CN114241049A - 车辆位姿确定方法及装置 - Google Patents

Abstract

本申请公开一种车辆位姿确定方法及装置。该方法包括：确定车辆所在的目标车道；获取目标车道中车道线点列在车辆坐标系下的位置信息；对目标车道中车道线点列在车辆坐标系下的位置信息进行曲线拟合，得到目标车道的左车道线第一方程和右车道线第一方程；根据图像采集装置采集的包含目标车道的环境图像，确定目标车道的左车道线第二方程和右车道线第二方程；利用左车道线第一方程、右车道线第一方程、左车道线第二方程和右车道线第二方程，对基于RTK信号得到的车辆的初始位姿进行修正。本申请公开的方案，能够在全工况下准确地确定车辆位姿。

Description

车辆位姿确定方法及装置

技术领域

本申请属于智能驾驶技术领域，尤其涉及一种车辆位姿确定方法及装置。

背景技术

在智能驾驶中，车辆位姿是非常重要的参数，车辆位姿的准确性关系到行车安全。

目前，通常是基于RTK(Real-time kinematic，实时动态)技术来确定车辆的位姿，也就是确定车辆的位置和航向角。但是，RTK技术极易受到天气和环境的影响，例如，在恶劣天气或者有遮挡的环境中，RTK信号容易丢失或存在较大偏差，从而导致无法准确地确定车辆位姿。

发明内容

有鉴于此，本申请的目的在于提供一种车辆位姿确定方法、装置、电子设备及计算机程序产品，能够在全工况下准确地确定车辆位姿。

为实现上述目的，本申请提供如下技术方案：

本申请提供一种车辆位姿确定方法，包括：

确定车辆所在的目标车道；

获取所述目标车道中车道线点列在车辆坐标系下的位置信息；

对所述目标车道中车道线点列在车辆坐标系下的位置信息进行曲线拟合，得到所述目标车道的左车道线第一方程和右车道线第一方程；

根据图像采集装置采集的包含所述目标车道的环境图像，确定所述目标车道的左车道线第二方程和右车道线第二方程；

利用所述左车道线第一方程、所述右车道线第一方程、所述左车道线第二方程和所述右车道线第二方程，对基于所述RTK信号得到的所述车辆的初始位姿进行修正，将修正后的位姿作为所述车辆的位姿求解结果。

可选的，所述利用所述左车道线第一方程、所述右车道线第一方程、所述左车道线第二方程和右车道线第二方程，对基于所述RTK信号得到的所述车辆的初始位姿进行修正，包括：

根据所述左车道线第一方程和所述左车道线第二方程确定出车辆航向角第一修正量；

根据所述右车道线第一方程和所述右车道线第二方程确定出车辆航向角第二修正量；

根据第一距离、第二距离、第三距离、第四距离、所述车辆航向角第一修正量、车辆航向角第二修正量、以及基于所述RTK信号得到的所述车辆的初始航向角，确定出所述车辆在X方向的第一修正量和第二修正量、以及所述车辆在Y方向的第一修正量和第二修正量，其中，所述第一距离为基于所述高精度地图确定出的所述车辆与所述目标车道中左车道线之间的距离，所述第二距离为基于所述高精度地图确定出的所述车辆与所述目标车道中右车道线之间的距离，所述第三距离为基于所述环境图像确定出的所述车辆与所述目标车道中左车道线之间的距离，所述第四距离为基于所述环境图像确定出的所述车辆与所述目标车道中右车道线之间的距离；

根据所述车辆在X方向的第一修正量和第二修正量、所述车辆在Y方向的第一修正量和第二修正量、所述车辆航向角第一修正量、所述车辆航向角第二修正量、以及修正系数，对基于所述RTK信号得到的所述车辆的初始位姿进行修正。

可选的，所述根据所述车辆在X方向的第一修正量和第二修正量、所述车辆在Y方向的第一修正量和第二修正量、所述车辆航向角第一修正量、所述车辆航向角第二修正量、以及修正系数，对基于所述RTK信号得到的所述车辆的初始位姿进行修正，包括：

按照X＝X_origin+Δx_left×k_left+Δx_right×k_right对基于RTK信号得到的所述车辆在X方向的初始位置进行修正；

按照Y＝Y_origin+Δy_left×k_left+Δy_right×k_right对基于RTK信号得到的所述车辆在Y方向的初始位置进行修正；

按照Yaw＝Yaw_origin+Δyaw_left×k_left+Δyaw_right×k_right对基于RTK信号得到的所述车辆的初始航向角进行修正；

其中，X为修正后的所述车辆在X方向的位置；Y为修正后的所述车辆在Y方向的位置；Yaw为修正后的所述车辆的航向角；X_origin为基于RTK信号得到的所述车辆在X方向的初始位置；Y_origin为基于RTK信号得到的所述车辆在Y方向的初始位置；Yaw_origin为基于RTK信号得到的所述车辆的初始航向角；Δx_left为所述车辆在X方向的第一修正量；Δy_left为所述车辆在Y方向的第一修正量；Δx_right为所述车辆在X方向的第二修正量；Δy_right为所述车辆在Y方向的第二修正量；Δyaw_left为所述车辆航向角第一修正量；Δyaw_right为车辆航向角第二修正量；k_left为第一修正系数，k_right为第二修正系数。

可选的，确定所述第一修正系数和所述第二修正系数的过程，包括：

按照

确定所述第一修正系数；

按照

确定所述第二修正系数；

其中，k_left为所述第一修正系数，k_right为所述第二修正系数，P_0left为所述第一距离，P_0right为所述第二距离，C_0left为所述第三距离，C_0right为所述第四距离。

可选的，所述确定车辆所在的目标车道，包括：

从高精度地图获取所述车辆所处区域内各车道的车道线点列的经纬度信息，对所述车道线点列的经纬度信息进行坐标转换，得到所述车辆所处区域内各车道的车道线点列在车辆坐标系下的位置信息；

根据所述车辆所处区域内各车道的车道线点列在车辆坐标系下的位置信息、以及基于RTK信号确定的车辆的位置信息，确定出所述车辆所在的目标车道。

可选的，所述根据所述车辆所处区域内各车道的车道线点列在车辆坐标系下的位置信息、以及基于RTK信号确定的车辆的位置信息，确定出所述车辆所在的目标车道，包括：

根据所述车辆所处区域内各车道的车道线点列在车辆坐标系下的位置信息确定出各车道的宽度；

根据所述车辆的位置信息确定出所述车辆与最左侧车道线之间的距离、以及所述车辆与最右侧车道线之间的距离；

根据各车道的宽度、所述车辆与所述最左侧车道线之间的距离、以及所述车辆与所述最右侧车道线之间的距离，确定出所述车辆所在的目标车道；

其中，所述车辆所在的目标车道满足

且

T为车道总数，从最右侧车道到最左侧车道的序号依次为1至T，N为所述目标车道的序号，W_i为第i车道的宽度，|Dis_l|为所述车辆与所述最左侧车道线之间的距离，|Dis_R|为所述车辆与所述最右侧车道线之间的距离。

本申请还提供一种车辆位姿确定装置，包括：

目标车道确定模块，用于确定车辆所在的目标车道；

位置信息获取模块，用于获取所述目标车道中车道线点列在车辆坐标系下的位置信息；

拟合模块，用于对所述目标车道中车道线点列在车辆坐标系下的位置信息进行曲线拟合，得到所述目标车道的左车道线第一方程和右车道线第一方程；

图像分析模块，用于根据图像采集装置采集的包含所述目标车道的环境图像，确定所述目标车道的左车道线第二方程和右车道线第二方程；

位姿修正模块，用于利用所述左车道线第一方程、所述右车道线第一方程、所述左车道线第二方程和所述右车道线第二方程，对基于所述RTK信号得到的所述车辆的初始位姿进行修正，将修正后的位姿作为所述车辆的位姿求解结果。

可选的，所述位姿修正模块包括：

第一修正量确定单元，用于根据所述左车道线第一方程和所述左车道线第二方程确定出车辆航向角第一修正量；

第二修正量确定单元，用于根据所述右车道线第一方程和所述右车道线第二方程确定出车辆航向角第二修正量；

第三修正量确定单元，用于根据第一距离、第二距离、第三距离、第四距离、所述车辆航向角第一修正量、车辆航向角第二修正量、以及基于所述RTK信号得到的所述车辆的初始航向角，确定出所述车辆在X方向的第一修正量和第二修正量、以及所述车辆在Y方向的第一修正量和第二修正量，其中，所述第一距离为基于所述高精度地图确定出的所述车辆与所述目标车道中左车道线之间的距离，所述第二距离为基于所述高精度地图确定出的所述车辆与所述目标车道中右车道线之间的距离，所述第三距离为基于所述环境图像确定出的所述车辆与所述目标车道中左车道线之间的距离，所述第四距离为基于所述环境图像确定出的所述车辆与所述目标车道中右车道线之间的距离；

修正单元，用于根据所述车辆在X方向的第一修正量和第二修正量、所述车辆在Y方向的第一修正量和第二修正量、所述车辆航向角第一修正量、所述车辆航向角第二修正量、以及修正系数，对基于所述RTK信号得到的所述车辆的初始位姿进行修正。

本申请还提供一种电子设备，包括处理器和存储器；

所述存储器用于存储指令；

所述处理器被配置为执行所述指令，实现上述任意一种车辆位姿确定方法。

一种计算机程序产品，包括计算机程序/指令，所述计算机程序/指令被处理执行时实现如上述任意一种车辆位姿确定方法。

由此可见，本申请的有益效果为：

本申请公开的车辆位姿确定方法，确定车辆所在的目标车道，获取目标车道中车道线点列在车辆坐标系下的位置信息，之后根据目标车道中车道线点列在车辆坐标系下的位置信息进行曲线拟合，得到目标车道的左车道线第一方程和右车道线第一方程，根据图像采集装置采集的包含目标车道的环境图像，确定目标车道的左车道线第二方程和右车道线第二方程，之后利用左车道线第一方程、右车道线第一方程、左车道线第二方程和右车道线第二方程，对基于RTK信号得到的车辆的初始位姿进行修正。可以看到，本申请公开的车辆位姿确定方法和装置，利用根据高精度地图确定出的左车道线第一方程和右车道线第一方程、以及对车辆的环境图像进行视觉识别确定出的车道线第二方程和右车道线第二方程，对基于RTK信号得到的车辆的初始位姿进行修正，能够得到更加准确的车辆位姿。而且，当RTK信号受天气或环境影响出现偏差时，也能够保证修正后的车辆位姿具有较高的准确性，实现在全工况下，均能够准确确定车辆位姿。

附图说明

为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本申请公开的一种车辆位姿确定方法的流程图；

图2为本申请公开的对基于RTK信号得到的车辆的初始位姿进行修正的方法的流程图；

图3为本申请公开的一种车辆位置确定装置的结构示意图；

图4为本申请公开的一种电子设备的结构示意图。

具体实施方式

本申请公开一种车辆位姿确定方法、装置、电子设备及计算机程序产品，能够在全工况下准确确定车辆位姿。

为使本申请实施例的目的、技术方案和优点更加清楚，下面将结合本申请实施例中的附图，对本申请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。

参见图1，图1为本申请公开的一种车辆位姿确定方法的流程图，该方法由车辆中的处理器执行。该方法包括：

S101：确定车辆所在的目标车道。

实施中，可以通过多种方案确定车辆所在的目标车道。

第一种方案：对车辆的环境图像进行分析，确定出车辆所在的目标车道。

例如，车辆安装有前向图像采集装置，前向图像采集装置采集的环境图像包含车辆的部分图像以及地面图像，其中，地面图像包含车道图像，通过分析车辆的环境图像，确定出车辆所在的目标车道。

第二种方案：

A1：根据高精度地图确定车辆所处区域内各车道的车道线点列在车辆坐标系下的位置信息。

实施中，从高精度地图获取车辆所处区域内各车道的车道线点列的经纬度信息，之后对车道线点列的经纬度信息进行坐标转换，得到车辆所处区域内各车道线点列在车辆坐标系下的位置信息。坐标转换过程如式(1)。

其中，N_ix为车道线点列中第i个点A_i在车辆坐标系下的X轴坐标，N_iy为车道线点列中第i个点A_i在车辆坐标系下的Y轴坐标，A_ilat为车道线点列中第i个点A_i的经度，A_ilon为车道线点列中第i个点A_i的纬度，O_lat为本车的经度，O_lon为本车的纬度，θ为车辆的行驶方向与正北方向之间的夹角。

可选的，车辆坐标系可以定义为：车辆后轴的中心为车辆坐标系的原点，车辆的前进方向为车辆坐标系的X轴正方向，将X轴的正方向逆时针旋转90°为车辆坐标系的Y轴的正方向，也就是说，车辆左侧垂直于X轴的方向为Y轴的正方向，垂直向上为Z轴的正方向。当然，这仅是对车辆坐标系的一个举例，并不限定于此。

A2：根据车辆所处区域内各车道的车道线点列在车辆坐标系下的位置信息、以及根据RTK信号确定的车辆的位置信息，确定出车辆所在的目标车道。

第一种方案：

根据车辆所处区域内各车道的车道线点列在车辆坐标系下的位置信息确定出各车道的宽度；根据车辆的位置信息确定出车辆与最左侧车道线之间的距离；根据各车道的宽度、以及车辆与最左侧车道线之间的距离，确定出车辆所在的目标车道。

其中，车辆所在目标车道满足式(2-1)。

其中：T为车道总数，从最右侧车道到最左侧车道的序号依次为1至T，N为目标车道的序号，W_i为第i个车道的宽度，|Dis_l|为车辆与最左侧车道线之间的距离。

第二种方案：

根据车辆所处区域内各车道的车道线点列在车辆坐标系下的位置信息确定出各车道的宽度；根据车辆的位置信息确定出车辆与最右侧车道线之间的距离；根据各车道的宽度、以及车辆与最右侧车道线之间的距离，确定出车辆所在的目标车道。

其中，车辆所在目标车道满足式(2-2)。

其中：T为车道总数，从最右侧车道到最左侧车道的序号依次为1至T，N为目标车道的序号，W_i为第i个车道的宽度，|Dis_R|为车辆与最右侧车道线之间的距离。

第三种方案：

根据车辆所处区域内各车道的车道线点列在车辆坐标系下的位置信息确定出各车道的宽度；根据车辆的位置信息确定出车辆与最左侧车道线之间的距离、以及车辆与最右侧车道线之间的距离；根据各车道的宽度、车辆与最左侧车道线之间的距离、以及车辆与最右侧车道线之间的距离，确定出车辆所在的目标车道。

其中，车辆所在的目标车道满足式(2-3)。

其中：T为车道总数，从最右侧车道到最左侧车道的序号依次为1至T，N为所述目标车道的序号，W_i为第i个车道的宽度，|Dis_l|为所述车辆与所述最左侧车道线之间的距离，|Dis_R|为所述车辆与所述最右侧车道线之间的距离。

S102：获得目标车道中车道线点列在车辆坐标系下的位置信息。

S103：对目标车道中车道线点列在车辆坐标系下的位置信息进行曲线拟合，得到目标车道的左车道线第一方程和右车道线第一方程。

其中，目标车道的左车道线第一方程如式(3)，目标车道的右车道线第一方程如式(4)。

f_1left(x)＝P_0left+P_11eft+P_2left*x² 式(3)

f_1right(x)＝P_0right+P_1right+P_2right*x² 式(4)

其中：下标left代表左车道线；下标right代表右车道线；x为车道线点列在车辆坐标系下的X轴坐标；P_0left为左车道线第一方程的常数项，是基于高精度地图确定出的车辆与目标车道中左车道线之间的距离；P_11eft为左车道线第一方程的一次项系数，是基于高精度地图确定出的车辆与目标车道中左车道线之间的夹角；P_2left为左车道线第一方程的二次项系数；P_0right为右车道线第一方程的常数项，是基于高精度地图确定出的车辆与目标车道中右车道线之间的距离；P_1right为右车道线第一方程的一次项系数，是基于高精度地图确定出的车辆与目标车道中右车道线之间的夹角；P_2right为右车道线第一方程的二次项系数。

S104：根据图像采集装置采集的包含目标车道的环境图像，确定目标车道的左车道线第二方程和右车道线第二方程。

其中，目标车道的左车道线第二方程如式(5)，目标车道的右车道线第二方程如式(6)。

f_2left(x)＝C_0left+C_1left*x+C_2left*x² 式(5)

f_2right(x)＝C_0right+C_1right*x+C_2right*x² 式(6)

其中：下标left代表左车道线；下标right代表右车道线；x为车道线点列在车辆坐标系下的X轴坐标；C_0left为左车道线第二方程的常数项，是基于环境图像确定出的车辆与目标车道中左车道线之间的距离；C_1left为左车道线第二方程的一次项系数，是基于环境图像确定出的车辆与目标车道中左车道线之间的夹角；C_2left为左车道线第二方程的二次项系数；C_0right为右车道线第二方程的常数项，是基于环境图像确定出的车辆与目标车道中右车道线之间的距离；C_1right为右车道线第二方程的一次项系数，是基于环境图像确定出的车辆与目标车道中右车道线之间的夹角；C_2right为右车道线第二方程的二次项系数。

S105：利用左车道线第一方程、右车道线第一方程、左车道线第二方程和右车道线第二方程，对基于RTK信号得到的车辆的初始位姿进行修正，将修正后的位姿作为车辆的位姿求解结果。

左车道线第一方程和右车道线第一方程是根据高精度地图确定出的，左车道线第二方程和右车道线第二方程是对车辆的环境图像进行视觉识别确定出的。通过左车道线第一方程、右车道线第一方程、左车道线第二方程和右车道线第二方程，对基于RTK信号得到的车辆的初始位姿进行修正，能够保证修正后的位姿具有较高的准确性。当RTK信号受天气或环境影响出现偏差时，也能够保证确定出的车辆位姿具有较高的准确性。

本申请公开的车辆位姿确定方法，确定车辆所在的目标车道，获取目标车道中车道线点列在车辆坐标系下的位置信息，之后根据目标车道中车道线点列在车辆坐标系下的位置信息进行曲线拟合，得到目标车道的左车道线第一方程和右车道线第一方程，根据图像采集装置采集的包含目标车道的环境图像，确定目标车道的左车道线第二方程和右车道线第二方程，之后利用左车道线第一方程、右车道线第一方程、左车道线第二方程和右车道线第二方程，对基于RTK信号得到的车辆的初始位姿进行修正。可以看到，本申请公开的车辆位姿确定方法，利用根据高精度地图确定出的左车道线第一方程和右车道线第一方程、以及对车辆的环境图像进行视觉识别确定出的车道线第二方程和右车道线第二方程，对基于RTK信号得到的车辆的初始位姿进行修正，能够得到更加准确的车辆位姿。而且，当RTK信号受天气或环境影响出现偏差时，也能够保证修正后的车辆位姿具有较高的准确性，实现在全工况下，均能够准确确定车辆位姿。

在一个实施例中，利用左车道线第一方程、右车道线第一方程、左车道线第二方程和右车道线第二方程，对基于RTK信号得到的车辆的初始位姿进行修正，采用如图2所示的方案，包括：

S201：根据左车道线第一方程和左车道线第二方程确定出车辆航向角第一修正量。

S202：根据右车道线第一方程和右车道线第二方程确定出车辆航向角第二修正量。

可选的，按照式(7)确定车辆航向角第一修正量，按照式(8)确定车辆航向角第二修正量。

Δyaw_left＝tan^-1(f′_2left(x)-f′_1left(x)) 式(7)

Δyaw_right＝tan^-1(f′_2right(x)-f′_1right(x)) 式(8)

其中：Δyaw_left为车辆航向角第一修正量；Δyaw_right为车辆航向角第二修正量；f′_1left(x)为f_1left(x)的一阶导数；f′_2left(x)为f_2left(x)的一阶导数；f′_1right(x)为f_1right(x)的一阶导数；f′_2right(x)为f_2right(x)的一阶导数。

S203：根据第一距离、第二距离、第三距离、第四距离、车辆航向角第一修正量、车辆航向角第二修正量、以及基于RTK信号得到的车辆的初始航向角，确定出车辆在X方向的第一修正量和第二修正量、以及车辆在Y方向的第一修正量和第二修正量。

其中：第一距离为基于高精度地图确定出的车辆与目标车道中左车道线之间的距离，第二距离为基于高精度地图确定出的车辆与目标车道中右车道线之间的距离，第三距离为基于环境图像确定出的车辆与目标车道中左车道线之间的距离，第四距离为基于环境图像确定出的车辆与目标车道中右车道线之间的距离。

可选的，按照式(9)确定车辆在X方向的第一修正量，按照式(10)确定车辆在Y方向的第一修正量，按照式(11)确定车辆在X方向的第二修正量，按照式(12)确定车辆在Y方向的第二修正量。

Δx_left＝-(C_0left-P_0left)*sin(Yaw_origin+Δyaw_left) 式(9)

Δy_left＝(C_0left-P_0left)*cos(Yaw_origin+Δyaw_left) 式(10)

Δx_right＝-(C_0right-P_0right)*sin(Yaw_origin+Δyaw_right) 式(11)

Δy_right＝(C_0right-P_0right)*cos(θYaw_origin+Δyaw_right) 式(12)

其中：Δx_left为车辆在X方向的第一修正量；Δy_left为车辆在Y方向的第一修正量；Δx_right为车辆在X方向的第二修正量；Δy_right为车辆在Y方向的第二修正量；P_0left为基于高精度地图确定出的车辆与目标车道中左车道线之间的距离，即第一距离；P_0right为基于高精度地图确定出的车辆与目标车道中右车道线之间的距离，即第二距离；C_0left为基于环境图像确定出的车辆与目标车道中左车道线之间的距离，即第三距离；C_0right为基于环境图像确定出的车辆与目标车道中右车道线之间的距离，即第四距离；Yaw_origin为基于RTK信号得到的车辆的初始航向角。

S204：根据车辆在X方向的第一修正量和第二修正量、车辆在Y方向的第一修正量和第二修正量、车辆航向角第一修正量、车辆航向角第二修正量、以及修正系数，对基于RTK信号得到的车辆的初始位姿进行修正。

可选的，按照式(13)对基于RTK信号得到的车辆在X方向的初始位置进行修正，按照式(14)对基于RTK信号得到的车辆在Y方向的初始位置进行修正，按照式(15)对基于RTK信号得到的车辆的初始航向角进行修正。

X＝X_origin+Δx_left×k_left+Δx_right×k_right 式(13)

Y＝Y_origin+Δy_left×k_left+Δy_right×k_right 式(14)

Yaw＝Yaw_origin+Δyaw_left×k_left+Δyaw_right×k_right 式(15)

其中：X为修正后的车辆在X方向的位置；Y为修正后的车辆在Y方向的位置；Yaw为修正后的车辆的航向角；X_origin为基于RTK信号得到的车辆在X方向的初始位置；Y_origin为基于RTK信号得到的车辆在Y方向的初始位置；Yaw_origin为基于RTK信号得到的车辆的初始航向角；Δx_left为车辆在X方向的第一修正量；Δy_left为车辆在Y方向的第一修正量；Δx_right为车辆在X方向的第二修正量；Δy_right为车辆在Y方向的第二修正量；Δyaw_left为车辆航向角第一修正量；Δyaw_right为车辆航向角第二修正量；k_left为第一修正系数；k_right为第二修正系数。

可选的，第一修正系数k_left和第二修正系数k_right采用经验值。

考虑到车辆行驶时的运动学约束，车辆不会在短时间内产生较大的横向偏移，因此使用环境图像对车辆的位置进行修正时，更相信位置修正量更小的方向。可选的，修正系数k_right和k_left可以按照式(16)和式(17)确定。

本申请上述公开的方案，根据左车道线第一方程和左车道线第二方程确定出车辆航向角第一修正量，根据右车道线第一方程和右车道线第二方程确定出车辆航向角第二修正量，之后根据基于高精度地图确定出的车辆与目标车道中左车道线和右车道线之间的距离、基于环境图像确定出的车辆与目标车道中左车道线和右车道线之间的距离，车辆航向角第一修正量、车辆航向角第二修正量、以及基于RTK信号得到车辆的初始航向角，确定出车辆在X方向的第一修正量和第二修正量、以及在Y轴方向的第一修正量和第二修正量，之后根据车辆在X方向的第一修正量和第二修正量、车辆在Y方向的第一修正量和第二修正量、车辆航向角第一修正量、车辆航向角第二修正量、以及修正系数对车辆的初始航向角进行修正，得到具有高准确度的车辆位姿。

经过多次试验验证，基于本申请公开的车辆位姿确定方法，在全工况下能够达到分米级定位。

本申请上述公开了车辆位姿确定方法，相应的，本申请公开车辆位置确定装置，说明书中关于两者的描述可以相互参考。

参见图3，图3为本申请公开的一种车辆位置确定装置的结构示意图。该车辆位置确定装置包括目标车道确定模块31、位置信息获取模块32、拟合模块33、图像分析模块34和位姿修正模块35。

其中：

目标车道确定模块31，用于确定车辆所在的目标车道。

位置信息获取模块32，用于获取目标车道中车道线点列在车辆坐标系下的位置信息。

拟合模块33，用于对目标车道中车道线点列在车辆坐标系下的位置信息进行曲线拟合，得到目标车道的左车道线第一方程和右车道线第一方程。

图像分析模块34，用于根据图像采集装置采集的包含目标车道的环境图像，确定目标车道的左车道线第二方程和右车道线第二方程。

位姿修正模块35，用于利用左车道线第一方程、右车道线第一方程、左车道线第二方程和右车道线第二方程，对基于RTK信号得到的车辆的初始位姿进行修正，将修正后的位姿作为车辆的位姿求解结果。

在一个可选的实现方式中，目标车道确定模块31具体用于：对车辆的环境图像进行分析，确定出车辆所在的目标车道。

在一个可选的实现方式中，目标车道确定模块31包括：

位置信息获取单元，用于根据高精度地图确定车辆所处区域内各车道的车道线点列在车辆坐标系下的位置信息；

可选的，位置信息获取单元具体用于：从高精度地图获取车辆所处区域内各车道的车道线点列的经纬度信息，对车道线点列的经纬度信息进行坐标转换，得到车辆所处区域内各车道的车道线点列在车辆坐标系下的位置信息；

目标车道确定单元，用于根据车辆所处区域内各车道的车道线点列在车辆坐标系下的位置信息、以及基于RTK信号确定的车辆的位置信息，确定出车辆所在的目标车道。

在一个可选的实现方式中，目标车道确定单元包括：

车道宽度确定子单元，用于根据车辆所处区域内各车道的车道线点列在车辆坐标系下的位置信息确定出各车道的宽度；

第一车道线距离确定子单元，用于根据车辆的位置信息确定出车辆与最左侧车道线之间的距离；

第一车道宽度确定子单元，用于根据各车道的宽度、以及车辆与最左侧车道线之间的距离，确定出车辆所在的目标车道。其中，车辆所在目标车道满足式(2-1)。

在一个可选的实现方式中，目标车道确定单元包括：

车道宽度确定子单元，用于根据车辆所处区域内各车道的车道线点列在车辆坐标系下的位置信息确定出各车道的宽度；

第二车道线距离确定子单元，用于根据车辆的位置信息确定出车辆与最右侧车道线之间的距离；

第二车道宽度确定子单元，用于根据各车道的宽度、以及车辆与最右侧车道线之间的距离，确定出车辆所在的目标车道。其中，车辆所在目标车道满足式(2-2)。

在一个可选的实现方式中，目标车道确定单元包括：

车道宽度确定子单元，用于根据车辆所处区域内各车道的车道线点列在车辆坐标系下的位置信息确定出各车道的宽度；

第三车道线距离确定子单元，用于根据车辆的位置信息确定出车辆与最左侧车道线之间的距离、以及车辆与最右侧车道线之间的距离；

第三目标车道确定子单元，用于根据各车道的宽度、根据各车道的宽度、车辆与最左侧车道线之间的距离、以及车辆与最右侧车道线之间的距离，确定出车辆所在的目标车道。其中，车辆所在的目标车道满足式(2-3)。

在一个可选的实现方式中，位姿修正模块35包括：

第一修正量确定单元，用于根据左车道线第一方程和左车道线第二方程确定出车辆航向角第一修正量；

第二修正量确定单元，用于根据右车道线第一方程和右车道线第二方程确定出车辆航向角第二修正量；

第三修正量确定单元，用于根据第一距离、第二距离、第三距离、第四距离、车辆航向角第一修正量、车辆航向角第二修正量、以及基于RTK信号得到的车辆的初始航向角，确定出车辆在X方向的第一修正量和第二修正量、以及车辆在Y方向的第一修正量和第二修正量；其中，第一距离为基于高精度地图确定出的车辆与目标车道中左车道线之间的距离，第二距离为基于高精度地图确定出的车辆与目标车道中右车道线之间的距离，第三距离为基于环境图像确定出的车辆与目标车道中左车道线之间的距离，第四距离为基于环境图像确定出的车辆与目标车道中右车道线之间的距离；

修正单元，用于根据车辆在X方向的第一修正量和第二修正量、车辆在Y方向的第一修正量和第二修正量、车辆航向角第一修正量、车辆航向角第二修正量、以及修正系数，对基于RTK信号得到的车辆的初始位姿进行修正。

在一个可选的实现方式中，修正单元具体用于：

按照X＝X_origin+Δx_left×k_left+Δx_right×k_right对基于RTK信号得到的所述车辆在X方向的初始位置进行修正；

按照Y＝Y_origin+Δy_left×k_left+Δy_right×k_right对基于RTK信号得到的所述车辆在Y方向的初始位置进行修正；

按照Yaw＝Yaw_origin+Δyaw_left×k_left+Δyaw_right×k_right对基于RTK信号得到的所述车辆的初始航向角进行修正。

在一个可选的实现方式中，修正单元还用于：

按照

确定第一修正系数；

按照

确定第二修正系数。

本申请还公开一种电子设备。

参见图4，图4为本申请公开的一种电子设备的结构框图。该电子设备包括但不限于：处理器41、存储器42、通信接口43、I/O控制器44以及通信总线45。

需要说明的是，本领域技术人员可以理解，图4中示出的电子设备的结构并不构成对电子设备的限定，电子设备可以包括比图4所示更多或更少的部件，或者组合某些部件，或者不同的部件布置。

下面结合图4对电子设备的各个构成部件进行具体的介绍。

处理器41是电子设备的控制中心，利用各种接口和线路连接整个电子设备的各个部分，通过运行或执行存储在存储器42内的软件程序和/或模块，以及调用存储在存储器42内的数据，执行电子设备的各种功能和处理数据，从而对电子设备进行整体监控。

处理器41可能是一个中央处理器(Central Processing Unit，CPU)，或者是特定集成电路ASIC(Application Specific Integrated Circuit)，或者是被配置成实施本发明实施例的一个或多个集成电路等；

存储器42可能包含内存，例如高速随机存取存储器(Random-Access Memory，RAM)421和只读存储器(Read-Only Memory，ROM)422，也可能还包括大容量存储设备423，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。

其中，上述的存储器42，用于存储上述处理器41可执行指令。上述处理器41具有执行车辆位姿确定方法的功能。

一个有线或无线通信接口43被配置为将电子设备连接到网络。

处理器41、存储器42、通信接口43和I/O控制器44可以通过通信总线45相互连接，该通信总线可以是ISA(Industry Standard Architecture，工业标准体系结构)总线、PCI(Peripheral Component Interconnect，外设部件互连标准)总线或EISA(ExtendedIndustry Standard Architecture，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。

在示例性实施例中，电子设备可以被一个或多个应用专用集成电路(ASIC)、数字信号处理器(DSP)、数字信号处理设备(DSPD)、可编程逻辑器件(PLD)、现场可编程门阵列(FPGA)、控制器、微控制器、微处理器或其他电子元件实现，用于执行上述车辆位姿确定方法。

本申请还公开一种包括指令的存储介质，例如包括指令的存储器，上述指令可由电子设备的处理器执行以完成上述车辆位姿确定方法。可选地，存储介质可以是非临时性计算机可读存储介质，例如，所述非临时性计算机可读存储介质可以是ROM、随机存取存储器(RAM)、CD-ROM、磁带、软盘和光数据存储设备等。

本申请还公开一种计算机可读存储介质，可直接加载到计算机的内部存储器，例如上述存储器中，并含有软件代码，该计算机程序经由计算机载入并执行后能够实现上述车辆位姿确定方法的任一实施例所示步骤。

本申请还公开一种计算机程序产品，可直接加载到计算机的内部存储器，例如所述电子设备包含的存储器中，并含有软件代码，该计算机程序经由计算机载入并执行后能够实现上述所述的车辆位姿确定方法任一实施例所示步骤。

最后，还需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，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、物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、物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、物品或者设备中还存在另外的相同要素。

本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例公开的装置、电子设备及计算机程序产品而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。

对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本申请。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本申请的精神或范围的情况下，在其它实施例中实现。因此，本申请将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。

Claims (10)

1.一种车辆位姿确定方法，其特征在于，包括：

确定车辆所在的目标车道；

获取所述目标车道中车道线点列在车辆坐标系下的位置信息；

对所述目标车道中车道线点列在车辆坐标系下的位置信息进行曲线拟合，得到所述目标车道的左车道线第一方程和右车道线第一方程；

根据图像采集装置采集的包含所述目标车道的环境图像，确定所述目标车道的左车道线第二方程和右车道线第二方程；

利用所述左车道线第一方程、所述右车道线第一方程、所述左车道线第二方程和所述右车道线第二方程，对基于所述RTK信号得到的所述车辆的初始位姿进行修正，将修正后的位姿作为所述车辆的位姿求解结果。

2.根据权利要求1所述的方法，其特征在于，

所述左车道线第一方程为f_1left(x)＝P_0left+P_1left*x+P_2left*x²；

所述右车道线第一方程为f_1right(x)＝P_0right+P_1right*x+P_2right*x²；

所述左车道线第二方程为f_2left(x)＝C_0left+C_1left*x+C_2left*x²；

所述右车道线第二方程为f_2right(x)＝C_0right+C_1right*x+C_2right*x²；

其中，下标left代表左车道线；下标right代表右车道线；x为车道线点列在车辆坐标系下的X轴坐标；P_0left为左车道线第一方程的常数项，是基于高精度地图确定出的所述车辆与所述目标车道中左车道线之间的距离；P_1left为左车道线第一方程的一次项系数，是基于所述高精度地图确定出的所述车辆与所述目标车道中左车道线之间的夹角；P_2left为左车道线第一方程的二次项系数；P_0right为右车道线第一方程的常数项，是基于所述高精度地图确定出的所述车辆与目标车道中右车道线之间的距离；P_1right为右车道线第一方程的一次项系数，是基于所述高精度地图确定出的所述车辆与所述目标车道中右车道线之间的夹角；P_2right为右车道线第一方程的二次项系数；C_0left为左车道线第二方程的常数项，是基于所述环境图像确定出的所述车辆与所述目标车道中左车道线之间的距离；C_1left为左车道线第二方程的一次项系数，是基于所述环境图像确定出的所述车辆与所述目标车道中左车道线之间的夹角；C_2left为左车道线第二方程的二次项系数；C_0right为右车道线第二方程的常数项，是基于所述环境图像确定出的所述车辆与所述目标车道中右车道线之间的距离；C_1right为右车道线第二方程的一次项系数，是基于所述环境图像确定出的所述车辆与所述目标车道中右车道线之间的夹角；C_2right为右车道线第二方程的二次项系数。

3.根据权利要求1或2所述的方法，其特征在于，所述利用所述左车道线第一方程、所述右车道线第一方程、所述左车道线第二方程和右车道线第二方程，对基于所述RTK信号得到的所述车辆的初始位姿进行修正，包括：

根据所述左车道线第一方程和所述左车道线第二方程确定出车辆航向角第一修正量；

根据所述右车道线第一方程和所述右车道线第二方程确定出车辆航向角第二修正量；

根据第一距离、第二距离、第三距离、第四距离、所述车辆航向角第一修正量、车辆航向角第二修正量、以及基于所述RTK信号得到的所述车辆的初始航向角，确定出所述车辆在X方向的第一修正量和第二修正量、以及所述车辆在Y方向的第一修正量和第二修正量，其中，所述第一距离为基于所述高精度地图确定出的所述车辆与所述目标车道中左车道线之间的距离，所述第二距离为基于所述高精度地图确定出的所述车辆与所述目标车道中右车道线之间的距离，所述第三距离为基于所述环境图像确定出的所述车辆与所述目标车道中左车道线之间的距离，所述第四距离为基于所述环境图像确定出的所述车辆与所述目标车道中右车道线之间的距离；

根据所述车辆在X方向的第一修正量和第二修正量、所述车辆在Y方向的第一修正量和第二修正量、所述车辆航向角第一修正量、所述车辆航向角第二修正量、以及修正系数，对基于所述RTK信号得到的所述车辆的初始位姿进行修正。

4.根据权利要求3所述的方法，其特征在于，

所述根据所述左车道线第一方程和所述左车道线第二方程确定出车辆航向角第一修正量，包括：按照公式Δyaw_left＝tan^-1(f′_2left(x)-f′_1left(x))确定所述车辆航向角第一修正量；

所述根据所述右车道线第一方程和所述右车道线第二方程确定出车辆航向角第二修正量，包括：按照Δyaw_right＝tan^-1(f′_2right(x)-f′_1right(x))确定所述车辆航向角第二修正量；

其中，Δyaw_left为车辆航向角第一修正量；Δyaw_right为车辆航向角第二修正量；f′_1left(x)为f_1left(x)的一阶导数；f′_2left(x)为f_2left(x)的一阶导数；f′_1right(x)为f_1right(x)的一阶导数；f′_2right(x)为f_2right(x)的一阶导数。

5.根据权利要求3所述的方法，其特征在于，所述根据第一距离、第二距离、第三距离、第四距离、所述车辆航向角第一修正量、车辆航向角第二修正量、以及基于所述RTK信号得到的所述车辆的初始航向角，确定出所述车辆在X方向的第一修正量和第二修正量、以及所述车辆在Y方向的第一修正量和第二修正量，包括：

按照Δx_left＝-(C_0left-P_0left)*sin(Yaw_origin+Δyaw_left)确定所述车辆在X方向的第一修正量；

按照y_left＝(C_0left-P_0left)*cos(Yaw_origin+Δyaw_left)确定所述车辆在所述Y方向的第一修正量；

按照Δx_right＝-(C_0right-P_0right)*sin(Yaw_origin+Δyaw_right)确定所述车辆在所述X方向的第二修正量；

按照Δy_right＝(C_0right-P_0right)*cos(θYaw_origin+Δyaw_right)确定所述车辆在所述Y方向的第二修正量；

其中，Δx_left为所述车辆在X方向的第一修正量；Δy_left为所述车辆在Y方向的第一修正量；Δx_right为所述车辆在X方向的第二修正量；Δy_right为所述车辆在Y方向的第二修正量；P_0left为所述第一距离；P_0right为所述第二距离；C_0left为所述第三距离；C_0right为所述第四距离；Yaw_origin为基于RTK信号得到的所述车辆的初始航向角。

6.根据权利要求3所述的方法，其特征在于，所述根据所述车辆在X方向的第一修正量和第二修正量、所述车辆在Y方向的第一修正量和第二修正量、所述车辆航向角第一修正量、所述车辆航向角第二修正量、以及修正系数，对基于所述RTK信号得到的所述车辆的初始位姿进行修正，包括：

按照X＝X_origin+Δx_left×k_left+Δx_right×k_right对基于RTK信号得到的所述车辆在X方向的初始位置进行修正；

按照Y＝Y_origin+Δy_left×k_left+Δy_right×k_right对基于RTK信号得到的所述车辆在Y方向的初始位置进行修正；

按照Yaw＝Yaw_origin+Δyaw_left×k_left+Δyaw_right×k_right对基于RTK信号得到的所述车辆的初始航向角进行修正；

其中，X为修正后的所述车辆在X方向的位置；Y为修正后的所述车辆在Y方向的位置；Yaw为修正后的所述车辆的航向角；X_origin为基于RTK信号得到的所述车辆在X方向的初始位置；Y_origin为基于RTK信号得到的所述车辆在Y方向的初始位置；Yaw_origin为基于RTK信号得到的所述车辆的初始航向角；Δx_left为所述车辆在X方向的第一修正量；Δy_left为所述车辆在Y方向的第一修正量；Δx_right为所述车辆在X方向的第二修正量；Δy_right为所述车辆在Y方向的第二修正量；Δyaw_left为所述车辆航向角第一修正量；Δyaw_right为所述车辆航向角第二修正量；k_left为第一修正系数，k_right为第二修正系数。

7.根据权利要求6所述的方法，其特征在于，确定所述第一修正系数和所述第二修正系数的过程，包括：

按照

确定所述第一修正系数；

按照

确定所述第二修正系数；

其中，k_left为所述第一修正系数；k_right为所述第二修正系数；P_0left为所述第一距离；P_0right为所述第二距离；C_0left为所述第三距离；C_0right为所述第四距离。

8.根据权利要求1所述的方法，其特征在于，所述确定车辆所在的目标车道，包括：

从高精度地图获取所述车辆所处区域内各车道的车道线点列的经纬度信息，对所述车道线点列的经纬度信息进行坐标转换，得到所述车辆所处区域内各车道的车道线点列在车辆坐标系下的位置信息；

根据所述车辆所处区域内各车道的车道线点列在车辆坐标系下的位置信息、以及基于RTK信号确定的车辆的位置信息，确定出所述车辆所在的目标车道。

9.根据权利要求8所述的方法，其特征在于，所述根据所述车辆所处区域内各车道的车道线点列在车辆坐标系下的位置信息、以及基于RTK信号确定的车辆的位置信息，确定出所述车辆所在的目标车道，包括：

根据所述车辆所处区域内各车道的车道线点列在车辆坐标系下的位置信息确定出各车道的宽度；

根据所述车辆的位置信息确定出所述车辆与最左侧车道线之间的距离、以及所述车辆与最右侧车道线之间的距离；

根据各车道的宽度、所述车辆与所述最左侧车道线之间的距离、以及所述车辆与所述最右侧车道线之间的距离，确定出所述车辆所在的目标车道；

其中，所述车辆所在的目标车道满足

且

T为车道总数，从最右侧车道到最左侧车道的序号依次为1至T，N为所述目标车道的序号，W_i为第i车道的宽度，|Dis_t|为所述车辆与所述最左侧车道线之间的距离，|Dis_R|为所述车辆与所述最右侧车道线之间的距离。

10.一种车辆位姿确定装置，其特征在于，包括：

目标车道确定模块，用于确定车辆所在的目标车道；

位置信息获取模块，用于获取所述目标车道中车道线点列在车辆坐标系下的位置信息；

拟合模块，用于对所述目标车道中车道线点列在车辆坐标系下的位置信息进行曲线拟合，得到所述目标车道的左车道线第一方程和右车道线第一方程；

图像分析模块，用于根据图像采集装置采集的包含所述目标车道的环境图像，确定所述目标车道的左车道线第二方程和右车道线第二方程；

位姿修正模块，用于利用所述左车道线第一方程、所述右车道线第一方程、所述左车道线第二方程和所述右车道线第二方程，对基于所述RTK信号得到的所述车辆的初始位姿进行修正，将修正后的位姿作为所述车辆的位姿求解结果。

Images