有明显边缘的物体和标志物，查看其边缘轮廓对齐情况。如果50米以内的目标，点云边缘和图像边缘能够重合，则可以证明标定结果的精度很高。反之，若出现错位现象，则确定标定结果存在误差。当误差大于一定范围时(范围依据实际使用情况而定)，该外参不可用。
在一些实施例中，当第一视觉传感器和第二视觉传感器为摄像头时，雷达为毫米波雷达时，摄像头到毫米波雷达的标定操作包括：引入激光雷达作为桥梁，通过同一系统中毫米波雷达与摄像头的外参和摄像头与激光雷达的外参，计算得到毫米波雷达与激光雷达的外参，将毫米波雷达数据投影到激光雷达坐标系中与激光点云进行融合，并画出相应的鸟瞰图进行辅助验证。通过对比毫米波雷达目标与激光雷达检测目标是否重合匹配进行判断，如果大部分目标均能对应匹配，则满足精度要求，否则不满足，需要重新标定。
在一些实施例中，摄像头与IMU的融合能够实现低成本且高精度的定位与建图，这两个传感器之间具有互补性：摄像头在快速运动、光照改变等情况下容易失效，而IMU能够高频地获取内部的运动信息，且不受周围环境的影响，从而弥补摄像头的不足。摄像头能够获得丰富的环境信息，通过视觉匹配完成回环检测与回环校正，从而有效地修正IMU的累计漂移误差。
在一些实施例中，由于汽车中能够包括主定位模块和备用定位模块，有时候主定位模块可能会一些原因无法获取第一定位信息，此时汽车能够通过汽车的第二定位信息确定汽车的位置。
步骤302：汽车通过第二定位信息对第一定位信息进行优化处理，得到第三定位信息。
由于有时候通过汽车获取的第一定位信息在对汽车进行定位时，可能会定位不准确，因此，为了保证能够对汽车进行精确定位，汽车还能够第二定位信息对第一定位信息进行优化处理，得到第三定位信息。
作为一种示例，汽车通过第二定位信息对第一定位信息进行优化处理，得到第三定位信息的操作包括：将第二定位信息与第一定位信息进行比较，将第二定位信息与第一定位信息之间的相似度大于或等于相似度阈值时，将第一定位信息或第二定位信息确定为第三定位信息；当第二定位信息与第一定位信息之间的相似度小于相似度阈值时，通过第二定位信息对第一定位信息进行误差插值校正处理，以对第一定位信息进行优化，将优化后的第一定位信息确定为第三定位信息。
需要说明的是，相似度阈值能够事先根据需求进行设置，比如，该相似度阈值能够为95％、97％等等。
由于第一定位信息第一高精地图信息，而第一高精地图信息是通过视觉SLAM信息和第一运动信息建立得到，因此，第一高精地图信息中包括通过视觉SLAM进行地图构件时的汽车位姿误差信息，第二定位信息能够对该汽车位姿误差信息进行误差插值校正处理。
步骤303：汽车通过第三定位信息确定汽车的位置。
需要说明的是，第三定位信息中能够包括汽车所处环境的高精地图信息以及汽车在高精地图信息中的位置，因此，汽车能够直接通过第三定位信息确定汽车在当前所处环境中的位置。
步骤304：汽车通过提示信息提示汽车当前的位置。
为了使乘车人员获知当前所处位置，汽车能够通过提示信息提示汽车在当前所处环境的位置。
需要说明的是，该提示信息能够为文字、语音和/或视频等形式的信息。
在本申请实施例中，汽车能够通过不同定位模块分别获取第一定位信息和第二定位信息，并通过第二定位信息对第一定位信息进行优化，从而改善了因一种定位信息不准确导致汽车定位不准确的情况，提高了汽车定位的精确度和可靠性。同时，由于汽车中在主定位模块无法进行定位时，还能够通过备用定位模块对汽车进行定位，从而提高了汽车定位的可靠性。
图4是本申请实施例提供的一种汽车的定位装置的结构示意图，该汽车的定位装置可以由软件、硬件或者两者的结合实现。该汽车的定位装置可以包括：获取模块401、优化模块402和第一确定模块403。
获取模块401，用于在汽车行驶过程中，通过主定位模块获取所述汽车的第一定位信息，并通过备用定位模块获取所述汽车的第二定位信息；
优化模块402，用于通过所述第二定位信息对所述第一定位信息进行优化处理，得到第三定位信息；
第一确定模块403，用于通过所述第三定位信息确定所述汽车的位置。
在一些实施例中，参见图5，所述获取模块401包括：
第一获取子模块4011，用于通过所述主定位模块获取所述视觉同步定位与地图绘制SLAM信息和所述汽车的第一运动信息；
第一建立子模块4012，用于通过所述视觉SLAM信息和所述第一运动信息，建立第一高精地图信息，所述第一高精地图信息用于描述所述汽车当前所处环境的环境信息以及所述汽车在所述第一高精地图信息中的位置信息。
在一些实施例中，参见图6，所述获取模块401包括：
