CN113959457A - 一种自动驾驶车辆的定位方法、装置、车辆和介质 - Google Patents
一种自动驾驶车辆的定位方法、装置、车辆和介质 Download PDFInfo
- Publication number
- CN113959457A CN113959457A CN202111223101.1A CN202111223101A CN113959457A CN 113959457 A CN113959457 A CN 113959457A CN 202111223101 A CN202111223101 A CN 202111223101A CN 113959457 A CN113959457 A CN 113959457A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- position information
- positioning
- automatic driving
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 64
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 34
- 238000001914 filtration Methods 0.000 claims abstract description 32
- 230000008569 process Effects 0.000 claims abstract description 15
- 238000004364 calculation method Methods 0.000 claims description 28
- 230000004927 fusion Effects 0.000 claims description 28
- 238000001514 detection method Methods 0.000 claims description 13
- 238000006243 chemical reaction Methods 0.000 claims description 8
- 230000007613 environmental effect Effects 0.000 claims description 5
- 238000004590 computer program Methods 0.000 claims description 2
- 238000004891 communication Methods 0.000 description 8
- 239000011159 matrix material Substances 0.000 description 7
- 238000010586 diagram Methods 0.000 description 6
- 230000000694 effects Effects 0.000 description 6
- 230000009466 transformation Effects 0.000 description 5
- 230000007704 transition Effects 0.000 description 5
- 230000006870 function Effects 0.000 description 4
- 238000005259 measurement Methods 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 238000009825 accumulation Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000009434 installation Methods 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000005284 excitation Effects 0.000 description 1
- 230000004807 localization Effects 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000008707 rearrangement Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000001960 triggered 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
- G01C21/3407—Route searching; Route guidance specially adapted for specific applications
- G01C21/3415—Dynamic re-routing, e.g. recalculating the route when the user deviates from calculated route or after detecting real-time traffic data or accidents
-
- 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
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
- G01S17/86—Combinations of lidar systems with systems other than lidar, radar or sonar, e.g. with direction finders
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
- G01S17/88—Lidar systems specially adapted for specific applications
- G01S17/93—Lidar systems specially adapted for specific applications for anti-collision purposes
- G01S17/931—Lidar systems specially adapted for specific applications for anti-collision purposes of land vehicles
-
- 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
- G01S19/45—Determining position by combining measurements of signals from the satellite radio beacon positioning system with a supplementary measurement
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computer Networks & Wireless Communication (AREA)
- Electromagnetism (AREA)
- Automation & Control Theory (AREA)
- Traffic Control Systems (AREA)
- Navigation (AREA)
Abstract
本发明公开了一种自动驾驶车辆的定位方法、装置、车辆和介质。在自动驾驶车辆在隧道路段行驶过程中,从路侧设备接收自动驾驶车辆的第一位置信息和路侧设备的位置信息;其中,所述第一位置信息由路侧设备检测得到;所述路侧设备设置在所述隧道路段中;通过定位模块确定自动驾驶车辆的第二位置信息;采用卡尔曼滤波算法,对所述车辆的第一位置信息和车辆的第二位置信息进行融合,得到车辆的融合位置信息。本发明实施例的技术方案解决了隧道场景,由于长时间的信号遮挡,自动驾驶车辆无法使用单一种类的定位方式进行准确定位的问题,提高了自动驾驶车辆在隧道路段中定位的准确性。
Description
技术领域
本发明实施例涉及车辆定位技术领域,尤其涉及一种自动驾驶车辆的定位方法、装置、车辆和介质。
背景技术
在自动驾驶中领域,高精定位技术是实现自动驾驶的必要条件。目前,自动驾驶车辆的定位技术主要包括以下几个方式:GPS定位、里程计定位和GPS/IMU组合导航系统定位和匹配定位。GPS定位主要依靠卫星确认自身位置,具有全天候、累积误差小等特点,但在遮挡环境下会产生严重的位置偏移,同时,GPS定位的输出频率也难以满足自动驾驶系统要求。里程计定位是依靠陀螺仪、加速度计等进行自动驾驶车辆的航迹推算,输出频率高,不受环境遮挡影响,但定位误差会随时间的推移而变大。GPS/IMU组合导航系统定位则是将GPS定位及里程计定位相结合,具备两者共同的优点,同时降低了遮挡及误差积累对定位精度的影响,但在长时间遮挡的情况下定位精度同样得不到保证。匹配定位算法是将传感器扫描周围的环境,构建离线的环境地图,再通过传感器实时检测到的环境信息与离线的环境地图相匹配,以获取自动驾驶车辆在离线地图中的相对位置,从而修正定位结果的一种方法,有效降低了遮挡及误差积累的影响。不过,匹配定位的精度与离线地图的精度有很大关系,且真实环境变化的变化对其误差也有很大影响。
对于隧道场景,由于长时间的信号遮挡,自动驾驶车辆无法使用单一种类的定位方式进行准确的定位。
发明内容
本发明实施例提供一种自动驾驶车辆的定位方法、装置、车辆和介质,以精准定位自动驾驶车辆的位置,提升自动驾驶车辆定位的准确性。
第一方面,本发明实施例提供了一种自动驾驶车辆的定位方法,该方法包括:
在自动驾驶车辆在隧道路段行驶过程中,从路侧设备接收自动驾驶车辆的第一位置信息和路侧设备的位置信息;所述路侧设备设置在所述隧道路段中;
通过定位模块确定自动驾驶车辆的第二位置信息;
采用卡尔曼滤波算法,对所述车辆的第一位置信息和车辆的第二位置信息进行融合,得到车辆的融合位置信息。
第二方面,本发明实施例还提供了一种车辆定位装置,该车辆定位装置包括:
车辆位置信息检测模块,用于在自动驾驶车辆在隧道路段行驶过程中,从路侧设备接收自动驾驶车辆的位置信息和路侧设备的位置信息;自动驾驶车辆OBU设备接收到所述路侧设备发送的车辆的位置信息后,进行空间转换,获得自动驾驶车辆的第一位置信息;所述路侧设备设置在所述隧道路段中;
定位模块,用于确定自动驾驶车辆的第二位置信息;
计算模块,用于采用卡尔曼滤波算法,对所述车辆的第一位置信息和车辆的第二位置信息进行融合,得到车辆的融合位置信息。
第三方面,本发明实施例提供了一种自动驾驶车辆,该自动驾驶车辆包括:
一个或多个处理器;
存储装置,用于存储一个或多个程序;
车辆定位模块,用于采集车辆位置信息;
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现本发明任意实施例所述的自动驾驶车辆的定位方法。
第四方面,本发明实施例提供了一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现本发明任意实施例所述的自动驾驶车辆的定位方法。
本发明实施例通过提供一种自动驾驶车辆的定位方法、装置、车辆和介质。通过在自动驾驶车辆行驶的路段上设置路侧设备,使用路侧设备检测到车辆的第一位置信息、路侧设备的位置信息和检测到车辆的第一位置信息的时间,即第一采集时间,通过RSU通信设备将上述信息发送给车辆OBU(On board Unit,车载单元)设备,车辆OBU设备根据路侧设备检测到车辆的第一位置信息,通过空间转换,计算出自动驾驶车辆变换后的第一位置信息。再将车辆定位模块确定的自动驾驶车辆的第二位置信息和第二采集时间发送给车辆OBU设备。采用卡尔曼滤波算法,对变换后的第一位置信息和第二位置信息进行融合,得到车辆的融合位置信息。解决了在隧道场景下,由于长时间信号遮挡,自动驾驶车辆无法使用单一种类的定位方式进行准确的定位的问题。实现了将多种定位方式得到的车辆位置信息进行融合计算从而得到精准的车辆定位效果。
附图说明
图1为本发明实施例一提供的一种自动驾驶车辆的定位方法流程图;
图2为本发明实施例二提供的一种自动驾驶车辆的定位方法流程图;
图3为本发明实施例二提供的一种自动驾驶车辆的定位方法结构框图;
图4为本发明实施例三提供的一种自动驾驶车辆的定位方法流程图;
图5为本发明实施例四提供的一种自动驾驶车辆的定位装置的结构示意图;
图6为本发明实施例五提供的一种车辆的结构示意图。
具体实施方式
下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是,此处所描述的具体实施例仅仅用于解释本发明,而非对本发明的限定。另外还需要说明的是,为了便于描述,附图中仅示出了与本发明相关的部分而非全部结构。
实施例一
图1为本发明实施例一提供的一种自动驾驶车辆的定位方法流程图,本实施例可适用于如何对自动驾驶车辆进行定位的情况,尤其适用于在隧道场景下,解决自动驾驶车辆无法使用单一种类的定位方式进行准确定位的问题。路侧设备获取到路侧设备位置信息、车辆的第一位置信息和第一采集时间发送给车辆OBU设备,OBU(On board Unit,车载单元)设备计算出自动驾驶车辆变换后的第一位置信息。自动驾驶车辆定位模块获得车辆第二位置信息和第二采集时间,并将第二位置信息和第二采集时间发送给车辆OBU设备。车辆OBU设备采用卡尔曼滤波算法对变换后的第一位置信息和第二位置信息进行融合计算,得到车辆的融合位置信息。
该自动驾驶车辆的定位方法可以由路侧设备、RSU通信设备、车辆定位模块和车辆OBU设备配合执行。自动驾驶车辆OBU设备包含有计算模块,用于实现本发明实施例中的自动驾驶车辆位置信息的空间转换计算和时间差计算。该方法可以由本发明实施例提供的车辆定位装置来执行,该装置可以采用软件和/或硬件的方式来实现。该装置可配置于终端设备/服务器/车载控制器中,该方法具体包括:
S110、在自动驾驶车辆在隧道路段行驶过程中,从路侧设备接收自动驾驶车辆的第一位置信息和路侧设备的位置信息;所述路侧设备设置在所述隧道路段中。
可选的,路侧设备是一种用于车路协同系统的路侧感知设备,可以由供电单元、检测单元、中央处理单元和通信单元组成,可以用于检测自动驾驶车辆驾驶场景中的交通环境信息。例如,路侧设备可以是UWB定位基站、摄像头或激光雷达等检测设备。在车辆行驶路段中,每隔一定距离设置一个路侧设备,可选的,一定距离可以为20m。路侧设备检测到的车辆位置信息可以是坐标信息,如(x,y,z),其中,x、y和z可以是数字或字符串。
其中,路侧设备的位置信息可以是预先设置好的坐标信息,如(0,0,0),路侧设备可以记录其自身位置信息。
具体的,车辆的第一位置信息,是当车辆行驶到路侧设备的检测范围内,路侧设备检测到车辆相对于路侧设备的相对位置信息,并将相对位置信息以坐标的形式记录到路侧设备中。其中,路侧设备的检测范围可以通过路侧设备的安装位置和安装高度进行调整。
进一步的,对所述车辆的第一位置信息和车辆的第二位置信息进行融合之前,还包括:以路侧设备为坐标参照点,建立空间坐标系;根据空间坐标系,对车辆的第一位置信息进行空间转换,计算出车辆变换后的第一位置信息。
具体的,预先设置好路侧设备的位置坐标信息,并以路侧设备为基准建立空间坐标系,比如,可以以路侧设备的位置为坐标原点建立空间坐标系,空间坐标系的建立范围为路侧设备的检测范围。
具体的,当车辆行驶进入路侧设备的检测范围内时,路侧设备将检测到的车辆的第一位置信息记录下来,记录下的车辆的第一位置信息包括车辆与路侧设备之间的水平距离、垂直距离和车辆行驶到被记录位置时的时间。采用路侧设备记录车辆位于空间坐标系中的车辆的第一位置信息。
其中,被记录的车辆的第一位置信息可以是通过路测设备进行计算得到的。优选的,路侧设备对感知的车辆的第一位置信息计算可以在边缘节点中计算,也可以传输到云平台计算后,再返回给边缘计算节点。边缘计算是指在靠近路侧设备的一端接入边缘计算设备,通过代码提供网络、存储、计算、应用等能力,实现网络服务响应和本地数据传输。
进一步的,可以通过RSU通信设备将路侧设备的位置坐标信息和路侧设备记录的车辆的第一位置信息广播出去;自动驾驶车辆采用OBU设备接收到路侧设备发送的路侧设备的位置坐标和信息车辆的第一位置信息,计算出自动驾驶车辆在空间坐标系中的车辆坐标信息,车辆在空间坐标系中的车辆坐标信息即变换后的第一位置信息。
本发明实施例提供的对从路测设备获得的车辆位置信息进行空间转换的方法,以路侧设备为基准建立空间坐标系,通过车辆OBU设备对车辆的第一位置信息进行空间转换,得到车辆在所建立的空间坐标系中的位置坐标作为变换后的第一位置信息。解决了车辆没有固定参照物,从而无法统一车辆位置信息计算标准的问题。以路侧设备作为车辆位置信息的参照物,实现了确定车辆位置信息计算方法,使后续对车辆第一位置信息的计算更加精准的效果。
S120、通过定位模块确定自动驾驶车辆的第二位置信息。
其中,定位模块可以是激光雷达、GNSS/IMU组合导航系统、里程计或高精地图。激光雷达定位是向目标发射探测信号,然后将接收到的从目标反射回来的信号与发射信号进行比较,作适当处理后,就可获得目标的有关信息,通过目标相关信息确定车辆的位置信息;里程计定位是依靠陀螺仪、加速度计等进行自动驾驶车辆的航迹推算;GNSS/IMU组合导航系统定位则是将GNSS定位及里程计定位相结合,对车辆进行定位;通过高精地图可以实现匹配定位,匹配定位可以通过匹配定位算法实现。例如,可以采用传感器扫描周围的环境,构建离线的环境地图,再通过传感器实时检测到的环境信息与离线的环境地图相匹配,以获取自动驾驶车辆在离线地图中的相对位置。通过定位模块确定自动驾驶车辆的位置信息作为第二位置信息。
S130、采用卡尔曼滤波算法,对车辆的第一位置信息和车辆的第二位置信息进行融合,得到车辆的融合位置信息。
其中,卡尔曼滤波算法可以通过代码实现。卡尔曼滤波算法分为预测和更新两个阶段。在本实施例中,预测阶段是指采用路侧设备和车辆OBU设备检测并计算得到的变换后的第一位置信息,即通过卡尔曼滤波算法,根据上一时刻的后验估计值来估计得到的当前时刻的先验估计值;更新阶段是指通过自动驾驶车辆定位模块确定的第二位置信息来修正预测阶段的第一位置信息,得到自动驾驶车辆当前时刻的融合位置信息,即通过卡尔曼滤波算法得到的当前时刻的后验估计值。
卡尔曼滤波器的时间更新方程如下:
卡尔曼滤波器状态更新方程如下:
其中,和分别表示通过路侧设备计算得到的k-1时刻和k时刻的变换后的车辆第一位置信息。表示k时刻的先验状态估计值,是滤波的中间计算结果,即根据k-1时刻的最优估计预测的k时刻的结果。Pk-1和Pk分别表示k-1时刻和k时刻的后验估计协方差,即和的协方差,表示状态的不确定度,是滤波的结果之一。表示k时刻的先验估计协方差,即的协方差,是滤波的中间计算结果。H是指状态变量到观测的转换矩阵,表示将状态和观测连接起来的关系,卡尔曼滤波里为线性关系,它负责将m维的测量值转换到n维,使之符合状态变量的数学公式,是滤波的前提条件之一。zk指检测值,在本实施例中是指自动驾驶车辆定位模块确定的车辆的第二位置信息,是滤波的输入。Kk是指滤波增益矩阵,是滤波的中间计算结果,即卡尔曼增益。A为状态转移矩阵,实际上是对目标状态转换的一种猜想模型。例如在车辆位置跟踪中,状态转移矩阵可以用来对车辆的运动状态建模,车辆的运动状态模型可以是匀速直线运动或加速运动;当状态转移矩阵不符合车辆的运动状态模型时,滤波会很快发散。Q是指过程激励噪声协方差,该参数被用来表示状态转换矩阵与实际过程之间的误差。R是指测量噪声协方差,一般可以通过观测得到,是滤波器的已知条件。B是指将输入转换为状态的矩阵。是指实际检测值和预测检测值之间的残差,和卡尔曼增益结合用于修正先验状态估计值,得到后验状态估计值,即本实施例中车辆的融合位置信息;其中在本实施例中表示路侧设备检测得到的第一位置信息。
本实施例提供的技术方案,通过在自动驾驶车辆行驶的路段上设置路侧设备,使用路侧设备检测到车辆的第一位置信息、路侧设备的位置信息和检测到车辆的位置信息的时间,即第一采集时间,通过RSU通信设备将上述信息发送给车辆OBU设备,车辆OBU设备根据路侧设备检测到车辆的位置信息,通过空间转换,计算出自动驾驶车辆变换后的第一位置信息。采用卡尔曼滤波算法,对车辆变换后的第一位置信息和第二位置信息进行融合,得到车辆的融合位置信息。解决了在隧道场景下,由于长时间信号遮挡,自动驾驶车辆无法使用单一种类的定位方式进行准确的定位的问题。实现了将多种定位方式得到的车辆位置信息进行融合计算从而得到精准的车辆定位效果。
实施例二
图2为本发明实施例二提供的一种自动驾驶车辆的定位方法流程图,本实施例在上述实施例的基础上进行了优化,增加了确定路侧设备采集车辆位置信息时间和定位模块采集车辆位置信息时间,并求出两个采集时间之间的间隔,根据采集时间间隔判断是否对车辆位置信息进行融合等过程。具体的,如图2所示,本实施例提供的自动驾驶车辆的定位方法可以包括:
S210、在自动驾驶车辆在隧道路段行驶过程中,从路侧设备接收自动驾驶车辆的第一位置信息和路侧设备的位置信息;所述路侧设备设置在所述隧道路段中。
S220、通过定位模块确定自动驾驶车辆的第二位置信息。
S230、获取路侧设备采集到所述第一位置信息的第一采集时间。
其中,第一采集时间是指路侧设备采集到车辆的第一位置信息的时间,第一采集时间可以记录到路侧设备中。可选的,通过RSU通信设备将第一采集时间发送给车辆OBU设备。
S240、确定第二位置信息的第二采集时间。
其中,第二采集时间是指通过定位模块确定自动驾驶车辆的第二位置信息的时间,第二采集时间可以存储到车辆OBU设备中。
S250、若第一采集时间和第二采集时间之间的间隔时长小于时长阈值,触发位置融合操作;若第一采集时间和第二采集时间之间的间隔时长大于时长阈值,则展示定位失败告警信息。
其中,第一采集时间和第二采集时间之间的间隔时长可以通过车辆OBU设备中的计算模块得出。位置融合操作是指通过算法,如卡尔曼滤波算法,将第一位置信息和第二位置信息进行融合计算,得到车辆的融合位置信息。示例性的,时长阈值可以定义为0.05s,若第一采集时间和第二采集时间之间的间隔时长小于0.05s,则触发位置融合操作。
其中,时长阈值可以定义为0.05s,若第一采集时间和第二采集时间之间的间隔时长大于0.05s,则通过车辆OBU设备进行告警。例如,当间隔时长大于0,05s时,可以在车辆OBU设备的显示器上显示“定位失败”,也可以通过车辆语音播放系统播放“定位失败”语音信息。
S260、采用卡尔曼滤波算法,对车辆的第一位置信息和车辆的第二位置信息进行融合,得到车辆的融合位置信息。
在本实施例中,图3为本发明实施例二提供的一种自动驾驶车辆的定位方法结构框图。
可选的,如图3所示,路侧设备可以是UWB定位基站、摄像头或激光雷达等检测设备。通过路侧设备可以获得车辆的第一位置信息、路侧设备的位置信息和路侧设备接收车辆的第一位置信息的第一采集时间。自动驾驶车辆定位模块可以是激光雷达、GNSS/IMU组合导航系统、里程计或高精地图。通过车辆定位模块可以获得车辆第二位置信息和确定第二位置信息的第二采集时间。路侧设备通过RSU通信单元将车辆的第一位置信息和第一采集时间发送给车辆OBU设备。车辆定位模块可以将第二位置信息和第二采集时间发送到车辆OBU设备。车辆OBU设备对接收到的车辆的第一位置信息进行空间转换可以得到变换后的车辆第一位置信息;车辆OBU设备对第一采集时间和第二采集时间进行间隔时长计算,在保证车辆位置采集时间和第二位置采集时间同步的情况下,采用卡尔曼滤波算法,对变换后的第一位置信息和第二位置信息进行融合计算,得到车辆的融合位置信息,即自动驾驶车辆的融合定位结果。
本实施例提供的技术方案,先通过路侧设备检测自动驾驶车辆的第一位置信息和路侧设备采集到车辆的第一位置信息的时间,即第一采集时间;再通过车辆定位模块确定自动驾驶车辆的第二位置信息和定位模块采集到的车辆位置信息的时间,即第二采集时间。车辆OBU设备接收到车辆的第一位置信息、第一采集时间、车辆的第二位置信息和第二采集时间后,对第一采集时间和第二采集时间求差值,得到时间间隔。判断时间间隔是否大于提前设置好的时间间隔阈值,若小于阈值,则对车辆位置信息进行融合计算;若大于阈值,则通过车载设备告警。解决了通过路侧设备和车辆定位模块获取到的车辆位置信息时间间隔过长,从而引起车辆定位结果不准确的问题。实现了通过时间间隔判断是否要对车辆位置信息进行融合计算,得到更精准的车辆位置信息的效果。
实施例三
图4为本发明实施例三提供的一种自动驾驶车辆的定位方法流程图,本实施例在上述各实施例的基础上进行了优化,增加了建立标定特征点库,根据自动驾驶车辆行驶场景总的特征点数量对车辆第一位置信息和第二位置信息进行加权等过程。具体的,如图4所示,本实施例提供的自动驾驶车辆的定位方法可以包括:
S310、在自动驾驶车辆在隧道路段行驶过程中,从路侧设备接收自动驾驶车辆的第一位置信息和路侧设备的位置信息;所述路侧设备设置在所述隧道路段中。
S320、通过定位模块确定自动驾驶车辆的第二位置信息。
S330、通过雷达传感器检测环境特征点,得到特征点数量。
示例性的,可以通过搭载摄像装置的车辆,使用摄像装置连续采集车辆行驶场景图像序列,以车辆行驶场景中某一静止参照物为原点建立空间模型及坐标系;对每一帧场景图像进行分析,识别图像上的特征点并记录其特征属性,同时根据特征点的特征属性初步估计这些特征点在空间坐标系中的位置;根据连续多个时刻获取的车辆行驶场景特征点的特征属性,估计其在空间坐标系中的位置,建立标定特征点库,用于标定车辆的位置信息;获得标定特征点库后,需要获得其中每个特征点的标定后在空间坐标系中的位置;完成特征点标定后,将标定特征点用于车辆定位。
优选的,可以通过搭载雷达传感器的自动驾驶车辆,使用雷达传感器扫描车辆行驶场景,获得车辆行驶场景中与特征点库相匹配的特征点。通过雷达匹配算法得到雷达传感器扫描到的特征点数量。其中,雷达匹配算法可以通过代码实现。
S340、如果特征点数量大于数量阈值,则确定第一位置信息的第一权重小于第二位置信息的第二权重。
其中,数量阈值可以设置为10000。如果雷达传感器扫描到的特征点数量大于或等于10000个,则设置第一位置信息的第一权重小于第二位置信息的第二权重;如果雷达传感器扫描到的特征点数量小于10000个,则确定第一位置信息的第一权重大于第二位置信息的第二权重。
S350、采用卡尔曼滤波算法,根据第一权重和第二权重,对车辆的第一位置信息和车辆的第二位置信息进行加权,得到车辆的融合位置信息。
具体的,如果第一位置信息的第一权重小于第二位置信息的第二权重,在卡尔曼滤波算法的更新阶段,采用第二位置信息来修正第一位置信息,得到车辆的融合位置信息。如果第一位置信息的第一权重大于第二位置信息的第二权重,在卡尔曼滤波算法的更新阶段,采用第一位置信息来修正第二位置信息,得到车辆的融合位置信息。
本实施例的技术方案,通过搭载摄像装置的车辆采集车辆行驶过程中的特征点,并建立空间坐标系,对特征点进行标定,再将标定的特征点存放到特征点库中。在自动驾驶车辆行驶的过程中,通过雷达传感器扫描行驶场景,获得场景特征点,根据特征点数量确定车辆的第一位置信息和第二位置信息的权重。采用卡尔曼滤波算法,对车辆的第一位置信息和车辆的第二位置信息进行加权,计算出车辆的融合位置信息。解决了在进行卡尔曼滤波算法进行车辆位置信息融合计算时,在更新的过程中,不区分车辆第一位置信息和第二位置信息的权重,仅通过车辆的第二位置信息去修正第一位置信息带来的车辆定位误差问题,达到了通过建立特征点库和识别车辆行驶场景中的特征点,对车辆位置信息分配不同的权重,灵活应用卡尔曼滤波算法计算车辆的融合位置信息,获得更加精确的车辆定位效果。
实施例四
图5为本发明实施例四提供的一种自动驾驶车辆的定位装置的结构示意图,本实施例可适用于对自动驾驶车辆进行定位的情况,如图5所示,自动驾驶车辆的定位装置包括:车辆位置信息检测模块410、定位模块420和计算模块430。
其中,车辆位置信息检测模块410,用于在自动驾驶车辆在隧道路段行驶过程中,从路侧设备接收自动驾驶车辆的第一位置信息和路侧设备的位置信息;所述路侧设备设置在所述隧道路段中;
定位模块420,用于确定自动驾驶车辆的第二位置信息;
计算模块430,用于采用卡尔曼滤波算法,对所述车辆的第一位置信息和车辆的第二位置信息进行融合,得到车辆的融合位置信息。
本实施例提供的技术方案,通过在自动驾驶车辆行驶的路段上设置路侧设备,使用路侧设备检测到车辆的第一位置信息、路侧设备的位置信息和检测到车辆的位置信息的时间,即第一采集时间,通过RSU通信设备将上述信息发送给车辆OBU设备。再将车辆定位模块确定的自动驾驶车辆的第二位置信息和第二采集时间发送给车辆OBU设备。采用卡尔曼滤波算法,对车辆的第一位置信息和第二位置信息进行融合,得到车辆的融合位置信息。解决了在隧道场景下,由于长时间信号遮挡,自动驾驶车辆无法使用单一种类的定位方式进行准确的定位的问题。实现了将多种定位方式得到的车辆位置信息进行融合计算从而得到精准的车辆定位效果。
其中,车辆位置信息检测模块410,可以具体用于:
通过路侧设备接收车辆位置信息的第一采集时间。
进一步的,定位模块420,可以具体用于:
确定第二位置信息的第二采集时间。
进一步的,计算模块430,可以具体用于:
计算第一采集时间和第二采集时间之间的间隔时长;
若第一采集时间和第二采集时间之间的间隔时长小于时长阈值,触发位置融合操作;
若第一采集时间和第二采集时间之间的间隔时长大于时长阈值,则展示定位失败告警信息。
在本发明实施例中,上述计算模块430,还可以用于:
通过雷达传感器检测环境特征点,得到特征点数量;
如果所述特征点数量大于数量阈值,则确定所述第一位置信息的第一权重小于所述第二位置的第二权重;
采用卡尔曼滤波算法,根据所述第一权重和第二权重,对所述车辆的第一位置信息和车辆的第二位置信息进行加权,得到车辆的融合位置信息。
进一步的,上述计算模块430,还可以用于:
以所述路侧设备为坐标参照点,建立空间坐标系;
根据所述空间坐标系,对所述车辆的第一位置信息进行空间转换,得到变换后的第一位置信息。
示例性的,上述装置还包括:路侧设备,所述路侧设备为UWB定位基站、摄像头或激光雷达。
本实施例提供的车辆定位装置可适用于上述任意实施例提供的自动驾驶车辆的定位方法,具备相应的功能和有益效果。
实施例五
图6为本发明实施例五提供的一种车辆的结构示意图,如图6所示,该车辆包括处理器510、存储器520和定位器530;车辆中处理器510的数量可以是一个或多个,图6中以一个处理器510为例;车辆中的处理器510、存储器520和定位器530可以通过总线或其他方式连接,图6中以通过总线连接为例。
存储器520作为一种计算机可读存储介质,可用于存储软件程序、计算机可执行程序以及模块,如本发明实施例中的自动驾驶车辆的定位方法对应的程序指令/模块(例如,自动驾驶车辆的定位装置中的车辆位置信息检测模块410、定位模块420和计算模块430)。处理器510通过运行存储在存储器520中的软件程序、指令以及模块,从而执行车辆的各种功能应用以及数据处理,即实现上述的自动驾驶车辆的定位方法。
存储器520可主要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、至少一个功能所需的应用程序;存储数据区可存储根据终端的使用所创建的数据等。此外,存储器520可以包括高速随机存取存储器,还可以包括非易失性存储器,例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。在一些实例中,存储器520可进一步包括相对于处理器510远程设置的存储器,这些远程存储器可以通过网络连接至车辆。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。
定位器530可用于获取车辆位置信息,对车辆进行定位。
本实施例提供的车辆可适用于上述任意实施例提供的自动驾驶车辆的定位方法,具备相应的功能和有益效果。
实施例六
本发明实施例六还提供一种包含计算机可执行指令的存储介质,所述计算机可执行指令在由计算机处理器执行时用于执行一种自动驾驶车辆的定位方法,该方法包括:
自动驾驶车辆在隧道路段行驶过程中,从路侧设备接收自动驾驶车辆的第一位置信息和路侧设备的位置信息;路侧设备设置在隧道路段中;
通过定位模块确定自动驾驶车辆的第二位置信息;
采用卡尔曼滤波算法,对所述车辆的第一位置信息和车辆的第二位置信息进行融合,得到车辆的融合位置信息。
当然,本发明实施例所提供的一种包含计算机可执行指令的存储介质,其计算机可执行指令不限于如上所述的方法操作,还可以执行本发明任意实施例所提供的自动驾驶车辆的定位方法中的相关操作。
通过以上关于实施方式的描述,所属领域的技术人员可以清楚地了解到,本发明可借助软件及必需的通用硬件来实现,当然也可以通过硬件实现,但很多情况下前者是更佳的实施方式。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可以以软件产品的形式体现出来,该计算机软件产品可以存储在计算机可读存储介质中,如计算机的软盘、只读存储器(Read-Only Memory,ROM)、随机存取存储器(RandomAccess Memory,RAM)、闪存(FLASH)、硬盘或光盘等,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述的方法。
值得注意的是,上述自动驾驶车辆的定位方法的实施例中,所包括的各个单元和模块只是按照功能逻辑进行划分的,但并不局限于上述的划分,只要能够实现相应的功能即可;另外,各功能单元的具体名称也只是为了便于相互区分,并不用于限制本发明的保护范围。
注意,上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解,本发明不限于这里所述的特定实施例,对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此,虽然通过以上实施例对本发明进行了较为详细的说明,但是本发明不仅仅限于以上实施例,在不脱离本发明构思的情况下,还可以包括更多其他等效实施例,而本发明的范围由所附的权利要求范围决定。
Claims (10)
1.一种自动驾驶车辆的定位方法,其特征在于,包括:
在自动驾驶车辆在隧道路段行驶过程中,从路侧设备接收自动驾驶车辆的第一位置信息和路侧设备的位置信息;所述路侧设备设置在所述隧道路段中;
通过定位模块确定自动驾驶车辆的第二位置信息;
采用卡尔曼滤波算法,对所述车辆的第一位置信息和车辆的第二位置信息进行融合,得到车辆的融合位置信息。
2.根据权利要求1所述的方法,其特征在于,所述对所述车辆的第一位置信息和车辆的第二位置信息进行融合之前,还包括:
获取路侧设备采集到所述第一位置信息的第一采集时间;
确定所述第二位置信息的第二采集时间;
若所述第一采集时间和所述第二采集时间之间的间隔时长小于时长阈值,触发位置融合操作。
3.根据权利要求2所述的方法,其特征在于,还包括:
若所述第一采集时间和所述第二采集时间之间的间隔时长大于时长阈值,则展示定位失败告警信息。
4.根据权利要求1所述的方法,其特征在于,采用卡尔曼滤波算法,对所述车辆的第一位置信息和车辆的第二位置信息进行融合,得到车辆的融合位置信息,包括:
通过雷达传感器检测环境特征点,得到特征点数量;
如果所述特征点数量大于数量阈值,则确定所述第一位置信息的第一权重小于所述第二位置信息的第二权重;
采用卡尔曼滤波算法,根据所述第一权重和第二权重,对所述车辆的第一位置信息和车辆的第二位置信息进行加权,得到车辆的融合位置信息。
5.根据权利要求1所述的方法,其特征在于,所述对所述车辆的第一位置信息和车辆的第二位置信息进行融合之前,还包括:
以所述路侧设备为坐标参照点,建立空间坐标系;
根据所述空间坐标系,对所述车辆的第一位置信息进行空间转换,得到变换后的第一位置信息。
6.根据权利要求1所述的方法,其特征在于,所述路侧设备为UWB定位基站、摄像头或激光雷达。
7.一种车辆定位装置,其特征在于,包括:
车辆位置信息检测模块,用于在自动驾驶车辆在隧道路段行驶过程中,从路侧设备接收自动驾驶车辆的第一位置信息和路侧设备的位置信息;所述路侧设备设置在所述隧道路段中;
定位模块,用于确定自动驾驶车辆的第二位置信息;
计算模块,用于采用卡尔曼滤波算法,对所述车辆的第一位置信息和车辆的第二位置信息进行融合,得到车辆的融合位置信息。
8.根据权利要求7所述的装置,其特征在于,所述计算模块,具体用于:
通过雷达传感器检测环境特征点,得到特征点数量;
如果所述特征点数量大于数量阈值,则确定所述第一位置信息的第一权重小于所述第二位置的第二权重;
采用卡尔曼滤波算法,根据所述第一权重和第二权重,对所述车辆的第一位置信息和车辆的第二位置信息进行加权,得到车辆的融合位置信息。
9.一种自动驾驶车辆,其特征在于,所述车辆包括:
一个或多个处理器;
存储装置,用于存储一个或多个程序;
车辆定位模块,用于采集车辆位置信息;
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如权利要求1-6中任一所述的自动驾驶车辆的定位方法。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现如权利要求1-6中任一所述的自动驾驶车辆的定位方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111223101.1A CN113959457B (zh) | 2021-10-20 | 2021-10-20 | 一种自动驾驶车辆的定位方法、装置、车辆和介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111223101.1A CN113959457B (zh) | 2021-10-20 | 2021-10-20 | 一种自动驾驶车辆的定位方法、装置、车辆和介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113959457A true CN113959457A (zh) | 2022-01-21 |
CN113959457B CN113959457B (zh) | 2024-03-26 |
Family
ID=79465733
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111223101.1A Active CN113959457B (zh) | 2021-10-20 | 2021-10-20 | 一种自动驾驶车辆的定位方法、装置、车辆和介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113959457B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114114369A (zh) * | 2022-01-27 | 2022-03-01 | 智道网联科技(北京)有限公司 | 自动驾驶车辆定位方法和装置、电子设备和存储介质 |
CN114999198A (zh) * | 2022-04-14 | 2022-09-02 | 广州都市圈网络科技有限公司 | 基于高精度地图相对位置的混合交通流融合控制方法及系统 |
CN115240453A (zh) * | 2022-09-26 | 2022-10-25 | 智道网联科技(北京)有限公司 | 自动驾驶车辆的行驶控制方法、装置、系统及电子设备 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102930738A (zh) * | 2012-10-25 | 2013-02-13 | 北京交通大学 | 一种车辆定位及交通流量检测系统与方法 |
US20180087907A1 (en) * | 2016-09-29 | 2018-03-29 | The Charles Stark Draper Laboratory, Inc. | Autonomous vehicle: vehicle localization |
CN109444932A (zh) * | 2018-10-30 | 2019-03-08 | 百度在线网络技术(北京)有限公司 | 一种车辆定位方法、装置、电子设备及存储介质 |
CN109668555A (zh) * | 2019-01-17 | 2019-04-23 | 北京交通大学 | 基于ins和有源rfid组合的隧道内车辆定位系统及定位方法 |
CN110906939A (zh) * | 2019-11-28 | 2020-03-24 | 安徽江淮汽车集团股份有限公司 | 自动驾驶定位方法、装置、电子设备、存储介质及汽车 |
CN112099068A (zh) * | 2020-09-30 | 2020-12-18 | 福建中科云杉信息技术有限公司 | 一种用于港口自动驾驶的定位方法及系统 |
CN112147662A (zh) * | 2019-06-28 | 2020-12-29 | 比亚迪股份有限公司 | 车辆定位方法和装置、车辆、存储介质、电子设备 |
KR102248588B1 (ko) * | 2019-12-17 | 2021-05-06 | 재단법인대구경북과학기술원 | 웨이브 통신 및 레이더를 이용한 터널 내의 차량 측위 시스템 |
CN113359171A (zh) * | 2021-05-17 | 2021-09-07 | 交控科技股份有限公司 | 基于多传感器融合的定位方法、装置和电子设备 |
CN113433542A (zh) * | 2020-03-18 | 2021-09-24 | 广州汽车集团股份有限公司 | 一种车辆定位方法、装置、路侧设备及存储介质 |
-
2021
- 2021-10-20 CN CN202111223101.1A patent/CN113959457B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102930738A (zh) * | 2012-10-25 | 2013-02-13 | 北京交通大学 | 一种车辆定位及交通流量检测系统与方法 |
US20180087907A1 (en) * | 2016-09-29 | 2018-03-29 | The Charles Stark Draper Laboratory, Inc. | Autonomous vehicle: vehicle localization |
CN109444932A (zh) * | 2018-10-30 | 2019-03-08 | 百度在线网络技术(北京)有限公司 | 一种车辆定位方法、装置、电子设备及存储介质 |
CN109668555A (zh) * | 2019-01-17 | 2019-04-23 | 北京交通大学 | 基于ins和有源rfid组合的隧道内车辆定位系统及定位方法 |
CN112147662A (zh) * | 2019-06-28 | 2020-12-29 | 比亚迪股份有限公司 | 车辆定位方法和装置、车辆、存储介质、电子设备 |
CN110906939A (zh) * | 2019-11-28 | 2020-03-24 | 安徽江淮汽车集团股份有限公司 | 自动驾驶定位方法、装置、电子设备、存储介质及汽车 |
KR102248588B1 (ko) * | 2019-12-17 | 2021-05-06 | 재단법인대구경북과학기술원 | 웨이브 통신 및 레이더를 이용한 터널 내의 차량 측위 시스템 |
CN113433542A (zh) * | 2020-03-18 | 2021-09-24 | 广州汽车集团股份有限公司 | 一种车辆定位方法、装置、路侧设备及存储介质 |
CN112099068A (zh) * | 2020-09-30 | 2020-12-18 | 福建中科云杉信息技术有限公司 | 一种用于港口自动驾驶的定位方法及系统 |
CN113359171A (zh) * | 2021-05-17 | 2021-09-07 | 交控科技股份有限公司 | 基于多传感器融合的定位方法、装置和电子设备 |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114114369A (zh) * | 2022-01-27 | 2022-03-01 | 智道网联科技(北京)有限公司 | 自动驾驶车辆定位方法和装置、电子设备和存储介质 |
CN114999198A (zh) * | 2022-04-14 | 2022-09-02 | 广州都市圈网络科技有限公司 | 基于高精度地图相对位置的混合交通流融合控制方法及系统 |
CN115240453A (zh) * | 2022-09-26 | 2022-10-25 | 智道网联科技(北京)有限公司 | 自动驾驶车辆的行驶控制方法、装置、系统及电子设备 |
Also Published As
Publication number | Publication date |
---|---|
CN113959457B (zh) | 2024-03-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113959457B (zh) | 一种自动驾驶车辆的定位方法、装置、车辆和介质 | |
JP2019145089A (ja) | 点群データを融合させるための方法及び装置 | |
EP3842735B1 (en) | Position coordinates estimation device, position coordinates estimation method, and program | |
US20220215673A1 (en) | Device, system, and method for generating occupancy grid map | |
CN110889808A (zh) | 一种定位的方法、装置、设备及存储介质 | |
CN113899375B (zh) | 车辆定位方法和装置、存储介质及电子设备 | |
JP2007333385A (ja) | 不動物位置記録装置 | |
US11385381B2 (en) | Flood detection device, flood detection system, and computer-readable storage medium | |
CN110398258B (zh) | 一种惯性导航系统的性能测试装置及方法 | |
CN108882169B (zh) | 一种WiFi位置指纹数据的获取方法及装置和机器人 | |
CN115420275A (zh) | 回环路径的预测方法及装置、非易失性存储介质、处理器 | |
JP2019174191A (ja) | データ構造、情報送信装置、制御方法、プログラム及び記憶媒体 | |
US11421997B2 (en) | Map construction system and map construction method | |
CN112689234A (zh) | 室内车辆定位方法、装置、计算机设备和存储介质 | |
JP7294323B2 (ja) | 動体管理装置、動体管理システム、動体管理方法、及びコンピュータプログラム | |
US20220404170A1 (en) | Apparatus, method, and computer program for updating map | |
CN116691659A (zh) | 一种无gps信号下车辆行驶轨迹的评估方法、装置 | |
CN114119465B (zh) | 一种点云数据处理方法及装置 | |
CN111337950B (zh) | 提高地标定位精度的数据处理方法、装置、设备及介质 | |
CN114861725A (zh) | 一种目标感知跟踪的后处理方法、装置、设备及介质 | |
CN114705223A (zh) | 多移动智能体在目标跟踪中的惯导误差补偿方法及系统 | |
CN104215990B (zh) | 一种基于无线网络单节点的辅助gps定位方法和系统 | |
CN114281832A (zh) | 基于定位结果的高精地图数据更新方法、装置和电子设备 | |
CN116391108A (zh) | 道路物体定位方法 | |
CN113566834A (zh) | 定位方法、定位装置、车辆和存储介质 |
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 |