CN113804214B - 车辆定位方法、装置及电子设备、计算机可读存储介质 - Google Patents
车辆定位方法、装置及电子设备、计算机可读存储介质 Download PDFInfo
- Publication number
- CN113804214B CN113804214B CN202111372984.2A CN202111372984A CN113804214B CN 113804214 B CN113804214 B CN 113804214B CN 202111372984 A CN202111372984 A CN 202111372984A CN 113804214 B CN113804214 B CN 113804214B
- Authority
- CN
- China
- Prior art keywords
- vehicle
- self
- current
- lane
- positioning information
- 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 53
- 230000000007 visual effect Effects 0.000 claims abstract description 24
- 238000010586 diagram Methods 0.000 description 14
- 238000004590 computer program Methods 0.000 description 11
- 230000006870 function Effects 0.000 description 5
- 230000008569 process Effects 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000002457 bidirectional effect Effects 0.000 description 2
- 230000004807 localization Effects 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000011022 operating instruction Methods 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000003068 static effect Effects 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
- G01C21/34—Route searching; Route guidance
- G01C21/36—Input/output arrangements for on-board computers
- G01C21/3626—Details of the output of route guidance instructions
- G01C21/3658—Lane guidance
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0231—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0268—Control of position or course in two dimensions specially adapted to land vehicles using internal positioning means
- G05D1/0274—Control of position or course in two dimensions specially adapted to land vehicles using internal positioning means using mapping information stored in a memory device
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Automation & Control Theory (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Aviation & Aerospace Engineering (AREA)
- Electromagnetism (AREA)
- Navigation (AREA)
- Traffic Control Systems (AREA)
Abstract
本申请公开了一种车辆定位方法、装置及电子设备、计算机可读存储介质，该方法包括：获取自车的当前定位信息和自车的历史车道级定位信息；根据自车的当前定位信息，获取预设范围内的局部高精地图及自车对应的他车定位信息和车道线信息，车道线信息包括基于视觉识别设备识别的不完整的车道线信息；根据自车的当前定位信息和历史车道级定位信息，预测自车的当前车道级定位信息；根据局部高精地图、他车定位信息及车道线信息更新自车的当前车道级定位信息。本申请使用视觉识别设备识别的他车定位信息，结合高精地图的信息与自车的历史车道级定位信息，保证在困难场景下自车车道级定位的准确性，进一步保证整个城市道路场景下高频、可靠的车道级定位。
Description
技术领域
本申请涉及车辆定位技术领域，尤其涉及一种车辆定位方法、装置及电子设备、计算机可读存储介质。
背景技术