第二获取子模块4013，用于通过所述备用定位模块获取所述汽车所处环境的环境光度信息、视觉语义信息和环境结构信息，和/或，通过所述备用定位模块获取所述汽车所处环境的激光SLAM信息和所述汽车的第二运动信息；
第二建立子模块4014，用于通过所述激光SLAM信息和所述第二运动信息，和/或，通过所述环境光度信息、所述视觉语义信息和所述环境结构信息，建立第二高精地图信息，所述第二高精地图信息用于描述所述汽车当前所处环境的环境信息以及所述汽车在所述第二高精地图信息中的位置信息。
在一些实施例中，所述视觉SLAM信息中包括环境特征点；
所述第一建立子模块4012用于：
通过所述环境特征点对所述汽车当前所处环境的局部地图进行更新，得到局部更新地图信息；
根据所述第一运动信息对所述局部更新地图信息进行约束估计处理；
当进行所述约束估计处理后，所述局部更新地图信息的精度大于或等于精度阈值时，将所述局部更新地图信息与全局地图信息进行融合，得到所述第一高精地图信息。
在一些实施例中，参见图7，所述装置还包括：
第二确定模块404，用于当通过所述主定位模块无法获取所述汽车的第一定位信息时，通过所述汽车的第二定位信息确定所述汽车的位置。
在本申请实施例中，汽车能够通过不同定位模块分别获取第一定位信息和第二定位信息，并通过第二定位信息对第一定位信息进行优化，从而改善了因一种定位信息不准确导致汽车定位不准确的情况，提高了汽车定位的精确度和可靠性。同时，由于汽车中在主定位模块无法进行定位时，还能够通过备用定位模块对汽车进行定位，从而提高了汽车定位的可靠性。
需要说明的是：上述实施例提供的汽车的定位装置在对汽车进行定位时，仅以上述各功能模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能模块完成，即将装置的内部结构划分成不同的功能模块，以完成以上描述的全部或者部分功能。另外，上述实施例提供的汽车的定位装置与汽车的定位方法实施例属于同一构思，其具体实现过程详见方法实施例，这里不再赘述。
本申请实施例还提供了一种非临时性计算机可读存储介质，当所述存储介质中的指令由服务器的处理器执行时，使得服务器能够执行上述实施例提供的汽车的定位方法方法。
本申请实施例还提供了一种包含指令的计算机程序产品，当其在服务器上运行时，使得服务器执行上述实施例提供的汽车的定位方法方法。
本领域普通技术人员可以理解实现上述实施例的全部或部分步骤可以通过硬件来完成，也可以通过程序来指令相关的硬件完成，所述的程序可以存储于一种计算机可读存储介质中，上述提到的存储介质可以是只读存储器，磁盘或光盘等。
以上所述仅为本申请实施例的较佳实施例，并不用以限制本申请实施例，凡在本申请实施例的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本申请的保护范围之内。
Claims (10)
1.一种汽车的定位方法，其特征在于，所述方法包括：
在汽车行驶过程中，通过主定位模块获取所述汽车的第一定位信息，并通过备用定位模块获取所述汽车的第二定位信息；
将所述第二定位信息与所述第一定位信息进行比较，当所述第二定位信息与所述第一定位信息之间的相似度大于或等于相似度阈值时，将所述第一定位信息或所述第二定位信息确定为第三定位信息；当所述第二定位信息与所述第一定位信息之间的相似度小于所述相似度阈值时，通过所述第二定位信息对所述第一定位信息进行误差插值校正处理，以对所述第一定位信息进行优化，并将优化后的第一定位信息确定为所述第三定位信息；
通过所述第三定位信息确定所述汽车的位置。
2.如权利要求1所述的方法，其特征在于，所述通过主定位模块获取所述汽车的第一定位信息，包括：
通过所述主定位模块获取视觉同步定位与地图绘制SLAM信息和所述汽车的第一运动信息；
通过所述视觉同步定位与地图绘制SLAM信息和所述第一运动信息，建立第一高精地图信息，所述第一高精地图信息用于描述所述汽车当前所处环境的环境信息以及所述汽车在所述第一高精地图信息中的位置信息。
3.如权利要求1所述的方法，其特征在于，所述通过备用定位模块获取所述汽车的第二定位信息，包括：
通过所述备用定位模块获取所述汽车所处环境的环境光度信息、视觉语义信息和环境结构信息，和/或，通过所述备用定位模块获取所述汽车所处环境的激光SLAM信息和所述汽车的第二运动信息；
通过所述激光SLAM信息和所述第二运动信息，和/或，通过所述环境光度信息、所述视觉语义信息和所述环境结构信息，建立第二高精地图信息，所述第二高精地图信息用于描述所述汽车当前所处环境的环境信息以及所述汽车在所述第二高精地图信息中的位置信息。
4.如权利要求2所述的方法，其特征在于，所述视觉同步定位与地图绘制SLAM信息中包括环境特征点；
所述通过所述视觉同步定位与地图绘制SLAM信息和所述第一运动信息，建立第一高精地图信息，包括：
通过所述环境特征点对所述汽车当前所处环境的局部地图进行更新，得到局部更新地图信息；
根据所述第一运动信息对所述局部更新地图信息进行约束估计处理；
当进行所述约束估计处理后，所述局部更新地图信息的精度大于或等于精度阈值时，将所述局部更新地图信息与全局地图信息进行融合，得到所述第一高精地图信息。
5.如权利要求1所述的方法，其特征在于，所述方法还包括：
当通过所述主定位模块无法获取所述汽车的第一定位信息时，通过所述汽车的第二定位信息确定所述汽车的位置。
6.一种汽车的定位装置，其特征在于，所述装置包括：
获取模块，用于在汽车行驶过程中，通过主定位模块获取所述汽车的第一定位信息，并通过备用定位模块获取所述汽车的第二定位信息；
优化模块，用于将所述第二定位信息与所述第一定位信息进行比较，当所述第二定位信息与所述第一定位信息之间的相似度大于或等于相似度阈值时，将所述第一定位信息或所述第二定位信息确定为第三定位信息；当所述第二定位信息与所述第一定位信息之间的相似度小于所述相似度阈值时，通过所述第二定位信息对所述第一定位信息进行误差插值校正处理，以对所述第一定位信息进行优化，并将优化后的第一定位信息确定为所述第三定位信息；
第一确定模块，用于通过所述第三定位信息确定所述汽车的位置。
7.如权利要求6所述的装置，其特征在于，所述获取模块包括：
第一获取子模块，用于通过所述主定位模块获取视觉同步定位与地图绘制SLAM信息和所述汽车的第一运动信息；
第一建立子模块，用于通过所述视觉同步定位与地图绘制SLAM信息和所述第一运动信息，建立第一高精地图信息，所述第一高精地图信息用于描述所述汽车当前所处环境的环境信息以及所述汽车在所述第一高精地图信息中的位置信息。
8.如权利要求6所述的装置，其特征在于，所述获取模块包括：
第二获取子模块，用于通过所述备用定位模块获取所述汽车所处环境的环境光度信息、视觉语义信息和环境结构信息，和/或，通过所述备用定位模块获取所述汽车所处环境的激光SLAM信息和所述汽车的第二运动信息；
第二建立子模块，用于通过所述激光SLAM信息和所述第二运动信息，和/或，通过所述环境光度信息、所述视觉语义信息和所述环境结构信息，建立第二高精地图信息，所述第二高精地图信息用于描述所述汽车当前所处环境的环境信息以及所述汽车在所述第二高精地图信息中的位置信息。
9.如权利要求7所述的装置，其特征在于，所述视觉同步定位与地图绘制SLAM信息中包括环境特征点；
所述第一建立子模块用于：
通过所述环境特征点对所述汽车当前所处环境的局部地图进行更新，得到局部更新地图信息；
根据所述第一运动信息对所述局部更新地图信息进行约束估计处理；
当进行所述约束估计处理后，所述局部更新地图信息的精度大于或等于精度阈值时，将所述局部更新地图信息与全局地图信息进行融合，得到所述第一高精地图信息。
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指令，所述指令被处理器执行时实现上述权利要求1至权利要求5中的任一项权利要求所述的方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110649428.9A CN113390422B (zh) | 2021-06-10 | 2021-06-10 | 汽车的定位方法、装置及计算机存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110649428.9A CN113390422B (zh) | 2021-06-10 | 2021-06-10 | 汽车的定位方法、装置及计算机存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113390422A CN113390422A (zh) | 2021-09-14 |
| CN113390422B true CN113390422B (zh) | 2022-06-10 |
Family
ID=77620276
