CN115752438A - 车辆定位方法、装置、车辆及存储介质 - Google Patents
车辆定位方法、装置、车辆及存储介质 Download PDFInfo
- Publication number
- CN115752438A CN115752438A CN202211467742.6A CN202211467742A CN115752438A CN 115752438 A CN115752438 A CN 115752438A CN 202211467742 A CN202211467742 A CN 202211467742A CN 115752438 A CN115752438 A CN 115752438A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- distance
- image
- current position
- acquiring
- 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
Landscapes
- Navigation (AREA)
Abstract
本申请涉及计算机技术领域,特别涉及一种车辆定位方法、装置、车辆及存储介质,其中,方法包括以下步骤:获取车辆的当前位置和当前所处路段的图像;对图像进行处理得到车道线模型,利用车道线模型计算车辆距离当前所处路段目标侧边界的第一距离;利用当前位置获取当前所处路段的地图,将当前位置投影至地图上,根据地图和投影点计算车辆距离当前所处路段目标侧边界的第二距离;根据第一距离与第二距离的距离差值匹配定位误差值,利用定位误差值修正车辆的当前位置。由此,解决了相关技术中使用高精度的惯导系统提高定位精度,车辆成本较高等问题。
Description
技术领域
本申请涉及计算机技术领域,特别涉及一种车辆定位方法、装置、车辆及存储介质。
背景技术
随着自动驾驶技术的流行与高精度导航的兴起,高精定位技术的研究越来越受到学术与工业界的关注。目前的主流定位技术是使用全球定位系统(美国的GPS(GlobalPositioning System)与中国的北斗)与INS(Inertial Navigation System,惯性导航系统)进行结合,定位系统利用卫星进行精确定位,结合RTK(Real Time Kinematic,实时动态测量)技术,定位精度可以达到厘米级。但是在遮挡物过多导致卫星截止角过大或观测条件差的情况下,可见卫星少,定位精度下降或者不能定位。
虽然定位系统加惯性导航的组合,能够处理车辆行驶过程中的大多数场景,但是在较长时间没有卫星信号,惯导航系统的误差会随着时间增大,导致误差较大。如果使用精度更高的惯导系统,会增加车辆成本,不利用车辆的成本管控。
发明内容
本申请提供一种车辆定位方法、装置、车辆及存储介质,以解决相关技术中使用高精度的惯导系统提高定位精度,车辆成本较高等问题。
本申请第一方面实施例提供一种车辆定位方法,包括以下步骤:获取车辆的当前位置和当前所处路段的图像;对所述图像进行处理得到车道线模型,利用所述车道线模型计算所述车辆距离所述当前所处路段目标侧边界的第一距离;利用所述当前位置获取所述当前所处路段的地图,将所述当前位置投影至所述地图上,根据所述地图和投影点计算所述车辆距离所述当前所处路段目标侧边界的第二距离;根据所述第一距离与所述第二距离的距离差值匹配定位误差值,利用所述定位误差值修正所述车辆的当前位置。
根据上述技术手段,本申请实施例可以根据车辆当前所处路段的图像进行处理得到车道线模型,通过车道线模型计算第一距离,根据车辆当前位置获取当前路段的地图,计算第二距离,进而计算距离差值进行修正车辆位置,将图像识别技术与高精地图数据结合,提高了定位的精度,并且节省了车辆成本。
可选地,所述利用所述车道线模型计算所述车辆距离所述当前所处路段目标侧边界的第一距离,包括:利用所述车道线模型计算图像采集装置距离所述目标侧边界的第三距离;获取所述图像采集装置与所述车辆靠近所述目标侧边界的车辆边界之间的第四距离,根据所述第三距离与所述第四距离计算得到所述第一距离。
根据上述技术手段,本申请实施例可以利用车辆的车道线模型计算第一距离,方便进行计算,节约了车辆成本。
可选地,所述根据所述地图和投影点计算所述车辆距离所述当前所处路段目标侧边界的第二距离,包括:获取所述当前所处路段在所述地图上的目标侧边界;根据所述投影点与所述地图上的目标侧边界计算定位装置距离所述目标侧边界的第五距离;获取所述定位装置与所述车辆靠近所述目标侧边界的车辆边界之间的第六距离,根据所述第五距离和所述第六距离计算得到所述第二距离。
根据上述技术手段,本申请实施例可以利用地图和投影点计算第二距离,结合了高精地图,提高了车辆定位的精度。
可选地,所述对所述图像进行处理得到车道线模型,包括:对所述图像进行灰度处理,得到灰度化图像;对所述灰度化图像进行边缘检测,得到所述图像的轮廓信息;识别所述轮廓信息中的车道轮廓信息,基于所述车道轮廓信息进行车道线拟合,得到所述车道线模型。
根据上述技术手段,本申请实施了可以对获取到的车辆所处路段的图像进行灰度处理,去掉图像中无关信息,留下车道轮廓信息,得到车道线模型。
可选地,在对所述灰度化图像进行边缘检测之前,包括:对所述灰度化图像进行高斯滤波处理,以消除所述灰度化图像的图像噪声。
根据上述技术手段,本申请实施例通过对灰度化图像进行高斯滤波处理,可以消除灰度化图片的图像噪声,确保图片的质量,方便后续更好得到车道线模型。
可选地,所述识别所述轮廓信息中的车道轮廓信息,包括:过滤所述轮廓信息中与所述车道轮廓信息无关的信息,得到所述车道轮廓信息。
根据上述技术手段,本申请实施例可以过滤掉与车道轮廓信息中无关的信息,以提高获取信息的价值性。
可选地,在获取车辆的当前位置和当前所处路段的图像,包括:识别目标定位系统的信号强度;若所述信号强度小于预设强度,则获取车辆的当前位置和当前所处路段的图像。
根据上述技术手段,本申请实施例可以在信号强度小于预设强度时,获取车辆的位置和所处路段的图像,方便后续进行车辆定位。
可选地,在利用所述定位误差值修正所述车辆的当前位置之后,包括:获取所述当前位置修正之后的实际时长;若所述实际时长大于预设时长,则重新对所述车辆的当前位置进行修正。
根据上述技术手段,本申请实施例可以通过对车辆的位置进行反复修正,直至车辆修正之后的实际时长小于或等于预设时长,停止修正,确保车辆的行驶安全。
本申请第二方面实施例提供一种车辆定位装置,包括:获取模块,用于获取车辆的当前位置和当前所处路段的图像;处理模块,拥有用于对所述图像进行处理得到车道线模型,第一计算模块,利用所述车道线模型计算所述车辆距离所述当前所处路段目标侧边界的第一距离;数据模块,用于利用所述当前位置获取所述当前所处路段的地图;第二计算模块,将所述当前位置投影至所述地图上,根据所述地图和投影点计算所述车辆距离所述当前所处路段目标侧边界的第二距离;修正模块,用于根据所述第一距离与所述第二距离的距离差值匹配定位误差值,利用所述定位误差值修正所述车辆的当前位置。
可选地,所述第一计算模块用于:利用所述车道线模型计算图像采集装置距离所述目标侧边界的第三距离;获取所述图像采集装置与所述车辆靠近所述目标侧边界的车辆边界之间的第四距离,根据所述第三距离与所述第四距离计算得到所述第一距离。
可选地,所述第二计算模块用于:获取所述当前所处路段在所述地图上的目标侧边界;根据所述投影点与所述地图上的目标侧边界计算定位装置距离所述目标侧边界的第五距离;获取所述定位装置与所述车辆靠近所述目标侧边界的车辆边界之间的第六距离,根据所述第五距离和所述第六距离计算得到所述第二距离。
可选地,所述处理模块用于:对所述图像进行灰度处理,得到灰度化图像;对所述灰度化图像进行边缘检测,得到所述图像的轮廓信息;识别所述轮廓信息中的车道轮廓信息,基于所述车道轮廓信息进行车道线拟合,得到所述车道线模型。
可选地,所述处理模块进一步用于:在对所述灰度化图像进行边缘检测之前,对所述灰度化图像进行高斯滤波处理,以消除所述灰度化图像的图像噪声。
可选地,所述处理模块进一步用于:过滤所述轮廓信息中与所述车道轮廓信息无关的信息,得到所述车道轮廓信息。
可选地,包括:识别模块,用于在获取车辆的当前位置和当前所处路段的图像之前,识别目标定位系统的信号强度;若所述信号强度小于预设强度,则获取车辆的当前位置和当前所处路段的图像。
可选地,包括:定时模块,用于在利用所述定位误差值修正所述车辆的当前位置之后,获取所述当前位置修正之后的实际时长;若所述实际时长大于预设时长,则重新对所述车辆的当前位置进行修正。
本申请第三方面实施例提供一种车辆,包括:存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述处理器执行所述程序,以实现如上述实施例所述的车辆定位方法。
本申请第四方面实施例提供一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行,以用于实现如上述实施例所述的车辆定位方法。
由此,本申请至少具有如下有益效果:
(1)本申请实施例可以根据车辆当前所处路段的图像进行处理得到车道线模型,通过车道线模型计算第一距离,根据车辆当前位置获取当前路段的地图,计算第二距离,进而计算距离差值进行修正车辆位置,将图像识别技术与高精地图数据结合,提高了定位的精度,并且节省了车辆成本。
(2)本申请实施例可以利用车辆的车道线模型计算第一距离,方便进行计算,节约了车辆成本。
(3)本申请实施例可以利用地图和投影点计算第二距离,结合了高精地图,提高了车辆定位的精度。
(4)本申请实施了可以对获取到的车辆所处路段的图像进行灰度处理,去掉图像中无关信息,留下车道轮廓信息,得到车道线模型。
(5)本申请实施例通过对灰度化图像进行高斯滤波处理,可以消除灰度化图片的图像噪声,确保图片的质量,方便后续更好得到车道线模型。
(6)本申请实施例可以过滤掉与车道轮廓信息中无关的信息,以提高获取信息的价值性。
(7)本申请实施例可以在信号强度小于预设强度时,获取车辆的位置和所处路段的图像,方便后续进行车辆定位。
(8)本申请实施例可以通过对车辆的位置进行反复修正,直至车辆修正之后的实际时长小于或等于预设时长,停止修正,确保车辆的行驶安全。
本申请附加的方面和优点将在下面的描述中部分给出,部分将从下面的描述中变得明显,或通过本申请的实践了解到。
附图说明
本申请上述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变得明显和容易理解,其中:
图1为根据本申请实施例提供的一种车辆定位方法的流程图;
图2为根据本申请实施例提供的车辆定位系统的模块示意图;
图3为根据本申请实施例提供的车辆定位方法的步骤流程图;
图4为根据本申请实施例提供的车辆定位方法装置的示例图;
图5为根据本申请实施例提供的车辆的结构示意图。
具体实施方式
下面详细描述本申请的实施例,所述实施例的示例在附图中示出,其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的,旨在用于解释本申请,而不能理解为对本申请的限制。
下面参考附图描述本申请实施例的车辆定位方法、装置、车辆及存储介质。针对上述背景技术中提到的在卫星信号遮挡情况下定位精度低,如果使用精度更高的惯导系统进行定位,车辆成本较高的问题,本申请提供了一种车辆定位方法,在该方法中,通过获取车辆所在路段的图像得到车道线模型,通过获取车辆的位置获取到当前所在路段的地图,分别计算出车辆距离目标侧边界的距离,进行差值计算匹配定位误差值,修正车辆位置,将图像识别技术与高精度地数据相结合,提高定位精度,解决了相关技术中使用高精度的惯导系统提高定位精度,车辆成本较高等问题。
具体而言,图1为本申请实施例所提供的一种车辆定位方法的流程示意图。
如图1所示,该车辆定位方法包括以下步骤:
在步骤S101中,获取车辆的当前位置和当前所处路段的图像。
其中,车辆的当前位置和当前所处路段的图像可以通过车载相机或车载摄像头获得。
在本申请实施例中,在获取车辆当前位置和当前所处路段的图像,包括:识别目标定位系统的信号强度;若信号强度小于预设强度,则获取车辆的当前位置和当前所处路段的图像。
其中,预设强度是一个临界值,如果信号强度大于或等于预设强度,则不需要进行车辆纠偏,如果信号强度小于预设强度值,需要进行车辆纠偏,此值依据具体情况进行设定,对此不作限制。
在步骤S102中,对图像进行处理得到车道线模型,利用车道线模型计算车辆距离当前所处路段目标侧边界的第一距离。
其中,第一距离指车道线模型中车辆距离当前所处路段目标侧边界的距离,具体计算方法将在下述实施例中进行阐述,此处不再赘述,其中目标侧边界可以为左道路边界或右道路边界,依据具体情况进行设定。
在本申请实施例中,对图像进行处理得到车道线模型,包括:对图像进行灰度处理,得到灰度化图像;对灰度化图像进行边缘检测,得到图像的轮廓信息;识别轮廓信息中的车道轮廓信息,基于车道轮廓信息进行车道线拟合,得到车道线模型。
其中,对灰度化图像进行边缘检测之间,包括:对灰度化图像进行高斯滤波处理,以消除灰度化图像的图像噪声,去除图像中不必要的或者多余的无关信息,提高图片的质量。
其中,识别轮廓信息中的车道轮廓信息,包括:过滤轮廓信息中与车道轮廓信息无关的信息,得到车道轮廓信息。
可以理解的是,在识别车道轮廓信息时,需要过滤掉无关信息,得到车道轮廓信息,以方便后续生成车道线模型。
具体而言,对图像进行处理得到车道线模型的步骤主要包括:对图像进行灰度处理,得到灰度化图片;对灰度化图片进行高斯滤波处理,消除图片噪声;对上图进行边缘检测,生成图片轮廓信息,得到图片K;对图片K进行信息过滤,去掉无关信息,留下车道轮廓信息,得到图片G;对图片G进行车道线拟合,得到车道线模型。
在本申请实施例中,利用车道线模型计算车辆距离当前所处路段目标侧边界的第一距离,包括:利用车道线模型计算图像采集装置距离目标侧边界的第三距离;获取图像采集装置与车辆靠近目标侧边界的车辆边界之间的第四距离,根据第三距离与第四距离计算得到第一距离。
其中,第三距离指图像采集装置距离目标侧边界的距离,可以利用车道线模型进行计算;第四距离指图像采集装置与车辆靠近目标侧边界的车辆边界之间的距离;第一距离=第三距离-第二距离。
以目标侧边界为左道路边界,图像采集装置为相机为例,根据经过图像处理得到的车道线模型,计算相机到左道路边界线距离A,相机到车辆左边界的距离为B,第一距离,即车辆距离左道路边界距离dis1为相机到左车道距离A减去相机到车辆左边界距离B,即dis1=A-B。
在步骤S103中,利用当前位置获取当前所处路段的地图,将当前位置投影至地图上,根据地图和投影点计算车辆距离当前所处路段目标侧边界的第二距离。
其中,第二距离指地图上车辆距离当前所处目标侧边界的距离。
可以理解的是,本申请实施例可以利用车辆的位置获取该路段的高精度地图,将当前位置投影至地图上,计算第二距离。
在本申请实施例中,根据地图和投影点计算车辆距离当前所处路段目标侧边界的第二距离,包括:获取当前所处路段在地图上的目标侧边界;根据投影点与地图上的目标侧边界计算定位装置距离目标侧边界的第五距离;获取定位装置与车辆靠近目标侧边界的车辆边界之间的第六距离,根据第五距离和第六距离计算得到第二距离。
其中,第五距离指定位装置距离目标侧边界的距离;第六距离指定位装置与车辆靠近目标侧边界的车辆边界之间的距离;第二距离=第五距离-第六距离。
以目标侧边界为左道路边界,定位装置为GPS为例,利用车辆位置信息,获取该路段高精地图数据,将车辆位置投影到该路段上,计算车辆位置到投影的距离P,即为第五距离,GPS装置到左道路边界的距离为Q,即为第六距离,第二距离dis2为第五距离P-减去第六距离Q,即dis2=P-Q。
在步骤S104中,根据第一距离与第二距离的距离差值匹配定位误差值,利用定位误差值修正车辆的当前位置。
其中,定位误差值根据第一距离与第二距离的距离差值得到,比如第一距离为dis1,第二距离为dis2,定位误差值d=dis1-dis2。
可以理解的是,本申请实施例根据定位误差值修正车辆的当前位置,以保证车辆的正常行驶,提高行车安全性。
在本申请实施例中,在利用定位误差值修正车辆的当前位置之后,包括:获取当前位置修正之后的实际时长;若实际时长大于预设时长,则重新对车辆的当前位置进行修正。
其中,预设时长是个临界值,如果车辆修正之后的实际时长大于预设时长,车辆需要进行重新修正,如果车辆修正之后的实际时长小于或等于预设时长时,则不需要进行重新修正。预设时长依据具体情况进行设定,此处不作限制。
以预设时长为20s为例,本申请实施例可以设置个定时器,定时器每隔20s循环进行修正,直至实际时长小于20s,停止修正,由此保证车辆行驶的安全性。
基于上述实施例所述的车辆定位方法,下面将阐述一种车辆定位系统,如图2所示,包括:GPS定位模块1、惯导模块2、加速度传感器3、陀螺仪4、图像获取模块5、图像检测模块6、高精地图数据模块8、图像边界距离计算模块7、定位边界距离计算模块9、误差纠偏模块10。
其中,加速度传感器与3陀螺仪与总线连接发送信息,给惯导模块1获取加速度传感器3与陀螺仪4数据,实现惯导算法;GPS与总线连接发送定位信息,图像获取模块6也与总线连接,发送图像数据;GPS定位模块1、惯导模块2、加速度传感器3、陀螺仪4、图像获取模块5通过can线与座舱域通信连接,图像处理模块6、高精地图数据模块8、图像边界距离计算模块7、定位边界距离计算模块9、误差纠偏模块10都运行在座舱域。
下面将通过一个具体实施例来阐述车辆定位方法,如图3所示,步骤如下:
步骤1、启动GPS信号监测,设定阈值a与b,其中b大于a,当信号强度小于a时启动纠偏定时器;信号强度大于b时关闭纠偏定时器。
步骤2、纠偏定时器收到启动命令,开启定时任务,定时循环执行纠偏任务。
步骤3、车载摄像头拍摄前方路线照片。
步骤4、对图片进行灰度处理,得到灰度化图片。
步骤5、对灰度化图片进行高斯滤波处理,消除图片噪声。
步骤6、对上图进行边缘检测,生成图片轮廓信息,得到图片K。
步骤7、对图片K进行信息过滤,去掉无关信息,留下车道轮廓信息,得到图片G。
步骤8、对G进行车道线拟合,得到车道线模型。
步骤9、计算得到摄像头到左侧道路边界线距离S1。
步骤10、S1减去摄像头到车辆左部距离得到车辆与左侧道路边界距离L1。
步骤11、通过惯导获取当前车辆位置信息。
步骤12、通过车辆位置,获取到附近高精地图数据。
步骤13、查找车辆左侧道路边界线点位数据;查找出距离车辆定位点小于10m的左侧边界线集合,组成备选边界线数组,再用车辆历史位置信息进行筛选,找出车辆的左侧道路边界线。
步骤14、将定位点投影到左侧道路边界线上;采用点线匹配的投影算法,利用边界线点位,生成一系列备选线段,找到距离定位点最近的线段,将定位点投影到该线段上的点q,即为定位点到左边界线的投影点。
步骤15、计算投影点与GPS点位的距离,该距离为GPS模块与左侧道路边界线的距离S2。
步骤16、S2减去GPS模块到车辆左部距离得到车辆与左侧道路边界距离L2。
步骤17、L1与L2做差,得到车辆定位误差距离dis。
步骤18、将误差值输入惯导系统,进行纠偏。
根据本申请实施例提出的车辆定位方法,可以根据车辆当前所处路段的图像进行处理得到车道线模型,通过车道线模型计算第一距离,根据车辆当前位置获取当前路段的地图,计算第二距离,进而计算距离差值进行修正车辆位置,将图像识别技术与高精地图数据结合,提高了定位的精度,并且节省了车辆成本;可以利用车辆的车道线模型计算第一距离,方便进行计算,节约了车辆成本;可以利用地图和投影点计算第二距离,结合了高精地图,提高了车辆定位的精度;可以对获取到的车辆所处路段的图像进行灰度处理,去掉图像中无关信息,留下车道轮廓信息,得到车道线模型;通过对灰度化图像进行高斯滤波处理,可以消除灰度化图片的图像噪声,确保图片的质量,方便后续更好得到车道线模型;可以过滤掉与车道轮廓信息中无关的信息,以提高获取信息的价值性;可以在信号强度小于预设强度时,获取车辆的位置和所处路段的图像,方便后续进行车辆定位;可以通过对车辆的位置进行反复修正,直至车辆修正之后的实际时长小于或等于预设时长,停止修正,确保车辆的行驶安全。
其次参照附图描述根据本申请实施例提出的车辆定位装置。
图4是本申请实施例的车辆定位装置的方框示意图。
如图4所示,该车辆定位装置10包括:获取模块101、处理模块102、第一计算模块103、数据模块104、第二计算模块105和修正模块106。
其中,获取模块101用于获取车辆的当前位置和当前所处路段的图像;处理模块102拥有用于对图像进行处理得到车道线模型,第一计算模块103利用车道线模型计算车辆距离当前所处路段目标侧边界的第一距离;数据模块104用于利用当前位置获取当前所处路段的地图;第二计算模块105将当前位置投影至地图上,根据地图和投影点计算车辆距离当前所处路段目标侧边界的第二距离;修正模块106用于根据第一距离与第二距离的距离差值匹配定位误差值,利用定位误差值修正车辆的当前位置。
在本申请实施例中,第一计算模块103用于:利用车道线模型计算图像采集装置距离目标侧边界的第三距离;获取图像采集装置与车辆靠近目标侧边界的车辆边界之间的第四距离,根据第三距离与第四距离计算得到第一距离。
在本申请实施例中,第二计算模块105用于:获取当前所处路段在地图上的目标侧边界;根据投影点与地图上的目标侧边界计算定位装置距离目标侧边界的第五距离;获取定位装置与车辆靠近目标侧边界的车辆边界之间的第六距离,根据第五距离和第六距离计算得到第二距离。
在本申请实施例中,处理模块102用于:对图像进行灰度处理,得到灰度化图像;对灰度化图像进行边缘检测,得到图像的轮廓信息;识别轮廓信息中的车道轮廓信息,基于车道轮廓信息进行车道线拟合,得到车道线模型。
在本申请实施例中,处理模块102进一步用于:在对灰度化图像进行边缘检测之前,对灰度化图像进行高斯滤波处理,以消除灰度化图像的图像噪声。
在本申请实施例中,处理模块102进一步用于:过滤轮廓信息中与车道轮廓信息无关的信息,得到车道轮廓信息。
在本申请实施例中,本申请实施例的装置10还包括:识别模块。
其中,识别模块用于在获取车辆的当前位置和当前所处路段的图像之前,识别目标定位系统的信号强度;若信号强度小于预设强度,则获取车辆的当前位置和当前所处路段的图像。
在本申请实施例中,本申请实施例的装置10还包括:定时模块。
其中,定时模块用于在利用定位误差值修正车辆的当前位置之后,获取当前位置修正之后的实际时长;若实际时长大于预设时长,则重新对车辆的当前位置进行修正。
需要说明的是,前述对车辆定位方法实施例的解释说明也适用于该实施例的车辆定位装置,此处不再赘述。
根据本申请实施例提出的车辆定位装置,可以根据车辆当前所处路段的图像进行处理得到车道线模型,通过车道线模型计算第一距离,根据车辆当前位置获取当前路段的地图,计算第二距离,进而计算距离差值进行修正车辆位置,将图像识别技术与高精地图数据结合,提高了定位的精度,并且节省了车辆成本;可以利用车辆的车道线模型计算第一距离,方便进行计算,节约了车辆成本;可以利用地图和投影点计算第二距离,结合了高精地图,提高了车辆定位的精度;可以对获取到的车辆所处路段的图像进行灰度处理,去掉图像中无关信息,留下车道轮廓信息,得到车道线模型;通过对灰度化图像进行高斯滤波处理,可以消除灰度化图片的图像噪声,确保图片的质量,方便后续更好得到车道线模型;可以过滤掉与车道轮廓信息中无关的信息,以提高获取信息的价值性;可以在信号强度小于预设强度时,获取车辆的位置和所处路段的图像,方便后续进行车辆定位;可以通过对车辆的位置进行反复修正,直至车辆修正之后的实际时长小于或等于预设时长,停止修正,确保车辆的行驶安全。
图5为本申请实施例提供的车辆的结构示意图。该车辆可以包括:
存储器501、处理器502及存储在存储器501上并可在处理器502上运行的计算机程序。
处理器502执行程序时实现上述实施例中提供的车辆定位方法。
进一步地,车辆还包括:
通信接口503,用于存储器501和处理器502之间的通信。
存储器501,用于存放可在处理器502上运行的计算机程序。
存储器501可能包含高速RAM(Random Access Memory,随机存取存储器)存储器,也可能还包括非易失性存储器,例如至少一个磁盘存储器。
如果存储器501、处理器502和通信接口503独立实现,则通信接口503、存储器501和处理器502可以通过总线相互连接并完成相互间的通信。总线可以是ISA(IndustryStandard Architecture,工业标准体系结构)总线、PCI(Peripheral Component,外部设备互连)总线或EISA(Extended Industry Standard Architecture,扩展工业标准体系结构)总线等。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中仅用一条粗线表示,但并不表示仅有一根总线或一种类型的总线。
可选的,在具体实现上,如果存储器501、处理器502及通信接口503,集成在一块芯片上实现,则存储器501、处理器502及通信接口503可以通过内部接口完成相互间的通信。
处理器502可能是一个CPU(Central Processing Unit,中央处理器),或者是ASIC(Application Specific Integrated Circuit,特定集成电路),或者是被配置成实施本申请实施例的一个或多个集成电路。
本申请实施例还提供一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现如上的车辆定位方法。
在本说明书的描述中,参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本申请的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不是必须针对的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任一个或N个实施例或示例中以合适的方式结合。此外,在不相互矛盾的情况下,本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
此外,术语“第一”、“第二”仅用于描述目的,而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。在本申请的描述中,“N个”的含义是至少两个,例如两个,三个等,除非另有明确具体的限定。
流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为,表示包括一个或更N个用于实现定制逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分,并且本申请的优选实施方式的范围包括另外的实现,其中可以不按所示出或讨论的顺序,包括根据所涉及的功能按基本同时的方式或按相反的顺序,来执行功能,这应被本申请的实施例所属技术领域的技术人员所理解。
应当理解,本申请的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中,N个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。如,如果用硬件来实现和在另一实施方式中一样,可用本领域公知的下列技术中的任一项或他们的组合来实现:具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路,具有合适的组合逻辑门电路的专用集成电路,可编程门阵列,现场可编程门阵列等。
本技术领域的普通技术人员可以理解实现上述实施例方法携带的全部或部分步骤是可以通过程序来指令相关的硬件完成,所述的程序可以存储于一种计算机可读存储介质中,该程序在执行时,包括方法实施例的步骤之一或其组合。
尽管上面已经示出和描述了本申请的实施例,可以理解的是,上述实施例是示例性的,不能理解为对本申请的限制,本领域的普通技术人员在本申请的范围内可以对上述实施例进行变化、修改、替换和变型。
Claims (18)
1.一种车辆定位方法,其特征在于,包括以下步骤:
获取车辆的当前位置和当前所处路段的图像;
对所述图像进行处理得到车道线模型,利用所述车道线模型计算所述车辆距离所述当前所处路段目标侧边界的第一距离;
利用所述当前位置获取所述当前所处路段的地图,将所述当前位置投影至所述地图上,根据所述地图和投影点计算所述车辆距离所述当前所处路段目标侧边界的第二距离;
根据所述第一距离与所述第二距离的距离差值匹配定位误差值,利用所述定位误差值修正所述车辆的当前位置。
2.根据权利要求1所述的方法,其特征在于,所述利用所述车道线模型计算所述车辆距离所述当前所处路段目标侧边界的第一距离,包括:
利用所述车道线模型计算图像采集装置距离所述目标侧边界的第三距离;
获取所述图像采集装置与所述车辆靠近所述目标侧边界的车辆边界之间的第四距离,根据所述第三距离与所述第四距离计算得到所述第一距离。
3.根据权利要求1所述的方法,其特征在于,所述根据所述地图和投影点计算所述车辆距离所述当前所处路段目标侧边界的第二距离,包括:
获取所述当前所处路段在所述地图上的目标侧边界;
根据所述投影点与所述地图上的目标侧边界计算定位装置距离所述目标侧边界的第五距离;
获取所述定位装置与所述车辆靠近所述目标侧边界的车辆边界之间的第六距离,根据所述第五距离和所述第六距离计算得到所述第二距离。
4.根据权利要求1所述的方法,其特征在于,所述对所述图像进行处理得到车道线模型,包括:
对所述图像进行灰度处理,得到灰度化图像;
对所述灰度化图像进行边缘检测,得到所述图像的轮廓信息;
识别所述轮廓信息中的车道轮廓信息,基于所述车道轮廓信息进行车道线拟合,得到所述车道线模型。
5.根据权利要求4所述的方法,其特征在于,在对所述灰度化图像进行边缘检测之前,包括:
对所述灰度化图像进行高斯滤波处理,以消除所述灰度化图像的图像噪声。
6.根据权利要求4所述的方法,其特征在于,所述识别所述轮廓信息中的车道轮廓信息,包括:
过滤所述轮廓信息中与所述车道轮廓信息无关的信息,得到所述车道轮廓信息。
7.根据权利要求1-6任意一项所述的方法,其特征在于,在获取车辆的当前位置和当前所处路段的图像,包括:
识别目标定位系统的信号强度;
若所述信号强度小于预设强度,则获取车辆的当前位置和当前所处路段的图像。
8.根据权利要求1-6任意一项所述的方法,其特征在于,在利用所述定位误差值修正所述车辆的当前位置之后,包括:
获取所述当前位置修正之后的实际时长;
若所述实际时长大于预设时长,则重新对所述车辆的当前位置进行修正。
9.一种车辆定位装置,其特征在于,包括:
获取模块,用于获取车辆的当前位置和当前所处路段的图像;
处理模块,拥有用于对所述图像进行处理得到车道线模型,
第一计算模块,利用所述车道线模型计算所述车辆距离所述当前所处路段目标侧边界的第一距离;
数据模块,用于利用所述当前位置获取所述当前所处路段的地图;
第二计算模块,将所述当前位置投影至所述地图上,根据所述地图和投影点计算所述车辆距离所述当前所处路段目标侧边界的第二距离;
修正模块,用于根据所述第一距离与所述第二距离的距离差值匹配定位误差值,利用所述定位误差值修正所述车辆的当前位置。
10.根据权利要求9所述的装置,其特征在于,所述第一计算模块用于:
利用所述车道线模型计算图像采集装置距离所述目标侧边界的第三距离;
获取所述图像采集装置与所述车辆靠近所述目标侧边界的车辆边界之间的第四距离,根据所述第三距离与所述第四距离计算得到所述第一距离。
11.根据权利要求9所述的装置,其特征在于,所述第二计算模块用于:
获取所述当前所处路段在所述地图上的目标侧边界;
根据所述投影点与所述地图上的目标侧边界计算定位装置距离所述目标侧边界的第五距离;
获取所述定位装置与所述车辆靠近所述目标侧边界的车辆边界之间的第六距离,根据所述第五距离和所述第六距离计算得到所述第二距离。
12.根据权利要求9所述的装置,其特征在于,所述处理模块用于:
对所述图像进行灰度处理,得到灰度化图像;
对所述灰度化图像进行边缘检测,得到所述图像的轮廓信息;
识别所述轮廓信息中的车道轮廓信息,基于所述车道轮廓信息进行车道线拟合,得到所述车道线模型。
13.根据权利要求12所述的装置,其特征在于,所述处理模块进一步用于:
在对所述灰度化图像进行边缘检测之前,对所述灰度化图像进行高斯滤波处理,以消除所述灰度化图像的图像噪声。
14.根据权利要求12所述的装置,其特征在于,所述处理模块进一步用于:
过滤所述轮廓信息中与所述车道轮廓信息无关的信息,得到所述车道轮廓信息。
15.根据权利要求9-14任意一项所述的装置,其特征在于,包括:
识别模块,用于在获取车辆的当前位置和当前所处路段的图像之前,识别目标定位系统的信号强度;若所述信号强度小于预设强度,则获取车辆的当前位置和当前所处路段的图像。
16.根据权利要求9-14任意一项所述的装置,其特征在于,包括:
定时模块,用于在利用所述定位误差值修正所述车辆的当前位置之后,获取所述当前位置修正之后的实际时长;若所述实际时长大于预设时长,则重新对所述车辆的当前位置进行修正。
17.一种车辆,其特征在于,包括:存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述处理器执行所述程序,以实现如权利要求1-8任一项所述的车辆定位方法。
18.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行,以用于实现如权利要求1-8任一项所述的车辆定位方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211467742.6A CN115752438A (zh) | 2022-11-22 | 2022-11-22 | 车辆定位方法、装置、车辆及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211467742.6A CN115752438A (zh) | 2022-11-22 | 2022-11-22 | 车辆定位方法、装置、车辆及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115752438A true CN115752438A (zh) | 2023-03-07 |
Family
ID=85335028
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211467742.6A Pending CN115752438A (zh) | 2022-11-22 | 2022-11-22 | 车辆定位方法、装置、车辆及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115752438A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116972870A (zh) * | 2023-09-21 | 2023-10-31 | 南京遇简信息科技有限公司 | 基于计算机图像识别的道路导航增强方法、系统及介质 |
-
2022
- 2022-11-22 CN CN202211467742.6A patent/CN115752438A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116972870A (zh) * | 2023-09-21 | 2023-10-31 | 南京遇简信息科技有限公司 | 基于计算机图像识别的道路导航增强方法、系统及介质 |
CN116972870B (zh) * | 2023-09-21 | 2023-12-15 | 南京遇简信息科技有限公司 | 基于计算机图像识别的道路导航增强方法、系统及介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111860295A (zh) | 基于无人车的障碍物检测方法、装置、设备以及存储介质 | |
CN111812698A (zh) | 一种定位方法、装置、介质和设备 | |
US20200125861A1 (en) | Road line detection device and road line detection method | |
CN115507862A (zh) | 车道线定位方法及装置、电子设备及存储介质 | |
JP2010225075A (ja) | 運転支援装置 | |
CN114705121B (zh) | 车辆位姿测量方法、装置及电子设备、存储介质 | |
CN115390086B (zh) | 用于自动驾驶的融合定位方法、装置及电子设备、存储介质 | |
CN115752438A (zh) | 车辆定位方法、装置、车辆及存储介质 | |
CN113771839A (zh) | 一种自动泊车决策规划方法及系统 | |
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 | |
CN115950441B (zh) | 自动驾驶车辆的融合定位方法、装置及电子设备 | |
CN115900735A (zh) | 车辆定位方法、装置、车辆及存储介质 | |
CN115249407B (zh) | 指示灯状态识别方法、装置、电子设备、存储介质及产品 | |
CN116295490A (zh) | 车辆定位方法、装置及电子设备、存储介质 | |
CN115856979A (zh) | 自动驾驶车辆的定位方法、装置及电子设备、存储介质 | |
CN110539748A (zh) | 基于环视的拥堵跟车系统和终端 | |
CN111462243A (zh) | 车载流媒体后视镜标定方法、系统及装置 | |
CN114739416A (zh) | 自动驾驶车辆定位方法、装置及电子设备、存储介质 | |
JP6820762B2 (ja) | 位置推定装置 | |
CN115112125A (zh) | 自动驾驶车辆的定位方法、装置及电子设备、存储介质 | |
CN114037977A (zh) | 道路灭点的检测方法、装置、设备及存储介质 | |
CN114910083A (zh) | 定位方法以及定位装置、电子设备、存储介质 | |
CN112163562A (zh) | 一种影像重叠区域计算方法、装置、电子设备及存储介质 | |
CN115128655B (zh) | 自动驾驶车辆的定位方法和装置、电子设备和存储介质 |
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 |