CN114877900A

CN114877900A - 用于隧道的自动驾驶车辆融合定位方法以及相关装置

Info

Publication number: CN114877900A
Application number: CN202210698425.9A
Authority: CN
Inventors: 费再慧; 李岩
Original assignee: Zhidao Network Technology Beijing Co Ltd
Current assignee: Zhidao Network Technology Beijing Co Ltd
Priority date: 2022-06-20
Filing date: 2022-06-20
Publication date: 2022-08-09

Abstract

本申请公开了一种用于隧道的自动驾驶车辆融合定位方法以及相关装置，其中，所述方法包括进入隧道前，获取隧道内SLAM地图数据；进入隧道后，根据所述隧道内SLAM地图数据获取激光SLAM定位信息以及视觉SLAM定位信息；确定所述激光SLAM定位信息对应的激光横向校正信息偏移参数以及所述视觉SLAM定位信息对应的视觉纵向校正信息偏移参数；根据前时刻的IMU和RTK的组合定位信息、所述视觉纵向校正信息偏移参数以及所述激光横向校正信息偏移参数，确定当前时刻的融合定位结果；根据所述当前时刻的融合定位结果，计算车辆当前位置信息。通过本申请实现隧道场景下的高精定位。

Description

用于隧道的自动驾驶车辆融合定位方法以及相关装置

技术领域

本申请涉及自动驾驶技术领域，尤其涉及一种用于隧道的自动驾驶车辆融合定位方法以及相关装置。

背景技术

自动驾驶车辆的定位技术以组合导航为主，通过一个卡尔曼滤波器，将低频率的GNSS/RTK信号和高频率的IMU信息融合，输出高频、高精度的定位信息。

相关技术中，自动驾驶融合定位方案中通常基于惯导IMU以及RTK的方案时，在隧道等工况，RTK会受到干扰或者无信号无法工作，基于MEMS IMU和RTK的无法提供高精定位信息。采用激光SLAM的定位在特征点较多的地方定位效果好，但是在开阔路段由于缺失特征，产生退化现象，定位失效，尤其是在隧道场景。在自动驾驶过程中如果单独使用上述某一特征无法实现高精定位。

发明内容

本申请实施例提供了用于隧道的自动驾驶车辆融合定位方法以及相关装置，以提供隧道场景下的高精定位。

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用于隧道的自动驾驶车辆融合定位方法，其中，所述方法包括：进入隧道前，获取隧道内SLAM地图数据；进入隧道后，根据所述隧道内SLAM地图数据获取激光SLAM定位信息以及视觉SLAM定位信息；确定所述激光SLAM定位信息对应的激光横向校正信息偏移参数以及所述视觉SLAM定位信息对应的视觉纵向校正信息偏移参数；根据前时刻的IMU和RTK的组合定位信息、所述视觉纵向校正信息偏移参数以及所述激光横向校正信息偏移参数，确定当前时刻的融合定位结果；根据所述当前时刻的融合定位结果，计算车辆当前位置信息。

第二方面，本申请实施例还提供一种用于隧道的自动驾驶车辆融合定位装置，其中，用于自动驾驶车辆，所述装置包括：地图获取模块，用于进入隧道前，获取隧道内SLAM地图数据；定位信息获取模块，用于进入隧道后，根据所述隧道内SLAM地图数据获取激光SLAM定位信息以及视觉SLAM定位信息；偏移量确定模块，用于确定所述激光SLAM定位信息对应的激光横向校正信息偏移参数以及所述视觉SLAM定位信息对应的视觉纵向校正信息偏移参数；融合定位模块，用于根据前时刻的IMU和RTK的组合定位信息、所述视觉纵向校正信息偏移参数以及所述激光横向校正信息偏移参数，确定当前时刻的融合定位结果；位置确定模块，用于根据所述当前时刻的融合定位结果，计算车辆当前位置信息。

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上述方法。

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上述方法。

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：

在进入隧道后根据所述隧道内SLAM地图数据获取激光SLAM定位信息以及视觉SLAM定位信息，之后确定所述激光SLAM定位信息对应的激光横向校正信息偏移参数以及所述视觉SLAM定位信息对应的视觉纵向校正信息偏移参数，最后，根据前时刻的IMU和RTK的组合定位信息、所述视觉纵向校正信息偏移参数以及所述激光横向校正信息偏移参数，确定当前时刻的融合定位结果。从而在隧道场景下，结合相关SLAM定位信息实现融合定位优化。

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为本申请实施例中用于隧道的自动驾驶车辆融合定位方法的流程示意图；

图2为本申请实施例中用于隧道的自动驾驶车辆融合定位装置的结构示意图；

图3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。

本申请中用于隧道的自动驾驶车辆融合定位方法，基于激光和视觉SLAM校正信息的融合定位优化，可用于隧道工况下融合定位。此外，根据根据地图SLAM数据属性，剔除激光SLAM纵向定位不准的信息并结合视觉纵向定位信息构建了新的观测信息。

此外，本申请中还优化了进入和退出机制(隧道状态2)，保证了融合定位的平滑性和稳定性。

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用于隧道的自动驾驶车辆融合定位方法，如图1所示，提供了本申请实施例中用于隧道的自动驾驶车辆融合定位方法流程示意图，所述方法至少包括如下的步骤S110至步骤S140：

步骤S110，进入隧道前，获取隧道内SLAM地图数据。

在自动驾驶车辆进入隧道之前，会提前获取隧道内SLAM地图数据。可以理解，通常SLAM地图数据量较大，无法实时或者全部在自动驾驶车辆中进行加载缓存。这些SLAM地图数据通常储存在云端。

进一步地，在进入隧道之前，还需要根据IMU和RTK的组合定位信息确定车辆的位置，并且根据车辆的位置决定向云端发送请求的时机。

步骤S120，进入隧道后，根据所述隧道内SLAM地图数据获取激光SLAM定位信息以及视觉SLAM定位信息。

在自动驾驶车辆进入隧道之后，根据云端获取的所述隧道内SLAM地图数据(高精地图数据)，获取得到所述激光SLAM定位信息、所述视觉SLAM定位信息。

需要注意的是，所述激光SLAM定位信息中的每个点云数据都有一个偏移以及对应时间戳。由于数据刷新频率的问题，通常会有70到100ms延迟。

所述视觉SLAM定位信息中的每个特征点都有一个偏移以及对应时间戳。由于数据刷新频率的问题，通常也会有70到100ms延迟。

进一步地，由于存在延迟，所以需要在两个(激光、视觉)维度上找到对应的时间戳。本领域技术人员可以根据相关技术手段实现，时间戳上的对齐，并得到目标时间戳对应缓存的位置信息。

步骤S130，确定所述激光SLAM定位信息对应的激光横向校正信息偏移参数以及所述视觉SLAM定位信息对应的视觉纵向校正信息偏移参数。

确定出所述激光SLAM定位信息对应的激光横向校正信息偏移参数，考虑到在隧道场景下激光纵向信息由于缺失特征，产生退化现象(隧道场景特征不够，产生退化)。故，得到的是激光SLAM定位信息对应的激光横向校正信息偏移参数。

确定出所述视觉SLAM定位信息对应的视觉纵向校正信息偏移参数，考虑到在隧道场景下视觉横向时候固定下来的，故，得到的是视觉SLAM定位信息对应的视觉纵向校正信息偏移参数。

需要注意的是，对于所述激光横向校正信息偏移参数是在导航坐标系(通常为东北天坐标)下的偏移量。同样地，对于所述视觉纵向校正信息偏移参数是在导航坐标系(通常为东北天坐标)下的偏移量。

此外，还需要考虑衰减因子，保证偏移量计算的平滑。

步骤S140，根据前时刻的IMU和RTK的组合定位信息、所述视觉纵向校正信息偏移参数以及所述激光横向校正信息偏移参数，确定当前时刻的融合定位结果。

由于在隧道内，为了实现融合定位，需要根据所述前时刻的IMU和RTK的组合定位信息、所述视觉纵向校正信息偏移参数以及所述激光横向校正信息偏移参数，确定出当前时刻的融合定位结果。也就是说，基于优化后的激光SLAM方法横向校正信息和SLAM视觉纵向进行融合定位。

进一步地，还需要实时判断所述IMU和RTK的组合定位信息，以确定出自动驾驶车辆是否存在已经驶出隧道的情况。

获取当前时刻time1对应的惯导RTK定位信息融合后的posx1，posy1，posz1

Posx1＝Posx+dx+dx1

Posy1＝Posy+dy+dy1

Posz1＝Posy+dz+dz1

Posx、Posy、Posy为当前位置信息

步骤S150，根据所述当前时刻的融合定位结果，计算车辆当前位置信息。

根据所述当前时刻的融合定位结果，并作为新的量测值进行卡尔曼滤波器的量测值更新，获取高精融合定位信息。

在本申请的一个实施例中，所述确定所述激光SLAM定位信息对应的激光横向校正信息偏移参数，还包括：如果第一预设时间段内未接收到激光SLAM定位信息，则将所述激光横向校正信息偏移参数置零；如果第二预设时间段内接收到激光SLAM定位信息，则根据第一衰减因子计算衰减后的激光横向校正信息偏移参数，其中所述第一预设时间段大于所述第二预设时间段的时长；以及，所述视觉SLAM定位信息对应的视觉纵向校正信息偏移参数，还包括：如果第三预设时间段内未接收到视觉SLAM定位信息，则将视觉纵向校正信息偏移参数置零；如果第四预设时间段内接收到视觉SLAM定位信息，则根据第二衰减因子计算衰减后的视觉纵向校正信息偏移参数，其中所述第三预设时间段大于所述第四预设时间段的时长。

具体实施时，在确定所述激光SLAM定位信息对应的激光横向校正信息偏移参数还包括步骤为：

如果第二预设时间段内接收到激光SLAM定位信息，则根据第一衰减因子计算衰减后的激光横向校正信息偏移参数，其中所述第二预设时间段大于所述第一预设时间段的时长。如果在一定时间仍没有获取到激光SLAM校正信息，则计算衰减后的偏移。比如，若1秒内没有获取到激光校正信息，则计算衰减后的偏移dx，dy，dz。

比如，计算雷达横向校正信息在导航坐标系(一般为东北天)下的偏移dx，dy，dz，

dx＝timex lidar posx-timex rtk posx

dy＝timex lidar posy-timex rtk posy

dz＝timex lidar posz-timex rtk posz

又比如，计算衰减因子lidar_k

比如，若1秒内没有获取到激光校正信息，则计算衰减后的偏移dx，dy，dz：

同理，计算dx1，dy1，dz1。若3秒内没有获取到激光校正信息，则计算衰减后的偏移dx，dy，dz。

如果第一预设时间段内未接收到激光SLAM定位信息，则将所述激光横向校正信息偏移参数置零。再比如，如果超过4秒没有获取到激光SLAM校正信息，则令偏移dx，dy，dz为0。同理，视觉SLAM校正信息dx1，dy1，dz1。若6秒内没有获取到视觉校正信息，则令偏移dx1，dy1，dz1为0：

需要说明的是，所述第一预设时间段、第二预设时间段以及第三预设时间段仅作为对于时间本身的描述，并不用于限定其顺序或者并未限定其执行的顺序。具体而言，确定所述激光SLAM定位信息对应的激光横向校正信息偏移参数，还包括：

如果第二预设时间段内接收到激光SLAM定位信息，则根据第一衰减因子计算衰减后的激光横向校正信息偏移参数，其中所述第一预设时间段大于所述第二预设时间段的时长，比如1秒内没有获取到激光SLAM校正信息。

如果第一预设时间段内未接收到激光SLAM定位信息，则将所述激光横向校正信息偏移参数置零。比如4秒内没有获取到激光SLAM校正信息。

如果第一预设时间段内未接收到激光SLAM定位信息，则将所述激光横向校正信息偏移参数置零。也就是说，在确定出激光横向校正信息偏移参数时，如果超过一定时间仍没有获取到激光SLAM校正信息，则置偏移为0。比如，超过4秒没有获取到激光SLAM校正信息，则令偏移dx，dy，dz为0。同理，计算dx1，dy1，dz1。

如果第二预设时间段内接收到激光SLAM定位信息，则根据第一衰减因子计算衰减后的激光横向校正信息偏移参数，其中所述第二预设时间段大于所述第一预设时间段的时长。如果在一定时间仍没有获取到激光SLAM校正信息，则计算衰减后的偏移。比如，若1秒内没有获取到激光校正信息，则计算衰减后的偏移dx，dy，dz。同理，计算dx1，dy1，dz1。

dx＝timex lidar posx-timex rtk posx

dy＝timex lidar posy-timex rtk posy

dz＝timex lidar posz-timex rtk posz

又比如，计算衰减因子lidar_k

lidar_k[0]＝dx()/100.0；

lidar_k[1]＝dy()/100.0；

lidar_k[2]＝dy()/100.0；

如果第三预设时间段内未接收到视觉SLAM定位信息，则将视觉纵向校正信息偏移参数置零。如果第四预设时间段内接收到视觉SLAM定位信息，则根据第二衰减因子计算衰减后的视觉纵向校正信息偏移参数，其中所述第三预设时间段大于所述第四预设时间段的时长。与激光SLAM横向校正信息的激光横向校正信息偏移参数同理计算。

需要注意的是，上述计算过程是实时且并行进行的。

在本申请的一个实施例中，所述根据前时刻的IMU和RTK的组合定位信息、所述视觉纵向校正信息偏移参数以及所述激光横向校正信息偏移参数，确定当前时刻的融合定位结果之前，还包括：基于所述隧道内SLAM地图数据，获取所述激光SLAM定位信息中的横向偏移量信息以及每个所述横向偏移量对应的时间戳信息；基于所述隧道内SLAM地图数据，获取所述视觉SLAM定位信息中的纵向偏移量信息以及每个所述纵向偏移量对应的时间戳信息；遍历一个预设时间周期内缓存的车辆位置信息的时间戳，当所述车辆位置信息的时间戳与所述纵向或横向偏移量对应的时间戳信息的误差满足预设条件的情况下，确定当前时刻的目标时间戳对应缓存的车辆位置信息，其中所述车辆位置是根据所述IMU和RTK的组合定位信息得到的。

具体实施时，通过遍历一个预设时间周期内缓存的车辆位置信息的时间戳，当所述车辆位置信息的时间戳与所述纵向或横向偏移量对应的时间戳信息的误差满足预设条件的情况下，确定当前时刻的目标时间戳对应缓存的车辆位置信息。为了确定出目标时间戳，可以遍历1s内缓存的时间戳time，SLAM时间戳time0，当绝对值|time-time0|<0.005s时，记录当前的timex对应缓存的位置信息。

在本申请的一个实施例中，所述根据所述当前时刻的融合定位结果，计算车辆当前位置信息，还包括：根据所述当前时刻的融合定位结果中的GPS卫星数以及差分信息定位状态，判断自动驾驶车辆是否使用IMU和RTK的组合定位信息。

具体实施时，为了判断是否还在隧道里，还需要具体根据所述当前时刻的融合定位结果中的GPS卫星数以及差分信息定位状态，判断当前自动驾驶车辆是否可使用IMU和RTK的组合定位信息进行高精位置定位。

即通过判断GPS卫星数是否大于20且差分状态为42(即差分信号良好且可用于高精位置定位)，是则启动传感器计数lidar_num_cnt。

如果传感器计数lidar_num_cnt>300，则令激光横向偏移dx，dy，dz为0，视觉纵向偏移dx1，dy1，dz1为0。否则不变，不进行SLAM偏移量校正，使用原始的正常SLAM定位信息。

在本申请的一个实施例中，还包括：在进入隧道前，通过云端获取隧道内SLAM地图数据；以及进入隧道后，根据所述隧道内SLAM地图数据以及实时采集得到点云数据获取激光SLAM定位信息；根据所述隧道内SLAM地图数据以及实时识别出道路标识信息时，得到所述视觉SLAM定位信息。

具体实施时，在进入所述隧道后，通过双端队列实时缓存一个预设时长内通过IMU和RTK的组合定位得到的所述自动驾驶车辆的高精定位信息。可以理解，所述预设时长可以是1秒内的定位信息。此时，由于数据刷新频率为100hz，对应得到100个定位点信息。即过deque双端队列实时缓存1s自动驾驶车辆的定位信息(UTM/wgs84坐标及对应时间戳)。

需要注意的是，这里的定位信息即IMU和RTK的组合定位信息。

在本申请的一个实施例中，所述进入隧道后，根据所述隧道内SLAM地图数据获取激光SLAM定位信息以及视觉SLAM定位信息，包括：进入所述隧道后，通过双端队列实时缓存一个预设时长内通过IMU和RTK的组合定位得到的所述自动驾驶车辆的高精定位信息；基于所述隧道内SLAM地图数据，获取所述激光SLAM定位信息以及视觉SLAM定位信息，其中所述激光SLAM定位信息相对于所述一个预设时长具有预设延迟时间，所述视觉SLAM定位信息所述一个预设时长内具有预设延迟时间；根据当前隧道工况信息将所述激光SLAM定位信息转换为东北天直角坐标系下，其中所述激光SLAM在车体横向信息上的初始值为0。

具体实施时，在进入所述隧道后，通过双端队列实时缓存一个预设时长内通过IMU和RTK的组合定位得到的所述自动驾驶车辆的高精定位信息，然后，基于所述隧道内SLAM地图数据，获取所述激光SLAM定位信息以及视觉SLAM定位信息，之后根据当前隧道工况信息将所述激光SLAM定位信息转换为东北天直角坐标系下。

获取激光定位状态，若为“2(隧道)”，则令激光SLAM车体横向信息为0，比如，车体坐标系下xyz(前左上)，令y＝0。根据转换关系，将激光xyz信息转换成东北天坐标系下。同理，可以得到视觉定位状态。

在本申请的一个实施例中，所述进入隧道前，获取隧道内SLAM地图数据，之前还包括：预先对所述隧道建立隧道内SLAM地图数据并上传至云端，其中所述隧道内SLAM地图数据标记状态为隧道状态；根据IMU和RTK的组合定位信息，在进入隧道前向所述云端发送地图获取请求，其中所述地图获取请求中携带有所述隧道状态；根据接收到的所述云端下发的所述隧道内SLAM地图数据对自动驾驶车辆进行定位，并将所述隧道状态同步至所述云端。

具体实施时，为了降低自动驾驶车辆中的内存占用率。预先对所述隧道建立隧道内SLAM地图数据并上传至云端，再根据IMU和RTK的组合定位信息，在进入隧道前向所述云端发送地图获取请求，最后，根据接收到的所述云端下发的所述隧道内SLAM地图数据对自动驾驶车辆进行定位，并将所述隧道状态同步至所述云端。

需要注意的是，所述隧道内SLAM地图数据标记状态为隧道状态，所述地图获取请求中携带有所述隧道状态。

使用惯导IMU以及RTK定位信息作为先验因子，结合激光SLAM因子，进行因子图优化，从而进行SLAM隧道建图。同时，需要对该地图进行标记，标记属性为“2(隧道)”。

进入隧道前，差分状态为42时(RTK差分状态良好)获取定位信息，将上述信息发送云端，云端发送对应隧道SLAM地图给车端(仅隧道的一部分SLAM地图数据)。

进入隧道车端进行SLAM定位，实时发送车体坐标系下的定位信息给融合定位节点，并发送状态“2(隧道)”。

在本申请的一个实施例中，优选地，针对当前自动驾驶车辆在高速行驶的场景下，为了进一步提高自动驾驶车辆在以高速行驶的情况下的定位效果，可以对一段时间内得到的多帧激光/视觉校正信息进行拟合处理，可以获取至少连续5帧激光/视觉校正信息，然后对这至少5帧激光/视觉校正信息进行拟合处理，得到拟合方程，最后利用该拟合方程预测出当前时刻的激光/视觉校正信息，从而可以弥补自动驾驶车辆在高速行驶情况下而带来的激光/视觉校正信息的误差的问题。

本申请实施例还提供了用于隧道的自动驾驶车辆融合定位装置200，如图2所示，提供了本申请实施例中用于隧道的自动驾驶车辆融合定位装置的结构示意图，所述用于隧道的自动驾驶车辆融合定位装置200至少包括：地图获取模块210、定位信息获取模块220、偏移量确定模块230、融合定位模块240以及位置确定模块250，其中：

地图获取模块210，用于进入隧道前，获取隧道内SLAM地图数据；

定位信息获取模块220，用于进入隧道后，根据所述隧道内SLAM地图数据获取激光SLAM定位信息以及视觉SLAM定位信息；

偏移量确定模块230，用于确定所述激光SLAM定位信息对应的激光横向校正信息偏移参数以及所述视觉SLAM定位信息对应的视觉纵向校正信息偏移参数；

融合定位模块240，用于根据前时刻的IMU和RTK的组合定位信息、所述视觉纵向校正信息偏移参数以及所述激光横向校正信息偏移参数，确定当前时刻的融合定位结果；

位置确定模块250，用于根据所述当前时刻的融合定位结果，计算车辆当前位置信息。

在本申请的一个实施例中，所述地图获取模块210具体用于：

在本申请的一个实施例中，所述地图获取模块210具体用于：在自动驾驶车辆进入隧道之前，会提前获取隧道内SLAM地图数据。可以理解，通常SLAM地图数据较大，无法实时或者全部在自动驾驶车辆中进行加载。这些SLAM地图数据通常储存在云端。

在本申请的一个实施例中，所述定位信息获取模块220具体用于：在自动驾驶车辆进入隧道之后，根据云端获取的所述隧道内SLAM地图数据(高精地图数据)，获取得到所述激光SLAM定位信息、所述视觉SLAM定位信息。

在本申请的一个实施例中，所述偏移量确定模块230具体用于：确定出所述激光SLAM定位信息对应的激光横向校正信息偏移参数，考虑到在隧道场景下激光纵向信息由于缺失特征，产生退化现象。故，得到的是激光SLAM定位信息对应的激光横向校正信息偏移参数。

此外，还需要考虑衰减因子，保证偏移量计算的平滑。

在本申请的一个实施例中，所述融合定位模块240具体用于：由于在隧道内，为了实现融合定位，需要根据所述前时刻的IMU和RTK的组合定位信息、所述视觉纵向校正信息偏移参数以及所述激光横向校正信息偏移参数，确定出当前时刻的融合定位结果。也就是说，基于优化后的激光SLAM方法横向校正信息和SLAM视觉纵向进行融合定位。

获取当前时刻time1对应的惯导RTK定位信息融合后的posx1，posy1，posz1，

Posx1＝Posx+dx+dx1

Posy1＝Posy+dy+dy1

Posz1＝Posy+dz+dz1

Posx、Posy、Posy为当前位置信息

在本申请的一个实施例中，所述位置确定模块250具体用于：根据所述当前时刻的融合定位结果，并作为新的量测值进行卡尔曼滤波器的量测值更新，获取高精融合定位信息。

能够理解，上述用于隧道的自动驾驶车辆融合定位装置，能够实现前述实施例中提供的用于隧道的自动驾驶车辆融合定位方法的各个步骤，关于用于隧道的自动驾驶车辆融合定位方法的相关阐释均适用于隧道的自动驾驶车辆融合定位装置，此处不再赘述。

图3是本申请的一个实施例电子设备的结构示意图。请参考图3，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 Standard Architecture，工业标准体系结构)总线、PCI(PeripheralComponent Interconnect，外设部件互连标准)总线或EISA(Extended Industry StandardArchitecture，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3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，在逻辑层面上形成用于隧道的自动驾驶车辆融合定位装置。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：

进入隧道前，获取隧道内SLAM地图数据；

进入隧道后，根据所述隧道内SLAM地图数据获取激光SLAM定位信息以及视觉SLAM定位信息；

确定所述激光SLAM定位信息对应的激光横向校正信息偏移参数以及所述视觉SLAM定位信息对应的视觉纵向校正信息偏移参数；

根据前时刻的IMU和RTK的组合定位信息、所述视觉纵向校正信息偏移参数以及所述激光横向校正信息偏移参数，确定当前时刻的融合定位结果；

根据所述当前时刻的融合定位结果，计算车辆当前位置信息。

上述如本申请图1所示实施例揭示的用于隧道的自动驾驶车辆融合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(CentralProcessing Unit，CPU)、网络处理器(Network Processor，NP)等；还可以是数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific IntegratedCircuit，ASIC)、现场可编程门阵列(Field－Programmable Gate Array，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中用于隧道的自动驾驶车辆融合定位装置执行的方法，并实现用于隧道的自动驾驶车辆融合定位装置在图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所示实施例中用于隧道的自动驾驶车辆融合定位装置执行的方法，并具体用于执行：

进入隧道前，获取隧道内SLAM地图数据；

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(transitory media)，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

1.一种用于隧道的自动驾驶车辆融合定位方法，其中，所述方法包括：

进入隧道前，获取隧道内SLAM地图数据；

2.如权利要求1所述方法，其中，所述确定所述激光SLAM定位信息对应的激光横向校正信息偏移参数，还包括：

如果第一预设时间段内未接收到激光SLAM定位信息，则将所述激光横向校正信息偏移参数置零；

如果第二预设时间段内接收到激光SLAM定位信息，则根据第一衰减因子计算衰减后的激光横向校正信息偏移参数，其中所述第一预设时间段大于所述第二预设时间段的时长；

以及，所述视觉SLAM定位信息对应的视觉纵向校正信息偏移参数，还包括：

如果第三预设时间段内未接收到视觉SLAM定位信息，则将视觉纵向校正信息偏移参数置零；

如果第四预设时间段内接收到视觉SLAM定位信息，则根据第二衰减因子计算衰减后的视觉纵向校正信息偏移参数，其中所述第三预设时间段大于所述第四预设时间段的时长。

3.如权利要求1所述方法，其中，所述根据前时刻的IMU和RTK的组合定位信息、所述视觉纵向校正信息偏移参数以及所述激光横向校正信息偏移参数，确定当前时刻的融合定位结果之前，还包括：

基于所述隧道内SLAM地图数据，获取所述激光SLAM定位信息中的横向偏移量信息以及每个所述横向偏移量对应的时间戳信息；

基于所述隧道内SLAM地图数据，获取所述视觉SLAM定位信息中的纵向偏移量信息以及每个所述纵向偏移量对应的时间戳信息；

遍历一个预设时间周期内缓存的车辆位置信息的时间戳，当所述车辆位置信息的时间戳与所述纵向或横向偏移量对应的时间戳信息的误差满足预设条件的情况下，确定当前时刻的目标时间戳对应缓存的车辆位置信息，其中所述车辆位置是根据所述IMU和RTK的组合定位信息得到的。

4.如权利要求1所述方法，其中，所述根据所述当前时刻的融合定位结果，计算车辆当前位置信息，还包括：

根据所述当前时刻的融合定位结果中的GPS卫星数以及差分信息定位状态，判断自动驾驶车辆是否使用IMU和RTK的组合定位信息。

5.如权利要求1所述方法，其中，还包括：在进入隧道前，通过云端获取隧道内SLAM地图数据；

以及进入隧道后，根据所述隧道内SLAM地图数据以及实时采集得到点云数据获取激光SLAM定位信息；根据所述隧道内SLAM地图数据以及实时识别出道路标识信息时，得到所述视觉SLAM定位信息。

6.如权利要求1所述方法，其中，所述进入隧道后，根据所述隧道内SLAM地图数据获取激光SLAM定位信息以及视觉SLAM定位信息，包括：

进入所述隧道后，通过双端队列实时缓存一个预设时长内通过IMU和RTK的组合定位得到的所述自动驾驶车辆的高精定位信息；

基于所述隧道内SLAM地图数据，获取所述激光SLAM定位信息以及视觉SLAM定位信息，其中所述激光SLAM定位信息相对于所述一个预设时长具有预设延迟时间，所述视觉SLAM定位信息所述一个预设时长内具有预设延迟时间；

根据当前隧道工况信息将所述激光SLAM定位信息转换为东北天直角坐标系下，其中所述激光SLAM在车体横向信息上的初始值为0。

7.如权利要求1所述方法，其中，所述进入隧道前，获取隧道内SLAM地图数据，之前还包括：

预先对所述隧道建立隧道内SLAM地图数据并上传至云端，其中所述隧道内SLAM地图数据标记状态为隧道状态；

根据IMU和RTK的组合定位信息，在进入隧道前向所述云端发送地图获取请求，其中所述地图获取请求中携带有所述隧道状态；

根据接收到的所述云端下发的所述隧道内SLAM地图数据对自动驾驶车辆进行定位，并将所述隧道状态同步至所述云端。

8.一种用于隧道的自动驾驶车辆融合定位装置，其中，用于自动驾驶车辆，所述装置包括：

地图获取模块，用于进入隧道前，获取隧道内SLAM地图数据；

定位信息获取模块，用于进入隧道后，根据所述隧道内SLAM地图数据获取激光SLAM定位信息以及视觉SLAM定位信息；

偏移量确定模块，用于确定所述激光SLAM定位信息对应的激光横向校正信息偏移参数以及所述视觉SLAM定位信息对应的视觉纵向校正信息偏移参数；

融合定位模块，用于根据前时刻的IMU和RTK的组合定位信息、所述视觉纵向校正信息偏移参数以及所述激光横向校正信息偏移参数，确定当前时刻的融合定位结果；

位置确定模块，用于根据所述当前时刻的融合定位结果，计算车辆当前位置信息。

9.一种电子设备，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1～7之任一所述方法。

10.一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1～7之任一所述方法。