CN116105603B

CN116105603B - 用于确定移动物体在场所中的位置的方法及系统

Info

Publication number: CN116105603B
Application number: CN202310389297.4A
Authority: CN
Inventors: 赵远东; 曾超; 宋宇; 任少卿
Original assignee: Anhui Weilai Zhijia Technology Co Ltd
Current assignee: Anhui Weilai Zhijia Technology Co Ltd
Priority date: 2023-04-13
Filing date: 2023-04-13
Publication date: 2023-09-19
Anticipated expiration: 2043-04-13
Also published as: CN116105603A

Abstract

本申请涉及用于确定移动物体在场所中的位置的方法及系统、包括该系统的车辆以及计算机可读存储介质。根据本申请的方法，包括以下步骤：S1：感测移动物体周围的第一范围内的实际语义子，并建立感测语义子分布图；S2：根据感测语义子分布图，计算每个感测语义子的描述子；S3：针对每个感测语义子，将感测语义子的描述子与每个实际语义子的描述子进行匹配，确定每个感测语义子的候选实际语义子集；S4：在移动物体行进过程中，重复进行步骤S1‑S3，直到每个感测语义子的候选实际语义子集都具有唯一的候选实际语义子与该感测语义子构成匹配语义子对；以及S5：根据每个匹配语义子对中的候选实际语义子，确定移动物体在场所中的位置。

Description

用于确定移动物体在场所中的位置的方法及系统

技术领域

本申请涉及定位技术领域，具体而言，涉及用于确定移动物体在场所中的位置的方法及系统、包括该系统的车辆以及计算机可读存储介质。

背景技术

在特定场所（诸如停车场等封闭场间）中，现有的移动物体定位技术（例如全球导航卫星系统GNSS）可能存在不稳定、鲁棒性低的问题。而场所内的基于激光传感、雷达点云感测的移动物体定位技术，则又需要非常大的算力消耗，特别是对于行进中的移动物体，测量、计算和传输等的速度较慢、效率较低。

发明内容

鉴于上述问题，本发明旨在提供用于确定移动物体在场所中的位置的方法及系统、包括该系统的车辆以及计算机可读存储介质。

根据本申请的第一方面，提供一种用于确定移动物体在场所中的位置的方法。该场所包括指示场所内的语义信息的多个实际语义子。该方法包括以下步骤：

S1：感测移动物体周围的第一范围内的实际语义子，并建立关于第一范围内的实际语义子的感测语义子分布图；

S2：根据感测语义子分布图，计算每个感测语义子的描述子，其中，语义子的描述子指示语义子与其他语义子的几何关系；

S3：针对每个感测语义子，将感测语义子的描述子与每个实际语义子的描述子进行匹配，确定每个感测语义子的候选实际语义子集；

S4：在移动物体行进过程中，重复进行步骤S1-S3，直到每个感测语义子的候选实际语义子集都具有唯一的候选实际语义子与该感测语义子构成匹配语义子对；以及

S5：根据每个匹配语义子对中的候选实际语义子，确定移动物体在场所中的位置。

根据本发明一实施例的方法，其中，场所的每个实际语义子的描述子是由场所或移动物体预先计算的。

根据本发明一实施例的方法，其中，语义子包括以下中的一项或多项：车位、充电桩、场所立柱、门、前台、电梯、路径。

根据本发明一实施例的方法，其中，语义子与其他语义子的几何关系包括在围绕语义子而划分多个角度区中的每个角度区内的以下项目中的一个或多个：与语义子的第一距离最短的一个或多个语义子、语义子与最短的一个或多个语义子各自的第一距离以及语义子与最短的一个或多个语义子各自的方位角。

根据本发明一实施例的方法，其中，候选实际语义子集的确定包括：将感测语义子的描述子在每个角度区的项目与每个实际语义子的描述子在对应一个或多个角度区的对应项目进行对比并据此对每个实际语义子进行计分；以及基于每个实际语义子的计分，确定每个感测语义子的候选实际语义子集。

根据本发明一实施例的方法，其中，候选实际语义子集的确定进一步包括：针对每个感测语义子的候选实际语义子集而确定邻近语义子集，邻近语义子集包括在候选实际语义子集中的每个候选实际语义子周围的第二范围内的一个或多个邻近语义子；针对感测语义子的候选实际语义子集中的每个候选实际语义子，根据该候选实际语义子是否包含在所有其他感测语义子的邻近语义子集中，来对候选实际语义子集进行进一步筛选。

根据本发明一实施例的方法，其中，在步骤S4后、S5前，方法还包括：若任意两个或多个感测语义子的唯一的候选实际语义子为同一实际语义子，则删除任意两个或多个感测语义子的匹配语义子对；并且若删除后的匹配语义子对的数量少于预定数量阈值，则在移动物体行进过程中，重复进行步骤S1-S4，直到匹配语义子对的数量大于等于预定数量阈值。

根据本发明一实施例的方法，其中，在步骤S4后、S5前，方法还包括：

根据本发明一实施例的方法，其中，若在任意一个或多个感测语义子的唯一的候选实际语义子周围的第三范围内的邻近语义子的数量为0，则删除任意一个或多个感测语义子的匹配语义子对；并且若删除后的匹配语义子对的数量少于预定数量阈值，则在移动物体行进过程中，重复进行步骤S1-S4，直到匹配语义子对的数量大于等于预定数量阈值。

根据本发明一实施例的方法，其中，在步骤S4后、S5前，方法还包括：若每个匹配语义子对中的感测语义子的位置投影与对应的唯一的候选实际语义子的位置投影的误差大于预定投影误差阈值，则在移动物体行进过程中，重复进行步骤S1-S4，直到误差小于等于预定投影误差阈值。

根据本申请的第二方面，提供一种用于确定移动物体在场所中的位置的系统。场所包括指示场所内的语义信息的多个实际语义子。该系统包括：

感测器，其配置成感测移动物体周围的第一范围内的实际语义子；

存储有指令的存储器；以及

处理器，其在执行上述指令时进行：根据感测器的感测结果建立关于第一范围内的实际语义子的感测语义子分布图，并根据感测语义子分布图计算每个感测语义子的描述子，其中，语义子的描述子指示语义子与其他语义子的几何关系；针对每个感测语义子，将感测语义子的描述子与每个实际语义子的描述子进行匹配，确定每个感测语义子的候选实际语义子集；以及当每个感测语义子的候选实际语义子集都具有唯一的候选实际语义子与该感测语义子构成匹配语义子对时，根据每个匹配语义子对中的候选实际语义子，确定移动物体在场所中的位置。

根据本发明一实施例的系统，其中，场所的每个实际语义子的描述子是由场所或处理器预先计算的。

根据本发明一实施例的系统，其中，语义子与其他语义子的几何关系包括在围绕语义子而划分多个角度区中的每个角度区内的以下项目中的一个或多个：与语义子的第一距离最短的一个或多个语义子、语义子与最短的一个或多个语义子各自的第一距离以及语义子与最短的一个或多个语义子各自的方位角。

据本发明一实施例的系统，其中，处理器配置成通过以下来确定候选实际语义子集：将感测语义子的描述子在每个角度区的项目与每个实际语义子的描述子在对应一个或多个角度区的对应项目进行对比并据此对每个实际语义子进行计分；以及基于每个实际语义子的计分，确定每个感测语义子的候选实际语义子集。

根据本发明一实施例的系统，其中，处理器配置成进一步通过以下来确定候选实际语义子集：针对每个感测语义子的候选实际语义子集而确定邻近语义子集，邻近语义子集包括在候选实际语义子集中的每个候选实际语义子周围的第二范围内的一个或多个邻近语义子；针对感测语义子的候选实际语义子集中的每个候选实际语义子，根据该候选实际语义子是否包含在所有其他感测语义子的邻近语义子集中，来对候选实际语义子集进行进一步筛选。

根据本发明一实施例的系统，其中，处理器进一步配置成：响应于任意两个或多个感测语义子的候选实际语义子为同一实际语义子，删除任意两个或多个感测语义子的匹配语义子对。

根据本发明一实施例的系统，其中，处理器进一步配置成：响应于在任意一个或多个感测语义子的候选实际语义子周围的第三范围内的邻近语义子的数量为0，删除任意一个或多个感测语义子的匹配语义子对。

根据本发明一实施例的系统，其中，处理器进一步配置成：响应于每个匹配语义子对中的感测语义子的位置投影与对应的候选实际语义子的位置投影的误差小于等于预定投影误差阈值，根据每个匹配语义子对中的候选实际语义子，确定移动物体在场所中的位置。

根据本发明一实施例的系统，其中，感测器包括环视相机。

根据本申请的第三方面，提供一种车辆。该车辆包括根据前述实施例的用于确定移动物体在场所中的位置的系统。

根据本申请的第四方面，提供一种计算机可读存储介质。该计算机可读存储介质包括指令，指令在由处理器执行时，实行根据前述实施例的用于确定移动物体在场所中的位置的方法。

本申请利用场所内的语义子之间的几何关系和感测的语义子之间关系的匹配来快速进行对移动物体的定位，所需的算力消耗少，计算速度快，且具有较高的定位精度。

附图说明

从结合附图的以下详细说明中，将会使本申请的上述和其他目的及优点更加完整清楚，其中，相同或相似的要素采用相同的标号表示。

图1示出了根据本申请的一个或多个实施例的用于确定移动物体在场所中的位置的方法100的流程图。

图2示例性示出了根据本申请的一个或多个实施例的停车场的局部车位分布图。

图3示出了根据本申请的一个或多个实施例的候选实际语义子集的确定流程300的流程图。

图4示例性示出了根据本申请的一个或多个实施例的停车场的局部车位分布图和感测车位分布图。

图5示出了根据本申请的一个或多个实施例的对候选实际语义子集进行进一步的缩减的流程500的流程图。

图6示例性示出了根据本申请的一个或多个实施例的室内停车场的车位分布图。

图7示出了根据本申请的一个或多个实施例的用于确定移动物体在场所中的位置的方法700的流程图。

图8示出了根据本申请的一个或多个实施例的系统800的模块示意图。

具体实施方式

以下具体实施方式的描述本质上仅仅是示例性的，并且不旨在限制所公开的技术或所公开的技术的应用和用途。此外，不意图受在前述技术领域、背景技术或以下具体实施方式中呈现的任何明示或暗示的理论的约束。

在实施例的以下详细描述中，阐述了许多具体细节以便提供对所公开技术的更透彻理解。然而，对于本领域普通技术人员显而易见的是，可以在没有这些具体细节的情况下实践所公开的技术。在其他实例中，没有详细描述公知的特征，以避免不必要地使描述复杂化。

诸如“包含”和“包括”之类的用语表示除了具有在说明书中有直接和明确表述的单元和步骤以外，本发明的技术方案也不排除具有未被直接或明确表述的其它单元和步骤的情形。

在诸如停车场等的特定场所内可能面临移动物体（例如车辆）定位技术效果不佳的问题。例如，当车辆进入较为封闭的停车场（例如地下停车场）时，全球定位导航系统信号可能较差，但是室内导航、记忆泊车、自主代客泊车等都需要对车辆进行重新定位，涉及到的场所改造成本（例如网络升级）较高。本申请提出的定位方法能够根据移动物体感测的场所中的场所语义信息（诸如车位（包括封闭式、开放式车位）、充电桩、场所立柱（例如建筑支撑结构柱）、门（例如场所人行通道门）、前台（例如停车服务前台）、电梯（诸如直梯、扶梯等）、场所中的道路/路径、地锁（车位锁）等）与根据场所的物理配置、地图等而预先计算的场所的语义信息进行匹配，从而确定移动物体位于场所的哪一子区域，进而根据匹配的场所语义信息相对于移动物体的关系、利用定位算法确定移动物体的当前位置和姿态。所确定的当前位置和姿态可以作为最终的移动物体位置和姿态以供使用，也可以作为与其他定位手段的配合手段而实现更加精准及时的定位（例如为其他精确定位算法提供定位初值）。

可以预想，根据移动物体感测的场所语义信息，可能在实际场所中匹配出多个子区域，导致移动物体的最终位置仍存在多种可能。因此，本申请还提出对多个匹配结果进行筛选和缩减的方法/手段。

在本文中，“语义子”指示场所中所具有的各种语义信息，诸如车位、场所立柱、门、前台、电梯、路径、地锁等等。为了简单起见，下述的各实施例及附图大多以车位作为示例来阐述移动物体定位方法的具体流程。“移动物体”指在场所中按照场景内路径进行移动的对象，诸如例如车辆等的交通工具、无人飞行器、机器人等有需求进行移动位置测量的对象。为了简单起见，下述的各实施例及附图大多以车辆作为示例来阐述车辆的定位方法的具体流程。

在下文中，将参考附图详细地描述根据本发明的各示例性实施例。

图1示出了根据本申请的一个或多个实施例的用于确定移动物体在场所中的位置的方法100的流程图。方法包括100以下步骤：

在步骤S1，感测移动物体周围的第一范围内的实际语义子，并建立关于第一范围内的实际语义子的感测语义子分布图。在移动物体进入场所后，利用设置于移动物体上的例如环视相机获取关于移动物体周围的一定范围（第一范围）内的图像，并通过感知算法（例如基于神经网络的感知算法）来从该图像中提取出该范围内的语义信息，并且例如建立该范围内的场所语义子的分布图（感测语义子分布图）。如图2所示出的停车场的局部9个车位分布图（车位以实线框示出），而经过此局部区域的移动物体利用感测技术而建立了感测车位图（如将在图4中示出的虚线框）。可以理解，在感测方面，并不限于利用环视相机进行拍摄来获取，而是还可以利用其他的感测装置，例如各类传感器、雷达等。优选地，用于感测语义子的感测装置/感测器为环视相机，其可以设置在移动物体的上表面（例如车顶）上，具有成本低、获取数据量小等特点。

此外，可以将步骤S1设置成当感测到的语义子的数量达到一定的阈值，才开始建立感测语义子分布图和/或对感测语义子分布图的描述子进行计算，以避免用于移动物体定位的感测语义子数量过少而导致的定位不精确或定位失败。

还可以理解，“第一范围”可以例如是移动物体的感测器能够扫描、拍摄的以移动物体为中心的一定范围，该范围一般限于场所全部范围的局部，也就是说，第一范围内的感测语义子分布图是场所地图的一个子区域。

在步骤S2，根据感测语义子分布图，计算每个感测语义子的描述子，其中，语义子的描述子指示语义子与其他语义子的几何关系。可以在如图2中的示例车位分布图中解释车位的描述子的计算，针对该分布图中的每个车位，以车位A为例，描述子可以描述车位A与分布图中其他车位的角度、取向和距离等几何关系。因而，每个车位都可以使用其他车位及与其他车位的几何关系来描述。比如，利用几何参数的数组来表征车位A的描述子可以表示为A=[x_B, y_B, z_B; x_C, y_C, z_C; x_D, y_D, z_D;……]，其中，B/C/D等代表其他车位，x/y/z代表一种几何参数（诸如距离、角度、朝向、象限等等），由此，车位A由多个其他车位的一种或多种几何参数形成的数组来表征。利用语义子间几何关系描述来表征语义子并进一步进行如下文中描述的各种匹配操作，具有数据量小、快速、精准等特点，适于在移动物体行进过程中进行快速定位计算，相比于利用激光雷达等传感器捕捉大量的粒子/点云数据进行计算，消耗算力更小、计算速度更快。

在步骤S3，针对每个感测语义子，将感测语义子的描述子与每个实际语义子的描述子进行匹配，确定每个感测语义子的候选实际语义子集。首先，可以理解，场所实际的语义子分布图的每个语义子都具有唯一的描述子，因此可以区分各个语义子，每个实际语义子都有一个描述子表征其自身。然而，在移动物体进行感测后所建立的感测语义子分布图并不一定能够精准地重合投影到实际语义子分布图的某个子区域。对此，本申请利用在感测语义子分布图中的每个感测语义子与其他感测语义子的描述子，去一一匹配每个实际语义子的描述子，当某个感测语义子的描述子与某个或某几个实际语义子的描述子最为接近时，可以将该某个或某几个实际语义子确定为候选实际语义子，因而组成候选语义子集。具体的匹配方式可以是，对于某个感测语义子，求取该感测语义子与每个实际语义子的几何参数差值，然后对所有几何参数的差值进行求和，根据总和的大小来确定，例如差值总和最小的一个或多个（存在多个是因为可能出现差值总和相等的情况）实际语义子可以认为是该感测语义子的候选实际语义子集的成员。具体的匹配方式还可以是基于这些差值与预定阈值的比较并进行计分，如将下文中详细描述的。

在步骤S4，在移动物体行进过程中，重复进行步骤S1-S3，直到每个感测语义子的候选实际语义子集都具有唯一的候选实际语义子与该感测语义子构成匹配语义子对。鉴于以上确定候选实际语义子集后，可能出现候选实际语义子集有多个候选语义子的情况，因此可以摒弃该时刻的感测语义子的分布图和感测语义子的描述子，而在紧接着的下一时刻进行感测并重新计算该下一时刻的感测语义子的描述子。将该下一时刻的感测语义子的描述子继续与实际语义子的描述子进行匹配操作，循环以上步骤S1-S3，直到某个时刻每个感测语义子都具有唯一匹配的实际语义子（即候选实际语义子集的势为1）。当然，当出现候选实际语义子集有多个候选语义子的情况时，也可以不完全摒弃该时刻的感测语义子的分布图和感测语义子的描述子，而是根据该多个候选语义子匹配出场所地图的多个子区域，如此，下个时刻的匹配可以设置为要与这些子区域相关才采用，这可以进一步减小算力消耗。

在步骤S5，根据每个匹配语义子对中的候选实际语义子，确定移动物体在场所中的位置。在确定当前的感测语义子分布图的每个感测语义子都具有唯一的匹配实际语义子后，可以根据移动物体感测装置所采集的该移动物体与其他语义子的信息来确定移动物体当前所处的位置。例如，可以利用最近点迭代ICP算法，根据所匹配的实际语义子的描述子关系（几何关系）来确定移动物体的当前位置。ICP算法可以通过基于感测语义子与匹配的实际语义子的配对而构造旋转平移矩阵，并利用所求矩阵进行坐标变换，估计变换前后的配对的误差函数，若误差函数值大于阀值，则迭代进行上述运算直到满足给定的误差要求，而后基于满足误差阈值的数据信息来确定移动物体的当前位置。配合环视相机及几何关系描述子的低算力需求，本方法所使用算法相比现有的基于蒙特拉罗和基于激光点匹配的方法算力消耗更低。

通过以上步骤，本申请的方法能够利用对场所地图的局部的感测来获取所感测的几何关系与实际几何关系的匹配，进而确定移动物体所位于场所的局部区域并由此确定移动物体的位置。本申请的方法利用的局部语义子匹配、清楚的语义信息表示和几何关系描述子，能够有效降低算法的算力，无需每次都针对大量的粒子/激光点云数据而进行位置测量，从而快速对移动物体进行定位，满足正在场所中移动的移动物体的定位的高精度和快速性需求，并且具备较高的鲁棒性。

此外，可以理解，在一些实施例中，场所的每个实际语义子的描述子是由场所或移动物体预先计算的。例如，基于智能城市、智能车联网建设的各类停车场所可以具备自己的计算装置，并预存有场所地图和场所语义子的各个描述（如上述的几何描述子），当移动物体进入场所或接近场所时，可以自动从场所或云端下载场所地图和描述到移动物体存储器。当然，场所也可以只提供语义要素的地图给移动物体，由移动物体自身完成对语义要素的描述子计算，本申请在此不作限制。

在一些实施例中，语义子与其他语义子的几何关系包括在围绕语义子而划分多个角度区中的每个角度区内的以下项目中的一个或多个：与语义子的第一距离最短的一个或多个语义子、语义子与最短的一个或多个语义子各自的第一距离以及语义子与最短的一个或多个语义子各自的方位角。仍以图2的车位为例，车位（例如图2中的当前车位A）可以以其中心点为圆心而将车位周围划分为多个角度区域，例如以5度为一区域而划分72个角度区域。针对每个角度区域，如图所示例的角度区k-1/k/k+1，可以确定该区域内与本车位第一距离最短的车位（例如图2中角度区k中的车位B）、第一距离的大小以及方位角，第一距离例如可以是车位的几何中心点与其他车位的几何中心点的距离（例如图2中所示的虚线距离d1和d2），车位则可以以特定标识符（例如A、B）表征，方位角则可以是他车位相对本车位的方位（定义为自车位几何中心点到他车位几何中心点的矢量与自车位朝向的夹角，例如图2中的φ₁和φ₂）。此外，方位角可以再考虑车位朝向（车位几何中心点到其任意短边中点的矢量），由于车位的朝向可能因为车位具有两条短边而具备两种方位角可能，因此可以舍弃钝角的方位角而保留锐角的方位角。由此，某个车位Pa的描述子可以是具有72个描述项的数组，例如示为Pa=[P1, d₁, φ₁; …Px, d_x, φ_x; ……P72, d₇₂, φ₇₂]，其中，每组描述项“Px, d_x, φ_x”代表72个角度区域中某一个角度区域的对应车位Px、本车位与Px的第一距离d_x以及方位角φ_x。当然，也可以不限于该角度区域的单个第一距离最短的车位，而是第一距离最短的多个也可以（例如第一距离最短的2个车位，如图2所示的角度区k的车位B及其右侧车位）。

基于以上对每个语义子的角度区的划分，图3示出了本方法中的一种示例性的候选实际语义子集的确定流程，该确定流程可以包括：在S310，将感测语义子的描述子在每个角度区的项目与每个实际语义子的描述子在对应的一个或多个角度区的对应项目进行对比并据此对每个实际语义子进行计分；以及在S320，基于每个实际语义子的计分，确定每个感测语义子的候选实际语义子集。具体而言，还是以车位为例，针对如上所描述的某个感测车位Pa的描述子Pa=[P1, d₁, φ₁; …Px, d_x, φ_x; ……P72, d₇₂, φ₇₂]，将其与其他实际车位的每个描述子所具有的72个描述项一一进行比对。例如，使车位Pa在第7角度区（车位朝向的30°-35°）的描述项与另一车位在其第7角度区的描述项进行对比差值，若差值满足条件则可以将车位Pa与该另一车位的计分加1，并由此对72个角度区都进行对比差值和计分。但是可以理解，比对和计分方式可以有多种，例如对该角度区的第一距离进行差值并确认是否低于预定的第一距离差值阈值、对该角度区的方位角进行差值并确认是否低于预定的方位角阈值或这两者，也可以是同时满足第一距离阈值和方位角阈值才计1分，或者是满足一项则计1分而满足两项则计2分或3分等。由此，可以得到特定车位与其他每个车位的计分总分，基于计分总分而选出分数最高的一个或多个车位构成候选实际车位集。注意，分数最高的一个或多个车位可以解释成多个实际车位具有同一个最高分数，也可以解释成选出分数排名前三的实际车位，也可以是分数达到预定分数阈值的实际车位。

仍以车位示例语义子，在图4中进一步示出感测车位与实际车位的一种匹配和计分方式，该图4在图2的基础上进一步示出了所感测出感测车位图（如虚线车位框所示，其中车位A处的虚线车位框（感测车位）与实线车位框（实际车位）重叠）。可以看到，就角度区k而言，车位B的实际车位的第一距离为d1而感测车位的第一距离为d1'，若差值|d1-d1'|≤预定距离差值阈值，则可以使得该车位B位置处的虚线车位框与实线车位框的匹配分数加1分，同理，若方位角之差|φ₁-φ_1'|≤预定方位角差值阈值，也可以使得匹配分数加1分。

但是图4的划分会出现一种状况，即如图4中的车位B下方的车位所示，其中心点位于角度区k+1，但是拟与其匹配的虚线框车位的中心点落在角度区k+1之外，即，其实际车位与车位A的距离为d2，而感测车位与车位A的距离为d2'。对于这种情况，可以进一步将方法中的匹配流程设置为：将感测车位的单个角度区的描述子与该角度区的实际车位的描述子以及邻近两个角度区的实际车位的描述子都进行一轮对比求差。例如，在图4中，针对角度区k+1的描述子，分别将感测车位在角度区k+1上的车位进行打分、在角度区k上的车位进行打分、在角度区k+2上的车位进行打分，取3次打分中的最高得分，作为该感测车位在角度区k+1上的分数。所以，本方法不仅对每个角度区的描述子作一一对应的对比（即例如感测车位在角度区k的描述子与实际车位在角度区k的描述子进行对比、求差），而是还可以是针对每个角度区作一对多的对比（即例如感测车位在角度区k的描述子与实际车位在角度区k-1/k/k+1的描述子分别进行对比、求差，取差值最小的对比或者得分最高的对比）。

还需要考虑一种情况，由于每个车位有两个短边，因此每个车位可能存在两种朝向。对于这种情况，可以进一步将方法中的匹配流程设置为：例如在划分72个角度区的实施例中，将每个感测车位与调转180°后的实际车位再进行对比，即，某感测车位各个角度区除了与对应的实际车位的角度区进行对比以外，还可以是再将感测车位的第1角度区与实际车位的第1+36=37个角度区对比、将感测车位的第2角度区与实际车位的第2+36=38个角度区对比、将感测车位的第3角度区与实际车位的第3+36=39个角度区对比…将感测车位的第37角度区角度区与实际车位的第37-36=1个角度区对比、将感测车位的第38角度区角度区与实际车位的第38-36=2个角度区对比…依次类推对比，取角度区一一对应的对比方式的计分和调转180°的对比方式的计分中的得分更高的匹配计分作为最终匹配总分。

在一些实施例中，特别是任意一个或多个感测语义子具有多个候选实际语义子时，本方法还包括对候选实际语义子集进行进一步的缩减。如图5所示的对候选实际语义子集进行进一步的缩减的流程图500，候选实际语义子集的确定进一步可以包括：

在S510，针对每个感测语义子的所述候选实际语义子集而确定邻近语义子集，所述邻近语义子集包括在所述候选实际语义子集中的每个候选实际语义子周围的第二范围内的一个或多个邻近语义子。可以理解，由于所有感测语义子都位于移动物体利用感测装置（例如环视相机）所感测出来的局部感测语义子分布图中，所以在这个局部的图中每个感测语义子与其他感测语义子应具有一定的邻近关系（例如相邻、紧靠、不相邻但是距离较近等），每个感测语义子的期望的最终候选实际语义子也应具备邻近关系，而不会出现例如感测语义子相邻但是候选实际语义子距离相差甚远的情况。在这样的原理下，可以针对单个感测语义子的候选实际语义子集中的每个实际语义子分别求取在第二范围内的邻近语义子集，该第二范围可以是以该每个候选语义子的中心点为圆心的一定距离内的所有语义子，第二范围可以是相对于第一范围而言更小的一个范围。

在S520，针对感测语义子的候选实际语义子集中的每个候选实际语义子，根据该候选实际语义子是否包含在所有其他感测语义子的邻近语义子集中，来对候选实际语义子集进行进一步筛选。也就是说，确定了所有感测语义子各自的邻近语义子集后，将某感测语义子的候选实际语义子集依次与其他感测语义子的邻近语义子集进行比较，这是由于某感测语义子的最终匹配候选实际语义子一般是其他感测语义子的邻近语义子集中的一个，而一般不会出现某个候选实际语义子与其他感测语义子的邻近语义子均不具备邻近关系的情况（即均不在第二范围内的情况）。由于候选实际语义子若不包含在所有其他感测语义子的邻近语义子集中，则说明该个候选实际语义子并不是其他任何感测语义子的邻近语义子集中的一个，所以，可以例如删减掉没有被包含在任何邻近语义子集的那些候选实际语义子，以进一步缩减候选实际语义子集的大小。

可以理解，步骤S510和S520可以位于前述步骤S310和S320之后，但也可以是本方法的任何实施例中的候选实际语义子集的缩减步骤。

以车位作为语义子来举例描述，若感测车位图中有4个感测车位A、B、C和D，下面针对感测车位A而描述：感测车位B的候选实际车位集有两个候选实际车位（B1、B2），而B1在第二范围内有邻近车位B11、B12、B13，B2在第二范围内有邻近车位B21、B22，因此，感测车位B的邻近车位集为（B11、B12、B13、B21、B22），同理，得出车位C和D的邻近车位集假如分别为（C11、C12、C21）和（D11、D12、D21、D22）。假设感测车位A的候选实际车位集为（X1、X2、B12、X3、C12、D22、X4、X5），则将A的每个候选实际车位与上述每个邻近车位集进行比较，发现仅B12、C12、D22被包含在其他所有邻近语义子集中，因此可以将A的候选实际车位集缩减为（B12、C12、D22），即去除了所有X车位。注意，也可能存在例如B和C的某些邻近车位实为同一车位的情况，例如，车位B22在车位B的第二范围内某位置，而该位置又是车位C的第二范围内的车位C11，则车位B22和C11实为同一车位。

进一步利用图6来对流程500进行举例说明，图6示例性示出了一个室内停车场的车位分布图。在移动物体进入停车场后，感测周围一定范围（第一范围）的车位形成感测车位图（假如包括感测车位a、b和c）。然后，在对各感测车位与实际车位的描述子进行匹配之后，得到感测车位a的候选实际车位集为如图所示的4个：（a1；a2；a3；a4），感测车位b的候选实际车位集为如图所示的3个：（b1；b2；b3），感测车位c的候选实际车位集为如图所示的2个：（c1；c2）。下面阐释对（a1；a2；a3；a4）的缩减步骤：先确定感测车位b的各个候选实际车位（b1；b2；b3）的一定范围（第二范围）内的邻近车位S_b（如图所标识的S_b1-S_b11）以及感测车位c的各个候选实际车位（c1；c2）一定范围（第二范围）内的邻近车位集S_c（如图所标识的S_c1-S_c6），可以理解，由于实际车位的分布图已经提前计算好，或者是场所/车辆预存的，因此在确定某个车位为候选车位的情况下，很容易就得到该候选车位的邻近车位有哪些；因此，对于车位a而言，其“所有其他感测语义子的邻近语义子集”就是邻近车位集S_b或S_c，可以从图6看到，车位a1还可以是S_b2以及S_c2，即a1与S_b2及S_c2有重合，a1被包含在邻近车位集S_c或S_c中；同理还可知车位a2也与S_b8重合，因此a2也被包含在邻近车位集S_b中；而a3和a4不被包含在任何邻近车位集S_b或S_c中，由此可以排除作为候选实际车位的a3和a4。由此，可以将感测车位a的候选实际车位集（a1；a2；a3；a4）缩减为（a1；a2）。

在一些实施例中，可能会出现多个感测语义子的唯一匹配候选实际语义子为同一语义子的情况。因此，本方法可以进一步包括图7的流程700，在步骤S4-1，确定是否具有任意两个或多个感测语义子的唯一的候选实际语义子为同一实际语义子，并在步骤S4-2响应于任意两个或多个感测语义子的唯一的候选实际语义子为同一实际语义子，删除任意两个或多个感测语义子的匹配语义子对。例如，感测车位图中的具有感测车位A、B、C、D，而经过匹配后，感测车位A对应唯一匹配实际车位P1，感测车位B对应唯一匹配实际车位P2，感测车位C对应唯一匹配实际车位P3，但是感测车位D也对应唯一匹配实际车位P3。在这种情况下，本方法可以删除感测车位中的C和D以及与其配对的实际车位P3，仅采纳感测车位A、B及其对应的实际车位P1和P2来用于进一步确定移动物体的位置。也就是说，每个感测车位都有一个对应的实际车位，并且任意两个不同的感测车位都有两个不同的候选实际车位与它们对应。这样可以使得最终用于确定移动物体位置的实际车位更精准、定位流程更快速。

在另一些实施例中，可能会出现一些错误匹配。具体而言，由于感测语义子分布图中的感测语义子都如上所描述的具有一定的邻近关系，因此不太可能出现某唯一匹配实际语义子的周围没有任何语义子的情况，所以可以设定规则来排除这些问题语义子。即，例如在步骤S4后、S5前，方法还包括：若在任意一个或多个感测语义子的唯一的候选实际语义子周围的第三范围内的邻近语义子的数量为0，则删除任意一个或多个感测语义子的匹配语义子对。例如，在图6的右上角所示的车位x，其在一定范围（第三范围，如图中的虚线圈所示）内都没有邻近语义子，所以若车位x被匹配为某一感测车位的候选车位，则可以删除这个匹配车位对。这样同样可以使得最终用于确定移动物体位置的实际车位更精准、定位流程更快速。

根据以上说明，可以理解所述的第一范围、第二范围和第三范围并无大小比较或包含关系。一般而言，感测的第一范围相比于第二范围或第三范围更大，而用于确定邻近语义子的第二范围可以与第三范围相同。

但是，可以理解，图7的流程700还可以包括步骤S4-3，若通过以上所述各种删除步骤后的匹配语义子对的数量少于预定数量阈值，则在移动物体行进过程中，重复进行步骤S1-S4，直到匹配语义子对的数量大于等于预定数量阈值。也就是说，用于确定移动物体位置的匹配语义子对的数量不能太少，应设定合适的阈值，例如至少删除后还存在2对匹配语义子对、或3对匹配语义子对等。若经过删除后的数量少于预定阈值，则返回当前时刻的测量失败，可以在移动物体行进的下一个时刻重复进行步骤S1-S4，再看是否剩余的匹配语义子对的数量符合要求，以进一步保证定位的精准。

本方法还可以关注在最终形成的匹配语义子对中感测语义子的图和实际语义子的图的投影误差，如图4中所示出的虚线框和实线框。若每个匹配车位对中的感测车位的位置投影与对应的唯一的候选实际车位的位置投影的误差大于预定投影误差阈值，则可以认为当前时刻的测量失败。投影误差可以例如是实际语义子和对应的感测语义子的面积重合百分比来表征，例如设置重合面积百分比小于80%则认为超过了预定误差阈值。并且，在移动物体行进过程中的下一时刻，重复进行步骤S1-S4，看是否投影误差小于阈值，直到误差小于等于预定投影误差阈值为止。这样可以进一步保证所得到的匹配的实际语义子与感测语义子是正确对应的。当然，也可以针对每个匹配语义子对（一个感测语义子及与其配对的实际语义子）来进行投影误差测量，删除误差大于阈值的匹配语义子对，若剩余的匹配语义子对足以用于确定移动物体的位置，则也无需重新进行步骤S1-S4。

在另一方面，本申请还提供一种用于确定移动物体在场所中的位置的系统。图8示出了根据一个或多个实施例的系统800的模块示意图。该系统包括感测器、存储器和处理器。

感测器配置成感测移动物体周围的第一范围内的实际语义子。在移动物体进入场所后，利用感测器获取关于移动物体周围的一定范围（第一范围）内的图像。可以理解，在感测方面，并不限于利用环视相机进行拍摄来获取，而是还可以利用其他的感测装置，例如各类传感器、雷达等。优选地，感测语义子的感测器为环视相机，其具有成本低、获取数据量小等特点。

存储器例如可以包括各种类型的计算机存储介质，可以是通用或专用计算机能够存取的任何可用介质。举例而言，计算机可读介质可以包括RAM、ROM、EPROM、E²PROM、寄存器、硬盘、可移动盘、CD-ROM或其他光盘存储器、磁盘存储器或其他磁存储模块、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单元并能够由通用或专用计算机、或者通用或专用处理器进行存取的任何其他临时性或者非临时性介质。如本文所使用的盘通常磁性地复制数据，而碟则用激光来光学地复制数据。上述的组合也应当包括在计算机可读介质的保护范围之内。示例性存储介质耦合到处理器以使得该处理器能从/向该存储介质读写信息。在替换方案中，存储介质可以被整合到处理器。处理器和存储介质可驻留在ASIC中。ASIC可驻留在用户终端中。在替换方案中，处理器和存储介质可作为分立组件驻留在用户终端中。存储器存储有可供处理器执行的指令。

处理器和存储器可以例如基于车载计算机的处理模块和存储模块，二者有线或无线地连接，以实现数据的传输或交互。例如，这些元器件相互之间可通过一条或多条通信总线实现电性连接。存储器可以例如是上述的计算机可读存储介质。处理器可以具有信号处理能力的处理模块，例如通用处理器，包括中央处理器CPU、网络处理器NP等；还可以是数字信号处理器DSP、专用集成电路ASIC、现场可编程门阵列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。

处理器在执行指令时配置成：根据感测器的感测结果而建立关于第一范围内的实际语义子的感测语义子分布图，并计算每个感测语义子的描述子，其中，语义子的描述子指示语义子与其他语义子的几何关系。处理器通过感知算法（例如基于神经网络的感知算法）来从感测图像中提取出该范围内的语义信息，并且例如建立该范围内的场所语义子的分布图（感测语义子分布图）。如图2所示出的停车场的局部9个车位分布图（车位以实线框示出），而经过此局部区域的移动物体利用感测技术而建立了感测车位图（如图4中示出的虚线框）。此外，可以将处理器设置成当感测到的语义子的数量达到一定的阈值，才开始建立感测语义子分布图和/或对感测语义子分布图的描述子进行计算，以避免用于移动物体定位的感测语义子数量过少而导致的定位不精确或定位失败。

可以在如图2中的示例车位分布图中解释车位的描述子的计算，针对该分布图中的每个车位，以车位A为例，描述子可以描述车位A与分布图中其他车位的角度、取向和距离等几何关系。因而，每个车位都可以使用其他车位及与其他车位的几何关系来描述。比如，利用几何参数的数组来表征车位A的描述子可以表示为A=[x_B, y_B, z_B; x_C, y_C, z_C; x_D,y_D, z_D;……]，其中，B/C/D等代表其他车位，x/y/z代表一种几何参数（诸如距离、角度、朝向、象限等等），由此，车位A由多个其他车位的一种或多种几何参数形成的数组来表征。在本系统中利用语义子间几何关系描述来表征语义子，具有数据量小、快速、精准等特点，适于在移动物体行进过程中进行快速定位计算，相比于利用激光雷达等传感器捕捉大量的粒子/点云数据进行计算，消耗算力更小、计算速度更快。

然后，处理器针对每个感测语义子，将感测语义子的描述子与每个实际语义子的描述子进行匹配，确定每个感测语义子的候选实际语义子集。处理器利用在感测语义子分布图中的每个感测语义子与其他感测语义子的描述子，去一一匹配每个实际语义子的描述子，当某个感测语义子的描述子与某个或某几个实际语义子的描述子最为接近时，可以将该某个或某几个实际语义子确定为候选实际语义子，因而组成候选语义子集。具体的匹配方式可以是，对于某个感测语义子，求取该感测语义子与每个实际语义子的几何参数差值，然后对所有几何参数的差值进行求和，根据总和的大小来确定，例如差值总和最小的一个或多个（存在多个是因为可能出现差值总和相等的情况）实际语义子可以认为是该感测语义子的候选实际语义子集的成员。具体的匹配方式还可以是基于这些差值与预定阈值的比较并进行计分，如将下文中详细描述的。

当每个感测语义子的候选实际语义子集都具有唯一的候选实际语义子与该感测语义子构成匹配语义子对时，处理器根据每个匹配语义子对中的候选实际语义子，确定移动物体在场所中的位置。在确定当前的感测语义子分布图的每个感测语义子都具有唯一的匹配实际语义子后，可以根据移动物体传感装置所采集的该移动物体与其他语义子的信息来确定移动物体当前所处的位置。例如，处理器可以利用最近点迭代ICP算法，根据所匹配的实际语义子的描述子关系（几何关系）来确定移动物体的当前位置。ICP算法可以通过基于感测语义子与匹配的实际语义子的配对而构造旋转平移矩阵，并利用所求矩阵进行坐标变换，估计变换前后的配对的误差函数，若误差函数值大于阀值，则迭代进行上述运算直到满足给定的误差要求，而后基于满足误差阈值的数据信息来确定移动物体的当前位置。配合环视相机及几何关系描述子的低算力需求，处理器所使用算法相比现有的基于蒙特拉罗和基于激光点匹配的方法算力消耗更低。

通过本系统，能够利用对场所地图的局部的感测来获取所感测的几何关系与实际几何关系的匹配，进而确定移动物体所位于场所的局部区域并由此确定移动物体的位置。本系统利用的局部语义子匹配、清楚的语义信息表示和几何关系描述子，能够有效降低算法的算力，无需每次都针对大量的粒子/激光点云数据而进行位置测量，从而快速对移动物体进行定位，满足正在场所中移动的移动物体的定位的高精度和快速性需求，并且具备较高的鲁棒性。

在一些实施例中，场所的每个实际语义子的描述子是由场所或上述处理器预先计算的，具体可以参见前文关于方法100所描述的内容。

在一些实施例中，语义子与其他语义子的几何关系包括在围绕语义子而划分多个角度区中的每个角度区内的以下项目中的一个或多个：与语义子的第一距离最短的一个或多个语义子、语义子与最短的一个或多个语义子各自的第一距离以及语义子与最短的一个或多个语义子各自的方位角。角度区划分的具体方式和描述子的具体内容可以参见前文关于方法100所描述的内容和图2。

基于以上对每个语义子的角度区的划分，处理器还配置成将感测语义子的描述子在每个角度区的项目与每个实际语义子的描述子在对应一个或多个角度区的对应项目进行对比并据此对每个实际语义子进行计分；然后，处理器基于每个实际语义子的计分，确定每个感测语义子的候选实际语义子集。角度区匹配的具体方式可以参见前文关于方法100所描述的内容和图4。

在一些实施例中，特别是任意一个或多个感测语义子具有多个候选实际语义子时，本系统还利用处理器来对候选实际语义子集进行进一步的缩减。具体而言，处理器还可以配置成针对每个感测语义子的所述候选实际语义子集而确定邻近语义子集，所述邻近语义子集包括在所述候选实际语义子集中的每个候选实际语义子周围的第二范围内的一个或多个邻近语义子；然后，处理器针对感测语义子的候选实际语义子集中的每个候选实际语义子，根据该候选实际语义子是否包含在所有其他感测语义子的邻近语义子集中，来对候选实际语义子集进行进一步筛选。候选实际语义子集的缩减的具体方式可以例如参见前文关于方法100所描述的内容和图6。

在一些实施例中，处理器可以进一步配置成：响应于任意两个或多个感测语义子的候选实际语义子为同一实际语义子，删除任意两个或多个感测语义子的匹配语义子对；和/或，响应于在任意一个或多个感测语义子的候选实际语义子周围的第三范围内的邻近语义子的数量为0，删除任意一个或多个感测语义子的匹配语义子对；和/或，响应于每个匹配语义子对中的感测语义子的位置投影与对应的候选实际语义子的位置投影的误差小于等于预定投影误差阈值，根据每个匹配语义子对中的候选实际语义子，确定移动物体在场所中的位置。具体方式可以参见前文关于方法100所描述的内容。

如前所描述的，为了简单起见本文各实施例及附图大多以车位和车辆作为示例来阐述移动物体定位方法的具体流程。可以理解，其他语义子也可以适用于本文所描述的方法和系统，例如，在图6中除了各个车位的框图，也可以包括指示充电桩、立柱的圆圈、指示门的条形、指示道路的路径图等等。因此，除了本文中描述的车位与车位的几何关系描述子，也可以利用不同类型的语义子建立各语义子之间的几何描述，例如“第一距离”可以是各语义子的几何中心点之间的距离和角度（例如，指示充电桩的圆圈的圆心与车位中心点的距离）。还可以理解，“移动物体”也可以指其他非车辆物体，例如无人飞行器、移动机器人等，所以本申请还可以例如用于无人飞行器进入某个室内场所的定位，又例如用于移动机器人在室内场所的位置（例如扫地机器人在商场中的位置（语义子可以例如是商场各门面、立柱、电梯等）、送货机器人在酒店中的位置（语义子可以例如是各个房门、房间号、电梯、前台等））。

根据本申请的另一方面，提供一种车辆，该车辆可以包括如上文所述的任意一种用于确定移动物体在场所中的位置的系统。本申请中所称的车辆意在表示任何适当的移动物体，例如，燃油车、混合动力汽车、电动车、插电式混动电动车等等。

根据本申请的又一方面，提供一种计算机可读存储介质，其中存储有指令，当所述指令由处理器执行时，使得所述处理器执行如上文所描述的用于确定移动物体在场所中的位置的方法。计算机可读存储介质的类型和含义可以是例如如上述关于存储器所描述的。

本申请各实施例中可能涉及的相关用户个人信息，均为严格按照法律法规的要求，遵循合法、正当、必要的原则，基于业务场景的合理目的，处理用户在使用产品/服务过程中主动提供或因使用产品/服务而产生的，以及经用户授权获取的个人信息。

申请人处理的用户个人信息会因具体产品/服务场景而有所不同，需以用户使用产品/服务的具体场景为准，可能会涉及用户的账号信息、设备信息、驾驶信息、车辆信息或其他相关信息。申请人会以高度的勤勉义务对待用户的个人信息及其处理。

申请人非常重视用户个人信息的安全，已采取符合业界标准、合理可行的安全防护措施保护用户的信息，防止个人信息遭到未经授权访问、公开披露、使用、修改、损坏或丢失。

以上仅为本申请的具体实施方式，但本申请的保护范围并不局限于此。本领域的技术人员可以根据本申请所披露的技术范围想到其他可行的变化或替换，此等变化或替换皆涵盖于本申请的保护范围之中。在不冲突的情况下，本申请的实施方式及实施方式中的特征还可以相互组合。本申请的保护范围以权利要求的记载为准。

Claims

1.一种用于确定移动物体在场所中的位置的方法，其特征在于，所述场所包括指示所述场所内的语义信息的多个实际语义子，所述方法包括以下步骤：

S1：感测所述移动物体周围的第一范围内的所述实际语义子，并建立关于所述第一范围内的所述实际语义子的感测语义子分布图；

S2：根据所述感测语义子分布图，计算每个感测语义子的描述子，其中，语义子的所述描述子指示所述语义子与其他语义子的几何关系；

S3：针对每个所述感测语义子，将所述感测语义子的描述子与每个所述实际语义子的描述子进行匹配，确定每个所述感测语义子的候选实际语义子集；

S4：在所述移动物体行进过程中，重复进行步骤S1-S3，直到每个所述感测语义子的所述候选实际语义子集都具有唯一的候选实际语义子与所述感测语义子构成匹配语义子对；以及

S5：根据每个匹配语义子对中的候选实际语义子，确定所述移动物体在所述场所中的位置，

其中，所述候选实际语义子集的确定进一步包括：

针对每个感测语义子的所述候选实际语义子集而确定邻近语义子集，所述邻近语义子集包括在所述候选实际语义子集中的每个候选实际语义子周围的第二范围内的一个或多个邻近语义子；

针对所述感测语义子的所述候选实际语义子集中的每个候选实际语义子，根据所述候选实际语义子是否包含在所有其他感测语义子的所述邻近语义子集中，来对所述候选实际语义子集进行进一步筛选。

2.根据权利要求1所述的方法，其特征在于，所述场所的每个所述实际语义子的描述子是由所述场所或所述移动物体预先计算的。

3.根据权利要求1所述的方法，其特征在于，所述语义子包括以下中的一项或多项：车位、充电桩、场所立柱、门、前台、电梯、路径。

4.根据权利要求1所述的方法，其特征在于，所述语义子与其他语义子的几何关系包括在围绕所述语义子而划分多个角度区中的每个角度区内的以下项目中的一个或多个：

与所述语义子的第一距离最短的一个或多个语义子、所述语义子与所述最短的一个或多个语义子各自的第一距离以及所述语义子与所述最短的一个或多个语义子各自的方位角。

5.根据权利要求4所述的方法，其特征在于，所述候选实际语义子集的确定包括：

将所述感测语义子的描述子在每个所述角度区的所述项目与每个所述实际语义子的描述子在对应一个或多个角度区的对应项目进行对比并据此对每个所述实际语义子进行计分；以及

基于每个所述实际语义子的计分，确定每个所述感测语义子的所述候选实际语义子集。

6.根据权利要求1所述的方法，其特征在于，在步骤S4后、S5前，所述方法还包括：

若任意两个或多个所述感测语义子的所述唯一的候选实际语义子为同一实际语义子，则删除所述任意两个或多个所述感测语义子的匹配语义子对；并且

若删除后的匹配语义子对的数量少于预定数量阈值，则在所述移动物体行进过程中，重复进行步骤S1-S4，直到匹配语义子对的数量大于等于所述预定数量阈值。

7.根据权利要求1所述的方法，其特征在于，在步骤S4后、S5前，所述方法还包括：

若在任意一个或多个所述感测语义子的所述唯一的候选实际语义子周围的第三范围内的邻近语义子的数量为0，则删除所述任意一个或多个所述感测语义子的匹配语义子对；并且

8.根据权利要求1所述的方法，其特征在于，在步骤S4后、S5前，所述方法还包括：

若每个所述匹配语义子对中的感测语义子的位置投影与对应的所述唯一的候选实际语义子的位置投影的误差大于预定投影误差阈值，则在所述移动物体行进过程中，重复进行步骤S1-S4，直到所述误差小于等于预定投影误差阈值。

9.一种用于确定移动物体在场所中的位置的系统，其特征在于，所述场所包括指示所述场所内的语义信息的多个实际语义子，所述系统包括：

感测器，其配置成感测所述移动物体周围的第一范围内的所述实际语义子；

存储器，其存储有指令；以及

处理器，其配置成在执行所述指令时进行如下操作：

根据所述感测器的感测结果而建立关于所述第一范围内的所述实际语义子的感测语义子分布图，并根据所述感测语义子分布图计算每个感测语义子的描述子，其中，语义子的所述描述子指示所述语义子与其他语义子的几何关系；

针对每个所述感测语义子，将所述感测语义子的描述子与每个所述实际语义子的描述子进行匹配，确定每个所述感测语义子的候选实际语义子集；以及

当每个所述感测语义子的所述候选实际语义子集都具有唯一的候选实际语义子与所述感测语义子构成匹配语义子对时，根据每个匹配语义子对中的候选实际语义子，确定所述移动物体在所述场所中的位置，

其中，所述处理器还配置成进一步通过以下来确定所述候选实际语义子集：

10.根据权利要求9所述的系统，其特征在于，所述场所的每个所述实际语义子的描述子是由所述场所或所述处理器预先计算的。

11.根据权利要求9所述的系统，其特征在于，所述语义子与其他语义子的几何关系包括在围绕所述语义子而划分多个角度区中的每个角度区内的以下项目中的一个或多个：

12.根据权利要求11所述的系统，其特征在于，所述处理器配置成通过以下来确定所述候选实际语义子集：

13.根据权利要求9所述的系统，其特征在于，所述处理器进一步配置成：

响应于任意两个或多个所述感测语义子的候选实际语义子为同一实际语义子，删除所述任意两个或多个所述感测语义子的匹配语义子对。

14.根据权利要求9所述的系统，其特征在于，所述处理器进一步配置成：

响应于在任意一个或多个所述感测语义子的候选实际语义子周围的第三范围内的邻近语义子的数量为0，删除所述任意一个或多个所述感测语义子的匹配语义子对。

15.根据权利要求9所述的系统，其特征在于，所述处理器进一步配置成：

响应于每个所述匹配语义子对中的感测语义子的位置投影与对应的所述候选实际语义子的位置投影的误差小于等于预定投影误差阈值，根据每个匹配语义子对中的候选实际语义子，确定所述移动物体在所述场所中的位置。

16.根据权利要求9所述的系统，其特征在于，所述感测器包括环视相机。

17.一种车辆，其特征在于，所述车辆包括根据权利要求9-16中任一项所述的系统。

18.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质包括指令，所述指令在由处理器执行时，实行根据权利要求1-8中任一项所述的方法。