CN117606506A - 一种车辆定位方法、装置、电子设备及介质 - Google Patents

一种车辆定位方法、装置、电子设备及介质 Download PDF

Info

Publication number
CN117606506A
CN117606506A CN202311685087.6A CN202311685087A CN117606506A CN 117606506 A CN117606506 A CN 117606506A CN 202311685087 A CN202311685087 A CN 202311685087A CN 117606506 A CN117606506 A CN 117606506A
Authority
CN
China
Prior art keywords
pose
offset
initial
vehicle
initial pose
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
Application number
CN202311685087.6A
Other languages
English (en)
Inventor
蔡程颖
邱笑晨
万国伟
白宇
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Baidu Netcom Science and Technology Co Ltd
Original Assignee
Beijing Baidu Netcom Science and Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Beijing Baidu Netcom Science and Technology Co Ltd filed Critical Beijing Baidu Netcom Science and Technology Co Ltd
Priority to CN202311685087.6A priority Critical patent/CN117606506A/zh
Publication of CN117606506A publication Critical patent/CN117606506A/zh
Pending legal-status Critical Current

Links

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
    • G01C21/3407—Route searching; Route guidance specially adapted for specific applications
    • G01C21/3415—Dynamic re-routing, e.g. recalculating the route when the user deviates from calculated route or after detecting real-time traffic data or accidents
    • 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
    • G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
    • G01S17/86—Combinations of lidar systems with systems other than lidar, radar or sonar, e.g. with direction finders
    • 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
    • G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
    • G01S17/88—Lidar systems specially adapted for specific applications
    • G01S17/93—Lidar systems specially adapted for specific applications for anti-collision purposes
    • G01S17/931—Lidar systems specially adapted for specific applications for anti-collision purposes of land vehicles
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Electromagnetism (AREA)
  • Automation & Control Theory (AREA)
  • Navigation (AREA)

Abstract

本公开提供了一种车辆定位方法、装置、电子设备及介质，涉及计算机技术领域，尤其涉及自动驾驶、智能交通和人工智能技术领域。具体实现方案为：获取车辆在全局坐标系下的初始位姿，并获取车辆周围的环境信息以及车辆周围的指定目标在全局坐标系下的全局位置。之后在指定采样范围内采样以初始位姿为中心的多个位姿偏移量，依据初始位姿、环境信息和全局位置，确定每个位姿偏移量的权重，并依据各位姿偏移量的权重确定候选位姿偏移量，再基于车辆的初始位姿和候选位姿偏移量，确定初始位姿的优化位姿。从而提高了对车辆定位的准确性。

Description

一种车辆定位方法、装置、电子设备及介质
技术领域
本公开涉及计算机技术领域，尤其涉及自动驾驶、智能交通和人工智能技术领域。
背景技术
在智能驾驶系统中，对车辆的起始位姿进行定位非常重要，车辆的起始位姿为后续的路线规划或者自动泊车功能提供重要参考依据，其对智能驾驶的安全性和可靠性有着至关重要的影响。其中，智能驾驶可以包括自动驾驶以及辅助驾驶等。
发明内容
本公开提供了一种车辆定位方法、装置、电子设备及介质。
本公开实施例的第一方面，提供了一种车辆定位方法，包括：
获取车辆在全局坐标系下的初始位姿，并获取所述车辆周围的环境信息以及所述车辆周围的指定目标在全局坐标系下的全局位置；
在指定采样范围内采样以所述初始位姿为中心的多个位姿偏移量，依据所述初始位姿、所述环境信息和所述全局位置，确定每个位姿偏移量的权重，并依据各位姿偏移量的权重确定候选位姿偏移量；
基于所述车辆的初始位姿和候选位姿偏移量，确定所述初始位姿的优化位姿。
本公开实施例的第二方面，提供了一种车辆定位装置，包括：
获取模块，用于获取车辆在全局坐标系下的初始位姿，并获取所述车辆周围的环境信息以及所述车辆周围的指定目标在全局坐标系下的全局位置；
确定模块，用于在指定采样范围内采样以所述初始位姿为中心的多个位姿偏移量，依据所述初始位姿、所述环境信息和所述全局位置，确定每个位姿偏移量的权重，并依据各位姿偏移量的权重确定候选位姿偏移量；
优化模块，用于基于所述车辆的初始位姿和候选位姿偏移量，确定所述初始位姿的优化位姿。
本公开实施例的第三方面，提供了一种电子设备，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指令，所述指令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第一方面中任一项所述的方法。
本公开实施例的第四方面，提供了一种存储有计算机指令的非瞬时计算机可读存储介质，其中，所述计算机指令用于使所述计算机执行根据第一方面中任一项所述的方法。
本公开实施例的第五方面，提供了一种计算机程序产品，包括计算机程序，所述计算机程序在被处理器执行时实现根据第一方面中任一项所述的方法。
本公开实施例的第六方面，提供了一种车辆，包括第三方面所述的电子设备。
应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开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
附图用于更好地理解本方案，不构成对本公开的限定。其中：
图1是本公开实施例提供的一种车辆定位方法的流程图；
图2是本公开实施例提供的一种GNSS定位的示例性示意图；
图3是本公开实施例提供的一种确定位姿偏移量权重的方法流程图；
图4是本公开实施例提供的一种定位模型处理过程的示例性示意图；
图5是本公开实施例提供的一种收敛校验方法的流程图；
图6是本公开实施例提供的另一种车辆定位方法的流程图；
图7是本公开实施例提供的一种车辆定位装置的结构示意图；
图8是用来实现本公开实施例的车辆定位方法的电子设备的框图。
具体实施方式
以下结合附图对本公开的示范性实施例做出说明，其中包括本公开实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本公开的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。
为了提高对车辆的起始位姿进行定位的准确性，本公开实施例提供了一种车辆定位方法，该方法应用于电子设备，电子设备为可实现定位功能的车载设备，例如电子设备可以为车载终端等。
电子设备所在的车辆可以安装有环境采集设备，环境采集设备也可以称为传感器，例如照相机、摄像机以及激光雷达等，相应的，环境采集设备采集的环境信息可以包括图像和点云。示例性的，车辆的尾部可以安装有摄像机，用于采集车辆后方的图像；车辆的前挡风玻璃内侧可以安装有摄像机，该摄像机也可以被称为行车记录仪，用于采集车辆前方的图像；车身左侧可以安装有摄像机，用于采集车辆左侧的图像；车身右侧可以安装有摄像机，用于采集车辆右侧的图像。车辆顶部可以安装有激光雷达，用于采集车辆周围的点云。
如图1所示，本公开实施例提供的车辆定位方法，包括如下步骤：
S101、获取车辆在全局坐标系下的初始位姿，并获取车辆周围的环境信息以及车辆周围的指定目标在全局坐标系下的全局位置。
可选的，电子设备可以在执行S101时通过定位系统实时获取车辆的初始位姿；或者，定位系统可以周期性地确定车辆的初始位姿，执行S101时电子设备可以获取定位系统最近一次确定的初始位姿。其中，定位系统可以集成在电子设备中，或者集成在车辆的其他设备中，本公开实施例对此不作具体限定。
同理，电子设备可以在执行S101时通过环境采集设备实时获取车辆周围的环境信息，或者，车辆的环境采集设备可以周期性地获取环境信息，执行S101时电子设备可以获取环境采集设备最近一次获取的环境信息。
初始位姿可以基于全球卫星导航系统(Global Navigation Satellite System，GNSS)、实时动态差分法(Real-time kinematic，RTK)、点云匹配或者视觉特征匹配等定位方式确定。
电子设备可以在全局坐标系下查找与车辆的初始位姿距离较近的指定目标，并获取指定目标在全局坐标系下的全局位置。其中，指定目标可以是环境中具有标志性的事物。例如指定目标可以是道路、电线杆和交通标志等。全局坐标系可以是世界坐标系、国家坐标系或者行政区域坐标系等，例如，全局坐标系可以通用横墨卡托网格系统(UniversalTransverse Mercator Grid System,UTM)坐标系。相应的，车辆在全局坐标系下的初始位姿可以包括车辆的经度、纬度以及航向角等；指定目标在全局坐标系下的全局位置可以包括指定目标的经度和纬度等。
可选的，电子设备可以按照与初始位姿由近到远的顺序，选择第一数量个指定目标。或者，可以按照目标的类型对车辆周围的目标进行区分，例如目标的类型包括车道线、电线杆和交通提示牌等；从而在以初始位姿为中心的预设范围内，针对每种目标类型，按照与初始位姿由近到远的顺序，选择第二数量个该目标类型的指定目标，第二数量的总和为第一数量；如果预设范围内该目标类型的目标数量少于第二数量，则对预设范围内该目标类型的目标进行重复选择，直至选择出第二数量个该目标类型的指定目标。通过上述方法可以使得每次获取的指定目标的数量相同，使得每次执行S102时基于的指定目标的全局位置的维度相同，保障定位搜索的稳定性和可靠性。除上述两种选择指定目标的方式之外，本公开实施例还可以通过其他方式选择指定目标，本公开实施例对此不作具体限定。
S102、在指定采样范围内采样以初始位姿为中心的多个位姿偏移量，依据初始位姿、环境信息和指定目标的全局位置，确定每个位姿偏移量的权重，并依据多个位姿偏移量的权重确定候选位姿偏移量。
由于初始位姿具有一定的准确度，即车辆的实际位姿在初始位姿附近，因此本公开实施例可以在以初始位姿为中心的指定采样范围内，搜索多个位姿偏移量，即在初始位姿附近搜索位姿偏移量，同时环境信息和指定目标的全局位置，可以反映车辆的实际位姿与每个位姿偏移量对应的候选位姿之间的相似性，从而得到每个位姿偏移量的权重，以便依据多个位姿偏移量的权重，确定更准确的候选位姿偏移量。
S103、基于车辆的初始位姿和候选位姿偏移量，确定初始位姿的优化位姿。可以将该优化位姿作为车辆的起始位姿。
通过上述方法，本公开实施例能够以初始位姿为中心搜索多个位姿偏移量，并依据初始位姿、环境信息和指定目标的全局位置，确定每个位姿偏移量的权重，并依据各位姿偏移量的权重确定候选位姿偏移量，使得候选位姿偏移量更接近初始位姿与车辆实际位姿之间的实际偏移量，从而利用候选位姿偏移量优化初始位姿得到优化位姿。与初始位姿相比，优化位姿更接近车辆的实际位姿，因此在智能驾驶过程中采用优化位姿作为车辆的起始位姿，可以提高确定车辆起始位姿的准确度，提高智能驾驶的安全性和准确性。
在本公开实施例中，由于初始位姿的定位精度能够影响初始位姿与车辆的实际位姿之间的偏差范围，从而影响了本公开实施例对位姿偏移量的采样范围，因此在上述S102在指定采样范围内采样以初始位姿为中心的多个位姿偏移量之前，电子设备还可以获取初始位姿的定位精度，并依据定位精度与采样范围之间的预设对应关系，获取初始位姿的定位精度对应的采样范围，并将获取的采样范围作为指定采样范围。
由于初始位姿的定位精度越高，车辆的实际位姿与初始位姿之间的偏移量越小，因此对位姿偏移量的采样范围可以越小；反之，初始位姿的定位精度越低，车辆的实际位姿与初始位姿之间的偏移量越大，因此对位姿偏移量的采样范围可以越大。因此本公开实施例的定位精度与采样范围之间的预设对应关系中，定位精度与采样范围负相关。
由于获取初始位姿的方式，影响了初始位姿的定位精度，即初始位姿的获取方式能够反映初始位姿的定位精度，因此可以基于各种获取方式与采样范围之间的预设对应关系，确定初始位姿的获取方式对应的采样范围，并作为指定采样范围。
或者，可以采用下述方式确定指定采样范围。
通过上述方法，本公开实施例可以在初始位姿的定位精度较高时，获得较小的指定采样范围，在初始位姿的定位精度较低时，获得较大的指定采样范围，从而使得在指定采样范围内搜索的位姿偏移量更接近车辆的实际位姿与初始位姿之间实际的偏移量，提高了搜索位姿偏移量灵活性和准确度。
本公开实施例中，上述初始位姿可以基于GNSS获取。
其中，GNSS包括以下四种定位方式：
GNSS的定位方式一、基站对卫星进行连续观测，并将载波相位观测数据和测站信息发送到车辆的定位系统。定位系统接收卫星发送的GNSS方向(Heading)信号，并结合基站发送的观测数据和测站信息，根据相对定位原理，解算出载波相位观测值的模糊度，如果定位系统接收到基站发出的信号的噪声较小，则载波相位观测值的模糊度可被解算为一个整数，进而得到车辆的初始位置。该方式得到的初始位置的结果类型为固定解，且该方式的定位精度可达厘米级。
GNSS的定位方式二、基站对卫星进行连续观测，并将载波相位观测数据和测站信息发送到车辆的定位系统。定位系统接收卫星发送的GNSS Heading信号，并结合基站发送的观测数据和测站信息，根据相对定位原理，解算出载波相位观测值的模糊度，如果定位系统接收到基站发出的信号的噪声较大，则载波相位观测值的模糊度可被解算为一个浮点数，进而得到车辆的初始位置。该方式得到的初始位置的结果类型为浮点解，且该方式的定位精度低于上述方式一，高于下述方式三。
GNSS的定位方式三、基站对卫星进行连续观测，获得观测的基站和卫星之间的伪距，并基于已知坐标求解基站与卫星之间的几何距离，结合几何距离和观测得到的伪距，利用阿尔法-贝塔(a-β)滤波器求解伪距修正值，之后将伪距修正值发送到车辆的定位系统。定位系统接收卫星发送的GNSS Heading信号，并结合基站发送的伪距修正值，计算车辆的初始位置。该方式得到的初始位置的结果类型为伪距差分解，该方式的定位精度可达分米级。
GNSS的定位方式四、车辆的定位系统未接收到基站发送的数据，且可通信的卫星数量较少，接收到的卫星发送的GNSS Heading信号的干扰较大，定位系统利用GNSSHeading信号解算车辆的初始位置。该方式得到的初始位置的结果类型为单点解，该方式的定位精度可达米级。
即参见图2，定位系统可以依据接收到的GNSS Heading信号，选择一种GNSS定位方式求解车辆位姿，进而得到结果类型为单点解、伪距差分解、浮点解或者固定解的车辆位姿。
本公开实施例中，通过GNSS可以获得车辆在全局坐标系下的经度、纬度、高度、俯仰角(Pitch)、偏航角(yaw)和滚动角(Roll)，可以选择车辆在全局坐标系下的经度、纬度和偏航角，作为车辆的初始位姿。
在此基础上，上述获取初始位姿的定位精度的方式，可以实现为：获取初始位姿的结果类型，其中结果类型用于反映利用GNSS获取初始位姿时使用的定位方式的定位精度。即初始位姿的结果类型可以为单点解、伪距差分解、浮点解或者固定解。例如，结果类型为“1”表示单点解，结果类型为“2”表示伪距差分解，结果类型为“3”表示浮点解，结果类型为“4”表示固定解。
相应的，依据定位精度与采样范围之间的预设对应关系，获取初始位姿的定位精度对应的采样范围的方式，可以实现为：依据结果类型与采样范围之间的预设对应关系，获取初始位姿的结果类型对应的采样范围。
由于初始位姿的结果类型能够反映初始位姿的定位方式的定位精度，即能够反映初始位姿的定位精度，因此本公开实施例能够获取初始位姿的结果类型对应的采样范围，作为搜索位姿偏移量的指定采样范围，实现了依据初始位姿的定位精度，更灵活且更准确地确定指定采样范围。
在本公开实施例中，结果类型包括：固定解、浮点解、伪距差分解和单点解，且固定解和浮点解反映的定位精度较高，伪距差分解和单点解反映的定位精度较低，因此结果类型与采样范围之间的预设对应关系中，固定解和浮点解对应的采样范围可以为第一采样范围，伪距差分解和单点解对应的采样范围可以为第二采样范围；其中，第一采样范围小于第二采样范围。
其中，采样范围可以包括：最大经度偏移量rx、最大纬度偏移量ry和最大航向角偏移量ryaw。可选的，采样范围还可以包括在每个搜索维度的最大采样个数N。其中，最大经度偏移量和最大纬度偏移量可以相同或者不同，每个搜索维度的最大采样个数可以相同或者不同。
示例性的，固定解和浮点解对应的采样范围为：rx＝ry＝3米(m)，ryaw＝3°，N＝7；伪距差分解和单点解对应的采样范围为：rx＝ry＝9m，yaw＝9°，N＝21。
由于固定解和浮点解反映的定位精度较高，而伪距差分解和单点解反映的定位精度较低，因此设置固定解和浮点解对应的采样范围较小，而伪距差分解和单点解对应的采样范围较大，使得以此得到的指定采样范围更准确，提高了本公开实施例获得优化位姿的成功率，即提高了初始化定位的成功率。
在本公开实施例中，上述S101获取的环境信息包括图像和点云。其中，环境信息可以包括多路图像，每一路图像由不同的图像采集设备获取，各图像采集设备用于采集车辆周围不同方向的场景的图像，各图像采集设备的可视区域之间可以存在交集，使得多路图像之间可以存在重叠区域。例如，车辆配置的6个图像采集设备，分别用于拍摄车辆的正前方区域、左前方区域、右前方区域、左后方区域、右后方区域和正后方区域。
上述S101获取的环境信息包括图像和点云，参见图3，上述S102中依据初始位姿、环境信息和指定目标的全局位置，确定每个位姿偏移量的权重的方式，包括以下步骤：
S301、对图像和点云进行编码，得到鸟瞰图特征图。
本公开实施例可以通过定位网络实现S102，其中定位网络可以是EgoVM，EgoVM是一种基于轻量级矢量化地图的端到端定位网络，轻量级矢量化地图可以称为高精地图。电子设备可以通过定位网络中的图像特征编码器，对图像进行编码，得到图像特征图，示例性的图像特征图的大小可以为其中H＝448，W＝640，H表示高，W表示宽，H和W的单位均为像素。并通过定位网络中的点云特征编码器，对点云进行编码，得到点云特征图，示例性的点云特征图的大小可以为160×160×256。之后利用定位网络中的鸟瞰图特征编码器对图像特征图和点云特征图进行融合，得到鸟瞰图特征图。其中，定位网络中的各特征编码器可以为通用的编码器，例如包括卷积层的编码器。
通过上述方法得到一个鸟瞰图特征图之后，还可以通过定位网络的上采样模型对该鸟瞰图特征图进行上采样，从而得到分辨率更高的鸟瞰图特征图。例如分别对鸟瞰图特征图进行两次上采样，得到两个分辨率更高的鸟瞰图特征图，即共获得三个鸟瞰图特征图，这三个鸟瞰图特征图的分辨率各不相同。例如这三个鸟瞰图特征图的大小依次为：320×320×256、640×640×128和1280×1280×64，且分辨率依次为：0.5米每像素，0.25米每像素，0.125米每像素。
S302、对指定目标的全局位置进行编码，得到位置编码特征。
可选的，指定目标可以为多个，各指定目标包括：线状物、杆状物和/或面状物。例如，线状物可以为车道线、路沿和停止线等，杆状物可以为电线杆、交通信号灯杆和路灯杆等，面状物可以为路标、交通提示牌和广告牌等。
指定目标的全局位置为指定目标在高精地图中的位置矢量。即，线状物的全局位置为一个四维向量[xs ys xe ye]T，其中，[]T表示转置，xs和ys为线状物的起始点在全局坐标系下的坐标，xe和ye为线状物的终止点在全局坐标系下的坐标。杆状物的全局位置为一个四维向量[x1 y1 0 h]T，其中，x1和y1为杆状物与地面连接处在全局坐标系下的坐标，h为杆状物的高度。面状物的全局位置为一个四维向量[x2 y2 nx ny]T，其中，x2和y2为面状物的中心点在全局坐标系下的坐标，(nx,ny)表示面状物的法向量。
可以通过定位网络中的高精位置编码器对指定目标的全局位置进行编码，然后将编码结果与各高精要素语义嵌入进行拼接，得到指定目标的编码特征。其中每个高精要素语义嵌入表示一种地图元素类型，例如地图元素类型包括：车道线、电线杆和交通提示牌等。
S303、对位置编码特征和鸟瞰图特征图进行解码，得到要素嵌入向量。
可以将指定目标的位置编码特征与鸟瞰图特征图一起输入定位网络的特征解码器，该特征解码器可以为转换(transformer)解码器，利用特征解码器对指定目标的位置编码特征和鸟瞰图特征图进行跨模态匹配，即将指定目标的位置编码特征和指定目标在鸟瞰图特征图中的鸟瞰图视角特征进行匹配，得到特征解码器输出的要素嵌入向量，要素嵌入向量也可以称为高精要素嵌入。示例性的，要素嵌入向量的大小为n×256，其中n可以为896，n为指定目标的数量。通过对指定目标的位置编码特征和鸟瞰图特征图进行跨模态匹配，使得要素嵌入向量中既包含指定目标在全局坐标系下的全局特征，又包含指定目标在以车辆为中心的局部坐标系下的局部特征。
S304、针对每个位姿偏移量，依据该位姿偏移量和初始位姿，将指定目标的全局位置投影到鸟瞰图特征图，得到投影向量，并基于投影向量与要素嵌入向量之间的相似度，确定该位姿偏移量的权重。
可以通过定位网络中基于直方图滤波的位姿求解器搜索多个位姿偏移量，并确定各位姿偏移量的权重，后续还可以确定多个位姿偏移量的加权和。
在执行S304之前，位姿求解器首先在指定采样范围内采样多个位姿偏移量，例如可以在指定偏移范围内采用等间隔采样的方式获取位姿偏移量，或者随机采样的方式获取位姿偏移量，本公开实施例对此不作具体限定。以等间隔采样方式为例，指定采样范围为rx＝ry＝3m，ryaw＝3°，N＝7的情况下，经度偏移量和纬度偏移量均可以为：-3m，-2m，-1m，0m，1m，2m，3m，航向角偏移量可以为：-3°，-2°，-1°，0°，1°，2°，3°。任意一个经度偏移量、一个纬度偏移量和一个航向角偏移量组成一个位姿偏移量，从而得到7×7×7个位姿偏移量。
