CN115512336B - 基于路灯光源的车辆定位方法、装置和电子设备 - Google Patents

基于路灯光源的车辆定位方法、装置和电子设备 Download PDF

Info

Publication number
CN115512336B
CN115512336B CN202211459417.5A CN202211459417A CN115512336B CN 115512336 B CN115512336 B CN 115512336B CN 202211459417 A CN202211459417 A CN 202211459417A CN 115512336 B CN115512336 B CN 115512336B
Authority
CN
China
Prior art keywords
light source
street lamp
lamp light
source information
sequence
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
Application number
CN202211459417.5A
Other languages
English (en)
Other versions
CN115512336A (zh
Inventor
张�雄
李敏
侯凯斌
胡禹超
刘智睿
申苗
王倩
艾永军
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
GAC Aion New Energy Automobile Co Ltd
Original Assignee
GAC Aion New Energy Automobile Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by GAC Aion New Energy Automobile Co Ltd filed Critical GAC Aion New Energy Automobile Co Ltd
Priority to CN202211459417.5A priority Critical patent/CN115512336B/zh
Publication of CN115512336A publication Critical patent/CN115512336A/zh
Application granted granted Critical
Publication of CN115512336B publication Critical patent/CN115512336B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/50—Context or environment of the image
    • G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
    • G06V20/58—Recognition of moving objects or obstacles, e.g. vehicles or pedestrians; Recognition of traffic objects, e.g. traffic signs, traffic lights or roads
    • G06V20/584—Recognition of moving objects or obstacles, e.g. vehicles or pedestrians; Recognition of traffic objects, e.g. traffic signs, traffic lights or roads of vehicle lights or traffic lights
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/70—Determining position or orientation of objects or cameras
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/62—Extraction of image or video features relating to a temporal dimension, e.g. time-based feature extraction; Pattern tracking
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/762—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using clustering, e.g. of similar faces in social networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/82—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using neural networks
    • 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
    • Y02B—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO BUILDINGS, e.g. HOUSING, HOUSE APPLIANCES OR RELATED END-USER APPLICATIONS
    • Y02B20/00—Energy efficient lighting technologies, e.g. halogen lamps or gas discharge lamps
    • Y02B20/40—Control techniques providing energy savings, e.g. smart controller or presence detection

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Multimedia (AREA)
  • Evolutionary Computation (AREA)
  • Health & Medical Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Computing Systems (AREA)
  • Databases & Information Systems (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Traffic Control Systems (AREA)

Abstract

本公开的实施例公开了基于路灯光源的车辆定位方法、装置和电子设备。该方法的一具体实施方式包括：确定目标车辆的行驶环境状态和行驶路段状态；响应于确定行驶环境状态表征目标车辆为夜间行驶和/或行驶路段状态表征目标车辆所在的当前路段为隧道环境状态，获取目标车辆上安装的图像采集装置采集得到的图像序列；对图像进行路灯光源检测；对路灯光源信息组序列中的路灯光源信息对应的路灯光源进行稳定性识别；对目标路灯光源信息序列中的目标路灯光源信息对应的路灯光源进行光源聚类；根据聚类后路灯光源信息组序列，确定目标车辆的车辆位置信息。该实施方式实现了在GPS信号较弱的环境和/或车辆周围环境的光线较差时的车辆精准定位。

Description

基于路灯光源的车辆定位方法、装置和电子设备
技术领域
本公开的实施例涉及计算机技术领域，具体涉及基于路灯光源的车辆定位方法、装置和电子设备。
背景技术
自动驾驶技术是当前汽车领域的一个新兴、且重要的研究方向。其中，车辆定位作为具有自动驾驶功能的车辆的核心功能，对于车辆后续的避障，轨迹规划等功能具有着重要意义。目前，在进行车辆定位时，通常采用的方式为：一、通过GPS（Global PositioningSystem，全球定位系统）定位实现车辆定位；二、通过基于语义的定位算法，对车辆周围的环境元素进行识别，以达到车辆定位的目的。
然而，发明人发现，当采用上述方式时，经常会存在如下技术问题：
第一，对于GPS信号较弱的环境（如，隧道等），往往会导致车辆定位出现误差，从而影响车辆定位的准确性；
第二，对于基于语义的定位算法，当车辆周围环境的光线较差时，会导致对车辆周围的环境元素的识别准确度降低，从而影响车辆定位的准确性。
该背景技术部分中所公开的以上信息仅用于增强对本发明构思的背景的理解，并因此，其可包含并不形成本国的本领域普通技术人员已知的现有技术的信息。
发明内容
本公开的内容部分用于以简要的形式介绍构思，这些构思将在后面的具体实施方式部分被详细描述。本公开的内容部分并不旨在标识要求保护的技术方案的关键特征或必要特征，也不旨在用于限制所要求的保护的技术方案的范围。
本公开的一些实施例提出了基于路灯光源的车辆定位方法、装置和电子设备，来解决以上背景技术部分提到的技术问题中的一项或多项。
第一方面，本公开的一些实施例提供了一种基于路灯光源的车辆定位方法，该方法包括：确定目标车辆的行驶环境状态和行驶路段状态；响应于确定上述行驶环境状态表征上述目标车辆为夜间行驶和/或上述行驶路段状态表征上述目标车辆所在的当前路段为隧道环境状态，获取上述目标车辆上安装的图像采集装置采集得到的图像序列；对上述图像序列中的每张图像进行路灯光源检测，以生成路灯光源信息组，得到路灯光源信息组序列；对上述路灯光源信息组序列中的路灯光源信息对应的路灯光源进行稳定性识别，得到目标路灯光源信息序列；对上述目标路灯光源信息序列中的目标路灯光源信息对应的路灯光源进行光源聚类，以生成聚类后路灯光源信息组，得到聚类后路灯光源信息组序列，其中，聚类后路灯光源信息组中的各个聚类后路灯光源信息对应相同的簇中心；根据上述聚类后路灯光源信息组序列，确定上述目标车辆的车辆位置信息。
第二方面，本公开的一些实施例提供了一种基于路灯光源的车辆定位装置，装置包括：第一确定单元，被配置成确定目标车辆的行驶环境状态和行驶路段状态；获取单元，被配置成响应于确定上述行驶环境状态表征上述目标车辆为夜间行驶和/或上述行驶路段状态表征上述目标车辆所在的当前路段为隧道环境状态，获取上述目标车辆上安装的图像采集装置采集得到的图像序列；路灯光源检测单元，被配置成对上述图像序列中的每张图像进行路灯光源检测，以生成路灯光源信息组，得到路灯光源信息组序列；稳定性识别单元，被配置成对上述路灯光源信息组序列中的路灯光源信息对应的路灯光源进行稳定性识别，得到目标路灯光源信息序列；光源聚类单元，被配置成对上述目标路灯光源信息序列中的目标路灯光源信息对应的路灯光源进行光源聚类，以生成聚类后路灯光源信息组，得到聚类后路灯光源信息组序列，其中，聚类后路灯光源信息组中的各个聚类后路灯光源信息对应相同的簇中心；第二确定单元，被配置成根据上述聚类后路灯光源信息组序列，确定上述目标车辆的车辆位置信息。
第三方面，本公开的一些实施例提供了一种电子设备，包括：一个或多个处理器；存储装置，其上存储有一个或多个程序，当一个或多个程序被一个或多个处理器执行，使得一个或多个处理器实现上述第一方面任一实现方式所描述的方法。
第四方面，本公开的一些实施例提供了一种计算机可读介质，其上存储有计算机程序，其中，程序被处理器执行时实现上述第一方面任一实现方式所描述的方法。
本公开的上述各个实施例具有如下有益效果：通过本公开的一些实施例的基于路灯光源的车辆定位方法，提高了在GPS信号较弱的环境和/或车辆周围环境的光线较差时的车辆定位准确性。具体来说，造成车辆定位准确性较低的原因在于：第一，对于GPS信号较弱的环境（如，隧道等），往往会导致车辆定位出现误差，从而影响车辆定位的准确性；第二，对于基于语义的定位算法，当车辆周围环境的光线较差时，会导致对车辆周围的环境元素的识别准确度降低，从而影响车辆定位的准确性。基于此，本公开的一些实施例的基于路灯光源的车辆定位方法，首先，确定目标车辆的行驶环境状态和行驶路段状态。实际情况中，当车辆处于GPS信号较强的环境中，可以采用GPS进行车辆定位，当车辆周围环境的光线充足时，也可以采用基于语义的定位算法进行车辆定位，但当车辆所处环境的GPS信号较弱和/或光线较差时，采用GPS定位或基于语义的定位算法的定位效果往往较差。因此，通过确定行驶环境状态和行驶路段状态，可以作为判定车辆定位方式的依据。接着，响应于确定上述行驶环境状态表征上述目标车辆为夜间行驶和/或上述行驶路段状态表征上述目标车辆所在的当前路段为隧道环境状态，获取上述目标车辆上安装的图像采集装置采集得到的图像序列。进一步，对上述图像序列中的每张图像进行路灯光源检测，以生成路灯光源信息组，得到路灯光源信息组序列。实际情况中，路灯光源作为自发光体可以为自身提供光线，因此，通过检测得到的路灯光源，可以作为车辆定位的数据基础。此外，对上述路灯光源信息组序列中的路灯光源信息对应的路灯光源进行稳定性识别，得到目标路灯光源信息序列。由于路灯光源检测存在一定误识别的情况，因此，需要对得到的路灯光源信息进行信息筛除。此外，对上述目标路灯光源信息序列中的目标路灯光源信息对应的路灯光源进行光源聚类，以生成聚类后路灯光源信息组，得到聚类后路灯光源信息组序列，其中，聚类后路灯光源信息组中的各个聚类后路灯光源信息对应相同的簇中心。通过聚类实现了将相同路灯光源对应的路灯光源信息的聚簇。最后，根据上述聚类后路灯光源信息组序列，确定上述目标车辆的车辆位置信息。通过此种方式，实现了在GPS信号较弱的环境和/或车辆周围环境的光线较差时的车辆精准定位。
附图说明
结合附图并参考以下具体实施方式，本公开各实施例的上述和其他特征、优点及方面将变得更加明显。贯穿附图中，相同或相似的附图标记表示相同或相似的元素。应当理解附图是示意性的，元件和元素不一定按照比例绘制。
图1是根据本公开的基于路灯光源的车辆定位方法的一些实施例的流程图；
图2是根据本公开的基于路灯光源的车辆定位装置的一些实施例的结构示意图；
图3是适于用来实现本公开的一些实施例的电子设备的结构示意图。
具体实施方式
下面将参照附图更详细地描述本公开的实施例。虽然附图中显示了本公开的某些实施例，然而应当理解的是，本公开可以通过各种形式来实现，而且不应该被解释为限于这里阐述的实施例。相反，提供这些实施例是为了更加透彻和完整地理解本公开。应当理解的是，本公开的附图及实施例仅用于示例性作用，并非用于限制本公开的保护范围。
另外还需要说明的是，为了便于描述，附图中仅示出了与有关发明相关的部分。在不冲突的情况下，本公开中的实施例及实施例中的特征可以相互组合。
需要注意，本公开中提及的“第一”、“第二”等概念仅用于对不同的装置、模块或单元进行区分，并非用于限定这些装置、模块或单元所执行的功能的顺序或者相互依存关系。
需要注意，本公开中提及的“一个”、“多个”的修饰是示意性而非限制性的，本领域技术人员应当理解，除非在上下文另有明确指出，否则应该理解为“一个或多个”。
本公开实施方式中的多个装置之间所交互的消息或者信息的名称仅用于说明性的目的，而并不是用于对这些消息或信息的范围进行限制。
下面将参考附图并结合实施例来详细说明本公开。
参考图1，示出了根据本公开的基于路灯光源的车辆定位方法的一些实施例的流程100。该基于路灯光源的车辆定位方法，包括以下步骤：
步骤101，确定目标车辆的行驶环境状态和行驶路段状态。
在一些实施例中，基于路灯光源的车辆定位方法的执行主体（例如，计算设备）可以确定目标车辆的行驶环境状态和行驶路段状态。其中，上述目标车辆可以是具有自动驾驶功能的汽车。上述行驶环境状态可以表征上述目标车辆当前行驶状态。上述行驶路段状态可以表征上述目标车辆当前所在路段的路段状态。实践中，上述行驶环境状态可以是但不限于以下任意一项：白天行驶状态，阴雨天行驶状态，夜间行驶状态。上述行驶路段状态可以是但不限于以下任意一项：隧道环境状态，开阔道路状态。
作为示例，上述执行主体可以通过目标车辆上安装的通信装置，获取上述目标车辆所在当前路段的天气状态信息，以及将上述天气状态信息确定为上述行驶环境状态。此外上述执行主体还可以通过上述通信装置获取上述行驶路段状态。实践中，上述通信装置可以是具有无线通信功能的装置。
需要说明的是，上述计算设备可以是硬件，也可以是软件。当计算设备为硬件时，可以是上述目标车辆上的车辆控制设备。当计算设备体现为软件时，可以安装在上述所列举的硬件设备中。
在一些实施例的一些可选的实现方式中，上述执行主体确定目标车辆的行驶环境状态和行驶路段状态，可以包括以下步骤：
第一步，通过上述目标车辆上安装的通信装置，获取上述目标车辆所在的当前路段的天气状态信息。
实践中，上述执行主体可以通过上述通信装置，以无线通信的方式获取上述天气状态信息。
第二步，通过上述目标车辆上安装的定位装置进行车辆定位。
实践中，上述定位装置可以是GPS定位装置。
第三步，响应于获取成功，将上述天气状态信息确定上述行驶环境状态。
第四步，响应于获取失败或车辆定位失败，通过上述图像采集装置采集周围环境图像。
实践中，上述图像采集装置可以是在上述目标车辆的车身周围设置的至少一个摄像头。
第五步，对上述周围环境图像进行环境状态识别，以生成上述行驶环境状态。
实践中，上述执行主体可以通过预先训练的环境状态识别模型，对上述周围环境图像进行环境状态识别，以生成上述行驶环境状态。其中，上述环境状态识别模型可以是多分类模型，例如，上述环境状态识别模型可以是Xception网络模型。
第六步，对上述周围环境图像进行行驶路段识别，以生成上述行驶路段状态。
实践中，上述执行主体可以通过预先训练的路段状态识别模型，对上述周围环境信息图像进行路段状态识别，以生成上述行驶路段状态。其中，上述路段状态识别模型可以是多分类模型，上述路段状态识别模型可以是ResNet-101模型。
步骤102，响应于确定行驶环境状态表征目标车辆为夜间行驶和/或行驶路段状态表征目标车辆所在的当前路段为隧道环境状态，获取目标车辆上安装的图像采集装置采集得到的图像序列。
在一些实施例中，上述执行主体可以响应于确定行驶环境状态表征目标车辆为夜间行驶和/或行驶路段状态表征目标车辆所在的当前路段为隧道环境状态，通过有线连接，或无线连接的方式获取目标车辆上安装的图像采集装置采集得到的图像序列。实践中，上述图像序列可以是位于上述目标车辆车前方和车两侧的摄像头采集得到的图像。
步骤103，对图像序列中的每张图像进行路灯光源检测，以生成路灯光源信息组，得到路灯光源信息组序列。
在一些实施例中，上述执行主体可以通过各种方式，对图像序列中的每张图像进行路灯光源检测，以生成路灯光源信息组，得到路灯光源信息组序列。其中，路灯光源信息组是图像中识别得到的至少一个路灯光源对应的信息。实践中，路灯光源信息可以包括：路灯光源坐标，路灯光源置信度。路灯光源坐标表征路灯光源在图像中的像素坐标。路灯光源置信度表征识别得到的路灯光源的置信度。
在一些实施例的一些可选的实现方式中，上述执行主体可以通过预先训练的路灯光源检测模型，对上述图像进行路灯光源检测，以生成路灯光源信息组。实践中，上述路灯光源检测模型可以是从图像中定位路灯光源的模型。其中，上述路灯光源检测模型可以是神经网络模型。例如，上述路灯光源检测模型可以是Faster-RCNN模型。
步骤104，对路灯光源信息组序列中的路灯光源信息对应的路灯光源进行稳定性识别，得到目标路灯光源信息序列。
在一些实施例中，上述执行主体可以对路灯光源信息组序列中的路灯光源信息对应的路灯光源进行稳定性识别，得到目标路灯光源信息序列。实践中，上述执行主体可以将路灯光源信息组序列中对应的路灯光源置信度小于预设置信度的路灯光源信息进行剔除，以及将对应的路灯光源置信度大于等于上述预设置信度的路灯光源信息，确定为目标路灯光源信息，得到上述目标路灯光源信息序列。
在一些实施例的一些可选的实现方式中，上述执行主体对路灯光源信息组序列中的路灯光源信息对应的路灯光源进行稳定性识别，得到目标路灯光源信息序列，可以包括以下步骤：
第一步，对于上述路灯光源信息序列中的每个路灯光源信息组，执行以下第一剔除步骤：
子步骤1，响应于确定上述路灯光源信息组存在路灯光源信息子组，从上述路灯光源信息组中剔除上述路灯光源信息子组，得到候选路灯光源信息组。
其中，上述路灯光源信息子组对应的路灯光源之间的光源距离小于预设距离。光源距离是指路灯光源在图像中的像素距离。实践中，上述预设距离可以是200像素。
作为示例，上述路灯光源信息子组可以包括：路灯光源信息A和路灯光源信息B。其中，路灯光源信息A对应的路灯光源和路灯光源信息B对应的路灯光源之间的光源距离为100像素。实践中，上述执行主体可以通过确定路灯光源信息包括的路灯光源坐标之间的距离值，以生成光源距离。
第二步，对于得到的候选路灯光源信息组序列对应的至少一个路灯光源中的每个路灯光源，执行以下第二剔除步骤：
子步骤1，根据上述路灯光源对应的至少一个候选路灯光源信息，确定上述路灯光源对应的光源方向。
作为示例，首先，上述主体可以根据同一个路灯光源对应的至少一个候选路灯光源信息包括的路灯光源坐标，以及候选路灯光源信息生成的先后顺序，对至少一个候选路灯光源信息包括的路灯光源坐标进行曲线拟合。实践中，上述执行主体可以根据候选路灯光源信息对应的图像的采集时间，确定候选路灯光源信息生成的先后顺序。然后，上述执行主体可以将拟合的曲线的曲线方向，确定为光源方向。
子步骤2，响应于确定上述光源方向满足剔除条件，从上述候选路灯光源信息组序列中剔除上述路灯光源对应的至少一个候选路灯光源信息。
其中，剔除条件为：光源方向与上述目标车辆的行进方向相反。实践中，上述执行主体可以根据IMU（Inertial Measurement Unit，惯性测量单元），确定上述目标车辆的行进方向。
第三步，将上述候选路灯光源信息组序列中、不满足上述剔除条件的路灯光源对应的候选路灯光源信息确定为目标路灯光源信息，得到上述目标路灯光源信息序列。
步骤105，对目标路灯光源信息序列中的目标路灯光源信息对应的路灯光源进行光源聚类，以生成聚类后路灯光源信息组，得到聚类后路灯光源信息组序列。
在一些实施例中，上述执行主体可以对目标路灯光源信息序列中的目标路灯光源信息对应的路灯光源进行光源聚类，以生成聚类后路灯光源信息组，得到聚类后路灯光源信息组序列。其中，聚类后路灯光源信息组中的各个聚类后路灯光源信息对应相同的簇中心。实践中，上述执行主体可以通过K-means算法，对目标路灯光源信息序列中的目标路灯光源信息对应的路灯光源进行光源聚类。
在一些实施例的一些可选的实现方式中，上述执行主体对目标路灯光源信息序列中的目标路灯光源信息对应的路灯光源进行光源聚类，以生成聚类后路灯光源信息组，得到聚类后路灯光源信息组序列，可以包括以下步骤：
第一步，根据上述目标路灯光源信息序列中的目标路灯光源信息对应的路灯光源在当前帧图像中的位置、按照从上到下的顺序对目标路灯光源信息序列中的目标路灯光源信息进行排序，以生成排序后的目标路灯光源信息序列。
第二步，根据上述排序后的目标路灯光源信息序列中的排序后的目标路灯光源信息对应的路灯光源的消失点方向，对上述排序后的目标路灯光源信息序列中的排序后的目标路灯光源信息进行聚类，以生成聚类后路灯光源信息组，得到上述聚类后路灯光源信息组序列。
步骤106，根据聚类后路灯光源信息组序列，确定目标车辆的车辆位置信息。
在一些实施例中，上述执行主体可以根据聚类后路灯光源信息组序列，通过各种方式，确定目标车辆的车辆位置信息。其中，上述车辆位置信息可以表征上述目标车辆的相对定位信息。
在一些实施例的一些可选的实现方式中，上述执行主体根据上述聚类后路灯光源信息组序列和预先构建的车辆定位优化方程，确定上述目标车辆的车辆位置信息。其中，上述车辆定位优化方程可以如下式：
Figure DEST_PATH_IMAGE001
其中，
Figure DEST_PATH_IMAGE002
表示第一权重。
Figure DEST_PATH_IMAGE003
表示第二权重。其中，第一权重+第二权重=1。
Figure DEST_PATH_IMAGE004
表示第一中间变量。
Figure DEST_PATH_IMAGE005
表示第二中间变量。
Figure DEST_PATH_IMAGE006
表示车辆位置信息。实践中，
Figure 619656DEST_PATH_IMAGE006
表征从
Figure DEST_PATH_IMAGE007
帧所在的车体坐标系转换至
Figure DEST_PATH_IMAGE008
帧所在的车体坐标系的转换函数。
Figure 834999DEST_PATH_IMAGE006
为待优化量。
Figure DEST_PATH_IMAGE009
表示上述聚类后路灯光源信息组序列中同一类光源的总个数。
Figure DEST_PATH_IMAGE010
表示序号。
Figure DEST_PATH_IMAGE011
表示路灯光源坐标。
Figure DEST_PATH_IMAGE012
表示车体坐标系。
Figure DEST_PATH_IMAGE013
表示图像坐标系。
Figure DEST_PATH_IMAGE014
表示在
Figure 67266DEST_PATH_IMAGE007
帧、序号为
Figure 196896DEST_PATH_IMAGE010
的路灯光源在车体坐标系下的路灯光源坐标。
Figure DEST_PATH_IMAGE015
表示在
Figure 64399DEST_PATH_IMAGE007
帧、序号为
Figure DEST_PATH_IMAGE016
的路灯光源在车体坐标系下的路灯光源坐标。
Figure DEST_PATH_IMAGE017
表示在
Figure 949179DEST_PATH_IMAGE007
帧、序号为
Figure DEST_PATH_IMAGE018
的路灯光源在车体坐标系下的路灯光源坐标。
Figure DEST_PATH_IMAGE019
表示最大序号。
Figure DEST_PATH_IMAGE020
表示将路灯光源坐标从车体坐标系转换至图像坐标系的转换函数。
Figure DEST_PATH_IMAGE021
表示在
Figure 809687DEST_PATH_IMAGE008
帧、序号为
Figure 805325DEST_PATH_IMAGE010
的路灯光源在图像坐标系下的路灯光源坐标。
Figure DEST_PATH_IMAGE022
表示在
Figure 5362DEST_PATH_IMAGE008
帧、序号为
Figure 31349DEST_PATH_IMAGE010
的路灯光源的检测误差协方差。
通过上述车辆定位优化方程和聚类后路灯光源信息组序列可以实现快速的车辆位置信息确定，相较于基于机器学习的定位方式，数据计算量大大降低，大大提高了车辆定位的速度。
可选地，上述执行主体还可以执行以下处理步骤：
第一步，通过上述目标车辆上安装的点云数据采集装置，采集上述目标车辆周围的点云数据。
其中，上述电源数据采集装置可以是激光点云雷达。
第二步，根据上述点云数据和预先训练的障碍物检测模型，确定上述目标车辆周围的障碍物信息，得到障碍物信息集合。
其中，上述障碍物检测模型可以是进行障碍物检测和障碍物定位的模型。实践中，上述障碍物检测模型可以是YOLO（You Only Look Once）模型。上述障碍物信息集合中的障碍物信息可以包括：障碍物坐标，障碍物类别。
第三步，根据上述障碍物信息集合和上述车辆位置信息，优化上述目标车辆的行驶轨迹。
实践中，上述执行主体可以根据上述障碍物信息集合中的障碍物信息包括的障碍物坐标，和上述车辆位置信息，采用轨迹优化算法，优化上述目标车辆的行驶轨迹。例如，上述轨迹优化算法可以是基于图搜索的轨迹优化算法，基于数值优化的轨迹优化算法，基于曲线拟合的轨迹优化算法。
本公开的上述各个实施例具有如下有益效果：通过本公开的一些实施例的基于路灯光源的车辆定位方法，提高了在GPS信号较弱的环境和/或车辆周围环境的光线较差时的车辆定位准确性。具体来说，造成车辆定位准确性较低的原因在于：第一，对于GPS信号较弱的环境（如，隧道等），往往会导致车辆定位出现误差，从而影响车辆定位的准确性；第二，对于基于语义的定位算法，当车辆周围环境的光线较差时，会导致对车辆周围的环境元素的识别准确度降低，从而影响车辆定位的准确性。基于此，本公开的一些实施例的基于路灯光源的车辆定位方法，首先，确定目标车辆的行驶环境状态和行驶路段状态。实际情况中，当车辆处于GPS信号较强的环境中，可以采用GPS进行车辆定位，当车辆周围环境的光线充足时，也可以采用基于语义的定位算法进行车辆定位，但当车辆所处环境的GPS信号较弱和/或光线较差时，采用GPS定位或基于语义的定位算法的定位效果往往较差。因此，通过确定行驶环境状态和行驶路段状态，可以作为判定车辆定位方式的依据。接着，响应于确定上述行驶环境状态表征上述目标车辆为夜间行驶和/或上述行驶路段状态表征上述目标车辆所在的当前路段为隧道环境状态，获取上述目标车辆上安装的图像采集装置采集得到的图像序列。进一步，对上述图像序列中的每张图像进行路灯光源检测，以生成路灯光源信息组，得到路灯光源信息组序列。实际情况中，路灯光源作为自发光体可以为自身提供光线，因此，通过检测得到的路灯光源，可以作为车辆定位的数据基础。此外，对上述路灯光源信息组序列中的路灯光源信息对应的路灯光源进行稳定性识别，得到目标路灯光源信息序列。由于路灯光源检测存在一定误识别的情况，因此，需要对得到的路灯光源信息进行信息筛除。此外，对上述目标路灯光源信息序列中的目标路灯光源信息对应的路灯光源进行光源聚类，以生成聚类后路灯光源信息组，得到聚类后路灯光源信息组序列，其中，聚类后路灯光源信息组中的各个聚类后路灯光源信息对应相同的簇中心。通过聚类实现了将相同路灯光源对应的路灯光源信息的聚簇。最后，根据上述聚类后路灯光源信息组序列，确定上述目标车辆的车辆位置信息。通过此种方式，实现了在GPS信号较弱的环境和/或车辆周围环境的光线较差时的车辆精准定位。
进一步参考图2，作为对上述各图所示方法的实现，本公开提供了一种基于路灯光源的车辆定位装置的一些实施例，这些装置实施例与图1所示的那些方法实施例相对应，该基于路灯光源的车辆定位装置具体可以应用于各种电子设备中。
如图2所示，一些实施例的基于路灯光源的车辆定位装置200包括：第一确定单元201、获取单元202、路灯光源检测单元203、稳定性识别单元204、光源聚类单元205和第二确定单元206。其中，第一确定单元201，被配置成确定目标车辆的行驶环境状态和行驶路段状态；获取单元202，被配置成响应于确定上述行驶环境状态表征上述目标车辆为夜间行驶和/或上述行驶路段状态表征上述目标车辆所在的当前路段为隧道环境状态，获取上述目标车辆上安装的图像采集装置采集得到的图像序列；路灯光源检测单元203，被配置成对上述图像序列中的每张图像进行路灯光源检测，以生成路灯光源信息组，得到路灯光源信息组序列；稳定性识别单元204，被配置成对上述路灯光源信息组序列中的路灯光源信息对应的路灯光源进行稳定性识别，得到目标路灯光源信息序列；光源聚类单元205，被配置成对上述目标路灯光源信息序列中的目标路灯光源信息对应的路灯光源进行光源聚类，以生成聚类后路灯光源信息组，得到聚类后路灯光源信息组序列，其中，聚类后路灯光源信息组中的各个聚类后路灯光源信息对应相同的簇中心；第二确定单元206，被配置成根据上述聚类后路灯光源信息组序列，确定上述目标车辆的车辆位置信息。
可以理解的是，该基于路灯光源的车辆定位装置200中记载的诸单元与参考图1描述的方法中的各个步骤相对应。由此，上文针对方法描述的操作、特征以及产生的有益效果同样适用于基于路灯光源的车辆定位装置200及其中包含的单元，在此不再赘述。
下面参考图3，其示出了适于用来实现本公开的一些实施例的电子设备（例如，计算设备）300的结构示意图。图3示出的电子设备仅仅是一个示例，不应对本公开的实施例的功能和使用范围带来任何限制。
如图3所示，电子设备300可以包括处理装置（例如中央处理器、图形处理器等）301，其可以根据存储在只读存储器302中的程序或者从存储装置308加载到随机访问存储器303中的程序而执行各种适当的动作和处理。在随机访问存储器303中，还存储有电子设备300操作所需的各种程序和数据。处理装置301、只读存储器302以及随机访问存储器303通过总线304彼此相连。输入/输出接口305也连接至总线304。
通常，以下装置可以连接至I/O接口305：包括例如触摸屏、触摸板、键盘、鼠标、摄像头、麦克风、加速度计、陀螺仪等的输入装置306；包括例如液晶显示器（LCD）、扬声器、振动器等的输出装置307；包括例如磁带、硬盘等的存储装置308；以及通信装置309。通信装置309可以允许电子设备300与其他设备进行无线或有线通信以交换数据。虽然图3示出了具有各种装置的电子设备300，但是应理解的是，并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。图3中示出的每个方框可以代表一个装置，也可以根据需要代表多个装置。
特别地，根据本公开的一些实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本公开的一些实施例包括一种计算机程序产品，其包括承载在计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的一些实施例中，该计算机程序可以通过通信装置309从网络上被下载和安装，或者从存储装置308被安装，或者从只读存储器302被安装。在该计算机程序被处理装置301执行时，执行本公开的一些实施例的方法中限定的上述功能。
需要说明的是，本公开的一些实施例中记载的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器（RAM）、只读存储器（ROM）、可擦式可编程只读存储器（EPROM或闪存）、光纤、便携式紧凑磁盘只读存储器（CD-ROM）、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开的一些实施例中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本公开的一些实施例中，计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读信号介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：电线、光缆、RF（射频）等等，或者上述的任意合适的组合。
在一些实施方式中，客户端、服务器可以利用诸如HTTP（Hyper Text TransferProtocol，超文本传输协议）之类的任何当前已知或未来研发的网络协议进行通信，并且可以与任意形式或介质的数字数据通信（例如，通信网络）互连。通信网络的示例包括局域网（“LAN”），广域网（“WAN”），网际网（例如，互联网）以及端对端网络（例如，ad hoc端对端网络），以及任何当前已知或未来研发的网络。
上述计算机可读介质可以是上述电子设备中所包含的；也可以是单独存在，而未装配入该电子设备中。上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被该电子设备执行时，使得该电子设备：确定目标车辆的行驶环境状态和行驶路段状态；响应于确定上述行驶环境状态表征上述目标车辆为夜间行驶和/或上述行驶路段状态表征上述目标车辆所在的当前路段为隧道环境状态，获取上述目标车辆上安装的图像采集装置采集得到的图像序列；对上述图像序列中的每张图像进行路灯光源检测，以生成路灯光源信息组，得到路灯光源信息组序列；对上述路灯光源信息组序列中的路灯光源信息对应的路灯光源进行稳定性识别，得到目标路灯光源信息序列；对上述目标路灯光源信息序列中的目标路灯光源信息对应的路灯光源进行光源聚类，以生成聚类后路灯光源信息组，得到聚类后路灯光源信息组序列，其中，聚类后路灯光源信息组中的各个聚类后路灯光源信息对应相同的簇中心；根据上述聚类后路灯光源信息组序列，确定上述目标车辆的车辆位置信息。
可以以一种或多种程序设计语言或其组合来编写用于执行本公开的一些实施例的操作的计算机程序代码，上述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网（LAN）或广域网（WAN）——连接到用户计算机，或者，可以连接到外部计算机（例如利用因特网服务提供商来通过因特网连接）。
附图中的流程图和框图，图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
描述于本公开的一些实施例中的单元可以通过软件的方式实现，也可以通过硬件的方式来实现。所描述的单元也可以设置在处理器中，例如，可以描述为：一种处理器包括第一确定单元、获取单元、路灯光源检测单元、稳定性识别单元、光源聚类单元和第二确定单元。其中，这些单元的名称在某种情况下并不构成对该单元本身的限定，例如，稳定性识别单元还可以被描述为“对上述路灯光源信息组序列中的路灯光源信息对应的路灯光源进行稳定性识别，得到目标路灯光源信息序列的单元”。
本文中以上描述的功能可以至少部分地由一个或多个硬件逻辑部件来执行。例如，非限制性地，可以使用的示范类型的硬件逻辑部件包括：现场可编程门阵列（FPGA）、专用集成电路（ASIC）、专用标准产品（ASSP）、片上系统（SOC）、复杂可编程逻辑设备（CPLD）等等。
以上描述仅为本公开的一些较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本公开的实施例中所涉及的发明范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离上述发明构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本公开的实施例中公开的（但不限于）具有类似功能的技术特征进行互相替换而形成的技术方案。

Claims (9)

1.一种基于路灯光源的车辆定位方法，包括：
确定目标车辆的行驶环境状态和行驶路段状态；
响应于确定所述行驶环境状态表征所述目标车辆为夜间行驶和/或所述行驶路段状态表征所述目标车辆所在的当前路段为隧道环境状态，获取所述目标车辆上安装的图像采集装置采集得到的图像序列；
对所述图像序列中的每张图像进行路灯光源检测，以生成路灯光源信息组，得到路灯光源信息组序列；
对所述路灯光源信息组序列中的路灯光源信息对应的路灯光源进行稳定性识别，得到目标路灯光源信息序列；
对所述目标路灯光源信息序列中的目标路灯光源信息对应的路灯光源进行光源聚类，以生成聚类后路灯光源信息组，得到聚类后路灯光源信息组序列，其中，聚类后路灯光源信息组中的各个聚类后路灯光源信息对应相同的簇中心；
根据所述聚类后路灯光源信息组序列，确定所述目标车辆的车辆位置信息，其中，所述对所述路灯光源信息组序列中的路灯光源信息对应的路灯光源进行稳定性识别，得到目标路灯光源信息序列，包括：
对于所述路灯光源信息序列中的每个路灯光源信息组，执行以下第一剔除步骤：
响应于确定所述路灯光源信息组存在路灯光源信息子组，从所述路灯光源信息组中剔除所述路灯光源信息子组，得到候选路灯光源信息组，其中，所述路灯光源信息子组对应的路灯光源之间的光源距离小于预设距离，所述光源距离是指路灯光源在图像中的像素距离；
对于得到的候选路灯光源信息组序列对应的至少一个路灯光源中的每个路灯光源，执行以下第二剔除步骤：
根据所述路灯光源对应的至少一个候选路灯光源信息，确定所述路灯光源对应的光源方向；
响应于确定所述光源方向满足剔除条件，从所述候选路灯光源信息组序列中剔除所述路灯光源对应的至少一个候选路灯光源信息，其中，所述剔除条件为：光源方向与所述目标车辆的行进方向相反；
将所述候选路灯光源信息组序列中、不满足所述剔除条件的路灯光源对应的候选路灯光源信息确定为目标路灯光源信息，得到所述目标路灯光源信息序列。
2.根据权利要求1所述的方法，其中，所述方法还包括：
通过所述目标车辆上安装的点云数据采集装置，采集所述目标车辆周围的点云数据；
根据所述点云数据和预先训练的障碍物检测模型，确定所述目标车辆周围的障碍物信息，得到障碍物信息集合；
根据所述障碍物信息集合和所述车辆位置信息，优化所述目标车辆的行驶轨迹。
3.根据权利要求2所述的方法，其中，所述确定目标车辆的行驶环境状态和行驶路段状态，包括：
通过所述目标车辆上安装的通信装置，获取所述目标车辆所在的当前路段的天气状态信息；
通过所述目标车辆上安装的定位装置进行车辆定位；
响应于获取成功，将所述天气状态信息确定为所述行驶环境状态；
响应于获取失败或车辆定位失败，通过所述图像采集装置采集周围环境图像；
对所述周围环境图像进行环境状态识别，以生成所述行驶环境状态；
对所述周围环境图像进行行驶路段识别，以生成所述行驶路段状态。
4.根据权利要求3所述的方法，其中，所述对所述图像序列中的每张图像进行路灯光源检测，以生成路灯光源信息组，包括：
通过预先训练的路灯光源检测模型，对所述图像进行路灯光源检测，以生成路灯光源信息组。
5.根据权利要求4所述的方法，其中，所述对所述目标路灯光源信息序列中的目标路灯光源信息对应的路灯光源进行光源聚类，以生成聚类后路灯光源信息组，得到聚类后路灯光源信息组序列，包括：
根据所述目标路灯光源信息序列中的目标路灯光源信息对应的路灯光源在当前帧图像中的位置、按照从上到下的顺序对目标路灯光源信息序列中的目标路灯光源信息进行排序，以生成排序后的目标路灯光源信息序列；
根据所述排序后的目标路灯光源信息序列中的排序后的目标路灯光源信息对应的路灯光源的消失点方向，对所述排序后的目标路灯光源信息序列中的排序后的目标路灯光源信息进行聚类，以生成聚类后路灯光源信息组，得到所述聚类后路灯光源信息组序列。
6.根据权利要求5所述的方法，其中，所述根据所述聚类后路灯光源信息组序列，确定所述目标车辆的车辆位置信息，包括：
根据所述聚类后路灯光源信息组序列和预先构建的车辆定位优化方程，确定所述目标车辆的车辆位置信息。
7.一种基于路灯光源的车辆定位装置，包括：
第一确定单元，被配置成确定目标车辆的行驶环境状态和行驶路段状态；
获取单元，被配置成响应于确定所述行驶环境状态表征所述目标车辆为夜间行驶和/或所述行驶路段状态表征所述目标车辆所在的当前路段为隧道环境状态，获取所述目标车辆上安装的图像采集装置采集得到的图像序列；
路灯光源检测单元，被配置成对所述图像序列中的每张图像进行路灯光源检测，以生成路灯光源信息组，得到路灯光源信息组序列；
稳定性识别单元，被配置成对所述路灯光源信息组序列中的路灯光源信息对应的路灯光源进行稳定性识别，得到目标路灯光源信息序列；
光源聚类单元，被配置成对所述目标路灯光源信息序列中的目标路灯光源信息对应的路灯光源进行光源聚类，以生成聚类后路灯光源信息组，得到聚类后路灯光源信息组序列，其中，聚类后路灯光源信息组中的各个聚类后路灯光源信息对应相同的簇中心；
第二确定单元，被配置成根据所述聚类后路灯光源信息组序列，确定所述目标车辆的车辆位置信息，其中，所述对所述路灯光源信息组序列中的路灯光源信息对应的路灯光源进行稳定性识别，得到目标路灯光源信息序列，包括：
对于所述路灯光源信息序列中的每个路灯光源信息组，执行以下第一剔除步骤：
响应于确定所述路灯光源信息组存在路灯光源信息子组，从所述路灯光源信息组中剔除所述路灯光源信息子组，得到候选路灯光源信息组，其中，所述路灯光源信息子组对应的路灯光源之间的光源距离小于预设距离，所述光源距离是指路灯光源在图像中的像素距离；
对于得到的候选路灯光源信息组序列对应的至少一个路灯光源中的每个路灯光源，执行以下第二剔除步骤：
根据所述路灯光源对应的至少一个候选路灯光源信息，确定所述路灯光源对应的光源方向；
响应于确定所述光源方向满足剔除条件，从所述候选路灯光源信息组序列中剔除所述路灯光源对应的至少一个候选路灯光源信息，其中，所述剔除条件为：光源方向与所述目标车辆的行进方向相反；
将所述候选路灯光源信息组序列中、不满足所述剔除条件的路灯光源对应的候选路灯光源信息确定为目标路灯光源信息，得到所述目标路灯光源信息序列。
8.一种电子设备，包括：
一个或多个处理器；
存储装置，其上存储有一个或多个程序；
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1至6中任一所述的方法。
9.一种计算机可读介质，其上存储有计算机程序，其中，所述计算机程序被处理器执行时实现如权利要求1至6中任一所述的方法。
CN202211459417.5A 2022-11-16 2022-11-16 基于路灯光源的车辆定位方法、装置和电子设备 Active CN115512336B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211459417.5A CN115512336B (zh) 2022-11-16 2022-11-16 基于路灯光源的车辆定位方法、装置和电子设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211459417.5A CN115512336B (zh) 2022-11-16 2022-11-16 基于路灯光源的车辆定位方法、装置和电子设备

Publications (2)

Publication Number Publication Date
CN115512336A CN115512336A (zh) 2022-12-23
CN115512336B true CN115512336B (zh) 2023-02-28

Family

ID=84514230

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211459417.5A Active CN115512336B (zh) 2022-11-16 2022-11-16 基于路灯光源的车辆定位方法、装置和电子设备

Country Status (1)

Country Link
CN (1) CN115512336B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117269887B (zh) * 2023-11-21 2024-05-14 荣耀终端有限公司 一种定位方法、电子设备和可读存储介质

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106405601A (zh) * 2016-10-21 2017-02-15 北京汽车集团有限公司 车辆定位方法、装置和车辆
CN109447093A (zh) * 2018-10-26 2019-03-08 上海为森车载传感技术有限公司 基于yuv图像的车尾灯检测方法
CN111610484A (zh) * 2020-04-28 2020-09-01 吉林大学 一种基于occ的自动驾驶车辆跟踪定位方法
WO2021231906A1 (en) * 2020-05-14 2021-11-18 Mobileye Vision Technologies Ltd. Systems and methods for vehicle navigation involving traffic lights and traffic signs

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP5867807B2 (ja) * 2010-12-08 2016-02-24 株式会社リコー 車両識別装置

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106405601A (zh) * 2016-10-21 2017-02-15 北京汽车集团有限公司 车辆定位方法、装置和车辆
CN109447093A (zh) * 2018-10-26 2019-03-08 上海为森车载传感技术有限公司 基于yuv图像的车尾灯检测方法
CN111610484A (zh) * 2020-04-28 2020-09-01 吉林大学 一种基于occ的自动驾驶车辆跟踪定位方法
WO2021231906A1 (en) * 2020-05-14 2021-11-18 Mobileye Vision Technologies Ltd. Systems and methods for vehicle navigation involving traffic lights and traffic signs

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
Smart street light system based on image processing;P C Veena等;《2016 International Conference on Circuit, Power and Computing Technologies (ICCPCT)》;20160804;1-5 *
基于LED照明灯光的可见光室内停车场定位导航系统;李锦等;《应用光学》;20190930;第40卷(第5期);746-750 *

Also Published As

Publication number Publication date
CN115512336A (zh) 2022-12-23

Similar Documents

Publication Publication Date Title
CN111626208B (zh) 用于检测小目标的方法和装置
JP7351487B2 (ja) トポロジーマップに基づくインテリジェントナビゲーションの方法及びシステム
CN108921200B (zh) 用于对驾驶场景数据进行分类的方法、装置、设备和介质
CN111461981B (zh) 点云拼接算法的误差估计方法和装置
CN110163153B (zh) 用于识别交通标志牌边界的方法及装置
CN115540896B (zh) 路径规划方法、装置、电子设备和计算机可读介质
CN110717918B (zh) 行人检测方法和装置
CN110096051B (zh) 用于生成车辆控制指令的方法和装置
CN112590813A (zh) 自动驾驶车辆信息生成方法、装置、电子设备和介质
CN115240157B (zh) 道路场景数据持久化方法、装置、设备和计算机可读介质
CN114993328B (zh) 车辆定位评估方法、装置、设备和计算机可读介质
CN115339453B (zh) 车辆换道决策信息生成方法、装置、设备和计算机介质
CN115512336B (zh) 基于路灯光源的车辆定位方法、装置和电子设备
CN111401255B (zh) 用于识别分歧路口的方法和装置
CN112712036A (zh) 交通标志识别方法、装置、电子设备及计算机存储介质
CN115761702A (zh) 车辆轨迹生成方法、装置、电子设备和计算机可读介质
CN113743163A (zh) 交通目标识别模型训练方法、交通目标定位方法、装置
CN112883236B (zh) 一种地图更新方法、装置、电子设备及存储介质
CN112558036B (zh) 用于输出信息的方法和装置
CN116007638B (zh) 车辆轨迹地图匹配方法、装置、电子设备及车辆
CN115061386B (zh) 智能驾驶的自动化仿真测试系统及相关设备
CN112987707A (zh) 一种车辆的自动驾驶控制方法及装置
CN114494848B (zh) 一种机器人视距路径确定方法和装置
CN115534935A (zh) 车辆行驶控制方法、装置、电子设备和计算机可读介质
CN111383337B (zh) 用于识别对象的方法和装置

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