CN117330097B - 车辆定位优化方法、装置、设备及存储介质 - Google Patents
车辆定位优化方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN117330097B CN117330097B CN202311632495.5A CN202311632495A CN117330097B CN 117330097 B CN117330097 B CN 117330097B CN 202311632495 A CN202311632495 A CN 202311632495A CN 117330097 B CN117330097 B CN 117330097B
- Authority
- CN
- China
- Prior art keywords
- road
- vehicle
- navigation map
- distance
- constructing
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 69
- 238000005457 optimization Methods 0.000 title claims abstract description 51
- 238000004364 calculation method Methods 0.000 claims abstract description 22
- 239000011159 matrix material Substances 0.000 claims description 14
- 238000010276 construction Methods 0.000 claims description 12
- 238000006243 chemical reaction Methods 0.000 claims description 6
- 230000004807 localization Effects 0.000 claims 2
- 230000008447 perception Effects 0.000 abstract description 6
- 230000008569 process Effects 0.000 description 21
- 238000010586 diagram Methods 0.000 description 7
- 230000006870 function Effects 0.000 description 6
- 230000008859 change Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 239000013598 vector Substances 0.000 description 2
- 230000016776 visual perception Effects 0.000 description 2
- 238000004891 communication Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000002085 persistent effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000009466 transformation 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
- G01C21/34—Route searching; Route guidance
- G01C21/3446—Details of route searching algorithms, e.g. Dijkstra, A*, arc-flags, using precalculated routes
-
- 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)
- Automation & Control Theory (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Navigation (AREA)
Abstract
本发明涉及智能驾驶技术领域,公开了一种车辆定位优化方法、装置、设备及存储介质。该方法包括:在导航地图道路的各个道路段中,搜索与当前车辆的经纬度位置距离最近的道路位置点作为绑路初始位置;构建导航地图道路与感知道路之间的第一距离误差以及构建绑路初始位置与车辆匹配位置之间的第二距离误差;基于第一距离误差与第二距离误差,构建当前车辆匹配位置的求解目标;对求解目标进行优化计算,得到当前车辆在导航地图道路中的最终匹配位置。本发明使用组合定位估计的经纬度位置、感知模块输出的道路几何信息与导航地图提取的道路几何信息进行匹配,在不增加定位软件成本的情况下,能显著提升车辆位置在导航地图中的定位精度。
Description
技术领域
本发明涉及智能驾驶技术领域,尤其涉及一种车辆定位优化方法、装置、设备及存储介质。
背景技术
随着车联网技术的高速发展,地图服务已经深入地影响着人们的日常出行。地图匹配技术作为地图服务的核心支撑技术,实现了将具有GPS功能设备的有序初始定位结果关联到电子地图的交通路网上,进而为交通出行提供路径规划及导航等服务。
目前高级别的智能驾驶的一个趋势是:不依赖高精度地图和激光雷达,而是使用导航地图和相机来实现类似智能驾驶的功能。这种定位数据源的改变对下游定位的方式将会造成重大影响,具体表现为:从依赖激光雷达和高精度地图的定位模式变换为基于经纬度位置(可以来源于GPS设备或者组合定位设备)和导航地图的定位模式。在不同地理位置区域,采用经纬度位置和地图进行定位或多或少都会存在定位误差,导致基于经纬度位置和导航地图的定位模式的定位结果精度不高,进而影响车辆中定位模块的相关下游模块出现问题,比如车速控制等。
发明内容
本发明的主要目的在于解决基于经纬度位置和导航地图的定位模式存在定位结果精度不高的技术问题。
本发明第一方面提供了一种车辆定位优化方法,所述车辆定位优化方法包括:
在导航地图道路的各个道路段中,搜索与当前车辆的经纬度位置距离最近的道路位置点,并将所述道路位置点作为绑路初始位置;
构建导航地图道路与感知道路之间的第一距离误差以及构建所述绑路初始位置与车辆匹配位置之间的第二距离误差;
基于所述第一距离误差与所述第二距离误差,构建当前车辆匹配位置的求解目标;
对所述求解目标进行优化计算,得到当前车辆在所述导航地图道路中的最终匹配位置。
在本发明第一方面的第一种实现方式中,所述基于所述第一距离误差与所述第二距离误差,构建当前车辆匹配位置的求解目标包括:
构建所述第一距离误差与所述第二距离误差的加权平方和;
以所述加权平方和的最小值为目标,构建当前车辆匹配位置的求解目标。
在本发明第一方面的第二种实现方式中,所述车辆定位优化方法还包括:
以车辆起始位置为原点,构建局部坐标系;
将当前车辆的经纬度位置、导航地图道路和感知道路分别转换至所述局部坐标系中。
在本发明第一方面的第三种实现方式中,所述感知道路采用以下坐标系转换公式:
其中,为局部坐标系下的感知道路点位置,/>为局部坐标系下的车辆位置,/>为车辆相对于局部坐标系的姿态矩阵,/>为车辆坐标系下的感知道路点位置。
在本发明第一方面的第四种实现方式中,所述构建导航地图道路与感知道路之间的第一距离误差包括:
选取全部或部分的感知道路点位置;
分别计算各所述感知道路点位置到所述导航地图道路的第一距离;
构建各所述第一距离的平方和关系式,得到导航地图道路与感知道路之间的第一距离误差。
在本发明第一方面的第五种实现方式中,所述构建所述绑路初始位置与车辆匹配位置之间的第二距离误差包括:
构建所述绑路初始位置与车辆匹配位置之间的第二距离的关系式;
以所述第一距离的数量与预置数值的乘积作为所述第二距离的关系式的权重因子,构建所述绑路初始位置与车辆匹配位置之间的第二距离误差。
在本发明第一方面的第六种实现方式中,采用非线性最小二乘法对所述求解目标进行优化计算。
本发明第二方面提供一种车辆定位优化装置,所述车辆定位优化装置包括:
绑路模块,用于在导航地图道路的各个道路段中,搜索与当前车辆的经纬度位置距离最近的道路位置点,并将所述道路位置点作为绑路初始位置;
误差构建模块,用于构建导航地图道路与感知道路之间的第一距离误差以及构建所述绑路初始位置与车辆匹配位置之间的第二距离误差;
目标构建模块,用于基于所述第一距离误差与所述第二距离误差,构建当前车辆匹配位置的求解目标;
目标计算模块,用于对所述求解目标进行优化计算,得到当前车辆在所述导航地图道路中的最终匹配位置。
在本发明第二方面的第一种实现方式中,所述目标构建模块具体用于:
构建所述第一距离误差与所述第二距离误差的加权平方和;
以所述加权平方和的最小值为目标,构建当前车辆匹配位置的求解目标。
在本发明第二方面的第二种实现方式中,所述车辆定位优化装置还包括:
坐标构建模块,用于以车辆起始位置为原点,构建局部坐标系;将当前车辆的经纬度位置、导航地图道路和感知道路分别转换至所述局部坐标系中。
在本发明第二方面的第三种实现方式中,所述感知道路采用以下坐标系转换公式:
其中,为局部坐标系下的感知道路点位置,/>为局部坐标系下的车辆位置,/>为车辆相对于局部坐标系的姿态矩阵,/>为车辆坐标系下的感知道路点位置。
在本发明第二方面的第四种实现方式中,所述误差构建模块还用于:
选取全部或部分的感知道路点位置;
分别计算各所述感知道路点位置到所述导航地图道路的第一距离;
构建各所述第一距离的平方和关系式,得到导航地图道路与感知道路之间的第一距离误差。
在本发明第二方面的第五种实现方式中,所述误差构建模块还用于:
构建所述绑路初始位置与车辆匹配位置之间的第二距离的关系式;
以所述第一距离的数量与预置数值的乘积作为所述第二距离的关系式的权重因子,构建所述绑路初始位置与车辆匹配位置之间的第二距离误差。
在本发明第二方面的第六种实现方式中,采用非线性最小二乘法对所述求解目标进行优化计算。
本发明第三方面提供了一种计算机设备,包括:存储器和至少一个处理器,所述存储器中存储有指令;所述至少一个处理器调用所述存储器中的所述指令,以使得所述计算机设备执行上述的车辆定位优化方法。
本发明的第四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中存储有指令,当其在计算机上运行时,使得计算机执行上述的车辆定位优化方法。
本发明提供的技术方案中,不依赖高精度地图和激光雷达,而是使用导航地图和相机来实现类似智能驾驶的功能,具体使用经纬度位置、感知道路的几何信息以及导航地图道路的几何信息共三种类型数据对车辆定位进行优化,通过将车辆定位的优化过程转换为位置匹配过程,进而将位置匹配过程转换为对位置匹配目标的最优求解过程,具体为:先使用经纬度位置和导航地图道路确定绑路初始位置,然后分别使用绑路初始位置与最终匹配位置之间的距离误差、导航地图路线与感知道路之间的距离误差,构建当前车辆匹配位置的求解目标,通过对构建的求解目标进行优化计算,即可得到当前车辆在导航地图道路中的最终匹配位置,该最终匹配位置即为估算出的车辆在导航地图中的实际位置。本发明使用组合定位估计的经纬度位置、感知模块输出的道路几何信息与导航地图提取的道路几何信息进行匹配,在不增加定位软件成本的情况下,可以显著提升车辆位置在导航地图中的定位精度。
附图说明
图1为本发明实施例中车辆定位优化方法的一个实施例示意图;
图2为本发明实施例中车辆绑路位置的一个实施例示意图;
图3为本发明实施例中车辆位置匹配过程示意图;
图4为本发明实施例中车辆定位优化装置的一个实施例示意图;
图5为本发明实施例中计算机设备的一个实施例示意图。
具体实施方式
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”、“第三”、“第四”等(如果存在)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,以便这里描述的实施例能够以除了在这里图示或描述的内容以外的顺序实施。此外,术语“包括”或“具有”及其任何变形,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。
为便于理解,下面对本发明实施例的具体流程进行描述,请参阅图1,本发明实施例中车辆定位优化方法的一个实施例包括:
101、在导航地图道路的各个道路段中,搜索与当前车辆的经纬度位置距离最近的道路位置点,并将所述道路位置点作为绑路初始位置;
本实施例中,车辆为可实现智能驾驶的智能车辆,比如无人驾驶、智能刹车、智能停车等功能。智能车辆一般具有无线通信功能,并且具有多种传感装置,比如GPS定位、雷达、行车摄像头、360°全景摄像头等。
本实施例中,智能车辆能够自动获取车辆的行驶信息,包括:定位信息、导航地图信息与视觉感知信息,其中,定位信息(经纬度位置)可以是由GPS定位模块输出,也可以是由GNSS(全球导航卫星系统)+IMU(惯性导航系统)组合输出(组合定位位置)。导航地图可以是由第三方软件在线提供,也可以是由车辆厂家提供,导航地图软件可以输出地图中各种道路的几何信息,比如道路编号、道路属性(长度、限速)、相邻道路段的连接方位等。视觉感知信息由车辆自带摄像头采集生成,比如车辆行驶时采集的道路路标内容,车辆停车时的周边影像等。
本实施例中,在对车辆定位进行优化之前,需要先设置车辆在定位优化前的初始位置(相当于定位优化的基准位置)。本实施中优选采用组合定位算法输出的组合定位位置(包括经纬度位置),其中,GNSS系统+IMU系统不仅可以输出经纬度位置信息,还可以输出车辆行驶过程中的航向角变化信息。
如图2所示,假设车辆行驶过程中某一个时间点输出的组合定位位置在A点,该A点并未在导航地图道路上,也即说明该时间点输出的车辆定位存在误差。因此,为提升定位精度,需要对车辆定位进行优化,具体为:先设置车辆在定位优化前的初始位置,该初始位置需要位于导航地图道路上。
如图2所示,导航地图共显示有3条相连的道路段(道路段1-3),具体以距离组合定位位置A点最近的道路段作为初始位置所在道路。通过计算位置A点到各道路段的距离,得到道路段1离位置A点最近,因此,将道路段1与位置A点绑定,并将道路段1中距离位置A点最近的道路位置点作为绑路初始位置B点。需要说明的是,如果离位置A点最近的道路段存在多条,则根据航向角变化信息、各道路段的连接方位,从多条道路段中找出符合当前车辆行驶方向的道路段。
本实施例中,将当前车辆所在位置:组合定位位置A点,修改为绑路初始位置B点,虽然在一定程度上提升了车辆的导航定位精度,但由于导航地图也可能会存在或大或小的误差,因此为进一步解决导航地图带来的误差,还需对绑路初始位置B点进行定位精度提升。
102、构建导航地图道路与感知道路之间的第一距离误差以及构建所述绑路初始位置与车辆匹配位置之间的第二距离误差;
本实施例中,为对绑路初始位置B点进行定位精度提升,进一步引入了车辆感知模块输出的感知道路信息,比如车辆行驶时通过感知模块(比如高清摄像头)拍摄的道路视频图像信息,并通过数据处理后输出的感知道路信息,例如,当前行驶道路的方向、道路转弯、辅道等信息。