在自动驾驶场景下，车道级别的车辆定位对于保证自动驾驶车辆安全行驶以及规划路径尤为重要。
现有技术中目前主要是通过提取视觉识别设备识别到的图像中的车道线数据，然后与自车当前位置在高精地图中提取出的车道线信息进行匹配，从而得到车辆在道路中的车道级定位信息。
这种方式得到的定位结果的好坏主要依赖于车道线检测的精度。在高速开阔的场景下，大概率可以稳定识别出当前路段的所有车道线，很容易与高精地图中的数据进行匹配。而在城市场景中，由于道路上车辆多、路面车道线信息不完整，以及存在双向车道、雨雪天气等原因，车道线识别结果会比高速开阔场景差很多，从而导致车道线匹配错误，无法给出正确的车道级定位结果。
发明内容
本申请实施例提供了一种车辆定位方法、装置及电子设备、计算机可读存储介质，以提高车道级定位结果的准确性。
本申请实施例采用下述技术方案：
第一方面，本申请实施例提供一种车辆定位方法，其中，所述方法包括：
获取自车的当前定位信息和自车的历史车道级定位信息；
根据所述自车的当前定位信息，获取预设范围内的局部高精地图，以及所述自车对应的他车定位信息和车道线信息，所述车道线信息包括基于视觉识别设备识别到的不完整的车道线信息；
根据所述自车的当前定位信息和自车的历史车道级定位信息，预测自车的当前车道级定位信息；
根据所述局部高精地图、所述他车定位信息以及所述车道线信息更新所述自车的当前车道级定位信息。
可选地，所述自车的当前定位信息包括自车的当前位置，所述根据所述自车的当前定位信息，获取预设范围内的局部高精地图包括：
以所述自车的当前位置为起点，获取所述自车的当前位置对应的预设范围内的高精地图的车道线数据；
根据所述预设范围内的高精地图的车道线数据构建所述局部高精地图。
可选地，所述根据所述局部高精地图、所述他车定位信息以及所述车道线信息更新所述自车的当前车道级定位信息包括：
将所述他车定位信息投影到所述局部高精地图中；
根据所述局部高精地图中的自车与他车的空间位置关系，以及所述不完整的车道线信息更新所述自车的当前车道级定位信息。
可选地，所述根据所述局部高精地图中的自车与他车的空间位置关系，以及所述不完整的车道线信息更新所述自车的当前车道级定位信息包括：
根据所述自车的当前定位信息确定自车所在的当前道路；
根据所述局部高精地图中的自车与他车的空间位置关系，以及所述不完整的车道线信息确定所述自车在所述当前道路的各个车道上的概率值；
根据所述自车在所述当前道路的各个车道上的概率值更新所述自车的当前车道级定位信息。
可选地，所述根据所述局部高精地图中的自车与他车的空间位置关系，以及所述不完整的车道线信息确定所述自车在所述当前道路的各个车道上的概率值包括：
获取所述自车在所述当前道路的各个车道上的初始概率值；
根据所述局部高精地图中的自车与他车的空间位置关系，以及所述不完整的车道线信息更新所述自车在所述当前道路的各个车道上的初始概率值。
可选地，所述根据所述局部高精地图中的自车与他车的空间位置关系，以及所述不完整的车道线信息更新所述自车的当前车道级定位信息包括：
确定自车的行驶方向和他车的行驶方向；
根据所述自车的行驶方向和所述他车的行驶方向，确定与所述自车同向行驶的他车，和/或，与所述自车反向行驶的他车；
根据所述自车与所述自车同向行驶的他车的横向距离，和/或，根据所述自车与所述自车反向行驶的他车的横向距离，以及所述不完整的车道线信息和所述局部高精地图中的车道线距离更新所述自车的当前车道级定位信息。
可选地，所述车道线信息还包括基于视觉识别设备识别到的完整的车道线信息，若获取到的所述车道线信息为完整的车道线信息，则在根据所述自车的当前定位信息，获取预设范围内的局部高精地图，以及所述自车对应的他车定位信息和车道线信息之后，所述方法还包括：
将所述完整的车道线信息与所述自车在所述局部高精地图中提取出的车道线信息进行匹配；
根据匹配结果确定所述自车的当前车道级定位信息。
第二方面，本申请实施例还提供一种车辆定位装置，其中，所述装置包括：
第一获取单元，用于获取自车的当前定位信息和自车的历史车道级定位信息；
第二获取单元，用于根据所述自车的当前定位信息，获取预设范围内的局部高精地图，以及所述自车对应的他车定位信息和车道线信息，所述车道线信息包括基于视觉识别设备识别到的不完整的车道线信息；
预测单元，用于根据所述自车的当前定位信息和自车的历史车道级定位信息，预测自车的当前车道级定位信息；
更新单元，用于根据所述局部高精地图、所述他车定位信息以及所述车道线信息更新所述自车的当前车道级定位信息。
第三方面，本申请实施例还提供一种电子设备，包括：
处理器；以及
被安排成存储计算机可执行指令的存储器，所述可执行指令在被执行时使所述处理器执行前述之任一所述方法。
第四方面，本申请实施例还提供一种计算机可读存储介质，所述计算机可读存储介质存储一个或多个程序，所述一个或多个程序当被包括多个应用程序的电子设备执行时，使得所述电子设备执行前述之任一所述方法。
本申请实施例采用的上述至少一个技术方案能够达到以下有益效果：本申请实施例的车辆定位方法，先获取自车的当前定位信息和自车的历史车道级定位信息；根据自车的当前定位信息，获取预设范围内的局部高精地图，以及自车对应的他车定位信息和车道线信息，车道线信息包括基于视觉识别设备识别到的不完整的车道线信息；根据自车的当前定位信息和自车的历史车道级定位信息，预测自车的当前车道级定位信息；根据局部高精地图、他车定位信息以及车道线信息更新自车的当前车道级定位信息。本申请实施例的车辆定位方法在传统的车道线匹配算法的基础上，使用视觉识别设备识别出的自车周围的他车定位信息，结合高精地图的信息与自车的历史车道级定位信息，保证在复杂或困难场景下的自车车道级定位的准确性，进一步保证整个城市道路场景下高频、可靠的车道级定位。
附图说明
此处所说明的附图用来提供对本申请的进一步理解，构成本申请的一部分，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：
图1为本申请实施例中一种车辆定位方法的流程示意图；
图2为本申请实施例中一种自车与反向行驶的车辆的空间位置关系示意图；
图3为本申请实施例中一种自车与同向行驶的车辆的空间位置关系示意图；
图4为本申请实施例中一种车辆定位装置的结构示意图；
图5为本申请实施例中一种电子设备的结构示意图。
具体实施方式
为使本申请的目的、技术方案和优点更加清楚，下面将结合本申请具体实施例及相应的附图对本申请技术方案进行清楚、完整地描述。显然，所描述的实施例仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
以下结合附图，详细说明本申请各实施例提供的技术方案。
本申请实施例提供了一种车辆定位方法，如图1所示，提供了本申请实施例中一种车辆定位方法的流程示意图，所述方法至少包括如下的步骤S110至步骤S140：
步骤S110，获取自车的当前定位信息和自车的历史车道级定位信息。
本申请实施例的车辆定位方法在进行车辆定位时，可以先获取自车的当前定位信息和自车的历史车道级定位信息。自车的当前定位信息可以通过车辆自身的定位装置得到，具体可以包括自车的当前位置坐标和运动方向等。
自车的历史车道级定位信息可以是指上一时刻检测到的自车在车道级别的定位信息，也可以是过去一段时间检测到的自车在车道级别的定位信息。自车的历史车道级定位信息可以作为先验信息用于初步预测自车当前时刻所处的车道。
步骤S120，根据所述自车的当前定位信息，获取预设范围内的局部高精地图，以及所述自车对应的他车定位信息和车道线信息，所述车道线信息包括基于视觉识别设备识别到的不完整的车道线信息。
在得到自车的当前定位信息后，需要以自车的当前定位信息为基准，获取自车所对应的一定范围内的局部高精地图，以及通过自车的视觉识别设备识别到的自车周围的他车定位信息和车道线信息。
他车定位信息具体也可以包括他车的当前位置坐标和运动方向等，车道线信息这里可以包括不完整的车道线信息，例如在城市道路场景下，道路上车辆多，路面的车道线信息不完整，以及存在双向车道、下雨下雪等原因，导致视觉识别设备识别到的车道线信息可能是不完整的，如仅识别到车辆左侧或者右侧的某一部分车道线。
步骤S130，根据所述自车的当前定位信息和自车的历史车道级定位信息，预测自车的当前车道级定位信息。
本申请实施例在获取到自车的当前定位信息和自车的历史车道级定位信息后，可以先初步预测出自车的当前车道级定位信息。例如，自车在过去一段时间内处于第2车道上行驶，那么结合自车的当前位置坐标，就可以初步预测出自车的当前车道级定位信息。
步骤S140，根据所述局部高精地图、所述他车定位信息以及所述车道线信息更新所述自车的当前车道级定位信息。
由于上述预测结果仅仅依赖于自车的当前定位信息和自车的历史车道级定位信息两个方面的信息进行预测，因此可能存在预测不准确的问题，因此需要进一步根据自车对应的局部高精地图、他车定位信息以及车道线信息验证上述预测结果是否准确，从而实现对自车的当前车道级定位信息的更新，保证在复杂或困难场景下的自车车道级定位的准确性。
本申请实施例的车辆定位方法在传统的车道线匹配算法的基础上，使用视觉识别设备识别出的自车周围的他车定位信息，结合高精地图的信息与自车的历史车道级定位信息，保证在复杂或困难场景下的自车车道级定位的准确性，进一步保证整个城市道路场景下高频、可靠的车道级定位。
在本申请的一个实施例中，所述自车的当前定位信息包括自车的当前位置，所述根据所述自车的当前定位信息，获取预设范围内的局部高精地图包括：以所述自车的当前位置为起点，获取所述自车的当前位置对应的预设范围内的高精地图的车道线数据；根据所述预设范围内的高精地图的车道线数据构建所述局部高精地图。
本申请实施例在基于自车的当前定位信息，获取预设范围内的局部高精地图时，可以以自车的当前位置为起点，然后提取出以自车的当前位置为圆心、设定距离（如30米）为半径的圆形区域对应的高精地图中的车道线数据，或者以当前位置为起点、当前道路前方设定距离为终点的整条道路的高精地图的车道线数据，之后再利用车道线数据建立自车所在位置对应的局部高精地图。
在本申请的一个实施例中，所述根据所述局部高精地图、所述他车定位信息以及所述车道线信息更新所述自车的当前车道级定位信息包括：将所述他车定位信息投影到所述局部高精地图中；根据所述局部高精地图中的自车与他车的空间位置关系，以及所述不完整的车道线信息更新所述自车的当前车道级定位信息。
本申请实施例在结合上述实施例的局部高精地图、他车定位信息以及不完整的车道线信息来更新自车的当前车道级定位信息时，可以先将上述所有用于确定自车车道级定位结果的信息统一投影到东北天（ENU）坐标系下，具体可以包括自车的历史车道级定位信息、他车定位信息以及车道线信息等，然后再将他车定位信息投影到自车的当前位置所对应的局部高精地图中。
之后可以根据局部高精地图中的自车和他车的空间位置关系，如自车和他车的横向距离、纵向距离，相对运动方向等，结合视觉识别设备识别到的不完整的车道线信息更新自车的当前车道级定位结果。
本申请基于上述多个维度的信息来综合判断自车当前所处的车道，实现自车车道级定位结果的快速收敛，保证在复杂或困难场景下的自车车道级定位的准确性，进一步保证了整个城市道路场景下高频、可靠的车道级定位。