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110649428.9A Active CN113390422B (zh) | 2021-06-10 | 2021-06-10 | 汽车的定位方法、装置及计算机存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113390422B (zh) |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20180135755A (ko) * | 2017-06-13 | 2018-12-21 | 엘지전자 주식회사 | 비전 정보에 기반한 위치 설정 방법 및 이를 구현하는 로봇 |
| CN109341706A (zh) * | 2018-10-17 | 2019-02-15 | 张亮 | 一种面向无人驾驶汽车的多特征融合地图的制作方法 |
| CN110118554A (zh) * | 2019-05-16 | 2019-08-13 | 深圳前海达闼云端智能科技有限公司 | 基于视觉惯性的slam方法、装置、存储介质和设备 |
| CN110849362A (zh) * | 2019-11-28 | 2020-02-28 | 湖南率为控制科技有限公司 | 一种基于车载惯性的激光雷达与视觉组合导航算法 |
| CN111551186A (zh) * | 2019-11-29 | 2020-08-18 | 福瑞泰克智能系统有限公司 | 一种车辆实时定位方法、系统及车辆 |
| CN111595333A (zh) * | 2020-04-26 | 2020-08-28 | 武汉理工大学 | 视觉惯性激光数据融合的模块化无人车定位方法及系统 |
| CN112230211A (zh) * | 2020-10-15 | 2021-01-15 | 长城汽车股份有限公司 | 车辆定位方法、装置、存储介质及车辆 |
| CN112230242A (zh) * | 2020-09-30 | 2021-01-15 | 深兰人工智能(深圳)有限公司 | 位姿估计系统和方法 |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103675859A (zh) * | 2012-09-10 | 2014-03-26 | 迈实电子(上海)有限公司 | 卫星导航接收机、设备和用于定位卫星导航接收机的方法 |
| CN110887494A (zh) * | 2019-11-29 | 2020-03-17 | 腾讯科技（深圳）有限公司 | 车辆定位方法、装置 |
-
2021
- 2021-06-10 CN CN202110649428.9A patent/CN113390422B/zh active Active
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20180135755A (ko) * | 2017-06-13 | 2018-12-21 | 엘지전자 주식회사 | 비전 정보에 기반한 위치 설정 방법 및 이를 구현하는 로봇 |
| CN109341706A (zh) * | 2018-10-17 | 2019-02-15 | 张亮 | 一种面向无人驾驶汽车的多特征融合地图的制作方法 |
| CN110118554A (zh) * | 2019-05-16 | 2019-08-13 | 深圳前海达闼云端智能科技有限公司 | 基于视觉惯性的slam方法、装置、存储介质和设备 |
| CN110849362A (zh) * | 2019-11-28 | 2020-02-28 | 湖南率为控制科技有限公司 | 一种基于车载惯性的激光雷达与视觉组合导航算法 |
| CN111551186A (zh) * | 2019-11-29 | 2020-08-18 | 福瑞泰克智能系统有限公司 | 一种车辆实时定位方法、系统及车辆 |
| CN111595333A (zh) * | 2020-04-26 | 2020-08-28 | 武汉理工大学 | 视觉惯性激光数据融合的模块化无人车定位方法及系统 |
| CN112230242A (zh) * | 2020-09-30 | 2021-01-15 | 深兰人工智能(深圳)有限公司 | 位姿估计系统和方法 |
| CN112230211A (zh) * | 2020-10-15 | 2021-01-15 | 长城汽车股份有限公司 | 车辆定位方法、装置、存储介质及车辆 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113390422A (zh) | 2021-09-14 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110057373B (zh) | 用于生成高精细语义地图的方法、装置和计算机存储介质 | |
| US11802769B2 (en) | Lane line positioning method and apparatus, and storage medium thereof | |
| CN106767853B (zh) | 一种基于多信息融合的无人驾驶车辆高精度定位方法 | |
| JP6677521B2 (ja) | 乗り物のドライバ支援システムにおける予測のためのシステムおよび方法 | |
| Alonso et al. | Accurate global localization using visual odometry and digital maps on urban environments | |
| Schreiber et al. | Laneloc: Lane marking based localization using highly accurate maps | |
| JP2023126882A (ja) | 車両を自律的にナビゲートするためのシステム、車両、および車両をナビゲートする方法 | |
| Ghallabi et al. | LIDAR-Based road signs detection For Vehicle Localization in an HD Map | |
| US20190033867A1 (en) | Systems and methods for determining a vehicle position | |
| CN110530372B (zh) | 定位方法、路径确定方法、装置、机器人及存储介质 | |
| CN108896994A (zh) | 一种无人驾驶车辆定位方法及设备 | |
| CN107167826B (zh) | 一种自动驾驶中基于可变网格的图像特征检测的车辆纵向定位系统及方法 | |
| WO2020232648A1 (zh) | 车道线的检测方法、电子设备与存储介质 | |
| CN113885062A (zh) | 基于v2x的数据采集融合设备、方法和系统 | |
| US20210180958A1 (en) | Graphic information positioning system for recognizing roadside features and method using the same | |
| CN112683260A (zh) | 一种基于高精度地图和v2x的组合导航定位精度提升系统及方法 | |
| CN115027482A (zh) | 智能驾驶中的融合定位方法 | |
| CN114509065B (zh) | 地图构建方法、系统、车辆终端、服务器端及存储介质 | |
| WO2018002932A1 (en) | Lane level accuracy using vision of roadway lights and particle filter | |
| CN114127738A (zh) | 自动地图制作和定位 | |
| CN113390422B (zh) | 汽车的定位方法、装置及计算机存储介质 | |
| CN113405555B (zh) | 一种自动驾驶的定位传感方法、系统及装置 | |
| Deusch | Random finite set-based localization and SLAM for highly automated vehicles | |
| Elfring et al. | Vehicle localization using a traffic sign map | |
| Rae et al. | Reducing multipath effects in vehicle localization by fusing GPS with machine vision |
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 |