CN116105719A - 车辆定位方法、装置及电子设备、计算机可读存储介质 - Google Patents

车辆定位方法、装置及电子设备、计算机可读存储介质 Download PDF

Info

Publication number
CN116105719A
CN116105719A CN202310257856.6A CN202310257856A CN116105719A CN 116105719 A CN116105719 A CN 116105719A CN 202310257856 A CN202310257856 A CN 202310257856A CN 116105719 A CN116105719 A CN 116105719A
Authority
CN
China
Prior art keywords
current frame
semantic segmentation
data
segmentation result
vehicle
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
Application number
CN202310257856.6A
Other languages
English (en)
Inventor
王林杰
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.)
Zhidao Network Technology Beijing Co Ltd
Original Assignee
Zhidao Network Technology Beijing 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 Zhidao Network Technology Beijing Co Ltd filed Critical Zhidao Network Technology Beijing Co Ltd
Priority to CN202310257856.6A priority Critical patent/CN116105719A/zh
Publication of CN116105719A publication Critical patent/CN116105719A/zh
Pending legal-status Critical Current

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
    • G01C21/38—Electronic maps specially adapted for navigation; Updating thereof
    • G01C21/3804—Creation or updating of map data
    • G01C21/3833—Creation or updating of map data characterised by the source of data
    • G01C21/3844—Data obtained from position sensors only, e.g. from inertial navigation
    • 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
    • G01C21/10—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration
    • G01C21/12—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning
    • G01C21/16—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning by integrating acceleration or speed, i.e. inertial navigation
    • G01C21/165—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning by integrating acceleration or speed, i.e. inertial navigation combined with non-inertial navigation instruments
    • G01C21/1652—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning by integrating acceleration or speed, i.e. inertial navigation combined with non-inertial navigation instruments with ranging devices, e.g. LIDAR or RADAR
    • 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
    • G01C21/38—Electronic maps specially adapted for navigation; Updating thereof
    • G01C21/3804—Creation or updating of map data
    • G01C21/3833—Creation or updating of map data characterised by the source of data
    • G01C21/3852—Data derived from aerial or satellite images
    • 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
    • G01S19/45—Determining position by combining measurements of signals from the satellite radio beacon positioning system with a supplementary measurement
    • G01S19/47—Determining position by combining measurements of signals from the satellite radio beacon positioning system with a supplementary measurement the supplementary measurement being an inertial measurement, e.g. tightly coupled inertial
    • 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
    • Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
    • Y02T10/00—Road transport of goods or passengers
    • Y02T10/10—Internal combustion engine [ICE] based vehicles
    • Y02T10/40—Engine management systems

Landscapes

  • Engineering & Computer Science (AREA)
  • Remote Sensing (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Navigation (AREA)
  • Traffic Control Systems (AREA)

Abstract

本申请公开了一种车辆定位方法、装置及电子设备、计算机可读存储介质，该方法包括：获取车辆的当前定位数据，包括当前帧的图像数据、惯导数据和卫星定位数据；对当前帧的图像数据进行语义分割；根据当前帧的语义分割结果和局部语义地图，确定当前帧的语义分割结果与局部语义地图之间的相对变换关系，根据当前帧的语义分割结果和高精地图数据，确定当前帧的语义分割结果与高精地图数据之间的相对变换关系；根据当前定位数据、当前帧的语义分割结果分别与局部语义地图和高精地图数据之间的相对变换关系构建非线性优化模型，以此确定优化后的车辆定位结果。本申请联合语义地图和高精地图数据对车辆进行定位，提高了车辆定位精度。

Description

车辆定位方法、装置及电子设备、计算机可读存储介质
技术领域
本申请涉及车辆定位技术领域，尤其涉及一种车辆定位方法、装置及电子设备、计算机可读存储介质。
背景技术
在自动驾驶领域，通常使用GPS(Global Positioning System，全球定位系统)/RTK(Real-time kinematic，实时动态差分)+IMU(Inertial Measurement Unit，惯性测量单元)构成的组合导航定位设备为自动驾驶车辆提供绝对定位信息，包括绝对位置和姿态等信息，之后自动驾驶车辆再根据绝对定位信息来进行实时的路径规划及驾驶决策。
然而，实际场景下，GPS/RTK受卫星定位信号质量的影响较大，例如城市场景中，高楼密集区域会导致卫星定位信号被遮挡，大型桥梁下方及隧道场景中，会导致卫星定位信号丢失，影响组合导航的精度，进而对定位精度及定位稳定性造成较大影响。
发明内容
本申请实施例提供了一种车辆定位方法、装置及电子设备、计算机可读存储介质，以提高车辆定位精度。
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车辆定位方法，其中，所述方法包括：
获取车辆的当前定位数据，所述当前定位数据包括当前帧的图像数据、惯导数据和卫星定位数据；
利用预设语义分割模型对当前帧的图像数据进行语义分割，得到当前帧的语义分割结果；
根据所述当前帧的语义分割结果和对应的局部语义地图，确定当前帧的语义分割结果与局部语义地图之间的相对变换关系，以及根据所述当前帧的语义分割结果和对应的高精地图数据，确定当前帧的语义分割结果与高精地图数据之间的相对变换关系；
根据所述当前定位数据、所述当前帧的语义分割结果与局部语义地图之间的相对变换关系以及所述当前帧的语义分割结果与高精地图数据之间的相对变换关系构建非线性优化模型；
根据所述非线性优化模型确定优化后的车辆定位结果。
可选地，所述根据所述当前帧的语义分割结果和对应的局部语义地图，确定当前帧的语义分割结果与局部语义地图之间的相对变换关系包括：
获取上一帧的车辆定位结果；
根据所述上一帧的车辆定位结果获取车辆周围的局部语义地图；
将所述车辆周围的局部语义地图转换到车体坐标系下，得到车体坐标系下的局部语义地图；
根据所述当前帧的语义分割结果和所述车体坐标系下的局部语义地图，确定当前帧的语义分割结果与局部语义地图之间的相对变换关系。
可选地，所述根据所述当前帧的语义分割结果和对应的高精地图数据，确定当前帧的语义分割结果与高精地图数据之间的相对变换关系包括：
根据当前帧的卫星定位信息获取车辆周围的高精地图数据；
将所述车辆周围的高精地图数据转换到车体坐标系下，得到车体坐标系下的高精地图数据；
根据所述当前帧的语义分割结果和所述车体坐标系下的高精地图数据，确定当前帧的语义分割结果与高精地图数据之间的相对变换关系。
可选地，所述根据所述当前定位数据、所述当前帧的语义分割结果与局部语义地图之间的相对变换关系以及所述当前帧的语义分割结果与高精地图数据之间的相对变换关系构建非线性优化模型包括：
根据所述当前定位数据、所述当前帧的语义分割结果与局部语义地图之间的相对变换关系以及所述当前帧的语义分割结果与高精地图数据之间的相对变换关系确定所述非线性优化模型的约束信息；
将当前帧的车辆位姿作为所述非线性优化模型的待优化信息；
根据所述非线性优化模型的约束信息和所述非线性优化模型的待优化信息构建所述非线性优化模型。
可选地，所述非线性优化模型的约束信息包括图像数据对应的惯导预积分约束信息和卫星定位数据的相对变化约束信息，所述根据所述当前定位数据、所述当前帧的语义分割结果与局部语义地图之间的相对变换关系以及所述当前帧的语义分割结果与高精地图数据之间的相对变换关系确定所述非线性优化模型的约束信息包括：
获取当前帧的图像数据和上一帧的图像数据之间的惯导数据，并根据当前帧的图像数据和上一帧的图像数据之间的惯导数据构建图像数据对应的惯导预积分约束信息；
根据当前帧的卫星定位数据和上一帧的卫星定位数据确定所述卫星定位数据的相对变化约束信息。
可选地，所述根据所述非线性优化模型确定优化后的车辆定位结果包括：
确定所述非线性优化模型中的约束信息的类型；
根据所述约束信息的类型确定对应的优化策略；
根据所述约束信息的类型对应的优化策略对所述非线性优化模型进行优化求解，得到所述优化后的车辆定位结果。
可选地，所述优化后的车辆定位结果包括优化后的车辆位姿，在根据所述非线性优化模型确定优化后的车辆定位结果之后，所述方法还包括：
根据所述优化后的车辆位姿和所述当前帧的语义分割结果更新所述局部语义地图。
第二方面，本申请实施例还提供一种车辆定位装置，其中，所述装置包括：
获取单元，用于获取车辆的当前定位数据，所述当前定位数据包括当前帧的图像数据、惯导数据和卫星定位数据；
语义分割单元，用于利用预设语义分割模型对当前帧的图像数据进行语义分割，得到当前帧的语义分割结果；
第一确定单元，用于根据所述当前帧的语义分割结果和对应的局部语义地图，确定当前帧的语义分割结果与局部语义地图之间的相对变换关系，以及根据所述当前帧的语义分割结果和对应的高精地图数据，确定当前帧的语义分割结果与高精地图数据之间的相对变换关系；
构建单元，用于根据所述当前定位数据、所述当前帧的语义分割结果与局部语义地图之间的相对变换关系以及所述当前帧的语义分割结果与高精地图数据之间的相对变换关系构建非线性优化模型；
第二确定单元，用于根据所述非线性优化模型确定优化后的车辆定位结果。
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前述之任一所述方法。
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前述之任一所述方法。
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：本申请实施例的车辆定位方法，先获取车辆的当前定位数据，当前定位数据包括当前帧的图像数据、惯导数据和卫星定位数据；然后利用预设语义分割模型对当前帧的图像数据进行语义分割，得到当前帧的语义分割结果；之后根据当前帧的语义分割结果和对应的局部语义地图，确定当前帧的语义分割结果与局部语义地图之间的相对变换关系，以及根据当前帧的语义分割结果和对应的高精地图数据，确定当前帧的语义分割结果与高精地图数据之间的相对变换关系；再根据当前定位数据、当前帧的语义分割结果与局部语义地图之间的相对变换关系以及当前帧的语义分割结果与高精地图数据之间的相对变换关系构建非线性优化模型；最后根据非线性优化模型确定优化后的车辆定位结果。本申请实施例的车辆定位方法联合语义地图和高精地图数据对车辆进行定位，提高了车辆定位精度，结合惯导数据和卫星定位数据构建非线性优化模型对车辆位姿进行约束优化，进一步提高了车辆定位精度。
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为本申请实施例中一种车辆定位方法的流程示意图；
图2为本申请实施例中一种车辆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。
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车辆定位方法，如图1所示，提供了本申请实施例中一种车辆定位方法的流程示意图，所述方法至少包括如下的步骤S110至步骤S150：
步骤S110，获取车辆的当前定位数据，所述当前定位数据包括当前帧的图像数据、惯导数据和卫星定位数据。
本申请实施例在进行车辆定位时，需要先获取车辆的当前定位数据，具体可以包括当前帧的图像数据、惯导数据即IMU数据以及卫星定位数据，由于不同传感器的数据采集频率不同，因此可以对不同来源的定位数据进行时间同步处理，当然也可以在后续构建非线性优化模型阶段进行时间同步处理。
步骤S120，利用预设语义分割模型对当前帧的图像数据进行语义分割，得到当前帧的语义分割结果。
对于当前帧的图像数据，可以利用现有的语义分割模型进行语义分割，从图像数据中分割出车道线、停止线、箭头、立体标识等语义信息，这里的语义分割模型例如可以采用LaneAF模型，LaneAF主要基于语义分割+聚类后处理技术实现，首先利用语义分割技术对像素点进行二分类，判断像素点属于车道线还是背景，然后通过对车道线像素点进行聚类生成不同的车道线实例。当然，具体如何进行语义分割，本领域技术人员可以结合现有技术灵活选择，在此不作具体限定。
步骤S130，根据所述当前帧的语义分割结果和对应的局部语义地图，确定当前帧的语义分割结果与局部语义地图之间的相对变换关系，以及根据所述当前帧的语义分割结果和对应的高精地图数据，确定当前帧的语义分割结果与高精地图数据之间的相对变换关系。
一方面，本申请实施例可以基于车辆实时行驶过程在线构建局部语义地图或者通过离线方式事先构建好一定区域内的局部语义地图，局部语义地图中主要包含道路中各种路面标识和非路面标识的语义信息。另一方面，可以获取车辆当前所在位置附近的高精地图数据，高精地图数据中同样可以提供道路中各种道路标识的相关信息，因此局部语义地图和高精地图都可以为车辆的定位匹配提供基础。
将当前帧的语义分割结果与对应的局部语义地图进行匹配，可以得到当前帧的语义分割结果与局部语义地图之间的相对变换矩阵，将当前帧的语义分割结果与对应的高精地图进行匹配，可以得到当前帧的语义分割结果与高精地图之间的相对变换矩阵。
步骤S140，根据所述当前定位数据、所述当前帧的语义分割结果与局部语义地图之间的相对变换关系以及所述当前帧的语义分割结果与高精地图数据之间的相对变换关系构建非线性优化模型。
结合惯导数据、卫星定位数据以及前述步骤确定出的当前帧的语义分割结果分别与局部语义地图和高精地图数据之间的相对变换关系构建非线性优化模型，从多个维度约束最终得到的车辆位姿，从而提高车辆定位的精度。
步骤S150，根据所述非线性优化模型确定优化后的车辆定位结果。
在得到上述非线性优化模型后，可以利用现有的非线性最小二乘求解算法如高斯牛顿法(GN)、列文伯格-马夸尔特(LM)等对非线性优化模型进行求解，从而得到优化后的车辆位姿。
本申请实施例的车辆定位方法联合语义地图和高精地图数据对车辆进行定位，提高了车辆定位精度，结合惯导数据和卫星定位数据构建非线性优化模型对车辆位姿进行约束优化，进一步提高了车辆定位精度。
在本申请的一些实施例中，所述根据所述当前帧的语义分割结果和对应的局部语义地图，确定当前帧的语义分割结果与局部语义地图之间的相对变换关系包括：获取上一帧的车辆定位结果；根据所述上一帧的车辆定位结果获取车辆周围的局部语义地图；将所述车辆周围的局部语义地图转换到车体坐标系下，得到车体坐标系下的局部语义地图；根据所述当前帧的语义分割结果和所述车体坐标系下的局部语义地图，确定当前帧的语义分割结果与局部语义地图之间的相对变换关系。
本申请实施例的局部语义地图可以是基于车辆的行驶过程实时在线构建的，对于车辆当前时刻的定位来说，其并不需要用到之前构建好的所有局部语义地图数据，而只需要用到与当前时刻相近的一部分局部语义地图数据，因此这里可以以上一帧的优化后的车辆位姿为基准，获取上一帧的优化后的车辆位姿对应的局部语义地图，也即当前车辆周围的局部语义地图。
由于局部语义地图是建立在局部世界坐标系下的，而车辆的定位对应的是车体坐标系，因此可以将当前车辆周围的局部语义地图变换到车体坐标系下，得到车体坐标系下的局部语义地图，最后再将当前帧的语义分割结果与车体坐标系下的局部语义地图进行匹配，从而计算出当前帧的语义分割结果与局部语义地图之间的相对变换关系，这里的当前帧的语义分割结果与局部语义地图之间的相对变换关系本质上是指基于局部语义地图计算出的当前帧的语义分割结果相对于上一帧优化后的车辆位姿的变换矩阵。
在本申请的一些实施例中，所述根据所述当前帧的语义分割结果和对应的高精地图数据，确定当前帧的语义分割结果与高精地图数据之间的相对变换关系包括：根据当前帧的卫星定位信息获取车辆周围的高精地图数据；将所述车辆周围的高精地图数据转换到车体坐标系下，得到车体坐标系下的高精地图数据；根据所述当前帧的语义分割结果和所述车体坐标系下的高精地图数据，确定当前帧的语义分割结果与高精地图数据之间的相对变换关系。
高精地图数据是建立在全局世界坐标系下的，对于车辆当前时刻的定位来说，同样也不需要用到全部的高精地图数据，因此可以先根据当前帧原始的卫星定位信息获取车辆周围的高精地图数据，再将车辆周围的高精地图数据变换到车体坐标系下，最后将当前帧的语义分割结果与车体坐标系下的高精地图数据进行匹配，从而计算出当前帧的语义分割结果与高精地图数据之间的相对变换关系，这里的当前帧的语义分割结果与高精地图数据之间的相对变换关系本质上是指基于高精地图数据计算出的当前帧的语义分割结果相对于当前帧原始的卫星定位数据的变换矩阵。
在本申请的一些实施例中，所述根据所述当前定位数据、所述当前帧的语义分割结果与局部语义地图之间的相对变换关系以及所述当前帧的语义分割结果与高精地图数据之间的相对变换关系构建非线性优化模型包括：根据所述当前定位数据、所述当前帧的语义分割结果与局部语义地图之间的相对变换关系以及所述当前帧的语义分割结果与高精地图数据之间的相对变换关系确定所述非线性优化模型的约束信息；将当前帧的车辆位姿作为所述非线性优化模型的待优化信息；根据所述非线性优化模型的约束信息和所述非线性优化模型的待优化信息构建所述非线性优化模型。
本申请实施例构建的非线性优化模型主要由约束项和待优化项构成，待优化项即为当前帧的车辆位姿，约束项则可以根据惯导数据、卫星定位数据、当前帧的语义分割结果与局部语义地图之间的相对变换关系以及当前帧的语义分割结果与高精地图数据之间的相对变换关系构建得到，通过多个约束项之间的相互约束，从而求解出最优的车辆位姿。当然，具体如何构建约束项，本领域技术人员也可以根据实际需求灵活设置，在此不作具体限定。
在本申请的一些实施例中，所述非线性优化模型的约束信息包括图像数据对应的惯导预积分约束信息和卫星定位数据的相对变化约束信息，所述根据所述当前定位数据、所述当前帧的语义分割结果与局部语义地图之间的相对变换关系以及所述当前帧的语义分割结果与高精地图数据之间的相对变换关系确定所述非线性优化模型的约束信息包括：获取当前帧的图像数据和上一帧的图像数据之间的惯导数据，并根据当前帧的图像数据和上一帧的图像数据之间的惯导数据构建图像数据对应的惯导预积分约束信息；根据当前帧的卫星定位数据和上一帧的卫星定位数据确定所述卫星定位数据的相对变化约束信息。
本申请实施例构建的约束信息主要包括四个方面：
约束1)：根据当前帧的图像数据和上一帧的图像数据之间的惯导数据确定的IMU预积分约束，例如两帧图像之间有30个IMU测量值(M0～M29)，那么就是从上一帧图像时刻开始，不断对IMU测量值进行积分运算，M_0*delta_t+M_1*delta_t+...+M_29*delta_t，最终得到当前帧时刻的位置和角度，也即根据IMU数据得到的两帧之间的相对位姿变化；
约束2)：根据上一帧优化后的卫星定位数据和当前帧原始的卫星定位数据确定的相邻帧卫星定位数据之间的相对变化约束；
约束3)：当前帧的语义分割结果与局部语义地图之间的相对变换关系约束；
约束4)：当前帧的语义分割结果与高精地图数据之间的相对变换关系约束。
需要说明的是，上述约束2)和约束4)之间存在关联，由于前述实施例中的高精地图数据是基于当前帧原始的卫星定位数据获取的，因此最终得到的相对变换矩阵本质上是指当前帧的语义分割结果相对于当前帧原始的卫星定位数据的变换矩阵，而非相对于上一帧优化后的车辆位姿，因此为了与其他维度的约束信息的一致性，可以进一步增加上一帧与当前帧的卫星定位数据之间的相对变化这一约束信息。
当然，另一种基于高精地图数据构建约束的方式还可以是，先根据上一帧的优化后的车辆位姿获取对应的高精地图数据，然后将当前帧的语义分割结果与上一帧优化后的车辆位姿对应的高精地图数据进行匹配，从而直接得到当前帧的语义分割结果相对于上一帧优化后的车辆位姿的变换矩阵，此种方式无须再单独设置上述约束2)这一约束信息。
在本申请的一些实施例中，所述根据所述非线性优化模型确定优化后的车辆定位结果包括：确定所述非线性优化模型中的约束信息的类型；根据所述约束信息的类型确定对应的优化策略；根据所述约束信息的类型对应的优化策略对所述非线性优化模型进行优化求解，得到所述优化后的车辆定位结果。
基于前述实施例构建的四个维度的约束信息，具体的约束类型的不同，对应采取的优化方式也不同，例如对于约束1)和约束3)可采用VIO(Visual-Inertial Odometry，视觉惯性里程计)的方式进行优化，对于约束2)和约束4)可以根据多帧之间的约束构建位姿图的方式进行优化。当然，具体的VIO优化方式和位姿图优化方式可以结合现有技术确定，在此不作赘述。
在本申请的一些实施例中，所述优化后的车辆定位结果包括优化后的车辆位姿，在根据所述非线性优化模型确定优化后的车辆定位结果之后，所述方法还包括：根据所述优化后的车辆位姿和所述当前帧的语义分割结果更新所述局部语义地图。
在根据非线性优化模型求解出当前帧的优化后的车辆位姿后，可以进一步根据当前帧的优化后的车辆位姿，将当前帧对应的语义信息加入局部语义地图中，也即利用当前帧的语义信息更新局部语义地图，进一步作为后续车辆定位的基础。
本申请实施例还提供了一种车辆定位装置200，如图2所示，提供了本申请实施例中一种车辆定位装置的结构示意图，所述装置200至少包括：获取单元210、语义分割单元220、第一确定单元230、构建单元240以及第二确定单元250，其中：
获取单元210，用于获取车辆的当前定位数据，所述当前定位数据包括当前帧的图像数据、惯导数据和卫星定位数据；
语义分割单元220，用于利用预设语义分割模型对当前帧的图像数据进行语义分割，得到当前帧的语义分割结果；
第一确定单元230，用于根据所述当前帧的语义分割结果和对应的局部语义地图，确定当前帧的语义分割结果与局部语义地图之间的相对变换关系，以及根据所述当前帧的语义分割结果和对应的高精地图数据，确定当前帧的语义分割结果与高精地图数据之间的相对变换关系；
构建单元240，用于根据所述当前定位数据、所述当前帧的语义分割结果与局部语义地图之间的相对变换关系以及所述当前帧的语义分割结果与高精地图数据之间的相对变换关系构建非线性优化模型；
第二确定单元250，用于根据所述非线性优化模型确定优化后的车辆定位结果。
在本申请的一些实施例中，所述第一确定单元230具体用于：获取上一帧的车辆定位结果；根据所述上一帧的车辆定位结果获取车辆周围的局部语义地图；将所述车辆周围的局部语义地图转换到车体坐标系下，得到车体坐标系下的局部语义地图；根据所述当前帧的语义分割结果和所述车体坐标系下的局部语义地图，确定当前帧的语义分割结果与局部语义地图之间的相对变换关系。
在本申请的一些实施例中，所述第一确定单元230具体用于：根据当前帧的卫星定位信息获取车辆周围的高精地图数据；将所述车辆周围的高精地图数据转换到车体坐标系下，得到车体坐标系下的高精地图数据；根据所述当前帧的语义分割结果和所述车体坐标系下的高精地图数据，确定当前帧的语义分割结果与高精地图数据之间的相对变换关系。
在本申请的一些实施例中，所述构建单元240具体用于：根据所述当前定位数据、所述当前帧的语义分割结果与局部语义地图之间的相对变换关系以及所述当前帧的语义分割结果与高精地图数据之间的相对变换关系确定所述非线性优化模型的约束信息；将当前帧的车辆位姿作为所述非线性优化模型的待优化信息；根据所述非线性优化模型的约束信息和所述非线性优化模型的待优化信息构建所述非线性优化模型。
在本申请的一些实施例中，所述非线性优化模型的约束信息包括图像数据对应的惯导预积分约束信息和卫星定位数据的相对变化约束信息，所述构建单元240具体用于：获取当前帧的图像数据和上一帧的图像数据之间的惯导数据，并根据当前帧的图像数据和上一帧的图像数据之间的惯导数据构建图像数据对应的惯导预积分约束信息；根据当前帧的卫星定位数据和上一帧的卫星定位数据确定所述卫星定位数据的相对变化约束信息。
在本申请的一些实施例中，所述第二确定单元250具体用于：确定所述非线性优化模型中的约束信息的类型；根据所述约束信息的类型确定对应的优化策略；根据所述约束信息的类型对应的优化策略对所述非线性优化模型进行优化求解，得到所述优化后的车辆定位结果。
在本申请的一些实施例中，所述优化后的车辆定位结果包括优化后的车辆位姿，所述装置200还包括：更新单元，用于根据所述优化后的车辆位姿和所述当前帧的语义分割结果更新所述局部语义地图。
能够理解，上述车辆定位装置，能够实现前述实施例中提供的车辆定位方法的各个步骤，关于车辆定位方法的相关阐释均适用于车辆定位装置，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，在逻辑层面上形成车辆定位装置。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：
获取车辆的当前定位数据，所述当前定位数据包括当前帧的图像数据、惯导数据和卫星定位数据；
利用预设语义分割模型对当前帧的图像数据进行语义分割，得到当前帧的语义分割结果；
根据所述当前帧的语义分割结果和对应的局部语义地图，确定当前帧的语义分割结果与局部语义地图之间的相对变换关系，以及根据所述当前帧的语义分割结果和对应的高精地图数据，确定当前帧的语义分割结果与高精地图数据之间的相对变换关系；
根据所述当前定位数据、所述当前帧的语义分割结果与局部语义地图之间的相对变换关系以及所述当前帧的语义分割结果与高精地图数据之间的相对变换关系构建非线性优化模型；
根据所述非线性优化模型确定优化后的车辆定位结果。
上述如本申请图1所示实施例揭示的车辆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(Central Processing Unit，CPU)、网络处理器(Network Processor，NP)等；还可以是数字信号处理器(Digital SignalProcessor，DSP)、专用集成电路(Application Specific Integrated Circuit，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中车辆定位装置执行的方法，并实现车辆定位装置在图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所示实施例中车辆定位装置执行的方法，并具体用于执行：
获取车辆的当前定位数据，所述当前定位数据包括当前帧的图像数据、惯导数据和卫星定位数据；
利用预设语义分割模型对当前帧的图像数据进行语义分割，得到当前帧的语义分割结果；
根据所述当前帧的语义分割结果和对应的局部语义地图，确定当前帧的语义分割结果与局部语义地图之间的相对变换关系，以及根据所述当前帧的语义分割结果和对应的高精地图数据，确定当前帧的语义分割结果与高精地图数据之间的相对变换关系；
根据所述当前定位数据、所述当前帧的语义分割结果与局部语义地图之间的相对变换关系以及所述当前帧的语义分割结果与高精地图数据之间的相对变换关系构建非线性优化模型；
根据所述非线性优化模型确定优化后的车辆定位结果。
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 (10)

1.一种车辆定位方法，其中，所述方法包括：
获取车辆的当前定位数据，所述当前定位数据包括当前帧的图像数据、惯导数据和卫星定位数据；
利用预设语义分割模型对当前帧的图像数据进行语义分割，得到当前帧的语义分割结果；
根据所述当前帧的语义分割结果和对应的局部语义地图，确定当前帧的语义分割结果与局部语义地图之间的相对变换关系，以及根据所述当前帧的语义分割结果和对应的高精地图数据，确定当前帧的语义分割结果与高精地图数据之间的相对变换关系；
根据所述当前定位数据、所述当前帧的语义分割结果与局部语义地图之间的相对变换关系以及所述当前帧的语义分割结果与高精地图数据之间的相对变换关系构建非线性优化模型；
根据所述非线性优化模型确定优化后的车辆定位结果。
2.如权利要求1所述方法，其中，所述根据所述当前帧的语义分割结果和对应的局部语义地图，确定当前帧的语义分割结果与局部语义地图之间的相对变换关系包括：
获取上一帧的车辆定位结果；
根据所述上一帧的车辆定位结果获取车辆周围的局部语义地图；
将所述车辆周围的局部语义地图转换到车体坐标系下，得到车体坐标系下的局部语义地图；
根据所述当前帧的语义分割结果和所述车体坐标系下的局部语义地图，确定当前帧的语义分割结果与局部语义地图之间的相对变换关系。
3.如权利要求1所述方法，其中，所述根据所述当前帧的语义分割结果和对应的高精地图数据，确定当前帧的语义分割结果与高精地图数据之间的相对变换关系包括：
根据当前帧的卫星定位信息获取车辆周围的高精地图数据；
将所述车辆周围的高精地图数据转换到车体坐标系下，得到车体坐标系下的高精地图数据；
根据所述当前帧的语义分割结果和所述车体坐标系下的高精地图数据，确定当前帧的语义分割结果与高精地图数据之间的相对变换关系。
4.如权利要求1所述方法，其中，所述根据所述当前定位数据、所述当前帧的语义分割结果与局部语义地图之间的相对变换关系以及所述当前帧的语义分割结果与高精地图数据之间的相对变换关系构建非线性优化模型包括：
根据所述当前定位数据、所述当前帧的语义分割结果与局部语义地图之间的相对变换关系以及所述当前帧的语义分割结果与高精地图数据之间的相对变换关系确定所述非线性优化模型的约束信息；
将当前帧的车辆位姿作为所述非线性优化模型的待优化信息；
根据所述非线性优化模型的约束信息和所述非线性优化模型的待优化信息构建所述非线性优化模型。
5.如权利要求4所述方法，其中，所述非线性优化模型的约束信息包括图像数据对应的惯导预积分约束信息和卫星定位数据的相对变化约束信息，所述根据所述当前定位数据、所述当前帧的语义分割结果与局部语义地图之间的相对变换关系以及所述当前帧的语义分割结果与高精地图数据之间的相对变换关系确定所述非线性优化模型的约束信息包括：
获取当前帧的图像数据和上一帧的图像数据之间的惯导数据，并根据当前帧的图像数据和上一帧的图像数据之间的惯导数据构建图像数据对应的惯导预积分约束信息；
根据当前帧的卫星定位数据和上一帧的卫星定位数据确定所述卫星定位数据的相对变化约束信息。
6.如权利要求1所述方法，其中，所述根据所述非线性优化模型确定优化后的车辆定位结果包括：
确定所述非线性优化模型中的约束信息的类型；
根据所述约束信息的类型确定对应的优化策略；
根据所述约束信息的类型对应的优化策略对所述非线性优化模型进行优化求解，得到所述优化后的车辆定位结果。
7.如权利要求1所述方法，其中，所述优化后的车辆定位结果包括优化后的车辆位姿，在根据所述非线性优化模型确定优化后的车辆定位结果之后，所述方法还包括：
根据所述优化后的车辆位姿和所述当前帧的语义分割结果更新所述局部语义地图。
8.一种车辆定位装置，其中，所述装置包括：
获取单元，用于获取车辆的当前定位数据，所述当前定位数据包括当前帧的图像数据、惯导数据和卫星定位数据；
语义分割单元，用于利用预设语义分割模型对当前帧的图像数据进行语义分割，得到当前帧的语义分割结果；
第一确定单元，用于根据所述当前帧的语义分割结果和对应的局部语义地图，确定当前帧的语义分割结果与局部语义地图之间的相对变换关系，以及根据所述当前帧的语义分割结果和对应的高精地图数据，确定当前帧的语义分割结果与高精地图数据之间的相对变换关系；
构建单元，用于根据所述当前定位数据、所述当前帧的语义分割结果与局部语义地图之间的相对变换关系以及所述当前帧的语义分割结果与高精地图数据之间的相对变换关系构建非线性优化模型；
第二确定单元，用于根据所述非线性优化模型确定优化后的车辆定位结果。
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。
CN202310257856.6A 2023-03-16 2023-03-16 车辆定位方法、装置及电子设备、计算机可读存储介质 Pending CN116105719A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310257856.6A CN116105719A (zh) 2023-03-16 2023-03-16 车辆定位方法、装置及电子设备、计算机可读存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310257856.6A CN116105719A (zh) 2023-03-16 2023-03-16 车辆定位方法、装置及电子设备、计算机可读存储介质

Publications (1)

Publication Number Publication Date
CN116105719A true CN116105719A (zh) 2023-05-12

Family

ID=86259949

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310257856.6A Pending CN116105719A (zh) 2023-03-16 2023-03-16 车辆定位方法、装置及电子设备、计算机可读存储介质

Country Status (1)

Country Link
CN (1) CN116105719A (zh)

Similar Documents

Publication Publication Date Title
CN109901138B (zh) 激光雷达标定方法、装置、设备和存储介质
CN111986261B (zh) 一种车辆定位方法、装置、电子设备及存储介质
CN115184976B (zh) 自动驾驶车辆的定位方法、装置及电子设备、存储介质
CN114547222A (zh) 语义地图构建方法、装置及电子设备
CN114279453B (zh) 基于车路协同的自动驾驶车辆定位方法、装置及电子设备
CN115143952A (zh) 基于视觉辅助的自动驾驶车辆定位方法、装置
CN113868350A (zh) 一种停车场地图处理方法、车辆及设备
US20230384120A1 (en) Method and Apparatus for Updating High-Precision Map
CN114894214A (zh) 自动驾驶车辆的融合定位方法、装置及电子设备
CN115077541A (zh) 自动驾驶车辆的定位方法、装置及电子设备、存储介质
CN116189123A (zh) 目标检测模型的训练方法、装置及目标检测方法、装置
CN115376090A (zh) 高精地图构建方法、装置及电子设备、存储介质
CN114677663A (zh) 车辆定位方法、装置及电子设备、计算机可读存储介质
CN115856979B (zh) 自动驾驶车辆的定位方法、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
CN116740680A (zh) 一种车辆定位方法、装置及电子设备
CN114754782A (zh) 地图构建方法、装置及电子设备、计算机可读存储介质
CN115112125A (zh) 自动驾驶车辆的定位方法、装置及电子设备、存储介质
CN116105719A (zh) 车辆定位方法、装置及电子设备、计算机可读存储介质
US20240011792A1 (en) Method and apparatus for updating confidence of high-precision map
CN113932835B (zh) 自动驾驶车辆定位杆臂的标定方法、装置及电子设备
CN115031755A (zh) 自动驾驶车辆定位方法、装置及电子设备、存储介质
CN114910083A (zh) 定位方法以及定位装置、电子设备、存储介质
CN115183786A (zh) 用于自动驾驶的传感器误差预测模型的训练方法、装置
CN114964293A (zh) 车辆的路径规划方法、装置及电子设备、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