CN114323035A - 定位方法、装置和系统 - Google Patents
定位方法、装置和系统 Download PDFInfo
- Publication number
- CN114323035A CN114323035A CN202011063252.0A CN202011063252A CN114323035A CN 114323035 A CN114323035 A CN 114323035A CN 202011063252 A CN202011063252 A CN 202011063252A CN 114323035 A CN114323035 A CN 114323035A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- moment
- particles
- information
- feature points
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 88
- 239000002245 particle Substances 0.000 claims description 337
- 238000013507 mapping Methods 0.000 claims description 39
- 230000015654 memory Effects 0.000 claims description 23
- 238000011156 evaluation Methods 0.000 claims description 22
- 238000004590 computer program Methods 0.000 claims description 11
- 230000006870 function Effects 0.000 claims description 11
- 230000001953 sensory effect Effects 0.000 claims 1
- 230000007613 environmental effect Effects 0.000 abstract description 34
- 238000012545 processing Methods 0.000 description 25
- 230000033001 locomotion Effects 0.000 description 11
- 238000010586 diagram Methods 0.000 description 8
- 239000011159 matrix material Substances 0.000 description 7
- 238000001514 detection method Methods 0.000 description 6
- 239000004065 semiconductor Substances 0.000 description 4
- 229910044991 metal oxide Inorganic materials 0.000 description 3
- 150000004706 metal oxides Chemical class 0.000 description 3
- 230000036544 posture Effects 0.000 description 3
- 229910000577 Silicon-germanium Inorganic materials 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000009434 installation Methods 0.000 description 2
- 230000008447 perception Effects 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- JBRZTFJDHDCESZ-UHFFFAOYSA-N AsGa Chemical compound [As]#[Ga] JBRZTFJDHDCESZ-UHFFFAOYSA-N 0.000 description 1
- LEVVHYCKPQWKOP-UHFFFAOYSA-N [Si].[Ge] Chemical compound [Si].[Ge] LEVVHYCKPQWKOP-UHFFFAOYSA-N 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000010076 replication Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/20—Instruments for performing navigational calculations
-
- 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
- G01C21/30—Map- or contour-matching
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Automation & Control Theory (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Navigation (AREA)
Abstract
本申请提供一种定位方法、装置和系统,在车辆启动后,根据时间间隔获取车辆的传感信息,在车辆定位时,通过车载传感装置获取当前时刻对应的传感信息,并获取之前在关键时刻获得的传感信息,从而根据获得的传感信息和车辆所在区域的地图信息对车辆进行定位。由于本申请是从时间维度获取传感信息,使得获取传感信息的过程不受道路拥堵的影响,从而可以在车辆行驶时,根据时间间隔对用于定位的传感信息进行更新,提高定位的准确性。并且,从时间维度获取感信息,当车辆低速行驶时,可以在车辆之间的间隙采集到车辆周边的环境信息,此时,由于车速较慢,采集到的车辆周边的环境信息更清楚,进一步提高定位的准确性。
Description
技术领域
本申请实施例涉及智能驾驶(intelligent driving)技术领域,尤其涉及一种定位方法、装置和系统。
背景技术
激光雷达(lidar)作为无人驾驶(unmanned driving)汽车定位传感器,与图像识别等技术共同实现车辆对周围环境的感知及车辆的全局定位(gobal positioning)。其中,车辆上安装激光雷达(lidar)的方式有顶激光安装方式和前保安装方式。
其中,前保安装方式将激光雷达(lidar)安装在车辆的前部以及两侧,安装位置较低,易受遮挡,导致感知范围小,导致用于定位的信息较少,导致定位不准确。因此,为了提高定位的准确性,控制激光雷达(lidar)在车辆每行驶预设距离时,采集一次车辆周边的环境信息。在车辆定位时,根据多次采集的车辆周边的环境信息进行定位,定位准确性较高。
但是,当道路拥堵时,车辆行驶缓慢,无法及时采集车辆周边的环境信息,导致车辆在定位时,用于定位的多次采集的车辆周边的环境信息没有得到更新,从而导致定位准确性差。
发明内容
本申请提供一种定位方法、装置和系统,旨在解决由于障碍物遮挡、道路拥堵等造成的车辆定位不准确的问题。
第一方面,本申请提供一种定位方法,该方法可以由车辆实现,也可以由车辆中的部件实现,如由车辆中的处理装置、电路、芯片等部件实现,或者为与车辆通过网关通信的云端服务器。所述方法包括:
在当前时刻,通过车载传感装置获取第一传感信息,所述第一传感信息包括所述车载传感装置在所述当前时刻采集的特征点在车体坐标系下的坐标以及车辆在所述当前时刻的里程计信息;
获取在关键时刻通过所述车载传感装置获取的第二传感信息,所述第二传感信息包括所述车载传感装置在所述关键时刻采集的特征点在车体坐标系下的坐标以及所述车辆在所述关键时刻的里程计信息,其中,所述关键时刻包括第一关键时刻,所述第一关键时刻为根据时间间隔获取第二传感信息的时刻,所述第一关键时刻与所述当前时刻之间的时间间隔小于或等于预设时长;
根据所述车辆行驶区域的地图信息以及所述第一传感信息、第二传感信息,确定所述车辆在当前时刻的位置。
在一种可能的实施方式中,所述根据所述车辆行驶区域的地图信息以及所述第一传感信息、第二传感信息,确定所述车辆在当前时刻的位置,包括:
根据所述第一传感信息中的里程计信息和所述第二传感信息中的里程计信息,将所述关键时刻采集的特征点的坐标映射到所述当前时刻的车体坐标系下,获得所述关键时刻采集的特征点在所述当前时刻的车体坐标系下的坐标;
根据关键时刻采集的特征点和所述当前时刻采集的特征点分别在所述当前时刻的车体坐标系下的坐标以及所述地图信息,确定所述车辆在所述当前时刻的位置。
在一种可能的实施方式中,所述根据关键时刻采集的特征点和所述当前时刻采集的特征点分别在所述当前时刻的车体坐标系下的坐标以及所述地图信息,确定所述车辆在所述当前时刻的位置,包括:
在所述当前时刻,针对所述车辆对应的M个粒子中的每个粒子,根据关键时刻采集的特征点和所述当前时刻采集的特征点分别在所述当前时刻的车体坐标系下的坐标以及所述每个粒子的位置,获得当前时刻和所述关键时刻采集的特征点与所述地图信息中目标物的匹配度,其中,所述M个粒子为上一次对所述车辆定位时采用的粒子,所述每个粒子的位置是根据上一次对所述车辆定位时的里程计信息、所述当前时刻的里程计信息以及在上一次对所述车辆定位时所述每个粒子的位置获得的,M为正整数;
根据所述当前时刻所述M个粒子中每个粒子的匹配度和所述M个粒子,获得K个粒子,K为正整数;
根据所述当前时刻车辆对应的所述K个粒子的位置,获得所述车辆在所述当前时刻的位置。
在一种可能的实施方式中,所述根据关键时刻采集的特征点和所述当前时刻采集的特征点分别在所述当前时刻的车体坐标系下的坐标以及所述每个粒子的位置,获得当前时刻和所述关键时刻采集的特征点与所述地图信息中目标物的匹配度,包括:
将所述当前时刻和所述关键时刻采集的特征点在所述当前时刻的车体坐标系下的坐标分别映射到以所述粒子为原点的粒子坐标系中;
获取映射到所述粒子坐标系中的所述当前时刻和所述关键时刻采集的特征点构成的待匹配目标物与所述地图信息中相应目标物的匹配度。
在一种可能的实施方式中,所述根据所述当前时刻所述M个粒子中每个粒子的匹配度和所述M个粒子,获得K个粒子,包括:
获取所述M个粒子中匹配度大于或等于预设匹配度的L个粒子,所述L小于或等于M且小于或等于K;
将所述L个粒子确定为所述K个粒子;或者,
从所述L个粒子中获取至少一个粒子;
根据所述L个粒子和所述至少一个粒子,获得所述K个粒子。
在一种可能的实施方式中,所述根据所述L个粒子和所述至少一个粒子,获得所述K个粒子,包括:
根据所述至少一个粒子中每个粒子的匹配度,对每个粒子进行至少一次复制;
将所述L个粒子和所述复制后获得的粒子,确定为所述K个粒子。
在一种可能的实施方式中,所述根据所述当前时刻车辆对应的所述K个粒子的位置,获得所述车辆在所述当前时刻的位置,包括:
根据所述K个粒子中每个粒子的位置,获取所述K个粒子的平均位置,将所述K个粒子的平均位置确定为所述车辆在所述当前时刻的位置。
在一种可能的实施方式中,所述方法还包括:
根据所述当前时刻车辆对应的所述K个粒子中每个粒子的位置以及所述车辆在所述当前时刻的位置,获得所述车辆在所述当前时刻的位置的评价值,所述评价值指示所述车辆在所述当前时刻的位置与所述车辆在所述当前时刻的真实位置信息之间的差异。
在一种可能的实施方式中,所述根据所述第二传感信息中的里程计信息和所述第二传感信息中的里程计信息,将所述关键时刻采集的特征点的坐标分别映射到所述当前时刻的车体坐标系下,获得所述关键时刻采集的特征点在所述当前时刻的车体坐标系下的坐标,包括:
根据所述第一传感信息中的里程信息以及所述第二传感信息中的里程信息,确定所述当前时刻对应的车体坐标系与所述第一关键时刻对应的车体坐标系的坐标映射关系;
根据所述坐标映射关系,将所述第一关键时刻采集的特征点的坐标分别映射到所述当前时刻的车体坐标系下,获得所述第一关键时刻采集的特征点在所述当前时刻的车体坐标系下的坐标。
在一种可能的实施方式中,所述关键时刻还包括第二关键时刻,所述第二关键时刻为根据距离间隔获取第二传感信息的时刻,其中,所述车辆从所述第二关键时刻的位置行驶到所述当前时刻对应的位置的行驶距离小于或等于预设距离。
在一种可能的实施方式中,所述根据所述车辆行驶区域的地图信息以及所述第一传感信息、第二传感信息,确定所述车辆在当前时刻的位置,包括:
根据所述地图信息以及所述第一传感信息、第二传感信息,确定所述车辆在当前时刻的位姿。
在一种可能的实施方式中,所述根据关键时刻采集的特征点和所述当前时刻采集的特征点分别在所述当前时刻的车体坐标系下的坐标以及所述每个粒子的位置,获得当前时刻和所述关键时刻采集的特征点与所述地图信息中目标物的匹配度之前,还包括:
根据各关键时刻采集的特征点和所述当前时刻采集的特征点中各特征点的特征值,确定目标特征点;
根据各关键时刻采集的特征点和所述当前时刻采集的特征点中除特征点集合所包含的特征点之外的各特征点的特征值,再次确定目标特征点,所述特征点集合所包含的特征点为位于上一次确定的目标特征点的预设距离范围内的特征点以及所述上一次确定的目标特征点;
所述目标特征点的个数满足预设个数时,获得N个目标特征点,所述N为等于预设个数;
所述根据关键时刻采集的特征点和所述当前时刻采集的特征点分别在所述当前时刻的车体坐标系下的坐标以及所述每个粒子的位置,获得当前时刻和所述关键时刻采集的特征点与所述地图信息中目标物的匹配度,包括:
根据N个目标特征点在所述当前时刻的车体坐标系下的坐标以及所述每个粒子的位置,获得所述当前时刻和所述关键时刻采集的特征点与所述目标区域的地图信息中目标物的匹配度。
在一种可能的实施方式中,所述特征点的特征值通过评价函数获得,所述特征值用于评价所述特征点的稳定性。
在一种可能的实施方式中,所述目标特征点为各特征点中特征值最大的特征点。
在一种可能的实施方式中,车体坐标系的原点位于所处车辆上的任一位置。
第二方面,本申请提供一种定位装置,包括:
获取模块,用于在当前时刻,通过车载传感装置获取第一传感信息,所述第一传感信息包括所述车载传感装置在所述当前时刻采集的特征点在车体坐标系下的坐标以及车辆在所述当前时刻的里程计信息;还用于获取在关键时刻通过所述车载传感装置获取的第二传感信息,所述第二传感信息包括所述车载传感装置在所述关键时刻采集的特征点在车体坐标系下的坐标以及所述车辆在所述关键时刻的里程计信息,其中,所述关键时刻包括第一关键时刻,所述第一关键时刻为根据时间间隔获取第二传感信息的时刻,所述第一关键时刻与所述当前时刻之间的时间间隔小于或等于预设时长;
定位模块,用于根据所述车辆行驶区域的地图信息以及所述第一传感信息、第二传感信息,确定所述车辆在当前时刻的位置。
在一种可能的实施方式中,所述定位模块根据所述车辆行驶区域的地图信息以及所述第一传感信息、第二传感信息,确定所述车辆在当前时刻的位置时,具体用于:
根据所述第一传感信息中的里程计信息和所述第二传感信息中的里程计信息,将所述关键时刻采集的特征点的坐标映射到所述当前时刻的车体坐标系下,获得所述关键时刻采集的特征点在所述当前时刻的车体坐标系下的坐标;
根据关键时刻采集的特征点和所述当前时刻采集的特征点分别在所述当前时刻的车体坐标系下的坐标以及所述地图信息,确定所述车辆在所述当前时刻的位置。
在一种可能的实施方式中,所述定位模块根据关键时刻采集的特征点和所述当前时刻采集的特征点分别在所述当前时刻的车体坐标系下的坐标以及所述地图信息,确定所述车辆在所述当前时刻的位置时,具体用于:
在所述当前时刻,针对所述车辆对应的M个粒子中的每个粒子,根据关键时刻采集的特征点和所述当前时刻采集的特征点分别在所述当前时刻的车体坐标系下的坐标以及所述每个粒子的位置,获得当前时刻和所述关键时刻采集的特征点与所述地图信息中目标物的匹配度,其中,所述M个粒子为上一次对所述车辆定位时采用的粒子,所述每个粒子的位置是根据上一次对所述车辆定位时的里程计信息、所述当前时刻的里程计信息以及在上一次对所述车辆定位时所述每个粒子的位置获得的,M为正整数;
根据所述当前时刻所述M个粒子中每个粒子的匹配度和所述M个粒子,获得K个粒子,K为正整数;
根据所述当前时刻车辆对应的所述K个粒子的位置,获得所述车辆在所述当前时刻的位置。
在一种可能的实施方式中,所述定位模块根据关键时刻采集的特征点和所述当前时刻采集的特征点分别在所述当前时刻的车体坐标系下的坐标以及所述每个粒子的位置,获得当前时刻和所述关键时刻采集的特征点与所述地图信息中目标物的匹配度时,具体用于:
将所述当前时刻和所述关键时刻采集的特征点在所述当前时刻的车体坐标系下的坐标分别映射到以所述粒子为原点的粒子坐标系中;
获取映射到所述粒子坐标系中的所述当前时刻和所述关键时刻采集的特征点构成的待匹配目标物与所述地图信息中相应目标物的匹配度。
在一种可能的实施方式中,所述定位模块根据所述当前时刻所述M个粒子中每个粒子的匹配度和所述M个粒子,获得K个粒子时,具体用于:
获取所述M个粒子中匹配度大于或等于预设匹配度的L个粒子,所述L小于或等于M且小于或等于K;
将所述L个粒子确定为所述K个粒子;或者,
从所述L个粒子中获取至少一个粒子;
根据所述L个粒子和所述至少一个粒子,获得所述K个粒子。
在一种可能的实施方式中,所述定位模块根据所述L个粒子和所述至少一个粒子,获得所述K个粒子时,具体用于:
根据所述至少一个粒子中每个粒子的匹配度,对每个粒子进行至少一次复制;
将所述L个粒子和所述复制后获得的粒子,确定为所述K个粒子。
在一种可能的实施方式中,根据定位模块根据所述当前时刻车辆对应的所述K个粒子的位置,获得所述车辆在所述当前时刻的位置时,具体用于:
根据所述K个粒子中每个粒子的位置,获取所述K个粒子的平均位置,将所述K个粒子的平均位置确定为所述车辆在所述当前时刻的位置。
在一种可能的实施方式中,所述定位模块还用于:
根据所述当前时刻车辆对应的所述K个粒子中每个粒子的位置以及所述车辆在所述当前时刻的位置,获得所述车辆在所述当前时刻的位置的评价值,所述评价值指示所述车辆在所述当前时刻的位置与所述车辆在所述当前时刻的真实位置信息之间的差异。
在一种可能的实施方式中,所述定位模块根据所述第二传感信息中的里程计信息和所述第二传感信息中的里程计信息,将所述关键时刻采集的特征点的坐标分别映射到所述当前时刻的车体坐标系下,获得所述关键时刻采集的特征点在所述当前时刻的车体坐标系下的坐标时,具体用于:
根据所述第一传感信息中的里程信息以及所述第二传感信息中的里程信息,确定所述当前时刻对应的车体坐标系与所述第一关键时刻对应的车体坐标系的坐标映射关系;
根据所述坐标映射关系,将所述第一关键时刻采集的特征点的坐标分别映射到所述当前时刻的车体坐标系下,获得所述第一关键时刻采集的特征点在所述当前时刻的车体坐标系下的坐标。
在一种可能的实施方式中,所述关键时刻还包括第二关键时刻,所述第二关键时刻为根据距离间隔获取第二传感信息的时刻,其中,所述车辆从所述第二关键时刻的位置行驶到所述当前时刻对应的位置的行驶距离小于或等于预设距离。
在一种可能的实施方式中,所述定位模块根据所述车辆行驶区域的地图信息以及所述第一传感信息、第二传感信息,确定所述车辆在当前时刻的位置时,具体用于:
根据所述地图信息以及所述第一传感信息、第二传感信息,确定所述车辆在当前时刻的位姿。
在一种可能的实施方式中,所述定位模块根据关键时刻采集的特征点和所述当前时刻采集的特征点分别在所述当前时刻的车体坐标系下的坐标以及所述每个粒子的位置,获得当前时刻和所述关键时刻采集的特征点与所述地图信息中目标物的匹配度之前,还用于:
根据各关键时刻采集的特征点和所述当前时刻采集的特征点中各特征点的特征值,确定目标特征点;
根据各关键时刻采集的特征点和所述当前时刻采集的特征点中除特征点集合所包含的特征点之外的各特征点的特征值,再次确定目标特征点,所述特征点集合所包含的特征点为位于上一次确定的目标特征点的预设距离范围内的特征点以及所述上一次确定的目标特征点;
所述目标特征点的个数满足预设个数时,获得N个目标特征点,所述N为等于预设个数;
所述定位模块根据关键时刻采集的特征点和所述当前时刻采集的特征点分别在所述当前时刻的车体坐标系下的坐标以及所述每个粒子的位置,获得当前时刻和所述关键时刻采集的特征点与所述地图信息中目标物的匹配度时,具体用于:
根据N个目标特征点在所述当前时刻的车体坐标系下的坐标以及所述每个粒子的位置,获得所述当前时刻和所述关键时刻采集的特征点与所述目标区域的地图信息中目标物的匹配度。
在一种可能的实施方式中,所述特征点的特征值通过评价函数获得,所述特征值用于评价所述特征点的稳定性。
在一种可能的实施方式中,所述目标特征点为各特征点中特征值最大的特征点。
在一种可能的实施方式中,车体坐标系的原点位于所处车辆上的任一位置。
第三方面,本申请提供一种定位装置,包括:存储器和至少一个处理器;
所述存储器,用于存储程序指令;
所述处理器,用于调用所述存储器中的程序指令,执行如第一方面任一项所述的定位方法。
第四方面,本申请提供一种定位系统,包括车辆和车载传感装置;
所述车载传感装置安装在所述车辆上;
所述车辆,用于执行如第一方面任一项所述的定位方法;或者,
所述车载传感装置,用于执行第一方面任一项所述的定位方法。
第五方面,本申请提供一种存储有计算机指令的非瞬时计算机可读存储介质,所述计算机指令用于使所述计算机执行第一方面任一项所述的定位方法。
第六方面,本申请提供一种程序产品,所述程序产品包括计算机程序,所述计算机程序存储在可读存储介质中,定位装置的至少一个处理器可以从所述可读存储介质读取所述计算机程序,所述至少一个处理器执行所述计算机程序使得定位装置实施如第一方面任一项所述的定位方法。
本申请提供一种定位方法、装置和系统,在车辆启动后,根据时间间隔获取车辆的传感信息,在车辆定位时,获取当前时刻对应的第一传感信息以及至少一个关键时刻对应的第二传感信息,根据第一传感信息、至少一个第二传感信息以及地图信息对车辆进行定位。由于从时间维度获取传感信息,使得获取传感信息的过程不受道路拥堵的影响,从而可以在车辆行驶时,根据时间间隔对用于定位的传感信息进行更新,提高定位的准确性。并且,从时间维度获取传感信息,当车辆低速行驶时,可以在车辆之间的间隙采集到车辆周边的环境信息,此时,由于车速较慢,采集到的车辆周边的环境信息更清楚,进一步提高定位的准确性。
附图说明
图1为本申请一实施例提供的应用场景示意图;
图2为本申请一实施例提供的定位方法的流程图
图3为本申请一实施例提供的车体坐标系的示意图;
图4为本申请一实施例提供的对车辆定位的示意图;
图5为本申请另一实施例提供的对车辆定位的示意图;
图6为本申请另一实施例提供的对车辆定位的示意图;
图7a为本申请一实施例提供的车辆朝向第一方向时的周边环境信息示意图;
图7b为本申请一实施例提供的车辆朝向第二方向时的周边环境信息示意图;
图8为本申请另一实施例提供的定位方法的流程图;
图9为本申请另一实施例提供的定位方法的流程图;
图10为本申请一实施例提供的粒子初始化的示意图;
图11为本申请一实施例提供的分别在车体坐标系和粒子坐标系下周边环境信息示意图;
图12为本申请一实施例提供的定位装置的结构示意图;
图13为本申请一实施例提供的定位装置的结构示意图;
图14为本申请一实施例提供的定位系统的结构示意图。
