CN116659524A - 一种车辆定位方法、装置、设备以及存储介质 - Google Patents
一种车辆定位方法、装置、设备以及存储介质 Download PDFInfo
- Publication number
- CN116659524A CN116659524A CN202310651268.0A CN202310651268A CN116659524A CN 116659524 A CN116659524 A CN 116659524A CN 202310651268 A CN202310651268 A CN 202310651268A CN 116659524 A CN116659524 A CN 116659524A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- low
- global map
- configuration
- map
- 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
- 238000000034 method Methods 0.000 title claims abstract description 49
- 238000004590 computer program Methods 0.000 claims description 16
- 238000010276 construction Methods 0.000 claims description 8
- 238000000605 extraction Methods 0.000 claims description 8
- 230000008447 perception Effects 0.000 claims description 8
- 230000011218 segmentation Effects 0.000 claims description 8
- 230000006835 compression Effects 0.000 claims description 6
- 238000007906 compression Methods 0.000 claims description 6
- 238000004891 communication Methods 0.000 description 10
- 238000013527 convolutional neural network Methods 0.000 description 10
- 238000010586 diagram Methods 0.000 description 10
- 230000006870 function Effects 0.000 description 8
- 230000003993 interaction Effects 0.000 description 6
- 238000012545 processing Methods 0.000 description 6
- 230000008569 process Effects 0.000 description 5
- 230000000007 visual effect Effects 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 230000004927 fusion Effects 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 238000013507 mapping Methods 0.000 description 2
- 239000003550 marker Substances 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- 230000001133 acceleration Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000029305 taxis Effects 0.000 description 1
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
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Automation & Control Theory (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Navigation (AREA)
Abstract
本发明公开了一种车辆定位方法、装置、设备以及存储介质。由低配置车辆客户端执行，包括：响应于对低配置车辆的定位事件，向云端发出全局地图获取请求，以指示云端与预设的高配置车辆客户端交互，生成全局地图并向低配置车辆客户端发送；获取云端发送的全局地图，并采用预设的低配置感知传感器，对周围环境进行感知，以生成第一感知结果；根据第一感知结果，在所述全局地图中进行匹配，确定车辆在所述全局地图中的位置信息，以实现低配置车辆的精准定位。本发明的技术方案，低配置车辆客户端可以有效利用云端的全局地图，以及高配置车辆客户端的局部地图，进行车辆定位，从而实现低配置车辆的精准定位。
Description
技术领域
本发明涉及车辆技术领域，尤其涉及一种车辆定位方法、装置、设备以及存储介质。
背景技术
随着自动驾驶技术的广泛应用与发展，高精定位技术作为L4级别自动驾驶技术的核心能力已经广泛应用于许多有高精定位需求的车辆，如城市出租车，这些车辆往往配置有高精度的传感器和地图，可以实现高精定位功能。但由于高精度传感器和高精地图的成本比较昂贵，且高精度传感器对车辆本身设备配置的要求较高，许多低配置的车辆无法配置高精度传感器和高精地图，导致无法实现高精度的定位。
因此，如何在无需克服低配置车辆配置高精度传感器技术问题的情况下，实现对低配置车辆的高精度定位，是目前亟待解决的问题。
发明内容
本发明提供了一种车辆定位方法、装置、设备以及存储介质，可以有效利用云端的全局地图，以及高配置车辆客户端的局部地图，进行车辆定位，从而实现低配置车辆的精准定位。
根据本发明的一方面，提供了一种车辆定位方法，由低配置车辆客户端执行，包括：
响应于对低配置车辆的定位事件，向云端发出全局地图获取请求，以指示云端与预设的高配置车辆客户端交互，生成全局地图并向低配置车辆客户端发送；
获取云端发送的全局地图，并采用预设的低配置感知传感器，对周围环境进行感知，以生成第一感知结果；
根据第一感知结果，在所述全局地图中进行匹配，确定车辆在所述全局地图中的位置信息，以实现低配置车辆的精准定位。
根据本发明的另一方面，提供了一种车辆定位方法，由云端执行，包括：
若检测到低配置车辆客户端发出的全局地图获取请求，则与预设的至少两个高配置车辆客户端交互，以获取至少两张局部地图；
将获取的至少两张局部地图进行融合，生成全局地图，并向低配置车辆客户端发送所述全局地图，以指示低配置车辆客户端根据全局地图，实现低配置车辆的精准定位。
根据本发明的另一方面，提供了一种车辆定位方法，由高配置车辆客户端执行，包括：
若检测到云端发出的局部地图获取请求，则采用预设的高配置感知传感器，对周围环境进行感知，以生成第二感知结果；
根据所述第二感知结果，进行局部地图构建，以生成局部地图，并将生成的局部地图向云端反馈，以指示云端生成全局地图向低配置车辆客户端发送；所述全局地图用于实现低配置车辆的精准定位。
根据本发明的另一方面，提供了一种车辆定位装置，所述装置配置于低配置车辆客户端，包括：
请求模块，用于响应于对低配置车辆的定位事件，向云端发出全局地图获取请求，以指示云端与预设的高配置车辆客户端交互，生成全局地图并向低配置车辆客户端发送；
生成模块，用于获取云端发送的全局地图，并采用预设的低配置感知传感器，对周围环境进行感知，以生成第一感知结果；
定位模块，用于根据第一感知结果，在所述全局地图中进行匹配，确定车辆在所述全局地图中的位置信息，以实现低配置车辆的精准定位。
根据本发明的另一方面，提供了一种车辆定位装置，所述装置配置于云端，包括：
获取模块，用于若检测到低配置车辆客户端发出的全局地图获取请求，则与预设的至少两个高配置车辆客户端交互，以获取至少两张局部地图；
发送模块，用于将获取的至少两张局部地图进行融合，生成全局地图，并向低配置车辆客户端发送所述全局地图，以指示低配置车辆客户端根据全局地图，实现低配置车辆的精准定位。
根据本发明的另一方面，提供了一种车辆定位装置，所述装置配置于高配置车辆客户端，包括：
感知模块，用于若检测到云端发出的局部地图获取请求，则采用预设的高配置感知传感器，对周围环境进行感知，以生成第二感知结果；
反馈模块，用于根据所述第二感知结果，进行局部地图构建，以生成局部地图，并将生成的局部地图向云端反馈，以指示云端生成全局地图向低配置车辆客户端发送；所述全局地图用于实现低配置车辆的精准定位。
根据本发明的另一方面，提供了一种电子设备，所述电子设备包括：
至少一个处理器；以及
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器能够执行本发明任一实施例所述的车辆定位方法。
根据本发明的另一方面，提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机指令，所述计算机指令用于使处理器执行时实现本发明任一实施例所述的车辆定位方法。
本发明实施例的技术方案，低配置车辆客户端响应于对低配置车辆的定位事件，向云端发出全局地图获取请求，以指示云端与预设的高配置车辆客户端交互，生成全局地图并向低配置车辆客户端发送；获取云端发送的全局地图，并采用预设的低配置感知传感器，对周围环境进行感知，以生成第一感知结果；根据第一感知结果，在全局地图中进行匹配，确定车辆在全局地图中的位置信息，以实现低配置车辆的精准定位。低配置车辆客户端通过有效利用云端的全局地图，以及高配置车辆客户端的局部地图，可以在不改变自身设备配置的情况下，进行精准的车辆定位。
应当理解，本部分所描述的内容并非旨在标识本发明的实施例的关键或重要特征，也不用于限制本发明的范围。本发明的其它特征将通过以下的说明书而变得容易理解。
附图说明
为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1是本发明实施例一提供的一种车辆定位方法的流程图；
图2是本发明实施例二提供的一种车辆定位方法的流程图；
图3是本发明实施例三提供的一种车辆定位方法的流程图；
图4是本发明实施例四提供的一种车辆定位装置的结构框图；
图5是本发明实施例五提供的一种车辆定位装置的结构框图；
图6是本发明实施例六提供的一种车辆定位装置的结构框图；
图7是本发明实施例四提供的电子设备的结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分的实施例，而不是全部的实施例。基于本发明中的实施例，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，都应当属于本发明保护的范围。
需要说明的是，本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“目标”、“候选”、“备选”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
需要说明的是，在相关技术中，对于只载有低成本传感器的普通车辆很难实现量产级别的高精定位功能。主要原因在于高精度传感器的成本比较昂贵，另外高精地图的制作需要大量的人力物力等。针对上述问题，本发明针对载有低成本的普通车辆，提出了一种实现厘米级高精定位的方案，可以实现低成本车辆基于高精地图的厘米级定位，具体实现过程将在后续实施例进行详细介绍。
实施例一
图1是本发明实施例一提供的一种车辆定位方法的流程图；本实施例可适用于低配置车辆客户端与云端交互，以指示云端与高配置车辆客户端交互，实现对低配置车辆的精准定位的情况，该方法可以由车辆定位装置来执行，该车辆定位装置可以采用硬件和/或软件的形式实现，该车辆定位装置可配置于电子设备中，如低配置车辆中。如图1所示，该车辆定位方法包括：
S101、响应于对低配置车辆的定位事件，向云端发出全局地图获取请求，以指示云端与预设的高配置车辆客户端交互，生成全局地图并向低配置车辆客户端发送。
其中，低配置车辆是指配置有相对较低精度或较低成本的传感器以及低精度地图的车辆。定位事件是指低配置车辆客户端确定的需要对本车进行高精度定位的事件。全局地图获取请求是指低配置车辆客户端向云端发出的获取全局地图的请求。高配置车辆可以是云端预设的至少两个具有相对高精度传感器和高精度地图的车辆。高配置车辆例如可以是具有高精度定位能力的RoboTaxi出租车。
需要说明的是，高配置车辆往往搭载着高精度激光雷达、相机及高精地图，因此可以实现车辆的厘米级的定位功能。
可选的，低配置车辆客户端可以在检测到本车需要进行高精度定位时，如接收到相关人员发出的高精度定位请求时，认为检测到对低配置车辆，也就是对本车的定位事件。
S102、获取云端发送的全局地图，并采用预设的低配置感知传感器，对周围环境进行感知，以生成第一感知结果。
其中，全局地图是指云端发出的高精度的地图。全局地图可以由对应不同地区的至少两个局部地图组成。低配置感知传感器是指低配置车辆配置的传感器，例如可以是精度相对较低的图像传感器和雷达等。第一感知结果是采用低配置感知传感器进行数据采集和分析得到的感知结果，第一感知结果可以表征低配置车辆所处周围环境的特征信息。
需要说明的是，云端可以存储有来自不同RoboTaxi上传的局部地图，云端可以用于进行相关局部地图的融合以形成环境的全局地图，并不断对全局地图进行实时的更新。
可选的，云端发送的全局地图可以是云端进行压缩之后的，压缩版本的全局地图，相应的，获取云端发送的全局地图之后，还包括，基于预设的编解码网络，将全局地图进行解码还原，得到原始的全局地图。
示例性的，可以基于卷积神经网络(Convolutional Neural Network，CNN)的编码网络将获取的经过压缩的全局地图进行解码还原，得到原始的全局地图。具体可以采用3*3和1*1的卷积核对特征图进行解码，得到恢复语义特征的全局地图。
可选的，采用预设的低配置感知传感器，对周围环境进行感知，以生成第一感知结果，包括：采用预设的低配置图像传感器，对周围环境进行图像采集，确定目标感知图像；对目标感知图像进行语义分割和特征提取，并根据提取结果，确定低配置车辆周围环境的特征信息，以生成第一感知结果。
其中，特征信息可以包括车辆周围环境中目标物位置方位和目标物类别的特征信息，还可以包括各目标物之间的结构关系和位置方位关系等。目标物例如可以是为车道线、减速带、路沿石、箭头、立柱、库位线、人行横道、行人、交通信号灯、车辆以及行人等，优选的，目标物可以为其中的车道线、减速带、路沿石、箭头、立柱及库位线等。
示例性的，低配置车辆客户端可以采用本车配置的前视摄像头等传感器，对周围环境进行图像采集，确定目标感知图像，进一步采用预设的语义分割等模块，对目标感知图像进行语义分割和特征提取，提取目标感知图像的特征点，即低配置车辆周围环境的特征信息，并将该特征信息直接作为第一感知结果，即生成第一感知结果。
S103、根据第一感知结果，在全局地图中进行匹配，确定车辆在全局地图中的位置信息，以实现低配置车辆的精准定位。
可选的，根据第一感知结果，在全局地图中进行匹配，确定车辆在全局地图中的位置信息，包括：根据第一感知结果中低配置车辆周围环境的特征信息，在全局地图中进行匹配，确定车辆在全局地图中的位置信息。
可选的，可以确定全局地图中各标志物的特征信息，进一步将第一感知结果中低配置车辆周围环境的特征信息，与全局地图中各标志物的特征信息进行比对，根据比对的结果，确定目标物特征信息在全局地图中的对应区域，并根据对应区域在全局地图中的位置，确定车辆在全局地图中的位置信息，以实现低配置车辆的厘米级的精准定位。
示例性的，低配置车辆客户端可通过车载摄像头、360°环视及车载GPS，对周围环境进行感知，根据感知结果，在高精地图中进行匹配，实现车辆的厘米级定位。
本发明实施例的技术方案，低配置车辆客户端响应于对低配置车辆的定位事件，向云端发出全局地图获取请求，以指示云端与预设的高配置车辆客户端交互，生成全局地图并向低配置车辆客户端发送；获取云端发送的全局地图，并采用预设的低配置感知传感器，对周围环境进行感知，以生成第一感知结果；根据第一感知结果，在全局地图中进行匹配，确定车辆在全局地图中的位置信息，以实现低配置车辆的精准定位。低配置车辆客户端通过有效利用云端的全局地图，以及高配置车辆客户端的局部地图，可以在不改变自身设备配置的情况下，进行精准的车辆定位。
实施例二
图2是本发明实施例二提供的一种车辆定位方法的流程图；本实施例可适用于云端与低配置车辆客户端和高配置车辆客户端交互，以指示低配置车辆的精准定位的情况，该方法可以由车辆定位装置来执行，该车辆定位装置可以采用硬件和/或软件的形式实现，该车辆定位装置可配置于电子设备中，如云服务器中。如图2所示，该车辆定位方法包括：
S201、若检测到低配置车辆客户端发出的全局地图获取请求，则与预设的至少两个高配置车辆客户端交互，以获取至少两张局部地图。
其中，局部地图是指高配置车辆根据自身感知设备生成的精度更高的地图，局部地图所涉及的区域即为高配置车辆所处位置周围感知设备可检测范围对应的区域。
可选的，云端可以在检测到低配置车辆客户端发出的全局地图获取请求时，与预设的至少两个高配置车辆客户端交互，获取高配置车辆客户端反馈的至少两张局部地图。
可选的，与预设的至少两个高配置车辆客户端交互，以获取至少两张局部地图，包括：基于预设的通信协议，同时向预设的至少两个高配置车辆客户端发送局部地图获取请求，以指示各高配置车辆客户端生成局部地图并向云端反馈。
S202、将获取的至少两张局部地图进行融合，生成全局地图，并向低配置车辆客户端发送全局地图，以指示低配置车辆客户端根据全局地图，实现低配置车辆的精准定位。
可选的，根据获取的至少两张局部地图，可以采用众包方式实现对全局环境的建图，生成全局地图。
可选的，将获取的至少两张局部地图进行融合，生成全局地图，包括：采用众包的地图构建方式，将获取的至少两张局部地图进行融合，生成原始的全局地图；基于预设的编解码网络，将原始全局地图进行编码压缩，生成压缩后的全局地图。
其中，众包是一种分布式的问题解决和生产模式，也就是本申请中采用多个高配置车辆分布式地完成整个高精度全局地图的构建的方式。编解码网络是指预设的可以对图像进行编码压缩和解码还原的网络，编解码网络例如可以是预先训练好的卷积神经网络(Convolutional Neural Network，CNN)。
示例性的，可以基于卷积神经网络(Convolutional Neural Network，CNN)的编码网络对融合后的全局地图进行压缩编码，得到压缩全局地图，进一步将压缩全局地图下发至各低配置车辆客户端，以指示低配置车辆客户端将高精地图解码和解压。其中，网络中可以采用3*3和1*1规格的卷积核对全局地图进行特征提取，主要提取地图边界的感兴趣区域(Region of Interest，ROI)，形成对全局地图的压缩编码，从而降低云端内存成本。
需要说明的是，本发明给出了利用卷积神经网络对全局地图进行编码压缩、以及下发的一种可实施方式，即提出一种对地图编解码方法，可以有效的降低云端存储及计算成本。
本发明的技术方案，云端在检测到低配置车辆客户端发出的全局地图获取请求时，与预设的至少两个高配置车辆客户端交互，以获取至少两张局部地图，将获取的至少两张局部地图进行融合，生成全局地图，并向低配置车辆客户端发送所述全局地图，以指示低配置车辆客户端根据全局地图，实现低配置车辆的精准定位。通过这样的方式，给出了一种为低配置车辆实现精准定位的可实施方式，可以在不改变低配置车辆配置的情况下，提高低配置车辆的定位精准度。
实施例三
图3是本发明实施例三提供的一种车辆定位方法的流程图；本实施例可适用于高配置车辆客户端与云端交互，以指示云端生成全局地图，发送至低配置车辆，以实现低配置车辆的精准定位的情况，该方法可以由车辆定位装置来执行，该车辆定位装置可以采用硬件和/或软件的形式实现，该车辆定位装置可配置于电子设备中，如高配置车辆中。如图3所示，该车辆定位方法包括：
S301、若检测到云端发出的局部地图获取请求，则采用预设的高配置感知传感器，对周围环境进行感知，以生成第二感知结果。
其中，高配置车辆例如可以是具备高精度传感器的RoboTaxi车辆。高配置感知传感器例如可以是高清摄像头，如四路环视鱼眼摄像头。
需要说明的是，高精度传感器还可以为GPS-RTK、高清摄像头及激光雷达，基于高精度传感器，高配置车辆能够实现对车辆的厘米级定位。其中，GPS-RTK利用卫星以及地面基站的信号通信，能够使车辆实现全球范围内的高精定位；高清摄像头可以捕捉车辆周围的环境信息并与高精地图进行匹配，实现车辆的高精定位；激光雷达通过捕捉车辆周围的点云数据，通过点云之间的匹配形成车辆在GPS-RTK下的高精定位。
可选的，可以采用预设的高配置感知传感器，在预设的一段时间内连续采集多帧图像，并通过对图像的分析，实现对周围环境进行感知，以生成第二感知结果，需要说明的是，本发明中确定第一感知结果和第二感知结果的方式类似，只是第二感知结果的获取过程中采用了更高精度的传感器(即高配置感知传感器)，此处不再赘述。
示例性的，采用预设的高配置感知传感器，得到周围环境的目标图像后，可以采用UNet(语义分割网络)对图像进行语义分割，将图像中的信息分割为车道线、减速带、路沿石、箭头、立柱、库位线、人行横道、行人、交通信号灯、车辆以及行人等，其中车道线、减速带、路沿石、箭头、立柱及库位线作为车辆进行局部建图的语义信息，其余的信息主要用于道路规划控制等其他自动驾驶任务。
可选的，在语义分割之前，还可以先对获取到的目标图像进行预处理，具体的，可以将原始图像转换成逆透视变换(Inverse Perspective Mapping，IPM)图像，从而消除本应实际中平行的事物在图像中相交的透视变换。
S302、根据第二感知结果，进行局部地图构建，以生成局部地图，并将生成的局部地图向云端反馈，以指示云端生成全局地图向低配置车辆客户端发送。
其中，全局地图用于实现低配置车辆的精准定位。
可选的，可以分析不同目标图像中目标物之间的联系，从而建立相邻帧目标图像之间的视觉里程计，其中，视觉里程计可以表征高配置车辆或目标物在不同目标图像之间的位置关系。
可选的，可以通过车辆在不同位置时获取到的图像信息，即目标图像，确定视觉里程计信息，进一步根据视觉里程计信息，结合IMU/Wheel(Inertial Measurement Unit，惯性传感器，主要用来检测和测量加速度与旋转运动的传感器)、轮速脉冲及GPS-RTK(GlobalPositioning System-Real-time kinematic，实时动态全球定位系统)等航迹推算(DeadReckoning，DR)信息，进行局部地图构建，以生成局部地图。
可选的，还可以利用预设的回环检测模块对建立的局部地图进行验证，保证局部地图的准确性，具体的，可以在高配置车辆采集目标图像的同时，控制高配置车辆基于预设的回环路线行驶，使得高配置车辆基于预设路线行驶一周，回到原点，然后确定车辆开始行驶时拍的图像和结束时拍的图像的相似度，若相似度大于预设相似度阈值，则确定局部地图构建准确。
示例性的，高配置车辆客户端可以实时对周围环境进行感知，若检测到环境变化，则生成更新局部地图，并将更新局部地图上传至云端，以指示云端对高精地图进行更新，从而实现对高精地图的实时更新，打破环境建图的周期性，实现对大范围环境的快速动态建图。
优选的，为了减少不必要的带宽导致上传速度减慢，高配置车辆客户端可以只提取局部地图的矢量地图上传至云端进行融合，并将这些矢量地图格栅化和标签化，最大程度减少其内存占用。进一步的，云端可以根据矢量地图对应的标签及位置进行全局地图的融合合并。融合后的全局地图可以根据不断上传的局部地图进行实时的更新，以保证对真实环境的实时反馈，打破了一定的周期性。
本发明的技术方案，高配置车辆客户端若检测到云端发出的局部地图获取请求，则采用预设的高配置感知传感器，对周围环境进行感知，以生成第二感知结果，根据所述第二感知结果，进行局部地图构建，以生成局部地图，并将生成的局部地图向云端反馈，以指示云端生成全局地图向低配置车辆客户端发送。通过利用高配置感知传感器的感知结果，可以生成精准的局部地图提供给云端，有助于云端生成更精准的全局地图，从而可以在不改变低配置车辆配置的情况下，提高低配置车辆的定位精准度。
实施例四
图4是本发明实施例四提供的一种车辆定位装置的结构框图；本发明实施例所提供的一种车辆定位装置可适用于低配置车辆客户端与云端交互，以指示云端与高配置车辆客户端交互，实现对低配置车辆的精准定位的情况，该车辆定位装置可以采用硬件和/或软件的形式实现，并配置于具有车辆定位功能的设备中，如低配置车辆中。如图4所示，该车辆定位装置具体包括：
请求模块401，用于响应于对低配置车辆的定位事件，向云端发出全局地图获取请求，以指示云端与预设的高配置车辆客户端交互，生成全局地图并向低配置车辆客户端发送；
生成模块402，用于获取云端发送的全局地图，并采用预设的低配置感知传感器，对周围环境进行感知，以生成第一感知结果；
定位模块403，用于根据第一感知结果，在所述全局地图中进行匹配，确定车辆在所述全局地图中的位置信息，以实现低配置车辆的精准定位.
本发明实施例的技术方案，低配置车辆客户端响应于对低配置车辆的定位事件，向云端发出全局地图获取请求，以指示云端与预设的高配置车辆客户端交互，生成全局地图并向低配置车辆客户端发送；获取云端发送的全局地图，并采用预设的低配置感知传感器，对周围环境进行感知，以生成第一感知结果；根据第一感知结果，在全局地图中进行匹配，确定车辆在全局地图中的位置信息，以实现低配置车辆的精准定位。低配置车辆客户端通过有效利用云端的全局地图，以及高配置车辆客户端的局部地图，可以在不改变自身设备配置的情况下，进行精准的车辆定位。
进一步的，生成模块402具体用于：
采用预设的低配置图像传感器，对周围环境进行图像采集，确定目标感知图像；
对目标感知图像进行语义分割和特征提取，并根据提取结果，确定低配置车辆周围环境的特征信息，以生成第一感知结果；
相应的，根据第一感知结果，在所述全局地图中进行匹配，确定车辆在所述全局地图中的位置信息，包括：
根据第一感知结果中低配置车辆周围环境的特征信息，在所述全局地图中进行匹配，确定车辆在所述全局地图中的位置信息。
实施例五
图5是本发明实施例五提供的一种车辆定位装置的结构框图；本发明实施例所提供的一种车辆定位装置可适用于云端与低配置车辆客户端和高配置车辆客户端交互，以指示低配置车辆的精准定位的情况，该车辆定位装置可以采用硬件和/或软件的形式实现，并配置于具有车辆定位功能的设备中，如云服务器中。如图5所示，该车辆定位装置具体包括：
获取模块501，用于若检测到低配置车辆客户端发出的全局地图获取请求，则与预设的至少两个高配置车辆客户端交互，以获取至少两张局部地图；
发送模块502，用于将获取的至少两张局部地图进行融合，生成全局地图，并向低配置车辆客户端发送所述全局地图，以指示低配置车辆客户端根据全局地图，实现低配置车辆的精准定位。
本发明的技术方案，云端在检测到低配置车辆客户端发出的全局地图获取请求时，与预设的至少两个高配置车辆客户端交互，以获取至少两张局部地图，将获取的至少两张局部地图进行融合，生成全局地图，并向低配置车辆客户端发送所述全局地图，以指示低配置车辆客户端根据全局地图，实现低配置车辆的精准定位。通过这样的方式，给出了一种为低配置车辆实现精准定位的可实施方式，可以在不改变低配置车辆配置的情况下，提高低配置车辆的定位精准度。
进一步的，发送模块502具体用于：
采用众包的地图构建方式，将获取的至少两张局部地图进行融合，生成原始的全局地图；
基于预设的编解码网络，将所述原始全局地图进行编码压缩，生成压缩后的全局地图。
实施例六
图6是本发明实施例六提供的一种车辆定位装置的结构框图；本发明实施例所提供的一种车辆定位装置可适用于高配置车辆客户端与云端交互，以指示云端生成全局地图，发送至低配置车辆，以实现低配置车辆的精准定位的情况，该车辆定位装置可以采用硬件和/或软件的形式实现，并配置于具有车辆定位功能的设备中，如高配置车辆中。如图6所示，该车辆定位装置具体包括：
感知模块601，用于若检测到云端发出的局部地图获取请求，则采用预设的高配置感知传感器，对周围环境进行感知，以生成第二感知结果；
反馈模块602，用于根据所述第二感知结果，进行局部地图构建，以生成局部地图，并将生成的局部地图向云端反馈，以指示云端生成全局地图向低配置车辆客户端发送；所述全局地图用于实现低配置车辆的精准定位。
本发明的技术方案，高配置车辆客户端若检测到云端发出的局部地图获取请求，则采用预设的高配置感知传感器，对周围环境进行感知，以生成第二感知结果，根据所述第二感知结果，进行局部地图构建，以生成局部地图，并将生成的局部地图向云端反馈，以指示云端生成全局地图向低配置车辆客户端发送。通过利用高配置感知传感器的感知结果，可以生成精准的局部地图提供给云端，有助于云端生成更精准的全局地图，从而可以在不改变低配置车辆配置的情况下，提高低配置车辆的定位精准度。
实施例七
图7是本发明实施例四提供的电子设备的结构示意图。图7示出了可以用来实施本发明的实施例的电子设备10的结构示意图。电子设备旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备(如头盔、眼镜、手表等)和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本发明的实现。
如图7所示，电子设备10包括至少一个处理器11，以及与至少一个处理器11通信连接的存储器，如只读存储器(ROM)12、随机访问存储器(RAM)13等，其中，存储器存储有可被至少一个处理器执行的计算机程序，处理器11可以根据存储在只读存储器(ROM)12中的计算机程序或者从存储单元18加载到随机访问存储器(RAM)13中的计算机程序，来执行各种适当的动作和处理。在RAM 13中，还可存储电子设备10操作所需的各种程序和数据。处理器11、ROM 12以及RAM 13通过总线14彼此相连。输入/输出(I/O)接口15也连接至总线14。
电子设备10中的多个部件连接至I/O接口15，包括：输入单元16，例如键盘、鼠标等；输出单元17，例如各种类型的显示器、扬声器等；存储单元18，例如磁盘、光盘等；以及通信单元19，例如网卡、调制解调器、无线通信收发机等。通信单元19允许电子设备10通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
处理器11可以是各种具有处理和计算能力的通用和/或专用处理组件。处理器11的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的处理器、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。处理器11执行上文所描述的各个方法和处理，例如车辆定位方法。
在一些实施例中，车辆定位方法可被实现为计算机程序，其被有形地包含于计算机可读存储介质，例如存储单元18。在一些实施例中，计算机程序的部分或者全部可以经由ROM 12和/或通信单元19而被载入和/或安装到电子设备10上。当计算机程序加载到RAM 13并由处理器11执行时，可以执行上文描述的车辆定位方法的一个或多个步骤。备选地，在其他实施例中，处理器11可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行车辆定位方法。
本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、负载可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
用于实施本发明的方法的计算机程序可以采用一个或多个编程语言的任何组合来编写。这些计算机程序可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器，使得计算机程序当由处理器执行时使流程图和/或框图中所规定的功能/操作被实施。计算机程序可以完全在机器上执行、部分地在机器上执行，作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本发明的上下文中，计算机可读存储介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的计算机程序。计算机可读存储介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。备选地，计算机可读存储介质可以是机器可读信号介质。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
为了提供与用户的交互，可以在电子设备上实施此处描述的系统和技术，该电子设备具有：用于向用户显示信息的显示装置(例如，CRT(阴极射线管)或者LCD(液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给电子设备。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如，作为数据服务器)、或者包括中间件部件的计算系统(例如，应用服务器)、或者包括前端部件的计算系统(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将系统的部件相互连接。通信网络的示例包括：局域网(LAN)、广域网(WAN)、区块链网络和互联网。
计算系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器，又称为云计算服务器或云主机，是云计算服务体系中的一项主机产品，以解决了传统物理主机与VPS服务中，存在的管理难度大，业务扩展性弱的缺陷。
应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本发明中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本发明的技术方案所期望的结果，本文在此不进行限制。
上述具体实施方式，并不构成对本发明保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本发明的精神和原则之内所作的修改、等同替换和改进等，均应包含在本发明保护范围之内。
Claims (10)
1.一种车辆定位方法，其特征在于，由低配置车辆客户端执行，包括：
响应于对低配置车辆的定位事件，向云端发出全局地图获取请求，以指示云端与预设的高配置车辆客户端交互，生成全局地图并向低配置车辆客户端发送；
获取云端发送的全局地图，并采用预设的低配置感知传感器，对周围环境进行感知，以生成第一感知结果；
根据第一感知结果，在所述全局地图中进行匹配，确定车辆在所述全局地图中的位置信息，以实现低配置车辆的精准定位。
2.根据权利要求1所述的方法，其特征在于，采用预设的低配置感知传感器，对周围环境进行感知，以生成第一感知结果，包括：
采用预设的低配置图像传感器，对周围环境进行图像采集，确定目标感知图像；
对目标感知图像进行语义分割和特征提取，并根据提取结果，确定低配置车辆周围环境的特征信息，以生成第一感知结果；
相应的，根据第一感知结果，在所述全局地图中进行匹配，确定车辆在所述全局地图中的位置信息，包括：
根据第一感知结果中低配置车辆周围环境的特征信息，在所述全局地图中进行匹配，确定车辆在所述全局地图中的位置信息。
3.一种车辆定位方法，其特征在于，由云端执行，包括：
若检测到低配置车辆客户端发出的全局地图获取请求，则与预设的至少两个高配置车辆客户端交互，以获取至少两张局部地图；
将获取的至少两张局部地图进行融合，生成全局地图，并向低配置车辆客户端发送所述全局地图，以指示低配置车辆客户端根据全局地图，实现低配置车辆的精准定位。
4.根据权利要求3所述的方法，其特征在于，将获取的至少两张局部地图进行融合，生成全局地图，包括：
采用众包的地图构建方式，将获取的至少两张局部地图进行融合，生成原始的全局地图；
基于预设的编解码网络，将所述原始全局地图进行编码压缩，生成压缩后的全局地图。
5.一种车辆定位方法，其特征在于，由高配置车辆客户端执行，包括：
若检测到云端发出的局部地图获取请求，则采用预设的高配置感知传感器，对周围环境进行感知，以生成第二感知结果；
根据所述第二感知结果，进行局部地图构建，以生成局部地图，并将生成的局部地图向云端反馈，以指示云端生成全局地图向低配置车辆客户端发送；所述全局地图用于实现低配置车辆的精准定位。
6.一种车辆定位装置，其特征在于，所述装置配置于低配置车辆客户端，包括：
请求模块，用于响应于对低配置车辆的定位事件，向云端发出全局地图获取请求，以指示云端与预设的高配置车辆客户端交互，生成全局地图并向低配置车辆客户端发送；
生成模块，用于获取云端发送的全局地图，并采用预设的低配置感知传感器，对周围环境进行感知，以生成第一感知结果；
定位模块，用于根据第一感知结果，在所述全局地图中进行匹配，确定车辆在所述全局地图中的位置信息，以实现低配置车辆的精准定位。
7.一种车辆定位装置，其特征在于，所述装置配置于云端，包括：
获取模块，用于若检测到低配置车辆客户端发出的全局地图获取请求，则与预设的至少两个高配置车辆客户端交互，以获取至少两张局部地图；
发送模块，用于将获取的至少两张局部地图进行融合，生成全局地图，并向低配置车辆客户端发送所述全局地图，以指示低配置车辆客户端根据全局地图，实现低配置车辆的精准定位。
8.一种车辆定位装置，其特征在于，所述装置配置于高配置车辆客户端，包括：
感知模块，用于若检测到云端发出的局部地图获取请求，则采用预设的高配置感知传感器，对周围环境进行感知，以生成第二感知结果；
反馈模块，用于根据所述第二感知结果，进行局部地图构建，以生成局部地图，并将生成的局部地图向云端反馈，以指示云端生成全局地图向低配置车辆客户端发送；所述全局地图用于实现低配置车辆的精准定位。
9.一种电子设备，其特征在于，所述电子设备包括：
至少一个处理器；以及
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1-2、3-4或5中任一项所述的车辆定位方法。
10.一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存储有计算机指令，所述计算机指令用于使处理器执行时实现权利要求1-2、3-4或5中任一项所述的车辆定位方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310651268.0A CN116659524A (zh) | 2023-06-02 | 2023-06-02 | 一种车辆定位方法、装置、设备以及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310651268.0A CN116659524A (zh) | 2023-06-02 | 2023-06-02 | 一种车辆定位方法、装置、设备以及存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN116659524A true CN116659524A (zh) | 2023-08-29 |
Family
ID=87709319
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310651268.0A Pending CN116659524A (zh) | 2023-06-02 | 2023-06-02 | 一种车辆定位方法、装置、设备以及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116659524A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117459922A (zh) * | 2023-09-18 | 2024-01-26 | 北京佰才邦技术股份有限公司 | 数据传输方法、装置、终端及存储介质 |
| CN117953459A (zh) * | 2024-03-25 | 2024-04-30 | 安徽蔚来智驾科技有限公司 | 感知融合结果获取方法、可读存储介质及智能设备 |
-
2023
- 2023-06-02 CN CN202310651268.0A patent/CN116659524A/zh active Pending
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117459922A (zh) * | 2023-09-18 | 2024-01-26 | 北京佰才邦技术股份有限公司 | 数据传输方法、装置、终端及存储介质 |
| CN117953459A (zh) * | 2024-03-25 | 2024-04-30 | 安徽蔚来智驾科技有限公司 | 感知融合结果获取方法、可读存储介质及智能设备 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| KR102273559B1 (ko) | 전자 지도를 업데이트하기 위한 방법, 장치 및 컴퓨터 판독 가능한 저장 매체 | |
| EP3926534A2 (en) | Method and apparatus of estimating road condition and method and apparatus of establishing road condition estimation model | |
| US20210390124A1 (en) | Method for processing map data, device, and storage medium | |
| CN109931945B (zh) | Ar导航方法、装置、设备和存储介质 | |
| CN116659524A (zh) | 一种车辆定位方法、装置、设备以及存储介质 | |
| KR102518257B1 (ko) | 차량 위치 결정 방법 및 시스템 | |
| CN111220164A (zh) | 定位方法、装置、设备及存储介质 | |
| CN114034295B (zh) | 高精地图生成方法、装置、电子设备、介质及程序产品 | |
| US20190219699A1 (en) | Vehicle pose system | |
| CN111998860A (zh) | 自动驾驶定位数据校验方法、装置、电子设备及存储介质 | |
| KR20210089602A (ko) | 차량의 제어 방법, 장치 및 차량 | |
| CN113011323A (zh) | 通行状态的获取方法、相关装置、路侧设备及云控平台 | |
| WO2024008086A1 (zh) | 轨迹预测方法及其装置、介质、程序产品和电子设备 | |
| CN113587937A (zh) | 车辆的定位方法、装置、电子设备和存储介质 | |
| CN114186007A (zh) | 高精地图生成方法、装置、电子设备和存储介质 | |
| CN115083037A (zh) | 用于更新地图路网数据的方法、装置、电子设备和车辆 | |
| CN113742440B (zh) | 道路图像数据处理方法、装置、电子设备及云计算平台 | |
| CN113722342A (zh) | 高精地图要素变更检测方法、装置、设备及自动驾驶车辆 | |
| CN113011298A (zh) | 截断物体样本生成、目标检测方法、路侧设备和云控平台 | |
| CN112987707A (zh) | 一种车辆的自动驾驶控制方法及装置 | |
| CN113276888B (zh) | 基于自动驾驶的乘车方法、装置、设备和存储介质 | |
| CN111009135B (zh) | 车辆行驶速度的确定方法、装置以及计算机设备 | |
| CN114528365A (zh) | 高速公路停车区域的识别方法及装置、电子设备和介质 | |
| CN115077539A (zh) | 一种地图生成方法、装置、设备以及存储介质 | |
| CN114281832A (zh) | 基于定位结果的高精地图数据更新方法、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 |