在本申请的一个实施例中，所述根据所述局部高精地图中的自车与他车的空间位置关系，以及所述不完整的车道线信息更新所述自车的当前车道级定位信息包括：根据所述自车的当前定位信息确定自车所在的当前道路；根据所述局部高精地图中的自车与他车的空间位置关系，以及所述不完整的车道线信息确定所述自车在所述当前道路的各个车道上的概率值；根据所述自车在所述当前道路的各个车道上的概率值更新所述自车的当前车道级定位信息。
本申请实施例在基于自车与他车的空间位置关系以及不完整的车道线信息更新自车的当前车道级定位信息时，可以先根据自车的当前位置确定自车所在的当前道路，然后结合自车与他车的空间位置关系以及不完整的车道线信息，确定出自车在所在道路的每个车道上的概率假设，最后再根据自车在所在道路的每个车道上的概率假设更新自车的当前车道级定位信息即可。
举例说明，假设根据自车的当前位置确定自车当前行驶在道路A上，而道路A上共有车道A1、A2、A3三条车道，首先，基于上一时刻的信息，假设上一时刻是1秒前，位于A2车道，则自车位于三条车道的概率分别为30%、40%、30%，这个概率可根据实际情况自行设定，示例中并不是一个标准设定值。为了进一步确定出自车当前处于哪条车道上，可以进一步结合自车与周围的他车的空间位置关系以及不完整的车道线信息，更新每个车道上概率值；如果检测到右侧有一辆车辆，则自车不可能存在于最右侧车道，可更新概率为45%、55%、0%；进一步如果检测到左侧有车或检测到左侧有两条车道线，则可继续更新概率为0%、100%、0%，结果收敛，那么根据每个车道的概率值的大小可以确定出自车当前处于车道A2上。
在本申请的一个实施例中，所述根据所述局部高精地图中的自车与他车的空间位置关系，以及所述不完整的车道线信息确定所述自车在所述当前道路的各个车道上的概率值包括：获取所述自车在所述当前道路的各个车道上的初始概率值；根据所述局部高精地图中的自车与他车的空间位置关系，以及所述不完整的车道线信息更新所述自车在所述当前道路的各个车道上的初始概率值。
在确定自车在当前道路的各个车道上的概率值时，可以先设置每个车道的概率值的初始值，例如可以设置每个车道的概率值均等或设置上一时刻所在车道概率高一些，这里可根据上一时刻与当前时刻的时间间隔灵活设定，之后如果检测到某个车道上有车辆停止或经过，则可根据此车与自车的空间位置关系如横向距离等，更新每个车道初始的概率值，随着信息量的增多，使得车道级定位结果逐步收敛，从而得到正确的车道级定位结果。
在本申请的一个实施例中，所述根据所述局部高精地图中的自车与他车的空间位置关系，以及所述不完整的车道线信息更新所述自车的当前车道级定位信息包括：确定自车的行驶方向和他车的行驶方向；根据所述自车的行驶方向和所述他车的行驶方向，确定与所述自车同向行驶的他车，和/或，与所述自车反向行驶的他车；根据所述自车与所述自车同向行驶的他车的横向距离，和/或，根据所述自车与所述自车反向行驶的他车的横向距离，以及所述不完整的车道线信息和所述局部高精地图中的车道线距离更新所述自车的当前车道级定位信息。
在根据局部高精地图中的自车与他车的空间位置关系、不完整的车道线信息更新自车的当前车道级定位信息时，可以先根据车辆的运行方向，分类出与自车行驶方向相同的车道上的车辆以及与自车行驶方向相反的车道上的车辆。
对于与自车行驶方向相反的车道上的车辆，自车的视觉识别设备可以识别出反向车道上的行驶车辆，这时结合局部高精地图的车道线距离信息等，可判断出自车所在的车道位置。
为了便于理解，如图2所示，提供了本申请实施例中一种自车与反向行驶的车辆的空间位置关系示意图，其中图2中的黑色圆圈为自车的当前定位信息，浅灰色圆圈为同一时刻或不同时刻的反向车道的车辆定位信息，p0为自车位置，p1、p2、p3为他车平移到自车左右的位置，根据累计的信息p0p1、p0p2以及p0p3即可判断出自车当前处在左侧车道。
对于与自车行驶方向相同的车道上的车辆，处理过程与上述处理过程类似，例如，如图3所示，提供了本申请实施例中一种自车与同向行驶的车辆的空间位置关系示意图，其中图3中的黑色圆圈为自车的当前定位信息，浅灰色圆圈为同一时刻或不同时刻的同向车道的车辆定位信息，p0为自车位置，p1、p2为他车平移到自车左右的位置，根据累计的信息p0p1以及p0p2，可判断出自车当前处在中间车道。
在本申请的一个实施例中，所述车道线信息还包括基于视觉识别设备识别到的完整的车道线信息，若获取到的所述车道线信息为完整的车道线信息，则在根据所述自车的当前定位信息，获取预设范围内的局部高精地图，以及所述自车对应的他车定位信息和车道线信息之后，所述方法还包括：将所述完整的车道线信息与所述自车在所述局部高精地图中提取出的车道线信息进行匹配；根据匹配结果确定所述自车的当前车道级定位信息。
上述各实施例主要针对自车的视觉识别设备识别到的车道线信息为不完整的车道线信息时所采取的自车车道级定位方法，而如果视觉识别设备识别到的车道线信息为完整的车道线信息，例如在开阔的高速场景下，可以识别到完整、准确的车道线信息，那么此时就可以直接将识别到的完整的车道线信息与自车在对应的局部高精地图中提取出的车道线信息进行匹配，从而实现自车的车道级定位。
本申请实施例还提供了一种车辆定位装置400，如图4所示，提供了本申请实施例中一种车辆定位装置的结构示意图，所述装置400包括：第一获取单元410、第二获取单元420、预测单元430以及更新单元440，其中：
第一获取单元410，用于获取自车的当前定位信息和自车的历史车道级定位信息；
第二获取单元420，用于根据所述自车的当前定位信息，获取预设范围内的局部高精地图，以及所述自车对应的他车定位信息和车道线信息，所述车道线信息包括基于视觉识别设备识别到的不完整的车道线信息；
预测单元430，用于根据所述自车的当前定位信息和自车的历史车道级定位信息，预测自车的当前车道级定位信息；
更新单元440，用于根据所述局部高精地图、所述他车定位信息以及所述车道线信息更新所述自车的当前车道级定位信息。
在本申请的一个实施例中，所述自车的当前定位信息包括自车的当前位置，所述第二获取单元420具体用于：以所述自车的当前位置为起点，获取所述自车的当前位置对应的预设范围内的高精地图的车道线数据；根据所述预设范围内的高精地图的车道线数据构建所述局部高精地图。
在本申请的一个实施例中，所述更新单元440具体用于：将所述他车定位信息投影到所述局部高精地图中；根据所述局部高精地图中的自车与他车的空间位置关系，以及所述不完整的车道线信息更新所述自车的当前车道级定位信息。
在本申请的一个实施例中，所述更新单元440具体用于：根据所述自车的当前定位信息确定自车所在的当前道路；根据所述局部高精地图中的自车与他车的空间位置关系，以及所述不完整的车道线信息确定所述自车在所述当前道路的各个车道上的概率值；根据所述自车在所述当前道路的各个车道上的概率值更新所述自车的当前车道级定位信息。
在本申请的一个实施例中，所述更新单元440具体用于：获取所述自车在所述当前道路的各个车道上的初始概率值；根据所述局部高精地图中的自车与他车的空间位置关系，以及所述不完整的车道线信息更新所述自车在所述当前道路的各个车道上的初始概率值。
在本申请的一个实施例中，所述更新单元440具体用于：确定自车的行驶方向和他车的行驶方向；根据所述自车的行驶方向和所述他车的行驶方向，确定与所述自车同向行驶的他车，和/或，与所述自车反向行驶的他车；根据所述自车与所述自车同向行驶的他车的横向距离，和/或，根据所述自车与所述自车反向行驶的他车的横向距离，以及所述不完整的车道线信息和所述局部高精地图中的车道线距离更新所述自车的当前车道级定位信息。
在本申请的一个实施例中，所述车道线信息还包括基于视觉识别设备识别到的完整的车道线信息，若获取到的所述车道线信息为完整的车道线信息，则所述装置还包括：匹配单元，用于将所述完整的车道线信息与所述自车在所述局部高精地图中提取出的车道线信息进行匹配；确定单元，用于根据匹配结果确定所述自车的当前车道级定位信息。
能够理解，上述车辆定位装置，能够实现前述实施例中提供的车辆定位方法的各个步骤，关于车辆定位方法的相关阐释均适用于车辆定位装置，此处不再赘述。
图5是本申请的一个实施例电子设备的结构示意图。请参考图5，在硬件层面，该电子设备包括处理器，可选地还包括内部总线、网络接口、存储器。其中，存储器可能包含内存，例如高速随机存取存储器(Random-Access Memory，RAM)，也可能还包括非易失性存储器（non-volatile memory），例如至少1个磁盘存储器等。当然，该电子设备还可能包括其他业务所需要的硬件。
处理器、网络接口和存储器可以通过内部总线相互连接，该内部总线可以是ISA(Industry Standard Architecture，工业标准体系结构）总线、PCI(PeripheralComponent Interconnect，外设部件互连标准)总线或EISA(Extended Industry StandardArchitecture，扩展工业标准结构）总线等。所述总线可以分为地址总线、数据总线、控制总线等。为便于表示，图5中仅用一个双向箭头表示，但并不表示仅有一根总线或一种类型的总线。
存储器，用于存放程序。具体地，程序可以包括程序代码，所述程序代码包括计算机操作指令。存储器可以包括内存和非易失性存储器，并向处理器提供指令和数据。
处理器从非易失性存储器中读取对应的计算机程序到内存中然后运行，在逻辑层面上形成车辆定位装置。处理器，执行存储器所存放的程序，并具体用于执行以下操作：
获取自车的当前定位信息和自车的历史车道级定位信息；
根据所述自车的当前定位信息，获取预设范围内的局部高精地图，以及所述自车对应的他车定位信息和车道线信息，所述车道线信息包括基于视觉识别设备识别到的不完整的车道线信息；
根据所述自车的当前定位信息和自车的历史车道级定位信息，预测自车的当前车道级定位信息；
根据所述局部高精地图、所述他车定位信息以及所述车道线信息更新所述自车的当前车道级定位信息。
上述如本申请图1所示实施例揭示的车辆定位装置执行的方法可以应用于处理器中，或者由处理器实现。处理器可能是一种集成电路芯片，具有信号的处理能力。在实现过程中，上述方法的各步骤可以通过处理器中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器可以是通用处理器，包括中央处理器（Central Processing Unit，CPU）、网络处理器（Network Processor，NP）等；还可以是数字信号处理器（Digital SignalProcessor，DSP）、专用集成电路（Application Specific Integrated Circuit，ASIC）、现场可编程门阵列（Field－Programmable Gate Array，FPGA）或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。可以实现或者执行本申请实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合本申请实施例所公开的方法的步骤可以直接体现为硬件译码处理器执行完成，或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器，闪存、只读存储器，可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器，处理器读取存储器中的信息，结合其硬件完成上述方法的步骤。
该电子设备还可执行图1中车辆定位装置执行的方法，并实现车辆定位装置在图1所示实施例的功能，本申请实施例在此不再赘述。
本申请实施例还提出了一种计算机可读存储介质，该计算机可读存储介质存储一个或多个程序，该一个或多个程序包括指令，该指令当被包括多个应用程序的电子设备执行时，能够使该电子设备执行图1所示实施例中车辆定位装置执行的方法，并具体用于执行：
获取自车的当前定位信息和自车的历史车道级定位信息；
根据所述自车的当前定位信息，获取预设范围内的局部高精地图，以及所述自车对应的他车定位信息和车道线信息，所述车道线信息包括基于视觉识别设备识别到的不完整的车道线信息；
根据所述自车的当前定位信息和自车的历史车道级定位信息，预测自车的当前车道级定位信息；
根据所述局部高精地图、所述他车定位信息以及所述车道线信息更新所述自车的当前车道级定位信息。
本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质（包括但不限于磁盘存储器、CD-ROM、光学存储器等）上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备（系统）、和计算机程序产品的流程图和／或方框图来描述的。应理解可由计算机程序指令实现流程图和／或方框图中的每一流程和／或方框、以及流程图和／或方框图中的流程和／或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和／或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和／或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和／或方框图一个方框或多个方框中指定的功能的步骤。
在一个典型的配置中，计算设备包括一个或多个处理器 (CPU)、输入/输出接口、网络接口和内存。
内存可能包括计算机可读介质中的非永久性存储器，随机存取存储器 (RAM) 和/或非易失性内存等形式，如只读存储器 (ROM) 或闪存(flash RAM)。内存是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存 (PRAM)、静态随机存取存储器 (SRAM)、动态随机存取存储器 (DRAM)、其他类型的随机存取存储器 (RAM)、只读存储器 (ROM)、电可擦除可编程只读存储器 (EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘 (DVD) 或其他光学存储、磁盒式磁带，磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括暂存电脑可读媒体 (transitory media)，如调制的数据信号和载波。
还需要说明的是，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。
本领域技术人员应明白，本申请的实施例可提供为方法、系统或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质（包括但不限于磁盘存储器、CD-ROM、光学存储器等）上实施的计算机程序产品的形式。
以上所述仅为本申请的实施例而已，并不用于限制本申请。对于本领域技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原理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权利要求范围之内。
Claims (10)
1.一种车辆定位方法，其中，所述方法包括：
获取自车的当前定位信息和自车的历史车道级定位信息；
根据所述自车的当前定位信息，获取预设范围内的局部高精地图，以及所述自车对应的他车定位信息和车道线信息，所述车道线信息包括基于视觉识别设备识别到的不完整的车道线信息；
根据所述自车的当前定位信息和自车的历史车道级定位信息，预测自车的当前车道级定位信息；
根据所述局部高精地图、所述他车定位信息以及所述车道线信息更新所述自车的当前车道级定位信息；
所述根据所述局部高精地图、所述他车定位信息以及所述车道线信息更新所述自车的当前车道级定位信息包括：
将所述他车定位信息投影到所述局部高精地图中；
根据所述局部高精地图中的自车与他车的空间位置关系，以及所述不完整的车道线信息更新所述自车的当前车道级定位信息；
所述根据所述局部高精地图中的自车与他车的空间位置关系，以及所述不完整的车道线信息更新所述自车的当前车道级定位信息包括：
根据所述自车的当前定位信息确定自车所在的当前道路；
根据所述局部高精地图中的自车与他车的空间位置关系，以及所述不完整的车道线信息确定所述自车在所述当前道路的各个车道上的概率值；
根据所述自车在所述当前道路的各个车道上的概率值更新所述自车的当前车道级定位信息。
2.如权利要求1所述方法，其中，所述自车的当前定位信息包括自车的当前位置，所述根据所述自车的当前定位信息，获取预设范围内的局部高精地图包括：
以所述自车的当前位置为起点，获取所述自车的当前位置对应的预设范围内的高精地图的车道线数据；
根据所述预设范围内的高精地图的车道线数据构建所述局部高精地图。
3.如权利要求1所述方法，其中，所述根据所述局部高精地图中的自车与他车的空间位置关系，以及所述不完整的车道线信息确定所述自车在所述当前道路的各个车道上的概率值包括：
获取所述自车在所述当前道路的各个车道上的初始概率值；
根据所述局部高精地图中的自车与他车的空间位置关系，以及所述不完整的车道线信息更新所述自车在所述当前道路的各个车道上的初始概率值。
4.如权利要求1所述方法，其中，所述根据所述局部高精地图中的自车与他车的空间位置关系，以及所述不完整的车道线信息更新所述自车的当前车道级定位信息包括：
确定自车的行驶方向和他车的行驶方向；
根据所述自车的行驶方向和所述他车的行驶方向，确定与所述自车同向行驶的他车，和/或，与所述自车反向行驶的他车；
根据所述自车与所述自车同向行驶的他车的横向距离，和/或，根据所述自车与所述自车反向行驶的他车的横向距离，以及所述不完整的车道线信息和所述局部高精地图中的车道线距离更新所述自车的当前车道级定位信息。
5.如权利要求1所述方法，其中，所述车道线信息还包括基于视觉识别设备识别到的完整的车道线信息，若获取到的所述车道线信息为完整的车道线信息，则在根据所述自车的当前定位信息，获取预设范围内的局部高精地图，以及所述自车对应的他车定位信息和车道线信息之后，所述方法还包括：
将所述完整的车道线信息与所述自车在所述局部高精地图中提取出的车道线信息进行匹配；
根据匹配结果确定所述自车的当前车道级定位信息。
6.一种车辆定位装置，其中，所述装置包括：
第一获取单元，用于获取自车的当前定位信息和自车的历史车道级定位信息；
第二获取单元，用于根据所述自车的当前定位信息，获取预设范围内的局部高精地图，以及所述自车对应的他车定位信息和车道线信息，所述车道线信息包括基于视觉识别设备识别到的不完整的车道线信息；
预测单元，用于根据所述自车的当前定位信息和自车的历史车道级定位信息，预测自车的当前车道级定位信息；
更新单元，用于根据所述局部高精地图、所述他车定位信息以及所述车道线信息更新所述自车的当前车道级定位信息；
所述更新单元还用于：
将所述他车定位信息投影到所述局部高精地图中；
根据所述局部高精地图中的自车与他车的空间位置关系，以及所述不完整的车道线信息更新所述自车的当前车道级定位信息；
所述更新单元还用于：
根据所述自车的当前定位信息确定自车所在的当前道路；
根据所述局部高精地图中的自车与他车的空间位置关系，以及所述不完整的车道线信息确定所述自车在所述当前道路的各个车道上的概率值；
根据所述自车在所述当前道路的各个车道上的概率值更新所述自车的当前车道级定位信息。
7.如权利要求6所述装置，其中，所述自车的当前定位信息包括自车的当前位置，所述第二获取单元还用于：
以所述自车的当前位置为起点，获取所述自车的当前位置对应的预设范围内的高精地图的车道线数据；
根据所述预设范围内的高精地图的车道线数据构建所述局部高精地图。
8.如权利要求6所述装置，其中，所述更新单元还用于：
获取所述自车在所述当前道路的各个车道上的初始概率值；
根据所述局部高精地图中的自车与他车的空间位置关系，以及所述不完整的车道线信息更新所述自车在所述当前道路的各个车道上的初始概率值。
9.一种电子设备，包括：
处理器；以及
被安排成存储计算机可执行指令的存储器，所述可执行指令在被执行时使所述处理器执行所述权利要求1~5之任一所述方法。
10.一种计算机可读存储介质，所述计算机可读存储介质存储一个或多个程序，所述一个或多个程序当被包括多个应用程序的电子设备执行时，使得所述电子设备执行所述权利要求1~5之任一所述方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111372984.2A CN113804214B (zh) | 2021-11-19 | 2021-11-19 | 车辆定位方法、装置及电子设备、计算机可读存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111372984.2A CN113804214B (zh) | 2021-11-19 | 2021-11-19 | 车辆定位方法、装置及电子设备、计算机可读存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113804214A CN113804214A (zh) | 2021-12-17 |
| CN113804214B true CN113804214B (zh) | 2022-05-03 |
Family
ID=78938406
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111372984.2A Active CN113804214B (zh) | 2021-11-19 | 2021-11-19 | 车辆定位方法、装置及电子设备、计算机可读存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113804214B (zh) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114910083A (zh) * | 2022-04-22 | 2022-08-16 | 智道网联科技(北京)有限公司 | 定位方法以及定位装置、电子设备、存储介质 |
| CN116380088B (zh) * | 2023-06-05 | 2023-08-29 | 小米汽车科技有限公司 | 车辆定位方法、装置、车辆及存储介质 |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20180074568A (ko) * | 2016-12-23 | 2018-07-03 | 삼성전자주식회사 | 차선 정보를 추정하는 방법 및 전자 장치 |
| CN111380539A (zh) * | 2018-12-28 | 2020-07-07 | 沈阳美行科技有限公司 | 车辆定位、导航方法和装置及相关系统 |
Family Cites Families (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111046709B (zh) * | 2018-10-15 | 2021-02-09 | 广州汽车集团股份有限公司 | 车辆车道级定位方法、系统、车辆及存储介质 |
| CN110556012B (zh) * | 2019-09-16 | 2022-03-08 | 北京百度网讯科技有限公司 | 车道定位方法及车辆定位系统 |
| CN112703506B (zh) * | 2020-04-22 | 2022-04-08 | 华为技术有限公司 | 车道线检测方法及装置 |
| CN111738207B (zh) * | 2020-07-13 | 2022-11-08 | 腾讯科技（深圳）有限公司 | 车道线检测方法、装置、电子设备及可读存储介质 |
| CN112363192A (zh) * | 2020-09-29 | 2021-02-12 | 蘑菇车联信息科技有限公司 | 车道定位方法、装置、车辆、电子设备及存储介质 |
| CN112415552B (zh) * | 2020-11-17 | 2022-04-15 | 北京百度网讯科技有限公司 | 车辆位置的确定方法、装置及电子设备 |
-
2021
- 2021-11-19 CN CN202111372984.2A patent/CN113804214B/zh active Active
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20180074568A (ko) * | 2016-12-23 | 2018-07-03 | 삼성전자주식회사 | 차선 정보를 추정하는 방법 및 전자 장치 |
| CN111380539A (zh) * | 2018-12-28 | 2020-07-07 | 沈阳美行科技有限公司 | 车辆定位、导航方法和装置及相关系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113804214A (zh) | 2021-12-17 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN113804214B (zh) | 车辆定位方法、装置及电子设备、计算机可读存储介质 | |
| CN110163176B (zh) | 车道线变化位置识别方法、装置、设备和介质 | |
| CN113360795B (zh) | 车辆航向角的修正方法、装置及电子设备、存储介质 | |
| CN113256989B (zh) | 行车警示方法、装置、车载终端和存储介质 | |
| CN113298050B (zh) | 车道线识别模型训练方法、装置及车道线识别方法、装置 | |
| CN114547222A (zh) | 语义地图构建方法、装置及电子设备 | |
| CN115507862A (zh) | 车道线定位方法及装置、电子设备及存储介质 | |
| CN113791435B (zh) | Gnss信号异常值的检测方法、装置及电子设备、存储介质 | |
| CN114966632A (zh) | 激光雷达标定方法、装置及电子设备、存储介质 | |
| CN114894214A (zh) | 自动驾驶车辆的融合定位方法、装置及电子设备 | |
| CN115962774A (zh) | 点云地图更新方法、装置及电子设备、存储介质 | |
| CN111688714B (zh) | 车辆控制方法、装置及自动驾驶车辆 | |
| CN115856979B (zh) | 自动驾驶车辆的定位方法、装置及电子设备、存储介质 | |
| CN116564133A (zh) | 潮汐车道的车辆预警方法、装置及电子设备 | |
| CN115950441A (zh) | 自动驾驶车辆的融合定位方法、装置及电子设备 | |
| CN116052119A (zh) | 交通灯检测方法、装置及电子设备、计算机可读存储介质 | |
| CN115797893A (zh) | 有效行驶区域的确定方法、装置及电子设备、存储介质 | |
| CN113903014B (zh) | 车道线预测方法、装置及电子设备、计算机可读存储介质 | |
| CN113111872B (zh) | 图像识别模型的训练方法、装置及电子设备、存储介质 | |
| CN114910083A (zh) | 定位方法以及定位装置、电子设备、存储介质 | |
| CN115031755A (zh) | 自动驾驶车辆定位方法、装置及电子设备、存储介质 | |
| CN114754778B (zh) | 一种车辆定位方法以及装置、电子设备、存储介质 | |
| CN116625384B (zh) | 一种数据关联方法、装置及电子设备 | |
| CN114440861B (zh) | 交通综合杆的生成方法、装置及设备 | |
| CN116895061A (zh) | 车道线处理方法及装置 |
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 |