CN115451976A - 一种高精度定位方法、装置和设备 - Google Patents
一种高精度定位方法、装置和设备 Download PDFInfo
- Publication number
- CN115451976A CN115451976A CN202211129590.9A CN202211129590A CN115451976A CN 115451976 A CN115451976 A CN 115451976A CN 202211129590 A CN202211129590 A CN 202211129590A CN 115451976 A CN115451976 A CN 115451976A
- Authority
- CN
- China
- Prior art keywords
- data
- positioning data
- virtual scene
- precision
- virtual
- 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.)
- Granted
Links
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
- G01C21/26—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
- G01C11/00—Photogrammetry or videogrammetry, e.g. stereogrammetry; Photographic surveying
-
- 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
- G01S19/485—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 whereby the further system is an optical system or imaging system
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D30/00—Reducing energy consumption in communication networks
- Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks
Abstract
本申请涉及一种高精度定位方法、装置和设备,其方法包括:获取初始定位数据;获取移动端摄像头采集的现实场景;获取虚拟场景模型;获取网络差分数据,并根据网络差分数据的解状态判断网络差分数据接收是否存在延迟;若不存在延迟,则基于初始定位数据和网络差分数据,得到高精度定位数据;若存在延迟,则根据现实场景以及初始定位数据,利用基于虚拟场景模型的视觉定位技术,得到高精度定位数据。有效地解决了电子设备位于道路两侧树较多或者高楼林立的区域时,定位数据不准确的问题,以视觉定位的方式提高了定位数据的精准度。
Description
技术领域
本申请涉及车辆导航的技术领域,尤其是涉及一种高精度定位方法、装置和设备。
背景技术
随着社会的发展和技术的进步,基于全球定位系统(Global PositioningSystem,GPS)的导航装置已经成为一个发展趋势。相关技术中的移动端导航工具,能够实现城市内的车道级导航,并将道路及其周边建筑以三维模型方式呈现。
然而,当车辆行驶在道路两侧树木较多或高楼林立的区域时,移动端卫星信号较弱,且接收网络差分数据存在延迟,导致得到的定位数据不准确,较大地影响了用户的导航体验。
因而,如何提供一种解决上述技术问题的方案是本领域技术人员目前需要解决的问题。
发明内容
本申请的目的是提供一种高精度定位方法、装置和设备,用于解决以上至少一项技术问题。
本申请的上述发明目的是通过以下技术方案得以实现的:
第一方面,本申请提供一种高精度定位方法,采用如下的技术方案:
一种高精度定位方法,所述方法包括:
获取初始定位数据,其中,所述初始定位数据用于实现移动端设备粗定位,所述移动端设备设置在车辆上;
获取移动端摄像头采集的现实场景;
获取虚拟场景模型,其中,所述虚拟场景模型是根据车载移动测量设备预先采集的周围环境数据构建的虚拟场景模型;
获取网络差分数据,并根据所述网络差分数据的解状态判断网络差分数据接收是否存在延迟;若不存在延迟,则基于所述初始定位数据和所述网络差分数据,得到高精度定位数据;
若存在延迟,则根据所述现实场景以及所述初始定位数据,利用基于虚拟场景模型的视觉定位技术,得到高精度定位数据。
通过采用上述技术方案,当网络差分数据接收是否存在延迟时,基于初始定位数据以及网络差分数据并不能得到高精度定位数据,根据摄像头采集的现实场景与初始定位数据,利用基于虚拟场景模型的视觉定位技术,能够得到高精度定位数据,有效地解决了电子设备位于道路两侧树较多或者高楼林立的区域时,定位数据不准确的问题,以视觉定位的方式提高了定位数据的精准度。
本申请在一较佳示例中可以进一步配置为:所述得到高精度定位数据之后,还包括:基于所述高精度定位数据,获取与所述高精度定位数据对应的虚拟场景;其中,虚拟场景为虚拟场景模型中与高精度定位数据对应的部分图像;
叠加所述高精度定位数据对应的虚拟场景以及所述现实场景,得到增强现实场景并显示在移动端界面。
通过采用上述技术方案,叠加虚拟场景以及现实场景,得到增强现实场景并显示在移动端界面,利用增强现实的方式能够增加导航使用者的沉浸感。
本申请在一较佳示例中可以进一步配置为:所述根据所述现实场景以及所述初始定位数据,利用基于虚拟场景模型的视觉定位技术,得到高精度定位数据,包括:
根据所述初始定位数据,从虚拟场景模型中确定多个候选虚拟场景;
将所述现实场景与多个所述候选虚拟场景进行特征匹配,得到匹配结果;
根据所述匹配结果,得到高精度定位数据。
通过采用上述技术方案,根据不精确的初始定位数据,在虚拟场景模型中选取多个虚拟场景,作为候选虚拟场景,并将现实场景与多个候选虚拟场景进行特征匹配,以得到高精度定位数据。利用基于虚拟场景模型的视觉定位技术,能够有效地提高定位数据的精度。
本申请在一较佳示例中可以进一步配置为:所述根据所述初始定位数据,从虚拟场景模型中确定多个候选虚拟场景,包括:
根据所述初始定位数据,在虚拟场景模型中确定与所述初始定位数据对应的虚拟场景;
将与所述初始定位数据对应的虚拟场景临近的多个虚拟场景,作为多个候选虚拟场景;
或,
基于所述初始定位数据和所述网络差分数据,得到延迟定位数据;
根据所述延迟定位数据,在虚拟场景模型中确定与所述延迟定位数据对应的虚拟场景;
将所述延迟定位数据对应的虚拟场景临近的多个虚拟场景,作为多个候选虚拟场景。
通过采用上述技术方案,既可以根据初始定位数据从虚拟场景模型中确定多个候选虚拟场景,还可以通过基于初始定位数据和网络差分数据得到的延迟定位数据,从虚拟场景模型中确定多个候选虚拟场景,以使确定候选虚拟场景的方式多样化。
本申请在一较佳示例中可以进一步配置为:所述将所述延迟定位数据对应的虚拟场景临近的多个虚拟场景,作为多个候选虚拟场景,包括:
根据所述网络差分数据的解状态类型,确定所述延迟定位数据的精度数据;
利用预设精度数据与选取数量的对应关系,确定与精度数据对应的虚拟场景选取数量;
根据所述虚拟场景选取数量,以延迟定位数据对应的虚拟场景为中心,确定所述虚拟场景选取数量的虚拟场景,作为多个候选虚拟场景。
通过采用上述技术方案,基于网络差分数据的解状态类型确定精度数据,并基于精度数据确定虚拟场景选取数量,根据虚拟场景选取数量以及延迟定位数据对应的虚拟场景,确定候选虚拟场景。利用这种方式,缩小了现实场景与虚拟场景特征匹配的范围,提高了视觉定位的效率。
本申请在一较佳示例中可以进一步配置为:所述基于所述高精度定位数据,获取与所述高精度定位数据对应的虚拟场景,包括:
利用空间直角坐标与大地坐标的转换关系,将所述高精度定位数据转换为在空间直角坐标系中的高精度空间定位数据;
根据所述高精度空间定位数据,在所述虚拟场景模型中确定与所述高精度空间定位数据对应的虚拟场景;
获取移动端的姿态数据,基于所述姿态数据调整与所述高精度空间定位数据对应的虚拟场景。
通过采用上述技术方案,将高精度定位数据转换为在空间直角坐标系中的高精度空间定位数据,并在虚拟场景模型中确定与所述高精度空间定位数据对应的虚拟场景。利用空间直角坐标与大地坐标的转换关系,能够将大地坐标系中的高精度定位数据转化成到与虚拟场景模型相同的空间直角坐标系下,将高精度定位数据与虚拟场景模型中的数据建立联系。
本申请在一较佳示例中可以进一步配置为:虚拟场景模型的构建方式,包括:
获取车载移动测量设备预先采集的行驶轨迹的周围环境数据,其中,所述周围环境数据包括:
点云数据以及影像数据;
基于所述周围环境数据,提取多种类型的道路要素信息,其中,每种类型的道路要素信息包括多个要素对象信息;
基于所有道路要素信息,构建虚拟场景模型。
通过采用上述技术方案,根据行驶轨迹周围的环境数据,提取出多种道路要素信息,并基于所有道路要素信息,构建虚拟场景模型,利用这种方式能够使得虚拟场景模型中的定位数据准确度较高。
本申请在一较佳示例中可以进一步配置为:所述基于所述周围环境数据,提取多种类型的道路要素信息之后,还包括:
在移动端界面分类加载各道路要素信息;
当接收到对任一道路要素信息的管理信息,基于所述管理信息对相应的道路要素信息进行修改,得到修改后的道路要素信息;其中,修改后的道路要素信息用于构建虚拟场景模型。
通过采用上述技术方案,分类加载每类道路要素信息以及对每一类道路要素信息对应的每一要素对象进行管理,以使得到的道路要素信息更加精准切合实际。
第二方面,本申请提供一种高精度定位装置,采用如下的技术方案:
一种高精度定位装置,包括,
第一获取模块,用于获取初始定位数据,其中,所述初始定位数据用于实现移动端粗定位;第二获取模块,用于获取移动端摄像头采集的现实场景;
第三获取模块,用于获取虚拟场景模型,其中,所述虚拟场景模型是根据车载移动测量设备预先采集的周围环境数据构建的虚拟场景模型;
高精度定位模块,用于获取网络差分数据,并根据所述网络差分数据的解状态判断网络差分数据接收是否存在延迟;若不存在延迟,则基于初始定位数据和网络差分数据,得到高精度定位数据;若存在延迟,则根据所述现实场景以及所述初始定位数据,利用基于虚拟场景模型的视觉定位技术,得到高精度定位数据。
通过采用上述技术方案,当网络差分数据接收是否存在延迟时,基于初始定位数据以及网络差分数据并不能得到高精度定位数据,根据摄像头采集的现实场景与初始定位数据,利用基于虚拟场景模型的视觉定位技术,能够得到高精度定位数据,有效地解决了电子设备位于道路两侧树较多或者高楼林立的区域时,定位数据不准确的问题,以视觉定位的方式提高了定位数据的精准度。
第三方面,本申请提供一种电子设备,采用如下的技术方案:
至少一个处理器;
存储器;
至少一个应用程序,其中至少一个应用程序被存储在存储器中并被配置为由至少一个处理器执行,所述至少一个应用程序配置用于:执行上述的方法。
通过采用上述技术方案,当网络差分数据接收是否存在延迟时,基于初始定位数据以及网络差分数据并不能得到高精度定位数据,根据摄像头采集的现实场景与初始定位数据,利用基于虚拟场景模型的视觉定位技术,能够得到高精度定位数据,有效地解决了电子设备位于道路两侧树较多或者高楼林立的区域时,定位数据不准确的问题,以视觉定位的方式提高了定位数据的精准度。
第四方面,本申请提供一种计算机可读存储介质,采用如下的技术方案:
一种计算机可读存储介质,其上存储有计算机程序,当所述计算机程序在计算机中执行时,令所述计算机执行上所述的方法。
通过采用上述技术方案,当网络差分数据接收是否存在延迟时,基于初始定位数据以及网络差分数据并不能得到高精度定位数据,根据摄像头采集的现实场景与初始定位数据,利用基于虚拟场景模型的视觉定位技术,能够得到高精度定位数据,有效地解决了电子设备位于道路两侧树较多或者高楼林立的区域时,定位数据不准确的问题,以视觉定位的方式提高了定位数据的精准度。
综上所述,本申请包括以下至少一种有益技术效果:
1.当网络差分数据接收是否存在延迟时,基于初始定位数据以及网络差分数据并不能得到高精度定位数据,根据摄像头采集的现实场景与初始定位数据,利用基于虚拟场景模型的视觉定位技术,能够得到高精度定位数据,有效地解决了电子设备位于道路两侧树较多或者高楼林立的区域时,定位数据不准确的问题,以视觉定位的方式提高了定位数据的精准度。
2.叠加虚拟场景以及现实场景,得到增强现实场景并显示在移动端界面,利用增强现实的方式能够增加导航使用者的沉浸感。
附图说明
图1是本申请其中一实施例的一种高精度定位方法的流程示意图。
图2是本申请其中一实施例的一种高精度定位装置的结构示意图。
图3是本申请其中一实施例的一种电子设备的结构示意图。
具体实施方式
以下结合附图1至附图3对本申请作进一步详细说明。
本具体实施例仅仅是对本申请的解释,其并不是对本申请的限制,本领域技术人员在阅读完本说明书后可以根据需要对本实施例做出没有创造性贡献的修改,但只要在本申请的范围内都受到专利法的保护。
为使本申请实施例的目的、技术方案和优点更加清楚,下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有作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。
另外,本文中术语“和/或”,仅仅是一种描述关联对象的关联关系,表示可以存在三种关系,例如,A和/或B,可以表示:单独存在A,同时存在A和B,单独存在B这三种情况。另外,本文中字符“/”,如无特殊说明,一般表示前后关联对象是一种“或”的关系。
下面结合说明书附图对本申请实施例作进一步详细描述。
随着社会的发展和技术的进步,基于全球定位系统的导航装置已经成为一个发展趋势,然而,发明人发现,相关技术中,当车辆行驶在道路两侧树木较多或高楼林立的区域时,移动端卫星信号较弱,且接收网络差分数据存在延迟,导致得到的定位数据不准确,较大地影响了用户的导航体验。因而,提供一种当车辆行驶在道路两侧树木较多或高楼林立的区域时,仍然能够得到高精度定位数据是本领域技术人员亟待解决的技术问题。