具体实施方式
为了便于理解本申请的实施例,首先对本申请实施例中涉及的概念进行介绍。
当前时刻:车辆在启动后,进行定位时刻。
关键时刻:车辆在启动后,通过传感器装置扫描车辆周边环境信息,且扫描到的车辆周边环境信息用于定位的时刻。
特征点:通过传感装置扫描到的车辆周边环境对应的点云中,能够反应周边环境中目标物的特征的点,因此,可以通过特征点来识别周边环境中目标物。
图1为本申请一实施例提供的应用场景示意图。在车辆的智能驾驶模式下,车辆在启动后,例如,车辆正在行驶,或者由于拥堵、等待红绿灯等情况暂时处于停车状态,通过激光雷达感知车辆周围环境信息,对车辆进行定位。具体的:设置预设距离,车辆上的激光雷达在车辆每行驶预设距离后,向车辆周围发射激光信号。车辆周边环境中的目标物被激光扫描后,显示为点云(Cloud of points)。通过每次采集时获取到点云提取车辆周围的标志信息。在定位时,根据多次采集到的车辆周围的标志信息与地图信息进行匹配,实现车辆的定位。
但是,车辆在拥堵的道路上行驶时,行驶缓慢,使得车辆在定位时,无法及时更新采集到的周边的环境信息,导致定位不准确。
例如,如图1所示,当车辆在拥堵的道路上行驶时,每间隔100米采集一次车辆周边的环境信息,例如,车辆分别在A点、B点、C点和D点采集车辆周边的环境信息,车辆行驶到E点,由于D点与E点之间的行驶距离小于100米,在E点需要进行定位时,根据A点、B点、C点和D点采集车辆周边的环境信息进行定位,此时,由于存在误差,车辆定位的位置位于点D的附近。
由于道路拥堵,车辆行驶缓慢,导致车辆行驶到F点需要进行定位时,D点与F点之间的行驶距离仍小于100米,使得车辆采集到的车辆周边的环境信息仍然是在A点、B点、C点和D点采集到的。因此,在定位时,仍然根据A点、B点、C点和D点采集车辆周边的环境信息进行定位,导致通过定位获得的车辆的位置与车辆的真实位置之间存在较大差异,定位不准确。
值得说明的是,上述示例只是用于示范性地说明本申请实施例可以适用的应用场景,而不能理解为对本申请实施例的应用场景的限定。
因此,为解决现有技术中存在的问题,本申请提出:时间维度具有连续性,因此,可以在时间维度上控制车载装置,例如,激光雷达,连采集车辆周边的环境信息,通过连续采集到的车辆周围的环境信息对车辆的当前时刻的位置进行定位。由于本申请中在时间维度上连续采集车辆周边的环境信息,而时间维度不受道路拥堵等情况的影响。因此,车辆启动后,可以及时更新采集到的车辆周围的环境信息,进而提高定位的准确性。
应理解,在实际应用中,本申请的技术方案除了应用于车辆定位,也可以应用于飞机定位,例如,无人机的定位场景中,提高定位的准确性。其中,本申请以车辆定位为例进行说明,然而,这并不应理解为对本申请应用范围的限定。
下面以具体地实施例对本申请的技术方案以及本申请的技术方案如何解决上述技术问题进行详细说明。下面这几个具体的实施例可以相互结合,对于相同或相似的概念或过程可能在某些实施例中不再赘述。下面将结合附图,对本申请的实施例进行描述。
图2为本申请一实施例提供的定位方法的流程图。本实施例的执行主体例如为车辆,也可以由车辆中的部件实现,如由车辆中的处理装置、电路、芯片等部件实现,或者为与车辆通过网关通信的云端服务器,本申请对此不限制。如图2所示,本申请实施例的方法包括:
S201、在当前时刻,通过车载传感装置获取第一传感信息。
其中,第一传感信息包括车载传感装置在当前时刻采集的特征点在车体坐标系下的坐标以及车辆在当前时刻的里程计信息。
本步骤中,可选的,车体坐标系可以是平面坐标系,例如平面直角坐标系、极坐标系,或者为空间坐标系,例如空间直角坐标系、柱坐标系、球坐标系,本申请对此不限制。其中本实施例以空间直角坐标系为例进行说明。
可选的,车体坐标系为空间直角坐标系,则车体坐标系的原点可以位于所处车辆上的任一位置,例如,如图3所示,以车辆的几何中心为原点,行驶方向为X轴,在水平面上与行驶方向垂直的方向为Y轴,在垂直面上与行驶方向垂直的方向为Z轴。
需要说明的是,车体坐标系的原点是以车辆作为参照物确定的,但是,车辆行驶过程中,车辆的位置是发生变化的,因此,车辆在不同位置对应的车体坐标系的原点不同。
在车辆启动后,通过车载传感装置获取车辆周边的环境信息以及车辆的里程计信息。其中,车载传感装置例如为多传感器(sensor)整合的系统,例如可以包括激光雷达和惯性检测单元,激光雷达用于对车辆周边环境进行扫描,获取车辆周边的环境信息,惯性检测单元用于获取车辆的里程计信息。
需要说明的是,在一些可能的设计中,还可以通过其他传感器获取车辆周边的环境信息的点云,例如,超声波传感器等。
在当前时刻,车载传感装置中的激光雷达向外发射激光,获取车辆周围环境对应的点云,惯性检测单元获取当前时刻的里程计信息,以使车辆通过当前时刻车辆周围环境对应的点云以及里程计信息获取当前时刻的传感信息,即第一传感信息。其中,里程计信息例如可以包括:车辆在启动后的转向信息、车轮的转动圈数等。
可选的,车载传感装置在获取到当前时刻的车辆周围环境对应的点云以及里程计信息时,可以直接将获取到的车辆周围环境对应的点云以及里程计信息发送车辆处理装置,由车辆处理装置对车辆周围环境对应的点云以及里程计信息进行处理,获取第一传感信息。例如,车辆处理装置从车辆周围环境对应的点云中提取出至少一个特征点,将特征点在车载传感装置坐标系下的坐标映射到车体坐标系下,确定至少一个特征点在车体坐标系下的坐标。
或者,车载传感装置对获取到车辆周围环境对应的点云以及里程计信息进行初步处理,例如,数据格式的转换、点云中特征点的提取等,将初步处理后的车辆周围环境对应的点云以及惯性检测单元获取当前时刻的里程计信息发送给车辆的处理装置。车辆处理装置根据初步处理后的车辆周围环境对应的点云以及惯性检测单元获取第一传感信息。
再或者,车载传感装置根据获取到的当前时刻的车辆周围环境对应的点云以及里程计信息获取第一传感信息,然后将第一传感信息发送给车辆的处理装置。这样,在车辆定位时,车辆处理装置可以直接使用第一传感信息,减少车辆处理装置的处理量,加快车辆处理装置的定位速度。
S202、获取在关键时刻,通过车载传感装置获取的第二传感信息。
其中,第二传感信息包括车载传感装置在关键时刻采集的特征点在车体坐标系下的坐标以及车辆在关键时刻的里程计信息。
关键时刻包括第一关键时刻,第一关键时刻为根据时间间隔获取第二传感信息的时刻,关键时刻与当前时刻之间的时间间隔小于或等于预设时长。
本步骤中,由于现有技术中,通过设置预设距离,在车辆每行驶预设距离时,通过车载传感装置采集车辆周边的环境信息以及里程计信息,以使车辆处理装置获取传感信息,根据多次获取的传感信息进行定位,但是,道路拥堵使车辆行驶缓慢,传感信息更新较慢。并且,由于道路拥堵,车辆周边的环境信息被周边的车辆等障碍物遮挡,本身就会造成感知范围较小,况且在一段拥堵的路段中,根据预设距离获取传感信息,只有在车辆每行驶预设距离时才会获得一次传感信息,导致感知信息中的有效信息更少,影响定位的准确性。其中,有效信息为感知信息中可以提高定位准确性的信息。
因此,本申请中,在车辆启动后,在时间维度上使车载传感装置连续获取车辆周边环境对应的点云和里程计信息,例如,预先设置采集的时间周期,在采集的时间周期到达时,车载传感装置获取一次车辆周边环境对应的点云和里程计信息。或者,根据车辆的行驶速度,调整车载传感装置相邻两次获取一次车辆周边环境对应的点云和里程计信息的时间间隔。相应的,对应于每次车载传感装置获取车辆周边环境对应点云和里程计信息,车辆处理装置获取一次传感信息。
在当前时刻,车辆处理装置获取至少一个关键时刻对应的传感信息,即第二传感信息。其中,此处的关键时刻为根据时间间隔获取第二传感信息的时刻。每个关键时刻与当前时刻之间的时间间隔小于或等于预设时长。
例如,预设时长为5分钟,则当前时刻之前且与当前时刻间隔5分钟内传感装置采集车辆周边的环境信息和里程计信息的时刻为关键时刻。如图4所示,车辆在启动后,传感装置每间隔30S采集一次车辆周边的环境信息和里程计信息,这样,车辆每间隔30S获得一次传感信息。若当前时刻为10:00,则获取9:55之后,10:00之前的传感信息为关键时刻对应的传感信息。其中,车辆在9:55分时到达图4中的位置1,车辆到达图4中的位置2时的时刻距离上一次传感装置采集车辆周边的环境信息和里程计信息的时刻为关键时刻之间的时间间隔为30s,在图4中的位置2时,传感装置采集车辆周边的环境信息和里程计信息,车辆获得一传感信息。因此,在车辆在10:00到达图4中的位置3时,9:55之后,10:00之前的关键时刻为图4中标记为“☆”的时刻。
可选的,在车辆处理装置每次获得传感信息后,保存该传感信息,在当前时刻获取第二传感信息时,可以根据当前时刻以及保存的传感信息对应的传感装置采集车辆周边的环境信息和里程计信息时刻,从保存的传感信息中获取第二传感信息。
可选的,在当前时刻获取第二传感信息时,可以从关键时刻列表中获取每个关键时刻对应的第二传感信息。例如,在车辆处理装置每次获得传感信息后,保存该传感信息,并根据该传感信息对应的关键时刻以及保存的每个传感信息对应的关键时刻,删除关键列表中与该传感信息对应的关键时刻之间的时间间隔大于预设时长的传感信息,对关键时刻列表进行更新。
可选的,关键时刻还包括第二关键时刻,第二关键时刻为根据距离间隔获取第二传感信息的时刻,其中,车辆从第二关键时刻的位置行驶到当前时刻对应的位置的行驶距离小于或等于预设距离。
在车辆启动后,车载传感装置可以根据距离间隔连续获取车辆周边环境对应点云和里程计信息。例如,预先设置采集的距离间隔为100米,在车辆每行驶100米,车载传感装置获取一次车辆周边环境对应的点云和里程计信息。相应的,对应于每次车载传感装置获取车辆周边环境对应的点云和里程计信息,车辆处理装置获取一次传感信息。
这样,在当前时刻,车辆处理装置获取至少一个第二关键时刻对应的第二传感信息,例如,如图5所示,车辆启动后,车辆处理装置在车辆每行驶100米获得一次传感信息,车辆在车载传感装置获取车辆周边环境对应的点云和里程计信息时的位置分别对应图中的S1-S7。预设距离为500米,车辆从S7行驶50米到达图5中的S8处时,车辆进行定位,则当前时刻车辆位于图5中的S8处,则图5中的S3-S7对应第二关键时刻。
在车辆启动后,车载传感装置可以根据时间间隔和距离间隔连续获取车辆周边环境对应点云和里程计信息,例如,在图4和图5的基础上,车载传感器每间隔30s采集一次车辆周边的环境信息和里程计信息,这样,车辆每间隔30s获得一次传感信息,预设时长为5分钟。并且,车辆每行驶100米,车载传感器采集一次车辆周边的环境信息和里程计信息,这样,车辆每行驶100米获得一次传感信息,预设距离为500米。如图6所示,“○”表示根据时间间隔获取车辆周边环境对应点云和里程计信息的时刻,“●”根据距离间隔获取车辆周边环境对应点云和里程计信息的时刻。
可选的,在实际应用时,车载传感装置根据时间间隔获取车辆周边环境对应点云和里程计信息的时刻与车载传感装置根据距离间隔获取车辆周边环境对应点云和里程计信息的时刻可能为同一时刻,图6中,“□”表示车载传感装置同时根据时间间隔和距离间隔连续获取车辆周边环境对应点云和里程计信息的时刻。
对应图6,车辆在9:55:00行驶到图6中的位置1(即图4中的位置1),在图6中的位置2(即图4中的位置2)时,传感装置采集车辆周边的环境信息和里程计信息,车辆在10:55:00行驶到S8(即图4中的位置3)时,在当前时刻,第一关键时刻和第二关键时刻分别对应的时刻如图6所示,关键时刻为第一关键时刻和第二关键时刻的并集。
需要说明的是,在下文中提到的关键时刻可以为第一关键时刻,或者第二关键时刻,或者第一关键时刻和第二关键时刻的并集。
S203、根据车辆行驶区域的地图信息以及在第一传感信息、第二传感信息,确定车辆在当前时刻的位置。
本步骤中,在获取到第一传感信息、至少一个第二传感信息后,根据第一传感信息、至少一个第二传感信息,获得当前设你时刻车辆周边环境的标志信息,将标志信息与车辆行驶区域的地图信息进行比对,获得车辆的在当前时刻的位置。
可选的,车辆行驶区域的地图信息是根据之前定位时的位置获取到的地图信息,例如,车辆行驶区域的地图信息是根据上一次定位时的位置获取到的地图信息。
车辆在启动时,会对车辆的位置进行初始化,例如,通过GPS对车辆的初始位置进行定位,或者输入车辆的初始位置。对车辆的位置进行初始化后,根据车辆的初始位置,获取当前车辆当前所在区域的地图信息。
在车辆启动后,车辆的位置发生变化,其所在的区域地图也会发生变化,因此,对车辆进行定位后,需要根据定位的位置对地图信息进行更新,这样,与更新前的地图信息相比,更新后的地图信息与车辆所在区域的匹配度较高。因此,在下一次定位时,根据更新后的地图信息,车辆定位的位置能够更准确。
可选的,在S203中,根据车辆行驶区域的地图信息以及在第一传感信息、第二传感信息,确定车辆在当前时刻的位姿。
具体的,对于同一目标物,车辆在同一位置的不同姿态,例如,车辆的朝向不同,其车体坐标系不同,通过车载传感装置,例如激光雷达对目标物进行激光扫描时,同一束激光射向目标物时,由于目标物在空间中的位置是固定的,因此,该束激光获得的特征点在不同车体坐标系下的坐标不同。因此,根据车辆行驶区域的地图信息以及在第一传感信息、至少一个第二传感信息,不仅可以确定车辆在当前时刻的位置,还可以确定车辆该位置的姿态。
例如图7a和图7b所示,对于路边的同一广告牌,车辆位于同一位置的不同姿态采集的广告牌的信息。当车辆朝向第一方向通过激光雷达扫描广告牌时,根据采集到的广告牌的至少一个特征点在第一车体坐标系下的位置如图7a所示。当车辆朝向第二方向通过激光雷达扫描广告牌时,根据采集到的广告牌的至少一个特征点在第二车体坐标系下的位置如图7b所示。
将第一车体坐标系下的广告牌、第二车体坐标系下的广告牌分别与地图信息中的广告牌匹配时,可以分别确定出第一车体坐标系、第二车体坐标系,根据第一车体坐标系和第二车体坐标系确定车量在该位置的姿态。
本实施例,在车辆启动后,根据时间间隔获取车辆的传感信息,在车辆定位时,获取当前时刻对应的第一传感信息以及至少一个关键时刻对应的第二传感信息,根据第一传感信息、至少一个第二传感信息以及地图信息对车辆进行定位。由于从时间维度获取传感信息,使得获取传感信息的过程不受道路拥堵的影响,从而可以在车辆行驶时,根据时间间隔对用于定位的传感信息进行更新,提高定位的准确性。并且,从时间维度获取传感信息,当车辆低速行驶时,可以在车辆之间的间隙采集到车辆周边的环境信息,此时,由于车速较慢,采集到的车辆周边的环境信息更清楚,进一步提高定位的准确性。
图8为本申请另一实施例提供的定位方法的流程图。在图2所示实施例的基础上,如图8所示,本申请实施例的方法包括:
S801、在当前时刻,通过车载传感装置获取第一传感信息。
本步骤中,S801的实现方式可参考S201,此处不再赘述。
S802、获取在关键时刻,通过车载传感装置获取的第二传感信息。
本步骤中,S802的实现方式可参考S202,此处不再赘述。
S803、根据第一传感信息中的里程计信息和第二传感信息中的里程计信息,将关键时刻采集的特征点的坐标分别映射到当前时刻的车体坐标系下,获得关键时刻采集的特征点在当前时刻的车体坐标系下的坐标。
本步骤中,在车辆上电时,获取车辆启动时车辆的位置并启动车载传感装置,例如惯性检测单元。在车辆启动后,通过惯性检测单元记录车辆行驶过程中的里程计信息,例如,车辆在启动后的转向信息、车轮的转动圈数、车辆的速度等。
因此,根据车辆的里程计信息可以确定记录里程计信息时车辆所在位置相对于车辆上电位置的相对位置信息。
因此,通过t1时的里程计信息和t2时的里程计信息可以确定车辆从t1所在位置行驶到t2所在位置的行驶距离以及转动角度。也就是通过t1时的里程计信息和t2时的里程计信息,确定车辆在t2时所在位置相对于车辆在t1时所在位置的相对位置信息。
因此,通过根据第一传感信息中的里程计信息和第二传感信息中的里程计信息,可以将关键时刻采集的至少一个特征点的坐标分别映射到当前时刻的车体坐标系下,获得关键时刻采集的至少一个特征点在当前时刻的车体坐标系下的坐标。
可选的,S803的一种具体的实现方式为:
S8031、根据第一传感信息中的里程信息以及第二传感信息中的里程信息,确定当前时刻对应的车体坐标系与关键时刻对应的车体坐标系的坐标映射关系。
本步骤中,车辆从关键时刻所在位置行驶到当前时刻所在位置,车辆向左转弯,并且,车辆从关键时刻所在位置向左转弯行驶到当前时刻所在位置,记录在车辆的里程计信息中。因此,通过关键时刻的里程计信息和当前时刻的里程计信息可以获知车辆从关键时刻所在位置行驶到当前时刻所在位置的转弯方向,以及车辆从关键时刻所在位置向左转弯行驶到当前时刻所在位置的行驶距离。
因此,通过当前时刻时的里程计信息和关键时刻时的里程计信息,可以计算车辆在t1时车体坐标系与车辆在关键时刻时车体坐标系的映射矩阵,计算公式例如公式一:
Tkey×Tkey→cur=Tcur 公式一
其中,Tkey表示其中任一关键时刻车辆的车体坐标系相对于车辆上电位置的坐标矩阵,Tcur表示当前时刻时车辆的车体坐标系相对于车辆上电位置的坐标矩阵,Tkey→cur表示车辆在关键时刻车体坐标系相对于车辆在当前时刻车体坐标系的映射矩阵。
因此,根据关键时刻的里程计信息和当前时刻的里程计信息确定当前时刻对应的车体坐标系与关键时刻对应的车体坐标系的坐标映射关系。
S8032、根据坐标映射关系,将第一关键时刻采集的特征点的坐标分别映射到当前时刻的车体坐标系下,获得第一关键时刻采集的特征点在当前时刻的车体坐标系下的坐标。
Pcur=Tkey→cur×Pkey 公式二
其中,Pcur表示其中一个关键时刻的特征点在当前时刻的车体坐标系下的坐标,Pkey表示其中一个关键时刻的特征点在关键时刻的车体坐标系下的坐标。
S804、根据各关键时刻采集的特征点和当前时刻采集的特征点分别在当前时刻的车体坐标系下的坐标以及地图信息,确定车辆在当前时刻的位置。
本步骤中,对于任一关键时刻的传感信息,将该关键时刻采集的至少一个特征点的坐标根据对应的映射矩阵均映射到当前时刻的车体坐标系下,从而根据当前时刻车体坐标系下的特征点(包括各关键时刻采集的至少一个特征点映射在当前时刻车体坐标系下获得的特征点和当前时刻采集的至少一个特征点)以及地图信息,确定车辆在当前时刻的位置。
其中,由于将关键时刻采集的至少一个特征点的坐标根据对应的映射矩阵均映射到当前时刻的车体坐标系下,可以增加当前时刻的特征点的数量。这样,通过特征点提取车辆周围的目标物的轮廓更清楚更接近其真实轮廓,从而在根据地图信息进行定位时,通过特征点提取的目标物的轮廓与地图信息中的目标物的轮廓的契合度更高,从而提高了定位的准确性。
图9为本申请另一实施例提供的定位方法的流程图。在图8所示实施例的基础上,本申请实施例的方法包括:
S901、在当前时刻,通过车载传感装置获取第一传感信息。
本步骤中,S901的实现方式可参考S201,此处不再赘述。
S902、获取在关键时刻,通过车载传感装置获取的第二传感信息。
本步骤中,S902的实现方式可参考S202,此处不再赘述。
S903、根据第二传感信息中的里程计信息和第二传感信息中的里程计信息,将关键时刻采集的特征点的坐标映射到当前时刻的车体坐标系下,获得关键时刻采集的特征点在当前时刻的车体坐标系下的坐标。
本步骤中,S903的实现方式可参考S803,此处不再赘述。
S904、在当前时刻,针对车辆对应的M个粒子中的每个粒子,根据关键时刻采集的特征点和当前时刻采集的特征点分别在当前时刻的车体坐标系下的坐标以及每个粒子的位置,获得当前时刻和关键时刻采集的特征点与地图信息中目标物的匹配度。
其中,M个粒子为上一次对车辆定位时采用的粒子,每个粒子的位置为根据上一次对车辆定位时的里程计信息、当前时刻的里程计信息以及在上一次对车辆定位时每个粒子的位置获得的,M为正整数。
本步骤中,在对车辆定位时,可以粒子滤波的框架。具体的为:
如图10所示,在车辆刚刚启动时,获取车辆的初始位置,在车辆周围布置一些粒子,即初始化粒子,例如,初始化粒子的位置满足正态分布。其中,每个粒子用于模拟车辆,粒子的位置模拟车辆的位置,记录每个粒子的位置。此时,粒子的位置为初始化位置
在车辆启动后,每个粒子的运动过程与车辆的运动过程保持一致。通过车辆的里程计信息可以确定车辆从一个位置行驶到另一个位置的运动信息,例如,车辆行驶的距离、行驶过程中转弯的方向等。因此,根据车辆的里程计信息可以预测粒子的运动过程,从而预测粒子的位置。
对于当前时刻的M个粒子,其中,该M个粒子为上一次对车辆定位时所采用的粒子,根据上一次对车辆定位时M个粒子中每个粒子的位置、上一次定位时车辆的里程计信息以及当前时刻的里程计信息,确定当前时刻每个粒子的位置。
在当前时刻,根据当前时刻车体坐标系下的特征点(包括各关键时刻采集的至少一个特征点映射在当前时刻车体坐标系下获得的特征点和当前时刻采集的至少一个特征点),可以确定当前时刻车辆周边的环境信息,即根据当前时刻车体坐标系下的特征点可以提取车辆周边的标志信息,例如车辆周边的待匹配目标物,以及待匹配目标物相对车辆的位置。
其中,当前时刻车体坐标系下的特征点实际上是车辆在真实位置通过激光雷达采集到的特征点,因此,根据当前时刻车体坐标系下的特征点获得的车辆周边待匹配目标物,实际上是以车辆的真实位置观看到的待匹配目标物,待匹配目标物在车体坐标下的坐标实际上是待匹配目标物相对车辆真实位置的相对位置。因此,最优情况下,当前时刻车体坐标系下的特征点提取的待匹配目标物与地图信息中目标物完全匹配。
因此,由于每个粒子是模拟车辆的真实位置,并且,车辆中记录的里程计信息并不能如实反映车辆真实的运动过程,例如,根据里程计信息获得的车辆的行驶距离与车辆实际的行驶距离有一定差异。因此,根据里程计信息确定粒子在当前时刻的位置时,粒子的位置与车辆的真实位置之间存在差异。
因此,对于每个粒子,根据当前时刻车体坐标系下的特征点以及粒子在当前时刻的位置,可以通过从当前时刻车体坐标系下的特征点提取的待匹配目标物与地图信息中目标物的匹配度,确定粒子的位置与车辆真实位置的差异。
可选的,S904得一种具体实现方式为:
S9041、将当前时刻和关键时刻采集的特征点在当前时刻的车体坐标系下的坐标分别映射到以粒子为原点的粒子坐标系中。
具体的,逐个选取每个粒子,对于每个粒子,以该粒子为坐标原点的粒子坐标系替换当前时刻的车体坐标系,将当前时刻车体坐标系下的特征点映射到粒子坐标系中,获取映射到粒子坐标系的所述当前时刻车体坐标系下的特征点的坐标。
其中,粒子坐标系可以是平面坐标系,例如平面直角坐标系、极坐标系,或者为空间坐标系,例如空间直角坐标系、柱坐标系、球坐标系,本申请对此不限制。其中,本实施例以空间直角坐标系为例进行说明。
可选的,车体坐标系和粒子坐标系可以为同一类型的坐标系,例如,车体坐标系和粒子坐标系均为空间直角坐标系,或者,车体坐标系和粒子坐标系可以为不同类型的坐标系,例如,车体坐标系为空间直角坐标系,粒子坐标系均为球坐标系,本申请实施例对此不做限制。
S9042、获取映射到粒子坐标系中的当前时刻和关键时刻采集的特征点构成的待匹配目标物与地图信息中相应目标物的匹配度。
具体的,根据映射到粒子坐标系的当前时刻和至少一个关键时刻采集的特征点,提取从当前时刻车辆周边的待匹配目标物,将粒子的位置对应的地图信息中,确定在地图信息中粒子的位置,以地图信息中粒子的位置为坐标原点,将待匹配目标物与地图信息中相应目标物进行匹配,根据待匹配目标物与地图信息中相应目标物的重合度,确定待匹配目标物与地图信息中相应目标物的匹配度。
由于粒子的运动与车辆的运动保持一致,因此,如果粒子的位置越接近车辆的真实位置,映射到粒子坐标系的当前时刻车体坐标系下的特征点构成的待匹配目标物与地图信息中相应目标物的匹配度越高。
如图11所示,车辆坐标系和粒子坐标系为空间直角坐标系(在图11中没有示出空间直角坐标系),在地图信息中,车辆的真实位置为O点,其中一个粒子的位置为O1点,对于路边的广告牌,根据当前时刻车体坐标系下的特征点构成的该广告牌和位置如图11中的实线所示。其中,实线所示的广告牌与地图信息中的广告牌重合。
将当前时刻车体坐标系下的特征点映射到粒子坐标系中后,特征点构成的该广告牌和位置如图11中的虚线所示。
如果粒子的位置就是车辆的真实位置,则图11中,实线所示的广告牌位置与虚线所示的广告牌的位置重合。根据实线所示的广告牌的位置与虚线所示的广告牌的位置的距离确定粒子的匹配度,距离越小,匹配度越高。
可选的,将各关键时刻采集的至少一个特征点均映射到当前时刻的车体坐标系下,导致当前时刻车体坐标系下的特征点较多。并且,在不同关键时刻采集车辆周边的环境信息时,会采集到重复的特征点,从而增加计算量,影响定位效率。因此,在S904之前,还包括:
S1001、根据各关键时刻采集的至少一个特征点和当前时刻采集的特征点中各特征点的特征值,确定目标特征点。
本步骤中,从当前时刻的车体坐标系下的特征点(包括各关键时刻采集的至少一个特征点映射在当前时刻车体坐标系下获得的特征点和当前时刻采集的至少一个特征点)中选择稳定的、有代表性的目标特征点,并保存目标特征点。在减少特征点数量的基础上,使通过目标特征点提取到的车辆周边的环境信息接近通过当前时刻的车体坐标系下的特征点提取到的车辆周边的环境信息。
可选的,根据评价函数计算当前时刻的车体坐标系下的特征点中每个特征点的特征值,根据每个特征点的特征值选择出一个或多个特征点作为目标特征点。
可选的,根据评价函数计算当前时刻的车体坐标系下的特征点中每个特征点的特征值,根据特征值的大小,选择特征值最大的一个或多个特征点作为目标特征点。
S1002、根据各关键时刻采集的特征点和当前时刻采集的特征点中除特征点集合所包含的特征点之外的各特征点的特征值,再次确定目标特征点。
其中,特征点集合所包含的特征点为位于上一次确定的目标特征点的预设距离范围内的特征点以及上一次确定的目标特征点。
本步骤中,通过S1001确定目标特征点后,由于该目标特征点具有稳定性和代表性,因此,为减少特征点的数量,可以在当前时刻的车体坐标系下的特征点中,删除距离目标特征点预设距离范围内的特征点以及该目标特征点,获得特征点集合。
然后,重复S1001和S1002,从特征点集合中再次确定目标特征点,并根据再次确定的目标特征点,获得新的特征点集合。
S1003、目标特征点的个数满足预设个数时,获得N个目标特征点,N为等于预设个数。
本步骤中,在目标特征点的个数满足预设个数时,停止获得新的目标特征点,根据当前获得的目标特征点,对车辆进行定位。
S905、根据当前时刻M个粒子中每个粒子的匹配度和M个粒子,获得K个粒子。
其中,K为正整数。
本步骤中,虽然粒子的运动过程与车辆的运动过程保持一致,但是,车辆中记录的里程计信息并不能如实反映车辆真实的运动过程,例如,根据里程计信息获得的车辆的行驶距离与车辆实际的行驶距离有一定差异。因此,根据里程计信息确定粒子在当前时刻的位置时,粒子在当前时刻相对车辆的位置与粒子在上一次定位时相对车辆的位置不同。因此,粒子的匹配度随着车辆的运动会发生变化。也就是说,上一次匹配度高的粒子,在当前时刻的匹配度有可能降低。
因此,需要根据M个粒子中每个粒子的匹配度,对粒子进行重采样,即重新确定用于车辆定位的K个粒子。
可选的,粒子的匹配度表示粒子的位置与车辆真实位置的接近程度,匹配度越高,粒子的位置与车辆真实位置越接近。因此,选取M个粒子较高的粒子,确定为K个粒子,例如,设置预设匹配度,获取M个粒子中匹配度大于或等于预设匹配度的L个粒子,确定为K个粒子。
可选的,获取M个粒子中匹配度大于或等于预设匹配度的L个粒子后,可以从L个粒子中挑选出至少一个粒子,根据L个粒子和挑选出的至少一个粒子,获得K个粒子。
可选的,在从L个粒子中挑选出至少一个粒子后,可以根据至少一个粒子中每个粒子的匹配度,对粒子进行至少一次复制,即增加粒子的数量,例如,粒子的匹配度越高,增加后该粒子的数量越多,根据L个粒子和增加获得的粒子,获得K个粒子。
S906、根据当前时刻车辆对应的K个粒子的位置,获得车辆在当前时刻的位置。
本步骤中,由于每个粒子的位置模拟的是车辆的真实位置,因此,在当前时刻,根据K个粒子的位置可以确定车辆在当前时刻的位置。
可选的,根据K个粒子的位置,获取K个粒子的平均位置,将K个粒子的平均位置确定为车辆在当前时刻的位置。
可选的,根据K个粒子的位置个每个粒子的匹配度,获取K个粒子的加权平均位置,将K个粒子的加权平均位置确定为车辆在当前时刻的位置。
在车辆下一次定位时,当前时刻确定的K个粒子替换S1004中的M个粒子,重复上述步骤,对车辆进行定位。
可选的,根据K个粒子的位置,获得的车辆在当前时刻的位置并不是车辆在当前时刻的真实位置。因此,如果根据K个粒子的位置,获得的车辆在当前时刻的位置与车辆在当前时刻的真实位置之间的差异较大,会存在安全隐患。因此,本申请实施例的方法还包括:
S907、根据当前时刻车辆对应的K个粒子中每个粒子的位置以及车辆在当前时刻的位置,获得车辆在当前时刻的位置的评价值。
其中,评价值表示对车辆在当前时刻的位置与车辆在当前时刻的真实位置信息之间的差异。
本步骤中,根据当前时刻车辆对应的K个粒子中每个粒子的位置以及车辆在当前时刻的位置计算K个粒子的分布方差,根据分布方差获得车辆在当前时刻的位置的评价值。例如,将分布方差确定为车辆在当前时刻的位置的评价值。分布方差越大,说明车辆在当前时刻的位置与车辆的真实位置之间的差异越大。因此,根据评价值例如可以确定是否对车辆远程控制,或启动其他定位装置对车辆进行定位。
图12为本申请一实施例提供的定位装置的结构示意图。如图12所示,该定位装置可以是如上的车辆,也可以是车辆的部件(例如,集成电路,芯片等等)。该定位装置还可以是服务器,例如,云服务器,也可以是服务器的部件(例如,集成电路,芯片等等)。该定位装置还可以是其他通信模块,用于实现本申请方法实施例中的方法以及上述各可选实施例。该定位装置可以包括:获取模块1201和定位模块1202。
获取模块1201,用于执行:
图2所示实施例中的S201、S202以及S201、S202中的任一可选的实施例,图8所示实施例中的S801、S802以及S801、S802中的任一可选的实施例,具体参见方法示例中的详细描述,此处不做赘述。
定位模块1202,用于执行:
图2所示实施例中的S203以及其中任一可选的实施例,图8所示实施例中的S803、S804以及S803、S804中的任一可选的实施例,图9所示实施例中的S903-S907以及S903-S907中的任一可选的实施例。具体参见方法示例中的详细描述,此处不做赘述。
其中,获取模块1201,用于在当前时刻,通过车载传感装置获取第一传感信息,其中,第一传感信息包括该车载传感装置在当前时刻采集的特征点在车体坐标系下的坐标以及车辆在当前时刻的里程计信息。
获取模块1201,还用于获取在关键时刻通过车载传感装置获取的第二传感信息,其中,第二传感信息包括车载传感装置在关键时刻采集的特征点在车体坐标系下的坐标以及车辆在该关键时刻的里程计信息。其中,关键时刻包括第一关键时刻,第一关键时刻为根据时间间隔获取第二传感信息的时刻,第一关键时刻与当前时刻之间的时间间隔小于或等于预设时长。
定位模块1202,用于根据车辆行驶区域的地图信息以及第一传感信息、第二传感信息,确定车辆在当前时刻的位置。
应理解的是,本申请实施例中的定位装置可以由软件实现,例如,具有上述功能的计算机程序或指令来实现,相应计算机程序或指令可以存储在终端内部的存储器中,通过处理器读取该存储器内部的相应计算机程序或指令来实现上述功能。
或者,本申请实施例中的定位装置还可以由硬件来实现。其中获取模块1201和定位模块1202为处理器(如NPU、GPU、系统芯片中的处理器)。
或者,本申请实施例中的定位装置还可以由处理器和软件模块的结合实现。
可选的,定位模块1202,还用于根据第一传感信息中的里程计信息和第二传感信息中的里程计信息,将关键时刻采集的特征点的坐标映射到当前时刻的车体坐标系下,获得关键时刻采集的特征点在当前时刻的车体坐标系下的坐标。
根据关键时刻采集的特征点和当前时刻采集的特征点分别在当前时刻的车体坐标系下的坐标以及地图信息,确定车辆在当前时刻的位置。
可选的,定位模块1202,还用于在当前时刻,针对车辆对应的M个粒子中的每个粒子,根据关键时刻采集的特征点和当前时刻采集的特征点分别在当前时刻的车体坐标系下的坐标以及每个粒子的位置,获得当前时刻和关键时刻采集的特征点与地图信息中目标物的匹配度,其中,上述M个粒子为上一次对车辆定位时采用的粒子,每个粒子的位置是根据上一次对车辆定位时的里程计信息、当前时刻的里程计信息以及在上一次对车辆定位时每个粒子的位置获得的,M为正整数;
根据当前时刻M个粒子中每个粒子的匹配度和M个粒子,获得K个粒子,K为正整数;
根据当前时刻车辆对应的K个粒子的位置,获得车辆在当前时刻的位置。
可选的,定位模块1202,还用于将当前时刻和关键时刻采集的特征点在当前时刻的车体坐标系下的坐标分别映射到以每个粒子为原点的粒子坐标系中;
获取映射到每个粒子坐标系中的当前时刻和关键时刻采集的特征点构成的待匹配目标物与地图信息中相应目标物的匹配度。
可选的,定位模块1202,还用于获取M个粒子中匹配度大于或等于预设匹配度的L个粒子,其中,L小于或等于M且小于或等于K;
将L个粒子确定为K个粒子;或者,
从L个粒子中获取至少一个粒子;
根据L个粒子和至少一个粒子,获得K个粒子。
可选的,定位模块1202,还用于根据至少一个粒子中每个粒子的匹配度,对每个粒子进行至少一次复制;
将L个粒子和复制后获得的粒子,确定为K个粒子。
可选的,定位模块1202,还用于根据所述K个粒子中每个粒子的位置,获取K个粒子的平均位置,将K个粒子的平均位置确定为车辆在当前时刻的位置。
可选的,定位模块1202,还用于根据当前时刻车辆对应的K个粒子中每个粒子的位置以及车辆在当前时刻的位置,获得车辆在当前时刻的位置的评价值。其中,评价值指示所述车辆在所述当前时刻的位置与所述车辆在所述当前时刻的真实位置信息之间的差异。
可选的,定位模块1202,还用于根据第一传感信息中的里程信息以及第二传感信息中的里程信息,确定当前时刻对应的车体坐标系与第一关键时刻对应的车体坐标系的坐标映射关系;
根据坐标映射关系,将第一关键时刻采集的特征点的坐标分别映射到当前时刻的车体坐标系下,获得第一关键时刻采集的特征点在当前时刻的车体坐标系下的坐标。
可选的,关键时刻还包括第二关键时刻,第二关键时刻为根据距离间隔获取第二传感信息的时刻,其中,车辆从第二关键时刻的位置行驶到当前时刻对应的位置的行驶距离小于或等于预设距离。
可选的,定位模块1202,还用于根据地图信息以及在第一传感信息、第二传感信息,确定车辆在当前时刻的位姿。
可选的,定位模块1202,还用于根据各关键时刻采集的特征点和当前时刻采集的特征点中各特征点的特征值,确定目标特征点;
根据各关键时刻采集的特征点和当前时刻采集的特征点中除特征点集合所包含的特征点之外的各特征点的特征值,再次确定目标特征点,特征点集合所包含的特征点为位于上一次确定的目标特征点的预设距离范围内的特征点以及上一次确定的目标特征点;
目标特征点的个数满足预设个数时,获得N个目标特征点,N为等于预设个数;
相应的,定位模块1202,还用于根据N个目标特征点在当前时刻的车体坐标系下的坐标以及每个粒子的位置,获得当前时刻和关键时刻采集的特征点与目标区域的地图信息中目标物的匹配度。
可选的,特征点的特征值通过评价函数获得,特征值用于评价特征点的稳定性。
可选的,所述目标特征点为各特征点中特征值最大的特征点。
可选的,车体坐标系的原点位于所处车辆上的任一位置。
本实施例的装置,可以用于执行上述方法实施例中的技术方案,其实现原理和技术效果类似,此处不再赘述。
图13为本申请一实施例提供的定位装置的结构示意图。本实施例的定位装置可以是如上的车辆,还可以是服务器。该定位装置可用于实现上述方法实施例中描述的方法,具体可以参见上述方法实施例中的说明。
所述定位装置可以包括一个或多个处理器1301,所述处理器1301也可以称为处理单元,可以实现一定的控制功能。所述处理器1301可以是通用处理器或者专用处理器等。
可选的,处理器1301也可以存有指令和/或数据1303,所述指令和/或数据1303可以被所述处理器运行,使得所述定位装置执行上述方法实施例中描述的方法。
可选的,所述定位装置中可以包括一个或多个存储器1302,其上可以存有指令1304,所述指令可在所述处理器上被运行,使得所述定位装置执行上述方法实施例中描述的方法。可选的,所述存储器中还可以存储有数据。可选的,处理器中也可以存储指令和/或数据。所述处理器和存储器可以单独设置,也可以集成在一起。例如,上述方法实施例中所描述的对应关系可以存储在存储器中,或者存储在处理器中。
本实施例中描述的处理器和收发器可以用各种IC工艺技术来制造,例如互补金属氧化物半导体(complementary metal oxide semiconductor,CMOS)、N型金属氧化物半导体(nMetal-oxide-semiconductor,NMOS)、P型金属氧化物半导体(positive channelmetal oxide semiconductor,PMOS)、双极结型晶体管(Bipolar Junction Transistor,BJT)、双极CMOS(BiCMOS)、硅锗(SiGe)、砷化镓(GaAs)等。
应理解,本申请实施例中的处理器可以是一种集成电路芯片,具有信号的处理能力。在实现过程中,上述方法实施例的各步骤可以通过处理器中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器可以是通用处理器、数字信号处理器(digitalsignal processor,DSP)、专用集成电路(application specific integrated circuit,ASIC)、现场可编程门阵列(field programmable gate array,FPGA)或者其它可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。
可以理解,本申请实施例中的存储器可以是易失性存储器或非易失性存储器,或可包括易失性和非易失性存储器两者。其中,非易失性存储器可以是只读存储器(read-only memory,ROM)、可编程只读存储器(programmable ROM,PROM)、可擦除可编程只读存储器(erasable PROM,EPROM)、电可擦除可编程只读存储器(electrically EPROM,EEPROM)或闪存。易失性存储器可以是随机存取存储器(random access memory,RAM),其用作外部高速缓存。通过示例性但不是限制性说明,许多形式的RAM可用,例如静态随机存取存储器(static RAM,SRAM)、动态随机存取存储器(dynamic RAM,DRAM)、同步动态随机存取存储器(synchronous DRAM,SDRAM)、双倍数据速率同步动态随机存取存储器(double data rateSDRAM,DDR SDRAM)、增强型同步动态随机存取存储器(enhanced SDRAM,ESDRAM)、同步连接动态随机存取存储器(synchlink DRAM,SLDRAM)和直接内存总线随机存取存储器(directrambus RAM,DR RAM)。应注意,本文描述的系统和方法的存储器旨在包括但不限于这些和任意其它适合类型的存储器。
本申请实施例中描述的定位装置的范围并不限于此,而且定位装置的结构可以不受图13的限制。本申请实施例中描述的定位装置可以是独立的设备或者可以是较大设备的一部分。
图14为本申请一实施例提供的定位系统的结构示意图。如图14所示,定位系统包括:车辆1401和车载传感装置1402。
车载传感装置1402安装在所述车辆1401上,与车辆1401进行通信。
可选的,车载传感装置1402,用于采集车辆1401周边的环境信息和里程计信息,并将车辆1401周边的环境信息和里程计信息发送给车辆1401。
车辆1401,用于执行上述方法实施例中描述的方法。
可选的,车载传感装置1402,用于采集车辆1401周边的环境信息和里程计信息,并将车辆1401周边的环境信息和里程计信息发送给车辆1401,并执行上述方法实施例中描述的方法,以对车辆1401进行定位。
本实施例的系统可以用于执行上述任一方法实施例中的技术方案,其实现原理和技术效果类似,此处不再赘述。
本申请还提供了一种计算机可读介质,其上存储有计算机程序,该计算机程序被计算机执行时,实现上述任一方法实施例所示的方法。
本申请还提供了一种计算机程序产品,该计算机程序产品被计算机执行时实现上述任一方法实施例所示的方法。
在上述实施例使用软件实现时,可以全部或部分地以计算机程序产品的形式实现。所述计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行所述计算机指令时,全部或部分地产生按照本申请实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中,或者从一个计算机可读存储介质向另一个计算机可读存储介质传输,例如,所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线(digital subscriber line,DSL))或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质(例如,软盘、硬盘、磁带)、光介质(例如,高密度数字视频光盘(digital video disc,DVD))、或者半导体介质(例如,固态硬盘(solid state disk,SSD))等。
Claims (33)
1.一种定位方法,其特征在于,包括:
在当前时刻,通过车载传感装置获取第一传感信息,所述第一传感信息包括所述车载传感装置在所述当前时刻采集的特征点在车体坐标系下的坐标以及车辆在所述当前时刻的里程计信息;
获取在关键时刻通过所述车载传感装置获取的第二传感信息,所述第二传感信息包括所述车载传感装置在所述关键时刻采集的特征点在车体坐标系下的坐标以及所述车辆在所述关键时刻的里程计信息,其中,所述关键时刻包括第一关键时刻,所述第一关键时刻为根据时间间隔获取第二传感信息的时刻,所述第一关键时刻与所述当前时刻之间的时间间隔小于或等于预设时长;
根据所述车辆行驶区域的地图信息以及所述第一传感信息、第二传感信息,确定所述车辆在当前时刻的位置。
2.根据权利要求1所述的方法,其特征在于,所述根据所述车辆行驶区域的地图信息以及所述第一传感信息、第二传感信息,确定所述车辆在当前时刻的位置,包括:
根据所述第一传感信息中的里程计信息和所述第二传感信息中的里程计信息,将所述关键时刻采集的特征点的坐标映射到所述当前时刻的车体坐标系下,获得所述关键时刻采集的特征点在所述当前时刻的车体坐标系下的坐标;
根据关键时刻采集的特征点和所述当前时刻采集的特征点分别在所述当前时刻的车体坐标系下的坐标以及所述地图信息,确定所述车辆在所述当前时刻的位置。
3.根据权利要求2所述的方法,其特征在于,所述根据关键时刻采集的特征点和所述当前时刻采集的特征点分别在所述当前时刻的车体坐标系下的坐标以及所述地图信息,确定所述车辆在所述当前时刻的位置,包括:
在所述当前时刻,针对所述车辆对应的M个粒子中的每个粒子,根据关键时刻采集的特征点和所述当前时刻采集的特征点分别在所述当前时刻的车体坐标系下的坐标以及所述每个粒子的位置,获得当前时刻和所述关键时刻采集的特征点与所述地图信息中目标物的匹配度,其中,所述M个粒子为上一次对所述车辆定位时采用的粒子,所述每个粒子的位置是根据上一次对所述车辆定位时的里程计信息、所述当前时刻的里程计信息以及在上一次对所述车辆定位时所述每个粒子的位置获得的,M为正整数;
根据所述当前时刻所述M个粒子中每个粒子的匹配度和所述M个粒子,获得K个粒子,K为正整数;
根据所述当前时刻车辆对应的所述K个粒子的位置,获得所述车辆在所述当前时刻的位置。
4.根据权利要求3所述的方法,其特征在于,所述根据关键时刻采集的特征点和所述当前时刻采集的特征点分别在所述当前时刻的车体坐标系下的坐标以及所述每个粒子的位置,获得当前时刻和所述关键时刻采集的特征点与所述地图信息中目标物的匹配度,包括:
将所述当前时刻和所述关键时刻采集的特征点在所述当前时刻的车体坐标系下的坐标分别映射到以所述粒子为原点的粒子坐标系中;
获取映射到所述粒子坐标系中的所述当前时刻和所述关键时刻采集的特征点构成的待匹配目标物与所述地图信息中相应目标物的匹配度。
5.根据权利要求3所述的方法,其特征在于,所述根据所述当前时刻所述M个粒子中每个粒子的匹配度和所述M个粒子,获得K个粒子,包括:
获取所述M个粒子中匹配度大于或等于预设匹配度的L个粒子,所述L小于或等于M且小于或等于K;
将所述L个粒子确定为所述K个粒子;或者,
从所述L个粒子中获取至少一个粒子;
根据所述L个粒子和所述至少一个粒子,获得所述K个粒子。
6.根据权利要求5所述的方法,其特征在于,所述根据所述L个粒子和所述至少一个粒子,获得所述K个粒子,包括:
根据所述至少一个粒子中每个粒子的匹配度,对每个粒子进行至少一次复制;
将所述L个粒子和所述复制后获得的粒子,确定为所述K个粒子。
7.根据权利要求3-6任一项所述的方法,其特征在于,所述根据所述当前时刻车辆对应的所述K个粒子的位置,获得所述车辆在所述当前时刻的位置,包括:
根据所述K个粒子中每个粒子的位置,获取所述K个粒子的平均位置,将所述K个粒子的平均位置确定为所述车辆在所述当前时刻的位置。
8.根据权利要求3-7任一项所述的方法,其特征在于,所述方法还包括:
根据所述当前时刻车辆对应的所述K个粒子中每个粒子的位置以及所述车辆在所述当前时刻的位置,获得所述车辆在所述当前时刻的位置的评价值,所述评价值指示所述车辆在所述当前时刻的位置与所述车辆在所述当前时刻的真实位置信息之间的差异。
9.根据权利要求2-8任一项所述的方法,其特征在于,所述根据所述第二传感信息中的里程计信息和所述第二传感信息中的里程计信息,将所述关键时刻采集的特征点的坐标分别映射到所述当前时刻的车体坐标系下,获得所述关键时刻采集的特征点在所述当前时刻的车体坐标系下的坐标,包括:
根据所述第一传感信息中的里程信息以及所述第二传感信息中的里程信息,确定所述当前时刻对应的车体坐标系与所述第一关键时刻对应的车体坐标系的坐标映射关系;
根据所述坐标映射关系,将所述第一关键时刻采集的特征点的坐标分别映射到所述当前时刻的车体坐标系下,获得所述第一关键时刻采集的特征点在所述当前时刻的车体坐标系下的坐标。
10.根据权利要求1-9中任一项所述的方法,其特征在于,所述关键时刻还包括第二关键时刻,所述第二关键时刻为根据距离间隔获取第二传感信息的时刻,其中,所述车辆从所述第二关键时刻的位置行驶到所述当前时刻对应的位置的行驶距离小于或等于预设距离。
11.根据权利要求1-10任一项所述的方法,其特征在于,所述根据所述车辆行驶区域的地图信息以及所述第一传感信息、第二传感信息,确定所述车辆在当前时刻的位置,包括:
根据所述地图信息以及所述第一传感信息、第二传感信息,确定所述车辆在当前时刻的位姿。
12.根据权利要求3所述的方法,其特征在于,所述根据关键时刻采集的特征点和所述当前时刻采集的特征点分别在所述当前时刻的车体坐标系下的坐标以及所述每个粒子的位置,获得当前时刻和所述关键时刻采集的特征点与所述地图信息中目标物的匹配度之前,还包括:
根据各关键时刻采集的特征点和所述当前时刻采集的特征点中各特征点的特征值,确定目标特征点;
根据各关键时刻采集的特征点和所述当前时刻采集的特征点中除特征点集合所包含的特征点之外的各特征点的特征值,再次确定目标特征点,所述特征点集合所包含的特征点为位于上一次确定的目标特征点的预设距离范围内的特征点以及所述上一次确定的目标特征点;
所述目标特征点的个数满足预设个数时,获得N个目标特征点,所述N等于预设个数;
所述根据关键时刻采集的特征点和所述当前时刻采集的特征点分别在所述当前时刻的车体坐标系下的坐标以及所述每个粒子的位置,获得当前时刻和所述关键时刻采集的特征点与所述地图信息中目标物的匹配度,包括:
根据N个目标特征点在所述当前时刻的车体坐标系下的坐标以及所述每个粒子的位置,获得所述当前时刻和所述关键时刻采集的特征点与所述目标区域的地图信息中目标物的匹配度。
13.根据权利要求12所述的方法,其特征在于,所述特征点的特征值通过评价函数获得,所述特征值用于评价所述特征点的稳定性。
14.根据权利要求12或13所述的方法,其特征在于,所述目标特征点为各特征点中特征值最大的特征点。
15.根据权利要求1-14任一项所述的方法,其特征在于,车体坐标系的原点位于所处车辆上的任一位置。
16.一种定位装置,其特征在于,包括:
获取模块,用于在当前时刻,通过车载传感装置获取第一传感信息,所述第一传感信息包括所述车载传感装置在所述当前时刻采集的特征点在车体坐标系下的坐标以及车辆在所述当前时刻的里程计信息;
所述获取模块,还用于获取在关键时刻通过所述车载传感装置获取的第二传感信息,所述第二传感信息包括所述车载传感装置在所述关键时刻采集的特征点在车体坐标系下的坐标以及所述车辆在所述关键时刻的里程计信息,其中,所述关键时刻包括第一关键时刻,所述第一关键时刻为根据时间间隔获取第二传感信息的时刻,所述第一关键时刻与所述当前时刻之间的时间间隔小于或等于预设时长;
定位模块,用于根据所述车辆行驶区域的地图信息以及所述第一传感信息、第二传感信息,确定所述车辆在当前时刻的位置。
17.根据权利要求16所述的装置,其特征在于,所述定位模块根据所述车辆行驶区域的地图信息以及所述第一传感信息、第二传感信息,确定所述车辆在当前时刻的位置时,具体用于:
根据所述第一传感信息中的里程计信息和所述第二传感信息中的里程计信息,将所述关键时刻采集的特征点的坐标映射到所述当前时刻的车体坐标系下,获得所述关键时刻采集的特征点在所述当前时刻的车体坐标系下的坐标;
根据关键时刻采集的特征点和所述当前时刻采集的特征点分别在所述当前时刻的车体坐标系下的坐标以及所述地图信息,确定所述车辆在所述当前时刻的位置。
18.根据权利要求17所述的装置,其特征在于,所述定位模块根据关键时刻采集的特征点和所述当前时刻采集的特征点分别在所述当前时刻的车体坐标系下的坐标以及所述地图信息,确定所述车辆在所述当前时刻的位置时,具体用于:
在所述当前时刻,针对所述车辆对应的M个粒子中的每个粒子,根据关键时刻采集的特征点和所述当前时刻采集的特征点分别在所述当前时刻的车体坐标系下的坐标以及所述每个粒子的位置,获得当前时刻和所述关键时刻采集的特征点与所述地图信息中目标物的匹配度,其中,所述M个粒子为上一次对所述车辆定位时采用的粒子,所述每个粒子的位置是根据上一次对所述车辆定位时的里程计信息、所述当前时刻的里程计信息以及在上一次对所述车辆定位时所述每个粒子的位置获得的,M为正整数;
根据所述当前时刻所述M个粒子中每个粒子的匹配度和所述M个粒子,获得K个粒子,K为正整数;
根据所述当前时刻车辆对应的所述K个粒子的位置,获得所述车辆在所述当前时刻的位置。
19.根据权利要求18所述的装置,其特征在于,所述定位模块根据关键时刻采集的特征点和所述当前时刻采集的特征点分别在所述当前时刻的车体坐标系下的坐标以及所述每个粒子的位置,获得当前时刻和所述关键时刻采集的特征点与所述地图信息中目标物的匹配度时,具体用于:
将所述当前时刻和所述关键时刻采集的特征点在所述当前时刻的车体坐标系下的坐标分别映射到以所述粒子为原点的粒子坐标系中;
获取映射到所述粒子坐标系中的所述当前时刻和所述关键时刻采集的特征点构成的待匹配目标物与所述地图信息中相应目标物的匹配度。
20.根据权利要求18所述的装置,其特征在于,所述定位模块根据所述当前时刻所述M个粒子中每个粒子的匹配度和所述M个粒子,获得K个粒子时,具体用于:
获取所述M个粒子中匹配度大于或等于预设匹配度的L个粒子,所述L小于或等于M且小于或等于K;
将所述L个粒子确定为所述K个粒子;或者,
从所述L个粒子中获取至少一个粒子;
根据所述L个粒子和所述至少一个粒子,获得所述K个粒子。
21.根据权利要求20所述的装置,其特征在于,所述定位模块根据所述L个粒子和所述至少一个粒子,获得所述K个粒子时,具体用于:
根据所述至少一个粒子中每个粒子的匹配度,对每个粒子进行至少一次复制;
将所述L个粒子和所述复制后获得的粒子,确定为所述K个粒子。
22.根据权利要求18-21任一项所述的装置,其特征在于,根据定位模块根据所述当前时刻车辆对应的所述K个粒子的位置,获得所述车辆在所述当前时刻的位置时,具体用于:
根据所述K个粒子中每个粒子的位置,获取所述K个粒子的平均位置,将所述K个粒子的平均位置确定为所述车辆在所述当前时刻的位置。
23.根据权利要求18-22任一项所述的装置,其特征在于,所述定位模块还用于:
根据所述当前时刻车辆对应的所述K个粒子中每个粒子的位置以及所述车辆在所述当前时刻的位置,获得所述车辆在所述当前时刻的位置的评价值,所述评价值指示所述车辆在所述当前时刻的位置与所述车辆在所述当前时刻的真实位置信息之间的差异。
24.根据权利要求17-23任一项所述的装置,其特征在于,所述定位模块根据所述第二传感信息中的里程计信息和所述第二传感信息中的里程计信息,将所述关键时刻采集的特征点的坐标分别映射到所述当前时刻的车体坐标系下,获得所述关键时刻采集的特征点在所述当前时刻的车体坐标系下的坐标时,具体用于:
根据所述第一传感信息中的里程信息以及所述第二传感信息中的里程信息,确定所述当前时刻对应的车体坐标系与所述第一关键时刻对应的车体坐标系的坐标映射关系;
根据所述坐标映射关系,将所述第一关键时刻采集的特征点的坐标分别映射到所述当前时刻的车体坐标系下,获得所述第一关键时刻采集的特征点在所述当前时刻的车体坐标系下的坐标。
25.根据权利要求16-24中任一项所述的装置,其特征在于,所述关键时刻还包括第二关键时刻,所述第二关键时刻为根据距离间隔获取第二传感信息的时刻,其中,所述车辆从所述第二关键时刻的位置行驶到所述当前时刻对应的位置的行驶距离小于或等于预设距离。
26.根据权利要求16-25任一项所述的装置,其特征在于,所述定位模块根据所述车辆行驶区域的地图信息以及所述第一传感信息、第二传感信息,确定所述车辆在当前时刻的位置时,具体用于:
根据所述地图信息以及所述第一传感信息、第二传感信息,确定所述车辆在当前时刻的位姿。
27.根据权利要求18所述的装置,其特征在于,所述定位模块根据关键时刻采集的特征点和所述当前时刻采集的特征点分别在所述当前时刻的车体坐标系下的坐标以及所述每个粒子的位置,获得当前时刻和所述关键时刻采集的特征点与所述地图信息中目标物的匹配度之前,还用于:
根据各关键时刻采集的特征点和所述当前时刻采集的特征点中各特征点的特征值,确定目标特征点;
根据各关键时刻采集的特征点和所述当前时刻采集的特征点中除特征点集合所包含的特征点之外的各特征点的特征值,再次确定目标特征点,所述特征点集合所包含的特征点为位于上一次确定的目标特征点的预设距离范围内的特征点以及所述上一次确定的目标特征点;
所述目标特征点的个数满足预设个数时,获得N个目标特征点,所述N等于预设个数;
所述定位模块根据关键时刻采集的特征点和所述当前时刻采集的特征点分别在所述当前时刻的车体坐标系下的坐标以及所述每个粒子的位置,获得当前时刻和所述关键时刻采集的特征点与所述地图信息中目标物的匹配度时,具体用于:
根据N个目标特征点在所述当前时刻的车体坐标系下的坐标以及所述每个粒子的位置,获得所述当前时刻和所述关键时刻采集的特征点与所述目标区域的地图信息中目标物的匹配度。
28.根据权利要求27所述的装置,其特征在于,所述特征点的特征值通过评价函数获得,所述特征值用于评价所述特征点的稳定性。
29.根据权利要求27或28所述的装置,其特征在于,所述目标特征点为各特征点中特征值最大的特征点。
30.根据权利要求16-29任一项所述的装置,其特征在于,车体坐标系的原点位于所处车辆上的任一位置。
31.一种定位装置,其特征在于,包括:存储器和至少一个处理器;
所述存储器,用于存储程序指令;
所述处理器,用于调用所述存储器中的程序指令,执行如权利要求1-15中任一项所述的定位方法。
32.一种定位系统,其特征在于,包括:车辆和车载传感装置;
所述车载传感装置安装在所述车辆上;
所述车辆,用于执行如权利要求1-15中任一项所述的定位方法;或者,
所述车载传感装置,用于执行如权利要求1-16中任一项所述的定位方法。
33.一种可读存储介质,其特征在于,所述可读存储介质上存储有计算机程序;所述计算机程序被执行时,实现如权利要求1-15任一项所述的定位方法。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011063252.0A CN114323035A (zh) | 2020-09-30 | 2020-09-30 | 定位方法、装置和系统 |
PCT/CN2021/101620 WO2022068274A1 (zh) | 2020-09-30 | 2021-06-22 | 定位方法、装置和系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011063252.0A CN114323035A (zh) | 2020-09-30 | 2020-09-30 | 定位方法、装置和系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114323035A true CN114323035A (zh) | 2022-04-12 |
Family
ID=80949680
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011063252.0A Pending CN114323035A (zh) | 2020-09-30 | 2020-09-30 | 定位方法、装置和系统 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN114323035A (zh) |
WO (1) | WO2022068274A1 (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114659531B (zh) * | 2022-05-16 | 2022-09-23 | 苏州挚途科技有限公司 | 车辆的地图定位方法、装置和电子设备 |
CN114719867B (zh) * | 2022-05-24 | 2022-09-02 | 北京捷升通达信息技术有限公司 | 一种基于传感器的车辆导航方法及系统 |
Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2004117017A (ja) * | 2002-09-24 | 2004-04-15 | Mitsubishi Electric Corp | センサバイアス誤差推定用の目標位置決定方法 |
JP2017181476A (ja) * | 2016-03-31 | 2017-10-05 | 株式会社デンソーアイティーラボラトリ | 車両位置検出装置、車両位置検出方法及び車両位置検出用コンピュータプログラム |
CN108007451A (zh) * | 2017-11-10 | 2018-05-08 | 未来机器人(深圳)有限公司 | 货物承载装置位姿的检测方法、装置、计算机设备和存储介质 |
CN109186625A (zh) * | 2018-10-24 | 2019-01-11 | 北京奥特贝睿科技有限公司 | 智能车辆利用混合采样滤波进行精确定位的方法及系统 |
CN109932713A (zh) * | 2019-03-04 | 2019-06-25 | 北京旷视科技有限公司 | 定位方法、装置、计算机设备、可读存储介质和机器人 |
CN110673115A (zh) * | 2019-09-25 | 2020-01-10 | 杭州飞步科技有限公司 | 雷达与组合导航系统的联合标定方法、装置、设备及介质 |
JP2020038360A (ja) * | 2018-08-31 | 2020-03-12 | 株式会社デンソー | 車両側装置、方法および記憶媒体 |
CN111006655A (zh) * | 2019-10-21 | 2020-04-14 | 南京理工大学 | 机场巡检机器人多场景自主导航定位方法 |
CN111158035A (zh) * | 2019-12-31 | 2020-05-15 | 广东科学技术职业学院 | 一种无人车定位方法及无人车 |
CN111220154A (zh) * | 2020-01-22 | 2020-06-02 | 北京百度网讯科技有限公司 | 车辆定位方法、装置、设备和介质 |
CN111240331A (zh) * | 2020-01-17 | 2020-06-05 | 仲恺农业工程学院 | 基于激光雷达和里程计slam的智能小车定位导航方法及系统 |
CN111351493A (zh) * | 2018-12-24 | 2020-06-30 | 上海欧菲智能车联科技有限公司 | 一种定位方法和系统 |
CN111539305A (zh) * | 2020-04-20 | 2020-08-14 | 肇庆小鹏汽车有限公司 | 一种地图构建方法及系统、车辆及存储介质 |
CN111595333A (zh) * | 2020-04-26 | 2020-08-28 | 武汉理工大学 | 视觉惯性激光数据融合的模块化无人车定位方法及系统 |
CN111666797A (zh) * | 2019-03-08 | 2020-09-15 | 深圳市速腾聚创科技有限公司 | 车辆定位方法、装置和计算机设备 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106123890A (zh) * | 2016-06-14 | 2016-11-16 | 中国科学院合肥物质科学研究院 | 一种多传感器数据融合的机器人定位方法 |
JP6654977B2 (ja) * | 2016-07-04 | 2020-02-26 | 株式会社Soken | 自車位置特定装置、及び自車位置特定方法 |
CN110398765B (zh) * | 2018-04-25 | 2022-02-01 | 北京京东乾石科技有限公司 | 定位方法和装置、无人驾驶设备 |
CN109556611B (zh) * | 2018-11-30 | 2020-11-10 | 广州高新兴机器人有限公司 | 一种基于图优化和粒子滤波的融合定位方法 |
CN110530368B (zh) * | 2019-08-22 | 2021-06-15 | 浙江华睿科技有限公司 | 一种机器人定位方法及设备 |
-
2020
- 2020-09-30 CN CN202011063252.0A patent/CN114323035A/zh active Pending
-
2021
- 2021-06-22 WO PCT/CN2021/101620 patent/WO2022068274A1/zh active Application Filing
Patent Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2004117017A (ja) * | 2002-09-24 | 2004-04-15 | Mitsubishi Electric Corp | センサバイアス誤差推定用の目標位置決定方法 |
JP2017181476A (ja) * | 2016-03-31 | 2017-10-05 | 株式会社デンソーアイティーラボラトリ | 車両位置検出装置、車両位置検出方法及び車両位置検出用コンピュータプログラム |
CN108007451A (zh) * | 2017-11-10 | 2018-05-08 | 未来机器人(深圳)有限公司 | 货物承载装置位姿的检测方法、装置、计算机设备和存储介质 |
JP2020038360A (ja) * | 2018-08-31 | 2020-03-12 | 株式会社デンソー | 車両側装置、方法および記憶媒体 |
CN109186625A (zh) * | 2018-10-24 | 2019-01-11 | 北京奥特贝睿科技有限公司 | 智能车辆利用混合采样滤波进行精确定位的方法及系统 |
CN111351493A (zh) * | 2018-12-24 | 2020-06-30 | 上海欧菲智能车联科技有限公司 | 一种定位方法和系统 |
CN109932713A (zh) * | 2019-03-04 | 2019-06-25 | 北京旷视科技有限公司 | 定位方法、装置、计算机设备、可读存储介质和机器人 |
CN111666797A (zh) * | 2019-03-08 | 2020-09-15 | 深圳市速腾聚创科技有限公司 | 车辆定位方法、装置和计算机设备 |
CN110673115A (zh) * | 2019-09-25 | 2020-01-10 | 杭州飞步科技有限公司 | 雷达与组合导航系统的联合标定方法、装置、设备及介质 |
CN111006655A (zh) * | 2019-10-21 | 2020-04-14 | 南京理工大学 | 机场巡检机器人多场景自主导航定位方法 |
CN111158035A (zh) * | 2019-12-31 | 2020-05-15 | 广东科学技术职业学院 | 一种无人车定位方法及无人车 |
CN111240331A (zh) * | 2020-01-17 | 2020-06-05 | 仲恺农业工程学院 | 基于激光雷达和里程计slam的智能小车定位导航方法及系统 |
CN111220154A (zh) * | 2020-01-22 | 2020-06-02 | 北京百度网讯科技有限公司 | 车辆定位方法、装置、设备和介质 |
CN111539305A (zh) * | 2020-04-20 | 2020-08-14 | 肇庆小鹏汽车有限公司 | 一种地图构建方法及系统、车辆及存储介质 |
CN111595333A (zh) * | 2020-04-26 | 2020-08-28 | 武汉理工大学 | 视觉惯性激光数据融合的模块化无人车定位方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
WO2022068274A1 (zh) | 2022-04-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111448478B (zh) | 用于基于障碍物检测校正高清地图的系统和方法 | |
CN111476079B (zh) | 将用于对象检测的地图特征与lidar合并的全面且有效的方法 | |
US20220057806A1 (en) | Systems and methods for obstacle detection using a neural network model, depth maps, and segmentation maps | |
US20200309538A1 (en) | System for producing and/or updating a digital model of a digital map | |
JP5404861B2 (ja) | 静止物地図生成装置 | |
JP2008065087A (ja) | 静止物地図生成装置 | |
WO2024012211A1 (zh) | 自动驾驶环境感知方法、介质及车辆 | |
JP2022538097A (ja) | ナビゲート可能なネットワークに関するユーザ提供データの収集 | |
KR20210111181A (ko) | 환경 변화를 검출하기 위한 방법, 장치, 기기 및 매체 | |
WO2022068274A1 (zh) | 定位方法、装置和系统 | |
US20220205804A1 (en) | Vehicle localisation | |
US20210323577A1 (en) | Methods and systems for managing an automated driving system of a vehicle | |
US10839522B2 (en) | Adaptive data collecting and processing system and methods | |
CN110390252B (zh) | 基于先验地图信息的障碍物检测方法、装置和存储介质 | |
CN115205311B (zh) | 图像处理方法、装置、车辆、介质及芯片 | |
US11908095B2 (en) | 2-D image reconstruction in a 3-D simulation | |
CN113312403B (zh) | 地图获取方法、装置、电子设备及存储介质 | |
CN115359332A (zh) | 基于车路协同的数据融合方法、装置、电子设备及系统 | |
JP7232727B2 (ja) | 地図データ管理装置及び地図データ管理方法 | |
WO2021056185A1 (en) | Systems and methods for partially updating high-definition map based on sensor data matching | |
CN112710316A (zh) | 专注于构造和本地化技术领域的动态地图生成 | |
CN115082886B (zh) | 目标检测的方法、装置、存储介质、芯片及车辆 | |
US20230024799A1 (en) | Method, system and computer program product for the automated locating of a vehicle | |
US20240135719A1 (en) | Identification of unknown traffic objects | |
CN113874681B (zh) | 点云地图质量的评估方法和系统 |
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 |