CN114754778B - 一种车辆定位方法以及装置、电子设备、存储介质 - Google Patents
一种车辆定位方法以及装置、电子设备、存储介质 Download PDFInfo
- Publication number
- CN114754778B CN114754778B CN202210351148.4A CN202210351148A CN114754778B CN 114754778 B CN114754778 B CN 114754778B CN 202210351148 A CN202210351148 A CN 202210351148A CN 114754778 B CN114754778 B CN 114754778B
- Authority
- CN
- China
- Prior art keywords
- vehicle
- gnss signal
- moment
- current
- abnormal
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 51
- 230000002159 abnormal effect Effects 0.000 claims abstract description 48
- 230000005856 abnormality Effects 0.000 claims abstract description 30
- 230000011218 segmentation Effects 0.000 claims abstract description 28
- 238000010586 diagram Methods 0.000 claims description 15
- 238000013507 mapping Methods 0.000 claims description 6
- 238000004590 computer program Methods 0.000 description 11
- 238000012545 processing Methods 0.000 description 11
- 230000008569 process Effects 0.000 description 6
- 238000004364 calculation method Methods 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 5
- 235000004522 Pentaglottis sempervirens Nutrition 0.000 description 4
- 238000012937 correction Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 238000003709 image segmentation Methods 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000003874 inverse correlation nuclear magnetic resonance spectroscopy Methods 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000011022 operating instruction Methods 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
Abstract
本申请公开了一种车辆定位方法以及装置、电子设备、存储介质,其中所述方法包括获取GNSS信号异常的下一时刻的车辆速度信息以及当前道路预设行驶区域内的高精地图数据;根据所述高精地图数据以及自车当前时刻图像中的图像语义分割结果,在IPM图中建立当前道路与当前道路中至少一侧的杆位的相对位置关系和所述GNSS信号异常的下一时刻的车辆位置与所述杆位的相对位置关系;基于所述GNSS信号异常的下一时刻的车辆速度信息、所述相对位置关系,确定车辆的当前位置。本申请利用高精地图数据确定自车当前时刻图像中可行驶区域以及杆位的空间拓扑关系,在GNSS信号异常时,通过车辆里程计和高精地图数据以及IPM图像,对车辆进行定位。
Description
技术领域
本申请涉及自动驾驶感知定位技术领域,尤其涉及一种车辆定位方法以及装置、电子设备、存储介质。
背景技术
稳定、鲁棒的定位是自动驾驶车辆安全行驶的必要条件之一,目前多数自动驾驶公司采用多传感器融合的定位方法,在传统GNSS/RTK加IMU的基础上,增加激光雷达、相机等视觉传感器,同时以SLAM技术提供冗余的定位信息,以保证在GNSS信号受到干扰的情况下,仍然可以提供可靠的定位以降低自动驾驶车辆的接管率。
相关技术中,激光雷达SLAM技术需要提前建立一个激光点云地图,然后基于这个激光点云地图进行重定位。但由于激光雷达价格昂贵,并不适合量产车辆,而且对于100km级别的城市道路来说,地图的建立与实时存储、读取都是一个很大的挑战。
此外,主流的视觉SLAM以图像提取出的路面元素与高精地图匹配为主,但其目前主要应用在车道保持。通常基于高精地图的车道线匹配技术可以为自动驾驶车辆提供横向定位纠正,以实现车道保持的效果,但是遇到拐弯或者遮挡、雨雪天等引起的车道线识别困难时,无法提供有效的结果。在此情况下,如果依靠车身里程计数据,长时间航迹推演会有累计误差。
发明内容
本申请实施例提供了车辆定位方法以及装置、电子设备、存储介质,以低成本并可有效地利用高精地图数据在GNSS信号异常时实现自动驾驶车辆定位。
本申请实施例采用下述技术方案:
第一方面,本申请实施例提供一种车辆定位方法,其中,用于自动驾驶车辆,所述方法包括:获取GNSS信号异常的下一时刻的车辆速度信息以及当前道路预设行驶区域内的高精地图数据;根据所述高精地图数据、自车当前时刻图像中的图像语义分割结果以及所述GNSS信号异常的下一时刻的车辆位置,在IPM图中建立当前道路与当前道路中至少一侧的杆位的相对位置关系和所述GNSS信号异常的下一时刻的车辆位置与所述杆位的相对位置关系;基于所述GNSS信号异常的下一时刻的车辆速度信息、所述相对位置关系,确定车辆的当前位置。
第二方面,本申请实施例还提供一种车辆定位装置,其中,用于自动驾驶车辆,所述装置包括:获取模块,用于获取GNSS信号异常的下一时刻的车辆速度信息以及当前道路预设行驶区域内的高精地图数据;映射关系模块,用于根据所述高精地图数据、自车当前时刻图像中的图像语义分割结果以及所述GNSS信号异常的下一时刻的车辆位置,在IPM图中建立当前道路与当前道路中至少一侧的杆位的相对位置关系和所述GNSS信号异常的下一时刻的车辆位置与所述杆位的相对位置关系;确定模块,用于基于所述GNSS信号异常的下一时刻的车辆速度信息、所述相对位置关系,确定车辆的当前位置。
第三方面,本申请实施例还提供一种电子设备,包括:处理器;以及被安排成存储计算机可执行指令的存储器,所述可执行指令在被执行时使所述处理器执行前述之任一所述方法。
第四方面,本申请实施例还提供一种计算机可读存储介质,所述计算机可读存储介质存储一个或多个程序,所述一个或多个程序当被包括多个应用程序的电子设备执行时,使得所述电子设备执行前述之任一所述方法。
本申请实施例采用的上述至少一个技术方案能够达到以下有益效果:
通过获取GNSS信号异常的下一时刻的车辆速度信息以及当前道路预设行驶区域内的高精地图数据,可以在GNSS信号异常时根据高精地图数据以及自车当前时刻图像中的图像语义分割结果,在IPM图中建立当前道路与当前道路中至少一侧的杆位的相对位置关系(空间拓扑关系),根据IPM图中的相对位置关系以及所述GNSS信号异常的下一时刻的车辆速度信息,修正并确定出车辆的当前位置。
附图说明
此处所说明的附图用来提供对本申请的进一步理解,构成本申请的一部分,本申请的示意性实施例及其说明用于解释本申请,并不构成对本申请的不当限定。在附图中:
图1为本申请实施例中一种车辆定位方法里程示意图;
图2为本申请实施例中一种车辆定位装置结构示意图;
图3为本申请实施例中一种车辆定位方法中自车当前时刻图像语义分割示意图;
图4为本申请实施例中一种车辆定位方法中相对位置的示意图;
图5为本申请实施例中一种电子设备的结构示意图。
具体实施方式
为使本申请的目的、技术方案和优点更加清楚,下面将结合本申请具体实施例及相应的附图对本申请技术方案进行清楚、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。
以下结合附图,详细说明本申请各实施例提供的技术方案。
本申请实施例提供了一种车辆定位方法,如图1所示,提供了本申请实施例车辆定位方法中流程示意图,车辆定位方法用于自动驾驶车辆,
所述自动驾驶车辆包括但不限于,自动驾驶小巴车、自动驾驶出租车等,主要行驶区域包括但不限于城市场景中的城市道路,所述方法至少包括如下的步骤S110至步骤S130:
步骤S110,获取GNSS信号异常的下一时刻的车辆速度信息以及当前道路预设行驶区域内的高精地图数据。
自动驾驶车辆通常实时记录GNSS信号的状态,如果GNSS信号状态良好,则持续提供定位数据。但是如果GNSS信号丢失或变差即GNSS信号异常时,需要启动本申请中的方法。
进一步地,如果GNSS信号在k时刻丢失,则获取GNSS信号异常的下一时刻(k+1)的车辆速度信息,并且还需要获取得到当前道路预设行驶区域内的高精地图数据。可以理解,高精地图数据可以是以自车为圆心,预设半径范围内的预设行驶区域。
优选地,所述当前道路预设行驶区域内的高精地图数据,包括:在当前道路的前方预设行驶区域内的高精地图数据。也就是说,在当前道路的前方预设行驶区域内的高精地图数据。通过使用高精地图的数据作为先验信息,可以进一步获得道路相关的相对位置信息,从而解决了传统地图匹配定位的不足。
可选地,如果GNSS信号非异常,则切换回通过GNSS信号正常获取自动驾驶位置信息的状态。
可选地,如果自动驾驶车辆已经驶出所述的高精地图数据覆盖区域,则可以切换到车道保持状态进行继续行驶。即不提供车道级别的位置定位。
步骤S120,根据所述高精地图数据、自车当前时刻图像中的图像语义分割结果以及所述GNSS信号异常的下一时刻的车辆位置,在IPM图中建立当前道路与当前道路中至少一侧的杆位的相对位置关系和所述GNSS信号异常的下一时刻的车辆位置与所述杆位的相对位置关系。
根据当前道路预设行驶区域内的所述高精地图数据、自车当前时刻图像中的图像语义分割结果进行进一步处理。可以理解,所述自车当前时刻图像中的图像语义分割结果即是通过自动驾驶车辆的摄像头/相机采集的自车当前时刻图像信息。在自车当前时刻图像信息中包括了前车道路元素、杆位元素以及其他植被元素等。
比如,如图3所示是图像分割一种示例,其中可以看到可行驶区域(道路)以及路边杆子已经被分割出来。同时对于自车当前时刻图像中的图像语义分割结果而言并不要求很准确的分割精度,只要可行驶区域的大致边界和杆子的位置能够识别出来即可,因此,选用更轻量、运算速度更快的相关模型以保证处理的实时性。
对此,由于不需要分割模型很准确的分割精度,即:使用开源数据集即可训练出可用模型,降低标注、训练的时间与成本,部署、应用方便快捷。相关模型对于本领域技术人员是公知,在本申请中不再赘述。
进一步地,在所述IPM图中建立了当前道路与当前道路中至少一侧的杆位的相对位置关系和所述GNSS信号异常的下一时刻的车辆位置与所述杆位的相对位置关系。比如,道路与每个杆位的空间拓扑关系以及每个杆位之间的空间拓扑关系,根据这些拓扑关系在IPM平面图中即构造出一个具有相对位置关系的场景。
优选地,为了提高精确度,建立当前道路与当前道路中两侧的杆位的相对位置关系。
IPM图(Inverse Perspective Mapping),即逆透视变化图。
需要注意的是,IPM图的建立过程包括但不限于下述的方式:
a.提取出预设行驶区域内的高精地图中的杆子信息,建立拓扑关系图,即:为每一个杆子赋一个唯一的编号/编码,并与相邻杆子建立连接。
b.提取可行驶区域以及路边杆子,删除其他(比如,植被元素)元素。
c.对b.中的结果做IPM变换,得到鸟瞰图,鸟瞰图中包含两条道路边界线和图中所有杆子的位置。
通过上述步骤,通过IPM的空间拓扑关系可以解决车道线匹配定位的模糊性的问题,也就是说,相关技术中如果车道线相似性高,则匹配计算的定位结果会有很大的不确定性。
相关技术中通常而言道路标识牌间隔大,很长时间无法获得一个有效的纵向定位纠正。基于高精地图数据集建立的在IPM图中建立当前道路与当前道路中至少一侧的杆位的相对位置关系,解决了道路标识牌定位的稀疏性。
步骤S130,基于所述GNSS信号异常的下一时刻的车辆速度信息、所述相对位置关系,确定车辆的当前位置。
基于所述GNSS信号异常的下一时刻的车辆速度信息(这是可以作为预测值得到的),以及所述相对位置关系以及车辆位置映射在在IPM图中的位置确定出自动驾驶车辆的当前位置。
相对位置关系包括了:车辆当前位置与一侧杆的相对位置,车辆当前位置与另一侧的相对位置,车辆当前位置与两侧的相对位置以及杆与杆之间的相对位置。
在本申请的一个实施例中,所述基于所述GNSS信号异常的下一时刻的车辆速度信息、所述相对位置关系,确定车辆的当前位置,包括:将基于所述GNSS信号异常的下一时刻的车辆速度信息估计的初始位置作为预测值;根据GNSS信号异常的下一时刻的车辆位置在所述IPM图中与所述道路与杆位相对位置关系,以及与所述每个杆位之间的相对位置关系和所述GNSS信号异常的下一时刻的车辆位置与所述杆位的相对位置关系,计算得到目标匹配结果并作为观测值;根据所述预测值、所述观测值,输入预设滤波器得到车辆的当前位置。
具体实施时,将基于所述GNSS信号异常的下一时刻的车辆速度信息估计的初始位置作为预测值,然后根据GNSS信号异常的下一时刻的车辆位置在所述IPM图中与所述杆位相对位置关系,根据GNSS信号异常的下一时刻的车辆位置与所述每个杆位之间的相对位置关系,计算得到目标匹配结果并作为观测值,输入到预设滤波器得到车辆的当前位置。
优选地,预设滤波器使用卡尔曼滤波器。
在本申请的一个实施例中,所述根据GNSS信号异常的下一时刻的车辆位置在所述IPM图中与所述道路与杆位相对位置关系,以及与所述每个杆位之间的相对位置关系,计算得到目标匹配结果并作为观测值,包括:根据所述高精地图数据中的可行驶区域的边界关系,确定车辆的行驶角度;以及,根据所述GNSS信号异常的下一时刻的车辆位置在所述IPM图中与杆位相对位置关系、所述每个杆位之间的相对位置关系,确定车辆的位置。
具体实施时,当确定自车当前时刻的车辆位置时,还需要根据所述高精地图数据中的可行驶区域的边界关系,确定车辆的行驶角度。也就是说,根据可行驶区域的边界平行关系计算车辆的行驶角度。
进一步地,如图4所示,根据所述GNSS信号异常的下一时刻的车辆位置在所述IPM图中与杆位相对位置关系、所述每个杆位之间的相对位置关系,确定车辆的位置。也就是说,在已知行驶方向的情况下,计算车辆当前位置(下一时刻的车辆位置)P(自车上的点,比如某个传感器中心点)距离最近(可计算得到)的两个杆子的距离PPL1和PPL2,根据PPL1和PPL2的比例关系以及杆子的拓扑关系计算出当前车辆的位置。为了提高定位精度,采用与道路左右两侧PPL1和PPL2的相对位置关系。
在本申请的一个实施例中,所述基于所述GNSS信号异常的下一时刻的车辆速度信息、所述相对位置关系,确定车辆的当前位置,包括:当所述GNSS信号异常的下一时刻的车辆位置时的车身目标点距离目标杆位满足预设角度条件时,开始计算确定车辆的位置;离线统计出所述GNSS信号异常的下一时刻的车辆位置时的车身目标点分别与可行驶区域两侧的杆位之间的误差,作为所述预设滤波器的输入。
可以理解,所述车身目标点为自车上的点,比如某个传感器中心点。
具体实施,作为优选地方案,当所述GNSS信号异常的下一时刻的车辆位置时的车身目标点距离目标杆位满足预设角度条件时,开始计算确定车辆的位置。如图4所示,比如,在计算PPL1和PPL2时,为保证精度,可在自车离杆子比较近时计算,实际操作中,可设定一个角度阈值比如60度时,如果PPL1和PPL2与PL1PL2的夹角和小于设定阈值,则可开始计算。同理,道路另一侧PPR1、PR2,不再进行赘述。或者其他可以确定相对位置关系的计算方法均可。
离线统计出所述GNSS信号异常的下一时刻的车辆位置时的车身目标点分别与可行驶区域两侧的杆位之间的误差,作为所述预设滤波器的输入。比如,需要离线统计计算出PPL1、PPL2的误差,作为滤波器的输入。
在本申请的一个实施例中,还包括:在GNSS信号异常时,结合所述自动驾驶车辆的车身里程计以及当前道路预设行驶区域内的高精地图数据,确定车辆的当前位置;在GNSS信号正常时,通过融合IMU与RTK/GNSS信号来确定车辆的当前位置。
具体实施时,在GNSS信号正常时,通过RTK/GNSS+IMU的方式确定车辆的当前位置。在所述GNSS信号非正常时,结合所述自动驾驶车辆的车身里程计以及当前道路预设行驶区域内的高精地图数据,确定车辆的当前位置。
需要注意的是,考虑到车身速度里程计在短时间内误差并不大,根据杆子的拓扑关系以及两个相邻杆子的距离,也并不会因为杆子重复导致匹配错误。
在本申请的一个实施例中,所述根据所述高精地图数据、自车当前时刻图像中的图像语义分割结果以及所述GNSS信号异常的下一时刻的车辆位置,在IPM图中建立当前道路与当前道路中至少一侧的杆位的相对位置关系和所述GNSS信号异常的下一时刻的车辆位置与所述杆位的相对位置关系,包括:根据每一个GNSS信号异常的时刻的车辆位置在所述IPM图中的投影图像,得到当前时刻车辆的车身位置;根据所述高精地图数据、自车当前时刻图像中的图像语义分割结果以及所述每一个GNSS信号异常时刻的车辆位置,在IPM图中建立每一个GNSS信号异常时刻所述车辆的车身位置上的目标点相对于所述当前道路到当前道路中的杆位的相对位置关系。
具体实施时,由于车辆是处于行驶过程中,所以会实时获取数据并进行校正。实时数据包括每一个GNSS信号异常的时刻的车辆位置在所述IPM图中的投影图像得到的当前时刻车辆的车身位置,并根据每一个GNSS信号异常时刻的对应的当前时刻车辆的车身位置,进而在IPM图中进行计算每一个GNSS信号异常时刻所述车辆的车身位置上的目标点相对于所述当前道路到当前道路中的杆位的空间拓扑位置关系,从而根据相对位置关系求解出每一个时刻的车辆位置信息。
根据GNSS信号异常的下一时刻的车辆位置在所述IPM图中的投影图像,得到车辆的车身位置,根据所述高精地图数据、当前道路预设行驶区域内的自车当前时刻图像中的可行驶区域和杆位的图像语义分割结果,在IPM图中建立所述车辆的车身位置上的目标点相对于所述当前道路到当前道路中的杆位的相对位置关系,最后,以车身速度信息预计的位置信息预测值,高精地图数据的匹配结果为观测值,建立卡尔曼滤波器进行定位。
本申请实施例还提供了车辆定位装置200,如图2所示,提供了本申请实施例中车辆定位装置的结构示意图,所述装置200至少包括:获取模块210、映射关系模块220以及确定模块230,其中:
获取模块210,用于获取GNSS信号异常的下一时刻的车辆速度信息以及当前道路预设行驶区域内的高精地图数据;
映射关系模块220,用于根据所述高精地图数据以及、自车当前时刻图像中的图像语义分割结果以及所述GNSS信号异常的下一时刻的车辆位置,在IPM图中建立当前道路与当前道路中至少一侧的杆位的相对位置关系和所述GNSS信号异常的下一时刻的车辆位置与所述杆位的相对位置关系;
确定模块230,用于基于所述GNSS信号异常的下一时刻的车辆速度信息、所述相对位置关系,确定车辆的当前位置。
在本申请的一个实施例中,所述获取单元210具体用于:如果GNSS信号在k时刻丢失,则获取GNSS信号异常的下一时刻(k+1)的车辆速度信息,并且还需要获取得到当前道路预设行驶区域内的高精地图数据。可以理解,高精地图数据可以是以自车为圆心,预设半径范围内的预设行驶区域。
优选地,所述当前道路预设行驶区域内的高精地图数据,包括:在当前道路的前方预设行驶区域内的高精地图数据。也就是说,在当前道路的前方预设行驶区域内的高精地图数据。通过使用高精地图的数据作为先验信息,可以进一步获得道路相关的相对位置信息,从而解决了传统地图匹配定位的不足。
可选地,如果GNSS信号非异常,则切换回通过GNSS信号正常获取自动驾驶位置信息的状态。
可选地,如果自动驾驶车辆驶已经驶出所述的高精地图数据覆盖区域,则可以切换到车道保持状态进行继续行驶。即不提供车道级别的位置定位。
在本申请的一个实施例中,所述映射关系模块220具体用于:根据当前道路预设行驶区域内的所述高精地图数据、自车当前时刻图像中的图像语义分割结果进行进一步处理。可以理解,所述自车当前时刻图像中的图像语义分割结果即是通过自动驾驶车辆的摄像头/相机采集的自车当前时刻图像信息。在自车当前时刻图像信息中包括了自车当前时刻道路元素、杆位元素以及其他植被元素等。
比如,如图3所示是图像分割一种示例,其中可以看到可行驶区域(道路)以及路边杆子已经被分割出来。同时对于自车当前时刻图像中的图像语义分割结果而言并不要求很准确的分割精度,只要可行驶区域的大致边界和杆子的位置能够识别出来即可,因此,选用更轻量、运算速度更快的相关模型以保证处理的实时性。
对此,由于不需要分割模型很准确的分割精度,即:使用开源数据集即可训练出可用模型,降低标注、训练的时间与成本,部署、应用方便快捷。相关模型对于本领域技术人员是公知,在本申请中不再赘述。
进一步地,在所述IPM图中建立了当前道路与当前道路中至少一侧的杆位的相对位置关系,并且所述相对位置关系中包括了相对位置。比如,道路与每个杆位的空间拓扑关系以及每个杆位之间的空间拓扑关系,根据这些拓扑关系在IPM平面图中即构造出一个具有相对位置关系的场景。
优选地,为了提高精确度,建立当前道路与当前道路中两侧的杆位的相对位置关系。
需要注意的是,IPM图的建立过程包括但不限于下述的方式:
a.提取出预设行驶区域内的高精地图中的杆子信息,建立拓扑关系图,即:为每一个杆子赋一个唯一的编号/编码,并与相邻杆子建立连接。
b.提取可行驶区域以及路边杆子,删除其他(比如,植被元素)元素。
c.对b.中的结果做IPM变换,得到鸟瞰图,鸟瞰图中包含两条道路边界线和图中所有杆子的位置。
通过上述步骤,通过IPM的空间拓扑关系可以解决车道线匹配定位的模糊性的问题,也就是说,相关技术中如果车道线相似性高,则匹配计算的定位结果会有很大的不确定性。通过所述相对位置关系包括相对位置。
相关技术中通常而言道路标识牌间隔大,很长时间无法获得一个有效的纵向定位纠正。基于高精地图数据集建立的在IPM图中建立当前道路与当前道路中至少一侧的杆位的相对位置关系,解决了道路标识牌定位的稀疏性。
在本申请的一个实施例中,所述确定模块230具体用于:基于所述GNSS信号异常的下一时刻的车辆速度信息这是可以作为预测值得到的,以及所述相对位置以及车辆位置映射在在IPM图中的位置确定出自动驾驶车辆的当前位置。
能够理解,上述车辆定位装置,能够实现前述实施例中提供的车辆定位方法的各个步骤,关于车辆定位方法的相关阐释均适用于车辆定位装置,此处不再赘述。
图5是本申请的一个实施例电子设备的结构示意图。请参考图5,在硬件层面,该电子设备包括处理器,可选地还包括内部总线、网络接口、存储器。其中,存储器可能包含内存,例如高速随机存取存储器(Random-Access Memory,RAM),也可能还包括非易失性存储器(non-volatile memory),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。
处理器、网络接口和存储器可以通过内部总线相互连接,该内部总线可以是ISA(Industry StandardArchitecture,工业标准体系结构)总线、PCI(Peripheral ComponentInterconnect,外设部件互连标准)总线或EISA(Extended IndustryStandardArchitecture,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。为便于表示,图5中仅用一个双向箭头表示,但并不表示仅有一根总线或一种类型的总线。
存储器,用于存放程序。具体地,程序可以包括程序代码,所述程序代码包括计算机操作指令。存储器可以包括内存和非易失性存储器,并向处理器提供指令和数据。
处理器从非易失性存储器中读取对应的计算机程序到内存中然后运行,在逻辑层面上形成车辆定位装置。处理器,执行存储器所存放的程序,并具体用于执行以下操作:
获取GNSS信号异常的下一时刻的车辆速度信息以及当前道路预设行驶区域内的高精地图数据;
根据所述高精地图数据、自车当前时刻图像中的图像语义分割结果以及所述GNSS信号异常的下一时刻的车辆位置,在IPM图中建立当前道路与当前道路中至少一侧的杆位的相对位置关系和所述GNSS信号异常的下一时刻的车辆位置与所述杆位的相对位置关系;
基于所述GNSS信号异常的下一时刻的车辆速度信息、所述相对位置关系,确定车辆的当前位置。
上述如本申请图1所示实施例揭示的车辆定位装置执行的方法可以应用于处理器中,或者由处理器实现。处理器可能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,包括中央处理器(Central Processing Unit,CPU)、网络处理器(Network Processor,NP)等;还可以是数字信号处理器(Digital SignalProcessor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现场可编程门阵列(Field-Programmable GateArray,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。可以实现或者执行本申请实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合本申请实施例所公开的方法的步骤可以直接体现为硬件译码处理器执行完成,或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器,闪存、只读存储器,可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器,处理器读取存储器中的信息,结合其硬件完成上述方法的步骤。
该电子设备还可执行图1中车辆定位装置执行的方法,并实现车辆定位装置在图1所示实施例的功能,本申请实施例在此不再赘述。
本申请实施例还提出了一种计算机可读存储介质,该计算机可读存储介质存储一个或多个程序,该一个或多个程序包括指令,该指令当被包括多个应用程序的电子设备执行时,能够使该电子设备执行图1所示实施例中车辆定位装置执行的方法,并具体用于执行:
获取GNSS信号异常的下一时刻的车辆速度信息以及当前道路预设行驶区域内的高精地图数据;
根据所述高精地图数据、自车当前时刻图像中的图像语义分割结果以及所述GNSS信号异常的下一时刻的车辆位置,在IPM图中建立当前道路与当前道路中至少一侧的杆位的相对位置关系和所述GNSS信号异常的下一时刻的车辆位置与所述杆位的相对位置关系;
基于所述GNSS信号异常的下一时刻的车辆速度信息、所述相对位置关系,确定车辆的当前位置。
本领域内的技术人员应明白,本发明的实施例可提供为方法、系统、或计算机程序产品。因此,本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
在一个典型的配置中,计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。
内存可能包括计算机可读介质中的非永久性存储器,随机存取存储器(RAM)和/或非易失性内存等形式,如只读存储器(ROM)或闪存(flash RAM)。内存是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括,但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带,磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质,可用于存储可以被计算设备访问的信息。按照本文中的界定,计算机可读介质不包括暂存电脑可读媒体(transitorymedia),如调制的数据信号和载波。
还需要说明的是,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、商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、商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、商品或者设备中还存在另外的相同要素。
本领域技术人员应明白,本申请的实施例可提供为方法、系统或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
以上所述仅为本申请的实施例而已,并不用于限制本申请。对于本领域技术人员来说,本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等,均应包含在本申请的权利要求范围之内。
Claims (9)
1.一种车辆定位方法,其中,用于自动驾驶车辆,所述方法包括:
获取GNSS信号异常的下一时刻的车辆速度信息以及当前道路预设行驶区域内的高精地图数据;
根据所述高精地图数据、自车当前时刻图像中的图像语义分割结果以及所述GNSS信号异常的下一时刻的车辆位置,在IPM图中建立当前道路与当前道路中至少一侧的杆位的相对位置关系和所述GNSS信号异常的下一时刻的车辆位置与所述杆位的相对位置关系;
基于所述GNSS信号异常的下一时刻的车辆速度信息、所述相对位置关系,确定车辆的当前位置;
所述基于所述GNSS信号异常的下一时刻的车辆速度信息、所述相对位置关系,确定车辆的当前位置,包括:
将基于所述GNSS信号异常的下一时刻的车辆速度信息估计的初始位置作为预测值;
根据在IPM图中建立当前道路与当前道路中至少一侧的杆位的相对位置关系和所述GNSS信号异常的下一时刻的车辆位置与所述杆位的相对位置关系,计算得到目标匹配结果并作为观测值;
根据所述预测值、所述观测值,输入预设滤波器得到车辆的当前位置。
2.如权利要求1所述方法,其中,所述GNSS信号异常的下一时刻的车辆位置与所述杆位的相对位置关系,计算得到目标匹配结果并作为观测值,包括:
根据所述高精地图数据中的可行驶区域的边界关系,确定车辆的行驶角度;
以及,
根据所述GNSS信号异常的下一时刻的车辆位置在所述IPM图中与杆位相对位置关系、每个杆位之间的相对位置关系,确定车辆的位置。
3.如权利要求1所述方法,其中,所述当前道路预设行驶区域内的高精地图数据,包括:
在当前道路的前方预设行驶区域内的高精地图数据。
4.如权利要求1所述方法,其中,所述基于所述GNSS信号异常的下一时刻的车辆速度信息、所述相对位置关系,确定车辆的当前位置,包括:
当所述GNSS信号异常的下一时刻的车辆位置时的车身目标点距离目标杆位满足预设角度条件时,开始计算确定车辆的位置;
离线统计出所述GNSS信号异常的下一时刻的车辆位置时的车身目标点分别与可行驶区域两侧的杆位之间的误差,作为所述预设滤波器的输入。
5.如权利要求1所述方法,其中,还包括:在GNSS信号异常时,结合所述自动驾驶车辆的车身里程计以及当前道路预设行驶区域内的高精地图数据,确定车辆的当前位置;
在GNSS信号正常时,通过融合IMU与RTK/GNSS信号确定车辆的当前位置。
6.如权利要求1所述方法,其中,所述根据所述高精地图数据、自车当前时刻图像中的图像语义分割结果以及所述GNSS信号异常的下一时刻的车辆位置,在IPM图中建立当前道路与当前道路中至少一侧的杆位的相对位置关系和所述GNSS信号异常的下一时刻的车辆位置与所述杆位的相对位置关系,包括:
根据每一个GNSS信号异常时刻的车辆位置在所述IPM图中的投影图像,得到当前时刻车辆的车身位置;
根据所述高精地图数据、自车当前时刻图像中的图像语义分割结果以及所述每一个GNSS信号异常时刻的车辆位置,在IPM图中建立每一个GNSS信号异常时刻所述车辆的车身位置上的目标点相对于所述当前道路到当前道路中的杆位的相对位置关系。
7.一种车辆定位装置,其中,用于自动驾驶车辆,所述装置包括:
获取模块,用于获取GNSS信号异常的下一时刻的车辆速度信息以及当前道路预设行驶区域内的高精地图数据;
映射关系模块,用于根据所述高精地图数据、自车当前时刻图像中的图像语义分割结果以及所述GNSS信号异常的下一时刻的车辆位置,在IPM图中建立当前道路与当前道路中至少一侧的杆位的相对位置关系和所述GNSS信号异常的下一时刻的车辆位置与所述杆位的相对位置关系;
确定模块,用于基于所述GNSS信号异常的下一时刻的车辆速度信息、所述相对位置关系,确定车辆的当前位置;
所述基于所述GNSS信号异常的下一时刻的车辆速度信息、所述相对位置关系,确定车辆的当前位置,包括:
将基于所述GNSS信号异常的下一时刻的车辆速度信息估计的初始位置作为预测值;
根据在IPM图中建立当前道路与当前道路中至少一侧的杆位的相对位置关系和所述GNSS信号异常的下一时刻的车辆位置与所述杆位的相对位置关系,计算得到目标匹配结果并作为观测值;
根据所述预测值、所述观测值,输入预设滤波器得到车辆的当前位置。
8.一种电子设备,包括:
处理器;以及
被安排成存储计算机可执行指令的存储器,所述可执行指令在被执行时使所述处理器执行所述权利要求1~6之任一所述方法。
9.一种计算机可读存储介质,所述计算机可读存储介质存储一个或多个程序,所述一个或多个程序当被包括多个应用程序的电子设备执行时,使得所述电子设备执行所述权利要求1~6之任一所述方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210351148.4A CN114754778B (zh) | 2022-04-02 | 一种车辆定位方法以及装置、电子设备、存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210351148.4A CN114754778B (zh) | 2022-04-02 | 一种车辆定位方法以及装置、电子设备、存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114754778A CN114754778A (zh) | 2022-07-15 |
CN114754778B true CN114754778B (zh) | 2024-07-12 |
Family
ID=
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107703528A (zh) * | 2017-09-25 | 2018-02-16 | 武汉光庭科技有限公司 | 自动驾驶中结合低精度gps的视觉定位方法及系统 |
CN109945858A (zh) * | 2019-03-20 | 2019-06-28 | 浙江零跑科技有限公司 | 用于低速泊车驾驶场景的多传感融合定位方法 |
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107703528A (zh) * | 2017-09-25 | 2018-02-16 | 武汉光庭科技有限公司 | 自动驾驶中结合低精度gps的视觉定位方法及系统 |
CN109945858A (zh) * | 2019-03-20 | 2019-06-28 | 浙江零跑科技有限公司 | 用于低速泊车驾驶场景的多传感融合定位方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111508258A (zh) | 一种定位方法及装置 | |
CN114894214A (zh) | 自动驾驶车辆的融合定位方法、装置及电子设备 | |
CN114547222A (zh) | 语义地图构建方法、装置及电子设备 | |
CN115962774A (zh) | 点云地图更新方法、装置及电子设备、存储介质 | |
CN115507862A (zh) | 车道线定位方法及装置、电子设备及存储介质 | |
CN114777814A (zh) | 基于车路云的融合定位精度评估方法、装置及系统 | |
CN115205803A (zh) | 自动驾驶环境感知方法、介质及车辆 | |
CN115143952A (zh) | 基于视觉辅助的自动驾驶车辆定位方法、装置 | |
CN113804214B (zh) | 车辆定位方法、装置及电子设备、计算机可读存储介质 | |
CN115184976A (zh) | 自动驾驶车辆的定位方法、装置及电子设备、存储介质 | |
CN114966632A (zh) | 激光雷达标定方法、装置及电子设备、存储介质 | |
CN112633812B (zh) | 货运车辆的轨迹分段方法、装置、设备及存储介质 | |
US20210048819A1 (en) | Apparatus and method for determining junction | |
CN115856979B (zh) | 自动驾驶车辆的定位方法、装置及电子设备、存储介质 | |
CN113465615A (zh) | 车道线的生成方法及相关装置 | |
CN115950441B (zh) | 自动驾驶车辆的融合定位方法、装置及电子设备 | |
CN114754778B (zh) | 一种车辆定位方法以及装置、电子设备、存储介质 | |
CN115112125A (zh) | 自动驾驶车辆的定位方法、装置及电子设备、存储介质 | |
CN114910083A (zh) | 定位方法以及定位装置、电子设备、存储介质 | |
CN115031755A (zh) | 自动驾驶车辆定位方法、装置及电子设备、存储介质 | |
Ballardini et al. | An ego-lane estimation method with sensor failure modelling | |
CN114754778A (zh) | 一种车辆定位方法以及装置、电子设备、存储介质 | |
CN116027375B (zh) | 自动驾驶车辆的定位方法、装置及电子设备、存储介质 | |
CN113753038A (zh) | 一种轨迹预测方法、装置、电子设备和存储介质 | |
CN109425353B (zh) | 主辅路转移识别方法及装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant |