CN113899375A - 车辆定位方法和装置、存储介质及电子设备 - Google Patents

车辆定位方法和装置、存储介质及电子设备 Download PDF

Info

Publication number
CN113899375A
CN113899375A CN202111503531.9A CN202111503531A CN113899375A CN 113899375 A CN113899375 A CN 113899375A CN 202111503531 A CN202111503531 A CN 202111503531A CN 113899375 A CN113899375 A CN 113899375A
Authority
CN
China
Prior art keywords
vehicle
target vehicle
lane
information
positioning
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.)
Granted
Application number
CN202111503531.9A
Other languages
English (en)
Other versions
CN113899375B (zh
Inventor
苏景岚
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.)
Tencent Technology Shenzhen Co Ltd
Original Assignee
Tencent Technology Shenzhen 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 Tencent Technology Shenzhen Co Ltd filed Critical Tencent Technology Shenzhen Co Ltd
Priority to CN202111503531.9A priority Critical patent/CN113899375B/zh
Publication of CN113899375A publication Critical patent/CN113899375A/zh
Application granted granted Critical
Publication of CN113899375B publication Critical patent/CN113899375B/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
    • G01C21/26—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
    • 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
    • G01S19/00—Satellite radio beacon positioning systems; Determining position, velocity or attitude using signals transmitted by such systems
    • G01S19/38—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system
    • G01S19/39—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system the satellite radio beacon positioning system transmitting time-stamped messages, e.g. GPS [Global Positioning System], GLONASS [Global Orbiting Navigation Satellite System] or GALILEO
    • G01S19/42—Determining position
    • G01S19/48—Determining position by combining or switching between position solutions derived from the satellite radio beacon positioning system and position solutions derived from a further system

Landscapes

  • Engineering & Computer Science (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Automation & Control Theory (AREA)
  • Navigation (AREA)

Abstract

本发明公开了一种车辆定位方法和装置、存储介质及电子设备。其中，该方法可以应用于交通领域，包括：从目标车辆的车载影像数据中识别出目标车辆当前所在车道的车道信息；获取对目标车辆进行姿态测量后得到的车辆姿态信息；利用车辆姿态信息及对目标车辆进行观测得到的卫星观测信息，确定与目标车辆对应的车辆融合定位滤波器参数的参数值；基于车道信息、车辆姿态信息及车辆融合定位滤波器参数的参数值，对目标车辆的当前行驶位置及当前运动状态进行修正；根据修正后的结果确定目标车辆的目标定位位置。本发明解决了现有车辆定位方法存在定位准确性较低的技术问题。

Description

车辆定位方法和装置、存储介质及电子设备
技术领域
本发明涉及车辆控制领域，具体而言，涉及一种车辆定位方法和装置、存储介质及电子设备。
背景技术
由于近年来的交通事故发生地愈加频繁，因而对行驶中的车辆实现精准定位，就成为越来越多的车载设备制造商关注的重要内容。
在技术发展有限的条件下，常常是基于车辆内的车载定位设备基于道路地图来完成车辆定位。如今随着卫星导航技术的发展，车载设备开始融合卫星观测数据来辅助车辆进行定位，以确保车辆得以安全行驶。
然而，在弱卫星信号场景等复杂场景下，由于所需观测数据的不全面，从而使得车辆的定位结果出现位置漂移，导致定位准确性较低的问题。
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车辆定位方法和装置、存储介质及电子设备，以至少解决现有车辆定位方法存在定位准确性较低的技术问题。
根据本发明实施例的一个方面，提供了一种车辆定位方法，包括：从目标车辆的车载影像数据中识别出目标车辆当前所在车道的车道信息；获取对目标车辆进行姿态测量后得到的车辆姿态信息；利用车辆姿态信息及对目标车辆进行观测得到的卫星观测信息，确定与目标车辆对应的车辆融合定位滤波器参数的参数值；基于车道信息、车辆姿态信息及车辆融合定位滤波器参数的参数值，对目标车辆的当前行驶位置及当前运动状态进行修正；根据修正后的结果确定目标车辆的目标定位位置。
根据本发明实施例的另一方面，还提供了一种车辆定位装置，包括：车道识别单元，用于从目标车辆的车载影像数据中识别出目标车辆当前所在车道的车道信息；姿态获取单元，用于获取对目标车辆进行姿态测量后得到的车辆姿态信息；参数确定单元，用于利用车辆姿态信息及对目标车辆进行观测得到的卫星观测信息，确定与目标车辆对应的车辆融合定位滤波器参数的参数值；修正单元，用于基于车道信息、车辆姿态信息及车辆融合定位滤波器参数的参数值，对目标车辆的当前行驶位置及当前运动状态进行修正；定位单元，用于根据修正后的结果确定目标车辆的目标定位位置。
根据本发明实施例的又一方面，还提供了一种计算机可读的存储介质，该计算机可读的存储介质中存储有计算机程序，其中，该计算机程序被设置为运行时执行上述车辆定位方法。
根据本申请实施例的又一个方面，提供一种计算机程序产品或计算机程序，该计算机程序产品或计算机程序包括计算机指令，该计算机指令存储在计算机可读存储介质中。计算机设备的处理器从计算机可读存储介质读取该计算机指令，处理器执行该计算机指令，使得该计算机设备执行如以上车辆定位方法。
根据本发明实施例的又一方面，还提供了一种电子设备，包括存储器和处理器，上述存储器中存储有计算机程序，上述处理器被设置为通过所述计算机程序执行上述的车辆定位方法。
在本发明实施例中，通过从目标车辆的车载影像数据中识别出目标车辆当前所在车道的车道信息，获取对目标车辆进行姿态测量后得到的车辆姿态信息，利用车辆姿态信息及对目标车辆进行观测得到的卫星观测信息，确定与目标车辆对应的车辆融合定位滤波器参数的参数值，基于车道信息、车辆姿态信息及车辆融合定位滤波器参数的参数值，对目标车辆的当前行驶位置及当前运动状态进行修正，根据修正后的结果确定目标车辆的目标定位位置，从而通过多个种类的数据源确定定位滤波器的参数，并通过确定的参数以及多种数据源对目标车辆的行驶位置和运动状态进行修正，进而解决了现有车辆定位方法存在定位准确性较低的技术问题。
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的一种可选的车辆定位方法的硬件环境的示意图；
图2是根据本发明实施例的一种可选的车辆定位方法的流程图；
图3是根据本发明实施例的一种可选的车辆定位方法的示意图；
图4是根据本发明实施例的另一种可选的车辆定位方法的示意图；
图5是根据本发明实施例的一种可选的车辆定位方法的流程图；
图6是根据本发明实施例的另一种可选的车辆定位方法的流程图；
图7是根据本发明实施例的一种可选的车辆定位装置的结构示意图；
图8是根据本发明实施例的一种可选的电子设备的结构示意图。
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，对本发明中涉及的专有名词进行解释：
智能交通系统（Intelligent Traffic System，ITS）：又称智能运输系统（Intelligent Transportation System），是将先进的科学技术（信息技术、计算机技术、数据通信技术、传感器技术、电子控制技术、自动控制理论、运筹学、人工智能等）有效地综合运用于交通运输、服务控制和车辆制造，加强车辆、道路、使用者三者之间的联系，从而形成一种保障安全、提高效率、改善环境、节约能源的综合运输系统。
智能车路协同系统（Intelligent Vehicle Infrastructure CooperativeSystem，IVICS）：简称车路协同系统，是智能交通系统（ITS）的一个发展方向。车路协同系统是采用先进的无线通信和新一代互联网等技术，全方位实施车车、车路动态实时信息交互，并在全时空动态交通信息采集和融合的基础上开展车辆主动安全控制和道路协同管理，充分实现人车路的有效协同，保证交通安全，提高通行效率，从而形成的安全、高效和环保的道路交通系统。
惯性传感器：惯性传感器是一种传感器，主要是检测和测量加速度、倾斜、冲击、振动、旋转和多自由度（DoF，degree of freedom）运动，是解决导航、定向和运动载体控制的重要部件；目前智能手机等移动终端通常配置有MEMS（Micro-Electro-MechanicalSystem，微机电系统）惯性传感器；
差分定位技术：实时动态差分定位技术（Real-time kinematic，RTK）又称为载波相位差分定位技术，RTK差分定位技术是基于载波相位观测值的实时动态定位技术，能够实时地提供测站点在指定坐标系中的三维定位结果并达到厘米级精度；在RTK定位模式下，基准站通过数据链将其观测值和测站坐标信息一起传送给流动站，流动站不仅通过数据链接收来自基准站的数据，并采集卫星观测数据进行实时处理；
全球卫星导航系统：全球卫星导航系统（GPS，the Global Navigation SatelliteSystem），也称为全球导航卫星系统，是能在地球表面或近地空间的任何地点为用户提供全天候的3维坐标和速度以及时间信息的空基无线电导航定位系统；
视觉传感器：视觉传感器成像实际是将真实的三维空间中的三维点映射到二维空间的成像平面中的过程，可以使用小针孔成像模型来描述该过程；车载摄像头是一种视觉传感器，利用计算机视觉对实时影像数据进行处理；计算机视觉是计算机科学和机器人学迅速发展的前沿领域；随着视觉传感器图像数据质量的提高，以及它们的尺寸和价格也在不断地下降，同时伴随众多计算机视觉开源代码工具的可用性，使得计算机视觉领域更容易和适用于更广泛的应用场景；计算机视觉通过相机或摄影摄像头，将现实世界中的三维空间信息投影至二维平面。计算机视觉处理的最终目的就是要从感知到的二维图像中提取相关且可用的三维世界信息；
车载影像数据：车载影像数据是由车载摄像头提供的，车载摄像头是实现众多预警、识别类ADAS（Advanced Driving Assistance System，高级驾驶辅助系统）功能的基础，在大多数ADAS功能中，视觉影像处理系统较为基础，本发明主要利用前置摄像头或行车记录仪摄像头采集的影像数据辅助卫星定位设备；
高精度地图：高精度地图，通俗来讲就是精度更高、数据维度更多的电子地图，能够为车辆感知提供超视距的路况、道路中的车道线、交通标志和环境信息，帮助自动驾驶汽车实现车道级规划决策，以地图匹配方式实现高精度局部定位，降低自动驾驶对昂贵传感器的依赖；高精度地图包含的道路信息更为复杂，高精度地图要准确地知道车道模型、道路部件、道路属性以及其他的定位图层。此外，传统导航地图精确度在5m左右，而高精度地图的绝对精确度需要在1m内，相对精确度更是要控制在10-20cm；
卫星定位设备：用于跟踪和处理卫星信号，并测量设备与卫星之间的几何距离（伪距观测值）以及卫星信号的多普勒效应（即伪距率观测值）的电子设备；卫星定位设备通常包括有天线、卫星信号跟踪环路、基带信号处理等模块，集成卫星定位设备的移动终端根据伪距和伪距率观测值计算移动终端当前位置坐标，卫星定位设备广泛应用于地图导航、测绘、航空航天、位置服务等民用和军用领域，例如智能手机地图导航、高精度大地测量、民航等；
卫星观测值：由卫星定位设备输出观测值包括有伪距、伪距率和累加距离增量（ADR，accumulated delta range）；伪距测量的是卫星至定位设备的几何距离；伪距率观测值测量的是定位设备与卫星相对运动产生的多普勒效应；ADR测量的是卫星至定位设备几何距离变化量；
移动终端：移动终端或者叫移动通信终端是指可以在移动中使用的计算机设备，包括手机、笔记本、平板电脑、POS机甚至包括车载电脑。在本发明中，移动终端可以包含有卫星定位设备；
CORS系统：CORS（Continuously Operating Reference Stations，连续运行参考站）系统是卫星定位技术、计算机网络技术、数字通讯技术等高新科技多方位、深度结晶的产物。CORS系统由基准站网、数据处理中心、数据传输系统、定位导航数据播发系统、用户应用系统五个部分组成，各基准站与监控分析中心间通过数据传输系统连接成一体，形成专用网络。
根据本发明实施例的一个方面，提供了一种定位方法，可选地，作为一种可选的实施方式，上述定位方法可以但不限于应用于如图1所示的由服务器102和终端设备104所构成的定位系统中。如图1所示，服务器102通过网络110与终端设备104进行连接，上述网络可以包括但不限于：有线网络，无线网络，其中，该有线网络包括：局域网、城域网和广域网，该无线网络包括：蓝牙、WIFI及其他实现无线通信的网络。上述终端设备可以包括但不限于以下至少之一：手机（如Android手机、iOS手机等）、笔记本电脑、平板电脑、掌上电脑、MID（Mobile Internet Devices，移动互联网设备）、PAD、台式电脑、智能电视、车载设备等。上述终端设备上可以安装有客户端，例如即时通讯应用客户端、音视频应用客户端、定位应用客户端等。上述终端设备上还设置有显示器、处理器和存储器，上述显示器可以用于显示终端设备的位置，处理器可以用于对终端设备获取到的数据进行处理，例如，对高精度地图信息、车载影像信息、终端卫星观测信息以及惯性传感测量信息进行处理，存储器用于对数据进行存储，例如，对高精度地图信息、车载影像信息、终端卫星观测信息以及惯性传感测量信息进行存储。上述服务器可以是单一服务器，也可以是由多个服务器组成的服务器集群，或者是云服务器。上述服务器包括数据库和处理引擎。
根据本发明实施例的一个方面，上述定位系统可以执行以下步骤：
步骤S102，从目标车辆的车载影像数据中识别出目标车辆当前所在车道的车道信息；
步骤S104，获取对目标车辆进行姿态测量后得到的车辆姿态信息；
步骤S106，利用车辆姿态信息及对目标车辆进行观测得到的卫星观测信息，确定与目标车辆对应的车辆融合定位滤波器参数的参数值；
步骤S108，基于车道信息、车辆姿态信息及车辆融合定位滤波器参数的参数值，对目标车辆的当前行驶位置及当前运动状态进行修正；
步骤S110，根据修正后的结果确定目标车辆的目标定位位置。
根据本发明实施例的一个方面，上述终端设备上可以安装有高精度地图模块、车载影像模块、终端卫星观测模块、惯性传感器中的一个或多个模块。其中，高精度地图模块，用于获取高精度地图信息，为车辆感知提供超视距的路况、道路中的车道线、交通标志和环境信息，帮助自动驾驶汽车实现车道级规划决策，以地图匹配方式实现高精度局部定位，降低自动驾驶对昂贵传感器的依赖；车载影像模块，可以包括车载摄像头，车载摄像头是实现众多预警、识别类ADAS功能的基础，用于提供车载影像数据；终端卫星观测模块，用于跟踪和处理卫星信号，并测量设备与卫星之间的几何距离（伪距观测值）以及卫星信号的多普勒效应（即伪距率观测值）的电子设备，终端卫星观测模块通常包括有天线、卫星信号跟踪环路、基带信号处理等模块，集成卫星定位设备的移动终端根据伪距和伪距率观测值计算移动终端当前位置坐标；惯性传感器主要是检测和测量加速度、倾斜、冲击、振动、旋转和多自由度（DoF）运动，是解决导航、定向和运动载体控制的重要部件，例如，MEMS惯性传感器。
上述仅是一种示例，本实施例中对此不作任何限定。
作为一种可选的实施方式，如图2所示，上述车辆定位方法包括以下步骤：
S202，从目标车辆的车载影像数据中识别出目标车辆当前所在车道的车道信息；
其中，上述车载影像数据可以是由车载摄像头获取得到的影像数据信息，在本实施方式中，可以通过车载前置摄像头或行车记录仪采集获取上述影像数据。可以理解的是，上述车道信息可以包括车道序号信息，通过上述车载前置摄像头或行车记录仪可以采集获取到车辆行进过程中的车辆前方的一定范围内的画面信息，进而对上述画面信息进行处理和分析，即可识别出当前车辆所在的车道序号信息。以图3所示的车载影像图像为例，在获取到图3所示的车载影像画面的情况下，通过对图示的车载影像图像进行识别和分析，比如，通过识别画面中的车道线以及画面中出现的其他车辆的位置，以确定出当前道路上共有5条车道，且当前车辆位于第3车道上。
S204，获取对目标车辆进行姿态测量后得到的车辆姿态信息；
其中，上述车辆姿态信息可以是通过终端中的惯性传感器获取的数据信息进行分析计算得到的。具体而言，可以通过惯性传感器测量得到的目标车辆的加速度、倾斜度、冲击力大小、振动幅度、旋转角度和多自由度（Degrees of Freedom，DoF）运动的相关运动参数，通过进一步地数据处理和计算以得到上述车辆姿态信息。在本实施方式中，不对计算得到上述车辆姿态信息的方式进行限定。
S206，利用车辆姿态信息及对目标车辆进行观测得到的卫星观测信息，确定与目标车辆对应的车辆融合定位滤波器参数的参数值；
其中，上述卫星观测信息可以通过上述移动终端中包括的终端卫星定位模块观测得到的观测信息。具体而言，可以通过上述终端卫星定位模块测量设备与卫星之间的几何距离（伪距观测值）以及卫星信号的多普勒效应（即伪距率观测值），并通过上述几何距离（伪距观测值）以及普勒效应（即伪距率观测值）进一步确定上述车辆融合定位滤波器的参数值。
S208，基于车道信息、车辆姿态信息及车辆融合定位滤波器参数的参数值，对目标车辆的当前行驶位置及当前运动状态进行修正；
可以理解的是，在本实施方式中，可以通过上述车载影像模块以及卫星定位模块获取得到当前行驶位置以及当前运动状态的原始数据信息。进一步地，在通过上述方法得到车道信息、车辆姿态信息以及车辆融合定位滤波器参数的数值以后，对车辆当前行驶位置及当前运动状态进行修正。
S210，根据修正后的结果确定目标车辆的目标定位位置。
通过本申请提供的实施例，通过从目标车辆的车载影像数据中识别出目标车辆当前所在车道的车道信息，获取对目标车辆进行姿态测量后得到的车辆姿态信息，利用车辆姿态信息及对目标车辆进行观测得到的卫星观测信息，确定与目标车辆对应的车辆融合定位滤波器参数的参数值，基于车道信息、车辆姿态信息及车辆融合定位滤波器参数的参数值，对目标车辆的当前行驶位置及当前运动状态进行修正，根据修正后的结果确定目标车辆的目标定位位置，从而通过多个种类的数据源确定定位滤波器的参数，并通过确定的参数以及多种数据源对目标车辆的行驶位置和运动状态进行修正，进而解决了现有车辆定位方法存在定位准确性较低的技术问题。
作为一种可选的方案，上述基于车道信息、车辆姿态信息及车辆融合定位滤波器参数的参数值，对目标车辆的当前行驶位置及当前运动状态进行修正包括：
S1，根据车辆姿态信息对车辆融合定位滤波器参数的参数值进行更新，得到第一修正滤波参数值；
S2，利用卫星定位系统观测到的伪距和载波相位观测值，构建车辆差分定位约束方程，以解算得到滤波参数修正量；
S3，对第一修正滤波参数值按照滤波参数修正量进行修正，得到第二修正滤波参数值；
S4，基于第二修正滤波参数值、车辆姿态信息及车道信息，对当前行驶位置及当前运动状态进行修正。
可选地，以车辆融合定位滤波参数的参数值为
Figure DEST_PATH_IMAGE001
为例对上述方法进行说明，其中，车辆融合定位滤波参数的参数值为
Figure 28362DEST_PATH_IMAGE001
可以表现为一个数值矩阵，其中包含的具体数值可以通过经验值确定得到。
假设第一修正滤波数值为
Figure 476661DEST_PATH_IMAGE002
，其中，
Figure DEST_PATH_IMAGE003
、
Figure 194082DEST_PATH_IMAGE004
分别指示初始时刻和第k时刻，指示第k时刻的第一修正滤波数值
Figure 995816DEST_PATH_IMAGE002
可以通过以下方式得到：
Figure DEST_PATH_IMAGE005
需要理解的是，上述
Figure 154396DEST_PATH_IMAGE006
为参数更新矩阵，
Figure DEST_PATH_IMAGE007
为参数更新矩阵的转置矩阵，
Figure 180120DEST_PATH_IMAGE008
为系统噪声矩阵。进而，在获取得到参数更新矩阵
Figure 853678DEST_PATH_IMAGE006
以及系统噪声矩阵
Figure 583737DEST_PATH_IMAGE008
的情况下，通过上述公式（1）即可得到第一修正滤波数值
Figure 659140DEST_PATH_IMAGE002
。可以理解的是，上述第一修正滤波数值
Figure 183663DEST_PATH_IMAGE002
具体也可以表现为一个数值矩阵。
接下来对得到上述滤波参数修正量的方法进行说明。以上述通过卫星定位系统观测到的伪距对应的距离向量为
Figure DEST_PATH_IMAGE009
，载波相位观测值对应的相位向量为
Figure 282200DEST_PATH_IMAGE010
为例，可以构建如下车辆RTK（实时动态差分定位，Real-time kinematic）差分约束修正方程：
Figure DEST_PATH_IMAGE011
其中，
Figure 222474DEST_PATH_IMAGE012
为基于目标车辆与各个卫星之间的方位关系向量所构建的参考矩阵，
Figure DEST_PATH_IMAGE013
为滤波参数误差值。进而，通过解算上述车辆RTK差分约束修正方程后，即可得到滤波参数修正量
Figure 683542DEST_PATH_IMAGE014
，即：
Figure DEST_PATH_IMAGE015
其中，
Figure 192015DEST_PATH_IMAGE016
为第k时刻的车辆协方差矩阵预测值，
Figure DEST_PATH_IMAGE017
为卫星定位系统测量误差矩阵。可以理解的是，通过上述公式（3）即可解算得到滤波参数修正量
Figure 794160DEST_PATH_IMAGE014
。
进一步地，在得到上述滤波参数修正量
Figure 334863DEST_PATH_IMAGE014
的情况下，可以通过以下方法对上述第一修正滤波数值
Figure 650438DEST_PATH_IMAGE002
进行修正，以得到第二修正滤波参数值
Figure 329812DEST_PATH_IMAGE018
。
Figure DEST_PATH_IMAGE019
如公式（3）中所示出的，公式（4）中的
Figure 996416DEST_PATH_IMAGE020
具体可以通过计算
Figure DEST_PATH_IMAGE021
的数值得到。进而通过上述公式（4）中示出的方法即可得到第二修正滤波参数值
Figure 950597DEST_PATH_IMAGE018
。
进一步地，在得到上述第二修正滤波参数值
Figure 979733DEST_PATH_IMAGE018
的情况下，结合通过其他数据源确定的车辆姿态信息及车道信息即可对当前目标车辆的行驶位置及当前运动状态进行修正。
通过本申请提供的实施例，通过根据车辆姿态信息对车辆融合定位滤波器参数的参数值进行更新，得到第一修正滤波参数值；利用卫星定位系统观测到的伪距和载波相位观测值，构建车辆差分定位约束方程，以解算得到滤波参数修正量；对第一修正滤波参数值按照滤波参数修正量进行修正，得到第二修正滤波参数值；进而实现基于第二修正滤波参数值、车辆姿态信息及车道信息，对当前行驶位置及当前运动状态进行修正，从而解决现有车辆定位方法存在的定位准确性较低的技术问题。
作为一种可选的方案，上述根据车辆姿态信息对车辆融合定位滤波器参数的参数值进行更新，得到第一修正滤波参数值包括：
S1，从车辆姿态信息中获取目标车辆在第k时刻测量到的姿态转换矩阵，其中，k为大于等于1的正整数；
S2，利用第k时刻的姿态转换矩阵和单位测量时间间隔，构建参数更新矩阵和系统噪声矩阵 ；
S3，基于参数更新矩阵和系统噪声矩阵，对车辆融合定位滤波器参数的参数值进行更新，得到第k时刻的第一修正滤波参数值。
需要解释的是，车辆姿态信息中获取目标车辆在第k时刻测量到的姿态转换矩阵表示为
Figure 157905DEST_PATH_IMAGE022
，单位测量时间间隔为
Figure DEST_PATH_IMAGE023
的情况下，构建上述参数更新矩阵
Figure 46226DEST_PATH_IMAGE006
以及系统噪声矩阵
Figure 459890DEST_PATH_IMAGE008
的方式如下：
Figure 77953DEST_PATH_IMAGE024
其中，
Figure DEST_PATH_IMAGE025
为3维单位矩阵，
Figure 946466DEST_PATH_IMAGE023
为单位测量时间间隔，此外，公式（5）中的其他参数可以通过以下方式得到：
Figure 790925DEST_PATH_IMAGE026
其中，
Figure DEST_PATH_IMAGE027
为通过惯性传感器获取的第k时刻的目标车辆的加速度，
Figure 149225DEST_PATH_IMAGE028
为地球自转加速度值，
Figure DEST_PATH_IMAGE029
为第k时刻ECEF坐标系（Earth-Centered，Earth-Fixed，地心地固坐标系）下的重力加速度值，
Figure 559478DEST_PATH_IMAGE030
表示由惯性传感器的测量值计算得到的当前终端位置与地心的距离，
Figure DEST_PATH_IMAGE031
表示第k时刻目标车辆的位置。至此，在明确了上述各参数的取值后，即可通过上述公式（5）得到参数更新矩阵
Figure 345031DEST_PATH_IMAGE006
。
系统噪声矩阵
Figure 801420DEST_PATH_IMAGE008
为系统噪声，可直接由移动终端的惯性传感器产品说明书获得得到的，即：
Figure 432253DEST_PATH_IMAGE032
其中，
Figure DEST_PATH_IMAGE033
和
Figure 431433DEST_PATH_IMAGE034
为加速度计和陀螺仪的系统噪声谱密度，可直接由移动终端的惯性传感器产品说明书获得得到的。可以理解的是，如公式（9）所示出的方法，上述系统噪声矩阵
Figure 246942DEST_PATH_IMAGE008
可以通过三个矩阵的点乘得到。
至此，通过上述公式（5）至公式（9）所示的方法即可得到参数更新矩阵
Figure 331573DEST_PATH_IMAGE006
以及系统噪声矩阵
Figure 297255DEST_PATH_IMAGE008
，进而结合公式（1）即
Figure DEST_PATH_IMAGE035
，即可得到上述第一修正滤波数值
Figure 416521DEST_PATH_IMAGE002
。
通过本申请提供的实施例，通过从车辆姿态信息中获取目标车辆在第k时刻测量到的姿态转换矩阵，其中，k为大于等于1的正整数；利用第k时刻的姿态转换矩阵和单位测量时间间隔，构建参数更新矩阵和系统噪声矩阵；基于参数更新矩阵和系统噪声矩阵，对车辆融合定位滤波器参数的参数值进行更新，得到第k时刻的第一修正滤波参数值，从而精确确定出上述第一修正滤波参数值，基于第一修正滤波参数值对车辆定位信息进行修正，实现了提高了车辆定位的准确性的技术效果。
作为一种可选的方案，所述利用卫星定位系统观测到的伪距和载波相位观测值，构建车辆差分定位约束方程，以解算得到滤波参数修正量包括：
S1，获取所述卫星定位系统中的基站与所述目标车辆的卫星定位设备观测到的伪距和载波相位观测值，其中，所述伪距中包括所述目标车辆与各个卫星之间的对象伪距值，所述载波相位观测值中包括所述目标车辆与各个卫星之间的对象载波相位观测值；
S2，获取所述目标车辆与各个卫星之间的几何距离，电离层延迟及对流层延迟；
S3，基于所述伪距、所述几何距离、所述电离层延迟及所述对流层延迟构建距离向量，并基于所述载波相位观测值、所述几何距离、所述电离层延迟及所述对流层延迟构建相位向量；
S4，获取基于所述目标车辆与各个卫星之间的方位关系向量所构建的参考矩阵；
S5，利用所述距离向量和所述相位向量及所述参考矩阵，构建所述车辆差分定位约束方程，以解算得到所述滤波参数修正量。
以下具体说明解算得到上述滤波参数修正量的方法：
在一种实施方式中，可以通过车辆终端融合CORS系统播发的基站和卫星定位设备伪距和载波相位观测值，构建RTK差分定位约束方程，即：
Figure 137352DEST_PATH_IMAGE036
其中，
Figure DEST_PATH_IMAGE037
表示获取的车载终端与卫星
Figure 974858DEST_PATH_IMAGE038
的几何距离，
Figure DEST_PATH_IMAGE039
，
Figure 478652DEST_PATH_IMAGE040
，
Figure DEST_PATH_IMAGE041
即获取得到的卫星1和车辆r的伪距测量值，
Figure 718003DEST_PATH_IMAGE042
即获取得到的卫星1和车辆r的载波相位测量值，以此类推；
Figure DEST_PATH_IMAGE043
为获取的电离层延迟，
Figure 16260DEST_PATH_IMAGE044
为获取的对流层延迟，可以理解的是，上述卫星中的卫星1为参考卫星。如上述公式（10）和公式（11）所示的方法构建得到距离向量
Figure 482008DEST_PATH_IMAGE009
以及相位向量
Figure 382968DEST_PATH_IMAGE010
。
进一步地，基于所述目标车辆与各个卫星之间的方位关系向量构建的参考矩阵
Figure 680088DEST_PATH_IMAGE012
，可以通过以下方法：
Figure DEST_PATH_IMAGE045
其中，
Figure 680405DEST_PATH_IMAGE046
即为目标车辆与卫星
Figure 961345DEST_PATH_IMAGE038
的方位关系向量。
通过上述公式（10）至公式（12）确定出上述伪距
Figure 665996DEST_PATH_IMAGE009
、载波相位观测值
Figure DEST_PATH_IMAGE047
参考矩阵
Figure 552043DEST_PATH_IMAGE012
的情况下，即可通过上述公式（2）构建车辆RTK差分约束方程。进而通过解算上述公式（2）所示出的RTK差分约束方程，即可得到滤波参数修正量
Figure 926524DEST_PATH_IMAGE014
。
通过本申请提供的上述实施例，通过获取所述卫星定位系统中的基站与所述目标车辆的卫星定位设备观测到的伪距和载波相位观测值；获取所述目标车辆与各个卫星之间的几何距离，电离层延迟及对流层延迟；基于所述伪距、所述几何距离、所述电离层延迟及所述对流层延迟构建距离向量，并基于所述载波相位观测值、所述几何距离、所述电离层延迟及所述对流层延迟构建相位向量；获取基于所述目标车辆与各个卫星之间的方位关系向量所构建的参考矩阵；利用所述距离向量和所述相位向量及所述参考矩阵，构建所述车辆差分定位约束方程，以解算得到所述滤波参数修正量，进而实现提高车辆定位的准确性的技术效果。
作为一种可选的方案，上述利用车辆姿态信息及对目标车辆进行观测得到的卫星观测信息，确定与目标车辆对应的车辆融合定位滤波器参数的参数值包括：
S1，在目标车辆的车辆融合定位滤波器处于未初始化状态的情况下，基于目标车辆的车辆姿态信息及卫星观测信息，获取目标车辆的当前行驶位置及当前运动状态；基于车辆姿态信息、卫星观测信息、当前行驶位置及当前运动状态，确定车辆融合定位滤波器参数的初始参数值；
S2，在目标车辆的车辆融合定位滤波器处于已初始化状态的情况下，获取车辆融合定位滤波器参数当前的参数值。
可选地，根据车载影像系统获取得到的车道方向初始化车辆运动方向，并由车辆卫星定位设备获取得到的卫星观测值计算车辆初始位置和速度，以确定车辆融合定位滤波器参数的初始参数值，可以通过以下方式实现：
根据上述获取的参数将从何定位滤波器参数的初始参数建立为：
Figure 553814DEST_PATH_IMAGE048
式中，
Figure DEST_PATH_IMAGE049
为车辆姿态参数，
Figure 203101DEST_PATH_IMAGE050
和
Figure DEST_PATH_IMAGE051
为车辆在ECEF坐标系下的速度和位置，
Figure 5972DEST_PATH_IMAGE052
和
Figure DEST_PATH_IMAGE053
为惯性传感器陀螺仪和加速度计的零偏，用于校正惯性传感器的角速度和加速度的测量偏差；
Figure 82513DEST_PATH_IMAGE054
、
Figure DEST_PATH_IMAGE055
和
Figure 338045DEST_PATH_IMAGE056
为载波相位双差模糊度参数；车辆姿态参数
Figure 118919DEST_PATH_IMAGE049
表示的是惯性传感器三轴与ECEF（地心地固坐标系）的欧拉角，即：
Figure DEST_PATH_IMAGE057
其中，
Figure 41876DEST_PATH_IMAGE058
、
Figure DEST_PATH_IMAGE059
和
Figure 289317DEST_PATH_IMAGE060
为惯性传感器三轴所在坐标系绕z轴、y轴和x轴转换至ECEF所转动的欧拉角。
惯性传感器三轴所在坐标系与ECEF的转换关系，可用矩阵形式表示为：
Figure DEST_PATH_IMAGE061
其中，
Figure 297725DEST_PATH_IMAGE062
的转换关系如下：
Figure DEST_PATH_IMAGE063
在本实施例中，车辆姿态用
Figure 429760DEST_PATH_IMAGE064
表示；
Figure DEST_PATH_IMAGE065
为李群SO3的Log运算，
Figure 207223DEST_PATH_IMAGE066
为反对称矩阵运算；融合滤波参数x的误差量用
Figure 953462DEST_PATH_IMAGE013
表示。
也就是说，通过获取惯性传感器三轴与ECEF（地心地固坐标系）的欧拉角，即可通过上述公式（15）确定得到当前车辆姿态信息
Figure 777062DEST_PATH_IMAGE064
，进而通过上述公式（16）确定得到车辆姿态参数
Figure 52402DEST_PATH_IMAGE049
与车辆姿态信息
Figure 277847DEST_PATH_IMAGE064
的关系。再结合通过车载影像系统以及车辆卫星定位设备获取的其他参数，即可通过上述公式（13）确定上述车辆融合定位滤波器参数的初始参数值。
可以理解的是，在另一种情况下，上述目标车辆的车辆融合定位滤波器处于已初始化状态的情况下，则可直接获取上述车辆融合定位滤波器参数当前的参数值。
通过本申请提供的实施例，通过在目标车辆的车辆融合定位滤波器处于未初始化状态的情况下，基于目标车辆的车辆姿态信息及卫星观测信息，获取目标车辆的当前行驶位置及当前运动状态；基于车辆姿态信息、卫星观测信息、当前行驶位置及当前运动状态，确定车辆融合定位滤波器参数的初始参数值；或者在目标车辆的车辆融合定位滤波器处于已初始化状态的情况下，获取车辆融合定位滤波器参数当前的参数值，从而获取得到车辆融合定位滤波器的初始化参数值，进而实现提高车辆定位的准确性的技术效果。
作为一种可选的方案，上述基于车辆姿态信息、卫星观测信息、当前行驶位置及当前运动状态，确定车辆融合定位滤波器参数的初始参数值包括：
S1，从车辆姿态信息中获取目标车辆的姿态参数、角速度偏移参数及加速度的偏移参数；
S2，基于卫星观测信息中获取载波相位模糊度参数；
S3，基于姿态参数、角速度偏移参数、加速度的偏移参数、载波相位模糊度参数和当前行驶位置及当前运动状态，确定车辆融合定位滤波器参数的初始参数值。
进一步地，上述
Figure 335933DEST_PATH_IMAGE064
还可以通过以下方式获取的到初始姿态信息
Figure DEST_PATH_IMAGE067
：
Figure 584512DEST_PATH_IMAGE068
其中，
Figure DEST_PATH_IMAGE069
Figure 917404DEST_PATH_IMAGE067
为车辆初始姿态；车辆卫星定位设备获取得到的卫星观测值通过加权最小二乘解算可获取得到车辆的初始速度
Figure 872722DEST_PATH_IMAGE050
的初始位置
Figure 491922DEST_PATH_IMAGE051
，亦即为车辆的纬度和经度坐标
Figure 24535DEST_PATH_IMAGE070
和
Figure DEST_PATH_IMAGE071
。
进而，通过上述方法可以得到目标车辆初始速度
Figure 302063DEST_PATH_IMAGE050
的初始位置
Figure 236521DEST_PATH_IMAGE051
，以及初始姿态信息
Figure 901989DEST_PATH_IMAGE072
，进一步地，通过上述公式（16）即可得到上述车辆姿态参数
Figure DEST_PATH_IMAGE073
再根据上述公式（13）获取得到车辆融合定位滤波器参数的所述初始参数值。
通过本申请提供的实施例，通过从车辆姿态信息中获取目标车辆的姿态参数、角速度偏移参数及加速度的偏移参数，基于卫星观测信息中获取载波相位模糊度参数，基于姿态参数、角速度偏移参数、加速度的偏移参数、载波相位模糊度参数和当前行驶位置及当前运动状态，确定车辆融合定位滤波器参数的初始参数值，进而实现提高车辆定位的准确性的技术效果。
作为一种可选的方案，上述基于第二修正滤波参数值、车辆姿态信息及车道信息，对当前行驶位置及当前运动状态进行修正包括：
S1，基于第二修正滤波参数值对目标车辆的当前运动状态进行修正；
S2，基于车辆姿态信息对目标车辆的当前行驶位置及当前运动状态进行修正；
S3，基于车道信息中携带的车道方向向量，对目标车辆的行驶方向进行修正，并基于车道信息中携带的车道线的位置坐标，对目标车辆在当前所在车道中的当前行驶位置进行修正。
需要说明的是，通过上述公式（4）得到上述第二修正滤波参数值
Figure 594002DEST_PATH_IMAGE018
的情况下，基于上述第二修正滤波参数值
Figure 862172DEST_PATH_IMAGE018
对目标车辆的当前运动状态进行修正；在另一种方式中，可以基于车辆姿态信息
Figure 792082DEST_PATH_IMAGE022
对目标车辆当前行驶位置及运动状态进行更新；可选地，还可以通过车道信息中携带的车道方向向量，对目标车辆的行驶方向进行修正，并车道信息中携带的车道线的位置坐标，对目标车辆在当前所在车道中的当前行驶位置进行修正。
通过本申请提供的实施例，通过基于第二修正滤波参数值对目标车辆的当前运动状态进行修正；以及基于车辆姿态信息对目标车辆的当前行驶位置及当前运动状态进行修正；以及基于车道信息中携带的车道方向向量，对目标车辆的行驶方向进行修正，并基于车道信息中携带的车道线的位置坐标，对目标车辆在当前所在车道中的当前行驶位置进行修正。从而实现了提高车辆定位的准确性的技术效果。
作为一种可选的方案，基于车辆姿态信息对目标车辆的当前行驶位置及当前运动状态进行修正包括：在对目标车辆进行姿态测量得到目标车辆在第k时刻测量到的行驶角速度测量向量和行驶加速度测量向量的情况下，根据第k时刻测量到的行驶角速度测量向量和行驶加速度测量向量，确定目标车辆在第k时刻的姿态转换矩阵，在第k时刻的行驶速度，在第k时刻的行驶位置，其中，k为大于等于1的正整数。
可选地，可以通过以下方式确定目标车辆在第k时刻的姿态转换矩阵，在第k时刻的行驶速度，在第k时刻的行驶位置：
基于在第k时刻的所述行驶角速度测量向量中的角速度向量元素及单位测量时间间隔，构建第k时刻的参考姿态矩阵；利用第k时刻的所述参考姿态矩阵以及所述目标车辆在第k-1时刻的历史姿态转换矩阵，确定第k时刻的所述姿态转换矩阵；
基于第k时刻测量到的所述行驶加速度测量向量，第k时刻的所述姿态转换矩阵，所述单位测量时间间隔以及所述目标车辆在第k-1时刻的历史行驶速度，确定第k时刻的所述行驶速度；
基于所述目标车辆在第k-1时刻的所述历史行驶速度，第k时刻的所述行驶速度，所述单位测量时间间隔以及所述目标车辆在第k-1时刻的历史行驶位置，确定第k时刻的所述行驶位置。
具体地，通过惯性传感器测量得到第k时刻的目标车辆的行驶角速度
Figure 753085DEST_PATH_IMAGE074
和行驶加速度
Figure 135655DEST_PATH_IMAGE027
测量值为：
Figure DEST_PATH_IMAGE075
在通过上述公式（21）确定出第k时刻测量到的行驶角速度
Figure 614041DEST_PATH_IMAGE074
和行驶加速度
Figure 788671DEST_PATH_IMAGE027
的情况下，通过以下方法对目标车辆进行姿态更新，即确定出目标车辆在第k时刻的姿态转换矩阵：
Figure 530362DEST_PATH_IMAGE076
其中，
Figure 790442DEST_PATH_IMAGE028
为地球自转加速度值，
Figure DEST_PATH_IMAGE077
为更新时间间隔，
Figure 806939DEST_PATH_IMAGE078
为
Figure DEST_PATH_IMAGE079
时刻惯性传感器与ECEF的坐标系转换矩阵，而
Figure 242600DEST_PATH_IMAGE022
为
Figure 155192DEST_PATH_IMAGE004
时刻惯性传感器与ECEF的坐标系转换矩阵，即更新后的车辆姿态转换矩阵。
进一步地，根据更新后的车辆姿态转换矩阵可以确定出第k时刻的行驶速度
Figure 902568DEST_PATH_IMAGE080
：
Figure DEST_PATH_IMAGE081
其中，
Figure 722757DEST_PATH_IMAGE082
为在
Figure 481765DEST_PATH_IMAGE004
时刻ECEF坐标系下的重力加速度值，
Figure DEST_PATH_IMAGE083
为
Figure 361997DEST_PATH_IMAGE079
时刻车辆的速度，
Figure 331090DEST_PATH_IMAGE080
为
Figure 158231DEST_PATH_IMAGE004
时刻车辆的速度，即更新后车辆的行驶速度。
进一步地，对车辆位置进行更新的方法可以是通过以下方式：
Figure 161960DEST_PATH_IMAGE084
其中，
Figure DEST_PATH_IMAGE085
为
Figure 947513DEST_PATH_IMAGE079
时刻移动终端的位置，
Figure 279268DEST_PATH_IMAGE031
为
Figure 34735DEST_PATH_IMAGE004
时刻车辆的位置，即更新后的车辆行驶位置。
通过本申请提供的实施例，即可根据历史数据确定出当前时刻的车辆行驶状态数据，包括第k时刻的姿态转换矩阵
Figure 768336DEST_PATH_IMAGE022
、第k时刻的车辆的行驶速度
Figure 318266DEST_PATH_IMAGE080
以及第k时刻的车辆行驶位置
Figure 261951DEST_PATH_IMAGE031
，从而实现了提高车辆定位准确率的技术效果。
作为一种可选的方案，基于所述第二修正滤波参数值对所述目标车辆的所述当前运动状态进行修正包括：
S1，基于第二修正滤波参数值及车道方向向量确定目标车辆的运动状态的修正量；按照运动状态的修正量对当前运动状态进行修正；
S2，基于车道信息中携带的车道线的位置坐标，对目标车辆在当前所在车道中的当前行驶位置进行修正包括：基于当前行驶位置的位置坐标和车道线的位置坐标构建直线约束方程，以解算得到修正后的行驶位置。
具体地，如图4所示，假设在
Figure 430895DEST_PATH_IMAGE004
时刻，由高精度车道线信息计算得到的车道方向为
Figure 143636DEST_PATH_IMAGE086
，a为车辆到左车道线的直线距离，b为车辆到右车道线的直线距离，则通过以下方式对当前运动状态进行修正：
由车辆姿态矩阵计算得到的车辆行驶方向
Figure DEST_PATH_IMAGE087
为:
Figure 536571DEST_PATH_IMAGE088
其中，
Figure DEST_PATH_IMAGE089
同时，
Figure 374077DEST_PATH_IMAGE090
和
Figure DEST_PATH_IMAGE091
有如下关系式：
Figure 612292DEST_PATH_IMAGE092
式中，
Figure 54906DEST_PATH_IMAGE065
为旋转李群SO(3)的Log运算；
进而，可得约束方程为：
Figure DEST_PATH_IMAGE093
其中，
Figure 618742DEST_PATH_IMAGE094
的取值可以直接利用上述公式（4）中的
Figure 537020DEST_PATH_IMAGE018
代入确定，此外：
Figure DEST_PATH_IMAGE095
其中，
Figure 578925DEST_PATH_IMAGE096
为
Figure 141624DEST_PATH_IMAGE004
时刻车辆运动状态的修正量，
Figure DEST_PATH_IMAGE097
为测量误差，以此更新车辆运动状态参数，即有：
Figure 876362DEST_PATH_IMAGE098
Figure DEST_PATH_IMAGE099
其中，
Figure 281936DEST_PATH_IMAGE100
、
Figure DEST_PATH_IMAGE101
和
Figure 381392DEST_PATH_IMAGE102
分别表示
Figure DEST_PATH_IMAGE103
的第一、二、三个元素。
进而，通过上述公式（25）至公式（33），得到
Figure 329757DEST_PATH_IMAGE004
时刻车辆运动状态的修正量
Figure 704238DEST_PATH_IMAGE096
，实现了对当前运动状态的修正。
进一步地，如图4所示，假设在
Figure 331528DEST_PATH_IMAGE004
时刻，车辆位置为
Figure 184078DEST_PATH_IMAGE104
，由高精度车道线信息可计算得到左车道线和右车道线的直线方程分别为：
Figure DEST_PATH_IMAGE105
则可构建如下约束方程，即：
Figure 986948DEST_PATH_IMAGE106
其中，a为车辆到左车道线的直线距离，b为车辆到右车道线的直线距离，利用积极集法解上述不等式约束方程，即可修正车辆位置偏差。
通过本申请上述实施例，基于第二修正滤波参数值对目标车辆的当前运动状态进行修正包括：基于第二修正滤波参数值 及车道方向向量 确定目标车辆的运动状态的修正量 ；按照运动状态的修正量对当前运动状态进行修正；基于车道信息中携带的车道线的位置坐标，对目标车辆在当前所在车道中的当前行驶位置进行修正包括：基于当前行驶位置的位置坐标和车道线的位置坐标构建直线约束方程，以解算得到修正后的行驶位置，从而实现了提高车辆定位的准确率的技术效果。
作为一种可选的方案，从目标车辆的车载影像数据中识别出目标车辆当前所在车道的车道信息包括：
S1，对车载影像数据进行校正处理，得到校正后图像；
S2，对校正后图像进行转换处理，得到包含目标车辆当前所在车道的车道线的候选图像；
S3，对候选图像中属于车道线的像素点进行直方图统计，得到车道线的起始点坐标；
S4，基于起始点坐标进行曲线拟合，以识别得到位于车道线上的位置坐标及车道线的方向。
具体地，如图5所示，从目标车辆的车载影像数据中识别出目标车辆当前所在车道的车道信息可以通过以下流程实现：
S502，图像校正处理，消除图像噪声和畸变；
S504，截取感兴趣区域（ROI），仅对包含车道线信息的图像区域进行处理，并利用透视变换，将感兴趣区域（ROI）图像转换成鸟瞰图；
S506，对图像进行二值化处理获取车道线二进制图；
具体地，针对不同颜色的车道线，不同光照条件下的车道线，不同清晰度的车道线，根据不同的颜色空间使用不同的梯度阈值，颜色阈值进行不同的处理。并将每一种处理方式进行融合，得到车道线的二进制图。
S508，提取二进制图中属于车道线的像素点并进行直方图统计，统计左右两侧的峰值点作为左右车道线的起始点坐标；
S510，基于随机采样一致性算法进行曲线拟合左右车道线曲线拟合；
S512，对图像中提取得到的车道进行编号处理；
S514，根据图像中提取的车道线位置判断车辆所在车道。
以图3为例，通过上述步骤S502至步骤S514，可以将如图3所示的车载影像图像进行处理，并识别出当前车辆所在的车道为第3车道。
通过本实施例，通过对车载影像数据进行校正处理，得到校正后图像；对校正后图像进行转换处理，得到包含目标车辆当前所在车道的车道线的候选图像；对候选图像中属于车道线的像素点进行直方图统计，得到车道线的起始点坐标；基于起始点坐标进行曲线拟合，以识别得到位于车道线上的位置坐标及车道线的方向，从而实现提高车辆定位的准确率的技术效果。
具体结合图6所示流程来说明本申请提供的车辆定位方法的完整过程：
在本实施例中，提出一种融合高精度地图、终端卫星观测信息、惯性传感器和车载影像数据的车辆定位方法，包括有车辆融合定位解算模块、车道线监测模块、区域CORS系统、惯性传感器处理模块、RTK差分定位模块。如图6所示，主要包括有以下几步骤：
S602，根据车载影像数据检测车道线，并判断车辆所处车道；
S604，由高精度地图和车辆所处车道提取高精度车道线信息，计算左右车道线的车道方向及车辆相对车道中心线的偏离位置；
具体地，上述步骤S602和步骤S604具体可以通过如图5所示的流程图所示的方法进行实现。
然后执行步骤S606，判断融合定位滤波器初始化是否完成，在初始化完成的情况下，执行步骤S614至S622；在初始化未完成的情况下，执行步骤S608至S612，然后再执行步骤S614至S622。可以理解的是，步骤S608至S612即对融合定位滤波器进行初始化的方法。
在融合定位滤波器初始化未完成的情况下，执行步骤S608，根据车道方向初始化车辆运动方向；
然后执行步骤S610，由车辆卫星定位设备获取得到的卫星观测值计算车辆初始位置；
S612，建立车辆融合定位滤波器；
具体地，可以通过如公式（13）至公式（20）所示的方法实现上述车辆融合定位滤波器初始化的过程。
如S614，根据惯性传感器辅助车辆运动状态更新；
具体地，可以根据上述公式（21）至公式（24）所示的方法实现上述车辆运动状态的更新；
如S616，基于高精度车道线信息修正车辆位置和运动方向偏差；
具体地，可以根据上述公式（25）至公式（36）所示的方式实现基于高精度车道线信息修正车辆位置和运动方向偏差。
如步骤S618至步骤S622，通过4G或WIFI网络发送星历和卫星观测数据请求至区域CORS服务器，获取CORS服务器播发的星历和卫星观测数据；利用RTK差分定位技术融合CORS系统播发星历、终端以及基准站卫星观测数据构建RTK差分约束方程，通过融合滤波器修正车辆运动状态偏差；输出车辆高精度位置、速度以及运动方向信息。
具体地，可以同上述公式（1）至公式（12）实现上述步骤S618至步骤S622。
上述图6所示流程为示例，本实施例中对此不做任何限定。
通过本申请提供的实施例，通过从目标车辆的车载影像数据中识别出目标车辆当前所在车道的车道信息，获取对目标车辆进行姿态测量后得到的车辆姿态信息，利用车辆姿态信息及对目标车辆进行观测得到的卫星观测信息，确定与目标车辆对应的车辆融合定位滤波器参数的参数值，基于车道信息、车辆姿态信息及车辆融合定位滤波器参数的参数值，对目标车辆的当前行驶位置及当前运动状态进行修正，根据修正后的结果确定目标车辆的目标定位位置，从而通过多个种类的数据源确定定位滤波器的参数，并通过确定的参数以及多种数据源对目标车辆的行驶位置和运动状态进行修正，进而解决了现有车辆定位方法存在定位准确性较低的技术问题。
需要说明的是，对于前述的各方法实施例，为了简单描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本发明并不受所描述的动作顺序的限制，因为依据本发明，某些步骤可以采用其他顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于优选实施例，所涉及的动作和模块并不一定是本发明所必须的。
根据本发明实施例的另一个方面，还提供了一种用于实施上述车辆定位方法的车辆定位装置。如图7所示，该装置包括：
车道识别单元702，用于从目标车辆的车载影像数据中识别出目标车辆当前所在车道的车道信息；
姿态获取单元704，用于获取对目标车辆进行姿态测量后得到的车辆姿态信息；
参数确定单元706，用于利用车辆姿态信息及对目标车辆进行观测得到的卫星观测信息，确定与目标车辆对应的车辆融合定位滤波器参数的参数值；
修正单元708，用于基于车道信息、车辆姿态信息及车辆融合定位滤波器参数的参数值，对目标车辆的当前行驶位置及当前运动状态进行修正；
定位单元710，用于根据修正后的结果确定目标车辆的目标定位位置。
可选地，在本实施例中，上述各个单元模块所要实现的实施例，可以参考上述各个方法实施例，这里不再赘述。
根据本发明实施例的又一个方面，还提供了一种用于实施上述车辆定位方法的电子设备，该电子设备可以是图8所示的终端设备或服务器。本实施例以该电子设备为终端设备为例来说明。如图8所示，该电子设备包括显示器808、传输装置806、存储器802和处理器804，该存储器802中存储有计算机程序，该处理器804被设置为通过计算机程序执行上述任一项方法实施例中的步骤。
可选地，在本实施例中，上述电子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。
可选地，在本实施例中，上述处理器可以被设置为通过计算机程序执行以下步骤：
S1，从目标车辆的车载影像数据中识别出目标车辆当前所在车道的车道信息；
S2，获取对目标车辆进行姿态测量后得到的车辆姿态信息；
S3，利用车辆姿态信息及对目标车辆进行观测得到的卫星观测信息，确定与目标车辆对应的车辆融合定位滤波器参数的参数值；
S4，基于车道信息、车辆姿态信息及车辆融合定位滤波器参数的参数值，对目标车辆的当前行驶位置及当前运动状态进行修正；
S5，根据修正后的结果确定目标车辆的目标定位位置。
可选地，本领域普通技术人员可以理解，图8所示的结构仅为示意，电子装置电子设备也可以是车载终端、智能手机（如Android手机、iOS手机等）、平板电脑、掌上电脑以及移动互联网设备（Mobile Internet Devices，MID）、PAD等终端设备。图8其并不对上述电子装置电子设备的结构造成限定。例如，电子装置电子设备还可包括比图8中所示更多或者更少的组件（如网络接口等），或者具有与图8所示不同的配置。
其中，存储器802可用于存储软件程序以及模块，如本发明实施例中的车辆定位方法和装置对应的程序指令/模块，处理器804通过运行存储在存储器802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，即实现上述的车辆定位方法。存储器802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802可进一步包括相对于处理器804远程设置的存储器，这些远程存储器可以通过网络连接至终端。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。其中，存储器802具体可以但不限于用于存储观察视角画面中的各个元素、车辆定位信息等信息。作为一种示例，如图8所示，上述存储器802中可以但不限于包括上述车辆定位装置中的车道识别单元702、姿态获取单元704、参数确定单元706、修正单元708、定位单元710。此外，还可以包括但不限于上述车辆定位装置中的其他模块单元，本示例中不再赘述。
可选地，上述的传输装置806用于经由一个网络接收或者发送数据。上述的网络具体实例可包括有线网络及无线网络。在一个实例中，传输装置806包括一个网络适配器（Network Interface Controller，NIC），其可通过网线与其他网络设备与路由器相连从而可与互联网或局域网进行通讯。在一个实例中，传输装置806为射频（Radio Frequency，RF）模块，其用于通过无线方式与互联网进行通讯。
此外，上述电子设备还包括：显示器808，和连接总线810，用于连接上述电子设备中的各个模块部件。
在其他实施例中，上述终端设备或者服务器可以是一个分布式系统中的一个节点，其中，该分布式系统可以为区块链系统，该区块链系统可以是由该多个节点通过网络通信的形式连接形成的分布式系统。其中，节点之间可以组成点对点（P2P，Peer To Peer）网络，任意形式的计算设备，比如服务器、终端等电子设备都可以通过加入该点对点网络而成为该区块链系统中的一个节点。
根据本申请的一个方面，提供了一种计算机程序产品，该计算机程序产品包括计算机程序/指令，该计算机程序/指令包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信部分从网络上被下载和安装，和/或从可拆卸介质被安装。在该计算机程序被中央处理器执行时，执行本申请实施例提供的各种功能。
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。
根据本申请的一个方面，提供了一种计算机可读存储介质，计算机设备的处理器从计算机可读存储介质读取该计算机指令，处理器执行该计算机指令，使得该计算机设备执行上述车辆定位方方法。
可选地，在本实施例中，上述计算机可读存储介质可以被设置为存储用于执行以下步骤的计算机程序：
S1，从目标车辆的车载影像数据中识别出目标车辆当前所在车道的车道信息；
S2，获取对目标车辆进行姿态测量后得到的车辆姿态信息；
S3，利用车辆姿态信息及对目标车辆进行观测得到的卫星观测信息，确定与目标车辆对应的车辆融合定位滤波器参数的参数值；
S4，基于车道信息、车辆姿态信息及车辆融合定位滤波器参数的参数值，对目标车辆的当前行驶位置及当前运动状态进行修正；
S5，根据修正后的结果确定目标车辆的目标定位位置。
可选地，在本实施例中，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计算机可读存储介质中，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（Random Access Memory，RAM）、磁盘或光盘等。
上述实施例中的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，可以存储在上述计算机可读取的存储介质中。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存储介质中，包括若干指令用以使得一台或多台计算机设备（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上述方法的全部或部分步骤。
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，所揭露的客户端，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，例如上述单元的划分，仅仅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。
上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网络单元上。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。
以上上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 (15)

1.一种车辆定位方法，其特征在于，包括：
从目标车辆的车载影像数据中识别出所述目标车辆当前所在车道的车道信息；
获取对所述目标车辆进行姿态测量后得到的车辆姿态信息；
利用所述车辆姿态信息及对所述目标车辆进行观测得到的卫星观测信息，确定与所述目标车辆对应的车辆融合定位滤波器参数的参数值；
基于所述车道信息、所述车辆姿态信息及所述车辆融合定位滤波器参数的参数值，对所述目标车辆的当前行驶位置及当前运动状态进行修正；
根据修正后的结果确定所述目标车辆的目标定位位置。
2.根据权利要求1所述的方法，其特征在于，基于所述车道信息、所述车辆姿态信息及所述车辆融合定位滤波器参数的参数值，对所述目标车辆的当前行驶位置及当前运动状态进行修正包括：
根据所述车辆姿态信息对所述车辆融合定位滤波器参数的参数值进行更新，得到第一修正滤波参数值；
利用卫星定位系统观测到的伪距和载波相位观测值，构建车辆差分定位约束方程，以解算得到滤波参数修正量；
对所述第一修正滤波参数值按照所述滤波参数修正量进行修正，得到第二修正滤波参数值；
基于所述第二修正滤波参数值、所述车辆姿态信息及所述车道信息，对所述当前行驶位置及所述当前运动状态进行修正。
3.根据权利要求2所述的方法，其特征在于，所述根据所述车辆姿态信息对所述车辆融合定位滤波器参数的参数值进行更新，得到第一修正滤波参数值包括：
从所述车辆姿态信息中获取所述目标车辆在第k时刻测量到的姿态转换矩阵，其中，k为大于等于1的正整数；
利用第k时刻的所述姿态转换矩阵和单位测量时间间隔，构建参数更新矩阵和系统噪声矩阵；
基于所述参数更新矩阵和所述系统噪声矩阵，对所述车辆融合定位滤波器参数的参数值进行更新，得到第k时刻的所述第一修正滤波参数值。
4.根据权利要求2所述的方法，其特征在于，所述利用卫星定位系统观测到的伪距和载波相位观测值，构建车辆差分定位约束方程，以解算得到滤波参数修正量包括：
获取所述卫星定位系统中的基站与所述目标车辆的卫星定位设备观测到的伪距和载波相位观测值，其中，所述伪距中包括所述目标车辆与各个卫星之间的对象伪距值，所述载波相位观测值中包括所述目标车辆与各个卫星之间的对象载波相位观测值；
获取所述目标车辆与各个卫星之间的几何距离，电离层延迟及对流层延迟；
基于所述伪距、所述几何距离、所述电离层延迟及所述对流层延迟构建距离向量，并基于所述载波相位观测值、所述几何距离、所述电离层延迟及所述对流层延迟构建相位向量；
获取基于所述目标车辆与各个卫星之间的方位关系向量所构建的参考矩阵；
利用所述距离向量和所述相位向量及所述参考矩阵，构建所述车辆差分定位约束方程，以解算得到所述滤波参数修正量。
5.根据权利要求2所述的方法，其特征在于，所述利用所述车辆姿态信息及对所述目标车辆进行观测得到的卫星观测信息，确定与所述目标车辆对应的车辆融合定位滤波器参数的参数值包括：
在所述目标车辆的车辆融合定位滤波器处于未初始化状态的情况下，基于所述目标车辆的所述车辆姿态信息及所述卫星观测信息，获取所述目标车辆的所述当前行驶位置及所述当前运动状态；基于所述车辆姿态信息、所述卫星观测信息、所述当前行驶位置及所述当前运动状态，确定所述车辆融合定位滤波器参数的初始参数值；
在所述目标车辆的车辆融合定位滤波器处于已初始化状态的情况下，获取所述车辆融合定位滤波器参数当前的参数值。
6.根据权利要求5所述的方法，其特征在于，基于所述车辆姿态信息、所述卫星观测信息、所述当前行驶位置及所述当前运动状态，确定所述车辆融合定位滤波器参数的初始参数值包括：
从所述车辆姿态信息中获取所述目标车辆的姿态参数、角速度偏移参数及加速度的偏移参数；
基于所述卫星观测信息中获取载波相位模糊度参数；
基于所述姿态参数、所述角速度偏移参数、所述加速度的偏移参数、所述载波相位模糊度参数和所述当前行驶位置及所述当前运动状态，确定所述车辆融合定位滤波器参数的所述初始参数值。
7.根据权利要求2所述的方法，其特征在于，所述基于所述第二修正滤波参数值、所述车辆姿态信息及所述车道信息，对所述当前行驶位置及所述当前运动状态进行修正包括：
基于所述第二修正滤波参数值对所述目标车辆的所述当前运动状态进行修正；
基于所述车辆姿态信息对所述目标车辆的所述当前行驶位置及所述当前运动状态进行修正；
基于所述车道信息中携带的车道方向向量，对所述目标车辆的行驶方向进行修正，并基于所述车道信息中携带的车道线的位置坐标，对所述目标车辆在当前所在车道中的所述当前行驶位置进行修正。
8.根据权利要求7所述的方法，其特征在于，所述基于所述车辆姿态信息对所述目标车辆的所述当前行驶位置及所述当前运动状态进行修正包括：
在对所述目标车辆进行姿态测量得到所述目标车辆在第k时刻测量到的行驶角速度测量向量和行驶加速度测量向量的情况下，根据所述第k时刻测量到的所述行驶角速度测量向量和所述行驶加速度测量向量，确定所述目标车辆在第k时刻的姿态转换矩阵，在第k时刻的行驶速度，在第k时刻的行驶位置，其中，k为大于等于1的正整数。
9.根据权利要求8所述的方法，其特征在于，根据所述第k时刻测量到的所述行驶角速度测量向量和所述行驶加速度测量向量，确定所述目标车辆在第k时刻的姿态转换矩阵，在第k时刻的行驶速度，在第k时刻的行驶位置包括：
基于在第k时刻的所述行驶角速度测量向量中的角速度向量元素及单位测量时间间隔，构建第k时刻的参考姿态矩阵；利用第k时刻的所述参考姿态矩阵以及所述目标车辆在第k-1时刻的历史姿态转换矩阵，确定第k时刻的所述姿态转换矩阵；
基于第k时刻测量到的所述行驶加速度测量向量，第k时刻的所述姿态转换矩阵，所述单位测量时间间隔以及所述目标车辆在第k-1时刻的历史行驶速度，确定第k时刻的所述行驶速度；
基于所述目标车辆在第k-1时刻的所述历史行驶速度，第k时刻的所述行驶速度，所述单位测量时间间隔以及所述目标车辆在第k-1时刻的历史行驶位置，确定第k时刻的所述行驶位置。
10.根据权利要求7所述的方法，其特征在于，
基于所述第二修正滤波参数值对所述目标车辆的所述当前运动状态进行修正包括：基于所述第二修正滤波参数值及所述车道方向向量确定所述目标车辆的运动状态的修正量；按照所述运动状态的修正量对所述当前运动状态进行修正；
基于所述车道信息中携带的车道线的位置坐标，对所述目标车辆在当前所在车道中的所述当前行驶位置进行修正包括：基于所述当前行驶位置的位置坐标和所述车道线的位置坐标构建直线约束方程，以解算得到修正后的行驶位置。
11.根据权利要求1至10中任一项所述的方法，其特征在于，从目标车辆的车载影像数据中识别出所述目标车辆当前所在车道的车道信息包括：
对所述车载影像数据进行校正处理，得到校正后图像；
对所述校正后图像进行转换处理，得到包含所述目标车辆当前所在车道的车道线的候选图像；
对所述候选图像中属于所述车道线的像素点进行直方图统计，得到所述车道线的起始点坐标；
基于所述起始点坐标进行曲线拟合，以识别得到位于所述车道线上的位置坐标及所述车道线的方向。
12.一种车辆定位装置，其特征在于，包括：
车道识别单元，用于从目标车辆的车载影像数据中识别出所述目标车辆当前所在车道的车道信息；
姿态获取单元，用于获取对所述目标车辆进行姿态测量后得到的车辆姿态信息；
参数确定单元，用于利用所述车辆姿态信息及对所述目标车辆进行观测得到的卫星观测信息，确定与所述目标车辆对应的车辆融合定位滤波器参数的参数值；
修正单元，用于基于所述车道信息、所述车辆姿态信息及所述车辆融合定位滤波器参数的参数值，对所述目标车辆的当前行驶位置及当前运动状态进行修正；
定位单元，用于根据修正后的结果确定所述目标车辆的目标定位位置。
13.一种计算机可读的存储介质，其特征在于，所述计算机可读的存储介质包括存储的程序，其中，所述程序运行时执行所述权利要求1至11任一项中所述的方法。
14.一种计算机程序产品，包括计算机程序/指令，其特征在于，该计算机程序/指令被处理器执行时实现权利要求1至11任一项所述方法的步骤。
15.一种电子设备，包括存储器和处理器，其特征在于，所述存储器中存储有计算机程序，所述处理器被设置为通过所述计算机程序执行所述权利要求1至11任一项中所述的方法。
CN202111503531.9A 2021-12-10 2021-12-10 车辆定位方法和装置、存储介质及电子设备 Active CN113899375B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111503531.9A CN113899375B (zh) 2021-12-10 2021-12-10 车辆定位方法和装置、存储介质及电子设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111503531.9A CN113899375B (zh) 2021-12-10 2021-12-10 车辆定位方法和装置、存储介质及电子设备

Publications (2)

Publication Number Publication Date
CN113899375A true CN113899375A (zh) 2022-01-07
CN113899375B CN113899375B (zh) 2022-03-11

Family

ID=79025462

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111503531.9A Active CN113899375B (zh) 2021-12-10 2021-12-10 车辆定位方法和装置、存储介质及电子设备

Country Status (1)

Country Link
CN (1) CN113899375B (zh)

Cited By (7)

* Cited by examiner, † Cited by third party
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
CN115293301A (zh) * 2022-10-09 2022-11-04 腾讯科技（深圳）有限公司 车辆的变道方向的预估方法、装置及存储介质
CN115508875A (zh) * 2022-09-21 2022-12-23 中国第一汽车股份有限公司 目标车辆的定位方法、装置及车辆
CN115953328A (zh) * 2023-03-13 2023-04-11 天津所托瑞安汽车科技有限公司 一种目标矫正方法、系统及电子设备
TWI814480B (zh) * 2022-07-11 2023-09-01 新馳科技股份有限公司 車輛定位系統與車輛定位方法
CN117129956A (zh) * 2023-10-27 2023-11-28 深圳绿米联创科技有限公司 定位校正方法、装置、探测设备、计算机设备及存储介质
CN117406258A (zh) * 2023-12-15 2024-01-16 深圳市智慧城市通信有限公司 一种基于高精北斗定位的电动自行车车道级管理装置

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20030191568A1 (en) * 2002-04-09 2003-10-09 Breed David S. Method and system for controlling a vehicle
CN106646570A (zh) * 2017-01-12 2017-05-10 付寅飞 一种多基站卫星差分定位和惯导组合的车辆精准定位方法
CN107782321A (zh) * 2017-10-10 2018-03-09 武汉迈普时空导航科技有限公司 一种基于视觉和高精度地图车道线约束的组合导航方法
CN110160542A (zh) * 2018-08-20 2019-08-23 腾讯科技（深圳）有限公司 车道线的定位方法和装置、存储介质、电子装置
CN112558125A (zh) * 2021-02-22 2021-03-26 腾讯科技（深圳）有限公司 一种车辆定位的方法、相关装置、设备以及存储介质
CN113063425A (zh) * 2021-05-18 2021-07-02 腾讯科技（深圳）有限公司 车辆定位方法、装置、电子设备及存储介质

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20030191568A1 (en) * 2002-04-09 2003-10-09 Breed David S. Method and system for controlling a vehicle
CN106646570A (zh) * 2017-01-12 2017-05-10 付寅飞 一种多基站卫星差分定位和惯导组合的车辆精准定位方法
CN107782321A (zh) * 2017-10-10 2018-03-09 武汉迈普时空导航科技有限公司 一种基于视觉和高精度地图车道线约束的组合导航方法
CN110160542A (zh) * 2018-08-20 2019-08-23 腾讯科技（深圳）有限公司 车道线的定位方法和装置、存储介质、电子装置
CN112558125A (zh) * 2021-02-22 2021-03-26 腾讯科技（深圳）有限公司 一种车辆定位的方法、相关装置、设备以及存储介质
CN113063425A (zh) * 2021-05-18 2021-07-02 腾讯科技（深圳）有限公司 车辆定位方法、装置、电子设备及存储介质

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
苏景岚: "车载视觉/INS/GNSS传感器融合定位定姿算法研究", 《中国优秀博硕士学位论文全文数据库（硕士）》 *
苏景岚等: "城市环境下BDS/GPS单频RTK定位算法研究", 《大地测量与地球动力学》 *

Cited By (9)

* Cited by examiner, † Cited by third party
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
TWI814480B (zh) * 2022-07-11 2023-09-01 新馳科技股份有限公司 車輛定位系統與車輛定位方法
CN115508875A (zh) * 2022-09-21 2022-12-23 中国第一汽车股份有限公司 目标车辆的定位方法、装置及车辆
CN115293301A (zh) * 2022-10-09 2022-11-04 腾讯科技（深圳）有限公司 车辆的变道方向的预估方法、装置及存储介质
CN115953328A (zh) * 2023-03-13 2023-04-11 天津所托瑞安汽车科技有限公司 一种目标矫正方法、系统及电子设备
CN117129956A (zh) * 2023-10-27 2023-11-28 深圳绿米联创科技有限公司 定位校正方法、装置、探测设备、计算机设备及存储介质
CN117129956B (zh) * 2023-10-27 2024-04-09 深圳绿米联创科技有限公司 定位校正方法、装置、探测设备、计算机设备及存储介质
CN117406258A (zh) * 2023-12-15 2024-01-16 深圳市智慧城市通信有限公司 一种基于高精北斗定位的电动自行车车道级管理装置
CN117406258B (zh) * 2023-12-15 2024-03-05 深圳市智慧城市通信有限公司 一种基于北斗定位的电动自行车车道级管理装置

Also Published As

Publication number Publication date
CN113899375B (zh) 2022-03-11

Similar Documents

Publication Publication Date Title
CN113899375B (zh) 车辆定位方法和装置、存储介质及电子设备
CN110412635B (zh) 一种环境信标支持下的gnss/sins/视觉紧组合方法
US10788830B2 (en) Systems and methods for determining a vehicle position
JP6694395B2 (ja) デジタル地図に対する位置を決定する方法およびシステム
US11237005B2 (en) Method and arrangement for sourcing of location information, generating and updating maps representing the location
JP6354556B2 (ja) 位置推定装置、位置推定方法、位置推定プログラム
CN112987065B (zh) 一种融合多传感器的手持式slam装置及其控制方法
CN110411457B (zh) 基于行程感知与视觉融合的定位方法、系统、终端和存储介质
CN111551186A (zh) 一种车辆实时定位方法、系统及车辆
CN113406682A (zh) 一种定位方法、装置、电子设备及存储介质
EP3842735B1 (en) Position coordinates estimation device, position coordinates estimation method, and program
CN112255648B (zh) 运动状态检测方法、装置、电子设备及存储介质
CN112596089B (zh) 融合定位方法、装置、电子设备及存储介质
CN113063425B (zh) 车辆定位方法、装置、电子设备及存储介质
CN110458885B (zh) 基于行程感知与视觉融合的定位系统和移动终端
CN112526573B (zh) 对象定位方法和装置、存储介质及电子设备
CN116047565A (zh) 一种多传感器数据融合定位系统
Mostafa et al. Optical flow based approach for vision aided inertial navigation using regression trees
CN113848569A (zh) 虚拟基准站的定位校验方法、存储介质和电子设备
KR20200032776A (ko) 다중 센서 플랫폼 간 정보 융합을 위한 시스템
Wei Multi-sources fusion based vehicle localization in urban environments under a loosely coupled probabilistic framework
Chen et al. Panoramic epipolar image generation for mobile mapping system
CN117434570B (zh) 坐标的可视化测量方法、测量设备及存储介质
US11859979B2 (en) Delta position and delta attitude aiding of inertial navigation system
Abdellattif Multi-sensor fusion of automotive radar and onboard motion sensors for seamless land vehicle positioning in challenging environments

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