CN116817926A - 车辆定位方法、装置、电子设备及存储介质 - Google Patents
车辆定位方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN116817926A CN116817926A CN202310807531.0A CN202310807531A CN116817926A CN 116817926 A CN116817926 A CN 116817926A CN 202310807531 A CN202310807531 A CN 202310807531A CN 116817926 A CN116817926 A CN 116817926A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- map
- image
- current vehicle
- indoor
- 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 72
- 230000000007 visual effect Effects 0.000 claims description 35
- 230000011218 segmentation Effects 0.000 claims description 18
- 238000004590 computer program Methods 0.000 claims description 16
- 230000001133 acceleration Effects 0.000 claims description 6
- 230000007613 environmental effect Effects 0.000 claims description 6
- 230000004807 localization Effects 0.000 claims 1
- 230000008569 process Effects 0.000 description 13
- 230000006870 function Effects 0.000 description 10
- 238000004891 communication Methods 0.000 description 9
- 238000010586 diagram Methods 0.000 description 8
- 238000005516 engineering process Methods 0.000 description 7
- 238000004364 calculation method Methods 0.000 description 6
- 238000005259 measurement Methods 0.000 description 6
- 238000012545 processing Methods 0.000 description 6
- 230000010354 integration Effects 0.000 description 4
- 238000007781 pre-processing Methods 0.000 description 4
- 230000009466 transformation Effects 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 238000013527 convolutional neural network Methods 0.000 description 2
- 238000012937 correction Methods 0.000 description 2
- 230000004927 fusion Effects 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 239000000047 product Substances 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 235000004522 Pentaglottis sempervirens Nutrition 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 238000005452 bending Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000001413 cellular effect 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
- 238000000605 extraction Methods 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 230000000877 morphologic effect Effects 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
- 239000013589 supplement Substances 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000000844 transformation Methods 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Classifications
-
- 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
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D30/00—Reducing energy consumption in communication networks
- Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks
Landscapes
- Navigation (AREA)
Abstract
本发明公开了一种车辆定位方法、装置、电子设备及存储介质。该方法包括:获取当前车辆所处的室内区域的室内环境图像和对应的矢量地图;根据室内环境图像和对应的矢量地图,确定当前车辆的车辆位置;获取至少一个超带宽基站发出的超带宽信号,并确定当前车辆的室内位置;根据室内位置,对车辆位置进行修正,得到当前车辆的目标位置。本发明实施例的技术方案提高了车辆定位的精确度。
Description
技术领域
本发明涉及自动驾驶技术领域,尤其涉及一种车辆定位方法、装置、电子设备及存储介质。
背景技术
自主代客泊车(Automated Valet Parking,AVP)技术是自动驾驶领域的核心技术。AVP技术主要用于室内场景下的自动驾驶。针对室内场景,实现一种高效稳定的泊车定位功能是实现AVP技术功能的关键所在。
当前,车辆普遍使用的是基于惯性测量单元(Inertial Measurement Unit,IMU)对车辆的惯导数据进行测量及相关地累积积分计算,得到自动驾驶车辆在一定时间内的行驶轨迹和相对位置。
这种方法虽然能够得到一段时间内自动驾驶车辆精确的位姿信息,但在车辆的惯导数据在长时间的累计积分过程中,会因为累计积分误差的原因导致车辆产生漂移误差,影响车辆定位的精确度。
发明内容
本发明提供了一种车辆定位方法、装置、电子设备及存储介质,提高了车辆定位的精确度。
根据本发明的一方面,提供了一种车辆定位方法,该方法包括:
获取当前车辆所处的室内区域的室内环境图像和对应的矢量地图;
根据室内环境图像和对应的矢量地图,确定当前车辆的车辆位置;
获取至少一个超带宽基站发出的超带宽信号,并确定当前车辆的室内位置;
根据室内位置,对车辆位置进行修正,得到当前车辆的目标位置。
根据本发明的另一方面,提供了一种车辆定位装置,该装置包括:
矢量地图获取模块,用于获取当前车辆所处的室内区域的室内环境图像和对应的矢量地图;
车辆位置确定模块,用于根据室内环境图像和对应的矢量地图,确定当前车辆的车辆位置;
室内位置确定模块,用于获取至少一个超带宽基站发出的超带宽信号,并确定当前车辆的室内位置;
目标位置确定模块,用于根据室内位置,对车辆位置进行修正,得到当前车辆的目标位置。
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,通过获取当前车辆所处的室内区域的室内环境图像和对应的矢量地图,根据室内环境图像和对应的矢量地图,确定当前车辆的车辆位置,获取至少一个超带宽基站发出的超带宽信号,并确定当前车辆的室内位置,根据室内位置,对车辆位置进行修正,得到当前车辆的目标位置,解决了车辆的惯导数据在长时间的累计积分过程中,会因为累计积分误差的原因导致车辆产生漂移误差,影响车辆定位的精确度的问题,提高了车辆定位的精确度。
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是根据本发明实施例一提供的一种车辆定位方法的流程图;
图2是根据本发明实施例一提供的一种室内位置确定的原理图;
图3是根据本发明实施例二提供的一种车辆定位方法的流程图;
图4是根据本发明实施例二提供的一种车辆定位方法的原理图;
图5是根据本发明实施例三提供的一种车辆定位装置的结构示意图;
图6是实现本发明实施例的车辆定位方法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”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。
实施例一
图1为本发明实施例一提供的一种车辆定位方法的流程图。本发明实施例可适用于对车辆进行定位的情况,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承载车辆定位功能的电子设备中。
参见图1所示的车辆定位方法,包括:
S110、获取当前车辆所处的室内区域的室内环境图像和对应的矢量地图。
自主代客泊车(Automated Valet Parking,AVP)技术是自动驾驶领域的核心技术。AVP技术主要针对自动驾驶车辆在室内场景等。AVP技术的核心点在于解决“最后一公里”的停车诉求。针对室内场景的现状,全球定位系统(Global Positioning System,GPS)无法进行工作,因此,实现一种高效稳定的泊车定位功能是实现AVP技术功能的关键所在。当前,车辆普遍使用的是基于惯性测量单元(Inertial Measurement Unit,IMU)或车辆轮速脉冲等数据源,对车辆的惯导数据进行测量及相关地累积积分计算,得到自动驾驶车辆在一定时间内的行驶轨迹和相对位置。这种方法虽然能够得到一段时间内自动驾驶车辆精确的位姿信息,但是车辆的惯导数据在长时间的累计积分过程中,会因为累计积分误差的原因导致车辆产生漂移误差,影响车辆定位的精确度。
室内区域可以包括停车楼或地下停车场等。室内区域中全球定位系统无法进行定位或者定位精度很低。室内环境图像可以是当前车辆所处的室内区域的环境图像。可选的,室内环境图像可以由安装在当前车辆上的视觉摄像头进行采集。示例性的,视觉摄像头可以为鱼眼摄像头,规格可以为4K超高清500万180度旋转的全景摄像头。可选的,视觉摄像头的数量可以为4个,可以分别固定安装于当前车辆的正前方、左右后视镜下方和车体正后方,从而构成车辆周围环境的360度环视视角。相较于将视觉摄像头安装于室内区域,成本难以控制且难以普及,将视觉摄像头安装于当前车辆上,实现了对成本的控制和定位方式的普及。矢量地图可以是预先构建的当前车辆所在的室内区域的地图。可选的,可以通过搭配具有高精度传感器的专业采图车进行构建;也可以通过自动驾驶车辆的视觉里程计进行构建。
具体的,可以获取安装于当前车辆上的视觉摄像头采集的当前车辆所处的室内区域的室内环境图像和预先构建的对应的矢量地图。
S120、根据室内环境图像和对应的矢量地图,确定当前车辆的车辆位置。
当前车辆的车辆位置可以为根据车辆自身设备确定的当前车辆在室内区域的位置。例如,根据室内环境图像和对应的矢量地图确定的当前车辆在室内区域的位置。
具体的,可以根据室内环境图像在对应的矢量地图中进行匹配定位,确定当前车辆的车辆位置。
S130、获取至少一个超带宽基站发出的超带宽信号,并确定当前车辆的室内位置。
可以通过超带宽(Ultra-Wide Band,UWB)基站与当前车辆之间进行通信,确定当前车辆的室内位置。超带宽基站可以布设在室内区域。示例性的,可以在室内区域中每隔15米布设一个,以实现室内区域的所有面积的覆盖。可选的,当前车辆可以获取4个超带宽基站发出的超带宽信号。超带宽信号可以包括超带宽报文。当前车辆的室内位置可以为根据超带宽信号确定的当前车辆在室内区域的位置。相比较而言,当前车辆的车辆位置和当前车辆的室内位置,定位的对象均为当前车辆,但是定位的方式不同。同时,相较于其他的室内定位方式,例如Wi-Fi(Wireless Fidelity,无线网)或蓝牙(Blue-tooth)等方式,超带宽定位方式精度更高。示例性的,Wi-Fi定位方式的定位精度通常为50cm,超带宽定位方式的定位精度为横纵向20cm。
示例性的,图2为一种室内位置确定的原理图。如图2所示,室内区域的超带宽基站通过室外GNSS(Global Navigation Satellite System,全球导航卫星系统)信号,获取相关的同步授时设置。室内区域的各超带宽基站之间可以通过传输超带宽报文进行相关信息同步(例如授时同步),自动驾驶车辆(即当前车辆)可以同时获得4个以上的超带宽基站发出的超带宽信号,实现自身的精准定位。超带宽基站内部含有高精度定位引擎解算模块,可以实现对自动驾驶车辆(即当前车辆)的室内位置的解算。可选的,可以将解算后的当前车辆的室内位置的坐标系进行转换。其中,转换后的坐标系与当前车辆的车辆位置的坐标系相同。
具体的,可以获取至少一个超带宽基站发出的超带宽信号,并确定当前车辆的室内位置。
S140、根据室内位置,对车辆位置进行修正,得到当前车辆的目标位置。
目标位置可以是通过室内位置和车辆位置确定的当前车辆的位置。由于室内区域的环境光线等因素,相比较而言,基于超带宽信号所得到的当前车辆的室内位置的精确度高于基于室内环境图像和矢量地图所得到的当前车辆的车辆位置的精确度。可以通过室内位置对车辆位置进行修正,以提高最终得到的目标位置的精确度。
具体的,可以对室内位置和车辆位置进行融合,对当前车辆的车辆位置进行修正,得到当前车辆的目标位置。可选的,可以对室内位置和车辆位置进行加权求和。其中,室内位置的权重可以高于车辆位置的权重。示例性的,室内位置的权重可以为0.7,车辆位置的权重可以为0.3。
本发明实施例的技术方案,通过获取当前车辆所处的室内区域的室内环境图像和对应的矢量地图,根据室内环境图像和对应的矢量地图,确定当前车辆的车辆位置,获取至少一个超带宽基站发出的超带宽信号,并确定当前车辆的室内位置,根据室内位置,对车辆位置进行修正,得到当前车辆的目标位置,利用其他方式实现了对当前车辆的定位,解决了车辆的惯导数据在长时间的累计积分过程中,会因为累计积分误差的原因使得车辆产生漂移误差,影响车辆定位的精确度的问题,基于室内环境图像和矢量地图得到的当前车辆的车辆位置,以及基于超带宽信号得到的当前车辆的室内位置,利用不同定位方式实现了对当前车辆的定位,并通过室内位置对车辆位置进行修正,实现了不同定位方式的定位融合,进一步提高了车辆定位的精确度。
在本发明的一个可选实施例中,根据室内环境图像和对应的矢量地图,确定当前车辆的车辆位置,包括:获取当前车辆的惯导数据;惯导数据包括车速、加速度和角速度;对惯导数据进行计算,得到当前车辆的惯导位置;根据室内环境图像和对应的矢量地图,确定当前车辆的地图位置;对惯导位置和地图位置进行融合,得到当前车辆的车辆位置。
当前车辆的惯导数据可以是惯导采集的当前车辆的数据。可选的,惯导可以安装于当前车辆的后备箱中间。示例性的,惯导可以为组合惯导;当前车辆的惯导数据可以包括当前车辆的车速、加速度和/或角速度等。可选的,当前车辆的惯导数据还可以包括当前车辆的轮速。可以通过惯性测量单元(Inertial Measurement Unit,IMU)或车辆轮速脉冲等对一定时间内的惯导数据进行累计积分计算,得到当前车辆在一定时间内的行驶轨迹和惯导位置。惯导位置可以是基于惯导所得到的当前车辆的位置。地图位置可以是基于室内环境图像和对应的矢量地图所得到的当前车辆的位置。可以先将惯导位置转换至地图位置所在的坐标系下。然后,对惯导位置和地图位置进行加权求和,得到当前车辆的车辆位置。可选的,惯导位置的权重和地图位置的权重可以由室内区域的环境光线进行设定和调整。示例性的,在室内区域的环境光线较差时(例如检测到室内环境图像的像素小于第一预设环境图像阈值时),可以将惯导位置的权重设定为1,可以将地图位置的权重设定为0;在室内区域的环境光线一般时(例如检测到室内环境图像的像素大于等于第一预设环境图像阈值,小于第二预设环境图像阈值时),可以将惯导位置的权重设定为0.5,可以将地图位置的权重设定为0.5;在室内区域的环境光线较好时(例如检测到室内环境图像的像素大于等于第二预设环境图像阈值时),可以将惯导位置的权重设定为0,可以将地图位置的权重设定为1。其中,第一预设环境图像阈值小于第二预设环境图像阈值。第一环境图像阈值和第二环境图像阈值可以根据人员的经验进行设定和调整。
本方案通过确定当前车辆的惯导位置,并通过对惯导位置和地图位置进行融合,确定当前车辆的车辆位置,实现了对地图位置的补充,避免了室内区域的环境因素对当前车辆的车辆位置的精确度的影响,进一步提高了当前车辆的车辆位置确定的准确度。
在本发明的一个可选实施例中,室内区域包括室内停车场;在根据室内位置,对车辆位置进行修正,得到当前车辆的目标位置之后,还包括:根据当前车辆的目标位置和对应的矢量地图,控制当前车辆自动泊车。
室内停车场可以包括停车楼或地下停车场等。可选的,控制当前车辆自动泊车可以包括控制当前车辆自动泊入停车位等。
具体的,在根据室内位置,对车辆位置进行修正,得到当前车辆的目标位置之后,可以根据当前车辆的目标位置和矢量地图,控制当前车辆自动泊车。
本方案通过当前车辆的目标位置和对应的矢量地图,控制当前车辆自动泊车,提高了室内区域自动泊车的准确度。
实施例二
图3为本发明实施例二提供的一种车辆定位方法的流程图。本发明实施例在上述实施例的基础上,将“根据室内环境图像和对应的矢量地图,确定当前车辆的车辆位置”具体化为“对室内环境图像进行视觉语义分割,得到图像语义元素和图像语义元素与当前车辆之间的距离;根据矢量地图包括地图语义元素和对应的位置,在矢量地图的各地图语义元素中,确定与图像语义元素匹配的目标地图语义元素,并将地图语义元素对应的位置确定为图像语义元素对应的位置;根据图像语义元素对应的位置,以及图像语义元素与当前车辆之间的距离,确定当前车辆的车辆位置”,利用地图语义元素和图像语义元素进行匹配的方式,确定当前车辆的车辆位置,进一步提高了车辆位置确定的效率和准确度。需要说明的是,在本发明实施例中未详述的部分,可参见其他实施例的表述。
参见图3所示的车辆定位方法,包括:
S310、获取当前车辆所处的室内区域的室内环境图像和对应的矢量地图。
S320、对室内环境图像进行视觉语义分割,得到图像语义元素和图像语义元素与当前车辆之间的距离。
图像语义元素可以是室内环境图像内用于定位和泊车的关键元素。图像语义元素可以从室内环境图像中提取。示例性的,图像语义元素可以包括室内环境中的车道线、减速带、箭头、人行横道和车位线等。
具体的,可以将室内环境图像输入至预先训练好的第一视觉语义分割模型中,输出图像语义元素和图像语义元素与当前车辆之间的距离。其中,第一视觉语义分割模型的训练样本可以包括室内环境图像样本、图像语义元素样本和图像语义元素与当前车辆之间的距离样本。
S330、根据矢量地图包括地图语义元素和对应的位置,在矢量地图的各地图语义元素中,确定与图像语义元素匹配的目标地图语义元素,并将目标地图语义元素对应的位置确定为图像语义元素对应的位置。
矢量地图中包括地图语义元素和对应的位置。相较于包含全部位置的其他地图而言,矢量地图中仅包含对泊车和定位有关的语义元素的位置。矢量地图可以有效降低地图本身对存储资源的浪费,在一定程度上可以节省计算资源。地图语义元素可以是矢量地图中用于定位和泊车的关键元素。地图语义元素与图像语义元素包含的内容可以相同。示例性的,地图语义元素也可以包括室内环境中的车道线、减速带、箭头、人行横道和车位线等。在矢量地图中,每个地图语义元素均有一一对应的位置。相应的,确定地图语义元素,可以确定对应的位置。目标语义元素可以是各地图语义元素中与图像语义元素相匹配的与地图语义元素。
具体的,可以根据矢量地图中包括的地图语义元素和对应的位置,在矢量地图的各地图语义元素中,查询与图像语义元素同类型的各地图语义元素,根据室内环境图像中图像语义元素的分布情况,确定与图像语义元素匹配的目标地图语义元素,并将目标地图语义元素的位置确定为该图像语义元素对应的位置。
S340、根据图像语义元素对应的位置,以及图像语义元素与当前车辆之间的距离,确定当前车辆的车辆位置。
具体的,可以将图像语义元素对应的位置,按照图像语义元素与当前车辆之间的距离进行偏离,得到当前车辆的位置。
S350、获取至少一个超带宽基站发出的超带宽信号,并确定当前车辆的室内位置。
S360、根据室内位置,对车辆位置进行修正,得到当前车辆的目标位置。
本发明实施例的技术方案,通过获取当前车辆所处的室内区域的室内环境图像和对应的矢量地图,对室内环境图像进行视觉语义分割,得到图像语义元素和图像语义元素与当前车辆之间的距离,根据矢量地图包括地图语义元素和对应的位置,在矢量地图的各地图语义元素中,确定与图像语义元素匹配的目标地图语义元素,并将地图语义元素对应的位置确定为图像语义元素对应的位置,根据图像语义元素对应的位置,以及图像语义元素与当前车辆之间的距离,确定当前车辆的车辆位置,获取至少一个超带宽基站发出的超带宽信号,并确定当前车辆的室内位置,根据室内位置,对车辆位置进行修正,得到当前车辆的目标位置,利用地图语义元素和图像语义元素进行匹配的方式,确定当前车辆的车辆位置,进一步提高了车辆位置确定的效率和准确度。
在本发明的一个可选实施例中,对室内环境图像进行视觉语义分割之后,还包括:得到图像语义元素对应的位置;根据矢量地图包括地图语义元素和对应的位置,在矢量地图的各地图语义元素中,确定与图像语义元素匹配的目标地图语义元素,并将目标地图语义元素对应的位置确定为图像语义元素对应的位置,包括:针对与图像语义元素属于同一类别的地图语义元素,计算地图语义元素对应的位置和图像语义元素对应的位置之间的位置距离;将位置距离最小的地图语义元素,确定为与图像语义元素匹配的目标地图语义元素;根据目标地图语义元素对应的位置对图像语义元素对应的位置进行更新。
图像语义元素对应的位置可以为根据室内环境图像和对应的矢量地图确定的图像语义元素的位置。
具体的,可以将室内环境图像输入至预先训练好的第二视觉语义分割模型中,输出图像语义元素、图像语义元素的位置和图像语义元素与当前车辆之间的距离。其中,第二视觉语义分割模型的训练样本可以包括室内环境图像样本、图像语义元素样本、图像语义元素的位置样本和图像语义元素与当前车辆之间的距离样本。第一视觉语义分割模型和第二视觉语义元素分割模型的输入输出不同。第一视觉语义分割模型和第二视觉语义元素分割模型的作用相同。可以针对与图像语义元素属于同一类别的地图语义元素,根据地图语义元素对应的位置,计算地图语义元素对应的位置和图像语义元素对应的位置之间的位置距离。可以将位置距离最小的地图语义元素确定为与图像语义元素匹配的目标地图语义元素。可以根据目标地图语义元素对应的位置,对图像语义元素对应的位置进行更新。
示例性的,可以采用以下公式确定目标地图语义元素:
Mo=argminF(D,M,β);
其中,Mo为目标地图语义元素;F为损失函数;D为地图语义元素;M为图像语义元素;β为优化变量。
本方案利用图像语义元素对应的位置和地图语义元素对应的位置之间的距离,确定目标地图语义元素,进而实现对图像语义元素对应的位置进行更新,简化了图像语义元素对应的位置的确定过程,进一步提高了当前车辆的车辆位置的确定效率。
在本发明的一个可选实施例中,图像语义元素对应的位置包括至少一个图像语义元素的轮廓点对应的位置;地图语义元素对应的位置包括至少一个地图语义元素的轮廓点对应的位置;计算地图语义元素对应的位置和图像语义元素对应的位置之间的位置距离,包括:计算地图语义元素的轮廓点对应的位置和对应的图像语义元素的轮廓点对应的位置之间的轮廓点距离;对各轮廓点距离进行求和,得到地图语义元素对应的位置和图像语义元素对应的位置之间的位置距离。
图像语义元素的轮廓点可以为图像语义元素的顶点、中点、角点和其他点。相应的,地图语义元素的轮廓点也可以包括地图语义元素的顶点、中点、角点和其他点。
具体的,可以计算地图语义元素的轮廓点对应的位置和对应的图像语义元素的轮廓点对应的位置之间的轮廓点距离。可以对各轮廓点距离进行求和,得到地图语义元素对应的位置和图像语义元素之间的位置距离。
示例性的,可以采用以下公式,计算地图语义元素对应的位置和图像语义元素之间的位置距离:
其中,Fc为地图语义元素对应的位置和图像语义元素之间的位置距离;Dc为图像语义元素;Mc为地图语义元素;β为优化变量;di为图像语义元素中的第i个轮廓点;mi为地图语义元素中第i个轮廓点;i为轮廓点编号。
本方案通过图像语义元素的轮廓点和地图语义元素的轮廓点,计算地图语义元素对应的位置和图像语义元素之间的位置距离,通过更多的数据量,进一步提高了位置距离计算的准确度,进而提高了车辆定位的准确度。
在本发明的一个可选实施例中,图像语义元素包括下述至少一项:车道线、减速带、箭头和车位线。
车道线可以用于界定室内区域中车辆的行驶区域。减速带可以用于在车辆行驶过程中对车辆进行减速。箭头可以用于指示车辆行驶方向。车位线可以用于指示车辆的停车范围。
本方案通过将图像语义元素具体化为车道线、减速带、箭头和车位线中至少一项,利用车辆行驶和泊车过程中标志性的语义元素,实现了对车辆的定位,进一步提高了车辆定位的效率。
可选的,图4为一种车辆定位方法的原理图。如图4所示,该方法包括两大定位源,分别为车端定位源和厂端定位源。首先,车端定位源包括两个部分,分别是视觉语义模块和IMU/轮速脉冲模块。对于视觉语义定位模块,视觉摄像头采用4路鱼眼摄像头,规格为4K超高清500万180度旋转的全景摄像头,4路摄像头分别安装固定在车辆的正前方、左右后视镜下方以及车体正后方,从而构成对车辆周围环境的360度环视视角。通过视觉摄像头获取到当前车辆所在区域的室内环境图像之后,可以对四路图像进行相关的图像预处理。示例性的,预处理的过程可以包括:
步骤1、鱼眼图像去畸变:鱼眼摄像头采集的室内环境图像存在中间大周边小的成像特点,在本方案中,可以使用基于棋盘标定的校正方法。将鱼眼图像“天生”的桶形畸变进行矫正,以实现对室内环境图像的中间区域进行挤压,呈现压平的状态。相较于原始鱼眼摄像头采集的室内环境图像,现实中的直线,在鱼眼摄像头采集的室内环境图像中呈现弯曲状态,矫正后的室内环境图像在校正后变成为直线。
步骤2、图像投影变换:为了进一步消除现实中本应该平行的物体,在室内环境图像中呈现相交或弯曲的现象,可以采用逆透视变换(Inverse Perspective Mapping,IPM)方法对图像进行处理。
步骤3、鸟瞰图拼接与平滑:该步骤是图像预处理过程中最重要的一步。生成鸟瞰图的过程可以理解为,将4路鱼眼摄像头拍摄到的室内环境图像,投影到从车辆正上方的相机角度拍摄到的和地面平行的图像。因为对4路鱼眼摄像头拍摄的室内环境图像进行拼接,因此拼接处往往存在重叠的区域。可以首先将投影图像中重叠区域取出来,对其进行灰度值并二值化,利用形态学操作去掉噪点,之后可以得到重叠区域一个完整的遮盖,然后将遮盖添加到拼接图中,从而得到针对于鸟瞰图的拼接与平滑图像。
在对室内环境图像进行图像预处理之后,可以对拼接后的室内环境图像进行视觉语义分割,将图像语义元素从室内环境图像中分割出来。可以使用UNet(U型)卷积神经网络实现视觉语义分割。示例性的,分割的图像语义元素可以包括车道线、减速带、箭头、人行横道和车位线等。需要说明的是,实际使用过程中的图像语义元素相较于上述示例要丰富的多,之所以使用上述几种图像语义元素是因为它们在室内区域中是最关键的几个,并且上述的几种图像语义元素可以完成对车辆周围的室内环境的有效表达,同时也有利于卷积神经网络的收敛,并且能够提升网络特征提取的精度。之后,还可以进行视觉里程计的计算,视觉里程计可以计算两帧图像前后的运动变换,结合一定时间内的所有运动变换,形成对自动驾驶车辆的轨迹定位以及周围环境的局部地图构建。对于IMU/轮速脉冲模块,可以使用惯性组合导航系统。可选的,可以将组合惯导安装固定在自动驾驶车辆的后备箱中间,用于测量自动驾驶车辆的加速度以及角速度。IMU模块能够提供100HZ的相对定位源,通过相应的加速度以及角速度,可以对自动驾驶车辆在一定时间内的惯导数据进行累计积分计算,得到相应的行驶轨迹以及位姿信息。IMU模块可以对视觉语义模块的定位进行补充,可以提升车辆的定位精度。
其次,对于厂端定位源,除UWB定位源之外,其他实现厂端定位源的方式包括Wi-Fi定位方式和全场景摄像头定位方式等。其中,Wi-Fi定位方式的定位精度为50cm,不符合室内定位的高精度要求。而全场景摄像头定位方式,由于成本难以控制,难以普及。本方案中采用UWB定位源作为厂端定位源。经过测试,其定位精度可以实现横纵向20cm误差范围以内。室内区域的超带宽基站通过室外GNSS信号,获取相关的同步授时设置。室内区域的各超带宽基站之间可以通过传输超带宽报文进行相关信息同步(例如授时同步),自动驾驶车辆(即当前车辆)可以同时获得4个以上的超带宽基站发出的超带宽信号,实现自身的精准定位。超带宽基站内部含有高精度定位引擎解算模块,可以实现对自动驾驶车辆(即当前车辆)的室内位置的解算。可选的,可以将解算后的当前车辆的室内位置的坐标系进行转换。其中,转换后的坐标系与当前车辆的车辆位置的坐标系相同。
本方案通过使用鲁棒性较强的视觉语义检测结果实现自动驾驶车辆周围的环境信息表达,增强了视觉定位的稳定性;通过采用矢量化的形式对室内区域的环境的地图进行表示,有效地降低了地图本身对存储资源的占用,也一定程度上降低了计算资源;通过除了基于车辆本身的定位源之外,还引入了基于UWB定位源的厂端定位源,实现对定位精度的有效提升;通过使用语义元素以及矢量地图进行匹配的定位方式,有效地实现了矢量地图的语义元素的一致性,通过对于语义元素的提取,还可以有效地避免室内区域的环境变化对语义元素的影响。
实施例三
图5为本发明实施例三提供的一种车辆定位装置的结构示意图。本发明实施例可适用于对车辆进行定位的情况,该装置可以执行车辆定位方法,该装置可以采用硬件和/或软件的形式实现,该装置可配置于承载车辆定位功能的电子设备中。
参见图5所示的车辆定位装置,包括:矢量地图获取模块510、车辆位置确定模块520、室内位置确定模块530和目标位置确定模块540。其中,矢量地图获取模块510,用于获取当前车辆所处的室内区域的室内环境图像和对应的矢量地图;车辆位置确定模块520,用于根据室内环境图像和对应的矢量地图,确定当前车辆的车辆位置;室内位置确定模块530,用于获取至少一个超带宽基站发出的超带宽信号,并确定当前车辆的室内位置;目标位置确定模块540,用于根据室内位置,对车辆位置进行修正,得到当前车辆的目标位置。
本发明实施例的技术方案,通过获取当前车辆所处的室内区域的室内环境图像和对应的矢量地图,根据室内环境图像和对应的矢量地图,确定当前车辆的车辆位置,获取至少一个超带宽基站发出的超带宽信号,并确定当前车辆的室内位置,根据室内位置,对车辆位置进行修正,得到当前车辆的目标位置,利用其他方式实现了对当前车辆的定位,解决了车辆的惯导数据在长时间的累计积分过程中,会因为累计积分误差的原因使得车辆产生漂移误差,影响车辆定位的精确度的问题,基于室内环境图像和矢量地图得到的当前车辆的车辆位置,以及基于超带宽信号得到的当前车辆的室内位置,利用不同定位方式实现了对当前车辆的定位,并通过室内位置对车辆位置进行修正,实现了不同定位方式的定位融合,进一步提高了车辆定位的精确度。
在本发明的一个可选实施例中,车辆位置确定模块520,包括:图像语义元素确定单元,用于对室内环境图像进行视觉语义分割,得到图像语义元素和图像语义元素与当前车辆之间的距离;目标地图语义元素确定单元,用于根据矢量地图包括地图语义元素和对应的位置,在矢量地图的各地图语义元素中,确定与图像语义元素匹配的目标地图语义元素,并将地图语义元素对应的位置确定为图像语义元素对应的位置;车辆位置确定单元,用于根据图像语义元素对应的位置,以及图像语义元素与当前车辆之间的距离,确定当前车辆的车辆位置。
在本发明的一个可选实施例中,图像语义元素确定单元对室内环境图像进行视觉语义分割之后,车辆位置确定模块520,还包括:图像语义元素位置确定单元,用于得到图像语义元素对应的位置;目标地图语义元素确定单元,包括:位置距离确定子单元,用于针对与图像语义元素属于同一类别的地图语义元素,计算地图语义元素对应的位置和图像语义元素对应的位置之间的位置距离;目标地图语义元素确定子单元,用于将位置距离最小的地图语义元素,确定为与图像语义元素匹配的目标地图语义元素;图像语义元素位置更新子单元,用于根据目标地图语义元素对应的位置对图像语义元素对应的位置进行更新。
在本发明的一个可选实施例中,图像语义元素对应的位置包括至少一个图像语义元素的轮廓点对应的位置;地图语义元素对应的位置包括至少一个地图语义元素的轮廓点对应的位置;位置距离确定子单元,具体用于:计算地图语义元素的轮廓点对应的位置和对应的图像语义元素的轮廓点对应的位置之间的轮廓点距离;对各轮廓点距离进行求和,得到地图语义元素对应的位置和图像语义元素对应的位置之间的位置距离。
在本发明的一个可选实施例中,图像语义元素包括下述至少一项:车道线、减速带、箭头和车位线。
在本发明的一个可选实施例中,车辆位置确定模块520,包括:惯导数据获取单元,用于获取当前车辆的惯导数据;惯导数据包括车速、加速度和角速度;对惯导数据进行计算,得到当前车辆的惯导位置;根据室内环境图像和对应的矢量地图,确定当前车辆的地图位置;对惯导位置和地图位置进行融合,得到当前车辆的车辆位置。
在本发明的一个可选实施例中,室内区域包括室内停车场;在目标位置确定模块540根据室内位置,对车辆位置进行修正,得到当前车辆的目标位置之后,该装置,还包括:自动泊车控制模块,用于根据当前车辆的目标位置和对应的矢量地图,控制当前车辆自动泊车。
本发明实施例所提供的车辆定位装置可执行本发明任意实施例所提供的车辆定位方法,具备执行方法相应的功能模块和有益效果。
本发明实施例的技术方案中,所涉及的当前车辆所处的室内区域的室内环境图像、对应的矢量地图、至少一个超带宽基站发出的超带宽信号和当前车辆的惯导数据等的获取、存储和应用等,均符合相关法律法规的规定,且不违背公序良俗。
实施例四
图6示出了可以用来实施本发明的实施例的电子设备600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6所示,电子设备600包括至少一个处理器601,以及与至少一个处理器601通信连接的存储器,如只读存储器(ROM)602、随机访问存储器(RAM)603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601可以根据存储在只读存储器(ROM)602中的计算机程序或者从存储单元608加载到随机访问存储器(RAM)603中的计算机程序,来执行各种适当的动作和处理。在RAM 603中,还可存储电子设备600操作所需的各种程序和数据。处理器601、ROM 602以及RAM 603通过总线604彼此相连。输入/输出(I/O)接口605也连接至总线604。
电子设备600中的多个部件连接至I/O接口605,包括:输入单元606,例如键盘、鼠标等;输出单元607,例如各种类型的显示器、扬声器等;存储单元608,例如磁盘、光盘等;以及通信单元609,例如网卡、调制解调器、无线通信收发机等。通信单元609允许电子设备600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601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601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601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608。在一些实施例中,计算机程序的部分或者全部可以经由ROM 602和/或通信单元609而被载入和/或安装到电子设备600上。当计算机程序加载到RAM 603并由处理器601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601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、现场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、复杂可编程逻辑设备(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(VirtualPrivate Server,虚拟专用服务器)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,所述方法包括:
获取当前车辆所处的室内区域的室内环境图像和对应的矢量地图;
根据所述室内环境图像和对应的所述矢量地图,确定所述当前车辆的车辆位置;
获取至少一个超带宽基站发出的超带宽信号,并确定所述当前车辆的室内位置;
根据所述室内位置,对所述车辆位置进行修正,得到所述当前车辆的目标位置。
2.根据权利要求1所述的方法,其特征在于,所述根据所述室内环境图像和对应的所述矢量地图,确定所述当前车辆的车辆位置,包括:
对所述室内环境图像进行视觉语义分割,得到图像语义元素和所述图像语义元素与所述当前车辆之间的距离;
根据所述矢量地图包括地图语义元素和对应的位置,在所述矢量地图的各所述地图语义元素中,确定与所述图像语义元素匹配的目标地图语义元素,并将所述目标地图语义元素对应的位置确定为所述图像语义元素对应的位置;
根据所述图像语义元素对应的位置,以及所述图像语义元素与所述当前车辆之间的距离,确定所述当前车辆的车辆位置。
3.根据权利要求2所述的方法,其特征在于,在所述对所述室内环境图像进行视觉语义分割之后,还包括:
得到图像语义元素对应的位置;
所述根据所述矢量地图包括地图语义元素和对应的位置,在所述矢量地图的各所述地图语义元素中,确定与所述图像语义元素匹配的目标地图语义元素,并将所述目标地图语义元素对应的位置确定为所述图像语义元素对应的位置,包括:
针对与所述图像语义元素属于同一类别的所述地图语义元素,计算所述地图语义元素对应的位置和所述图像语义元素对应的位置之间的位置距离;
将所述位置距离最小的地图语义元素,确定为与所述图像语义元素匹配的目标地图语义元素;
根据所述目标地图语义元素对应的位置对所述图像语义元素对应的位置进行更新。
4.根据权利要求3所述的方法,其特征在于,所述图像语义元素对应的位置包括至少一个图像语义元素的轮廓点对应的位置;所述地图语义元素对应的位置包括至少一个地图语义元素的轮廓点对应的位置;
所述计算所述地图语义元素对应的位置和所述图像语义元素对应的位置之间的位置距离,包括:
计算所述地图语义元素的轮廓点对应的位置和对应的所述图像语义元素的轮廓点对应的位置之间的轮廓点距离;
对各所述轮廓点距离进行求和,得到所述地图语义元素对应的位置和所述图像语义元素对应的位置之间的位置距离。
5.根据权利要求3所述的方法,其特征在于,所述图像语义元素包括下述至少一项:车道线、减速带、箭头和车位线。
6.根据权利要求1所述的方法,其特征在于,所述根据所述室内环境图像和对应的所述矢量地图,确定所述当前车辆的车辆位置,包括:
获取所述当前车辆的惯导数据;所述惯导数据包括车速、加速度和角速度;
对所述惯导数据进行计算,得到所述当前车辆的惯导位置;
根据所述室内环境图像和对应的所述矢量地图,确定所述当前车辆的地图位置;
对所述惯导位置和所述地图位置进行融合,得到所述当前车辆的车辆位置。
7.根据权利要求1所述的方法,其特征在于,所述室内区域包括室内停车场;在所述根据所述室内位置,对所述车辆位置进行修正,得到所述当前车辆的目标位置之后,还包括:
根据所述当前车辆的目标位置和对应的所述矢量地图,控制所述当前车辆自动泊车。
8.一种车辆定位装置,其特征在于,所述装置包括:
矢量地图获取模块,用于获取当前车辆所处的室内区域的室内环境图像和对应的矢量地图;
车辆位置确定模块,用于根据所述室内环境图像和对应的所述矢量地图,确定所述当前车辆的车辆位置;
室内位置确定模块,用于获取至少一个超带宽基站发出的超带宽信号,并确定所述当前车辆的室内位置;
目标位置确定模块,用于根据所述室内位置,对所述车辆位置进行修正,得到所述当前车辆的目标位置。
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1-7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1-7中任一项所述的车辆定位方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310807531.0A CN116817926A (zh) | 2023-07-03 | 2023-07-03 | 车辆定位方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310807531.0A CN116817926A (zh) | 2023-07-03 | 2023-07-03 | 车辆定位方法、装置、电子设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116817926A true CN116817926A (zh) | 2023-09-29 |
Family
ID=88116462
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310807531.0A Pending CN116817926A (zh) | 2023-07-03 | 2023-07-03 | 车辆定位方法、装置、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116817926A (zh) |
-
2023
- 2023-07-03 CN CN202310807531.0A patent/CN116817926A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
KR102145109B1 (ko) | 지도 생성 및 운동 객체 위치 결정 방법 및 장치 | |
CN108230379B (zh) | 用于融合点云数据的方法和装置 | |
Alonso et al. | Accurate global localization using visual odometry and digital maps on urban environments | |
CN113870343B (zh) | 相对位姿标定方法、装置、计算机设备和存储介质 | |
CN110617821B (zh) | 定位方法、装置及存储介质 | |
CN111261016B (zh) | 道路地图的构建方法、装置和电子设备 | |
CN113409459B (zh) | 高精地图的生产方法、装置、设备和计算机存储介质 | |
CN111830953A (zh) | 车辆自定位方法、装置及系统 | |
CN112967344B (zh) | 相机外参标定的方法、设备、存储介质及程序产品 | |
CN116255992A (zh) | 一种同时定位与建图的方法和装置 | |
CN113743155A (zh) | 一种构建物体的多细节层次模型的方法及计算机设备 | |
CN112700486A (zh) | 对图像中路面车道线的深度进行估计的方法及装置 | |
CN110515110B (zh) | 数据评估的方法、装置、设备和计算机可读存储介质 | |
CN114217665A (zh) | 一种相机和激光雷达时间同步方法、装置及存储介质 | |
CN113580134A (zh) | 视觉定位方法、设备、机器人、存储介质及程序产品 | |
CN117232499A (zh) | 多传感器融合的点云地图构建方法、装置、设备及介质 | |
CN113610702B (zh) | 一种建图方法、装置、电子设备及存储介质 | |
CN112652062A (zh) | 一种点云地图构建方法、装置、设备和存储介质 | |
KR102249381B1 (ko) | 3차원 영상 정보를 이용한 모바일 디바이스의 공간 정보 생성 시스템 및 방법 | |
CN113240813A (zh) | 三维点云信息确定方法及装置 | |
CN116777966A (zh) | 一种农田路面环境下车辆航向角的计算方法 | |
CN112651991A (zh) | 视觉定位方法、装置及计算机系统 | |
CN115790621A (zh) | 高精地图更新方法、装置及电子设备 | |
KR20200142315A (ko) | 도로 네트워크를 갱신하는 방법 및 장치 | |
CN115620264A (zh) | 车辆定位方法、装置、电子设备和计算机可读介质 |
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 |