CN114509774A - 定位方法、定位系统、车辆以及计算机可读存储介质 - Google Patents
定位方法、定位系统、车辆以及计算机可读存储介质 Download PDFInfo
- Publication number
- CN114509774A CN114509774A CN202111221555.5A CN202111221555A CN114509774A CN 114509774 A CN114509774 A CN 114509774A CN 202111221555 A CN202111221555 A CN 202111221555A CN 114509774 A CN114509774 A CN 114509774A
- Authority
- CN
- China
- Prior art keywords
- map
- point
- point cloud
- area
- determining
- 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
Images
Classifications
-
- 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
- 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
- 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
- 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
- G01S17/02—Systems using the reflection of electromagnetic waves other than radio waves
- G01S17/06—Systems determining position data of a target
-
- 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)
- Electromagnetism (AREA)
- Automation & Control Theory (AREA)
- Traffic Control Systems (AREA)
Abstract
本申请提供了一种定位方法、定位系统、车辆以及计算机可读存储介质。该定位方法包括:获取当前时刻定位系统所在区域的点云;将点云与地图进行匹配,以在地图中确定与点云相匹配的目标区域;在地图中确定目标区域的地图点集;对点云中的每个数据点,在地图点集中搜索距离最近地图点,并建立对应关系;基于对应关系,在地图点集中确定与点云相匹配的目标位置点。通过上述方式,本申请的定位方法利用点云与地图进行匹配,确定目标区域,基于目标区域搜索最近的目标位置点,结合两层匹配过程,实现当前时刻稳定而准确的初始化位置定位。
Description
技术领域
本申请涉及自动驾驶定位技术领域,特别是涉及一种定位方法、定位系统、车辆以及计算机可读存储介质。
背景技术
对于自动驾驶定位系统来说,一个精确的初始化位置至关重要,直接影响后续的定位系统的稳定性及定位是否可能发生漂移。对于目前自动驾驶的定位系统而言,一般采用的初始化方式为通过RTK(Real Time Kinematic,即载波相位差分技术)接收到的位置直接进行定位初始化,这种方式比较简单,但是存在的问题也比较明显,对于某些RTK信号不好的地方,例如隧道等封闭场景,直接采用RTK提供的初始化位置会非常不准确,直接影响定位的启动。
发明内容
本申请提供了一种定位方法、定位系统、车辆以及计算机可读存储介质。
本申请提供了一种定位方法,所述定位方法包括:
获取当前时刻定位系统所在区域的点云;
将所述点云与地图进行匹配,以在所述地图中确定与所述点云相匹配的目标区域;
在所述地图中确定所述目标区域的地图点集;
对所述点云中的每个数据点,在所述地图点集中搜索距离最近地图点,并建立对应关系;
基于所述对应关系,在所述地图点集中确定与所述点云相匹配的目标位置点。
其中,所述将所述点云与地图进行匹配,以在所述地图中确定与所述点云相匹配的目标区域,包括:
确定搜索步长;
按照所述搜索步长,在所述地图中搜索与所述点云满足预设匹配要求的区域作为目标区域;
所述对所述点云中的每个数据点,在所述地图点集中搜索距离最近地图点,并建立对应关系,包括:
在所述地图中确定所述目标区域的地图点集;
对所述点云中的每个数据点,在所述地图点集中搜索距离最近地图点,并建立对应关系;
基于所述对应关系,在所述地图点集中确定与所述点云相匹配的目标位置点。
其中,所述按照所述搜索步长,在所述地图中搜索与所述点云满足预设匹配要求的区域作为目标区域,包括:
减小所述搜索步长,以对所述搜索步长进行更新;
基于更新后的搜索步长,在所述目标区域以及所述目标区域的邻近区域中搜索与所述点云满足预设匹配要求的区域,以对所述目标区域进行更新。
其中,所述基于更新后的搜索步长,在所述目标区域以及所述目标区域的邻近区域中搜索与所述点云满足预设匹配要求的区域,以对所述目标区域进行更新,包括:
判断所述更新后的搜索步长是否为预设最小步长;
若是,则将当前的搜索步长对应的目标区域确认为最终的目标区域。
其中,所述确定搜索步长,包括:
确定金字塔层级,以及确定最小步长;
根据所述金字塔层级和所述最小步长确定初始的搜索步长。
其中,所述定位方法,还包括:
获取基于实时动态测量技术得到的位置;
根据所述位置、以及所述实时动态测量技术的精度,确定容差范围;
其中,所述初始的搜索步长小于所述容差范围。
其中,所述按照所述搜索步长,在所述地图中搜索与所述点云满足预设匹配要求的区域作为目标区域,包括:
基于所述搜索步长,将所述地图划分为多个搜索区域;
确定每一所述搜索区域中与所述点云相匹配的匹配点数量;
根据所述匹配点数量与所述搜索区域的点总数的比值,确定所述搜索区域与所述点云的匹配度。
其中,所述对所述点云中的每个数据点,在所述地图点集中搜索距离最近地图点,并建立对应关系,包括:
以所述地图中所述目标位置点为中心的预设范围内的地图点集,建立二叉树;
对所述点云中的每个数据点,在所述二叉树中搜索距离最近地图点,并建立对应关系。
其中,所述基于所述对应关系,在所述地图点集中确定与所述点云相匹配的目标位置点,包括:
采用最小二乘法对每一所述对应关系进行计算,以对所述目标位置点进行修正;
在所述地图点集中确定修正后的目标位置点。
其中,所述获取当前时刻定位系统所在区域的点云之后,所述定位方法还包括:
识别所述点云中的动态数据点;
从所述点云中删除所述动态数据点,并将删除后的点云与所述地图进行匹配。
其中,所述识别所述点云中的动态数据点,包括:
将所述点云输入预设识别网络模型,获取所述点云中每一数据点的标签;
将所述标签为动态物体的数据点识别为动态数据点。
本申请还提供了一种定位系统,所述定位系统包括处理器和存储器,所述存储器中存储有程序数据,所述处理器用于执行所述程序数据以实现如上述的方法。
本申请还提供了一种车辆,所述车辆包括如上述的定位系统。
本申请还提供了一种计算机可读存储介质,所述计算机可读存储介质用于存储程序数据,所述程序数据在被处理器执行时,用以实现上述的定位方法。
本申请的有益效果是:定位系统获取当前时刻定位系统所在区域的点云;将点云与地图进行匹配,以在地图中确定与点云相匹配的目标区域;在地图中确定目标区域的地图点集;对点云中的每个数据点,在地图点集中搜索距离最近地图点,并建立对应关系;基于对应关系,在地图点集中确定与点云相匹配的目标位置点。通过上述方式,本申请的定位方法利用点云与地图进行匹配,确定目标区域,基于目标区域搜索最近的目标位置点,结合两层匹配过程,实现当前时刻稳定而准确的初始化位置定位。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,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。其中:
图1是本申请提供的定位方法一实施例的流程示意图;
图2是图1所述定位方法中步骤S12的子步骤的流程示意图;
图3是图2所述定位方法中步骤S122的子步骤的流程示意图;
图4是本申请提供的定位系统一实施例的结构示意图;
图5是本申请提供的定位系统另一实施例的结构示意图;
图6是本申请提供的车辆一实施例的结构示意图;
图7是本申请提供的计算机可读存储介质一实施例的结构示意图。
具体实施方式
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,所描述的实施例仅是本申请的一部分实施例,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。
针对以上RTK本身由于场景等问题的限制导致接收到的位置非常差,点云ICP(Iterative Closest Point,迭代最近点)匹配或图像受光照影响的问题导致无法提供准确的初始化位置,会对自动驾驶定位系统的影响非常大,本申请提出一种基于激光雷达点云与地图通过由粗到精的方式提供稳定而准确的定位初始化方法。
请参阅图1,图1是本申请提供的定位方法一实施例的流程示意图。
其中,本申请的定位方法应用于一种定位系统,其中,本申请的定位系统可以为服务器,也可以为由服务器和终端设备相互配合的系统。相应地,定位系统包括的各个部分,例如各个单元、子单元、模块、子模块可以全部设置于服务器中,也可以分别设置于服务器和终端设备中。
进一步地,上述服务器可以是硬件,也可以是软件。当服务器为硬件时,可以实现成多个服务器组成的分布式服务器集群,也可以实现成单个服务器。当服务器为软件时,可以实现成多个软件或软件模块,例如用来提供分布式服务器的软件或软件模块,也可以实现成单个软件或软件模块,在此不做具体限定。在一些可能的实现方式中,本申请实施例的定位方法可以通过处理器调用存储器中存储的计算机可读指令的方式来实现。
具体而言,如图1所示,本申请实施例的定位方法具体包括以下步骤:
步骤S11:获取当前时刻定位系统所在区域的点云。
在本申请实施例中,定位系统通过激光雷达获取当前时刻的点云,以及通过GPS等信息采集技术获取地图。需要说明的是,本申请实施例所述的地图一般为三维地图,体现目标位置以及环境的三维信息。
步骤S12:将点云与地图进行匹配,以在地图中确定与点云相匹配的目标区域。
其中,本申请实施例中的地图一般指自动驾驶领域中所采用的高精度地图。具体地,高精度,一方面是说高精度电子地图的绝对坐标精度更高。绝对坐标精度指的是地图上某个目标和真实的外部世界的事物之间的精度。另一方面,高精度地图所含有的道路交通信息元素更丰富和细致。
利用高精度地图与点云进行匹配,即可以基于点云中的每一个数据点,在高精度地图中遍历每一个地图位置点,筛选出匹配度最高的一个点,作为与该数据点相匹配的目标位置点,包括众多目标位置点的地图区域则可以确定为目标区域。本申请实施例通过利用高精度地图中的位置点与真实的外部世界的事物之间的高精度,能够有效提高与点云中数据点的匹配准确性,提高定位精度。
在本申请实施例中,定位系统在设置的容差搜索范围内将点云与地图进行匹配,以在地图中确定与点云相匹配的目标位置点。其中,目标位置点即按照匹配规则,包括下面的粗匹配和精匹配过程体现的匹配规则,与点云匹配度最高的位置点,点云中每个数据点均确定有相匹配的目标位置点。具体地,容差搜索范围的设置过程请参阅如下过程:定位系统获取安置在自动驾驶车辆上的RTK接收到的位置及其三维坐标,然后,设置一个RTK精度的容差值以及容差范围,例如,容差值可以设置为20m。通过以上设置方式,定位系统可以在RTK接收到的位置的x 方向、y方向以及z方向各设置±20m的容差搜索范围,远大于RTK的精度容差范围。
进一步地,定位系统在将点云与地图进行匹配之前,还可将点云中的动态物体及其动态点去除,以提高匹配的准确性。具体地,定位系统可以识别点云中的动态数据点;从点云中删除动态数据点,并将删除后的点云与地图进行匹配。其中,识别动态数据点的方式可以采用人工标注,或者采用机器自动标注,将标注为动态数据点的数据点从点云中删除。例如,定位系统可以获取预先训练的识别网络模型,该识别网络模型可以将输入的点云中的每个数据点识别出所属的标签,标签可以为动态物体标签、静态物体标签、环境标签等。
3D点云图是在不同位置和时间获得的激光扫描的叠加。由于激光扫描会捕获周围环境的快照,因此它们经常包含运动对象,同时这些运动对象可能被间接的观测。点云地图中的动态对象会降低地图的质量并影响定位精度,因此从3D点云地图中删除动态对象非常重要。本申请实施例的定位系统可以对3D点云地图中的动态对象进行感知,然后根据感知结果将点云中的动态对象的动态点进行去除。
具体地,本申请实施例的定位系统可以构建一个占据栅格地图,其中立体像素表示扩展时间段内空间量的占据状态。生成占据栅格地图后,我们将其作为滤波器用以在将激光雷达扫描中的动态目标点添加到地图之前将其删除。此外,我们使用对象检测和新的立体像素遍历方法来加速构建占据栅格地图的过程。构建占据栅格地图后,即可实时运行动态对象移除。
步骤S13:在地图中确定目标区域的地图点集。
进一步地,本申请实施例的定位系统还可以采用金字塔的匹配方式匹配点云与地图中的目标区域,对于目标区域的匹配过程具体请继续参阅图2,图2是图1所述定位方法中步骤S12的子步骤的流程示意图。
具体而言,如图2所示,本申请实施例的定位方法的步骤S12具体包括以下子步骤:
步骤S121:确定搜索步长。
在本申请实施例中,定位系统确定金字塔层级以及每一金字塔层级对应的步长,其中,为保证搜索结果在合理范围内,需要保证金字塔层级中的最大步长在容差搜索范围内。具体地,本申请实施例的步长与容差搜索范围应当满足以下条件:
min_step*2^n<range
其中,min_step为搜索的最小步长,n为金字塔层级,range为容差搜索范围。因此,搜索的最大步长则可以体现为:max_step=min_step* 2^n。
步骤S122:基于搜索步长,在地图中搜索与点云满足预设匹配要求的区域作为目标区域。
在本申请实施例中,定位系统确定搜索步长后,首先从最大金字塔层级以及最大步长max_step,开始计算最大金字塔层级的最优匹配分数对应的目标区域。其中,目标区域为地图划分的多个搜索区域中与点云匹配度最高的地图区域
以最大金字塔层级以及最大步长为例,本申请实施例对于目标区域的搜索具体请继续参阅图3,图3是图2所述定位方法中步骤S122的子步骤的流程示意图。
具体而言,如图3所示,本申请实施例的定位方法的步骤S122具体包括以下子步骤:
步骤S1221:基于搜索步长,将地图划分为多个搜索区域。
在本申请实施例中,定位系统基于最大搜索步长将地图划分为多个搜索区域。
步骤S1222:确定每一搜索区域中与点云相匹配的匹配点数量。
在本申请实施例中,定位系统根据点云对地图的多个搜索区域进行遍历,搜索点云与每个搜索区域的匹配点。若定位系统根据点云在搜索区域内成功搜索出匹配点,即记录匹配分数加1;若定位系统根据点云在搜索区域内无法搜索出匹配点,即匹配分数不增加。
定位系统遍历完地图中所有的搜索区域后,获取最终的匹配分数,对应地图与点云的匹配点数量。
步骤S1223:根据匹配点数量与搜索区域的点总数的比值,确定搜索区域与点云的匹配度。
在本申请实施例中,定位系统采用匹配点数量与搜索区域的点总数的比值,即用匹配总分数除以搜索区域的点总数,得到该搜索区域的最终分数,即匹配度。计算匹配度的公式具体如下:
score=total score/points number
其中,score为匹配度,total score为匹配点数量,points number为搜索区域的点总数。
需要说明的是,其他步长的搜索方式与最大步长的搜索方式基本一致,在此不再赘述。
步骤S123:减小搜索步长,以对搜索步长进行更新。
在本申请实施例中,定位系统根据最大步长计算出最大金字塔层级对应的所有搜索区域的匹配度后,选择其中匹配度最大的搜索区域作为下一层金字塔层级搜索的目标区域,即最优位置。
定位系统将最大步长减少为原来的一半,得到下一层金字塔层级对应的下一层步长。
步骤S124:基于搜索步长,在地图中目标区域以及目标区域的邻近区域中搜索与点云满足预设匹配要求的区域,以对目标区域进行更新。
在本申请实施例中,定位系统采用下一层步长在目标区域及其邻近区域进行搜索,获取该层金字塔层级的目标区域,以对最大金字塔层级的目标区域进行更新。
其中,邻近区域的范围可以设置为下一层步长的两倍,即2× current_step,加入邻近区域作为搜索区域可以优化搜索效率以及提高搜索的准确性。
定位系统重复执行上述步骤S121~步骤S124,直至完成所有金字塔层级的目标区域搜索。当定位系统迭代搜索到金字塔层级的最后层级时,最后层级的搜索区域中匹配度最大的搜索区域即为最佳初始化位置所在的目标区域。
上述步骤S121~步骤S124的定位方法实现了对于精确的初始化位置的粗匹配,本申请实施例还可以在上述实施例的定位方法的粗匹配结果的基础上,进一步实现对初始化位置的精匹配,以进一步提高初始化位置的准确性,请继续参阅步骤S14~步骤S15。
步骤S14:对点云中的每个数据点,在地图点集中搜索距离最近地图点,并建立对应关系。
受到最小步长精度的影响,上述实施例的定位方法的粗匹配结果得到的初始化位置还不够精确,本申请实施例的定位系统采用精细的配准方式进一步精化初始化位置。
具体地,定位系统在上述实施例的定位方法得到的最佳初始化位置建立kd树,对点云中的每个点,在kd树中搜索距离最近地图点,并建立对应关系。其中,对应关系具体可以为一种映射关系,映射关系反映了点云中的一个数据点与地图中的最近地图点之间的一一对应关系。
步骤S15:基于对应关系,在地图点集中确定与点云相匹配的目标位置点。
在本申请实施例中,定位系统采用LM(Levenberg-Marquardt)最小二乘优化对匹配关系进行求解,计算点云和地图之间的成本函数。其中,成本函数的成本越低,对应的匹配结果越佳。因此,定位系统可以按照成本函数的成本值在地图点中确定最优目标位置。
具体地,点云和地图匹配之间的cost function(成本函数)体现为:
其中,R为旋转矩阵,T为平移量,Pi为点云中的点,Qi为地图上与点云的匹配点。
定位系统根据修正后的目标位置点对当前时刻进行定位,即将步骤 S15确定的最优目标位置作为自动驾驶车辆的定位初始化位置。
进一步地,定位系统还可以对连续获取的若干帧激光雷达的点云计算最优目标位置,构建初始化位置插值器;然后,利用初始化位置插值器对于下一时刻启动时的系统时间进行插值处理,以给运动中的自动驾驶车辆提供更准确地的初始化位置,解决部分封闭区域RTK信号不佳的问题。
在本申请实施例中,定位系统获取当前时刻定位系统所在区域的点云;将点云与地图进行匹配,以在地图中确定与点云相匹配的目标区域;在地图中确定目标区域的地图点集;对点云中的每个数据点,在地图点集中搜索距离最近地图点,并建立对应关系;基于对应关系,在地图点集中确定与点云相匹配的目标位置点。通过上述方式,本申请的定位方法利用点云与地图进行匹配,确定目标区域,基于目标区域搜索最近的目标位置点,结合两层匹配过程,实现当前时刻稳定而准确的初始化位置定位。
本领域技术人员可以理解,在具体实施方式的上述方法中,各步骤的撰写顺序并不意味着严格的执行顺序而对实施过程构成任何限定,各步骤的具体执行顺序应当以其功能和可能的内在逻辑确定。
为实现上述实施例的定位方法,本申请还提出了一种定位系统,具体请参阅图4,图4是本申请提供的定位系统一实施例的结构示意图。
如图4所示,本申请提供的定位系统400包括点云获取模块41、点云匹配模块42以及位置定位模块43。
其中,点云获取模块41,用于获取当前时刻定位系统所在区域的点云。
点云匹配模块42,用于将所述点云与地图进行匹配,以在所述地图中确定与所述点云相匹配的目标区域;在所述地图中确定所述目标区域的地图点集;对所述点云中的每个数据点,在所述地图点集中搜索距离最近地图点,并建立对应关系。
位置定位模块43,用于基于所述对应关系,在所述地图点集中确定与所述点云相匹配的目标位置点。
为实现上述实施例的定位方法,本申请还提出了另一种定位系统,具体请参阅图5,图5是本申请提供的定位系统另一实施例的结构示意图。
本申请实施例的定位系统500包括存储器51和处理器52,其中,存储器51和处理器52耦接。
存储器51用于存储程序数据,处理器52用于执行程序数据以实现上述实施例所述的定位方法。
在本实施例中,处理器52还可以称为CPU(Central Processing Unit,中央处理单元)。处理器52可能是一种集成电路芯片,具有信号的处理能力。处理器52还可以是通用处理器、数字信号处理器(DSP,Digital Signal Process)、专用集成电路(ASIC,ApplicationSpecific Integrated Circuit)、现场可编程门阵列(FPGA,Field Programmable GateArray) 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。通用处理器可以是微处理器或者该处理器52也可以是任何常规的处理器等。
进一步地,本申请实施例的定位系统500还包括激光雷达53,其中,激光雷达53连接处理器52,用于采集点云数据,并将点云数据传输给处理器52。
为实现上述实施例的定位方法,本申请还提供了一种车辆600,具体请参阅图6,图6是本申请提供的车辆一实施例的结构示意图。
本申请实施例的车辆600包括定位系统61,通过定位系统61实现上述实施例所述的定位方法。其中,定位系统61的具体结构与上述实施例所述的定位系统500相同,在此不再赘述。
为实现上述实施例的定位方法,本申请还提供了一种计算机可读存储介质,如图7所示,计算机可读存储介质700用于存储程序数据71,程序数据71在被处理器执行时,用以实现如上述实施例所述的定位方法。
本申请还提供一种计算机程序产品,其中,上述计算机程序产品包括计算机程序,上述计算机程序可操作来使计算机执行如本申请实施例所述的定位方法。该计算机程序产品可以为一个软件安装包。
本申请上述实施例所述的定位方法,在实现时以软件功能单元的形式存在并作为独立的产品销售或使用时,可以存储在装置中,例如一个计算机可读取存储介质中。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)或处理器(processor)执行本发明各个实施方式所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述仅为本申请的实施方式,并非因此限制本申请的专利范围,凡是利用本申请说明书及附图内容所作的等效结构或等效流程变换,或直接或间接运用在其他相关的技术领域,均同理包括在本申请的专利保护范围内。
Claims (14)
1.一种定位方法,其特征在于,所述定位方法包括:
获取当前时刻定位系统所在区域的点云;
将所述点云与地图进行匹配,以在所述地图中确定与所述点云相匹配的目标区域;
在所述地图中确定所述目标区域的地图点集;
对所述点云中的每个数据点,在所述地图点集中搜索距离最近地图点,并建立对应关系;
基于所述对应关系,在所述地图点集中确定与所述点云相匹配的目标位置点。
2.根据权利要求1所述的定位方法,其特征在于,
所述将所述点云与地图进行匹配,以在所述地图中确定与所述点云相匹配的目标区域,包括:
确定搜索步长;
按照所述搜索步长,在所述地图中搜索与所述点云满足预设匹配要求的区域作为目标区域;
所述对所述点云中的每个数据点,在所述地图点集中搜索距离最近地图点,并建立对应关系,包括:
在所述地图中确定所述目标区域的地图点集;
对所述点云中的每个数据点,在所述地图点集中搜索距离最近地图点,并建立对应关系;
基于所述对应关系,在所述地图点集中确定与所述点云相匹配的目标位置点。
3.根据权利要求2所述的定位方法,其特征在于,
所述按照所述搜索步长,在所述地图中搜索与所述点云满足预设匹配要求的区域作为目标区域,包括:
减小所述搜索步长,以对所述搜索步长进行更新;
基于更新后的搜索步长,在所述目标区域以及所述目标区域的邻近区域中搜索与所述点云满足预设匹配要求的区域,以对所述目标区域进行更新。
4.根据权利要求3所述的定位方法,其特征在于,
所述基于更新后的搜索步长,在所述目标区域以及所述目标区域的邻近区域中搜索与所述点云满足预设匹配要求的区域,以对所述目标区域进行更新,包括:
判断所述更新后的搜索步长是否为预设最小步长;
若是,则将当前的搜索步长对应的目标区域确认为最终的目标区域。
5.根据权利要求2所述的定位方法,其特征在于,
所述确定搜索步长,包括:
确定金字塔层级,以及确定最小步长;
根据所述金字塔层级和所述最小步长确定初始的搜索步长。
6.根据权利要求5所述的定位方法,其特征在于,
所述定位方法,还包括:
获取基于实时动态测量技术得到的位置;
根据所述位置、以及所述实时动态测量技术的精度,确定容差范围;
其中,所述初始的搜索步长小于所述容差范围。
7.根据权利要求6所述的定位方法,其特征在于,
所述按照所述搜索步长,在所述地图中搜索与所述点云满足预设匹配要求的区域作为目标区域,包括:
基于所述搜索步长,将所述地图划分为多个搜索区域;
确定每一所述搜索区域中与所述点云相匹配的匹配点数量;
根据所述匹配点数量与所述搜索区域的点总数的比值,确定所述搜索区域与所述点云的匹配度。
8.根据权利要求1所述的定位方法,其特征在于,
所述对所述点云中的每个数据点,在所述地图点集中搜索距离最近地图点,并建立对应关系,包括:
以所述地图中所述目标位置点为中心的预设范围内的地图点集,建立二叉树;
对所述点云中的每个数据点,在所述二叉树中搜索距离最近地图点,并建立对应关系。
9.根据权利要求1或8所述的定位方法,其特征在于,
所述基于所述对应关系,在所述地图点集中确定与所述点云相匹配的目标位置点,包括:
采用最小二乘法对每一所述对应关系进行计算,以对所述目标位置点进行修正;
在所述地图点集中确定修正后的目标位置点。
10.根据权利要求1所述的定位方法,其特征在于,
所述获取当前时刻定位系统所在区域的点云之后,所述定位方法还包括:
识别所述点云中的动态数据点;
从所述点云中删除所述动态数据点,并将删除后的点云与所述地图进行匹配。
11.根据权利要求10所述的定位方法,其特征在于,
所述识别所述点云中的动态数据点,包括:
将所述点云输入预设识别网络模型,获取所述点云中每一数据点的标签;
将所述标签为动态物体的数据点识别为动态数据点。
12.一种定位系统,其特征在于,所述定位系统包括处理器和存储器,所述存储器中存储有程序数据,所述处理器用于执行所述程序数据以实现如权利要求1-10任一项所述的方法。
13.一种车辆,其特征在于,所述车辆包括权利要求12所述的定位系统。
14.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质用于存储程序数据,所述程序数据在被处理器执行时,用以实现权利要求1-11任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111221555.5A CN114509774A (zh) | 2021-10-20 | 2021-10-20 | 定位方法、定位系统、车辆以及计算机可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111221555.5A CN114509774A (zh) | 2021-10-20 | 2021-10-20 | 定位方法、定位系统、车辆以及计算机可读存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114509774A true CN114509774A (zh) | 2022-05-17 |
Family
ID=81548456
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111221555.5A Pending CN114509774A (zh) | 2021-10-20 | 2021-10-20 | 定位方法、定位系统、车辆以及计算机可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114509774A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115685133A (zh) * | 2022-12-30 | 2023-02-03 | 安徽蔚来智驾科技有限公司 | 自动驾驶车辆的定位方法、控制装置、存储介质及车辆 |
-
2021
- 2021-10-20 CN CN202111221555.5A patent/CN114509774A/zh active Pending
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115685133A (zh) * | 2022-12-30 | 2023-02-03 | 安徽蔚来智驾科技有限公司 | 自动驾驶车辆的定位方法、控制装置、存储介质及车辆 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113865580B (zh) | 构建地图的方法、装置、电子设备及计算机可读存储介质 | |
US20220011117A1 (en) | Positioning technology | |
CN110542908A (zh) | 应用于智能驾驶车辆上的激光雷达动态物体感知方法 | |
CN112526513A (zh) | 基于聚类算法的毫米波雷达环境地图构建方法及装置 | |
CN112162297B (zh) | 一种剔除激光点云地图中动态障碍伪迹的方法 | |
CN112505671B (zh) | Gnss信号缺失环境下毫米波雷达目标定位方法及装置 | |
CN111553946B (zh) | 用于去除地面点云的方法及装置、障碍物检测方法及装置 | |
CN114111774B (zh) | 车辆的定位方法、系统、设备及计算机可读存储介质 | |
WO2021035618A1 (zh) | 点云分割方法、系统和可移动平台 | |
WO2024012211A1 (zh) | 自动驾驶环境感知方法、介质及车辆 | |
WO2024012212A1 (zh) | 环境感知方法、域控制器、存储介质及车辆 | |
CN114485698B (zh) | 一种交叉路口引导线生成方法及系统 | |
CN112836698A (zh) | 一种定位方法、装置、存储介质及电子设备 | |
CN113096181B (zh) | 设备位姿的确定方法、装置、存储介质及电子装置 | |
CN114509774A (zh) | 定位方法、定位系统、车辆以及计算机可读存储介质 | |
WO2022099620A1 (zh) | 三维点云分割方法和装置、可移动平台 | |
CN117053779A (zh) | 一种基于冗余关键帧去除的紧耦合激光slam方法及装置 | |
CN115468576A (zh) | 一种基于多模态数据融合的自动驾驶定位方法及系统 | |
CN115267827A (zh) | 一种基于高度密度筛选的激光雷达港区障碍物感知方法 | |
Lee et al. | Fast point cloud feature extraction for real-time slam | |
CN114898321A (zh) | 道路可行驶区域检测方法、装置、设备、介质及系统 | |
CN114200462A (zh) | 定位方法、定位设备、车辆以及计算机可读存储介质 | |
CN114595783A (zh) | 基于多线激光雷达发射角度的点云聚类方法及系统 | |
CN113838129A (zh) | 一种获得位姿信息的方法、装置以及系统 | |
KR102616437B1 (ko) | 라이다 및 관성측정장치의 캘리브레이션 방법 및 이를 실행하기 위하여 기록매체에 기록된 컴퓨터 프로그램 |
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 |