CN113822932B - 设备定位方法、装置、非易失性存储介质及处理器 - Google Patents

设备定位方法、装置、非易失性存储介质及处理器 Download PDF

Info

Publication number
CN113822932B
CN113822932B CN202111006190.4A CN202111006190A CN113822932B CN 113822932 B CN113822932 B CN 113822932B CN 202111006190 A CN202111006190 A CN 202111006190A CN 113822932 B CN113822932 B CN 113822932B
Authority
CN
China
Prior art keywords
sensing information
road element
pose
information
target
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
CN202111006190.4A
Other languages
English (en)
Other versions
CN113822932A (zh
Inventor
颜扬治
黄毅
林宝尉
傅文标
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.)
Ecarx Hubei Tech Co Ltd
Original Assignee
Ecarx Hubei Tech 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 Ecarx Hubei Tech Co Ltd filed Critical Ecarx Hubei Tech Co Ltd
Priority to CN202111006190.4A priority Critical patent/CN113822932B/zh
Publication of CN113822932A publication Critical patent/CN113822932A/zh
Application granted granted Critical
Publication of CN113822932B publication Critical patent/CN113822932B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/70—Determining position or orientation of objects or cameras
    • G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/11—Region-based segmentation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
    • G06T7/33—Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30248—Vehicle exterior or interior
    • G06T2207/30252—Vehicle exterior; Vicinity of vehicle

Abstract

本发明公开了一种设备定位方法、装置、非易失性存储介质及处理器。其中，该方法包括：根据预先确定的多种道路元素类型，将第一地图分割为和多种道路元素类型一一对应的多个第二地图；采集得到目标设备的第一传感信息，其中，第一传感信息为目标设备当前所处位置的道路传感信息；根据多种道路元素类型，将第一传感信息分割为多组和多种道路元素类型一一对应第二传感信息；根据多种道路元素类型，分别将同一道路元素类型对应的第二地图和第二传感信息进行配准，得到多个局部最优位姿；融合多个局部最优位姿，得到目标设备当前的全局最优位姿。本发明解决了相关技术中对设备定位的稳定性低、信息处理冗余度高的技术问题。

Description

设备定位方法、装置、非易失性存储介质及处理器
技术领域
本发明涉及实时定位领域，具体而言，涉及一种设备定位方法、装置、非易失性存储介质及处理器。
背景技术
定位技术是自动驾驶等机器人应用技术的基础和核心技术之一，为机器人或者车辆提供其当前所处的位置和姿态，即位姿信息。按定位原理，定位技术可以分为几何定位、航位推算、特征定位。
几何定位是对已知位置的参考设备进行测距或者测角，再通过几何计算确定自身位置。包括GNSS(Global navigation satellite system，全球卫星定位系统)、UWB(UltraWide Band)、蓝牙、5G等技术，提供绝对定位信息。GNSS定位基于卫星定位技术，分为单点定位、差分GPS定位、RTK(Real-time kinematic)GPS定位，不同定位方法精度不同。其局限性是依赖定位设施，受信号遮挡、反射等影响，在隧道、高架等场景下失效。
航位推算(Dead Reckoning)是从车辆的上一时刻位置出发，根据IMU(InertialMeasurement Unit，即惯性传感器)和轮速计等传感器的运动数据推算下一时刻的位置，提供的是相对定位信息。其局限性是随着推算距离的增加，定位误差会不断累积增大。
特征定位首先获取周围环境的若干特征，如基站ID、Wifi指纹、图像、Lidar点云等，然后将观测特征和事先建立的特征地图进行匹配，确定车辆在特征地图中的位置，可提供绝对定位信息。然而，其局限性在于当场景、环境等因素影响特征观测时，该方法的定位精度和稳定性下降，且需要处理的特征数据过于庞大，计算的冗余度很高，计算效率很低。
针对上述的问题，目前尚未提出有效的解决方案。
发明内容
本发明实施例提供了一种设备定位方法、装置、非易失性存储介质及处理器，以至少解决相关技术中对设备定位的稳定性低、信息处理冗余度高的技术问题。
根据本发明实施例的一个方面，提供了一种设备定位方法，包括：根据预先确定的多种道路元素类型，将第一地图分割为多个第二地图，其中，所述多个第二地图和所述多种道路元素类型一一对应；采集得到所述目标设备的第一传感信息，其中，所述第一传感信息为所述目标设备当前所处位置的道路传感信息；根据所述多种道路元素类型，将所述第一传感信息分割为多组第二传感信息，其中，所述多组第二传感信息和所述多种道路元素类型一一对应；根据所述多种道路元素类型，分别将同一道路元素类型对应的第二地图和第二传感信息进行配准，得到多个局部最优位姿，其中，所述多个局部最优位姿分别与所述多个道路元素类型一一对应；融合所述多个局部最优位姿，得到所述目标设备当前的全局最优位姿。
可选地，根据预先确定的多种道路元素类型，将第一地图分割为多个第二地图，包括：分割所述第一地图，得到所述第一地图包括的多个第一物体的信息；根据所述多种道路元素类型，识别所述多个第一物体，得到所述多个第一物体中的每个第一物体对应的道路元素类型；根据所述多个第一物体的信息和所述多个第一物体对应的道路元素类型，生成与所述多个道路元素类型对应的所述多个第二地图。
可选地，根据所述多种道路元素类型，将所述第一传感信息分割为多组第二传感信息，包括：分割所述第一传感信息，得到所述第一传感信息包括的多个第二物体的信息；根据所述多种道路元素类型，识别所述多个第二物体，得到所述多个第二物体中的每个第二物体对应的道路元素类型；根据所述多个第二物体对应的道路元素类型，归类所述多个第二物体的信息，得到与所述多个道路元素类型对应的所述多组第二传感信息。
可选地，根据所述多种道路元素类型，分别将同一道路元素类型对应的第二地图和第二传感信息进行配准，得到多个局部最优位姿，包括：确定目标道路元素类型对应的配准方法，其中，所述目标道路元素类型为所述多种道路元素类型中的任意一种道路元素类型；采用所述配准方法配准所述目标道路元素类型分别对应的所述第二地图和所述第二传感信息，得到目标局部最优位姿，其中，所述目标局部最优位姿为所述多个局部最优位姿中与所述目标道路元素类型对应的位姿。
可选地，在所述配准方法包括迭代优化方法的情况下，采用所述配准方法配准所述目标道路元素类型分别对应的所述第二地图和所述第二传感信息，得到目标局部最优位姿，包括：获取初始预测位姿，其中，所述初始预测位姿为全球导航卫星系统提供的所述目标设备的位姿；根据与所述目标道路元素类型分别对应的所述第二地图和所述第二传感信息，求解代价函数得到所述目标局部最优位姿，其中，所述代价函数如下：Cost Function＝|wPm-Twb×bPp|，Cost Function表示所述代价函数的函数值，wPm表示所述目标道路元素类型对应的第二地图，bPp表示所述目标道路元素类型对应的第二传感信息，Twb表示所述目标设备的位姿矩阵，且当该代价函数取到最小值时，Twb取到所述目标局部最优位姿。
可选地，上述方法还包括：采集所述目标设备在多个时刻的位姿信息和道路传感信息，得到所述历史位姿信息和所述历史传感信息，其中，所述历史传感信息为采用本体坐标系表达的信息；根据所述历史位姿信息，将所述历史传感信息变换为采用所述世界坐标系表达的信息；拼接所述历史传感信息，得到所述第一地图。
可选地，采集得到所述目标设备的第一传感信息，包括：使用多个传感器采集得到所述目标设备的原始传感信息，其中，所述原始传感信息为采用传感器坐标系表达的信息，所述多个传感器的类型包括以下至少之一：相机，激光雷达，毫米波雷达；根据所述多个传感器的外参，将所述原始传感信息转换为所述第一传感信息，其中，所述第一传感信息为采用所述本体坐标系表达的信息。
根据本发明实施例的另一方面，还提供了一种设备定位装置，包括：第一分割模块，用于根据预先确定的多种道路元素类型，将第一地图分割为多个第二地图，其中，所述多个第二地图和所述多种道路元素类型一一对应，所述第一地图根据目标设备的历史位姿信息和历史传感信息建立，所述历史位姿信息为所述目标设备在世界坐标系中的位姿；采集模块，用于采集得到所述目标设备的第一传感信息，其中，所述第一传感信息为所述目标设备当前所处位置的道路传感信息；第二分割模块，用于根据所述多种道路元素类型，将所述第一传感信息分割为多组第二传感信息，其中，所述多组第二传感信息和所述多种道路元素类型一一对应；配准模块，用于根据所述多种道路元素类型，分别将同一道路元素类型对应的第二地图和第二传感信息进行配准，得到多个局部最优位姿，其中，所述多个局部最优位姿分别与所述多个道路元素类型一一对应；融合模块，用于融合所述多个局部最优位姿，得到所述目标设备当前的全局最优位姿。
根据本发明实施例的又一方面，还提供了一种非易失性存储介质，所述非易失性存储介质包括存储的程序，其中，在所述程序运行时控制所述非易失性存储介质所在设备执行上述任意一项所述设备定位方法。
根据本发明实施例的再一方面，还提供了一种处理器，所述处理器用于运行程序，其中，所述程序运行时执行上述任意一项所述设备定位方法。
在本发明实施例中，采用根据预先确定的道路元素类型对目标设备的地图和传感信息进行分割的方式，通过根据道路元素类型将第一地图分割为多个第二地图，再根据道路元素类型将第一传感信息分割为多组第二传感信息，然后将对应相同道路元素类型的第二地图和第二传感信息进行配准得到多个局部最优位姿，融合多个局部最优位姿得到目标设备的全局最优位姿，达到了根据道路元素类型分别对地图和传感信息求解设备的当前位姿的目的，从而实现了提高对设备定位的稳定性、降低信息处理冗余度的技术效果，进而解决了相关技术中对设备定位的稳定性低、信息处理冗余度高的技术问题。
附图说明
此处所说明的附图用来提供对本发明的进一步理解，构成本申请的一部分，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：
图1是根据本发明实施例提供的一种设备定位方法的流程示意图；
图2是根据本发明可选实施方式的基于多层次信息的车辆定位方法的示意图；
图3是根据本发明实施例提供的一种设备定位装置的结构框图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分的实施例，而不是全部的实施例。基于本发明中的实施例，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，都应当属于本发明保护的范围。
需要说明的是，本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
首先，对本申请实施例进行描述的过程中出现的部分名词或者术语适用于如下解释：
世界坐标系，即world系，该坐标系与实际特定物理位置存在确定的固定位姿关系，比如地心地固直角坐标系等。
本体坐标系，即body系，该坐标系与机器人或车辆的自身某一部件存在固定位姿关系，例如，以机器人配备的IMU(惯性传感器)的坐标系作为该机器人的本体坐标系。
传感器坐标系，即sensor系，该坐标系与特定的传感器存在固定位姿关系。
外参，由特定的传感器坐标系变换到机器人或者车辆的本体坐标系的旋转平移矩阵，即两坐标系的转换关系。
结构特征，物体的一类特征，传感器探测环境中的物体时，所能识别的与物体的结构相关特征，以车道标识为例，结构特征可以包括该标识牌的轮廓、形状。
强度特征，物体的一类特征，在传感器探测环境中的物体时，该类特征会影响传感器信号的强度发生变化，以车道标识为例，强度特征可以包括该标识牌的反射率。
实施例1
根据本发明实施例，提供了一种设备定位的方法实施例，需要说明的是，在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。
图1是根据本发明实施例提供的设备定位方法的流程示意图，如图1所示，该方法包括如下步骤：
步骤S102，根据预先确定的多种道路元素类型，将第一地图分割为多个第二地图，其中，多个第二地图和多种道路元素类型一一对应。
本步骤中，目标设备可以为机器人，也可以为车辆，该类设备由于经常处于移动状态，因此需要对自身进行精确定位。以目标设备为车辆为例，车辆行驶的外部环境中包括多种多样的物体，上述预先确定的多种道路元素类型可以为对外部环境中的物体的分类。此外，第一地图可以为包括车辆外部的完整环境信息的完整地图，而多个第二地图可以为根据第一地图进行分割后得到的子地图，每个第二地图中可以包括与该第二地图对应的道路元素类型的外部环境信息。可选地，第一地图可以为采用世界坐标系进行表达的地图。
需要说明的是，多种道路元素类型为针对环境中的物体的分类，具体的分类方式或者分类依据可以包括多种，分类方式可以预先根据目标设备上安装的传感器的类型以及用户需求进行确定。例如，可以采用道路信息的道路元素类型作为分类依据，道路元素类型的分类原则可以为针对应用场景中具备稳定特征(不随外部因素或传感器特性变化的特征)的物体，按物体的不同种类来分类。比如在城市道路的自动驾驶应用场景中，可将物体分为路面标识信息(实线、虚线、箭头、文字等)、灯杆、路牌、交通灯、建筑物平面等多种道路元素类型。
步骤S104，采集得到目标设备的第一传感信息，其中，第一传感信息为目标设备当前所处位置的道路传感信息。可选地，可以使用至少一个传感器采集目标设备的第一传感信息，传感器采集到的第一传感信息为传感器坐标系下的数据信息。
步骤S106，根据多种道路元素类型，将第一传感信息分割为多组第二传感信息，其中，多组第二传感信息和多种道路元素类型一一对应。可选地，在多种道路元素类型的分类依据为应用场景中的物体的种类的情况下，每组第二传感信息可以为特定道路元素类型包括的物体的特征信息，例如道路标识牌的方位角度、距离、内容等。此外，还可以根据物体的特征的类型，对传感信息进一步划分得到更细化的道路元素类型，例如，可以进一步划分出道路标识牌的结构特征类信息和道路标识牌的强度特征类信息。
步骤S108，根据多种道路元素类型，分别将同一道路元素类型对应的第二地图和第二传感信息进行配准，得到多个局部最优位姿，其中，多个局部最优位姿分别与多个道路元素类型一一对应。
需要说明的是，局部最优位姿即根据与特定道路元素类型对应的第二地图和第二传感信息确定的目标设备在世界坐标系中最可能处于的位置，通过将地图中的物体信息与目标设备传感到的物体信息进行配准，得到该特定道路元素类型下的设备定位。
步骤S110，融合多个局部最优位姿，得到目标设备当前的全局最优位姿，即该目标设备在世界坐标系中所处的位置和姿态。通过融合处理多个局部最优位姿，得到最终的融合位姿即全局最优位姿的方案，因此降低了个别的道路元素类型对应的场景信息中的噪声的影响，提高了设备定位的鲁棒性。例如，当路面车道线发生较大变化的时候，根据其他道路元素类型的传感信息确定的车辆定位不受到影响，仍可以提供有效定位。
通过上述步骤，采用根据预先确定的道路元素类型对目标设备的地图和传感信息进行分割的方式，通过根据道路元素类型将第一地图分割为多个第二地图，再根据道路元素类型将第一传感信息分割为多组第二传感信息，然后将相同道路元素类型的第二地图和第二传感信息进行配准得到多个局部最优位姿，融合多个局部最优位姿得到目标设备的全局最优位姿，达到了根据道路元素类型分别对地图和传感信息求解设备的当前位姿的目的，从而实现了提高对设备定位的稳定性、降低信息处理冗余度的技术效果，进而解决了相关技术中对设备定位的稳定性低、信息处理冗余度高的技术问题。
作为一种可选的实施例，可以通过如下方式采集得到目标设备的第一传感信息：使用多个传感器采集得到目标设备的原始传感信息，其中，原始传感信息为采用传感器坐标系表达的信息，多个传感器的类型包括以下至少之一：相机，激光雷达，毫米波雷达；根据多个传感器的外参，将原始传感信息转换为第一传感信息，其中，第一传感信息为采用本体坐标系表达的信息。
原始传感信息为传感器坐标系下的数据信息，可以根据传感器的外参转换到目标设备的本体坐标系下，便于将多个传感器的道路传感信息统一表达。多个传感器可以是多个相同传感器的组合，比如多目相机，多个Lidar组合，多个毫米波雷达组合；也可以是多个不同类型的传感器的组合，比如相机、Lidar和毫米波雷达构成的组合。采用多传感器的目的是尽可能完整地获取目标设备当前所处位置的道路传感信息。同时，由于采用了多个、多类型的传感器来获取道路传感信息，因此处理上述信息容易产生冗余处理的问题，仅仅根据传感器通道来处理信息也无法取得良好的处理效果，例如，有的道路元素类型的道路传感信息在特定的传感器中无法采集到，此时没有必要在处理该传感器数据的时候额外处理该道路元素类型的道路传感信息。因此，本发明中采用了将应用场景中的物体以及物体的特征分道路元素类型的方式来处理该问题。
作为一种可选的实施例，分割第一地图之前，可以采用如下方式获取第一地图：采集目标设备在多个时刻的位姿信息和道路传感信息，得到历史位姿信息和历史传感信息，其中，历史传感信息为采用本体坐标系表达的信息；根据历史位姿信息，将历史传感信息变换为采用世界坐标系表达的信息；拼接历史传感信息，得到第一地图。
具体的，可以将每个时刻的道路传感信息，通过高精定位设备获取的相应的目标设备的位姿信息，由本体坐标系转换到世界坐标系中。在世界坐标系中，将不同时刻的道路传感信息叠加在一起，即获得完整的第一地图。
可选地，拼接传感信息得到地图与信息的坐标系变换的先后顺序可以根据具体情况确定。例如，可以通过高精度定位设备采集多个时刻中目标设备的位姿信息，以及通过传感器采集多个时刻的道路传感信息，建立第一地图。其中，高精度定位设备包括能够提供高精度的绝对位姿信息的设备，比如业内常用的span-cpt高精惯导，可以获取高精度的设备解算位姿，绝对位姿信息即目标设备在世界坐标系中的位姿。传感器采集的道路传感信息则为采用传感器坐标系表达的数据信息，可以先通过外参将其转换到本体坐标系下，然后在本体坐标系下将道路传感信息进行拼接，得到完整的本体坐标系下的地图。再根据各个时刻的目标设备的绝对位姿，将本体坐标系下的地图转换为世界坐标系下的地图，即可得到第一地图。
作为一种可选的实施例，根据预先确定的多种道路元素类型，将第一地图分割为多个第二地图，可以先分割第一地图，得到第一地图包括的多个第一物体的信息，其中，第一地图根据目标设备的历史位姿信息和历史传感信息建立，历史位姿信息为目标设备在世界坐标系中的位姿；然后根据多种道路元素类型，识别多个第一物体，得到多个第一物体中的每个第一物体对应的道路元素类型；最后根据多个第一物体的信息和多个第一物体对应的道路元素类型，生成与多个道路元素类型对应的多个第二地图。
例如，当多种道路元素类型中包括交通灯时，可以先将第一地图中的各个物体分割出来，然后将各个物体中的交通灯都识别出来，最后根据所有的交通灯的地图信息，生成只包含交通灯的第二地图，该第二地图中包括第一地图中所有的交通灯以及每个交通灯的特征信息。以此类推，将第一地图分割为了多个第二地图，每个第二地图与特定的道路元素类型对应。
可选地，第二地图以按照道路元素类型的方式存储道路信息，各道路元素类型对应的第二地图在逻辑上分别存储。将第一地图按照道路元素类型分割为第二地图的方法可以包括自动的检测、分割、识别方法，除此之外可以加入一定的人工校验。加入人工校验的目的是弥补自动算法的不足，保证地图的高质量。具体的，逻辑上分别存储可以包括如下实施方式：比如可以是在内存中，将多个第二地图的数据信息分别存储在不同的数组中；也可以是在磁盘上，分别存储在不同的磁盘序列中。
作为一种可选的实施例，根据多种道路元素类型，将第一传感信息分割为多组第二传感信息，可以采用如下方式：分割第一传感信息，得到第一传感信息包括的多个第二物体的信息；根据多种道路元素类型，识别多个第二物体，得到多个第二物体中的每个第二物体对应的道路元素类型；根据多个第二物体对应的道路元素类型，归类多个第二物体的信息，得到与多个道路元素类型对应的多组第二传感信息。可以采用类似于分割第一地图的方法分割第一传感信息，以将目标设备当前所处位置的道路传感信息按照道路元素类型分别处理，此处的道路元素类型与分割第一地图的道路元素类型是相同的定义方式。具体而言，可以采用检测、分割、识别方法，将道路传感信息的各个部分分割并得到对应道路元素类型的信息；然后按照预先确定的多个道路元素类型，将不同的道路传感信息分到各个道路元素类型中，得到多组第二传感信息。
作为一种可选的实施例，根据多种道路元素类型，可以采用如下方式分别将同一道路元素类型对应的第二地图和第二传感信息进行配准，得到多个局部最优位姿：确定目标道路元素类型对应的配准方法，其中，目标道路元素类型为多种道路元素类型中的任意一种道路元素类型；采用配准方法配准目标道路元素类型分别对应的第二地图和第二传感信息，得到目标局部最优位姿，其中，目标局部最优位姿为多个局部最优位姿中与目标道路元素类型对应的位姿。
本实施例中所述的配准是各个道路元素类型上并行进行的，各个道路元素类型的配准过程相互独立，因此可以根据不同道路元素类型的特征信息的不同特点，采用不同配准方法、配准参数等。配准方法可以是滤波方法，比如贝叶斯滤波，也可以是优化方法，比如最小二乘优化。
以城市道路中采用单Lidar传感器为例。对路沿、灯杆、建筑物等道路元素类型，可以使用其结构化特征进行配准定位。而对路面标识等具有反射特征的道路元素类型，可以使用结构特征和强度特征进行配准定位。再以城市道路中采用相机+Lidar+毫米波雷达的组合传感器方案为例，从传感器观测的角度而言，对于灯杆、路牌等同时具有2D结构特征、3D结构特征、金属材质的物体，其特征可以被相机、Lidar和毫米波雷达同时观测到，并且观测质量较高，因此可以获得更高的观测置信水平，相应的定位结果也会更加精确。对于路面标识，只有相机和Lidar可以观测到，导致观测置信水平相应较低。对于路沿等无明显纹理特征的结构，只有Lidar可以提供可靠观测。即不同场景道路元素类型，由于其自身特性以及传感器特性，具有不同的观测水平。因此，可以在分道路元素类型的配准定位的过程中相互独立，采用不同的配准方法并行处理。
作为一种可选的实施例，在配准方法包括迭代优化方法的情况下，可以通过如下方式采用配准方法配准目标道路元素类型分别对应的第二地图和第二传感信息，得到目标局部最优位姿：获取初始预测位姿，其中，初始预测位姿为全球导航卫星系统提供的目标设备的位姿；根据与目标道路元素类型分别对应的第二地图和第二传感信息，求解代价函数得到目标局部最优位姿，其中，代价函数如下：Cost Function＝|wPm-Twb×bPp|，CostFunction表示代价函数的函数值，wPm表示目标道路元素类型对应的第二地图，bPp表示目标道路元素类型对应的第二传感信息，Twb表示目标设备的位姿矩阵，且当该代价函数取到最小值时，Twb取到目标局部最优位姿。
需要说明的是，初始预测位姿为目标设备在世界坐标系中的预测位姿，可以由GNSS提供，这里的位姿信息，即包括目标设备的x、y、z、roll、pitch、yaw共6个维度的位姿数据。GNSS可以给出一个车辆的本体坐标系在世界坐标系的位姿信息，这个位姿精度是没有保证的，所以叫初始预测位姿。代价函数的公式中，待求解的位姿Twb以初始预测位姿为初值，通过优化迭代获取使代价函数的值取到最小，此时的位姿Twb即为目标局部最优位姿，意味着采用此位姿时，地图信息与传感器的观测信息最接近，该目标局部最优位姿最可能为目标设备此时所处的位置和姿态。
特征定位技术在自动驾驶等机器人技术领域广泛应用。如前所述，特征定位的局限性包括因为场景、环境等因素影响特征观测时，定位精度和稳定性下降。为了解决这一问题，通常的技术手段是使用多传感器的方案。例如，可使用多个相同传感器的方案，比如使用多个相机，为机器人提供360度的视角，以避免单一相机视角的遮挡、逆光等问题。然而，随着传感器观测视角的增大，传感器观测到的信息增多，潜在问题是信息处理负担增大。或者，使用不同的传感器融合的方案，如使用Lidar和相机相结合，结合了不同传感器的不同特性。这种方法结合了不同传感器的不同特性，但同一传感器数据采用同一方法进行处理，忽略了场景中的不同物体以及相同物体的不同特征的不同特性。另外，多个传感器往往提供了对于同一时刻同一场景特征的多个观测，不同类型传感器信息的分别处理实际上存在大量冗余操作。
针对上述问题，本发明可选实施方式提出了一种基于多层次信息的车辆定位方法。
图2是根据本发明可选实施方式的基于多层次信息的车辆定位方法的示意图，如图2所示，该方法根据层次的分类规则，将地图分为多个地图层次，再将多传感器获取的场景特征信息分为不同层次，使用不同层次的地图和特征信息并行进行独立的定位，最后将各层次定位结果进行融合，获取车辆最终的定位效果。该方法的优点是将多传感器获取场景特征信息分层次进行定位处理，充分发掘不同层次场景信息的不同特点，同时避免对同一层次场景信息进行冗余重复操作。另外，多层次信息以并行独立的方式进行处理，具有高效、独立、可扩展的优点，最后对多层次定位结果融合，具有鲁棒性高的优点。
图2中，“层次”一词与本发明中的道路元素类型的含义相同，代表环境中的物体的分类。根据预先确定的道路元素类型，可以将地图分割为多个地图层次，也可以将多个传感器的观测信息分割为多个层次，即图中的观测层次1、观测层次2等。然后，可以将相同层次的地图和观测信息进行配准，得到多个配准结果，各个层次的配准结果包括位姿和协方差信息。之后，可以将分层次的位姿和协方差信息进行融合处理。例如可以采用扩展卡尔曼滤波等方法，以获取最终的融合位姿和协方差。以扩展卡尔曼滤波方法为例，首先将分层次位姿和协方差中取出任意一个位姿T1和协方差C1，作为预测值(位姿和协方差)；然后将其他的分层次位姿和协方差，作为观测值(位姿和协方差)，依次加入到扩展卡尔曼滤波器中，融合获取最终的融合位姿和协方差。
此外，在获取了融合位姿和协方差之后，还可以将当前时刻的融合位姿结合运动模型推算，得到下一时刻的预测位姿，作为求解下一时刻的位姿的初始预测位姿，从而使该定位方法可以持续运行。在第一次获取融合位姿之前，可以采用GNSS的位姿作为初始预测位姿。这里所述的运动模型可以根据车辆的具体配置确定，比如单轮模型(unicyclemodel)、差速模型(Differentially-drive)、汽车模型(Car-Like Mobile)等。运动模型提供了带噪声的上一时刻到当前时刻的位姿变化量，因此上一时刻的融合位姿，结合运动模型，即可获取当前时刻的初始预测位姿。
实施例2
根据本发明实施例，还提供了一种用于实施上述设备定位方法的设备定位装置，图3是根据本发明实施例提供的设备定位装置的结构框图，如图3所示，该设备定位装置包括：第一分割模块302，采集模块304，第二分割模块306，配准模块308和融合模块310，下面对该设备定位装置进行说明。
第一分割模块302，用于根据预先确定的多种道路元素类型，将第一地图分割为多个第二地图，其中，多个第二地图和多种道路元素类型一一对应；
采集模块304，连接于上述第一分割模块302，用于采集得到目标设备的第一传感信息，其中，第一传感信息为目标设备当前所处位置的道路传感信息；
第二分割模块306，连接于上述采集模块304，用于根据多种道路元素类型，将第一传感信息分割为多组第二传感信息，其中，多组第二传感信息和多种道路元素类型一一对应；
配准模块308，连接于上述第二分割模块306，用于根据多种道路元素类型，分别将同一道路元素类型对应的第二地图和第二传感信息进行配准，得到多个局部最优位姿，其中，多个局部最优位姿分别与多个道路元素类型一一对应；
融合模块310，连接于上述配准模块308，用于融合多个局部最优位姿，得到目标设备当前的全局最优位姿。
此处需要说明的是，上述第一分割模块302，采集模块304，第二分割模块306，配准模块308和融合模块310对应于实施例1中的步骤S102至步骤S110，多个模块与对应的步骤所实现的实例和应用场景相同，但不限于上述实施例1所公开的内容。
实施例3
本发明的实施例可以提供一种计算机设备，可选地，在本实施例中，上述计算机设备可以位于计算机网络的多个网络设备中的至少一个网络设备。该计算机设备包括存储器和处理器。
其中，存储器可用于存储软件程序以及模块，如本发明实施例中的设备定位方法和装置对应的程序指令/模块，处理器通过运行存储在存储器内的软件程序以及模块，从而执行各种功能应用以及数据处理，即实现上述的设备定位方法。存储器可包括高速随机存储器，还可以包括非易失性存储器，如一个或者多个磁性存储装置、闪存、或者其他非易失性固态存储器。在一些实例中，存储器可进一步包括相对于处理器远程设置的存储器，这些远程存储器可以通过网络连接至计算机终端。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
处理器可以通过传输装置调用存储器存储的信息及应用程序，以执行下述步骤：根据预先确定的多种道路元素类型，将第一地图分割为多个第二地图，其中，多个第二地图和多种道路元素类型一一对应；采集得到目标设备的第一传感信息，其中，第一传感信息为目标设备当前所处位置的道路传感信息；根据多种道路元素类型，将第一传感信息分割为多组第二传感信息，其中，多组第二传感信息和多种道路元素类型一一对应；根据多种道路元素类型，分别将同一道路元素类型对应的第二地图和第二传感信息进行配准，得到多个局部最优位姿，其中，多个局部最优位姿分别与多个道路元素类型一一对应；融合多个局部最优位姿，得到目标设备当前的全局最优位姿。
可选的，上述处理器还可以执行如下步骤的程序代码：根据预先确定的多种道路元素类型，将第一地图分割为多个第二地图，包括：分割第一地图，得到第一地图包括的多个第一物体的信息；根据多种道路元素类型，识别多个第一物体，得到多个第一物体中的每个第一物体对应的道路元素类型；根据多个第一物体的信息和多个第一物体对应的道路元素类型，生成与多个道路元素类型对应的多个第二地图。
可选的，上述处理器还可以执行如下步骤的程序代码：根据多种道路元素类型，将第一传感信息分割为多组第二传感信息，包括：分割第一传感信息，得到第一传感信息包括的多个第二物体的信息；根据多种道路元素类型，识别多个第二物体，得到多个第二物体中的每个第二物体对应的道路元素类型；根据多个第二物体对应的道路元素类型，归类多个第二物体的信息，得到与多个道路元素类型对应的多组第二传感信息。
可选的，上述处理器还可以执行如下步骤的程序代码：根据多种道路元素类型，分别将同一道路元素类型对应的第二地图和第二传感信息进行配准，得到多个局部最优位姿，包括：确定目标道路元素类型对应的配准方法，其中，目标道路元素类型为多种道路元素类型中的任意一种道路元素类型；采用配准方法配准目标道路元素类型分别对应的第二地图和第二传感信息，得到目标局部最优位姿，其中，目标局部最优位姿为多个局部最优位姿中与目标道路元素类型对应的位姿。
可选的，上述处理器还可以执行如下步骤的程序代码：在配准方法包括迭代优化方法的情况下，采用配准方法配准目标道路元素类型分别对应的第二地图和第二传感信息，得到目标局部最优位姿，包括：获取初始预测位姿，其中，初始预测位姿为全球导航卫星系统提供的目标设备的位姿；根据与目标道路元素类型分别对应的第二地图和第二传感信息，求解代价函数得到目标局部最优位姿，其中，代价函数如下：Cost Function＝|wPm-Twb×bPp|，Cost Function表示代价函数的函数值，wPm表示目标道路元素类型对应的第二地图，bPp表示目标道路元素类型对应的第二传感信息，Twb表示目标设备的位姿矩阵，且当该代价函数取到最小值时，Twb取到目标局部最优位姿。
可选的，上述处理器还可以执行如下步骤的程序代码：采集目标设备在多个时刻的位姿信息和道路传感信息，得到历史位姿信息和历史传感信息，其中，历史传感信息为采用本体坐标系表达的信息；根据历史位姿信息，将历史传感信息变换为采用世界坐标系表达的信息；拼接历史传感信息，得到第一地图。
可选的，上述处理器还可以执行如下步骤的程序代码：采集得到目标设备的第一传感信息，包括：使用多个传感器采集得到目标设备的原始传感信息，其中，原始传感信息为采用传感器坐标系表达的信息，多个传感器的类型包括以下至少之一：相机，激光雷达，毫米波雷达；根据多个传感器的外参，将原始传感信息转换为第一传感信息，其中，第一传感信息为采用本体坐标系表达的信息。
本领域普通技术人员可以理解上述实施例的各种方法中的全部或部分步骤是可以通过程序来指令终端设备相关的硬件来完成，该程序可以存储于一非易失性存储介质中，存储介质可以包括：闪存盘、只读存储器(Read-Only Memory，ROM)、随机存取器(RandomAccess Memory，RAM)、磁盘或光盘等。
实施例4
本发明的实施例还提供了一种非易失性存储介质。可选地，在本实施例中，上述非易失性存储介质可以用于保存上述实施例1所提供的设备定位方法所执行的程序代码。
可选地，在本实施例中，上述非易失性存储介质可以位于计算机网络中计算机终端群中的任意一个计算机终端中，或者位于移动终端群中的任意一个移动终端中。
可选地，在本实施例中，非易失性存储介质被设置为存储用于执行以下步骤的程序代码：根据预先确定的多种道路元素类型，将第一地图分割为多个第二地图，其中，多个第二地图和多种道路元素类型一一对应；采集得到目标设备的第一传感信息，其中，第一传感信息为目标设备当前所处位置的道路传感信息；根据多种道路元素类型，将第一传感信息分割为多组第二传感信息，其中，多组第二传感信息和多种道路元素类型一一对应；根据多种道路元素类型，分别将同一道路元素类型对应的第二地图和第二传感信息进行配准，得到多个局部最优位姿，其中，多个局部最优位姿分别与多个道路元素类型一一对应；融合多个局部最优位姿，得到目标设备当前的全局最优位姿。
可选地，在本实施例中，非易失性存储介质被设置为存储用于执行以下步骤的程序代码：根据预先确定的多种道路元素类型，将第一地图分割为多个第二地图，包括：分割第一地图，得到第一地图包括的多个第一物体的信息；根据多种道路元素类型，识别多个第一物体，得到多个第一物体中的每个第一物体对应的道路元素类型；根据多个第一物体的信息和多个第一物体对应的道路元素类型，生成与多个道路元素类型对应的多个第二地图。
可选地，在本实施例中，非易失性存储介质被设置为存储用于执行以下步骤的程序代码：根据多种道路元素类型，将第一传感信息分割为多组第二传感信息，包括：分割第一传感信息，得到第一传感信息包括的多个第二物体的信息；根据多种道路元素类型，识别多个第二物体，得到多个第二物体中的每个第二物体对应的道路元素类型；根据多个第二物体对应的道路元素类型，归类多个第二物体的信息，得到与多个道路元素类型对应的多组第二传感信息。
可选地，在本实施例中，非易失性存储介质被设置为存储用于执行以下步骤的程序代码：根据多种道路元素类型，分别将同一道路元素类型对应的第二地图和第二传感信息进行配准，得到多个局部最优位姿，包括：确定目标道路元素类型对应的配准方法，其中，目标道路元素类型为多种道路元素类型中的任意一种道路元素类型；采用配准方法配准目标道路元素类型分别对应的第二地图和第二传感信息，得到目标局部最优位姿，其中，目标局部最优位姿为多个局部最优位姿中与目标道路元素类型对应的位姿。
可选地，在本实施例中，非易失性存储介质被设置为存储用于执行以下步骤的程序代码：在配准方法包括迭代优化方法的情况下，采用配准方法配准目标道路元素类型分别对应的第二地图和第二传感信息，得到目标局部最优位姿，包括：获取初始预测位姿，其中，初始预测位姿为全球导航卫星系统提供的目标设备的位姿；根据与目标道路元素类型分别对应的第二地图和第二传感信息，求解代价函数得到目标局部最优位姿，其中，代价函数如下：Cost Function＝|wPm-Twb×bPp|，Cost Function表示代价函数的函数值，wPm表示目标道路元素类型对应的第二地图，bPp表示目标道路元素类型对应的第二传感信息，Twb表示目标设备的位姿矩阵，且当该代价函数取到最小值时，Twb取到目标局部最优位姿。
可选地，在本实施例中，非易失性存储介质被设置为存储用于执行以下步骤的程序代码：采集目标设备在多个时刻的位姿信息和道路传感信息，得到历史位姿信息和历史传感信息，其中，历史传感信息为采用本体坐标系表达的信息；根据历史位姿信息，将历史传感信息变换为采用世界坐标系表达的信息；拼接历史传感信息，得到第一地图。
可选地，在本实施例中，非易失性存储介质被设置为存储用于执行以下步骤的程序代码：采集得到目标设备的第一传感信息，包括：使用多个传感器采集得到目标设备的原始传感信息，其中，原始传感信息为采用传感器坐标系表达的信息，多个传感器的类型包括以下至少之一：相机，激光雷达，毫米波雷达；根据多个传感器的外参，将原始传感信息转换为第一传感信息，其中，第一传感信息为采用本体坐标系表达的信息。
上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。
在本发明的上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其他实施例的相关描述。
在本申请所提供的几个实施例中，应该理解到，所揭露的技术内容，可通过其它的方式实现。其中，以上所描述的装置实施例仅仅是示意性的，例如所述单元的划分，可以为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，单元或模块的间接耦合或通信连接，可以是电性或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个非易失性取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可为个人计算机、服务器或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。

Claims (10)

1.一种设备定位方法，其特征在于，包括：
根据预先确定的多种道路元素类型，将第一地图分割为多个第二地图，其中，所述多个第二地图和所述多种道路元素类型一一对应；
采集得到目标设备的第一传感信息，其中，所述第一传感信息为所述目标设备当前所处位置的道路传感信息；
根据所述多种道路元素类型，将所述第一传感信息分割为多组第二传感信息，其中，所述多组第二传感信息和所述多种道路元素类型一一对应；
根据所述多种道路元素类型，分别将同一道路元素类型对应的第二地图和第二传感信息进行配准，得到多个局部最优位姿，其中，所述多个局部最优位姿分别与所述多个道路元素类型一一对应；
融合所述多个局部最优位姿，得到所述目标设备当前的全局最优位姿。
2.根据权利要求1所述的方法，其特征在于，根据预先确定的多种道路元素类型，将第一地图分割为多个第二地图，包括：
分割所述第一地图，得到所述第一地图包括的多个第一物体的信息，其中，所述第一地图根据所述目标设备的历史位姿信息和历史传感信息建立，所述历史位姿信息为所述目标设备在世界坐标系中的位姿；
根据所述多种道路元素类型，识别所述多个第一物体，得到所述多个第一物体中每个第一物体对应的道路元素类型；
根据所述多个第一物体的信息和所述多个第一物体对应的道路元素类型，生成与所述多个道路元素类型对应的所述多个第二地图。
3.根据权利要求1所述的方法，其特征在于，根据所述多种道路元素类型，将所述第一传感信息分割为多组第二传感信息，包括：
分割所述第一传感信息，得到所述第一传感信息包括的多个第二物体的信息；
根据所述多种道路元素类型，识别所述多个第二物体，得到所述多个第二物体中每个第二物体对应的道路元素类型；
根据所述多个第二物体对应的道路元素类型，归类所述多个第二物体的信息，得到与所述多个道路元素类型对应的所述多组第二传感信息。
4.根据权利要求1所述的方法，其特征在于，根据所述多种道路元素类型，分别将同一道路元素类型对应的第二地图和第二传感信息进行配准，得到多个局部最优位姿，包括：
确定目标道路元素类型对应的配准方法，其中，所述目标道路元素类型为所述多种道路元素类型中的任意一种道路元素类型；
采用所述配准方法配准所述目标道路元素类型分别对应的所述第二地图和所述第二传感信息，得到目标局部最优位姿，其中，所述目标局部最优位姿为所述多个局部最优位姿中与所述目标道路元素类型对应的位姿。
5.根据权利要求4所述的方法，其特征在于，在所述配准方法包括迭代优化方法的情况下，采用所述配准方法配准所述目标道路元素类型分别对应的所述第二地图和所述第二传感信息，得到目标局部最优位姿，包括：
获取初始预测位姿，其中，所述初始预测位姿为全球导航卫星系统提供的所述目标设备的位姿；
根据与所述目标道路元素类型分别对应的所述第二地图和所述第二传感信息，求解代价函数得到所述目标局部最优位姿，其中，所述代价函数如下：
Cost Function＝|wPm-Twb×bPp|
Cost Function表示所述代价函数的函数值，wPm表示所述目标道路元素类型对应的第二地图，bPp表示所述目标道路元素类型对应的第二传感信息，Twb表示所述目标设备的位姿矩阵，且当该代价函数取到最小值时，Twb取到所述目标局部最优位姿。
6.根据权利要求1至5中任意一项所述的方法，其特征在于，还包括：
采集所述目标设备在多个时刻的位姿信息和道路传感信息，得到历史位姿信息和历史传感信息，其中，所述历史传感信息为采用本体坐标系表达的信息；
根据所述历史位姿信息，将所述历史传感信息变换为采用世界坐标系表达的信息；
拼接所述历史传感信息，得到所述第一地图。
7.根据权利要求6所述的方法，其特征在于，采集得到所述目标设备的第一传感信息，包括：
使用多个传感器采集得到所述目标设备的原始传感信息，其中，所述原始传感信息为采用传感器坐标系表达的信息，所述多个传感器的类型包括以下至少之一：相机，激光雷达，毫米波雷达；
根据所述多个传感器的外参，将所述原始传感信息转换为所述第一传感信息，其中，所述第一传感信息为采用所述本体坐标系表达的信息。
8.一种设备定位装置，其特征在于，包括：
第一分割模块，用于根据预先确定的多种道路元素类型，将第一地图分割为多个第二地图，其中，所述多个第二地图和所述多种道路元素类型一一对应，所述第一地图根据目标设备的历史位姿信息和历史传感信息建立，所述历史位姿信息为所述目标设备在世界坐标系中的位姿；
采集模块，用于采集得到所述目标设备的第一传感信息，其中，所述第一传感信息为所述目标设备当前所处位置的道路传感信息；
第二分割模块，用于根据所述多种道路元素类型，将所述第一传感信息分割为多组第二传感信息，其中，所述多组第二传感信息和所述多种道路元素类型一一对应；
配准模块，用于根据所述多种道路元素类型，分别将同一道路元素类型对应的第二地图和第二传感信息进行配准，得到多个局部最优位姿，其中，所述多个局部最优位姿分别与所述多个道路元素类型一一对应；
融合模块，用于融合所述多个局部最优位姿，得到所述目标设备当前的全局最优位姿。
9.一种非易失性存储介质，其特征在于，所述非易失性存储介质包括存储的程序，其中，在所述程序运行时控制所述非易失性存储介质所在设备执行权利要求1至7中任意一项所述设备定位方法。
10.一种处理器，其特征在于，所述处理器用于运行程序，其中，所述程序运行时执行权利要求1至7中任意一项所述设备定位方法。
CN202111006190.4A 2021-08-30 2021-08-30 设备定位方法、装置、非易失性存储介质及处理器 Active CN113822932B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111006190.4A CN113822932B (zh) 2021-08-30 2021-08-30 设备定位方法、装置、非易失性存储介质及处理器

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111006190.4A CN113822932B (zh) 2021-08-30 2021-08-30 设备定位方法、装置、非易失性存储介质及处理器

Publications (2)

Publication Number Publication Date
CN113822932A CN113822932A (zh) 2021-12-21
CN113822932B true CN113822932B (zh) 2023-08-18

Family

ID=78923553

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111006190.4A Active CN113822932B (zh) 2021-08-30 2021-08-30 设备定位方法、装置、非易失性存储介质及处理器

Country Status (1)

Country Link
CN (1) CN113822932B (zh)

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110675457A (zh) * 2019-09-27 2020-01-10 Oppo广东移动通信有限公司 定位方法及装置、设备、存储介质
CN110728717A (zh) * 2019-09-27 2020-01-24 Oppo广东移动通信有限公司 定位方法及装置、设备、存储介质
CN111045017A (zh) * 2019-12-20 2020-04-21 成都理工大学 一种激光和视觉融合的巡检机器人变电站地图构建方法
WO2020133415A1 (en) * 2018-12-29 2020-07-02 Beijing Didi Infinity Technology And Development Co., Ltd. Systems and methods for constructing a high-definition map based on landmarks
CN111522043A (zh) * 2020-04-30 2020-08-11 北京联合大学 一种无人车激光雷达快速重新匹配定位方法
CN112069856A (zh) * 2019-06-10 2020-12-11 商汤集团有限公司 地图生成方法、驾驶控制方法、装置、电子设备及系统
WO2021104180A1 (zh) * 2019-11-29 2021-06-03 上海商汤临港智能科技有限公司 地图生成方法、定位方法、装置、设备、存储介质及计算机程序
CN113252022A (zh) * 2020-02-11 2021-08-13 北京图森智途科技有限公司 一种地图数据处理方法及装置

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2020133415A1 (en) * 2018-12-29 2020-07-02 Beijing Didi Infinity Technology And Development Co., Ltd. Systems and methods for constructing a high-definition map based on landmarks
CN112069856A (zh) * 2019-06-10 2020-12-11 商汤集团有限公司 地图生成方法、驾驶控制方法、装置、电子设备及系统
CN110675457A (zh) * 2019-09-27 2020-01-10 Oppo广东移动通信有限公司 定位方法及装置、设备、存储介质
CN110728717A (zh) * 2019-09-27 2020-01-24 Oppo广东移动通信有限公司 定位方法及装置、设备、存储介质
WO2021104180A1 (zh) * 2019-11-29 2021-06-03 上海商汤临港智能科技有限公司 地图生成方法、定位方法、装置、设备、存储介质及计算机程序
CN111045017A (zh) * 2019-12-20 2020-04-21 成都理工大学 一种激光和视觉融合的巡检机器人变电站地图构建方法
CN113252022A (zh) * 2020-02-11 2021-08-13 北京图森智途科技有限公司 一种地图数据处理方法及装置
CN111522043A (zh) * 2020-04-30 2020-08-11 北京联合大学 一种无人车激光雷达快速重新匹配定位方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
面向认知地图的视觉定位系统;田环根;《硕士论文电子期刊》;全文 *

Also Published As

Publication number Publication date
CN113822932A (zh) 2021-12-21

Similar Documents

Publication Publication Date Title
US11217012B2 (en) System and method for identifying travel way features for autonomous vehicle motion control
EP3519770B1 (en) Methods and systems for generating and using localisation reference data
US11874119B2 (en) Traffic boundary mapping
EP3497405B1 (en) System and method for precision localization and mapping
CN111928862A (zh) 利用激光雷达和视觉传感器融合在线构建语义地图的方法
WO2020165650A2 (en) Systems and methods for vehicle navigation
CN111169468B (zh) 一种自动泊车的系统及方法
KR20190069384A (ko) 자율 주행을 위한 스파스 맵(sparse map)의 크라우드소싱과 배포 및 차선 측정
CN113673282A (zh) 目标检测方法和装置
CN112740225B (zh) 一种路面要素确定方法及装置
CN108428254A (zh) 三维地图的构建方法及装置
CN113822932B (zh) 设备定位方法、装置、非易失性存储介质及处理器
CN111754388A (zh) 一种建图方法及车载终端
CN115345944A (zh) 外参标定参数确定方法、装置、计算机设备和存储介质
CN115273015A (zh) 一种预测方法、装置、智能驾驶系统和车辆
CN112907659A (zh) 移动设备定位系统、方法及设备
CN112880692A (zh) 地图数据标注方法及装置、存储介质
CN112530270A (zh) 一种基于区域分配的建图方法及装置
CN117576652B (zh) 道路对象的识别方法、装置和存储介质及电子设备
CN113390422B (zh) 汽车的定位方法、装置及计算机存储介质
US20220284623A1 (en) Framework For 3D Object Detection And Depth Prediction From 2D Images
US20230237679A1 (en) Aligning geodata graph over electronic maps
Luo Real time multi-sensor data acquisition and processing for a road mapping system
Hellinckx Lane Marking Detection Using LiDAR Sensor
WO2023141090A1 (en) Aligning geodata graph over electronic maps

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
TA01 Transfer of patent application right
TA01 Transfer of patent application right

Effective date of registration: 20220322

Address after: 430051 No. b1336, chuanggu startup area, taizihu cultural Digital Creative Industry Park, No. 18, Shenlong Avenue, Wuhan Economic and Technological Development Zone, Hubei Province

Applicant after: Yikatong (Hubei) Technology Co.,Ltd.

Address before: 430056 building B (qdxx-f7b), No.7 building, qiedixiexin science and Technology Innovation Park, South taizihu innovation Valley, Wuhan Economic and Technological Development Zone, Hubei Province

Applicant before: HUBEI ECARX TECHNOLOGY Co.,Ltd.

GR01 Patent grant
GR01 Patent grant