为了解决上述问题,本申请实施例提供了一种高精度定位系统,高精度定位系统包括移动端设备、服务器以及车载移动测量设备。具体的,移动端设备位于行驶的车辆上,移动端设备能够基于移动端摄像头实时采集的现实场景、基于GNSS模块获取初始定位数据并在移动端界面上显示实时导航场景即增强现实场景;服务器用于存储网络差分数据;车载移动测量设备用于预先采集的周围环境数据,其中,可以是车载移动测量设备基于周围环境数据构建虚拟场景模型,还可以是移动端设备基于周围环境数据构建虚拟场景模型,本申请实施例不再进行限定,只要是能够实现本申请实施例的目的即可。
具体的,本申请实施例提供了一种高精度定位方法,由电子设备执行,如图1所示,该方法包括步骤S101、步骤S102、步骤S103、步骤S104、步骤S105和步骤S106,其中:步骤S101:获取初始定位数据,其中,初始定位数据用于实现移动端设备粗定位,移动端设备设置在车辆上;
对于本申请实施例,在车辆行驶过程中,电子设备可以通过定位模块获取车辆的实时的初始定位数据,定位模块可以是GNSS(Global Navigation Satellite System,全球导航卫星系统定位)模块,且GNSS模块可以采用载波相位差分技术进行定位。进一步的,为了保证初始定位数据的质量,通过定位模块获取初始定位数据可以包括:电子设备利用GNSS模块先接收卫星信号,并检测卫星信号质量是否满足卫星信号质量标准,若满足卫星信号质量标准,则利用载波相位差分技术对卫星信号进行解算,获得初始定位数据,其中,卫星信号质量标准可根据实际需求设置。可以理解的是,定位模块在获取初始定位数据的过程中,卫星信号在遇到建筑物或者丛林遮挡等环境因素干扰时会发生失锁,然而,卫星信号失锁通常会影响到初始定位数据的精度,因而,获取到的初始定位数据仅能用于实现移动端粗定位。
步骤S102:获取移动端摄像头采集的现实场景;
对于本申请实施例,在导航过程中,移动端设备可以放置在行驶车辆的仪表盘上,伴随着车辆的行驶移动端也随之运动。利用移动端设备的摄像头实时采集现实场景,采集的现实场景为车辆前方的场景。
步骤S103:获取虚拟场景模型,其中,虚拟场景模型是根据车载移动测量设备预先采集的周围环境数据构建的虚拟场景模型;
对于本申请实施例,一种获取虚拟场景模型的方式可以包括:获取车载移动测量设备发送的虚拟场景模型,其中,虚拟场景模型为车辆移动测量设备基于预先采集的周围环境数据构建的。另一种获取虚拟场景模型的方式可以包括:获取车辆移动测量设备发送的预先采集的周围环境数据,基于周围环境数据构建虚拟场景模型。值得注意的是,由于采集的周围环境数据均为高精度数据,因而,构建的虚拟场景模型也为高精度的模型。
可以理解的是,本申请实施例中,构建的虚拟场景模型不仅能够包括当前车辆行驶路段的虚拟场景模型,还可以包括其他行驶路段的虚拟场景模型。
步骤S104:获取网络差分数据,并根据网络差分数据的解状态判断网络差分数据接收是否存在延迟;
在本申请实施例中,可以通过连接千寻服务器来获取网络差分数据,具体电子设备可以与服务器通过UWB(Ultra Wide Band,超宽带)、电台、wifi等方式获取网络差分数据。
具体的,差分基准站将网络差分数据传输到服务器,而后,电子设备从服务器中获取网络差分数据。优选的,网络差分数据以广播信号的形式从基准站发出,相应的,服务器通过广播信号的方式接收到网络差分数据。
在获得到网络差分数据后,网络差分数据的解状态包括:单点解、浮点解、差分解以及固定解,进而,能够基于网络差分数据的解状态判断网络差分数据接收是否有延迟,具体的,可以包括:当网络差分数据的类型为浮点解或固定解时,其定位精度较高,能够满足高精度定位的需求,确定网络差分数据接收并未发生延迟;当网络差分数据的类型为单点解或差分解时,定位精度较差,确定网络差分数据接收发生延迟。
根据网络差分数据的解状态判断网络差分数据接收是否有延迟,能够确定当前车辆是否位于道路两侧树较多或者高楼林立的区域;具体的,当存在延迟时,当前车辆可能位于道路两侧较为封闭的区域,能够利用基于虚拟场景模型的视觉定位技术,进行精确定位,相较于相关技术能够提高定位数据的精度。
步骤S105:若不存在延迟,则基于初始定位数据和网络差分数据,得到高精度定位数据;
本申请实施例中,若网络差分数据接收没有延迟,则对获取到的网络差分数据进行解析,得到网络差分数据对应的差分改正信息,其中,差分改正信息包括:位置改正数、伪距改正数、相位改正数等,基于差分改正信息对初始定位数据进行修正,得到高精度定位数据,以使的定位更加准确。
步骤S106:若存在延迟,则根据现实场景,利用基于虚拟场景模型的视觉定位技术,得到高精度定位数据。
本申请实施例中,当车辆位于道路两侧树较多或者高楼林立的区域时,位于车辆上的移动端设备获得到的卫星信号较弱,与此同时接收网络差分数据也会存在延时,因而不能得到高精度定位数据。因而,当网络差分数据接收存在延迟时,可以根据移动端摄像头拍摄的现实场景与虚拟场景模型中的各帧虚拟场景进行特征匹配,将匹配度最高的虚拟场景作为特征匹配的结果,并将匹配度最高的虚拟场景对应的位置作为高精度定位数据。
具体的,根据移动端摄像头拍摄的现实场景与虚拟场景模型中的各帧虚拟场景进行特征匹配可以包括:根据初始定位数据,在虚拟场景模型中确定与初始定位数据对应的虚拟场景;将与初始定位数据对应的虚拟场景之后的多个虚拟场景依次与移动端摄像头拍摄的现实场景进行匹配,确定多个匹配结果;将匹配结果中匹配值最高的虚拟场景的位置作为高精度定位数据。可以理解的是,进行匹配的虚拟场景的姿态应与现实场景的姿态相似或相同,以能够得到准确的匹配结果,其中,初始定位数据对应的虚拟场景之后的多个虚拟场景可以为与初始定位数据对应的虚拟场景临近的多个虚拟场景,或,基于初始定位数据和网络差分数据,得到的延迟定位数据对应的虚拟场景临近的多个虚拟场景。具体的,进行匹配时可以分别提取现实场景与虚拟场景的特征(点、线、面等形式的特征),然后基于提取出的特征分别对现实场景和虚拟场景进行参数描述,再根据现实场景与虚拟场景分别对应的参数描述进行匹配,得到匹配结果,其中匹配结果表征相似程度。由于在构建虚拟场景模型时所用的定位数据以及影像数据都是精确的,因而,虚拟场景模型中的数据均为高精度数据,基于摄像头拍摄的现实场景与各虚拟场景进行匹配,则能够得到高精度定位数据。
可见,在本申请实施例中,当网络差分数据接收是否存在延迟时,基于初始定位数据以及网络差分数据并不能得到高精度定位数据,根据摄像头采集的现实场景与初始定位数据,利用基于虚拟场景模型的视觉定位技术,能够得到高精度定位数据,有效地解决了电子设备位于道路两侧树较多或者高楼林立的区域时,定位数据不准确的问题,以视觉定位的方式提高了定位数据的精准度。
进一步,为了增加导航使用者的沉浸感,在本申请实施例中,得到高精度定位数据之后,还包括:
基于高精度定位数据,获取与高精度定位数据对应的虚拟场景;其中,虚拟场景为虚拟场景模型中与高精度定位数据对应的部分图像;
其中,本步骤可以是在网络差分数据接收不存在延迟时,基于初始定位数据和网络差分数据,得到高精度定位数据之后执行的,也可以是在网络差分数据接收存在延迟时,根据现实场景以及初始定位数据,利用基于虚拟场景模型的视觉定位技术,得到高精度定位数据之后执行的。
叠加高精度定位数据对应的虚拟场景以及现实场景,得到增强现实场景并显示在移动端界面。
本申请实施例中,在采用基于虚拟场景模型的视觉定位技术,得到高精度定位数据之后,基于高精度定位数据,能够在预先建立的虚拟场景模型中找到与高精度定位数据对应的虚拟场景,并将虚拟场景渲染,将渲染后的虚拟场景与现实场景进行叠加,得到叠加后的场景即增强现实场景,并在移动端界面显示,以增强现实的方式增加导航使用者的沉浸感。
对于本申请实施例,增强现实技术将虚拟信息与真实世界巧妙融合,将由车载移动测量设备生成的三维模型模拟仿真后,应用到现实场景中,两种信息互为补充,叠加虚拟场景以及现实场景,且这一过程能够被人类感官所感知,实现超越现实的感官体验,从而实现对真实世界的“增强”。
具体的,当车辆在移动过程中,高精度定位数据是在快速变化的,移动端摄像头拍摄的现实场景也在随之变化,与此同时,基于高精度定位数据所获取的虚拟场景也伴随着高精度定位数据的变化而变化,以使的移动端显示界面能够实时显示当前叠加的增强现实场景。
用户在基于移动端设备进行导航时,不仅在移动端界面上能够看到增强现实场景,并且能够在叠加的场景上实时进行导航指引,例如,在叠加场景上能够基于实时导航情况在显示界面上显示“直行箭头”、“左转箭头”、“右转箭头”等信息。同时,利用增强现实的方式能够使得用户在进行导航的过程中,能够更加精细得知当前以及后续行驶道路的详细情况,例如,在叠加场景中用户能够清楚地得知标志牌或者路标牌上的文字信息;用户点击场景中的某建筑物、某条道路能够清楚地得知建筑名称、道路名称以及更多详细信息。
可见,在本申请实施例中,叠加虚拟场景以及现实场景,得到增强现实场景并显示在移动端界面,利用增强现实的方式能够增加导航使用者的沉浸感。
进一步,为了有效地提高定位数据的精度,在本申请实施例中,步骤S106:根据现实场景以及初始定位数据,利用基于虚拟场景模型的视觉定位技术,得到高精度定位数据,包括:步骤S1061(附图未示出)、步骤S1062(附图未示出)和步骤S1063(附图未示出),其中:
步骤S1061、根据初始定位数据,从虚拟场景模型中确定多个候选虚拟场景;
本申请实施例中,当车辆位于道路两侧树较多或者高楼林立的区域时,移动端设备接收到的卫星信号较弱,与此同时接收网络差分数据也会存在延时,不能得到高精度定位数据,因而,可以基于虚拟场景模型的视觉定位技术获取高精度定位数据。
具体的,每一虚拟场景为一帧图像画面,虚拟场景模型为所有虚拟场景的总和,以三维模型的形式来显示周围环境。初始定位数据是移动端通过定位模块获取的,由于初始定位数据不准确,若通过初始定位数据直接获取与初始定位数据对应的虚拟场景,并显示在界面上会造成显示的虚拟模型与当前场景不符。且,由于构建虚拟场景模型时,采集到的数据均有定位数据,故能够根据初始定位数据,从虚拟场景模型中确定多个候选虚拟场景,以使得电子设备在候选虚拟场景进行局部搜索。
根据初始定位数据,在虚拟场景模型中确定多个候选虚拟场景可通过多种方式实现,在一种可实现的实施方式中,根据初始定位数据,从虚拟场景模型中确定多个候选虚拟场景,包括:根据初始定位数据,在虚拟场景模型中确定与初始定位数据对应的虚拟场景;将初始定位数据对应的虚拟场景临近的多个虚拟场景,作为候选虚拟场景。
本申请实施例中,具体的,将初始定位数据对应的虚拟场景临近的多个虚拟场景,作为候选虚拟场景可以包括:若能够获取当前行驶方向,则基于当前行驶方向确定初始定位数据对应的虚拟场景的临近的多个虚拟场景,并作为多个候选虚拟场景;若不能够获取到当前行驶方向,则根据初始定位数据,确定与初始定位数据对应的虚拟场景,以初始定位数据对应的虚拟场景作为中心虚拟场景,在该帧虚拟场景前后选取预设数量的虚拟场景,将选出的多个虚拟场景作为候选虚拟场景。
在另一种可实现的实施方式中,根据初始定位数据,从虚拟场景模型中确定多个候选虚拟场景,包括:基于初始定位数据和网络差分数据,得到延迟定位数据;根据延迟定位数据,在虚拟场景模型中确定与延迟定位数据对应的虚拟场景;将延迟定位数据对应的虚拟场景临近的多个虚拟场景,作为多个候选虚拟场景。
本申请实施例中,延迟定位数据是基于初始定位数据与网络差分数据确定的,虽然在一定程度上修正了初始定位数据,但由于网络差分数据接收存在延迟,并不能得到高精度定位数据,因而,延迟定位数据与高精度定位数据仍存在误差。进而根据延迟定位数据,确定与延迟定位数据对应的虚拟场景,以延迟定位数据对应的虚拟场景作为中心虚拟场景,在该帧虚拟场景前后选取预设数量的虚拟场景,将选出的多个虚拟场景作为候选虚拟场景。
可见,在本申请实施例中,既可以根据初始定位数据从虚拟场景模型中确定多个候选虚拟场景,还可以通过基于初始定位数据和网络差分数据得到的延迟定位数据,从虚拟场景模型中确定多个候选虚拟场景,以使确定候选虚拟场景的方式多样化。
步骤S1062、将现实场景与多个候选虚拟场景进行特征匹配,得到匹配结果;
步骤S1063、根据匹配结果,得到高精度定位数据。
本申请实施例中,针对现实场景与候选虚拟场景分别提取特征点,将现实场景的特征点分别于候选虚拟场景中的多个虚拟场景的特征点进行匹配,得到匹配结果。根据匹配结果选取与现实场景匹配度最高的虚拟场景,将匹配度最高的虚拟场景的位置作为高精度定位数据。
可见,在本申请实施例中,根据不精确的初始定位数据,在虚拟场景模型中选取多个虚拟场景,作为候选虚拟场景,并将现实场景与多个候选虚拟场景进行特征匹配,以得到高精度定位数据。利用基于虚拟场景模型的视觉定位技术,能够有效地提高定位数据的精度。
进一步,为了缩小现实场景与虚拟场景特征匹配的范围,提高视觉定位的效率,在本申请实施例中,将延迟定位数据对应的虚拟场景临近的多个虚拟场景,作为多个候选虚拟场景,包括:
根据网络差分数据的解状态类型,确定延迟定位数据的精度数据;
利用预设精度数据与选取数量的对应关系,确定精度数据对应的虚拟场景选取数量;
根据虚拟场景选取数量,以延迟定位数据对应的虚拟场景为中心,确定虚拟场景选取数量个虚拟场景,作为多个候选虚拟场景。
本申请实施例中,根据网络差分数据不同的解状态类型,能够确定延迟定位数据的精度数据。具体的,当解状态类型为单点解时,能够确定精度数据为精度在第一预设距离内;当解状态为差分解时,能够确定精度数据为精度在第二预设距离内,第二预设距离小于第一预设距离。利用预设精度数据与虚拟场景选取数量的对应关系,确定精度数据对应的虚拟场景选取数量,其中,预设精度数据与选取数量的对应关系中,当预设精度数据越大时,表示偏差越大,因而选取的虚拟场景选取数量越多。
根据虚拟场景选取数量以及延迟定位数据对应的虚拟场景,能够选取出多个候选虚拟场景,利用这种方式能够使得在进行基于虚拟场景模型视觉定位时,缩小现实场景与虚拟场景特征匹配的范围。
可见,在本申请实施例中,基于网络差分数据的解状态类型确定精度数据,并基于精度数据确定虚拟场景选取数量,根据虚拟场景选取数量以及延迟定位数据对应的虚拟场景,确定候选虚拟场景。利用这种方式,缩小了现实场景与虚拟场景特征匹配的范围,提高了视觉定位的效率。
进一步,为了将高精度定位数据与虚拟场景模型中的数据建立联系,在本申请实施例中,基于高精度定位数据,获取与高精度定位数据对应的虚拟场景,包括:步骤Sa1(附图未示出)、步骤Sa2(附图未示出)和步骤Sa3(附图未示出),其中:
步骤Sa1、利用空间直角坐标与大地坐标的转换关系,将高精度定位数据转换为在空间直角坐标系中的高精度空间定位数据;
步骤Sa2、根据高精度空间定位数据,在虚拟场景模型中确定与高精度空间定位数据对应的虚拟场景;
本申请实施例中,移动端设备获得的高精度定位数据数据是以现实世界中的大地坐标系为标准的,以纬度B、经度L和大地高H描述高精度定位数据的空间位置,坐标形式为(纬度,经度,海拔);然而,在虚拟场景模型中各虚拟场景的信息均以空间直角坐标系为标准的,以坐标X、Y、Z描述虚拟场景的空间位置,坐标形式为(东,北,上)。由于高精度定位数据与虚拟模型中各参考坐标系不同,因而,得到的数据无法直接结合联系,故需要将两种数据形式统一坐标系,即将大地坐标系中的高精度定位数据转到空间直角坐标系下。
具体的,空间直角坐标系以椭球中心O为坐标原点,以起始子午面与赤道面的交线为X轴,在赤道面上与X轴正交的方向为Y轴,椭球的旋转轴为Z轴,三个方向呈右手系;若已知某点的大地坐标(B、L、H),可按下式转换为空间直角坐标(X,Y,Z):
X=(N+H)cosBcosL (1)
Y=(N+H)cosBsinL (2)
Z=(N(1-e2)+H)sinB (3)
其中,N为卯酉圈半径,e是地球的第一偏心率;
e2=(a2-b2)/a2 (4)
其中,令参考椭球的赤道半径为a,参考椭球的极半径为b。在参考椭球的定义中,a大于b。
进一步,利用转化为空间直角坐标系中的高精度空间定位数据,在虚拟场景模型中确定对应的虚拟场景。
步骤Sa3、获取移动端的姿态数据,基于姿态数据调整与高精度空间定位数据对应的虚拟场景。
本申请实施例中,能够基于移动端的传感器获取到移动端的姿态数据,并能够基于姿态数据旋转与高精度空间定位数据对应的虚拟场景,以便于高精度定位数据对应的虚拟场景与现实场景能够较好的套合。
可见,在本申请实施例中,将高精度定位数据转换为在空间直角坐标系中的高精度空间定位数据,并在虚拟场景模型中确定与高精度空间定位数据对应的虚拟场景。利用空间直角坐标与大地坐标的转换关系,能够将大地坐标系中的高精度定位数据转化成到与虚拟场景模型相同的空间直角坐标系下,将高精度定位数据与虚拟场景模型中的数据建立联系。
进一步,为了能够使得虚拟场景模型中的定位数据准确度较高,在本申请实施例中,虚拟场景模型的构建方式,包括:
获取车载移动测量设备预先采集的行驶轨迹的周围环境数据,其中,周围环境数据包括:点云数据以及影像数据;
本申请实施例中,车载移动测量设备能够利用激光探测器、全景摄像机以及定位装置来获取行驶轨迹周围的环境数据,环境数据包括:点云数据以及影像数据,当然也包括:视频流以及位姿数据等信息,其中,根据点云数据能够确定行驶轨迹周围地物的高精度三维坐标以及点云数据的反射强度,根据影像数据能够确定获取到图像的纹理信息。
基于周围环境数据,提取多种类型的道路要素信息,其中,每种类型的道路要素信息包括多个要素对象信息;
基于所有道路要素信息,构建虚拟场景模型。
本申请实施例中,基于周围环境数据,提取多种类型的道路要素信息,道路要素信息包括但不限于以下一种或多种:标线、交通标志牌、路灯、行道树、栏杆等,当然还可以包括道路两旁的建筑,具体的,针对每一种道路要素信息分别使用不同的算法自动从行驶轨迹周围的环境数据提取道路要素信息,提取出的道路要素信息是三维矢量的形式。针对每种道路要素信息包括多个要素对象信息,每一要素对象信息为此类道路要素信息中的一个对象,例如,若提取的道路要素信息为行道树,则每一棵行道树作为一个要素对象信息。
针对获取到的所有道路要素信息,利用自动建模工具能够快速的构建出虚拟场景模型,由于构建虚拟场景模型所使用的环境数据均为高精度数据,因而构建出的虚拟场景模型中各定位数据均为高精度数据。
例如,在基于行驶轨迹周围的环境数据对行道树进行智能化提取过程种,针对环境数据中的点云数据利用提取行道树的智能算法,提取出若干与行道树相关的点云数据。将这些点进行连线可真实表现出行道树的形态,并根据点云数据中行道树的高精度三维坐标以及纹理信息,利用自动建模工具快速构建出行道树的虚拟模型。
可见,在本申请实施例中,根据行驶轨迹周围的环境数据,提取出多种道路要素信息,并基于所有道路要素信息,构建虚拟场景模型,利用这种方式能够使得虚拟场景模型中的定位数据准确度较高。
进一步,为了使得到的道路要素信息更加精准切合实际,在本申请实施例中,基于周围环境数据,提取多种类型的道路要素信息之后,还包括:
在移动端界面分类加载各道路要素信息;
当接收到对任一道路要素信息的管理信息,基于管理信息对相应的道路要素信息进行修改,得到修改后的道路要素信息;其中,修改后的道路要素信息用于构建虚拟场景模型。
本申请实施例中,在移动端界面分类加载各道路要素信息,具体的,对于多种类型的道路要素信息,能够针对类型分层分类加载出对应类别的道路要素信息;利用分类加载各道路要素信息的特点,能够清晰地确定每一种道路要素信息的详细情况。例如,可以按照实际需要仅加载行驶轨迹周围的标线信息、仅加载行驶轨迹周围的交通标志牌信息等。
加载并显示出各道路要素信息后,能够对各道路要素信息中的每一要素对象信息进行管理,管理包括对各道路要素信息中的每一要素对象信息进行增加、删除、修改和查询操作。具体的,当接收到对任一道路要素信息的管理信息,能够基于管理信息确定管理对象以及管理操作,其中,管理对象用于确定对道路要素信息中的哪个要素对象信息进行管理,管理操作用于确定进行何种类型的操作,然后基于管理信息对相应的道路要素信息进行修改。基于管理信息对相应的道路要素信息进行修改,以使道路要素信息更加准确。例如,当接收到对行道树的管理信息时,能够确定管理对象为行道树中某一棵行道树,管理操作为对修改行道树的高度,以使行道树的信息与实际情况更加贴近。
可见,在本申请实施例中,分类加载每类道路要素信息以及对每一类道路要素信息对应的每一要素对象进行管理,以使得到的道路要素信息更加精准切合实际。
上述实施例从方法流程的角度介绍一种高精度定位方法,下述实施例从虚拟模块或者虚拟单元的角度介绍了一种高精度定位装置,具体详见下述实施例。
本申请实施例提供一种高精度定位装置200,如图2所示,该高精度定位装置200具体可以包括:
第一获取模块210,用于获取初始定位数据,其中,初始定位数据用于实现移动端粗定位;第二获取模块220,用于获取移动端摄像头采集的现实场景;
第三获取模块230,用于获取虚拟场景模型,其中,虚拟场景模型是根据车载移动测量设备预先采集的周围环境数据构建的虚拟场景模型;
高精度定位模块240,用于获取网络差分数据,并根据网络差分数据的解状态判断网络差分数据接收是否存在延迟;若不存在延迟,则基于初始定位数据和网络差分数据,得到高精度定位数据;若存在延迟,则根据现实场景以及初始定位数据,利用基于虚拟场景模型的视觉定位技术,得到高精度定位数据。
对于本申请实施例,当网络差分数据接收是否存在延迟时,基于初始定位数据以及网络差分数据并不能得到高精度定位数据,根据摄像头采集的现实场景与初始定位数据,利用基于虚拟场景模型的视觉定位技术,能够得到高精度定位数据,有效地解决了电子设备位于道路两侧树较多或者高楼林立的区域时,定位数据不准确的问题,以视觉定位的方式提高了定位数据的精准度。
优选的,高精度定位装置200,还包括:
增强现实场景模块,用于基于高精度定位数据,获取与高精度定位数据对应的虚拟场景;其中,虚拟场景为虚拟场景模型中与高精度定位数据对应的部分图像;
叠加高精度定位数据对应的虚拟场景以及现实场景,得到增强现实场景并显示在移动端界面。
优选的,高精度定位模块230在执行根据现实场景以及初始定位数据,利用基于虚拟场景模型的视觉定位技术,得到高精度定位数据时,用于:
根据初始定位数据,从虚拟场景模型中确定多个候选虚拟场景;
将现实场景与多个候选虚拟场景进行特征匹配,得到匹配结果;
根据匹配结果,得到高精度定位数据。
优选的,高精度定位模块230在执行根据初始定位数据,从虚拟场景模型中确定多个候选虚拟场景时,用于:
根据初始定位数据,在虚拟场景模型中确定与初始定位数据对应的虚拟场景;
将与初始定位数据对应的虚拟场景临近的多个虚拟场景,作为多个候选虚拟场景;
或,
基于初始定位数据和网络差分数据,得到延迟定位数据;
根据延迟定位数据,在虚拟场景模型中确定与延迟定位数据对应的虚拟场景;
将延迟定位数据对应的虚拟场景临近的多个虚拟场景,作为多个候选虚拟场景。
优选的,高精度定位模块230在执行将延迟定位数据对应的虚拟场景临近的多个虚拟场景,作为多个候选虚拟场景时,用于:
根据网络差分数据的解状态类型,确定延迟定位数据的精度数据;
利用预设精度数据与选取数量的对应关系,确定与精度数据对应的虚拟场景选取数量;
根据虚拟场景选取数量,以延迟定位数据对应的虚拟场景为中心,确定虚拟场景选取数量的虚拟场景,作为多个候选虚拟场景。
优选的,增强现实场景模块在执行基于高精度定位数据,获取与高精度定位数据对应的虚拟场景时,用于:
利用空间直角坐标与大地坐标的转换关系,将高精度定位数据转换为在空间直角坐标系中的高精度空间定位数据;
根据高精度空间定位数据,在虚拟场景模型中确定与高精度空间定位数据对应的虚拟场景;获取移动端的姿态数据,基于姿态数据调整与高精度空间定位数据对应的虚拟场景。
优选的,高精度定位装置200,还包括:
虚拟场景构建模块,用于获取车载移动测量设备预先采集的行驶轨迹的周围环境数据,其中,周围环境数据包括:点云数据以及影像数据;
基于周围环境数据,提取多种类型的道路要素信息,其中,每种类型的道路要素信息包括多个要素对象信息;
基于所有道路要素信息,构建虚拟场景模型。
优选的,高精度定位装置200,还包括:
道路要素信息管理模块,用于在移动端界面分类加载各道路要素信息;
当接收到对任一道路要素信息的管理信息,基于管理信息对相应的道路要素信息进行修改,得到修改后的道路要素信息;其中,修改后的道路要素信息用于构建虚拟场景模型。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的一种高精度定位装置200的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
本申请实施例中提供了一种电子设备,如图3所示,图3所示的电子设备300包括:处理器301和存储器303。其中,处理器301和存储器303相连,如通过总线302相连。可选地,电子设备300还可以包括收发器304。需要说明的是,实际应用中收发器304不限于一个,该电子设备300的结构并不构成对本申请实施例的限定。
处理器301可以是CPU(Central Processing Unit,中央处理器),通用处理器,DSP(Digital Signal Processor,数据信号处理器),ASIC(Application SpecificIntegrated Circuit,专用集成电路),FPGA(Field Programmable Gate Array,现场可编程门阵列)或者其他可编程逻辑器件、晶体管逻辑器件、硬件部件或者其任意组合。其可以实现或执行结合本申请公开内容所描述的各种示例性的逻辑方框,模块和电路。处理器301也可以是实现计算功能的组合,例如包含一个或多个微处理器组合,DSP和微处理器的组合等。
总线302可包括一通路,在上述组件之间传送信息。总线302可以是PCI(Peripheral Component Interconnect,外设部件互连标准)总线或EISA(ExtendedIndustry Standard Architecture,扩展工业标准结构)总线等。总线302可以分为地址总线、数据总线、控制总线等。为便于表示,图3中仅用一条粗线表示,但并不表示仅有一根总线或一型的总线。
存储器303可以是ROM(Read Only Memory,只读存储器)或可存储静态信息和指令的其他类型的静态存储设备,RAM(Random Access Memory,随机存取存储器)或者可存储信息和指令的其他类型的动态存储设备,也可以是EEPROM(Electrically ErasableProgrammable Read Only Memory,电可擦可编程只读存储器)、CD-ROM(Compact DiscRead Only Memory,只读光盘)或其他光盘存储、光碟存储(包括压缩光碟、激光碟、光碟、数字通用光碟、蓝光光碟等)、磁盘存储介质或者其他磁存储设备、或者能够用于携带或存储具有指令或数据结构形式的期望的程序代码并能够由计算机存取的任何其他介质,但不限于此。
存储器303用于存储执行本申请方案的应用程序代码,并由处理器301来控制执行。处理器301用于执行存储器303中存储的应用程序代码,以实现前述方法实施例所示的内容。
其中,电子设备包括但不限于:移动电话、笔记本电脑、数字广播接收器、PDA(个人数字助理)、PAD(平板电脑)、PMP(便携式多媒体播放器)、车载终端(例如车载导航终端)等等的移动终端以及诸如数字TV、台式计算机等等的固定终端。还可以为服务器等。图3示出的电子设备仅仅是一个示例,不应对本申请实施例的功能和使用范围带来任何限制。
本申请实施例提供了一种计算机可读存储介质,该计算机可读存储介质上存储有计算机程序,当其在计算机上运行时,使得计算机可以执行前述方法实施例中相应内容。与相关技术相比,本申请实施例,当网络差分数据接收是否存在延迟时,基于初始定位数据以及网络差分数据并不能得到高精度定位数据,根据摄像头采集的现实场景与初始定位数据,利用基于虚拟场景模型的视觉定位技术,能够得到高精度定位数据,有效地解决了电子设备位于道路两侧树较多或者高楼林立的区域时,定位数据不准确的问题,以视觉定位的方式提高了定位数据的精准度。
应该理解的是,虽然附图的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,其可以以其他的顺序执行。而且,附图的流程图中的至少一部分步骤可以包括多个子步骤或者多个阶段,这些子步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,其执行顺序也不必然是依次进行,而是可以与其他步骤或者其他步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
以上仅是本申请的部分实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本申请原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本申请的保护范围。
Claims (10)
1.一种高精度定位方法,其特征在于,包括:
获取初始定位数据,其中,所述初始定位数据用于实现移动端设备粗定位,所述移动端设备设置在车辆上;
获取移动端摄像头采集的现实场景;
获取虚拟场景模型,其中,所述虚拟场景模型是根据车载移动测量设备预先采集的周围环境数据构建的虚拟场景模型;
获取网络差分数据,并根据所述网络差分数据的解状态判断网络差分数据接收是否存在延迟;
若不存在延迟,则基于所述初始定位数据和所述网络差分数据,得到高精度定位数据;
若存在延迟,则根据所述现实场景以及所述初始定位数据,利用基于虚拟场景模型的视觉定位技术,得到高精度定位数据。
2.根据权利要求1所述的高精度定位方法,其特征在于,所述得到高精度定位数据之后,还包括:
基于所述高精度定位数据,获取与所述高精度定位数据对应的虚拟场景;其中,虚拟场景为虚拟场景模型中与高精度定位数据对应的部分图像;
叠加所述高精度定位数据对应的虚拟场景以及所述现实场景,得到增强现实场景并显示在移动端界面。
3.根据权利要求1所述的高精度定位方法,其特征在于,所述根据所述现实场景以及所述初始定位数据,利用基于虚拟场景模型的视觉定位技术,得到高精度定位数据,包括:
根据所述初始定位数据,从虚拟场景模型中确定多个候选虚拟场景;
将所述现实场景与多个所述候选虚拟场景进行特征匹配,得到匹配结果;
根据所述匹配结果,得到高精度定位数据。
4.根据权利要求3所述的高精度定位方法,其特征在于,所述根据所述初始定位数据,从虚拟场景模型中确定多个候选虚拟场景,包括:
根据所述初始定位数据,在虚拟场景模型中确定与所述初始定位数据对应的虚拟场景;
将与所述初始定位数据对应的虚拟场景临近的多个虚拟场景,作为多个候选虚拟场景;
或,
基于所述初始定位数据和所述网络差分数据,得到延迟定位数据;
根据所述延迟定位数据,在虚拟场景模型中确定与所述延迟定位数据对应的虚拟场景;
将所述延迟定位数据对应的虚拟场景临近的多个虚拟场景,作为多个候选虚拟场景。
5.根据权利要求4所述的高精度定位方法,其特征在于,所述将所述延迟定位数据对应的虚拟场景临近的多个虚拟场景,作为多个候选虚拟场景,包括:
根据所述网络差分数据的解状态类型,确定所述延迟定位数据的精度数据;
利用预设精度数据与选取数量的对应关系,确定与精度数据对应的虚拟场景选取数量;
根据所述虚拟场景选取数量,以延迟定位数据对应的虚拟场景为中心,确定所述虚拟场景选取数量的虚拟场景,作为多个候选虚拟场景。
6.根据权利要求2所述的高精度定位方法,其特征在于,所述基于所述高精度定位数据,获取与所述高精度定位数据对应的虚拟场景,包括:
利用空间直角坐标与大地坐标的转换关系,将所述高精度定位数据转换为在空间直角坐标系中的高精度空间定位数据;
根据所述高精度空间定位数据,在所述虚拟场景模型中确定与所述高精度空间定位数据对应的虚拟场景;
获取移动端的姿态数据,基于所述姿态数据调整与所述高精度空间定位数据对应的虚拟场景。
7.根据权利要求1至6任意一项所述的高精度定位方法,其特征在于,虚拟场景模型的构建方式,包括:
获取车载移动测量设备预先采集的行驶轨迹的周围环境数据,其中,所述周围环境数据包括:点云数据以及影像数据;
基于所述周围环境数据,提取多种类型的道路要素信息,其中,每种类型的道路要素信息包括多个要素对象信息;
基于所有道路要素信息,构建虚拟场景模型。
8.根据权利要求7所述的高精度定位方法,其特征在于,所述基于所述周围环境数据,提取多种类型的道路要素信息之后,还包括:
在移动端界面分类加载各道路要素信息;
当接收到对任一道路要素信息的管理信息,基于所述管理信息对相应的道路要素信息进行修改,得到修改后的道路要素信息;其中,修改后的道路要素信息用于构建虚拟场景模型。
9.一种高精度定位装置,其特征在于,包括,
第一获取模块,用于获取初始定位数据,其中,所述初始定位数据用于实现移动端粗定位;
第二获取模块,用于获取移动端摄像头采集的现实场景;
第三获取模块,用于获取虚拟场景模型,其中,所述虚拟场景模型是根据车载移动测量设备预先采集的周围环境数据构建的虚拟场景模型;
高精度定位模块,用于获取网络差分数据,并根据所述网络差分数据的解状态判断网络差分数据接收是否存在延迟;若不存在延迟,则基于初始定位数据和网络差分数据,得到高精度定位数据;若存在延迟,则根据所述现实场景以及所述初始定位数据,利用基于虚拟场景模型的视觉定位技术,得到高精度定位数据。
10.一种电子设备,其特征在于,包括:
至少一个处理器;
存储器;
至少一个应用程序,其中至少一个应用程序被存储在存储器中并被配置为由至少一个处理器执行,所述至少一个应用程序配置用于:执行权利要求1~8任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211129590.9A CN115451976B (zh) | 2022-09-15 | 2022-09-15 | 一种高精度定位方法、装置和设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211129590.9A CN115451976B (zh) | 2022-09-15 | 2022-09-15 | 一种高精度定位方法、装置和设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115451976A true CN115451976A (zh) | 2022-12-09 |
CN115451976B CN115451976B (zh) | 2023-06-02 |
Family
ID=84305431
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211129590.9A Active CN115451976B (zh) | 2022-09-15 | 2022-09-15 | 一种高精度定位方法、装置和设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115451976B (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109099912A (zh) * | 2017-08-11 | 2018-12-28 | 黄润芳 | 室外精确定位导航方法、装置、电子设备及存储介质 |
CN110031880A (zh) * | 2019-04-16 | 2019-07-19 | 杭州易绘科技有限公司 | 基于地理位置定位的高精度增强现实方法及设备 |
CN111314849A (zh) * | 2020-03-16 | 2020-06-19 | Oppo广东移动通信有限公司 | 定位方法、装置、移动终端及存储介质 |
US20200202104A1 (en) * | 2018-12-24 | 2020-06-25 | Electronics And Telecommunications Research Institute | Apparatus and method of estimating self-location of vehicle |
CN114877883A (zh) * | 2022-03-22 | 2022-08-09 | 武汉大学 | 车路协同环境下考虑通信延迟的车辆定位方法及系统 |
-
2022
- 2022-09-15 CN CN202211129590.9A patent/CN115451976B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109099912A (zh) * | 2017-08-11 | 2018-12-28 | 黄润芳 | 室外精确定位导航方法、装置、电子设备及存储介质 |
US20200202104A1 (en) * | 2018-12-24 | 2020-06-25 | Electronics And Telecommunications Research Institute | Apparatus and method of estimating self-location of vehicle |
CN110031880A (zh) * | 2019-04-16 | 2019-07-19 | 杭州易绘科技有限公司 | 基于地理位置定位的高精度增强现实方法及设备 |
CN111314849A (zh) * | 2020-03-16 | 2020-06-19 | Oppo广东移动通信有限公司 | 定位方法、装置、移动终端及存储介质 |
CN114877883A (zh) * | 2022-03-22 | 2022-08-09 | 武汉大学 | 车路协同环境下考虑通信延迟的车辆定位方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN115451976B (zh) | 2023-06-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP3505869B1 (en) | Method, apparatus, and computer readable storage medium for updating electronic map | |
US6222482B1 (en) | Hand-held device providing a closest feature location in a three-dimensional geometry database | |
US11395100B2 (en) | Indoor positioning method, indoor positioning system, indoor positioning apparatus and computer readable medium | |
JP2010534849A (ja) | 位置を判定する方法及び装置 | |
CN114111774B (zh) | 车辆的定位方法、系统、设备及计算机可读存储介质 | |
CN113870379A (zh) | 地图生成方法、装置、电子设备及计算机可读存储介质 | |
EP3789797B1 (en) | Method and apparatus for evaluating data, device, and computer-readable storage medium | |
CN115164918B (zh) | 语义点云地图构建方法、装置及电子设备 | |
CN111536990A (zh) | 在传感器之间的在线外参误标定检测 | |
CN110018503B (zh) | 车辆的定位方法及定位系统 | |
CN112836698A (zh) | 一种定位方法、装置、存储介质及电子设备 | |
CN112652062A (zh) | 一种点云地图构建方法、装置、设备和存储介质 | |
Chiang et al. | Multifusion schemes of INS/GNSS/GCPs/V-SLAM applied using data from smartphone sensors for land vehicular navigation applications | |
CN113284239A (zh) | 一种关于智慧城市的电子沙盘制作方法及装置 | |
Chen et al. | A versatile AR type 3D mobile GIS based on image navigation technology | |
CN115451976B (zh) | 一种高精度定位方法、装置和设备 | |
Jiang et al. | Multilayer map construction and vision-only multi-scale localization for intelligent vehicles in underground parking | |
CN116295457A (zh) | 一种基于二维语义地图的车辆视觉定位方法及系统 | |
CN104869631A (zh) | 一种定位方法 | |
CN114743395A (zh) | 一种信号灯检测方法、装置、设备及介质 | |
Wang et al. | Pedestrian positioning in urban city with the aid of Google maps street view | |
Antigny et al. | Hybrid visual and inertial position and orientation estimation based on known urban 3D models | |
CN104837198A (zh) | 一种终端 | |
WO2023028823A1 (zh) | 雷达的标定方法、装置、终端设备及存储介质 | |
Olesk et al. | Geometric and error analysis for 3D map-matching |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |