CN113723141B - 车辆的定位方法、装置、电子设备、车辆及存储介质 - Google Patents

车辆的定位方法、装置、电子设备、车辆及存储介质 Download PDF

Info

Publication number
CN113723141B
CN113723141B CN202010450278.4A CN202010450278A CN113723141B CN 113723141 B CN113723141 B CN 113723141B CN 202010450278 A CN202010450278 A CN 202010450278A CN 113723141 B CN113723141 B CN 113723141B
Authority
CN
China
Prior art keywords
information
lane
lane line
vehicle
precision
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
Application number
CN202010450278.4A
Other languages
English (en)
Other versions
CN113723141A (zh
Inventor
沈达云
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.)
Apollo Intelligent Technology Beijing Co Ltd
Original Assignee
Apollo Intelligent Technology Beijing 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 Apollo Intelligent Technology Beijing Co Ltd filed Critical Apollo Intelligent Technology Beijing Co Ltd
Priority to CN202010450278.4A priority Critical patent/CN113723141B/zh
Priority to JP2020200211A priority patent/JP7241057B2/ja
Priority to EP20215805.1A priority patent/EP3842752A1/en
Priority to US17/171,999 priority patent/US11703332B2/en
Publication of CN113723141A publication Critical patent/CN113723141A/zh
Application granted granted Critical
Publication of CN113723141B publication Critical patent/CN113723141B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G01C21/10—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration
    • G01C21/12—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning
    • G01C21/16—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning by integrating acceleration or speed, i.e. inertial navigation
    • G01C21/165—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning by integrating acceleration or speed, i.e. inertial navigation combined with non-inertial navigation 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
    • 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
    • G01C21/34—Route searching; Route guidance
    • G01C21/36—Input/output arrangements for on-board computers
    • G01C21/3602—Input other than that of destination using image analysis, e.g. detection of road signs, lanes, buildings, real preceding vehicles using a camera
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/29—Geographical information databases
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/22—Matching criteria, e.g. proximity measures

Landscapes

  • Engineering & Computer Science (AREA)
  • Remote Sensing (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Traffic Control Systems (AREA)
  • Navigation (AREA)
  • Instructional Devices (AREA)
  • Image Analysis (AREA)

Abstract

本申请实施例公开了一种车辆的定位方法、装置、电子设备、车辆及存储介质，涉及自动驾驶技术领域。具体实现方案为：获取车辆所在车道的感知信息，并从预设高精地图中获取车道的高精信息，其中，感知信息和高精信息均包括车道线信息，且均包括路沿信息和/或护栏信息，确定感知信息和高精信息的匹配信息，根据匹配信息生成车辆的位置信息，通过基于车道线信息、路沿信息和/或护栏信息确定匹配信息，使得匹配信息包括车道的多个维度的信息的匹配信息，可以提高匹配信息的可靠性、准确性及全面性，从而实现确定出的位置信息的可靠性的技术效果，进而实现车辆安全可靠地行驶的技术效果。

Description

车辆的定位方法、装置、电子设备、车辆及存储介质
技术领域
本申请实施例涉及人工智能技术领域，尤其涉及自动驾驶技术领域，具体涉及一种车辆的定位方法、装置、电子设备、车辆及存储介质。
背景技术
随着人工智能技术的发展，人工智能技术被广泛地应用于各个领域，如自动驾驶技术领域。为了实现车辆安全可靠地行驶，对车辆进行定位成了热点技术。
在现有技术中，对车辆进行定位主要基于定位系统或者各传感器实现。例如，基于如激光雷达与高精地图匹配的定位和毫米波雷达与高精矢量地图匹配等方式实现。
然而发明人在实现本申请的过程中，发现至少存在如下问题：由于匹配的维度比较单一，可能导致位置信息的准确性偏低的问题。
发明内容
提供了一种用于提高定位的准确性的车辆的定位方法、装置、电子设备、车辆及存储介质。
根据第一方面，提供了一种车辆的定位方法，所述方法包括：
获取车辆所在车道的感知信息，并从预设高精地图中获取所述车道的高精信息，其中，所述感知信息和所述高精信息均包括车道线信息，且均包括路沿信息和/或护栏信息；
确定所述感知信息和所述高精信息的匹配信息；
根据所述匹配信息生成所述车辆的位置信息。
在本申请实施例中，通过基于车道线信息、路沿信息和/或护栏信息确定匹配信息，使得匹配信息包括车道的多个维度的信息的匹配信息，可以提高匹配信息的可靠性、准确性及全面性，从而实现确定出的位置信息的可靠性的技术效果，进而实现车辆安全可靠地行驶的技术效果。
根据第二方面，本申请实施例提供了一种车辆的定位装置，所述装置包括：
获取模块，用于获取车辆所在车道的感知信息，并从预设高精地图中获取所述车道的高精信息，其中，所述感知信息和所述高精信息均包括车道线信息，且均包括路沿信息和/或护栏信息；
确定模块，用于确定所述感知信息和所述高精信息的匹配信息；
生成模块，用于根据所述匹配信息生成所述车辆的位置信息。
根据第三方面，本申请实施例提供了一种电子设备，包括：
至少一个处理器；以及
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行如上任一实施例所述的方法。
根据第四方面，本申请实施例提供了一种车辆，所述车辆包括如上所述的装置，或者，包括如上所述的电子设备。
根据第五方面，本申请实施例提供了一种存储有计算机指令的非瞬时计算机可读存储介质，所述计算机指令用于使所述计算机执行如上任一实施例所述的方法。
根据本申请的第六方面，提供了一种计算机程序产品，所述程序产品包括：计算机程序，所述计算机程序存储在可读存储介质中，电子设备的至少一个处理器可以从所述可读存储介质读取所述计算机程序，所述至少一个处理器执行所述计算机程序使得电子设备执行第一方面所述的方法。
根据本申请的获取车辆所在车道的感知信息，并从预设高精地图中获取车道的高精信息，其中，感知信息和高精信息均包括车道线信息，且均包括路沿信息和/或护栏信息，确定感知信息和高精信息的匹配信息，根据匹配信息生成车辆的位置信息的技术，通过基于车道线信息、路沿信息和/或护栏信息确定匹配信息，使得匹配信息包括车道的多个维度的信息的匹配信息，可以提高匹配信息的可靠性、准确性及全面性，从而实现确定出的位置信息的可靠性的技术效果，进而实现车辆安全可靠地行驶的技术效果。
应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
附图说明
附图用于更好地理解本方案，不构成对本申请的限定。其中：
图1为本申请实施例的车辆的定位方法的场景示意图；
图2为本申请一个实施例的车辆的定位方法的流程示意图；
图3为本申请另一实施例的车辆的定位方法的流程示意图；
图4为本申请实施例的确定感知信息中的车道线信息与高精信息中的车道线信息之间的匹配度的方法的流程示意图；
图5为本申请实施例的确定宽度的方法的流程示意图；
图6为本申请实施例的根据感知信息的各车道线之间的宽度和高精信息中各车道线之间的宽度，确定匹配度的方法的流程示意图；
图7为本申请实施例的感知信息的车道线的示意图；
图8为本申请实施例的高精信息的车道线的示意图；
图9为本申请另一实施例的车辆的定位方法的流程示意图；
图10为本申请另一实施例的车辆的定位方法的流程示意图；
图11为本申请实施例的车辆的定位装置的示意图；
图12为本申请实施例的电子设备的框图。
具体实施方式
以下结合附图对本申请实施例的示范性实施例做出说明，其中包括本申请实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本申请实施例的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。
请参阅图1，图1为本申请实施例的车辆的定位方法的场景示意图。
如图1所示的应用场景，车辆行驶于道路上，车辆包括处理器(图中未示出)，处理器可执行本申请实施例的车辆的定位方法，以便确定出车辆对应的位置信息，并根据位置信息控制车辆的行驶。如，根据位置信息控制车辆减速、停车、加速和转弯等。
具体地，当处理器根据位置信息确定车辆遇到红灯时，则处理器可控制车辆减速行驶，或者将控制车辆停车等；当处理器根据位置信息确定车辆与在前车辆之间的距离较近时，可以控制车辆减速行驶；若处理器根据位置信息确定出车辆与在前车辆之间的距离较远时，则处理器可以控制车辆加速行驶，等等。
在相关技术中，主要将感知信息中的车道线信息与高精信息中的车道线信息进行匹配，并根据匹配信息确定车辆的位置信息。
然而，通过车道线信息对车辆的位置信息进行确定，可能存在错车道线的情况，如将位于第一车道线和第二车道线之间的车辆确定为，位于第二车道线和第三车道线之间的车辆，导致确定出的位置信息的准确性偏低的问题。
为了解决上述技术问题，本申请的发明人在经过创造性的劳动之后，得到了本申请的发明构思：从多个维度对感知信息和高精信息进行匹配，从而得到准确性和可靠性高的位置信息。
下面以具体地实施例对本申请的技术方案以及本申请的技术方案如何解决上述技术问题进行详细说明。下面这几个具体的实施例可以相互结合，对于相同或相似的概念或过程可能在某些实施例中不再赘述。下面将结合附图，对本申请的实施例进行描述。
根据本申请实施例的一个方面，本申请实施例提供了一种车辆的定位方法。
请参阅图2，图2为本申请一个实施例的车辆的定位方法的流程示意图。
如图2所示，该方法包括：
S101：获取车辆所在车道的感知信息，并从预设高精地图中获取车道的高精信息，其中，感知信息和高精信息均包括车道线信息，且均包括路沿信息和/或护栏信息。
其中，本申请实施例的执行主体可以为车辆的定位装置(下文简称定位装置)，定位装置具体可以为设置于车辆上的计算机、服务器、处理器、车载终端、远程信息处理器(车载T-BOX)和芯片(如嵌入式芯片)等。
例如，若本申请实施例的车辆的定位方法应用于如图1所示的应用场景，则本申请实施例的车辆的定位方法的执行主体可以为处理器。
其中，感知信息用于表征通过设置于车辆上的传感器采集到的与车辆行驶相关的信息，可以包括车辆行驶的车道的车道线信息，还可以包括车辆行驶的车道的路沿信息和/或护栏信息。
例如，可在车辆上设备传感器，由传感器对与车辆行驶相关的信息进行采集。
其中，传感器可以包括图像采集传感器，如摄像头；传感器还可以包括惯性测量单元(Inertial measurement unit，IMU)，惯性测量单元可以对车辆的的姿态角(或角速度)和加速度等进行检测；传感器还可以包括雷达，等等。
现以传感器为摄像头为例，对感知信息进行示范性地介绍。
可在车辆的前车身设置一个或多个摄像头，一般而言，摄像头数量可以基于摄像头的采集范围进行确定。若摄像头的采集范围相对比较大，则可以在车辆的前车身设置一个摄像头，若摄像头的采集范围相对比较小，则可以在车辆的前车身设置两个摄像头，当然，也可以设置更多个摄像头。但是，考虑到成本等各方面的问题，优选可以在车辆的前车身设置一个摄像头，或者，在车辆的前车身设置两个摄像头。
当然，为了提高确定出的位置信息的可靠性和准确性，从而提高车辆行驶的安全性，还可以在车辆的左车身和右车身分别设置一个或多个摄像头。其中，设置于车辆的左车身的摄像头用于采集车辆左侧的图像，设置于车辆的右车身的摄像头用于采集车辆右侧的图像。同理，设置于车辆的左车身的摄像头的数量和，设置于车辆的右车身的摄像头的数量的选定，可以参见上述示例的描述，此处不再赘述。
若本申请实施例的车辆的定位方法的执行主体为处理器，则摄像头将其采集到的图像发送至处理器，处理器根据图像确定车辆所在车道的属性信息，如车道线的坐标信息、路沿的坐标信息以及护栏的坐标信息，等等，且车道的属性信息即为车道的感知信息。
其中，根据图像生成车道线信息、路沿信息和护栏信息的方法可以基于图像识别技术实现。
值得说明地是，上述示例只是以传感器为摄像头为例，对感知信息进行示范性地阐述，而不能理解为对感知信息的具体限定。基于上述示例可知，传感器的种类可以采用相关技术中的其他的传感器，因此也可以基于其他的传感器对感知信息进行获取，而获取的原理可以参见上述示例，此处不再一一列举。
其中，高精信息用于表征通过预设高精地图确定的与车辆行驶相关的信息，可以包括车辆行驶的车道的车道线信息，还可以包括车辆行驶的车道的路沿信息和/或护栏信息。
其中，车辆可以基于需求预先对高精地图进行下载并存储，当然，车辆也可以基于需求对高精地图进行实时加载。也就是说，高精地图可以预先存储于车辆，也可以由车辆基于需求进行下载。
值得说明地是，车辆上可以设置定位系统，如车辆上设置的全球定位系统(GlobalPositioning System，GPS)，处理器可以从存储器(可以为设置于处理器内部的存储器，也可以为设置于处理器外部的存储器)内获取与GPS的定位信息对应的高精地图，并根据高精地图确定高精信息，即确定GPS的定位信息对应的车道线信息、路沿信息和护栏信息。
可以理解地是，高精地图可包括不同的道路，或者同一道路的不同路段的地图信息，与GPS的定位信息对应的高精地图用于表征，在高精地图中，GPS的定位信息所在道路和所在路段的高精地图。
S102：确定感知信息和高精信息的匹配信息。
其中，匹配信息可以用于表征感知信息和高精信息之间的相似度。
基于上述示例可知，感知信息和高精信息均包括车道线信息，且均包括路沿信息和/或护栏信息。
在一些实施例中，若感知信息包括车道线信息和路沿信息，且高精信息也包括车道线信息和路沿信息，则在该步骤中，匹配信息用于表征，基于感知信息的车道线信息与高精地图的车道线信息相匹配，且感知信息的路沿信息与高精地图的路沿信息相匹配的匹配信息。
在一些实施例中，若感知信息包括车道线信息和护栏信息，且高精信息也包括车道线信息和护栏信息，则在该步骤中，匹配信息用于表征，基于感知信息的车道线信息与高精地图的车道线信息相匹配，且感知信息的护栏信息与高精地图的护栏信息相匹配的匹配信息。
在一些实施例中，若感知信息包括车道线信息、路沿信息及护栏信息，且高精信息也包括车道线信息、路沿信息及护栏信息，则在该步骤中，匹配信息用于表征，基于感知信息的车道线信息与高精地图的车道线信息相匹配，且感知信息的路沿信息与高精地图的路沿信息相匹配，且感知信息的护栏信息与高精地图的护栏信息相匹配的匹配信息。
在本申请实施例中，由于感知信息和高精信息均包括车道线信息，且均包括路沿信息和/或护栏信息，因此，得到的匹配信息包括车道的多个维度的信息的匹配信息，相较于相关技术中，通过车道线信息的维度进行匹配的方案，可以提高匹配信息的可靠性、准确性及全面性，从而实现确定出的位置信息的可靠性的技术效果，进而实现车辆安全可靠地行驶的技术效果。
S103：根据匹配信息生成车辆的位置信息。
基于上述示例，在确定出匹配信息之后，可以确定出车辆与车道线和路沿之间的位置关系，或者，可以确定出车辆与车道线和护栏之间的位置关系，或者，可以确定出车辆与车道线、路沿及护栏之间的位置关系，因此，可以基于位置关系确定出位置信息。
基于上述分析可知，本申请实施例提供了一种车辆的定位方法，该方法包括：获取车辆所在车道的感知信息，并从预设高精地图中获取车道的高精信息，其中，感知信息和高精信息均包括车道线信息，且均包括路沿信息和/或护栏信息，确定感知信息和高精信息的匹配信息，根据匹配信息生成车辆的位置信息，通过基于车道线信息、路沿信息和/或护栏信息确定匹配信息，使得匹配信息包括车道的多个维度的信息的匹配信息，可以提高匹配信息的可靠性、准确性及全面性，从而实现确定出的位置信息的可靠性的技术效果，进而实现车辆安全可靠地行驶的技术效果。
为使读者更加清楚地理解确定匹配信息的方案，现结合图3对本申请实施例的车辆的定位方法进行更为详细地阐述。
请参阅图3，图3为本申请另一实施例的车辆的定位方法的流程示意图。
如图3所示，该方法包括：
S201：获取车辆所在车道的感知信息，并从预设高精地图中获取车道的高精信息，其中，感知信息和高精信息均包括车道线信息，且均包括路沿信息和/或护栏信息。
其中，关于S201的描述可参见S101，此处不再赘述。
S202：确定感知信息中的车道线信息与高精信息中的车道线信息之间的匹配度，以及匹配度对应的车辆的位姿信息。
结合图4可知，在一些实施例中，确定感知信息中的车道线信息与高精信息中的车道线信息之间的匹配度包括：
S21：根据感知信息中的车道线信息，确定感知信息中各车道线之间的宽度。
结合图5可知，在一些实施例中，S21包括：
S211：根据感知信息中的车道线信息，确定感知信息中各车道线的曲线方程。
其中，在得到感知信息中的车道线信息之后，可以对感知信息中的车道线信息进行拟合处理，得到曲线方程。具体拟合处理的方法可以参见通过现有技术中的拟合算法实现，此处不再赘述。
S212：根据感知信息中各车道线的曲线方程，计算感知信息中任意两相邻车道线之间的宽度。
值得说明地是，车道线信息包括车道线在世界坐标系中坐标。因此，在该步骤中，可以从各车道线的曲线方程中，选取纵坐标相同(以世界坐标系为基础)的一个或多个点，并根据选取出的点坐标确定任意两相邻车道线之间的距离，该距离即为两相邻车道线之间的宽度。
在本申请实施例中，通过根据曲线方程确定两相邻车道线之间的宽度，可以提高确定出的宽度的准确性，以便确保后续基于该宽度确定车道线的类型时，提高确定出的车道线的类型的准确性的技术效果。
S22：根据高精信息中的车道线信息，确定高精信息中各车道线之间的宽度。
其中，确定高精信息中各车道线之间的宽度的原理与，根据感知信息中的车道线之间的宽度的原理相同，此处不再赘述。
S23：根据感知信息的各车道线之间的宽度和高精信息中各车道线之间的宽度，确定匹配度。
在本申请实施例中，通过基于车道线之间的宽度对匹配度进行确定，提高了匹配度的可靠性和准确性的技术效果。
结合图6可知，在一些实施例中，S23包括：
S231：根据感知信息的各车道线之间的宽度确定各车道线的类型。
其中，在相关技术中，一般是基于字符串确定各车道线的类型，即通过采用不同的字符串表征不同的车道线。而在本提案中，通过各车道线之间的宽度确定各车道线的类型。
具体地，可以根据车道的宽度对车道的类型进行划分。例如，将车道的宽度大于或等于3米的车道确定为标准车道，将车道的宽度小于3米的车道确定为非标准车道。其中，标准车道用于表征车辆正常行驶时的车道，而非标准车道则可用于表征应急车道。
值得说明地是，在本申请实施例中，通过宽度对车道的类型进行确定，可以提高确定出的类型的准确性和可靠性的技术效果。
S232：根据高精信息的各车道线之间的宽度确定各车道线的类型。
其中，根据高精信息的各车道线之间的宽度确定各车道线的类型的原理与，根据感知信息的各车道线之间的宽度确定各车道线的类型的原理相同，相关描述可以参见上述示例，此处不再赘述。
S233：从感知信息的各车道线中选择满足预设标准车道线类型的车道线。
其中，标准车道用于表征车道的宽度大于或等于3米的车道，基于上述示例可知，标准车道可以用于与应急车道等非标准车道进行区分。
也就是说，在该步骤中，若某车道为标准车道，则该标准车道对应的车道线即为满足标准车道线类型的车道线。
具体地，车道线可以用虚线或者实线表征，如图7所示，感知信息的车道线的分布可以是实线-虚线-虚线-实线。我们可以通过0和1对实线和虚线进行表示，则图7所示的车道线可以表示为0110，且可以将从图7中选择的车道线标记为A和B。
S234：从高精信息的各车道线中选择满足标准车道线类型的车道线。
其中，S234的原理与S233相同，此处不再赘述。
具体地，如图8所示，高精信息的车道线共包括五条，且图8所示的车道线可以表示为01110，且可以将从图8选择的车道线标记为a、b和c。
根据选择出的所述感知信息的车道线和所述高精信息的车道线，确定所述匹配度。
S235：根据选择出的感知信息的车道线和高精信息的车道线，确定匹配度。
其中，匹配度＝感知信息的车道线与高精信息的车道线匹配上的车道线的数量/感知信息的车道线的数量。
具体地，结合图7和图8可知，若感知信息的车道线A与高精信息的车道线a对齐时，则感知信息的车道线与高精信息的车道线匹配上的车道线包括两条，分别为感知信息的车道线A与高精信息的车道线a匹配上，感知信息的车道线B与高精信息的车道线b匹配上，则此时的匹配度＝2/2＝1。
若感知信息的车道线A与高精信息的车道线b对齐时，则感知信息的车道线与高精信息的车道线匹配上的车道线包括两条，分别为感知信息的车道线A与高精信息的车道线b匹配上，感知信息的车道线B与高精信息的车道线c匹配上，则此时的匹配度＝2/2＝1。
若感知信息的车道线A与高精信息的车道线c对齐时，则感知信息的车道线与高精信息的车道线匹配上的车道线包括一条，且具体为感知信息的车道线A与高精信息的车道线c匹配上，则此时的匹配度＝1/2＝0.5。
值得说明地是，匹配度对应的车辆的位姿信息用于表征，匹配度对应的车辆的旋转和平移。
具体地，感知信息的车道线A与高精信息的车道线a对齐时，感知信息的车道线A与高精信息的车道线a会存在一定的偏差，具体可以通过计算感知信息的车道线A与高精信息的车道线a之间的旋转和平移，并将该旋转和平移确定为车辆的旋转和平移。且具体地计算方法可以通过采样点的坐标实现，此处不再赘述。
S203：根据感知信息与高精信息中的路沿信息和/或护栏信息对匹配度进行调整。
也就是说，该步骤至少可以通过以下方式实现：
方式1：根据感知信息与高精信息中的路沿信息对匹配度进行调整。
方式2：根据感知信息与高精信息中的护栏信息对匹配度进行调整。
方式3：根据感知信息与高精信息中的路沿信息和护栏信息对匹配度进行调整。
其中，方式3的又可以通过以下方式实现：
方式1：先根据感知信息与高精信息中的路沿信息对匹配度进行调整，而后根据感知信息与高精信息中的护栏信息对调整后的匹配度再次进行调整。
方式2：先根据感知信息与高精信息中的护栏信息对匹配度进行调整，而后根据感知信息与高精信息中的路沿信息对调整后的匹配度再次进行调整。
在一些实施例中，若匹配度为P(laneline)，则若根据感知信息与高精信息中的路沿信息对匹配度进行调整，则可以基于式1实现，式1：
Figure GDA0003494635900000111
其中，Pcheck_with_curb为调整后的匹配度，yawRcurb为路沿的Z轴方向的转角信息，Rlaneline为根据车道线确定出的旋转矩阵，yawthreshold为预设的路沿转角参数，Tcurb为路沿的平移信息，Tlaneline为根据车道线确定出的平移信息，Tthreshold为预设的平移信息。
在一些实施例中，若根据感知信息与高精信息中的护栏信息对匹配度进行调整时，实现原理可以参见式1，此处不再赘述。
在另一些实施例中，若根据感知信息与高精信息中的路沿信息和护栏信息对匹配度进行调整时，其实现原理可以为在式1的基础上再增加基于另一信息调整的公式，其原理与式1相同，此处不再一一列举。
S204：根据调整后的匹配度从车辆的位姿信息中确定位置信息。
具体地，可以从各匹配度中确定匹配度最大的，并选择最大匹配度对应的位姿信息作为位置信息。
例如，基于上述示例可知，结合图7和图8，共有三个匹配度，在基于上述示例对三个匹配度进行调整之后，得到调整后的三个匹配度，从调整后的三个匹配度中选择最大的匹配度，并将最大的匹配度对应的位姿信息确定为位置信息。
在本申请实施例中，通过先基于感知信息中的车道线信息与高精信息中的车道线信息之间的匹配度，再基于感知信息与高精信息中的路沿信息和/或护栏信息对匹配度进行调整，可以提高匹配度的可靠性和准确性，进而实现提高位置信息的准确性和可靠性的技术效果。
为了提高确定出的位置信息的准确性和可靠性，本申请实施例在得到匹配度之后，还增加了对匹配度进行调整的步骤，现结合图9对本申请实施例的车辆的定位方法进行详细阐述。
如图9所示，该方法包括：
S301：获取车辆所在车道的感知信息，并从预设高精地图中获取车道的高精信息，其中，感知信息和高精信息均包括车道线信息，且均包括路沿信息和/或护栏信息。
其中，关于S301的描述可以参见S201，此处不再赘述。
S302：确定感知信息中的车道线信息与高精信息中的车道线信息之间的匹配度，以及匹配度对应的车辆的位姿信息。
其中，关于S302的描述可以参见S202，此处不再赘述。
S303：根据位姿信息确定车辆的偏移信息。
其中，偏移信息用于表征，车辆在感知信息中的位姿信息与车辆在高精信息中的位姿信息之间的偏移的信息。
S304：根据偏移信息对匹配度进行调整。
在一些实施例中，可以基于偏移信息和式2确定出偏移概率p(distance)，并根据偏移概率对匹配度进行调整，式2：
Figure GDA0003494635900000121
其中，Rmax和Tmax为预先设置的最大偏移值，R为旋转信息，T为平移信息。
S305：根据感知信息与高精信息中的路沿信息和/或护栏信息对调整后的匹配度再次进行调整。
其中，关于S305的描述可参见S203，此处不再赘述。
S306：根据再次调整后的匹配度从车辆的位姿信息中确定位置信息。
其中，关于S306的描述可参见S204，此处不再赘述。
在本申请实施例中，通过基于偏移信息对匹配度进行适应性地调整，可以使得匹配度的精确度更高，从而可以提高确定出的位置信息的可靠性，进而可以提高车辆行驶的安全性。
为了提高确定出的位置信息的准确性和可靠性，本申请实施例在得到匹配度之后，还增加了对匹配度进行调整的步骤，现结合图10对本申请实施例的车辆的定位方法进行详细阐述。
如图10所示，该方法包括：
S401：获取车辆所在车道的感知信息，并从预设高精地图中获取车道的高精信息，其中，感知信息和高精信息均包括车道线信息，且均包括路沿信息和/或护栏信息。
其中，关于S401的描述可以参见S201，此处不再赘述。
S402：确定感知信息中的车道线信息与高精信息中的车道线信息之间的匹配度，以及匹配度对应的车辆的位姿信息。
其中，关于S402的描述可以参见S402，此处不再赘述。
S403：从感知信息中的车道线上获取采样点的信息。
其中，采样点可以为从车道线上随机选择的点，也可以为为了方便计算，预先在车道线上预设的某些特定坐标的点，本申请对采样点的选择不做限定。
S404：从高精信息中的车道线上获取采样点的信息。
其中，S404的原理与S403的原理相同，此处不再赘述。
S405：计算感知信息中的采样点的信息与高精信息中的采样点的信息之间的残差信息。
在一些实施例中，可以基于式确定残差信息P(error)，式3：
Figure GDA0003494635900000131
其中，
Figure GDA0003494635900000132
为感知信息中的采样点的信息，且具体为世界坐标系中的y坐标信息，Pointhadmap.y为高精信息中的采样点的信息，且具体为世界坐标系中的y坐标信息。
S406：根据残差信息对匹配度进行调整。
其中，具体将残差信息与匹配度的乘积作为调整后的匹配度。
S407：根据感知信息与高精信息中的路沿信息和/或护栏信息对调整后的匹配度再次进行调整。
其中，关于S407的描述可参见S203，此处不再赘述。
S408：根据再次调整后的匹配度从车辆的位姿信息中确定位置信息。
其中，关于S408的描述可参见S204，此处不再赘述。
值得说明地是，在一些实施例中，也可以基于偏移信息和残差信息对匹配度进行调整，且调整的原理可以参见上述示例。
具体地，可以先基于偏移信息对匹配度进行调整，再基于残差信息对调整后的匹配度进行调整；也可以先基于残差信息对匹配度进行调整，再基于偏移信息对调整后的匹配度进行调整。
在本申请实施例中，通过基于残差信息对匹配度进行适应性地调整，可以使得匹配度的精确度更高，从而可以提高确定出的位置信息的可靠性，进而可以提高车辆行驶的安全性。
值得说明地是，道路可以分为结构化道路和非结构化道路，其中，非结构化道路用于表征，车道线简单、非路过匝道口、非导流区等有特殊车道线的。
在一些实施例中，在确定出位置信息之后，可以确定出车辆位于结构化道路还是非结构化道路，如果确定出车辆位于结构化道路，则可以发出提示信息，其中，提示信息用于提示用户可以开启车辆的自动驾驶功能。
根据本申请实施例的另一个方面，本申请实施例还提供了一种车辆的定位装置，用于执行如上任一实施例所示的方法，如用于执行如图2、图3、图4、图5、图6、图9和图10所示的方法。
请参阅图11，图11为本申请实施例的车辆的定位装置的示意图。
如图11所示，该装置包括：
获取模块11，用于获取车辆所在车道的感知信息，并从预设高精地图中获取所述车道的高精信息，其中，所述感知信息和所述高精信息均包括车道线信息，且均包括路沿信息和/或护栏信息；
确定模块12，用于确定所述感知信息和所述高精信息的匹配信息；
生成模块13，用于根据所述匹配信息生成所述车辆的位置信息。
在一些实施例中，所述确定模块12用于，确定所述感知信息中的车道线信息与所述高精信息中的车道线信息之间的匹配度，以及所述匹配度对应的车辆的位姿信息，根据所述感知信息与所述高精信息中的路沿信息和/或护栏信息对所述匹配度进行调整；
以及，所述生成模块13用于，根据调整后的匹配度从所述车辆的位姿信息中确定所述位置信息。
在一些实施例中，所述确定模块12用于，根据所述感知信息中的车道线信息，确定所述感知信息中各车道线之间的宽度，根据所述高精信息中的车道线信息，确定所述高精信息中各车道线之间的宽度，根据所述感知信息的各车道线之间的宽度和所述高精信息中各车道线之间的宽度，确定所述匹配度。
在一些实施例中，所述确定模块12用于，根据所述感知信息的各车道线之间的宽度确定各车道线的类型，根据所述高精信息的各车道线之间的宽度确定各车道线的类型，从所述感知信息的各车道线中选择满足预设标准车道线类型的车道线，从所述高精信息的各车道线中选择满足所述标准车道线类型的车道线，根据选择出的所述感知信息的车道线和所述高精信息的车道线，确定所述匹配度。
在一些实施例中，所述确定模块12用于，根据所述感知信息中的车道线信息，确定所述感知信息中各车道线的曲线方程，根据所述感知信息中各车道线的曲线方程，计算所述感知信息中任意两相邻车道线之间的宽度。
在一些实施例中，所述确定模块12用于，根据所述位姿信息确定所述车辆的偏移信息，根据所述偏移信息对所述匹配度进行调整。
在一些实施例中，所述确定模块12用于，从所述感知信息中的车道线上获取采样点的信息，从所述高精信息中的车道线上获取采样点的信息，计算所述感知信息中的采样点的信息与所述高精信息中的采样点的信息之间的残差信息，根据所述残差信息对所述匹配度进行调整。
根据本申请的实施例，本申请还提供了一种电子设备和一种可读存储介质。
根据本申请的实施例，本申请还提供了一种计算机程序产品，程序产品包括：计算机程序，计算机程序存储在可读存储介质中，电子设备的至少一个处理器可以从可读存储介质读取计算机程序，至少一个处理器执行计算机程序使得电子设备执行上述任一实施例提供的方案。
请参阅图12，图12为本申请实施例的电子设备的框图。
其中，电子设备旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本申请实施例的实现。
如图12所示，该电子设备包括：一个或多个处理器101、存储器102，以及用于连接各部件的接口，包括高速接口和低速接口。各个部件利用不同的总线互相连接，并且可以被安装在公共主板上或者根据需要以其它方式安装。处理器可以对在电子设备内执行的指令进行处理，包括存储在存储器中或者存储器上以在外部输入/输出装置(诸如，耦合至接口的显示设备)上显示GUI的图形信息的指令。在其它实施方式中，若需要，可以将多个处理器和/或多条总线与多个存储器和多个存储器一起使用。同样，可以连接多个电子设备，各个设备提供部分必要的操作(例如，作为服务器阵列、一组刀片式服务器、或者多处理器系统)。图12中以一个处理器101为例。
存储器102即为本申请实施例所提供的非瞬时计算机可读存储介质。其中，所述存储器存储有可由至少一个处理器执行的指令，以使所述至少一个处理器执行本申请实施例所提供的车辆的定位方法。本申请实施例的非瞬时计算机可读存储介质存储计算机指令，该计算机指令用于使计算机执行本申请实施例所提供的车辆的定位方法。
存储器102作为一种非瞬时计算机可读存储介质，可用于存储非瞬时软件程序、非瞬时计算机可执行程序以及模块，如本申请实施例中的程序指令/模块。处理器101通过运行存储在存储器102中的非瞬时软件程序、指令以及模块，从而执行服务器的各种功能应用以及数据处理，即实现上述方法实施例中的车辆的定位方法。
存储器102可以包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需要的应用程序；存储数据区可存储根据电子设备的使用所创建的数据等。此外，存储器102可以包括高速随机存取存储器，还可以包括非瞬时存储器，例如至少一个磁盘存储器件、闪存器件、或其他非瞬时固态存储器件。在一些实施例中，存储器102可选包括相对于处理器101远程设置的存储器，这些远程存储器可以通过网络连接至电子设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、区块链服务网络(Block-chain-based Service Network，BSN)、移动通信网及其组合。
电子设备还可以包括：输入装置103和输出装置104。处理器101、存储器102、输入装置103和输出装置104可以通过总线或者其他方式连接，图12中以通过总线连接为例。
输入装置103可接收输入的数字或字符信息，以及产生与电子设备的用户设置以及功能控制有关的键信号输入，例如触摸屏、小键盘、鼠标、轨迹板、触摸板、指示杆、一个或者多个鼠标按钮、轨迹球、操纵杆等输入装置。输出装置104可以包括显示设备、辅助照明装置(例如，LED)和触觉反馈装置(例如，振动电机)等。该显示设备可以包括但不限于，液晶显示器(LCD)、发光二极管(LED)显示器和等离子体显示器。在一些实施方式中，显示设备可以是触摸屏。
此处描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、专用ASIC(专用集成电路)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
这些计算程序(也称作程序、软件、软件应用、或者代码)包括可编程处理器的机器指令，并且可以利用高级过程和/或面向对象的编程语言、和/或汇编/机器语言来实施这些计算程序。如本文使用的，术语“机器可读介质”和“计算机可读介质”指的是用于将机器指令和/或数据提供给可编程处理器的任何计算机程序产品、设备、和/或装置(例如，磁盘、光盘、存储器、可编程逻辑装置(PLD))，包括，接收作为机器可读信号的机器指令的机器可读介质。术语“机器可读信号”指的是用于将机器指令和/或数据提供给可编程处理器的任何信号。
为了提供与用户的交互，可以在计算机上实施此处描述的系统和技术，该计算机具有：用于向用户显示信息的显示装置(例如，CRT(阴极射线管)或者LCD(液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如，作为数据服务器)、或者包括中间件部件的计算系统(例如，应用服务器)、或者包括前端部件的计算系统(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将系统的部件相互连接。通信网络的示例包括：局域网(LAN)、区块链服务网络(Block-chain-based Service Network，BSN)、广域网(WAN)和互联网。
计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。
根据本申请实施例的另一个方面，本申请实施例还提供了一种车辆，该车辆包括上述任一实施例所述的车辆的定位装置，或者，包括如上述实施例所述的电子设备。
应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本申请中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本申请的技术方案所期望的结果，本文在此不进行限制。
上述具体实施方式，并不构成对本申请保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本申请的精神和原则之内所作的修改、等同替换和改进等，均应包含在本申请保护范围之内。

Claims (13)

1.一种车辆的定位方法，包括：
获取车辆所在车道的感知信息，并从预设高精地图中获取所述车道的高精信息，其中，所述感知信息和所述高精信息均包括车道线信息，且均包括路沿信息和/或护栏信息；
确定所述感知信息中的车道线信息与所述高精信息中的车道线信息之间的匹配度以及所述匹配度对应的车辆的位姿信息；
根据所述位姿信息确定所述车辆的偏移信息；其中，所述偏移信息用于表征所述车辆在所述感知信息中的位姿信息与所述车辆在所述高精信息中的位姿信息之间的偏移的信息；
根据所述偏移信息对所述匹配度进行第一次调整；
根据所述感知信息与所述高精信息中的路沿信息和/或护栏信息对所述匹配度进行第二次调整；
根据第二次调整后的匹配度对应的所述车辆的位姿信息确定所述车辆的位置信息。
2.根据权利要求1所述的方法，其中，所述确定所述感知信息中的车道线信息与所述高精信息中的车道线信息之间的匹配度包括：
根据所述感知信息中的车道线信息，确定所述感知信息中各车道线之间的宽度；
根据所述高精信息中的车道线信息，确定所述高精信息中各车道线之间的宽度；
根据所述感知信息的各车道线之间的宽度和所述高精信息中各车道线之间的宽度，确定所述匹配度。
3.根据权利要求2所述的方法，其中，所述根据所述感知信息的各车道线之间的宽度和所述高精信息中各车道线之间的宽度，确定所述匹配度包括：
根据所述感知信息的各车道线之间的宽度确定各车道线的类型；
根据所述高精信息的各车道线之间的宽度确定各车道线的类型；
从所述感知信息的各车道线中选择满足预设标准车道线类型的车道线；
从所述高精信息的各车道线中选择满足所述标准车道线类型的车道线；
根据选择出的所述感知信息的车道线和所述高精信息的车道线，确定所述匹配度。
4.根据权利要求2所述的方法，其中，所述根据所述感知信息中的车道线信息，确定所述感知信息中各车道线之间的宽度包括：
根据所述感知信息中的车道线信息，确定所述感知信息中各车道线的曲线方程；
根据所述感知信息中各车道线的曲线方程，计算所述感知信息中任意两相邻车道线之间的宽度。
5.根据权利要求1至4中任一项所述的方法，其中，在所述根据所述感知信息与所述高精信息中的路沿信息和/或护栏信息对所述匹配度进行调整之前，所述方法还包括：
从所述感知信息中的车道线上获取采样点的信息；
从所述高精信息中的车道线上获取采样点的信息；
计算所述感知信息中的采样点的信息与所述高精信息中的采样点的信息之间的残差信息；
根据所述残差信息对所述匹配度进行调整。
6.一种车辆的定位装置，包括：
获取模块，用于获取车辆所在车道的感知信息，并从预设高精地图中获取所述车道的高精信息，其中，所述感知信息和所述高精信息均包括车道线信息，且均包括路沿信息和/或护栏信息；
确定模块，用于确定所述感知信息和所述高精信息的匹配信息；
生成模块，用于根据所述匹配信息生成所述车辆的位置信息；
所述确定模块用于，确定所述感知信息中的车道线信息与所述高精信息中的车道线信息之间的匹配度以及所述匹配度对应的车辆的位姿信息；根据所述位姿信息确定所述车辆的偏移信息；其中，所述偏移信息用于表征所述车辆在所述感知信息中的位姿信息与所述车辆在所述高精信息中的位姿信息之间的偏移的信息；根据所述偏移信息对所述匹配度进行第一次调整；根据所述感知信息与所述高精信息中的路沿信息和/或护栏信息对所述匹配度进行第二次调整；
所述生成模块用于，根据第二次调整后的匹配度对应的所述车辆的位姿信息确定所述车辆的位置信息。
7.根据权利要求6所述的装置，其中，所述确定模块用于，根据所述感知信息中的车道线信息，确定所述感知信息中各车道线之间的宽度，根据所述高精信息中的车道线信息，确定所述高精信息中各车道线之间的宽度，根据所述感知信息的各车道线之间的宽度和所述高精信息中各车道线之间的宽度，确定所述匹配度。
8.根据权利要求7所述的装置，其中，所述确定模块用于，根据所述感知信息的各车道线之间的宽度确定各车道线的类型，根据所述高精信息的各车道线之间的宽度确定各车道线的类型，从所述感知信息的各车道线中选择满足预设标准车道线类型的车道线，从所述高精信息的各车道线中选择满足所述标准车道线类型的车道线，根据选择出的所述感知信息的车道线和所述高精信息的车道线，确定所述匹配度。
9.根据权利要求7所述的装置，其中，所述确定模块用于，根据所述感知信息中的车道线信息，确定所述感知信息中各车道线的曲线方程，根据所述感知信息中各车道线的曲线方程，计算所述感知信息中任意两相邻车道线之间的宽度。
10.根据权利要求6至9中任一项所述的装置，其中，所述确定模块用于，从所述感知信息中的车道线上获取采样点的信息，从所述高精信息中的车道线上获取采样点的信息，计算所述感知信息中的采样点的信息与所述高精信息中的采样点的信息之间的残差信息，根据所述残差信息对所述匹配度进行调整。
11.一种电子设备，包括：
至少一个处理器；以及
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1-5中任一项所述的方法。
12.一种车辆，包括如权利要求6至10中任一项所述的装置，或者，包括如权利要求11所述的电子设备。
13.一种存储有计算机指令的非瞬时计算机可读存储介质，其中，所述计算机指令用于使所述计算机执行权利要求1-5中任一项所述的方法。
CN202010450278.4A 2020-05-25 2020-05-25 车辆的定位方法、装置、电子设备、车辆及存储介质 Active CN113723141B (zh)

Priority Applications (4)

Application Number Priority Date Filing Date Title
CN202010450278.4A CN113723141B (zh) 2020-05-25 2020-05-25 车辆的定位方法、装置、电子设备、车辆及存储介质
JP2020200211A JP7241057B2 (ja) 2020-05-25 2020-12-02 車両測位方法、装置、電子機器、車両及び記憶媒体
EP20215805.1A EP3842752A1 (en) 2020-05-25 2020-12-18 Vehicle positioning method, apparatus, electronic device, vehicle and storage medium
US17/171,999 US11703332B2 (en) 2020-05-25 2021-02-09 Vehicle positioning method, apparatus, electronic device, vehicle and storage medium

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010450278.4A CN113723141B (zh) 2020-05-25 2020-05-25 车辆的定位方法、装置、电子设备、车辆及存储介质

Publications (2)

Publication Number Publication Date
CN113723141A CN113723141A (zh) 2021-11-30
CN113723141B true CN113723141B (zh) 2022-09-06

Family

ID=73856007

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010450278.4A Active CN113723141B (zh) 2020-05-25 2020-05-25 车辆的定位方法、装置、电子设备、车辆及存储介质

Country Status (4)

Country Link
US (1) US11703332B2 (zh)
EP (1) EP3842752A1 (zh)
JP (1) JP7241057B2 (zh)
CN (1) CN113723141B (zh)

Families Citing this family (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102021204623A1 (de) 2021-05-06 2022-11-10 Zf Friedrichshafen Ag Vorrichtung zum Bestimmen der geografischen Position eines Fahrzeugs
CN113581196B (zh) * 2021-08-30 2023-08-22 上海商汤临港智能科技有限公司 一种车辆行驶预警的方法、装置、计算机设备及存储介质
CN113932796B (zh) * 2021-10-15 2024-09-10 北京百度网讯科技有限公司 高精地图车道线生成方法、装置和电子设备
CN114396959B (zh) * 2022-03-25 2022-08-30 华砺智行(武汉)科技有限公司 基于高精度地图的车道匹配定位方法、装置、设备及介质
CN115082715A (zh) * 2022-04-22 2022-09-20 高德软件有限公司 基于矢量的高精度地图匹配方法、装置及电子设备
CN115311761B (zh) * 2022-07-15 2023-11-03 襄阳达安汽车检测中心有限公司 非实时车载感知系统测评方法及相关设备
CN116086469B (zh) * 2023-01-16 2023-10-24 禾多科技（北京）有限公司 一种车道定位方法及装置
CN117490728B (zh) * 2023-12-28 2024-04-02 合众新能源汽车股份有限公司 车道线定位故障诊断方法和系统
CN117723070B (zh) * 2024-02-06 2024-07-02 合众新能源汽车股份有限公司 地图匹配初值的确定方法及装置、电子设备及存储介质

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2017219329A (ja) * 2016-06-03 2017-12-14 株式会社Ｓｏｋｅｎ 自車位置特定装置、自車位置特定方法
CN110516652A (zh) * 2019-08-30 2019-11-29 北京百度网讯科技有限公司 车道检测的方法、装置、电子设备及存储介质
CN110567480A (zh) * 2019-09-12 2019-12-13 北京百度网讯科技有限公司 车辆定位的优化方法、装置、设备及存储介质
CN110869868A (zh) * 2017-07-07 2020-03-06 罗伯特·博世有限公司 用于运行较高程度自动化的车辆（haf）、尤其高度自动化车辆的方法

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP2491344B1 (en) * 2009-10-22 2016-11-30 TomTom Global Content B.V. System and method for vehicle navigation using lateral offsets
US9426769B2 (en) * 2013-11-29 2016-08-23 Here Global B.V. Method and apparatus for determining a geo-location correction-offset
DE102014201824A1 (de) * 2014-02-03 2015-08-06 Robert Bosch Gmbh Verfahren und Vorrichtung zur Positionsbestimmung eines Fahrzeugs
US9298992B2 (en) * 2014-02-20 2016-03-29 Toyota Motor Engineering & Manufacturing North America, Inc. Geographic feature-based localization with feature weighting
JP6485915B2 (ja) * 2015-10-28 2019-03-20 本田技研工業株式会社 道路区画線認識装置、車両制御装置、道路区画線認識方法、および道路区画線認識プログラム

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2017219329A (ja) * 2016-06-03 2017-12-14 株式会社Ｓｏｋｅｎ 自車位置特定装置、自車位置特定方法
CN110869868A (zh) * 2017-07-07 2020-03-06 罗伯特·博世有限公司 用于运行较高程度自动化的车辆（haf）、尤其高度自动化车辆的方法
CN110516652A (zh) * 2019-08-30 2019-11-29 北京百度网讯科技有限公司 车道检测的方法、装置、电子设备及存储介质
CN110567480A (zh) * 2019-09-12 2019-12-13 北京百度网讯科技有限公司 车辆定位的优化方法、装置、设备及存储介质

Also Published As

Publication number Publication date
US20210190510A1 (en) 2021-06-24
JP7241057B2 (ja) 2023-03-16
EP3842752A1 (en) 2021-06-30
JP2021082300A (ja) 2021-05-27
US11703332B2 (en) 2023-07-18
CN113723141A (zh) 2021-11-30

Similar Documents

Publication Publication Date Title
CN113723141B (zh) 车辆的定位方法、装置、电子设备、车辆及存储介质
CN112415552B (zh) 车辆位置的确定方法、装置及电子设备
JP7314213B2 (ja) 車両測位方法、装置、電子デバイス、記憶媒体及びプログラム
KR102382420B1 (ko) 차량 위치 결정 방법, 전자 기기 및 저장 매체
EP3920003A1 (en) Positioning method and apparatus, autonomous driving vehicle, electronic device and storage medium
CN110979346B (zh) 确定车辆所处车道的方法、装置及设备
CN111797187A (zh) 地图数据的更新方法、装置、电子设备和存储介质
CN111220164A (zh) 定位方法、装置、设备及存储介质
CN112560680A (zh) 车道线处理方法、装置、电子设备及存储介质
CN111324115A (zh) 障碍物位置检测融合方法、装置、电子设备和存储介质
EP3919862A1 (en) Method and apparatus for annotating virtual lane at crossing
US11380035B2 (en) Method and apparatus for generating map
EP3919864B1 (en) Method and apparatus for processing map data
CN110823237B (zh) 起点绑路及预测模型获取方法、装置及存储介质
CN110794844A (zh) 自动驾驶方法、装置、电子设备及可读存储介质
CN113844463B (zh) 基于自动驾驶系统的车辆控制方法、装置及车辆
CN111079079A (zh) 数据修正方法、装置、电子设备及计算机可读存储介质
CN111721305B (zh) 定位方法和装置、自动驾驶车辆、电子设备和存储介质
CN114771576A (zh) 行为数据处理方法、自动驾驶车辆的控制方法及自动驾驶车辆
CN110843771B (zh) 障碍物识别方法、装置、电子设备及存储介质
CN113011298A (zh) 截断物体样本生成、目标检测方法、路侧设备和云控平台
CN112577524A (zh) 信息校正方法和装置
CN112987707A (zh) 一种车辆的自动驾驶控制方法及装置
CN114674328B (zh) 地图生成方法、装置、电子设备、存储介质、及车辆
US20240166243A1 (en) Automatic driving-based riding method, apparatus and device, and storage medium

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