之后，位姿求解器可以针对每个位姿偏移量，依据该位姿偏移量和初始位姿，将指定目标的全局位置投影到鸟瞰图特征图，得到投影向量，并计算投影向量与要素嵌入向量之间的相似度，并基于相似度计算该位姿偏移量的权重。
定位网络可以包括多层位姿求解器，每一层位姿求解器的处理过程相同，且每一层位姿求解器搜索位姿偏移量的范围依次减小，使得每一层位姿求解器搜索的位姿偏移量为：
其中，{ΔTpqr为位姿偏移量，为第l层位姿求解器搜索的第p个经度偏移量，/>为第l层位姿求解器搜索的第q个纬度偏移量，/>为第l层位姿求解器搜索的第r个航向角偏移量，l表示位姿求解器的层数，l∈[0,L-1]，其中L为定位网络包括的位姿求解器总数。
位姿偏移量ΔTpqr与初始位姿的和值为候选位姿/>因此每个位姿偏移量对应一个候选位姿。
之后，位姿求解器可以针对每个位姿偏移量，依据该位姿偏移量和初始位姿的和值，即依据候选位姿，将指定目标的全局位置投影到鸟瞰图特征图，得到投影向量。由于多个鸟瞰图特征图的大小不同，且要素嵌入向量的大小与鸟瞰图特征图的大小不同，因此位姿求解器可以对投影向量和要素嵌入向量进行维度统一，之后再通过以下公式计算投影向量与要素嵌入向量之间的相似度。
其中，表示第l层位姿求解器针对候选位姿/>计算的投影向量与要素嵌入向量之间的相似度，n为指定目标的数量，/>表示基于候选位姿/>将指定目标的全局位置投影到鸟瞰图特征图得到的投影向量，/>表示第i个指定目标的要素嵌入向量，⊙表示同或运算，h(·)表示包括一维卷积层、归一化层以及激活函数层的组合运算。例如，h(·)包括两个或三个由一维卷积层、归一化层以及激活函数层形成的组合。
之后，位姿求解器利用归一化指数函数(softmax)基于投影向量与要素嵌入向量之间的相似度，计算位姿偏移量的权重。即通过以下公式计算每个位姿偏移量的权重。
其中，表示第l层位姿求解器针对候选位姿/>计算的该候选位姿对应的位姿偏移量的权重，X表示公式(2)的求解结果，exp(·)表示以自然常数e为底的指数函数。
本公开实施例中，可以在车辆中预先存储高精地图，以便执行本公开实施例提供的车辆定位方法时，可以从高精地图中获取指定目标的全局位置。而高精地图中的各定位要素的全局位置均以矢量的形式存储，因此对车辆存储空间的占用极小。与基于全局点云地图或者全局视觉特征地图进行定位的方式相比，本公开实施例可以减少定位对车辆存储空间的占用，还能提高定位速度。
而且，本公开实施例还可以利用指定目标的全局位置以及车辆的周围的图像和点云，对初始位姿进行矫正，从而结合多种传感器的定位优势，在初始位姿周围搜索到更准确的位姿。
此外，由于定位网络获取的其中一个鸟瞰图特征图的分辨率为0.125米每像素，因此定位网络搜索更准确的位姿的精度高于0.125米每像素，即定位精度可达厘米级。同时由于本公开实施例中的定位网络可以是EgoVM，而EgoVM的推理效率较高，即使在指定采样范围较大的情况下，使用EgoVM搜索位姿的耗时也较少。例如指定采样范围为rx＝ry＝9m，ryaw＝9°，N＝21的情况下，EgoVM的搜索耗时在2秒以内。
在S304之后，位姿求解器可以将权重最大的位姿偏移量作为候选位姿偏移量。或者，位姿求解器可以计算各位姿偏移量的加权和，将加权和作为候选位姿偏移量。
其中，位姿求解器计算的各位姿偏移量的加权和为：
其中，表示第l层位姿求解器计算的各位姿偏移量的加权和。
各位姿偏移量的加权和与初始位姿的和值为位姿求解器搜索到的更准确的位姿：
其中，为第l层位姿求解器搜索到的更准确的位姿，/>为第l层位姿求解器针对的初始位姿，/>为第l层位姿求解器计算的各位姿偏移量的加权和。例如，第0层位姿求解器针对的初始位姿为定位网络接收的初始位姿，第1层位姿求解器针对的初始位姿为第0层位姿求解器搜索到的更准确的位姿，以此类推。
参见图4，本公开实施例中的定位网络的整体处理流程包括三个方面，第一方面为系统输入，第二方面为跨模态特征生成，第三方面为位姿求解。以下对定位网络的整体处理流程进行说明：
系统输入包括：初始位姿、高精定位要素、通过6路图像采集设备拍摄的6路环视图像和雷达扫描的点云。其中，系统输入的每个高精定位要素为车辆周围的一个指定目标的全局位置。
在跨模态特征生成过程中，通过定位网络中的图像特征编码器，对6路环视图像进行编码，得到图像特征图。并通过定位网络中的点云特征编码器，对雷达扫描的点云进行编码，得到点云特征图。之后利用定位网络中的鸟瞰图特征编码器对图像特征图和点云特征图进行融合，得到鸟瞰图特征图。通过定位网络中的上采样模型对鸟瞰图特征图进行上采样，得到两个分辨率更高的鸟瞰图特征图。通过定位网络中的高精位置编码器对指定目标的全局位置，即对高精定位要素，进行编码，然后将编码结果与各高精要素语义嵌入进行拼接，得到指定目标的编码特征。然后将指定目标的编码特征与鸟瞰图特征图一起输入transformer解码器，利用transformer解码器对指定目标的编码特征和鸟瞰图特征图进行跨模态匹配，并得到transformer解码器输出的要素嵌入向量。
在位姿求解过程中，多层位姿求解器首先在指定采样范围内采样多个位姿偏移量，再针对每个位姿偏移量，依据该位姿偏移量和初始位姿，将指定目标的全局位置投影到鸟瞰图特征图，得到投影向量，并计算投影向量与要素嵌入向量之间的相似度，并基于相似度计算该位姿偏移量的权重，并确定各位姿偏移量的加权和。之后将初始位姿与各位姿偏移量的加权和相加，得到初始位姿的优化位姿。
为提高定位的准确性，在上述S103基于车辆的初始位姿和多个位姿偏移量的加权和，确定初始位姿的优化位姿之前，本公开实施例还可以通过以下两种方式对搜索到的候选位姿偏移量的准确度进行校验：
校验方式一包括如下步骤：
步骤一、针对每个位姿偏移量，将该位姿偏移量与初始位姿的和值，作为该位姿偏移量对应的候选位姿，并基于各位姿偏移量的加权和，确定各候选位姿的方差。
可以计算每一层位姿求解器搜索到的候选位姿的方差，且计算每一层位姿求解器搜索到的候选位姿的方差的方式相同。可以针对每个位姿偏移量，确定该位姿偏移量对应的候选位姿与加权和之间的第一差值，以及该位姿偏移量与加权和之间的第二差值，基于各位姿偏移量的第一差值、第二差值和权重，得到各候选位姿的方差。即通过以下公式确定多个候选位姿的方差：
其中，为第l层位姿求解器针对候选位姿/>计算的该候选位姿对应的位姿偏移量的权重，ΔTest为第l层位姿求解器计算的各位姿偏移量的加权和，ΔTpqr为第l层位姿求解器搜索的位姿偏移量，()T表示转置运算。
或者，可以仅计算最后一层位姿求解器搜索到的候选位姿的方差，计算非最后一层位姿求解器搜索到的候选位姿的方差，不用于当前的车辆定位，可以用于定位算法效果分析或者统计等。
由于位姿偏移量的权重基于投影向量与要素嵌入向量之间的相似度得到，该相似度越高，位姿偏移量的权重越大，表示该位姿偏移量越准确，因此该位姿偏移量与加权和的差值越小，方差越小，体现出当前搜索的加权和越准确。因此本公开实施例能够基于各候选位姿的方差，来表征当前搜索结果的准确度。
步骤二、响应于方差大于或等于第一预设阈值，则说明定位网络搜索失败，可以返回S101中获取车辆在全局坐标系下的初始位姿的步骤。或者，响应于方差小于第一预设阈值，则说明定位网络搜索成功，可以执行上述S103。
例如，第一预设阈值为0.3。
通过上述方法，本公开实施例能够通过比较各候选位姿的方差与第一预设阈值，确定定位网络是否搜索成功，从而在搜索成功的情况下，基于定位网络的搜索结果，确定车辆的位姿，提高了对车辆定位的准确度。
利用方式一对加权和进行准确度校验的情况下，上述S103确定优化位姿的方式可以实现为：将初始位姿和候选位姿偏移量的和值，作为优化位姿。
由于候选位姿偏移量更接近初始位姿与车辆实际位姿之间的实际偏移量，因此将初始位姿与候选位姿偏移量相加，得到的优化位姿更接近车辆的实际位姿。
参见图5，在上述S103基于车辆的初始位姿和候选位姿偏移量，确定初始位姿的优化位姿之前，对搜索的候选位姿偏移量的准确度进行校验的方式二，包括如下步骤：
S501、将每个位姿偏移量与初始位姿的和值，作为每个位姿偏移量对应的候选位姿，并基于各位姿偏移量的加权和，确定各候选位姿的方差。
S501的具体实现方式与上述步骤一相同，可参考上述描述，此处不再赘述。
S502、判断方差是否小于第一预设阈值。响应于方差大于或等于第一预设阈值，则返回S101获取车辆在全局坐标系下的初始位姿的步骤；或者，响应于方差小于第一预设阈值，则执行S503。
S502的具体实现方式与上述步骤二相同，可参考上述描述，此处不再赘述。
S503、判断方差是否小于第二预设阈值。若方差小于第二预设阈值，则执行S504；若方差大于或等于第二预设阈值，则执行S505。
其中，第二预设阈值小于第一预设阈值，例如第二预设阈值为0.15。
S504、将当前迭代次数加1，并判断当前迭代次数是否达到预设次数。若当前迭代次数未达到预设次数，则说明初始化定位未收敛，可以返回S101获取车辆在全局坐标系下的初始位姿的步骤；若当前迭代次数达到预设次数，则说明初始化定位已收敛，可以执行S103基于车辆的初始位姿和候选位姿偏移量，确定初始位姿的优化位姿的步骤。
例如预设次数为1000次，当连续预设次数获得的候选位姿的方差小于第一预设阈值时，说明当前可以稳定地获得较为准确的车辆位姿，因此执行S103，否则可以继续迭代搜索。
S505、将当前迭代次数置为零，并返回S101获取车辆在全局坐标系下的初始位姿的步骤。
若方差大于或等于第二预设阈值，说明当前搜索的加权和不够准确，因此返回S101继续迭代搜索。
通过上述方法，本公开实施例可以对定位方法的稳定性进行校验，当连续预设次数获得的候选位姿的方差均小于第二预设阈值时，说明当前可以稳定地获得较为准确的车辆位姿，因此可以执行S103从而得到车辆的优化位姿，否则可以继续迭代搜索。
在本公开实施例中，通过上述方式二对候选位姿偏移量的准确度校验完成后，上述S103基于车辆的初始位姿和候选位姿偏移量，确定初始位姿的优化位姿的方式，可以包括以下步骤：
步骤1、依据各目标位姿偏移量的权重，确定目标候选位姿偏移量。
其中，目标位姿偏移量为在第三采样范围内以初始位姿为中心采样得到的多个位姿偏移量，且第三采样范围小于候选位姿偏移量所在的指定采样范围。
即，电子设备可以在第三采样范围内采样以初始位姿为中心的多个目标位姿偏移量，并依据车辆的初始位姿、采集的环境信息和全局位置，确定每个目标位姿偏移量的权重，并依据各目标位姿偏移量的权重确定目标候选位姿偏移量。其中，确定目标位姿偏移量的权重的具体实现方式与上述S102确定位姿偏移量的权重的具体实现方式相同，且确定目标候选位姿偏移量的方式与上述S102中确定候选位姿偏移量的方式相同，可参考上述描述，此处不再赘述。
可选的，在确定目标位姿偏移量的权重时，依据的初始位姿、环境信息和全局位置可以是S101获取的，或者可以是在执行步骤1时重新获取的。例如，在执行步骤1时，重新获取车辆在全局坐标系下的初始位姿，并重新获取车辆周围的环境信息以及车辆周围的指定目标在全局坐标系下的全局位置。其中，步骤1获取初始位姿、环境信息和全局位置的具体实现方式与上述S101的具体实现方式相同，可参考上述描述，此处不再赘述。
本公开实施例中，第三采样范围小于指定采样范围，即小于上述第一采样范围和第二采样范围。例如第三采样范围为：rx＝ry＝1.5m，ryaw＝1.5°，N＝3。
步骤2、基于车辆的初始位姿和目标候选位姿偏移量，确定初始位姿的优化位姿。
可以将初始位姿和目标候选位姿偏移量相加，作为初始位姿的优化位姿。
可选的，步骤2中车辆的初始位姿可以是S101获取的，或者可以是在执行步骤1时重新获取的。
若连续预设次数获得的方差均小于第二预设阈值，说明当前获得的初始位姿较为准确，且能够稳定地搜索到较为准确的候选位姿偏移量，因此此时可以缩小指定采样范围，并在更小的采样范围内搜索车辆位姿，从而获得更为准确的优化位姿。
在上述S103中的步骤2之前，本公开实施例还可以对本次搜索到的目标候选位姿偏移量的准确性进行校验，校验过程包括如下步骤：
步骤3、基于各目标位姿偏移量的加权和，计算各目标位姿偏移量对应的目标候选位姿的方差。
其中，步骤3的计算方式与步骤一的计算方式相同，可参考上述描述，此处不再赘述。
步骤4、判断该方差是否小于第三预设阈值。其中第三预设阈值小于第一预设阈值，例如第三预设阈值为0.15。
响应于方差小于第三预设阈值，则执行上述步骤2。或者，响应于方差大于或等于第三预设阈值，则将当前迭代次数置为零，并返回S101获取车辆在全局坐标系下的初始位姿的步骤。
本申请实施例在依据目标候选位姿偏移量，确定优化位姿之前，进一步检验搜索的目标候选位姿偏移量的准确性，在各目标候选位姿的方差小于第三预设阈值时，说明当前搜索的目标候选位姿偏移量的准确度较高，因此可以基于目标候选位姿偏移量执行步骤2从而获得优化位姿，提高了对车辆定位的准确度。而且，在该方差大于或等于第三预设阈值时，说明当前搜索到的目标候选位姿偏移量的准确度较低，因此可以将当前迭代次数置为0，并返回S101重新进行初始化定位的收敛校验过程，提高了对车辆定位的准确度。
参见图6，以下结合实际应用场景，对本公开实施例提供的车辆定位方法的整体流程进行说明：
S601、利用GNSS的一种定位方式，获取车辆在全局坐标系下的初始位姿，并获取车辆周围的环境信息以及车辆周围的指定目标在全局坐标系下的全局位置。
S602、依据结果类型与采样范围之间的预设对应关系，获取初始位姿的结果类型对应的采样范围，将获取的采样范围作为指定采样范围。
S603、通过定位网络在指定采样范围内采样以初始位姿为中心的多个位姿偏移量，并依据初始位姿、环境信息和指定目标的全局位置，确定每个位姿偏移量的权重，并依据各位姿偏移量的权重确定候选位姿偏移量。
S604、将每个位姿偏移量与初始位姿的和值，作为候选位姿，并基于各位姿偏移量的加权和，确定多个候选位姿的方差。
S605、判断方差是否小于第一预设阈值。若方差大于或等于第一预设阈值，则返回S601中获取车辆在全局坐标系下的初始位姿的步骤。若方差小于第一预设阈值，则执行S606；
S606、判断方差是否小于第二预设阈值。若方差小于第二预设阈值，则执行S607。若方差大于或等于第二预设阈值，则将当前迭代次数置为零，并返回S601。
S607、将当前迭代次数加1，并判断当前迭代次数是否达到预设次数。若当前迭代次数未达到预设次数，则返回S601；若当前迭代次数达到预设次数，则执行S608。
S608、重新获取车辆在全局坐标系下的初始位姿，并重新获取车辆周围的环境信息以及车辆周围的指定目标在全局坐标系下的全局位置。
S609、在第三采样范围内采样以重新获取的初始位姿为中心的多个目标位姿偏移量，依据重新获取的初始位姿、环境信息和全局位置，确定每个目标位姿偏移量的权重，并依据各目标位姿偏移量的权重确定目标候选位姿偏移量。
S610、基于各目标位姿偏移量的加权和，计算各目标位姿偏移量对应的目标候选位姿的方差。
S611、判断该方差是否小于第三预设阈值。若是，则执行S612；若否，则将当前迭代次数置为零，并返回S601。
S612、将重新获取的初始位姿和目标候选位姿偏移量的和值，作为优化位姿。
图6中的各步骤的具体实现方式可参考上述描述，此处不再赘述。
现有技术中存在以下四种确定车辆在自动驾驶时的起始位姿的方式：
方式1、使用高精度的实时动态差分法(Real-time kinematic，RTK)获取车辆的起始位姿，该方式得到的起始位姿能够给出厘米级的定位结果，但该方式高度依赖车辆所在区域内的基站，因此依赖的设备成本较高，而且使用范围有限。
方式2、车辆采集车辆周围的图像和点云，之后将采集的图像中的对象与车辆中存储的全局视觉特征地图进行匹配，并将采集的点云中的对象与车辆中存储的全局点云地图进行匹配，结合两种匹配结果得到车辆的起始位姿。但该方式需要车辆中存储全局视觉特征地图和全局点云地图，而全局视觉特征地图和全局点云地图对存储空间的占用极大，而且从全局视觉特征地图和全局点云地图进行查找匹配的方式消耗的时间较长。
方式3、车辆采集车辆周围的图像和点云，之后将采集的图像中的对象与车辆中存储的特征区域的视觉特征地图进行匹配，并将采集的点云中的对象与车辆中存储的特征区域的点云地图进行匹配，结合两种匹配结果得到车辆的起始位姿。但该方式仅能在车辆处于特定区域时，获取车辆的起始位姿，比如特定区域可以为室外停车场或者地下停车场等，因此该方式的使用范围有限。
方式4、先用GNSS获取车辆的初始位姿，再从全局视觉特征地图中筛选出以初始位姿为中心的第一采样范围，并从全局点云地图中筛选出以初始位姿为中心的第二采样范围。之后将采集的图像中的对象与第一采样范围进行匹配，并将采集的点云中的对象与第二采样范围进行匹配，结合两种匹配结果得到车辆的起始位姿。但该方式仍需要在车辆中存储全局视觉特征地图和全局点云地图，因此需要占用大量的存储空间。
而本公开实施例中，使用GNSS获取车辆的初始位姿，不必须使用RTK的定位方式，因此降低了车辆定位对车辆所在区域内基站的依赖，降低了定位成本，扩大了使用范围。
而且本公开实施例基于高精地图进行定位，定位时无需全局点云地图和全局视觉特征地图，且高精地图中的高精要素位置以矢量的形式存储，高精地图的大小约为350每千米千字节(kb/KM)，即每千米的地图元素约占用350千字节的存储空间。因此高精地图占用的存储空间远小于全局点云地图和全局视觉特征地图，降低了对车辆的存储空间的占用，大约可以节省约97％的存储空间。
而且对于原本已部署高精地图的车辆定位系统，则无需为初始化定位进一步分配额外的存储空间，降低了对车辆存储空间的占用。
本公开实施例中的高精地图是全局地图，因此解除了初始化定位对于车辆所处区域的限制，扩大了初始化定位的适用范围。
此外，本公开实施例结合GNSS和EgoVM进行初始化定位，无需基于全局点云地图或者全局视觉特征地图进行搜索匹配，因此初始化定位的效率高。本公开实施例获得车辆的初始位姿的时间大约为30秒，而基于全局点云地图或者全局视觉特征地图进行搜索匹配获得车辆初始位姿的时间大约为2分钟，因此本公开实施例初始化定位的速度更快，效率更高。
本公开的技术方案中，所涉及的车辆位姿、环境信息和指定目标的全局位置的收集、存储、使用、加工、传输、提供和公开等处理，均符合相关法律法规的规定，且不违背公序良俗。
基于相同的发明构思，对应于上述方法实施例，本公开实施例还提供了一种车辆定位装置，如图7所示，该装置包括：获取模块701、确定模块702和优化模块703；
获取模块701，用于获取车辆在全局坐标系下的初始位姿，并获取车辆周围的环境信息以及车辆周围的指定目标在全局坐标系下的全局位置；
确定模块702，用于在指定采样范围内采样以初始位姿为中心的多个位姿偏移量，依据初始位姿、环境信息和全局位置，确定每个位姿偏移量的权重，并依据各位姿偏移量的权重确定候选位姿偏移量；
优化模块703，用于基于车辆的初始位姿和候选位姿偏移量，确定初始位姿的优化位姿。
在本公开的一些实施例中，获取模块701，还用于在指定采样范围内采样以初始位姿为中心的多个位姿偏移量之前，获取初始位姿的定位精度；
确定模块，还用于依据定位精度与采样范围之间的预设对应关系，获取初始位姿的定位精度对应的采样范围，并将获取的采样范围作为指定采样范围，其中，定位精度与采样范围负相关。
在本公开的一些实施例中，其中，初始位姿基于全球导航卫星系统GNSS获取，获取模块701，具体用于：
获取初始位姿的结果类型，结果类型用于反映利用GNSS获取初始位姿时使用的定位方式的定位精度；
确定模块，具体用于：
依据结果类型与采样范围之间的预设对应关系，获取初始位姿的结果类型对应的采样范围。
在本公开的一些实施例中，其中，结果类型包括：固定解、浮点解、伪距差分解或者单点解；结果类型与采样范围之间的预设对应关系中，固定解和浮点解对应的采样范围为第一采样范围，伪距差分解和单点解对应的采样范围为第二采样范围；其中，第一采样范围小于第二采样范围。
在本公开的一些实施例中，其中，环境信息包括图像和点云；确定模块702，具体用于：
对图像和点云进行编码，得到鸟瞰图特征图；
对指定目标的全局位置进行编码，得到位置编码特征，指定目标的全局位置为指定目标在高精地图中的位置矢量；
对位置编码特征和鸟瞰图特征图进行解码，得到要素嵌入向量；
针对每个位姿偏移量，依据该位姿偏移量和初始位姿，将指定目标的全局位置投影到鸟瞰图特征图，得到投影向量，并基于投影向量与要素嵌入向量之间的相似度，确定该位姿偏移量的权重。
在本公开的一些实施例中，该装置还可以包括：
计算模块，用于在基于车辆的初始位姿和候选位姿偏移量，确定初始位姿的优化位姿之前，针对每个位姿偏移量，将该位姿偏移量与初始位姿的和值，作为该位姿偏移量对应的候选位姿；
确定模块702，还用于基于各位姿偏移量的加权和，确定各候选位姿的方差；
调用模块，用于响应于方差大于或等于第一预设阈值，则调用获取模块701执行获取车辆在全局坐标系下的初始位姿的步骤；或响应于方差小于第一预设阈值，则调用优化模块703执行基于车辆的初始位姿和候选位姿偏移量，确定初始位姿的优化位姿的步骤。
在本公开的一些实施例中，其中，确定模块702，具体用于：
针对每个位姿偏移量，确定该位姿偏移量对应的候选位姿与加权和之间的第一差值，以及该位姿偏移量与加权和之间的第二差值；
基于各位姿偏移量的第一差值、第二差值和权重，得到各候选位姿的方差。
在本公开的一些实施例中，其中，优化模块703，具体用于：
将初始位姿和加权和的和值，作为优化位姿。
在本公开的一些实施例中，该装置还可以包括：
计算模块，用于在基于车辆的初始位姿和候选位姿偏移量，确定初始位姿的优化位姿之前，将每个位姿偏移量与初始位姿的和值，作为每个位姿偏移量对应的候选位姿；
确定模块702，还用于基于各位姿偏移量的加权和，确定各候选位姿的方差；
调用模块，用于响应于方差大于或等于第一预设阈值，则调用获取模块701执行获取车辆在全局坐标系下的初始位姿的步骤；
判断模块，用于响应于方差小于第一预设阈值，则判断方差是否小于第二预设阈值，其中，第二预设阈值小于第一预设阈值；
判断模块，还用于若方差小于第二预设阈值，则将当前迭代次数加1，并判断当前迭代次数是否达到预设次数；若当前迭代次数未达到预设次数，则调用获取模块701执行获取车辆在全局坐标系下的初始位姿的步骤；若当前迭代次数达到预设次数，则调用优化模块703执行基于车辆的初始位姿和候选位姿偏移量，确定初始位姿的优化位姿的步骤；
置零模块，用于若方差大于或等于第二预设阈值，则将当前迭代次数置为零，并调用获取模块701执行获取车辆在全局坐标系下的初始位姿的步骤。
在本公开的一些实施例中，其中，优化模块703，具体用于：
依据各目标位姿偏移量的权重，确定目标候选位姿偏移量，目标位姿偏移量为在第三采样范围内以初始位姿为中心采样得到的多个位姿偏移量，第三采样范围小于候选位姿偏移量所在的指定采样范围；
基于车辆的初始位姿和目标候选位姿偏移量，确定初始位姿的优化位姿。
在本公开的一些实施例中，计算模块，还用于在基于车辆的初始位姿和目标候选位姿偏移量，确定初始位姿的优化位姿之前，基于各目标位姿偏移量的加权和，计算各目标位姿偏移量对应的目标候选位姿的方差；
调用模块，还用于响应于方差小于第三预设阈值，则调用优化模块703执行基于车辆的初始位姿和目标候选位姿偏移量，确定初始位姿的优化位姿的步骤，第三预设阈值小于第一预设阈值；
置零模块，还用于响应于方差大于或等于第三预设阈值，则将当前迭代次数置为零，并调用获取模块701执行获取车辆在全局坐标系下的初始位姿的步骤。
根据本公开的实施例，本公开还提供了一种电子设备、一种可读存储介质和一种计算机程序产品。
图8示出了可以用来实施本公开的实施例的示例电子设备800的示意性框图。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/或者要求的本公开的实现。
如图8所示，电子设备800包括计算单元801，其可以根据存储在只读存储器(ROM)802中的计算机程序或者从存储单元808加载到随机访问存储器(RAM)803中的计算机程序，来执行各种适当的动作和处理。在RAM 803中，还可存储电子设备800操作所需的各种程序和数据。计算单元801、ROM 802以及RAM 803通过总线804彼此相连。输入/输出(I/O)接口805也连接至总线804。
电子设备800中的多个部件连接至I/O接口805，包括：输入单元806，例如键盘、鼠标等；输出单元807，例如各种类型的显示器、扬声器等；存储单元808，例如磁盘、光盘等；以及通信单元809，例如网卡、调制解调器、无线通信收发机等。通信单元809允许电子设备800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。
计算单元801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。计算单元801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计算单元、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。计算单元801执行上文所描述的各个方法和处理，例如车辆定位方法。例如，在一些实施例中，车辆定位方法可被实现为计算机软件程序，其被有形地包含于机器可读介质，例如存储单元808。在一些实施例中，计算机程序的部分或者全部可以经由ROM 802和/或通信单元809而被载入和/或安装到电子设备800上。当计算机程序加载到RAM 803并由计算单元801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，计算单元801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)、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。
用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码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或控制器，使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码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。
在本公开的上下文中，机器可读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程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读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。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，可以在计算机上实施此处描述的系统和技术，该计算机具有：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计算机。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)和互联网。
计算机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，也可以为分布式系统的服务器，或者是结合了区块链的服务器。
本公开实施例还提供了一种车辆，该车辆中包括上述电子设备。
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，本公开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，只要能够实现本公开公开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，并不构成对本公开保护范围的限制。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。任何在本公开的精神和原则之内所作的修改、等同替换和改进等，均应包含在本公开保护范围之内。

Claims (26)

1.一种车辆定位方法，包括：
获取车辆在全局坐标系下的初始位姿，并获取所述车辆周围的环境信息以及所述车辆周围的指定目标在全局坐标系下的全局位置；
在指定采样范围内采样以所述初始位姿为中心的多个位姿偏移量，依据所述初始位姿、所述环境信息和所述全局位置，确定每个位姿偏移量的权重，并依据各位姿偏移量的权重确定候选位姿偏移量；
基于所述车辆的初始位姿和候选位姿偏移量，确定所述初始位姿的优化位姿。
2.根据权利要求1所述的方法，在所述在指定采样范围内采样以所述初始位姿为中心的多个位姿偏移量之前，所述方法还包括：
获取所述初始位姿的定位精度；
依据定位精度与采样范围之间的预设对应关系，获取所述初始位姿的定位精度对应的采样范围，并将获取的采样范围作为所述指定采样范围，其中，定位精度与采样范围负相关。
3.根据权利要求2所述的方法，其中，所述初始位姿基于全球导航卫星系统GNSS获取，所述获取所述初始位姿的定位精度，包括：
获取所述初始位姿的结果类型，所述结果类型用于反映利用GNSS获取所述初始位姿时使用的定位方式的定位精度；
所述依据定位精度与采样范围之间的预设对应关系，获取所述初始位姿的定位精度对应的采样范围，包括：
依据结果类型与采样范围之间的预设对应关系，获取所述初始位姿的结果类型对应的采样范围。
4.根据权利要求3所述的方法，其中，所述结果类型包括：固定解、浮点解、伪距差分解或者单点解；结果类型与采样范围之间的预设对应关系中，固定解和浮点解对应的采样范围为第一采样范围，伪距差分解和单点解对应的采样范围为第二采样范围；其中，所述第一采样范围小于所述第二采样范围。
5.根据权利要求1所述的方法，其中，所述环境信息包括图像和点云；所述依据所述初始位姿、所述环境信息和所述全局位置，确定每个位姿偏移量的权重，包括：
对所述图像和所述点云进行编码，得到鸟瞰图特征图；
对所述指定目标的全局位置进行编码，得到位置编码特征，所述指定目标的全局位置为所述指定目标在高精地图中的位置矢量；
对所述位置编码特征和鸟瞰图特征图进行解码，得到要素嵌入向量；
针对每个位姿偏移量，依据该位姿偏移量和所述初始位姿，将所述指定目标的全局位置投影到所述鸟瞰图特征图，得到投影向量，并基于所述投影向量与所述要素嵌入向量之间的相似度，确定该位姿偏移量的权重。
6.根据权利要求1所述的方法，在所述基于所述车辆的初始位姿和候选位姿偏移量，确定所述初始位姿的优化位姿之前，所述方法还包括：
针对每个位姿偏移量，将该位姿偏移量与所述初始位姿的和值，作为该位姿偏移量对应的候选位姿；
基于各位姿偏移量的加权和，确定各候选位姿的方差；
响应于所述方差大于或等于所述第一预设阈值，则返回所述获取车辆在全局坐标系下的初始位姿的步骤；或
响应于所述方差小于所述第一预设阈值，则执行所述基于所述车辆的初始位姿和候选位姿偏移量，确定所述初始位姿的优化位姿的步骤。
7.根据权利要求6所述的方法，其中，所述基于各位姿偏移量的加权和，确定各候选位姿的方差，包括：
针对每个位姿偏移量，确定该位姿偏移量对应的候选位姿与所述加权和之间的第一差值，以及该位姿偏移量与所述加权和之间的第二差值；
基于各位姿偏移量的第一差值、第二差值和权重，得到各候选位姿的方差。
8.根据权利要求1-7任一项所述的方法，其中，所述基于所述车辆的初始位姿和候选位姿偏移量，确定所述初始位姿的优化位姿，包括：
将所述初始位姿和所述候选位姿偏移量的和值，作为所述优化位姿。
9.根据权利要求1所述的方法，在所述基于所述车辆的初始位姿和候选位姿偏移量，确定所述初始位姿的优化位姿之前，所述方法还包括：
针对每个位姿偏移量，将该位姿偏移量与所述初始位姿的和值，作为该位姿偏移量对应的候选位姿；
基于各位姿偏移量的加权和，确定各候选位姿的方差；
响应于所述方差大于或等于所述第一预设阈值，则返回所述获取车辆在全局坐标系下的初始位姿的步骤；或
响应于所述方差小于所述第一预设阈值，则判断所述方差是否小于第二预设阈值，其中，所述第二预设阈值小于所述第一预设阈值；
若所述方差小于所述第二预设阈值，则将当前迭代次数加1，并判断当前迭代次数是否达到预设次数；
若当前迭代次数未达到所述预设次数，则返回所述获取车辆在全局坐标系下的初始位姿的步骤；
若当前迭代次数达到所述预设次数，则执行所述基于所述车辆的初始位姿和候选位姿偏移量，确定所述初始位姿的优化位姿的步骤；
若所述方差大于或等于所述第二预设阈值，则将当前迭代次数置为零，并返回所述获取车辆在全局坐标系下的初始位姿的步骤。
10.根据权利要求9所述的方法，其中，所述基于所述车辆的初始位姿和候选位姿偏移量，确定所述初始位姿的优化位姿，包括：
依据各目标位姿偏移量的权重，确定目标候选位姿偏移量，所述目标位姿偏移量为在第三采样范围内以所述初始位姿为中心采样得到的多个位姿偏移量，所述第三采样范围小于所述候选位姿偏移量所在的所述指定采样范围；
基于所述车辆的初始位姿和目标候选位姿偏移量，确定所述初始位姿的优化位姿。
11.根据权利要求10所述的方法，在所述基于所述车辆的初始位姿和目标候选位姿偏移量，确定所述初始位姿的优化位姿之前，所述方法还包括：
基于各目标位姿偏移量的加权和，计算各目标位姿偏移量对应的目标候选位姿的方差；
响应于所述方差小于第三预设阈值，则执行所述基于所述车辆的初始位姿和目标候选位姿偏移量，确定所述初始位姿的优化位姿的步骤，所述第三预设阈值小于所述第一预设阈值；或
响应于所述方差大于或等于第三预设阈值，则将当前迭代次数置为零，并返回所述获取车辆在全局坐标系下的初始位姿的步骤。
12.一种车辆定位装置，包括：
获取模块，用于获取车辆在全局坐标系下的初始位姿，并获取所述车辆周围的环境信息以及所述车辆周围的指定目标在全局坐标系下的全局位置；
确定模块，用于在指定采样范围内采样以所述初始位姿为中心的多个位姿偏移量，依据所述初始位姿、所述环境信息和所述全局位置，确定每个位姿偏移量的权重，并依据各位姿偏移量的权重确定候选位姿偏移量；
优化模块，用于基于所述车辆的初始位姿和候选位姿偏移量，确定所述初始位姿的优化位姿。
13.根据权利要求12所述的装置，
所述获取模块，还用于在所述在指定采样范围内采样以所述初始位姿为中心的多个位姿偏移量之前，获取所述初始位姿的定位精度；
所述确定模块，还用于依据定位精度与采样范围之间的预设对应关系，获取所述初始位姿的定位精度对应的采样范围，并将获取的采样范围作为所述指定采样范围，其中，定位精度与采样范围负相关。
14.根据权利要求13所述的装置，其中，所述初始位姿基于全球导航卫星系统GNSS获取，所述获取模块，具体用于：
获取所述初始位姿的结果类型，所述结果类型用于反映利用GNSS获取所述初始位姿时使用的定位方式的定位精度；
所述确定模块，具体用于：
依据结果类型与采样范围之间的预设对应关系，获取所述初始位姿的结果类型对应的采样范围。
15.根据权利要求14所述的装置，其中，所述结果类型包括：固定解、浮点解、伪距差分解或者单点解；结果类型与采样范围之间的预设对应关系中，固定解和浮点解对应的采样范围为第一采样范围，伪距差分解和单点解对应的采样范围为第二采样范围；其中，所述第一采样范围小于所述第二采样范围。
16.根据权利要求12所述的装置，其中，所述环境信息包括图像和点云；所述确定模块，具体用于：
对所述图像和所述点云进行编码，得到鸟瞰图特征图；
对所述指定目标的全局位置进行编码，得到位置编码特征，所述指定目标的全局位置为所述指定目标在高精地图中的位置矢量；
对所述位置编码特征和鸟瞰图特征图进行解码，得到要素嵌入向量；
针对每个位姿偏移量，依据该位姿偏移量和所述初始位姿，将所述指定目标的全局位置投影到所述鸟瞰图特征图，得到投影向量，并基于所述投影向量与所述要素嵌入向量之间的相似度，确定该位姿偏移量的权重。
17.根据权利要求12所述的装置，所述装置还包括：
计算模块，用于在所述基于所述车辆的初始位姿和候选位姿偏移量，确定所述初始位姿的优化位姿之前，针对每个位姿偏移量，将该位姿偏移量与所述初始位姿的和值，作为该位姿偏移量对应的候选位姿；
所述确定模块，还用于基于各位姿偏移量的加权和，确定各候选位姿的方差；
调用模块，用于响应于所述方差大于或等于所述第一预设阈值，则调用所述获取模块执行所述获取车辆在全局坐标系下的初始位姿的步骤；或响应于所述方差小于所述第一预设阈值，则调用所述优化模块执行所述基于所述车辆的初始位姿和候选位姿偏移量，确定所述初始位姿的优化位姿的步骤。
18.根据权利要求17所述的装置，其中，所述确定模块，具体用于：
针对每个位姿偏移量，确定该位姿偏移量对应的候选位姿与所述加权和之间的第一差值，以及该位姿偏移量与所述加权和之间的第二差值；
基于各位姿偏移量的第一差值、第二差值和权重，得到各候选位姿的方差。
19.根据权利要求12-18任一项所述的装置，其中，所述优化模块，具体用于：
将所述初始位姿和所述候选位姿偏移量的和值，作为所述优化位姿。
20.根据权利要求12所述的装置，所述装置还包括：
计算模块，用于在所述基于所述车辆的初始位姿和候选位姿偏移量，确定所述初始位姿的优化位姿之前，将每个位姿偏移量与所述初始位姿的和值，作为每个位姿偏移量对应的候选位姿；
所述确定模块，还用于基于各位姿偏移量的加权和，确定各候选位姿的方差；
调用模块，用于响应于所述方差大于或等于所述第一预设阈值，则调用所述获取模块执行所述获取车辆在全局坐标系下的初始位姿的步骤；
判断模块，用于响应于所述方差小于所述第一预设阈值，则判断所述方差是否小于第二预设阈值，其中，所述第二预设阈值小于所述第一预设阈值；
所述判断模块，还用于若所述方差小于所述第二预设阈值，则将当前迭代次数加1，并判断当前迭代次数是否达到预设次数；若当前迭代次数未达到所述预设次数，则调用所述获取模块执行所述获取车辆在全局坐标系下的初始位姿的步骤；若当前迭代次数达到所述预设次数，则调用所述优化模块执行所述基于所述车辆的初始位姿和候选位姿偏移量，确定所述初始位姿的优化位姿的步骤；
置零模块，用于若所述方差大于或等于所述第二预设阈值，则将当前迭代次数置为零，并调用所述获取模块执行所述获取车辆在全局坐标系下的初始位姿的步骤。
21.根据权利要求20所述的装置，其中，所述优化模块，具体用于：
依据各目标位姿偏移量的权重，确定目标候选位姿偏移量，所述目标位姿偏移量为在第三采样范围内以所述初始位姿为中心采样得到的多个位姿偏移量，所述第三采样范围小于所述候选位姿偏移量所在的所述指定采样范围；
基于所述车辆的初始位姿和目标候选位姿偏移量，确定所述初始位姿的优化位姿。
22.根据权利要求21所述的装置，
所述计算模块，还用于在所述基于所述车辆的初始位姿和目标候选位姿偏移量，确定所述初始位姿的优化位姿之前，基于各目标位姿偏移量的加权和，计算各目标位姿偏移量对应的目标候选位姿的方差；
所述调用模块，还用于响应于所述方差小于第三预设阈值，则调用所述优化模块执行所述基于所述车辆的初始位姿和目标候选位姿偏移量，确定所述初始位姿的优化位姿的步骤，所述第三预设阈值小于所述第一预设阈值；
所述置零模块，还用于响应于所述方差大于或等于第三预设阈值，则将当前迭代次数置为零，并调用所述获取模块执行所述获取车辆在全局坐标系下的初始位姿的步骤。
23.一种电子设备，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指令，所述指令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1-11中任一项所述的方法。
24.一种存储有计算机指令的非瞬时计算机可读存储介质，其中，所述计算机指令用于使所述计算机执行根据权利要求1-11中任一项所述的方法。
25.一种计算机程序产品，包括计算机程序，所述计算机程序在被处理器执行时实现根据权利要求1-11中任一项所述的方法。
26.一种车辆，包括权利要求23所述的电子设备。
CN202311685087.6A 2023-12-08 2023-12-08 一种车辆定位方法、装置、电子设备及介质 Pending CN117606506A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202311685087.6A CN117606506A (zh) 2023-12-08 2023-12-08 一种车辆定位方法、装置、电子设备及介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202311685087.6A CN117606506A (zh) 2023-12-08 2023-12-08 一种车辆定位方法、装置、电子设备及介质

Publications (1)

Publication Number Publication Date
CN117606506A true CN117606506A (zh) 2024-02-27

Family

ID=89947999

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202311685087.6A Pending CN117606506A (zh) 2023-12-08 2023-12-08 一种车辆定位方法、装置、电子设备及介质

Country Status (1)

Country Link
CN (1) CN117606506A (zh)

Similar Documents

Publication Publication Date Title
CN109270545B (zh) 一种定位真值校验方法、装置、设备及存储介质
CN109435955B (zh) 一种自动驾驶系统性能评估方法、装置、设备及存储介质
CN111220164A (zh) 定位方法、装置、设备及存储介质
CN113933818A (zh) 激光雷达外参的标定的方法、设备、存储介质及程序产品
CN112652062B (zh) 一种点云地图构建方法、装置、设备和存储介质
CN114111774B (zh) 车辆的定位方法、系统、设备及计算机可读存储介质
US11448771B2 (en) Method and apparatus for evaluating data, device, and computer-readable storage medium
de Paula Veronese et al. Evaluating the limits of a LiDAR for an autonomous driving localization
EP3842836A1 (en) Method, apparatus and storage medium for positioning object
CN110018503B (zh) 车辆的定位方法及定位系统
CN113223064B (zh) 一种视觉惯性里程计尺度的估计方法和装置
CN114252897A (zh) 定位方法、装置、电子设备及计算机存储介质
CN114119752A (zh) 基于gnss和视觉的室内外衔接的机器人定位方法
CN113936109A (zh) 高精地图点云数据的处理方法、装置、设备以及存储介质
CN115790621A (zh) 高精地图更新方法、装置及电子设备
CN117606506A (zh) 一种车辆定位方法、装置、电子设备及介质
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
CN115032672A (zh) 一种基于定位子系统的融合定位方法及系统
CN113470342B (zh) 一种自运动估计的方法及装置
CN111367310A (zh) 航线偏离预警方法、装置、设备及存储介质
CN116912310B (zh) 相机位姿估计方法、装置、计算机设备及介质
CN111461982B (zh) 用于拼接点云的方法和装置
CN116663329B (zh) 自动驾驶仿真测试场景生成方法、装置、设备及存储介质
CN117292118B (zh) 雷达引导光电跟踪坐标补偿方法、装置、电子设备及介质
CN117928575B (zh) 车道信息提取方法、系统、电子设备以及存储介质

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