为便于快速且更精确找到匹配车辆实际位置的导航地图定位位置(也即车辆匹配位置,假设在导航地图上为C点),需要构建用于求解车辆匹配位置的数学计算式。
本实施例中,考虑到组合定位位置、导航地图道路和感知道路之间可以互为定位精度提升的依据,也即提升组合定位位置的定位精度可以依据导航地图道路和感知道路,提升导航地图道路的定位精度可以依据组合定位位置和感知道路,而提升感知道路的定位精度可以依据组合定位位置和导航地图道路,因此,具体以导航地图道路与感知道路之间的第一距离误差以及绑路初始位置与车辆匹配位置之间的第二距离误差,构建用于求解车辆匹配位置的数学计算式,用于求解更精确的车辆定位在导航地图上的C点位置。
在一实施例中,上述步骤102中采用以下方式构建导航地图道路与感知道路之间的第一距离误差:
选取全部或部分的感知道路点位置;
分别计算各所述感知道路点位置到所述导航地图道路的第一距离;
构建各所述第一距离的平方和关系式,得到导航地图道路与感知道路之间的第一距离误差。
本可选实施例中,感知道路点位置由车辆感知模块拍摄车辆周边道路视频图像后经过数据处理后输出,各感知道路点位置组合构成感知道路。为进一步提升定位精度,在构建第一距离误差时,选取全部或多个感知模块输出的感知道路点位置,分别计算各感知道路点位置到导航地图道路的第一距离并构建第一距离的平方和关系式,即可得到导航地图道路与感知道路之间的第一距离误差。其中,各第一距离的平方和关系式的具体数学表达形式不限。
在一实施例中,上述步骤102中采用以下方式构建绑路初始位置与车辆匹配位置之间的第二距离误差:
构建所述绑路初始位置与车辆匹配位置之间的第二距离的关系式;
以所述第一距离的数量与预置数值的乘积作为所述第二距离的关系式的权重因子,构建所述绑路初始位置与车辆匹配位置之间的第二距离误差。
本可选实施例中,由于第一距离误差中计算第一距离的次数较多,而第二距离误差只计算一个距离作为误差,导致第二距离误差的数值上会远小于第一距离误差,因此,为进一步提升定位精度,采用对第二距离误差设置权重因子。该权重因子设置为第一距离误差中计算第一距离的数量(也即计算次数)与指定数值(比如0.2)的乘积。其中,该第二距离的关系式的具体数学表达形式不限。
103、基于所述第一距离误差与所述第二距离误差,构建当前车辆匹配位置的求解目标;
本实施例中,先构建车辆定位精度提升的损失函数(相当于一种数学表达式),然后再设置损失函数的求解目标,即可找出车辆定位在导航地图上的C点位置。
在一实施例中,步骤103包括:
构建所述第一距离误差与所述第二距离误差的加权平方和;
以所述加权平方和的最小值为目标,构建当前车辆匹配位置的求解目标。
本实施例中,车辆定位优化的目标是同时满足:(1)使车辆定位在导航地图上的C点位置更接近绑路初始位置B点;(2)使感知道路更接近导航地图道路。为实现上述目标,构建第一距离误差与第二距离误差的加权平方和,并使加权平方和的值最小,该加权平方和的最小值对应的C点位置即为位置B点精度提升后的位置。
104、对所述求解目标进行优化计算,得到当前车辆在所述导航地图道路中的最终匹配位置。
本实施例中,通过步骤103构建当前车辆匹配位置的求解目标后,即可采用数学方式对该求解目标进行计算,通过计算找到的C点位置既与绑路初始位置B点最近,同时感知道路与导航地图道路的距离也最近,那么该C点位置即为前车辆在导航地图道路中的最终匹配位置。本实施例中对于计算该求解目标采用的数学计算方式不限,比如可以使用高斯-牛顿之类的求解方法进行计算。本实施例优选采用非线性最小二乘法对上述求解目标进行优化计算,该计算方式可以对组合定位位置、感知道路点位置以及导航地图道路进行更精确拟合,从而提升车辆定位的精确度。
在一实施例中,所述车辆定位优化方法还包括:
以车辆起始位置为原点,构建局部坐标系;
将当前车辆的经纬度位置、导航地图道路和感知道路分别转换至所述局部坐标系中。
在一实施例中,车辆的经纬度位置转换到局部坐标系、导航地图道路转换到局部坐标系均可采用现有的转换公式,比如等经纬线投影法。
所述感知道路采用以下坐标系转换公式转换到局部坐标系中:
其中,为局部坐标系下的感知道路点位置,/>为局部坐标系下的车辆位置,/>为车辆相对于局部坐标系的姿态矩阵,/>为车辆坐标系下的感知道路点位置。其中,P表示位置,C表示矩阵,L、r、v无实际计算含义,仅用于区分不同类型的位置P或矩阵C。
姿态矩阵(attitude matrix)亦称方向余弦矩阵(direction cosine matrix)。由两组不同的标准正交基的基底矢量之间的方向余弦所形成的矩阵,用于将某个向量在一个坐标系的投影转换到另一个坐标系,可以由惯性导航系统将姿态角转化为姿态矩阵并输出。本可选实施例中,通常经纬度位置、导航地图道路和感知道路分别采用不同的坐标系,为实现对不同坐标系下数据的联合计算,需要构建新的局部坐标系用于对不同坐标系下数据进行坐标转换。局部坐标系可以是提前设置好的,也可以是后续使用过程中进行构建,需要说明的是,局部坐标系首次构建好后即可后续重复使用。
如图3所示的车辆定位优化的位置匹配过程示意图。本实施例采用非线性最小二乘法对求解目标进行计算。由图3左侧部分示意图可知,假设导航地图中B点到三岔路口D点的距离为100米,而感知道路中B点到三岔路口D点的距离为150米;在求解目标的过程中(也即C点位置匹配过程),为使感知道路更接近导航地图道路,需要使感知道路向左下方移动,如图3右侧部分示意图所示。假设感知道路向左下方移动40米时感知道路与导航地图道路之间距离最近,此时最终匹配位置C离绑路初始位置的距离为35米,但该位置并非最佳匹配位置,最终匹配位置C既受感知道路与导航地图道路之间距离的影响,也受与绑路初始位置之间距离的影响,具体需要根据非线性最小二乘法对求解目标进行计算的结果确定最终匹配位置,但可以粗略估计的是,最终匹配位置C大概率是在离绑路初始位置的距离0-35米范围内,假设最终匹配位置C在离绑路初始位置的距离30米时的求解目标值最小,该位置即为对绑路初始位置进一步提升定位精度后的位置,假设导航地图中B点到三岔路口D点的距离为100米,而感知道路中B点到三岔路口D点的距离为150米,通过车辆定位优化处理后的定位位置为三岔路口D点的距离为120米,相比感知模块输出的100米以及导航地图输出的150米,优化后的定位为120米,定位精度更高。
本实施例不依赖高精度地图和激光雷达,而是使用导航地图和相机来实现类似智能驾驶的功能,具体使用经纬度位置、感知道路的几何信息以及导航地图道路的几何信息共三种类型数据对车辆定位进行优化,通过将车辆定位的优化过程转换为位置匹配过程,进而将位置匹配过程转换为对位置匹配目标的最优求解过程,具体为:先使用经纬度位置和导航地图道路确定绑路初始位置,然后分别使用绑路初始位置与最终匹配位置之间的距离误差、导航地图路线与感知道路之间的距离误差,构建当前车辆匹配位置的求解目标,通过对构建的求解目标进行优化计算,即可得到当前车辆在导航地图道路中的最终匹配位置,该最终匹配位置即为估算出的车辆在导航地图中的实际位置。本实施例使用组合定位估计的经纬度位置、感知模块输出的道路几何信息与导航地图提取的道路几何信息进行匹配,在不增加定位软件成本的情况下,可以显著提升车辆位置在导航地图中的定位精度。
请参阅图4,本发明实施例中车辆定位优化装置的一个实施例包括:
绑路模块401,用于在导航地图道路的各个道路段中,搜索与当前车辆的经纬度位置距离最近的道路位置点,并将所述道路位置点作为绑路初始位置;
误差构建模块402,用于构建导航地图道路与感知道路之间的第一距离误差以及构建所述绑路初始位置与车辆匹配位置之间的第二距离误差;
目标构建模块403,用于基于所述第一距离误差与所述第二距离误差,构建当前车辆匹配位置的求解目标;
目标计算模块404,用于对所述求解目标进行优化计算,得到当前车辆在所述导航地图道路中的最终匹配位置。
在一实施例中,所述目标构建模块403具体用于:
构建所述第一距离误差与所述第二距离误差的加权平方和;
以所述加权平方和的最小值为目标,构建当前车辆匹配位置的求解目标。
在本发明第二方面的第二种实现方式中,所述车辆定位优化装置还包括:
坐标构建模块,用于以车辆起始位置为原点,构建局部坐标系;将当前车辆的经纬度位置、导航地图道路和感知道路分别转换至所述局部坐标系中。
在一实施例中,所述感知道路采用以下坐标系转换公式:
其中,为局部坐标系下的感知道路点位置,/>为局部坐标系下的车辆位置,/>为车辆相对于局部坐标系的姿态矩阵,/>为车辆坐标系下的感知道路点位置。
在一实施例中,所述误差构建模块402还用于:
选取全部或部分的感知道路点位置;
分别计算各所述感知道路点位置到所述导航地图道路的第一距离;
构建各所述第一距离的平方和关系式,得到导航地图道路与感知道路之间的第一距离误差。
在一实施例中,所述误差构建模块402还用于:
构建所述绑路初始位置与车辆匹配位置之间的第二距离的关系式;
以所述第一距离的数量与预置数值的乘积作为所述第二距离的关系式的权重因子,构建所述绑路初始位置与车辆匹配位置之间的第二距离误差。
在一实施例中,采用非线性最小二乘法对所述求解目标进行优化计算。
由于装置部分的实施例与上述方法的实施例相互对应,因此对于本发明提供的一种车辆定位优化装置的介绍请参照上述方法实施例,本发明在此不再赘述。本实施例使用经纬度位置、感知道路的几何信息以及导航地图道路的几何信息共三种类型数据对车辆定位进行优化,通过将车辆定位的优化过程转换为位置匹配过程,进而将位置匹配过程转换为对位置匹配目标的最优求解过程,具体为:先使用经纬度位置和导航地图道路确定绑路初始位置,然后分别使用绑路初始位置与最终匹配位置之间的距离误差、导航地图路线与感知道路之间的距离误差,构建当前车辆匹配位置的求解目标,通过对构建的求解目标进行优化计算,即可得到当前车辆在导航地图道路中的最终匹配位置,该最终匹配位置即为估算出的车辆在导航地图中的实际位置。本实施例使用组合定位估计的经纬度位置、感知模块输出的道路几何信息与导航地图提取的道路几何信息进行匹配,在不增加定位软件成本的情况下,可以显著提升车辆位置在导航地图中的定位精度。
上面图4从模块化功能实体的角度对本发明实施例中的车辆定位优化装置进行详细描述,下面从硬件处理的角度对本发明实施例中计算机设备进行详细描述。
图5是本发明实施例提供的一种计算机设备的结构示意图,该计算机设备500可因配置或性能不同而产生比较大的差异,可以包括一个或一个以上处理器(centralprocessing units,CPU)510(例如,一个或一个以上处理器)和存储器520,一个或一个以上存储应用程序533或数据532的存储介质530(例如一个或一个以上海量存储设备)。其中,存储器520和存储介质530可以是短暂存储或持久存储。存储在存储介质530的程序可以包括一个或一个以上模块(图示没标出),每个模块可以包括对计算机设备500中的一系列指令操作。更进一步地,处理器510可以设置为与存储介质530通信,在计算机设备500上执行存储介质530中的一系列指令操作。
计算机设备500还可以包括一个或一个以上电源540,一个或一个以上有线或无线网络接口550,一个或一个以上输入输出接口560,和/或,一个或一个以上操作系统531,例如Windows Serve,Mac OS X,Unix,Linux,FreeBSD等等。本领域技术人员可以理解,图5示出的计算机设备结构并不构成对计算机设备的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件布置。
本发明还提供一种计算机设备,所述计算机设备包括存储器和处理器,存储器中存储有计算机可读指令,计算机可读指令被处理器执行时,使得处理器执行上述各实施例中的所述车辆定位优化方法的步骤。本发明还提供一种计算机可读存储介质,该计算机可读存储介质可以为非易失性计算机可读存储介质,该计算机可读存储介质也可以为易失性计算机可读存储介质,所述计算机可读存储介质中存储有指令,当所述指令在计算机上运行时,使得计算机执行所述车辆定位优化方法的步骤。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的系统,装置和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(read-only memory,ROM)、随机存取存储器(random access memory,RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述,以上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的精神和范围。
Claims (10)
1.一种车辆定位优化方法,其特征在于,所述车辆定位优化方法包括:
在导航地图道路的各个道路段中,搜索与当前车辆的经纬度位置距离最近的道路位置点,并将所述道路位置点作为绑路初始位置;
基于各感知道路点位置到导航地图道路之间的第一距离,构建导航地图道路与感知道路之间的第一距离误差以及基于所述第一距离、所述绑路初始位置与车辆匹配位置之间的第二距离,构建所述绑路初始位置与车辆匹配位置之间的第二距离误差;
基于所述第一距离误差与所述第二距离误差,构建当前车辆匹配位置的求解目标;
对所述求解目标进行优化计算,得到当前车辆在所述导航地图道路中的最终匹配位置。
2.根据权利要求1所述的车辆定位优化方法,其特征在于,所述基于所述第一距离误差与所述第二距离误差,构建当前车辆匹配位置的求解目标包括:
构建所述第一距离误差与所述第二距离误差的加权平方和;
以所述加权平方和的最小值为目标,构建当前车辆匹配位置的求解目标。
3.根据权利要求1所述的车辆定位优化方法,其特征在于,所述车辆定位优化方法还包括:
以车辆起始位置为原点,构建局部坐标系;
将当前车辆的经纬度位置、导航地图道路和感知道路分别转换至所述局部坐标系中。
4.根据权利要求3所述的车辆定位优化方法,其特征在于,所述感知道路采用以下坐标系转换公式:
其中,为局部坐标系下的感知道路点位置,/>为局部坐标系下的车辆位置,/>为车辆相对于局部坐标系的姿态矩阵,/>为车辆坐标系下的感知道路点位置。
5.根据权利要求1所述的车辆定位优化方法,其特征在于,所述基于各感知道路点位置到导航地图道路之间的第一距离,构建导航地图道路与感知道路之间的第一距离误差包括:
选取全部或部分的感知道路点位置;
分别计算各所述感知道路点位置到所述导航地图道路的第一距离;
构建各所述第一距离的平方和关系式,得到导航地图道路与感知道路之间的第一距离误差。
6.根据权利要求5所述的车辆定位优化方法,其特征在于,所述基于所述第一距离、所述绑路初始位置与车辆匹配位置之间的第二距离,构建所述绑路初始位置与车辆匹配位置之间的第二距离误差包括:
构建所述绑路初始位置与车辆匹配位置之间的第二距离的关系式;
以所述第一距离的数量与预置数值的乘积作为所述第二距离的关系式的权重因子,构建所述绑路初始位置与车辆匹配位置之间的第二距离误差。
7.根据权利要求1所述的车辆定位优化方法,其特征在于,采用非线性最小二乘法对所述求解目标进行优化计算。
8.一种车辆定位优化装置,其特征在于,所述车辆定位优化装置包括:
绑路模块,用于在导航地图道路的各个道路段中,搜索与当前车辆的经纬度位置距离最近的道路位置点,并将所述道路位置点作为绑路初始位置;
误差构建模块,用于基于各感知道路点位置到导航地图道路之间的第一距离,构建导航地图道路与感知道路之间的第一距离误差以及基于所述第一距离、所述绑路初始位置与车辆匹配位置之间的第二距离,构建所述绑路初始位置与车辆匹配位置之间的第二距离误差;
目标构建模块,用于基于所述第一距离误差与所述第二距离误差,构建当前车辆匹配位置的求解目标;
目标计算模块,用于对所述求解目标进行优化计算,得到当前车辆在所述导航地图道路中的最终匹配位置。
9.一种计算机设备,其特征在于,所述计算机设备包括:存储器和至少一个处理器,所述存储器中存储有指令;
所述至少一个处理器调用所述存储器中的所述指令,以使得所述计算机设备执行如权利要求1-7中任一项所述的车辆定位优化方法。
10.一种计算机可读存储介质,所述计算机可读存储介质上存储有指令,其特征在于,所述指令被处理器执行时实现如权利要求1-7中任一项所述的车辆定位优化方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311632495.5A CN117330097B (zh) | 2023-12-01 | 2023-12-01 | 车辆定位优化方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311632495.5A CN117330097B (zh) | 2023-12-01 | 2023-12-01 | 车辆定位优化方法、装置、设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117330097A CN117330097A (zh) | 2024-01-02 |
CN117330097B true CN117330097B (zh) | 2024-05-10 |
Family
ID=89293903
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311632495.5A Active CN117330097B (zh) | 2023-12-01 | 2023-12-01 | 车辆定位优化方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117330097B (zh) |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2020199566A1 (zh) * | 2019-03-29 | 2020-10-08 | 魔门塔(苏州)科技有限公司 | 一种导航地图与感知图像匹配关系的更新方法和装置 |
CN111750878A (zh) * | 2019-03-28 | 2020-10-09 | 北京初速度科技有限公司 | 一种车辆位姿的修正方法和装置 |
WO2020224305A1 (zh) * | 2019-05-07 | 2020-11-12 | 北京市商汤科技开发有限公司 | 用于设备定位的方法、装置及设备 |
CN114061611A (zh) * | 2021-11-17 | 2022-02-18 | 腾讯科技(深圳)有限公司 | 目标对象定位方法、装置、存储介质和计算机程序产品 |
CN114332225A (zh) * | 2021-12-30 | 2022-04-12 | 东风汽车有限公司东风日产乘用车公司 | 车道线匹配定位方法、电子设备及存储介质 |
CN115717894A (zh) * | 2022-12-02 | 2023-02-28 | 大连理工大学 | 一种基于gps和普通导航地图的车辆高精度定位方法 |
CN116105755A (zh) * | 2022-12-27 | 2023-05-12 | 华人运通(上海)自动驾驶科技有限公司 | 一种车辆定位修正方法、存储介质及终端设备 |
CN116295457A (zh) * | 2022-12-21 | 2023-06-23 | 辉羲智能科技(上海)有限公司 | 一种基于二维语义地图的车辆视觉定位方法及系统 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20230082106A1 (en) * | 2021-09-13 | 2023-03-16 | Aptiv Technologies Limited | Vehicle Localization to Map Data |
-
2023
- 2023-12-01 CN CN202311632495.5A patent/CN117330097B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111750878A (zh) * | 2019-03-28 | 2020-10-09 | 北京初速度科技有限公司 | 一种车辆位姿的修正方法和装置 |
WO2020199566A1 (zh) * | 2019-03-29 | 2020-10-08 | 魔门塔(苏州)科技有限公司 | 一种导航地图与感知图像匹配关系的更新方法和装置 |
WO2020224305A1 (zh) * | 2019-05-07 | 2020-11-12 | 北京市商汤科技开发有限公司 | 用于设备定位的方法、装置及设备 |
CN114061611A (zh) * | 2021-11-17 | 2022-02-18 | 腾讯科技(深圳)有限公司 | 目标对象定位方法、装置、存储介质和计算机程序产品 |
CN114332225A (zh) * | 2021-12-30 | 2022-04-12 | 东风汽车有限公司东风日产乘用车公司 | 车道线匹配定位方法、电子设备及存储介质 |
CN115717894A (zh) * | 2022-12-02 | 2023-02-28 | 大连理工大学 | 一种基于gps和普通导航地图的车辆高精度定位方法 |
CN116295457A (zh) * | 2022-12-21 | 2023-06-23 | 辉羲智能科技(上海)有限公司 | 一种基于二维语义地图的车辆视觉定位方法及系统 |
CN116105755A (zh) * | 2022-12-27 | 2023-05-12 | 华人运通(上海)自动驾驶科技有限公司 | 一种车辆定位修正方法、存储介质及终端设备 |
Also Published As
Publication number | Publication date |
---|---|
CN117330097A (zh) | 2024-01-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
KR102273559B1 (ko) | 전자 지도를 업데이트하기 위한 방법, 장치 및 컴퓨터 판독 가능한 저장 매체 | |
KR102221286B1 (ko) | 위치 업데이트 방법, 위치 및 내비게이션 노선의 표시 방법, 차량과 시스템 | |
CN107328410B (zh) | 用于定位自动驾驶车辆的方法和汽车电脑 | |
JP6694395B2 (ja) | デジタル地図に対する位置を決定する方法およびシステム | |
JP4847090B2 (ja) | 位置測位装置、および位置測位方法 | |
CN109285188B (zh) | 用于生成目标物体的位置信息的方法和装置 | |
CN108981730A (zh) | 用于为操作自动驾驶车辆生成参考路径的方法和系统 | |
EP3644013B1 (en) | Method, apparatus, and system for location correction based on feature point correspondence | |
US20120163662A1 (en) | Method for building outdoor map for moving object and apparatus thereof | |
EP4170581A1 (en) | Method, device and system for cooperatively constructing point cloud map | |
CN114459471B (zh) | 定位信息确定方法、装置、电子设备及存储介质 | |
CN110110029B (zh) | 用于匹配车道的方法和装置 | |
US10949707B2 (en) | Method, apparatus, and system for generating feature correspondence from camera geometry | |
WO2019031582A1 (ja) | 画像収集システム、画像収集方法、画像収集装置、記録媒体、および車両用通信装置 | |
CN113191342A (zh) | 车道定位方法及电子设备 | |
US11579622B2 (en) | Systems and methods for utilizing images to determine the position and orientation of a vehicle | |
JP2019100924A (ja) | 車両軌跡補正装置 | |
CN117330097B (zh) | 车辆定位优化方法、装置、设备及存储介质 | |
CN116202538B (zh) | 地图匹配融合方法、装置、设备及存储介质 | |
CN112651991A (zh) | 视觉定位方法、装置及计算机系统 | |
CN114283397A (zh) | 全局重定位方法、装置、设备及存储介质 | |
WO2022116572A1 (zh) | 一种目标定位方法及装置 | |
WO2019188874A1 (ja) | データ構造、情報処理装置、及び地図データ生成装置 | |
CN111461982B (zh) | 用于拼接点云的方法和装置 | |
CN117730239A (zh) | 用于导航的设备和方法 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |