CN116380091A - 用于隧道的自动驾驶车辆的融合定位方法和装置 - Google Patents
用于隧道的自动驾驶车辆的融合定位方法和装置 Download PDFInfo
- Publication number
- CN116380091A CN116380091A CN202310423680.7A CN202310423680A CN116380091A CN 116380091 A CN116380091 A CN 116380091A CN 202310423680 A CN202310423680 A CN 202310423680A CN 116380091 A CN116380091 A CN 116380091A
- Authority
- CN
- China
- Prior art keywords
- positioning
- positioning information
- vehicle
- tunnel
- fusion
- 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
- 230000004927 fusion Effects 0.000 title claims abstract description 158
- 238000000034 method Methods 0.000 title claims abstract description 56
- 230000000007 visual effect Effects 0.000 claims abstract description 119
- 238000000354 decomposition reaction Methods 0.000 claims description 30
- 238000003860 storage Methods 0.000 claims description 16
- 238000010586 diagram Methods 0.000 description 12
- 238000004590 computer program Methods 0.000 description 11
- 238000004140 cleaning Methods 0.000 description 7
- 238000012545 processing Methods 0.000 description 7
- 230000008569 process Effects 0.000 description 6
- 230000006870 function Effects 0.000 description 5
- 230000003287 optical effect Effects 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000006731 degradation reaction Methods 0.000 description 1
- 238000006073 displacement reaction Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000004807 localization Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000011022 operating instruction Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
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
- G01C21/30—Map- or contour-matching
- G01C21/32—Structuring or formatting of map data
-
- 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
- G01C21/34—Route searching; Route guidance
- G01C21/3407—Route searching; Route guidance specially adapted for specific applications
- G01C21/343—Calculating itineraries, i.e. routes leading from a starting point to a series of categorical destinations using a global route restraint, round trips, touristic trips
-
- 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
- G01S19/40—Correcting position, velocity or attitude
- G01S19/41—Differential correction, e.g. DGPS [differential GPS]
-
- 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
-
- 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
- G01S19/43—Determining position using carrier phase measurements, e.g. kinematic positioning; using long or short baseline interferometry
-
- 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
-
- 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)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computer Networks & Wireless Communication (AREA)
- Automation & Control Theory (AREA)
- Position Fixing By Use Of Radio Waves (AREA)
- Navigation (AREA)
Abstract
本申请公开了一种用于隧道的自动驾驶车辆的融合定位方法和装置，该方法包括：获取自动驾驶车辆的卫星定位信息，并根据所述卫星定位信息确定卫星定位状态；根据所述卫星定位信息和所述卫星定位状态确定自动驾驶车辆的隧道区域状态；在所述隧道区域状态为进入隧道区域内状态的情况下，确定隧道区域内的自车视觉定位信息，以及获取隧道区域内的路侧定位信息；根据所述隧道区域内的自车视觉定位信息和路侧定位信息进行隧道区域内的融合定位，得到自动驾驶车辆的融合定位结果。本申请结合隧道区域内的自车视觉定位信息和路侧定位信息进行隧道区域内的绝对定位，满足了隧道场景下一些特殊车辆的定位需求，提高了自动驾驶车辆的定位精度。
Description
技术领域
本申请涉及自动驾驶技术领域，尤其涉及一种用于隧道的自动驾驶车辆的融合定位方法和装置。
背景技术
在自动驾驶领域，传统的定位方案主要是基于惯导RTK(Real-time kinematic，实时动态差分)的方案，然而，在隧道等工况下，RTK定位信号会受到干扰或者无信号导致无法定位，进而无法提供高精度的定位信息。
基于激光SLAM(Simultaneous Localization and Mapping，同步定位与建图)实现的定位方案在特征较多的地方定位效果较好，但是在隧道等特征较少的路段场景，由于缺失特征，容易产生退化现象，进而导致定位失效。
隧道场景下单独依赖上述某一方案均无法实现自动驾驶车辆的高精度定位，因此基于多传感器的融合定位方案更多地被采用。然而，在隧道场景下，传统的多传感器的融合定位方案或者车道保持仍然存在较大的纵向误差，尤其是对于长隧道场景或者车速较慢需要在隧道内长时间行驶的自动驾驶车辆如清扫车辆来说，现有的融合定位方案无法满足此种场景下的定位精度要求。
发明内容
本申请实施例提供了一种用于隧道的自动驾驶车辆的融合定位方法和装置，以提高隧道场景下自动驾驶车辆的定位精度。
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用于隧道的自动驾驶车辆的融合定位方法，其中，所述方法包括：
获取自动驾驶车辆的卫星定位信息，并根据所述卫星定位信息确定卫星定位状态；
根据所述卫星定位信息和所述卫星定位状态确定自动驾驶车辆的隧道区域状态；
在所述隧道区域状态为进入隧道区域内状态的情况下，确定隧道区域内的自车视觉定位信息，以及获取隧道区域内的路侧定位信息；
根据所述隧道区域内的自车视觉定位信息和路侧定位信息进行隧道区域内的融合定位，得到自动驾驶车辆的融合定位结果。
可选地，所述根据所述卫星定位信息和所述卫星定位状态确定自动驾驶车辆的隧道区域状态包括：
获取隧道区域位置信息，所述隧道区域位置信息包括隧道区域起始位置和隧道区域终止位置；
若所述自动驾驶车辆位于所述隧道区域起始位置之前，且所述卫星定位状态为固定解状态，则确定所述自动驾驶车辆的隧道区域状态为进入隧道区域前状态；
若所述自动驾驶车辆位于所述隧道区域起始位置与所述隧道区域终止位置之间，且所述卫星定位状态为非固定解状态，则确定所述自动驾驶车辆的隧道区域状态为进入隧道区域内状态；
若所述自动驾驶车辆位于所述隧道区域终止位置之后，且所述卫星定位状态为固定解状态，则确定所述自动驾驶车辆的隧道区域状态为驶出隧道区域后状态。
可选地，所述确定隧道区域内的自车视觉定位信息包括：
获取自动驾驶车辆的相机采集的道路图像以及隧道区域内的视觉SLAM地图；
根据所述自动驾驶车辆的相机采集的道路图像以及所述视觉SLAM地图确定所述隧道区域内的自车视觉定位信息。
可选地，所述根据所述隧道区域内的自车视觉定位信息和路侧定位信息进行隧道区域内的融合定位，得到自动驾驶车辆的融合定位结果包括：
将所述自车视觉定位信息进行分解，得到自车视觉定位信息的分解结果，所述自车视觉定位信息的分解结果包括自车视觉横向定位信息和自车视觉纵向定位信息；
将所述路侧定位信息进行分解，得到路侧定位信息的分解结果，所述路侧定位信息的分解结果包括路侧横向定位信息和路侧纵向定位信息；
根据所述自车视觉定位信息的分解结果和所述路侧定位信息的分解结果，利用预设融合定位策略进行融合定位，得到所述自动驾驶车辆的融合定位结果。
可选地，所述根据所述自车视觉定位信息的分解结果和所述路侧定位信息的分解结果，利用预设融合定位策略进行融合定位，得到所述自动驾驶车辆的融合定位结果包括：
将所述自车视觉横向定位信息与所述路侧横向定位信息进行融合，得到横向定位融合结果；
将所述自车视觉纵向定位信息与所述路侧纵向定位信息进行融合，得到纵向定位融合结果；
将所述横向定位融合结果与所述纵向定位融合结果进行融合，得到所述自动驾驶车辆的融合定位结果。
可选地，所述将所述自车视觉纵向定位信息与所述路侧纵向定位信息进行融合，得到纵向定位融合结果包括：
确定所述自车视觉纵向定位信息的置信度；
若所述自车视觉纵向定位信息的置信度大于预设置信度阈值，则将所述自车视觉纵向定位信息与所述路侧纵向定位信息进行融合，得到所述纵向定位融合结果；
否则，则利用轮速递推模型确定轮速纵向定位信息，并将所述轮速纵向定位信息与所述路侧纵向定位信息进行融合，得到所述纵向定位融合结果。
可选地，在根据所述隧道区域内的自车视觉定位信息和路侧定位信息进行隧道区域内的融合定位，得到自动驾驶车辆的融合定位结果之后，所述方法还包括：
根据所述自动驾驶车辆的融合定位结果确定所述自动驾驶车辆是否即将驶出隧道区域；
在所述自动驾驶车辆即将驶出所述隧道区域的情况下，将自动驾驶车辆的定位策略切换为车道保持。
第二方面，本申请实施例还提供一种用于隧道的自动驾驶车辆的融合定位装置，其中，所述装置包括：
获取单元，用于获取自动驾驶车辆的卫星定位信息，并根据所述卫星定位信息确定卫星定位状态；
第一确定单元，用于根据所述卫星定位信息和所述卫星定位状态确定自动驾驶车辆的隧道区域状态；
第二确定单元，用于在所述隧道区域状态为进入隧道区域内状态的情况下，确定隧道区域内的自车视觉定位信息，以及获取隧道区域内的路侧定位信息；
融合定位单元，用于根据所述隧道区域内的自车视觉定位信息和路侧定位信息进行隧道区域内的融合定位，得到自动驾驶车辆的融合定位结果。
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：本申请实施例的用于隧道的自动驾驶车辆的融合定位方法，先获取自动驾驶车辆的卫星定位信息，并根据卫星定位信息确定卫星定位状态；然后根据卫星定位信息和卫星定位状态确定自动驾驶车辆的隧道区域状态；之后在隧道区域状态为进入隧道区域内状态的情况下，确定隧道区域内的自车视觉定位信息，以及获取隧道区域内的路侧定位信息；最后根据隧道区域内的自车视觉定位信息和路侧定位信息进行隧道区域内的融合定位，得到自动驾驶车辆的融合定位结果。本申请实施例的用于隧道的自动驾驶车辆的融合定位方法结合隧道区域内的自车视觉定位信息和路侧定位信息进行隧道区域内的绝对定位，满足了隧道场景下一些特殊车辆的定位需求，提高了自动驾驶车辆的定位精度。
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用于隧道的自动驾驶车辆的融合定位方法的流程示意图；
图2为本申请实施例中一种用于隧道的自动驾驶车辆的融合定位流程示意图；
图3为本申请实施例中一种用于隧道的自动驾驶车辆的融合定位装置的结构示意图；
图4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用于隧道的自动驾驶车辆的融合定位方法，如图1所示，提供了本申请实施例中一种用于隧道的自动驾驶车辆的融合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S140：
步骤S110，获取自动驾驶车辆的卫星定位信息，并根据所述卫星定位信息确定卫星定位状态。
本申请实施例在进行隧道场景下的自动驾驶车辆的定位时，需要先获取自动驾驶车辆当前的卫星定位信息，根据卫星定位信息可以确定出当前的卫星定位状态，例如可以根据RTK定位信息是否为固定解来确定卫星定位状态，如果是固定解，说明当前的卫星定位信号良好，定位结果能够达到厘米级别的定位精度，否则，说明当前的卫星定位信号质量较差，定位结果的精度较低。
步骤S120，根据所述卫星定位信息和所述卫星定位状态确定自动驾驶车辆的隧道区域状态。
由于隧道区域通常是卫星定位信号易受到遮挡或者丢失的区域，因此隧道内的卫星定位状态通常都是非固定解状态，因此可以将当前的卫星定位状态作为判断自动驾驶车辆当前的隧道区域状态的一个维度。
此外，自动驾驶车辆当前的卫星定位信息反映了自动驾驶车辆当前的位置，因此通过确定自动驾驶车辆与隧道区域的相对位置关系也可以作为判断自动驾驶车辆当前的隧道区域状态的另一个维度。
需要说明的是，虽然自动驾驶车辆的RTK定位信息在非固定解的状态下会存在位置偏差，但对于确定自动驾驶车辆与隧道区域的相对位置关系来说，此种位置偏差是可以容忍的，也即不会对自动驾驶车辆的隧道区域状态的判断造成影响。
因此，根据上述卫星定位信息和卫星定位状态可以确定出自动驾驶车辆当前的隧道区域状态，这里的隧道区域状态主要分为进入隧道区域前状态、进入隧道区域内状态和驶出隧道区域后状态三种，进入隧道区域前状态可以理解为是自动驾驶车辆即将到达隧道区域但还未进入隧道内，进入隧道区域内状态可以理解为是自动驾驶车辆已经进入隧道内，驶出隧道区域后状态可以理解为是自动驾驶车辆离开了隧道区域。
步骤S130，在所述隧道区域状态为进入隧道区域内状态的情况下，确定隧道区域内的自车视觉定位信息，以及获取隧道区域内的路侧定位信息。
如果自动驾驶车辆还未进入隧道区域或者已经驶出隧道区域，此时通常可以获取到良好的卫星定位信号，进而可以实现高精度的定位，而对于自动驾驶车辆已经进入隧道区域的情况下，尤其是针对清扫车辆等车速较慢的车辆来说，此时需要采取隧道区域内的特殊定位策略，以满足隧道场景下的定位精度要求。一方面，清扫车辆通常需要沿着道路一侧贴边行驶，对于横向定位精度要求很高，另一方面，由于清扫车辆车速较慢需要在隧道内行驶更长时间，仅仅依靠车道保持或者传统的融合定位方案如基于IMU和视觉实现的融合定位方案将导致纵向定位误差很大，无法满足清扫车辆在隧道场景下的定位要求。
基于此，本申请实施例在自动驾驶车辆进入隧道区域内时，一方面获取隧道区域内的自车视觉定位信息，即自车基于视觉SLAM等算法输出的定位结果，另一方面获取隧道区域内设置的路侧感知设备输出的定位结果，进而基于隧道区域内的自车视觉定位信息和路侧定位信息为自动驾驶车辆在隧道场景下的融合定位提供更多、更准确的感知信息，提高融合定位精度。路侧感知设备输出的定位结果可以基于视觉定位算法或者激光雷达定位算法得到，当然，路侧感知设备具体如何进行感知定位，本领域技术人员可以结合现有技术灵活确定，在此不作具体限定。
步骤S140，根据所述隧道区域内的自车视觉定位信息和路侧定位信息进行隧道区域内的融合定位，得到自动驾驶车辆的融合定位结果。
自车视觉定位信息通常具有较高的横向定位精度，可以满足清扫车辆在隧道场景下的横向定位要求，而通过将隧道区域内的自车视觉定位信息与路侧定位信息进行融合处理，可以进一步提高清扫车辆在隧道场景下的横向定位精度和纵向定位精度，满足清扫车辆在隧道场景下的定位精度要求。
本申请实施例的用于隧道的自动驾驶车辆的融合定位方法结合隧道区域内的自车视觉定位信息和路侧定位信息进行隧道区域内的绝对定位，满足了隧道场景下一些特殊车辆的定位需求，提高了自动驾驶车辆的定位精度。
在本申请的一些实施例中，所述根据所述卫星定位信息和所述卫星定位状态确定自动驾驶车辆的隧道区域状态包括：获取隧道区域位置信息，所述隧道区域位置信息包括隧道区域起始位置和隧道区域终止位置；若所述自动驾驶车辆位于所述隧道区域起始位置之前，且所述卫星定位状态为固定解状态，则确定所述自动驾驶车辆的隧道区域状态为进入隧道区域前状态；若所述自动驾驶车辆位于所述隧道区域起始位置与所述隧道区域终止位置之间，且所述卫星定位状态为非固定解状态，则确定所述自动驾驶车辆的隧道区域状态为进入隧道区域内状态；若所述自动驾驶车辆位于所述隧道区域终止位置之后，且所述卫星定位状态为固定解状态，则确定所述自动驾驶车辆的隧道区域状态为驶出隧道区域后状态。
在根据卫星定位信息确定自动驾驶车辆的隧道区域状态时，可以先获取隧道区域位置信息，具体可以包括隧道区域的起始位置和终止位置，隧道区域位置信息可以基于事先构建的隧道区域的视觉SLAM地图确定，也可以从高精地图数据中获取。当然，具体如何获取隧道区域位置信息，本领域技术人员可以根据实际需求灵活确定，在此不作具体限定。
如果自动驾驶车辆的当前位置位于隧道区域起始位置之前且与起始位置之间的距离在预设距离范围内，同时对应的卫星定位状态为固定解状态，可以认为自动驾驶车辆即将到达隧道区域但还未进入隧道区域，对应的隧道区域状态为进入隧道区域前状态，如果自动驾驶车辆的当前位置位于隧道区域的起始位置和终止位置之间，同时对应的卫星定位状态为非固定解，说明自动驾驶车辆已经进入到了卫星定位异常的隧道区域，对应的隧道区域状态为进入隧道区域内状态，如果自动驾驶车辆的当前位置位于隧道区域终止位置之后，同时对应的卫星定位状态为固定解状态，可以认为自动驾驶车辆已经驶出隧道区域，对应的隧道区域状态为驶出隧道区域后状态。
上述三种不同的隧道区域状态可以用事先定义好的状态标识进行标记，例如进入隧道区域前状态标记为状态1，进入隧道区域内状态标记为状态2，驶出隧道区域后状态标记为状态3，从而便于自动驾驶车辆的不同模块依据状态标识同步切换相应的逻辑规划和控制自动驾驶车辆的定位和行驶。
在本申请的一些实施例中，所述确定隧道区域内的自车视觉定位信息包括：获取自动驾驶车辆的相机采集的道路图像以及隧道区域内的视觉SLAM地图；根据所述自动驾驶车辆的相机采集的道路图像以及所述视觉SLAM地图确定所述隧道区域内的自车视觉定位信息。
在确定隧道区域内的自车视觉定位信息时，可以先获取事先构建好的隧道区域的视觉SLAM地图，对于视觉SLAM地图的构建，可以由云端来完成，例如通过使用惯导RTK、IMU等定位信息作为先验因子，结合视觉SLAM因子进行因子图优化，从而得到隧道区域的视觉SLAM地图，当然，具体构建方式本领域技术人员也可以结合现有技术灵活确定，在此不作赘述。在得到构建好的隧道区域的视觉SLAM地图后，还可以对该地图进行标记，例如标记地图属性为隧道地图。
当自动驾驶车辆需要通过视觉SLAM地图进行定位时，可以从云端获取视觉SLAM地图，获取时机可以根据实际情况灵活确定，例如当判断出自动驾驶车辆当前的隧道区域状态为进入隧道区域前状态，说明自动驾驶车辆即将进入隧道区域，此时可以将自驾驶车辆的卫星定位位置和定位状态等信息上报给云端，使得云端可以根据这些信息返回自动驾驶车辆当前位置所对应的隧道区域的视觉SLAM地图，以便于车端提前获取到对应的隧道区域的视觉SLAM地图。
最后将自动驾驶车辆的相机当前采集的道路图像与隧道区域的视觉SLAM地图进行匹配，从而得到隧道区域内的自车视觉定位信息。
在本申请的一些实施例中，所述根据所述隧道区域内的自车视觉定位信息和路侧定位信息进行隧道区域内的融合定位，得到自动驾驶车辆的融合定位结果包括：将所述自车视觉定位信息进行分解，得到自车视觉定位信息的分解结果，所述自车视觉定位信息的分解结果包括自车视觉横向定位信息和自车视觉纵向定位信息；将所述路侧定位信息进行分解，得到路侧定位信息的分解结果，所述路侧定位信息的分解结果包括路侧横向定位信息和路侧纵向定位信息；根据所述自车视觉定位信息的分解结果和所述路侧定位信息的分解结果，利用预设融合定位策略进行融合定位，得到所述自动驾驶车辆的融合定位结果。
由于自车视觉定位信息和路侧定位信息均可以分解横向定位信息和纵向定位信息，且横向定位信息的定位误差和纵向定位信息的定位误差并不相同，因此本申请实施例在将隧道区域内的自车视觉定位信息与路侧定位信息进行融合处理时，可以先对自车视觉定位信息和路侧定位信息分别进行横向和纵向的定位分解，最后再按照一定融合策略分别对横向定位结果和纵向定位结果进行融合，一方面考虑了横纵向定位误差的差异对于最终融合定位结果的影响，另一方面通过自车视觉定位信息和路侧定位信息的融合，也提高了最终融合定位结果的定位精度。
在本申请的一些实施例中，所述根据所述自车视觉定位信息的分解结果和所述路侧定位信息的分解结果，利用预设融合定位策略进行融合定位，得到所述自动驾驶车辆的融合定位结果包括：将所述自车视觉横向定位信息与所述路侧横向定位信息进行融合，得到横向定位融合结果；将所述自车视觉纵向定位信息与所述路侧纵向定位信息进行融合，得到纵向定位融合结果；将所述横向定位融合结果与所述纵向定位融合结果进行融合，得到所述自动驾驶车辆的融合定位结果。
如前所述，由于横向定位信息和纵向定位信息的定位误差不同，因此可以分别对自车视觉横向定位信息与路侧横向定位信息进行融合，从而提高横向定位结果的定位精度，对自车视觉纵向定位信息与路侧纵向定位信息进行融合，提高纵向定位结果的定位精度，最后再将横向定位融合结果和纵向定位融合结果进行融合，从而输出最终的绝对位置。
需要说明的是，本申请实施例设计的融合定位策略除了包含对多定位源输出的横向定位信息和纵向定位信息分别进行融合，还可以进一步设置不同定位源提供的定位信息的融合权重，从而进行加权融合，融合权重的分配可以结合实际情况灵活设置，例如对于在隧道场景下定位结果更加可靠的定位信息可以赋予相对更高的权重，反之则赋予相对更小的融合权重。
在本申请的一些实施例中，所述将所述自车视觉纵向定位信息与所述路侧纵向定位信息进行融合，得到纵向定位融合结果包括：确定所述自车视觉纵向定位信息的置信度；若所述自车视觉纵向定位信息的置信度大于预设置信度阈值，则将所述自车视觉纵向定位信息与所述路侧纵向定位信息进行融合，得到所述纵向定位融合结果；否则，则利用轮速递推模型确定轮速纵向定位信息，并将所述轮速纵向定位信息与所述路侧纵向定位信息进行融合，得到所述纵向定位融合结果。
由于基于视觉定位得到的视觉横向定位信息通常具有较高的定位精度，可以直接用于后续的融合定位，而视觉纵向定位信息可能会存在较大误差，因此本申请实施例在进行纵向定位信息的融合时，可以先判断从自车视觉定位信息中分解出的视觉纵向定位信息的置信度的大小，置信度越高，纵向定位结果越可靠，反之则越不可靠，具体可以用预先设定的置信度阈值来衡量，如果纵向定位信息的置信度大于置信度阈值，则可以将视觉纵向定位信息与路侧纵向定位信息进行融合，且可以分别对视觉纵向定位信息和路侧纵向定位信息设置大小相当的融合权重。反之，说明视觉纵向定位信息的定位误差超出了可以容忍的范围，不能用于融合定位。上述预设置信度阈值为经验值，可以根据实际需求灵活设置，在此不作具体限定。
为了进一步保证纵向定位有更多的观测信息以提高融合定位精度，在自车视觉纵向定位信息不可用的情况下，还可以采取轮速递推模型推算出当前时刻的纵向定位信息，轮速递推模型即根据车速信息推算出上一时刻到当前时刻的位移，再结合上一时刻的纵向定位位置计算出当前时刻的纵向定位位置。
在得到轮速纵向定位信息后，可以将轮速纵向定位信息与路侧纵向定位信息进行融合。需要说明的是，由于轮速纵向定位信息会存在随时间累计误差逐渐变大的问题，因此在使用轮速纵向定位信息进行融合定位时，可以将轮速纵向定位信息对应的融合权重的大小随时间累计而逐渐降低。
在本申请的一些实施例中，在根据所述隧道区域内的自车视觉定位信息和路侧定位信息进行隧道区域内的融合定位，得到自动驾驶车辆的融合定位结果之后，所述方法还包括：根据所述自动驾驶车辆的融合定位结果确定所述自动驾驶车辆是否即将驶出隧道区域；在所述自动驾驶车辆即将驶出所述隧道区域的情况下，将自动驾驶车辆的定位策略切换为车道保持。
前述实施例中均为自动驾驶车辆在隧道区域内行驶时所采取的融合定位策略，虽然能够满足自动驾驶车辆在隧道内的定位要求，但其仍然存在一定程度的定位误差尤其是纵向定位误差，因此当车辆刚刚驶出隧道区域时，如果直接切换为基于卫星定位实现的融合定位策略，将会导致融合定位结果出现跳变，进而影响自动驾驶车辆的正常行驶。
基于此，本申请实施例可以基于自动驾驶车辆当前的融合定位结果判断自动驾驶车辆是否即将驶出隧道区域，如果即将驶出隧道区域，可以提前将自动驾驶车辆的定位策略切换为车道保持，即进行相对定位，直至卫星定位恢复再切换为卫星定位，从而通过优化定位策略的进入进出机制来保证自动驾驶车辆的定位稳定性和定位精度。
为了便于对本申请各实施例的理解，如图2所示，提供了本申请实施例中一种用于隧道的自动驾驶车辆的融合定位流程示意图。先获取自动驾驶车辆的卫星定位信息，并根据卫星定位信息确定卫星定位状态，然后根据卫星定位信息和卫星定位状态确定自动驾驶车辆的隧道区域状态，如果隧道区域状态为进入隧道区域前状态或驶出隧道区域后状态，则确定采取的融合定位策略为基于卫星定位信息实现的绝对定位，如果隧道区域状态为进入隧道区域内状态，则确定采取的融合定位策略为基于隧道区域内的自车视觉定位信息和路侧定位信息实现的绝对定位策略，得到隧道区域内的融合定位结果。
在基于隧道区域内的融合定位结果判断出自动驾驶车辆即将驶出隧道区域时，可以将定位策略切换为车道保持，即进行相对定位，直至自动驾驶车辆驶出隧道区域且卫星定位状态恢复正常，则切换为基于卫星定位信息实现的绝对定位。
本申请的用于隧道的自动驾驶车辆的融合定位流程考虑到隧道场景下一些特殊自动驾驶车辆的定位需求，采取自车视觉定位信息与路侧定位信息相融合的定位策略进行隧道区域内的绝对定位，并优化了定位策略的进入进出机制，保证了隧道场景下自动驾驶车辆的定位稳定性和定位精度。
本申请实施例还提供了一种用于隧道的自动驾驶车辆的融合定位装置300，如图3所示，提供了本申请实施例中一种用于隧道的自动驾驶车辆的融合定位装置的结构示意图，所述装置300包括：获取单元310、第一确定单元320、第二确定单元330以及融合定位单元340，其中：
获取单元310，用于获取自动驾驶车辆的卫星定位信息，并根据所述卫星定位信息确定卫星定位状态；
第一确定单元320，用于根据所述卫星定位信息和所述卫星定位状态确定自动驾驶车辆的隧道区域状态；
第二确定单元330，用于在所述隧道区域状态为进入隧道区域内状态的情况下，确定隧道区域内的自车视觉定位信息，以及获取隧道区域内的路侧定位信息；
融合定位单元340，用于根据所述隧道区域内的自车视觉定位信息和路侧定位信息进行隧道区域内的融合定位，得到自动驾驶车辆的融合定位结果。
在本申请的一些实施例中，所述第一确定单元320具体用于：获取隧道区域位置信息，所述隧道区域位置信息包括隧道区域起始位置和隧道区域终止位置；若所述自动驾驶车辆位于所述隧道区域起始位置之前，且所述卫星定位状态为固定解状态，则确定所述自动驾驶车辆的隧道区域状态为进入隧道区域前状态；若所述自动驾驶车辆位于所述隧道区域起始位置与所述隧道区域终止位置之间，且所述卫星定位状态为非固定解状态，则确定所述自动驾驶车辆的隧道区域状态为进入隧道区域内状态；若所述自动驾驶车辆位于所述隧道区域终止位置之后，且所述卫星定位状态为固定解状态，则确定所述自动驾驶车辆的隧道区域状态为驶出隧道区域后状态。
在本申请的一些实施例中，所述第二确定单元330具体用于：获取自动驾驶车辆的相机采集的道路图像以及隧道区域内的视觉SLAM地图；根据所述自动驾驶车辆的相机采集的道路图像以及所述视觉SLAM地图确定所述隧道区域内的自车视觉定位信息。
在本申请的一些实施例中，所述融合定位单元340具体用于：将所述自车视觉定位信息进行分解，得到自车视觉定位信息的分解结果，所述自车视觉定位信息的分解结果包括自车视觉横向定位信息和自车视觉纵向定位信息；将所述路侧定位信息进行分解，得到路侧定位信息的分解结果，所述路侧定位信息的分解结果包括路侧横向定位信息和路侧纵向定位信息；根据所述自车视觉定位信息的分解结果和所述路侧定位信息的分解结果，利用预设融合定位策略进行融合定位，得到所述自动驾驶车辆的融合定位结果。
在本申请的一些实施例中，所述融合定位单元340具体用于：将所述自车视觉横向定位信息与所述路侧横向定位信息进行融合，得到横向定位融合结果；将所述自车视觉纵向定位信息与所述路侧纵向定位信息进行融合，得到纵向定位融合结果；将所述横向定位融合结果与所述纵向定位融合结果进行融合，得到所述自动驾驶车辆的融合定位结果。
在本申请的一些实施例中，所述融合定位单元340具体用于：确定所述自车视觉纵向定位信息的置信度；若所述自车视觉纵向定位信息的置信度大于预设置信度阈值，则将所述自车视觉纵向定位信息与所述路侧纵向定位信息进行融合，得到所述纵向定位融合结果；否则，则利用轮速递推模型确定轮速纵向定位信息，并将所述轮速纵向定位信息与所述路侧纵向定位信息进行融合，得到所述纵向定位融合结果。
在本申请的一些实施例中，所述装置还包括：第三确定单元，用于在根据所述隧道区域内的自车视觉定位信息和路侧定位信息进行隧道区域内的融合定位，得到自动驾驶车辆的融合定位结果之后，根据所述自动驾驶车辆的融合定位结果确定所述自动驾驶车辆是否即将驶出隧道区域；切换单元，用于在所述自动驾驶车辆即将驶出所述隧道区域的情况下，将自动驾驶车辆的定位策略切换为车道保持。
能够理解，上述用于隧道的自动驾驶车辆的融合定位装置，能够实现前述实施例中提供的用于隧道的自动驾驶车辆的融合定位方法的各个步骤，关于用于隧道的自动驾驶车辆的融合定位方法的相关阐释均适用于用于隧道的自动驾驶车辆的融合定位装置，此处不再赘述。
图4是本申请的一个实施例电子设备的结构示意图。请参考图4，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4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，在逻辑层面上形成用于隧道的自动驾驶车辆的融合定位装置。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：
获取自动驾驶车辆的卫星定位信息，并根据所述卫星定位信息确定卫星定位状态；
根据所述卫星定位信息和所述卫星定位状态确定自动驾驶车辆的隧道区域状态；
在所述隧道区域状态为进入隧道区域内状态的情况下，确定隧道区域内的自车视觉定位信息，以及获取隧道区域内的路侧定位信息；
根据所述隧道区域内的自车视觉定位信息和路侧定位信息进行隧道区域内的融合定位，得到自动驾驶车辆的融合定位结果。
上述如本申请图1所示实施例揭示的用于隧道的自动驾驶车辆的融合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 Signal Processor，DSP)、专用集成电路(Application SpecificIntegrated 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中用于隧道的自动驾驶车辆的融合定位装置执行的方法，并实现用于隧道的自动驾驶车辆的融合定位装置在图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所示实施例中用于隧道的自动驾驶车辆的融合定位装置执行的方法，并具体用于执行：
获取自动驾驶车辆的卫星定位信息，并根据所述卫星定位信息确定卫星定位状态；
根据所述卫星定位信息和所述卫星定位状态确定自动驾驶车辆的隧道区域状态；
在所述隧道区域状态为进入隧道区域内状态的情况下，确定隧道区域内的自车视觉定位信息，以及获取隧道区域内的路侧定位信息；
根据所述隧道区域内的自车视觉定位信息和路侧定位信息进行隧道区域内的融合定位，得到自动驾驶车辆的融合定位结果。
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)
1.一种用于隧道的自动驾驶车辆的融合定位方法，其中，所述方法包括：
获取自动驾驶车辆的卫星定位信息，并根据所述卫星定位信息确定卫星定位状态；
根据所述卫星定位信息和所述卫星定位状态确定自动驾驶车辆的隧道区域状态；
在所述隧道区域状态为进入隧道区域内状态的情况下，确定隧道区域内的自车视觉定位信息，以及获取隧道区域内的路侧定位信息；
根据所述隧道区域内的自车视觉定位信息和路侧定位信息进行隧道区域内的融合定位，得到自动驾驶车辆的融合定位结果。
2.如权利要求1所述方法，其中，所述根据所述卫星定位信息和所述卫星定位状态确定自动驾驶车辆的隧道区域状态包括：
获取隧道区域位置信息，所述隧道区域位置信息包括隧道区域起始位置和隧道区域终止位置；
若所述自动驾驶车辆位于所述隧道区域起始位置之前，且所述卫星定位状态为固定解状态，则确定所述自动驾驶车辆的隧道区域状态为进入隧道区域前状态；
若所述自动驾驶车辆位于所述隧道区域起始位置与所述隧道区域终止位置之间，且所述卫星定位状态为非固定解状态，则确定所述自动驾驶车辆的隧道区域状态为进入隧道区域内状态；
若所述自动驾驶车辆位于所述隧道区域终止位置之后，且所述卫星定位状态为固定解状态，则确定所述自动驾驶车辆的隧道区域状态为驶出隧道区域后状态。
3.如权利要求1所述方法，其中，所述确定隧道区域内的自车视觉定位信息包括：
获取自动驾驶车辆的相机采集的道路图像以及隧道区域内的视觉SLAM地图；
根据所述自动驾驶车辆的相机采集的道路图像以及所述视觉SLAM地图确定所述隧道区域内的自车视觉定位信息。
4.如权利要求1所述方法，其中，所述根据所述隧道区域内的自车视觉定位信息和路侧定位信息进行隧道区域内的融合定位，得到自动驾驶车辆的融合定位结果包括：
将所述自车视觉定位信息进行分解，得到自车视觉定位信息的分解结果，所述自车视觉定位信息的分解结果包括自车视觉横向定位信息和自车视觉纵向定位信息；
将所述路侧定位信息进行分解，得到路侧定位信息的分解结果，所述路侧定位信息的分解结果包括路侧横向定位信息和路侧纵向定位信息；
根据所述自车视觉定位信息的分解结果和所述路侧定位信息的分解结果，利用预设融合定位策略进行融合定位，得到所述自动驾驶车辆的融合定位结果。
5.如权利要求4所述方法，其中，所述根据所述自车视觉定位信息的分解结果和所述路侧定位信息的分解结果，利用预设融合定位策略进行融合定位，得到所述自动驾驶车辆的融合定位结果包括：
将所述自车视觉横向定位信息与所述路侧横向定位信息进行融合，得到横向定位融合结果；
将所述自车视觉纵向定位信息与所述路侧纵向定位信息进行融合，得到纵向定位融合结果；
将所述横向定位融合结果与所述纵向定位融合结果进行融合，得到所述自动驾驶车辆的融合定位结果。
6.如权利要求5所述方法，其中，所述将所述自车视觉纵向定位信息与所述路侧纵向定位信息进行融合，得到纵向定位融合结果包括：
确定所述自车视觉纵向定位信息的置信度；
若所述自车视觉纵向定位信息的置信度大于预设置信度阈值，则将所述自车视觉纵向定位信息与所述路侧纵向定位信息进行融合，得到所述纵向定位融合结果；
否则，则利用轮速递推模型确定轮速纵向定位信息，并将所述轮速纵向定位信息与所述路侧纵向定位信息进行融合，得到所述纵向定位融合结果。
7.如权利要求1所述方法，其中，在根据所述隧道区域内的自车视觉定位信息和路侧定位信息进行隧道区域内的融合定位，得到自动驾驶车辆的融合定位结果之后，所述方法还包括：
根据所述自动驾驶车辆的融合定位结果确定所述自动驾驶车辆是否即将驶出隧道区域；
在所述自动驾驶车辆即将驶出所述隧道区域的情况下，将自动驾驶车辆的定位策略切换为车道保持。
8.一种用于隧道的自动驾驶车辆的融合定位装置，其中，所述装置包括：
获取单元，用于获取自动驾驶车辆的卫星定位信息，并根据所述卫星定位信息确定卫星定位状态；
第一确定单元，用于根据所述卫星定位信息和所述卫星定位状态确定自动驾驶车辆的隧道区域状态；
第二确定单元，用于在所述隧道区域状态为进入隧道区域内状态的情况下，确定隧道区域内的自车视觉定位信息，以及获取隧道区域内的路侧定位信息；
融合定位单元，用于根据所述隧道区域内的自车视觉定位信息和路侧定位信息进行隧道区域内的融合定位，得到自动驾驶车辆的融合定位结果。
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。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310423680.7A CN116380091A (zh) | 2023-04-19 | 2023-04-19 | 用于隧道的自动驾驶车辆的融合定位方法和装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310423680.7A CN116380091A (zh) | 2023-04-19 | 2023-04-19 | 用于隧道的自动驾驶车辆的融合定位方法和装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN116380091A true CN116380091A (zh) | 2023-07-04 |
Family
ID=86961557
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310423680.7A Pending CN116380091A (zh) | 2023-04-19 | 2023-04-19 | 用于隧道的自动驾驶车辆的融合定位方法和装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116380091A (zh) |
-
2023
- 2023-04-19 CN CN202310423680.7A patent/CN116380091A/zh active Pending
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN113899374B (zh) | 自动驾驶车辆定位方法、装置及电子设备、存储介质 | |
| CN113791435B (zh) | Gnss信号异常值的检测方法、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 | |
| CN114777814A (zh) | 基于车路云的融合定位精度评估方法、装置及系统 | |
| CN114894214A (zh) | 自动驾驶车辆的融合定位方法、装置及电子设备 | |
| CN115390103A (zh) | 卫星定位信号的异常检测方法、装置及电子设备 | |
| CN114993333A (zh) | 自动驾驶车辆的融合定位方法、装置及电子设备 | |
| CN114877900A (zh) | 用于隧道的自动驾驶车辆融合定位方法以及相关装置 | |
| CN115056801A (zh) | 自动驾驶的多路径识别方法、装置及电子设备、存储介质 | |
| CN115962774A (zh) | 点云地图更新方法、装置及电子设备、存储介质 | |
| CN114812595A (zh) | 用于融合定位的状态预警方法、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 | |
| CN115856979B (zh) | 自动驾驶车辆的定位方法、装置及电子设备、存储介质 | |
| CN115856976B (zh) | 自动驾驶车辆的融合定位方法、装置及电子设备 | |
| CN115240453B (zh) | 自动驾驶车辆的行驶控制方法、装置、系统及电子设备 | |
| CN116148821A (zh) | 激光雷达的外参修正方法和装置、电子设备和存储介质 | |
| CN116380091A (zh) | 用于隧道的自动驾驶车辆的融合定位方法和装置 | |
| CN116222586A (zh) | 自动驾驶车辆的融合定位方法、装置及电子设备 | |
| CN116295490A (zh) | 车辆定位方法、装置及电子设备、存储介质 | |
| CN116546424A (zh) | 激光建图方法及其装置、激光定位方法及其装置 | |
| 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 | |
| CN114739416A (zh) | 自动驾驶车辆定位方法、装置及电子设备、存储介质 | |
| CN112947472B (zh) | 栅格地图实时构建方法、装置、可读介质及扫地机器人 | |
| CN116256783A (zh) | 用于隧道的自动驾驶车辆定位方法和装置、电子设备 | |
| CN116559899B (zh) | 自动驾驶车辆的融合定位方法、装置和电子设备 |
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 |