CN117109599A - 基于路侧二维码的车辆辅助定位方法、设备和介质 - Google Patents

Abstract

本发明实施例公开了一种基于路侧二维码的车辆辅助定位方法、设备和介质。其中，方法包括：在车辆行驶过程中，通过车载摄像头实时采集路侧二维码图像；根据所述二维码图像，实时确定二维码的位置以及车辆与二维码的直线距离；根据所述直线距离和标定好的数据库，实时确定车辆与道路边缘的横向距离；根据所述二维码的位置、所述横向距离和道路方位角，实时计算车辆位置。本实施例在成本可控的情况下，提高车辆定位的精度。

Description

基于路侧二维码的车辆辅助定位方法、设备和介质

技术领域

本发明实施例涉及智能交通技术领域，尤其涉及一种基于路侧二维码的车辆辅助定位方法、设备和介质。

背景技术

车辆高精度定位是促进智能交通系统发展的关键技术。卫星定位系统是车辆定位的主要手段，具有价格低廉、易安装等优点，但缺点是精度有限，尤其是在卫星信号被遮挡的地方（如高楼林立的城市道路、地下隧道、高架桥底部、林荫道等）无法输出定位数据。为解决卫星信号盲区，提高定位精度，行业内陆续提出通过无线电（例如蜂窝网、局域网等）、惯性测量单元（Inertial Measurement Unit，IMU）、传感器及高精度地图等多种技术融合手段，但其仍存在车辆定位研发高成本、不易产业化等问题。

现有技术中，参考车路协同的技术路线，逐步利用道路基础设施智能化技术实现精准的车辆定位。例如，专利CN110164166A公开了一种车辆定位系统和方法，提到了利用路侧装置的位置和方向信息实现车辆定位，但并没有记载如何实现该过程。专利CN116597416A公开了一种车辆定位方法，借助于路侧相机实现车辆定位，但在不具备相机安装条件的路段也无法应用。

发明内容

本发明实施例提供一种基于路侧二维码的车辆辅助定位方法、设备和介质，以解决上述问题。

第一方面，本发明实施例提供了一种基于路侧二维码的车辆辅助定位方法，包括：

在车辆行驶过程中，通过车载摄像头实时采集路侧二维码图像；

根据所述二维码图像，实时确定二维码的位置以及车辆与二维码的直线距离；

根据所述直线距离和标定好的数据库，实时确定车辆与道路边缘的横向距离；

根据所述二维码的位置、所述横向距离和道路方位角，实时计算车辆位置。

第二方面，本发明实施例还提供了一种电子设备，所述电子设备包括：

一个或多个处理器；

存储器，用于存储一个或多个程序，

当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现任一实施例所述的基于路侧二维码的车辆辅助定位方法。

第三方面，本发明实施例还提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现任一实施例所述的基于路侧二维码的车辆辅助定位方法。

本发明实施例公开了一种基于路侧二维码的车辆辅助定位方法，通过在路侧部署带有位置信息的二维码标牌，与车载摄像头形成视觉信息交互，借助车载摄像头识别与扫描路侧二维码信息，实时获取车辆与目标标牌的相对位置信息，进而求解车辆自身位置信息。具体的，车辆行驶过程中通过车载摄像头周期性采集二维码图像；然后从真实的二维码图像中读取二维码标牌的位置信息，并求解二维码与车辆的直线距离；再将该直线距离与标定好的数据库比对，确定车辆与道路边缘的横向距离；最后借助经纬度与地球半径的几何关系，由所述直线距离、所述横向距离和二维码标牌的经纬度坐标，求解车辆的经纬度坐标。整个方法通过二维码标牌即可完成路侧部署，无需额外安装相机、摄像头等昂贵设备，在成本可控的前提下，充分利用道路、车载摄像头以及地球半径之间的空间位置关系，完成车辆位置的实时解算，解决了卫星信号丢失、遮挡或受到电磁干扰等特定环境下车辆定位间断、失真等问题，满足了车辆在隧道、地下停车场或高架桥等环境下的车辆持续定位需求，提高了车辆定位精度。

附图说明

为了更清楚地说明本发明具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施方式，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是本发明实施例提供的一种基于路侧二维码的车辆辅助定位方法的流程图；

图2是本发明实施例提供的一种基于二维码的路侧标牌设计图；

图3是本发明实施例提供的一种路侧标牌的部署位置示意图；

图4是本发明实施例提供的一种单目测距原理的示意图；

图5是本发明实施例提供的一种车辆位置求解的示意图；

图6是本发明实施例提供的一种方位角示意图；

图7是本发明实施例提供的车速为30km/h时的结果对比图，其中图7(a)为车辆经纬度的真实数据曲线图，图7(b)为车辆经纬度的测试数据曲线图；

图8是本发明实施例提供的车速为40km/h时的结果对比图，其中图8(a)为车辆经纬度的真实数据曲线图，图8(b)为车辆经纬度的测试数据曲线图；

图9是本发明实施例提供的车速为60km/h时的结果对比图，其中图9(a)为车辆经纬度的真实数据曲线图，图9(b)为车辆经纬度的测试数据曲线图

图10是本发明实施例提供的车速为80km/h时的结果对比图，其中图10(a)为车辆经纬度的真实数据曲线图，图10(b)为车辆经纬度的测试数据曲线图；

图11为本发明实施例提供的一种电子设备的结构示意图。

具体实施方式

为使本发明的目的、技术方案和优点更加清楚，下面将对本发明的技术方案进行清楚、完整的描述。显然，所描述的实施例仅是本发明一部分实施例，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的前提下所得到的所有其它实施例，都属于本发明所保护的范围。

在本发明的描述中，需要说明的是，术语“中心”、“上”、“下”、“左”、“右”、“竖直”、“水平”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。此外，术语“第一”、“第二”、“第三”仅用于描述目的，而不能理解为指示或暗示相对重要性。

在本发明的描述中，还需要说明的是，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本发明中的具体含义。

图1是本发明实施例提供的一种基于路侧二维码的车辆辅助定位方法的流程图。该方法适用于无法通过卫星定位系统获取车辆位置的情况，由电子设备执行。如图1所示，该方法具体包括：

S110、在车辆行驶过程中，通过车载摄像头实时采集路侧二维码图像。

本实施例借助于路侧的二维码标牌实现车辆定位，该标牌固定于路侧设定位置处，二维码图像内可以存储标牌位置、实际尺寸等信息。优选的，路侧标牌的设计和部署根据道路环境调研，结合交通标志标线等相关标准规范完成，在确保车辆安全行驶的前提下，尽可能扩大二维码标牌的识别区域，实现车辆高速识别二维码需求。示例性的，标牌的设计内容包括尺寸、形状、颜色、码制及存储信息；部署位置包括路侧已有立杆，新建立杆或其他可安装或张贴标牌且不影响车辆安全行驶的位置。图2为本发明实施例提供的一种基于二维码的路侧标牌设计图，图3则示例性的显示了路侧标牌的部署位置。

车辆前方安装有能够满足采集要求的高清车载摄像头，在行驶过程中以一定频次采集路侧标牌的二维码图像，作为后续操作的数据源。

S120、根据所述二维码图像，实时确定二维码的位置以及车辆与二维码的直线距离。

获取二维码图像后，可以根据二维码的编码规则读取二维码的位置信息。为了消除图像采集过程中存在的各种误差，本实施例借助于深度学习方法提高二维码信息的读取精度。在一具体实施方式中，该过程可以包括如下步骤：

步骤一、基于多个二维码构建关于二维码图像的样本库。具体来说，针对每个二维码，获取真实的二维码图像以及不同摄像头在不同条件下拍摄的二维码图像，由真实的二维码图像和拍摄的二维码图像共同构成训练样本库中的一组样本。其中，真实的二维码图像指无干扰、无形变的二维码图像；所述不同条件包括以下至少之一：不同角度、不同距离、不同环境、不同参数设置等。对真实的二维码图像进行扫描，能够准确读取码内存储的信息，排除实际拍摄环境下带来的各种误差。可选的，样本集可借助开源数据集，也可自行采集。

步骤二、以各拍摄的二维码图像为输入对深度学习模型进行训练，使模型的输出不断逼近对应的真实的二维码图像。可选的，所述深度学习模型为Yolov5模型，该模型具有良好的目标检测性能，能够对大、中、小不同尺寸的目标进行有效识别，特别适用于本实施例车辆行驶中二维码目标随着距离远近发生尺寸变化的情况。具体的，将任一二维码的各拍摄图像输入Yolov5模型进行训练，使模型输出不断逼近该二维码的真实图像。

步骤三、深度学习模型训练完毕后，将采集到的的二维码图像输入模型，得到真实的二维码图像；扫描所述真实的二维码图像，从中读取二维码的位置信息，作为车辆位置的参考。

需要说明的是，步骤一和步骤二的模型训练过程无需在每一次车辆定位中重复进行。通常可以在整个方法执行前预先完成模型训练，之后每一次车辆定位中直接使用训练好的模型即可。

同时，采集到二维码图像后，还可以根据二维码的像素宽度计算车辆与二维码的直线距离，作为车辆位置的一项计算依据。在一具体实施方式中，该过程可以包括如下步骤：

步骤一、根据采集到的二维码图像，确定二维码的实际尺寸，以及二维码在车载摄像头中的像素宽度。这里的实际尺寸指粘贴在标牌上的二维码尺寸。在二维码图像中存储有尺寸信息的情况下，可以通过扫描二维码读取二维码的实际尺寸，示例性的，可以从前述步骤中获取的真实的二维码图像中读取二维码的实际尺寸；也可以在二维码设计与部署中，预先固定粘贴在标牌上的二维码尺寸，便于在后续计算中应用。二维码在车载摄像头中的像素宽度，指拍摄到的二维码图像的像素宽度；拍摄完成后可以从车载摄像头中直接获取该宽度。

步骤二、根据单目测距原理，由所述二维码的实际尺寸、二维码在车载摄像头中的像素宽度以及车载摄像头的焦距，实时计算车辆与二维码的直线距离。本实施例的车载摄像头为单目摄像头，图4为单目测距原理的示意图，其中物体平面为被拍摄二维码所在的平面。基于单目测距原理，可以通过如下公式求解车辆与二维码标牌的直线距离：

（1）

其中，d表示车载摄像头与二维码标牌的直线距离，即车辆与二维码的直线距离；f表示车载摄像头的焦距，w表示二维码的实际宽度，表示二维码在车载摄像头中的像素宽度。

S130、根据所述直线距离和标定好的数据库，实时确定车辆与道路边缘的横向距离。

横向距离指垂直于车辆行驶方向的距离。本实施例设定车辆沿道路方向行驶，则横向距离也代表垂直于道路方向的距离。由于二维码设置于道路两侧，因此车辆与道路边缘的横向距离即为车辆与二维码的横向距离。在一具体实施方式中，采用预先标定的方式确定车辆与二维码的横向距离，以提高处理效率和准确性，具体包括如下步骤：

步骤一、分别标定车载摄像头与二维码在不同的纵向距离和横向距离下，对应的车载摄像头与二维码的直线距离，由各纵向距离、各横向距离和各直线距离构成标定好的数据库。可选的，记录车载摄像头沿纵向和横向移动时对二维码的识别情况，确定摄像头能够有效识别二维码的空间范围（即车辆开始检测到二维码至未能检测到二维码的空间范围）。在所述空间范围内分别将车载摄像头与二维码的纵向距离和横向距离间隔化并代入公式（2），得到对应的车载摄像头与二维码的直线距离：

（2）

其中，D表示车载摄像头与二维码的直线距离，l表示车载摄像头与二维码的横向距离，s表示车载摄像头与二维码的纵向距离，h ₁表示车载摄像头到地面的高度，h ₂表示二维码到地面的高度。

在一具体实施方式中，将车载摄像头固定在与车辆高度一致的可移动支架上，车载摄像头连接笔记本电脑，能够启动读取二维码。选取距离路标牌较近的道路边缘，从与该道路边缘的横向距离为一半车身的位置开始，以车载摄像头本身提供的最大有效探测距离参数为纵向标定起始点，沿道路方向（纵向）由远及近、间隔车载支架，记录每一次移动的横向距离l和纵向距离s，并将首次读取成功的位置到不再能够读取成功的位置支架内的纵向距离作为为摄像头能有效识别二维码的纵向距离范围（也称为纵向有效识别范围）。然后，以/>为间隔向另一侧道路边缘横向移动车载摄像头，由纵向标定起始点开始返回上述沿道路方向（纵向）由远及近、间隔/>车载支架的操作，同时记录横向移动距离，其中，横向距离最远不超过另一侧道路边界。由标定结果可知，车载摄像头能够有效识别二维码的空间范围为直角五边形，将该区域内每一次标定的横向距离l和纵向距离s代入公式（2），可计算出车载摄像头与二维码的直线距离D。

步骤二、从标定好的数据库中，选取与公式（1）计算得到的直线距离d最接近的标定值D，将所述标定值D对应的横向距离l作为车辆与道路边缘的实时横向距离。需要说明的是，步骤一中数据库无需在每一次车辆定位中重复标定，通常可以在整个方法执行前预先标定数据库，后续在每一次车辆定位中直接使用标定好的数据库即可。

本实施例通过标定数据库，既可以校准单目测距d，减少由测距带来的误差；又为有效识别范围内横向距离l提供了计算依据，成为车辆定位的基本前提。

S140、根据所述二维码的位置、所述横向距离和道路方位角，实时计算车辆位置。

其中，方位角表示与正北方向的夹角，即正北方向的方位角为0。本步骤根据二维码的经纬度以及二维码与车辆的方向关系，确定车辆的经纬度。考虑到道路也存在一定方位角，在一具体实施方式中，可以通过如下步骤完成车辆定位：

步骤一、根据相邻两个二维码的位置，实时计算道路方位角。在二维码标牌的部署中，可以控制标牌之间的距离，以确保道路在相邻两个标牌之间为直道或近似为直道。通过当前时刻检测到的二维码位置和上一次检测到的二维码位置，就可以确定道路的方位角。

步骤二、根据所述横向距离、所述直线距离和所述道路方位角的几何关系，实时计算二维码到车辆的方位角。二维码到车辆的方位角，指二维码与车辆之间的连线相对于正北方向的夹角。具体的，二维码、车辆、道路之间满足如图5所示的几何位置关系，其中，表示二维码到车辆的方位角，β表示道路方位角。结合图5，可以根据以下公式计算/>：

（3）

步骤三、根据所述二维码的位置和所述二维码到车辆的方位角，实时计算车辆位置。具体来说，如图6所示，已知二维码的经纬度坐标(long1,lat1)，以及二维码到车辆的方位角α，那么从二维码到车辆的水平平移距离为d´cosα，垂直平移距离为d´sinα，则可以通过如下方式计算车辆的经纬度坐标(long2,lat2)，完成车辆定位：

1）计算车辆的经度long2：采用水平平移距离(d´cosα)除以当前纬度切面周长(2π´ARC)，再每乘以360°，求得水平平移度数，再加上long1的值，即：

（4）

其中，ARC表示地球的平均半径，即地心到地球表面各点的平均距离，ARC=63713930米。

2）计算车辆的纬度lat2：采用垂直平移距离(d´sinα)除以地球纵向周长，再乘乘以360°，求得垂直平移度数，再加上lat1的值，即：

（5）

需要说明的是，如果某一时刻的计算中，在S130中标定好的数据库中存在多个（通常为两个）标定值D都与d最接近，则基于各标定值D分别执行后续操作，计算出各D对应的车辆经纬度；然后将各经纬度与前一时刻的车辆经纬度结合，求解所述某一时刻与前一时刻的车辆距离和方位角，选择距离和方位角更小的经纬度，作为所述某一时刻车辆最终的经纬度。

进一步的，图7-图10分别为不同车速下通过本实施例提供的定位方法确定的车辆经纬度与真实的车辆经纬度的对比图。其中，各曲线图的横坐标longitude表示车辆经度，latitude表示车辆纬度，real data表示车辆经纬度的真实数据，test data表示用本实施例的方法得到的车辆经纬度的测试数据；各坐标轴的计数标记“e+数字”为科学计数法书写形式，表示10的多少次方，例如，e2代表10²，e^-5代表10^-5，1.23e-4=0.000123。可以看出，不同车速下测试数据与真实数据误差均保持在小于1.5米的范围内，实现了较好的定位精度。

此外，图7-图10各曲线图中横坐标和纵坐标的数值范围分表代表了车载摄像头对二维码的横向有效识别范围和纵向有效识别范围。车辆行驶过程中，车载摄像头以一定频次读取二维码图像，可以看出：在纵向有效识别距离内读取到的二维码个数越多，车辆位置信息越密集，位置精度越高；车速越大，纵向有效识别范围变小，二维码读取个数变小，车辆位置信息个数变少，车辆位置精度变小；当二维码的布设间距与纵向有效识别范围一致时，可满足连续定位需求。

本发明实施例公开了一种基于路侧二维码的车辆辅助定位方法，通过在路侧部署带有位置信息的二维码标牌，与车载摄像头形成视觉信息交互，借助车载摄像头识别与扫描路侧二维码信息，实时获取车辆与目标标牌的相对位置信息，进而求解车辆自身位置信息。具体的，车辆行驶过程中通过车载摄像头周期性采集二维码图像，并通过预训练的深度学习网络模型消除采集误差、形变等，还原真实的二维码图像；再从真实的二维码图像中读取二维码标牌的经纬度坐标，提高二维码信息的读取精度。同时，本实施例给出一种通过二维码位置信息求解车辆位置的具体实现方式，首先基于单目测距原理，由二维码图像的像素宽度求解二维码与车辆的直线距离；然后将该直线距离与标定好的数据库比对，确定车辆与道路边缘的横向距离；最后借助经纬度与地球半径的几何关系，由所述直线距离、所述横向距离和二维码标牌的经纬度坐标，求解车辆的经纬度坐标。整个方法通过二维码标牌即可完成路侧部署，无需额外安装相机、摄像头等昂贵设备，在成本可控的前提下，充分利用道路、车载摄像头以及地球半径之间的空间位置关系，完成车辆位置的实时解算，解决了卫星信号丢失、遮挡或受到电磁干扰等特定环境下车辆定位间断、失真等问题。特别的，当二维码的布设间距与车载摄像头的纵向有效识别范围一致时，可满足连续定位需求，满足了车辆在隧道、地下停车场或高架桥等环境下的车辆持续定位需求，提高了车辆定位精度。

图11为本发明实施例提供的一种电子设备的结构示意图，如图11所示，该设备包括处理器60、存储器61、输入装置62和输出装置63；设备中处理器60的数量可以是一个或多个，图11中以一个处理器60为例；设备中的处理器60、存储器61、输入装置62和输出装置63可以通过总线或其他方式连接，图11中以通过总线连接为例。

存储器61作为一种计算机可读存储介质，可用于存储软件程序、计算机可执行程序以及模块，如本发明实施例中的基于路侧二维码的车辆辅助定位方法对应的程序指令/模块。处理器60通过运行存储在存储器61中的软件程序、指令以及模块，从而执行设备的各种功能应用以及数据处理，即实现上述的基于路侧二维码的车辆辅助定位方法。

存储器61可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序；存储数据区可存储根据终端的使用所创建的数据等。此外，存储器61可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。在一些实例中，存储器61可进一步包括相对于处理器60远程设置的存储器，这些远程存储器可以通过网络连接至设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。

输入装置62可用于接收输入的数字或字符信息，以及产生与设备的用户设置以及功能控制有关的键信号输入。输出装置63可包括显示屏等显示设备。

本发明实施例还提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现任一实施例的基于路侧二维码的车辆辅助定位方法。

本发明实施例的计算机存储介质，可以采用一个或多个计算机可读的介质的任意组合。计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质。计算机可读存储介质例如可以是但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子（非穷举的列表）包括：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机存取存储器（RAM）、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本文件中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。

计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。

计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于无线、电线、光缆、RF等等，或者上述的任意合适的组合。

可以以一种或多种程序设计语言或其组合来编写用于执行本发明操作的计算机程序代码，程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++，还包括常规的过程式程序设计语言—诸如C语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络，包括局域网(LAN)或广域网(WAN)，连接到用户计算机，或者，可以连接到外部计算机（例如利用因特网服务提供商来通过因特网连接）。

最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案。

Claims (10)

1.一种基于路侧二维码的车辆辅助定位方法，其特征在于，包括：

在车辆行驶过程中，通过车载摄像头实时采集路侧二维码图像；

根据所述二维码图像，实时确定二维码的位置以及车辆与二维码的直线距离；

根据所述直线距离和标定好的数据库，实时确定车辆与道路边缘的横向距离；

根据所述二维码的位置、所述横向距离和道路方位角，实时计算车辆位置。

2.根据权利要求1所述的方法，其特征在于，所述二维码图像中存储有二维码的位置信息；

所述根据所述二维码图像，实时确定二维码的位置，包括：

将采集到的的二维码图像输入预先训练好的深度学习模型，得到真实的二维码图像；

从所述真实的二维码图像中读取二维码的位置。

3.根据权利要求2所述的方法，其特征在于，在所述将采集到的的二维码图像输入预先训练好的深度学习模型，得到真实的二维码图像之前，还包括：

获取真实的二维码图像，以及不同摄像头在不同条件下拍摄的二维码图像，其中，所述不同条件包括以下至少之一：不同角度、不同距离、不同环境、不同参数设置；

以各拍摄的二维码图像为输入对深度学习模型进行训练，使模型的输出不断逼近所述真实的二维码图像。

4.根据权利要求1所述的方法，其特征在于，所述二维码图像中存储有二维码的实际尺寸，所述车载摄像头为单目摄像头；

所述根据所述二维码图像，实时确定车辆与二维码的直线距离，包括：

从所述二维码图像中读取二维码的实际尺寸；

根据单目测距原理，由所述二维码的实际尺寸、二维码在车载摄像头中的像素宽度以及车载摄像头的焦距，实时计算车辆与二维码的直线距离。

5.根据权利要求1所述的方法，其特征在于，在所述根据所述直线距离，实时确定车辆与道路边缘的横向距离之前，还包括：

分别标定车载摄像头与二维码在不同的纵向距离和横向距离下，对应的车载摄像头与二维码的直线距离，由各纵向距离、各横向距离和各直线距离D构成标定好的数据库；

所述根据所述直线距离，实时确定车辆与道路边缘的横向距离，包括：

从标定好的数据库中选取与所述直线距离d最接近的标定值D，将所述标定值对应的横向距离作为车辆与道路边缘的实时横向距离。

6.根据权利要求5所述的方法，其特征在于，所述分别标定车载摄像头与二维码在不同的纵向距离和横向距离下，对应的车载摄像头与二维码的直线距离，包括：

记录车载摄像头沿纵向和横向移动时对二维码的识别情况，确定车载摄像头能够有效识别二维码的空间范围；

在所述空间范围内分别将车载摄像头与二维码的纵向距离和横向距离间隔化并代入公式（2），得到对应的车载摄像头与二维码的直线距离D：

（2）

其中，l表示车载摄像头与二维码的横向距离，s表示车载摄像头与二维码的纵向距离，h ₁表示车载摄像头到地面的高度，h ₂表示二维码到地面的高度。

7.根据权利要求1所述的方法，其特征在于，所述根据所述二维码的位置、所述横向距离和道路方位角，实时计算车辆位置，包括：

根据相邻两个二维码的位置，实时计算道路方位角；

根据所述横向距离、所述直线距离和所述道路方位角的几何关系，实时计算二维码到车辆的方位角；

根据所述二维码的位置和所述二维码到车辆的方位角，实时计算车辆位置。

8.根据权利要求7所述的方法，其特征在于，所述根据所述横向距离、所述直线距离和所述道路方位角的几何关系，实时计算二维码到车辆的方位角，包括：

根据以下公式，计算二维码到车辆的方位角：

（3）；

其中，l表示车辆与道路边缘的横向距离，d表示车辆与二维码的直线距离，β表示道路方位角；

所述根据所述二维码的位置和所述二维码到车辆的方位角，实时计算车辆位置，包括：

（4）

（5）

其中，long1和lat1分别表示二维码的经度和维度，long2和lat2分别表示车辆的经度和维度；ARC表示地球的平均半径。

9.一种电子设备，其特征在于，包括：

一个或多个处理器；

存储器，用于存储一个或多个程序，

当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现权利要求1-8任一所述的基于路侧二维码的车辆辅助定位方法。

10.一种计算机可读存储介质，其特征在于，其上存储有计算机程序，该程序被处理器执行时实现权利要求1-8任一所述的基于路侧二维码的车辆辅助定位方法。