CN118354417A - 相对于车辆的对象定位方法、装置、设备和介质 - Google Patents

相对于车辆的对象定位方法、装置、设备和介质 Download PDF

Info

Publication number
CN118354417A
CN118354417A CN202310076282.2A CN202310076282A CN118354417A CN 118354417 A CN118354417 A CN 118354417A CN 202310076282 A CN202310076282 A CN 202310076282A CN 118354417 A CN118354417 A CN 118354417A
Authority
CN
China
Prior art keywords
vehicle
region
probability
coordinate
signal strength
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
CN202310076282.2A
Other languages
English (en)
Inventor
刘超
刘俊昌
陈科
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.)
Valeo Interior Controls Shenzhen Co Ltd
Original Assignee
Valeo Interior Controls Shenzhen 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 Valeo Interior Controls Shenzhen Co Ltd filed Critical Valeo Interior Controls Shenzhen Co Ltd
Priority to CN202310076282.2A priority Critical patent/CN118354417A/zh
Priority to PCT/CN2024/072001 priority patent/WO2024149374A1/en
Publication of CN118354417A publication Critical patent/CN118354417A/zh
Pending legal-status Critical Current

Links

Classifications

    • 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
    • G01S5/00—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations
    • G01S5/02—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations using radio waves
    • G01S5/0252—Radio frequency fingerprinting
    • G01S5/02521—Radio frequency fingerprinting using a radio-map
    • 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
    • G01S2205/00—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations
    • G01S2205/01—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations specially adapted for specific applications
    • 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
    • G01S5/00—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations
    • G01S5/02—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations using radio waves
    • G01S5/0252—Radio frequency fingerprinting
    • G01S5/02521—Radio frequency fingerprinting using a radio-map
    • G01S5/02524—Creating or updating the radio-map
    • G01S5/02525—Gathering the radio frequency fingerprints
    • G01S5/02526—Gathering the radio frequency fingerprints using non-dedicated equipment, e.g. user equipment or crowd-sourcing

Landscapes

  • Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Lock And Its Accessories (AREA)
  • Position Fixing By Use Of Radio Waves (AREA)
  • Radar Systems Or Details Thereof (AREA)

Abstract

本公开提供了一种相对于车辆的对象定位方法、装置、设备、计算机可读存储介质以及计算机程序产品。对象定位方法包括：在与车辆相关的区域中的未知位置处，分别测量对象与N个通信节点中的每个通信节点之间的信号强度，以得到N个信号强度值；将N个信号强度值映射为N维空间中的坐标点；基于该坐标点的N维坐标值、用于确定对象处于与车辆相关的区域中的任意位置处的概率的概率函数、以及用于划分对象处于第一区域或第二区域的概率阈值，确定对象处于车辆的第一区域或者第二区域，其中概率函数是对象在N维空间中的坐标值的函数。

Description

相对于车辆的对象定位方法、装置、设备和介质
技术领域
本公开一般涉及汽车领域，并且更具体地，涉及一种相对于车辆的对象定位方法、装置、设备、计算机可读存储介质以及计算机程序产品。
背景技术
如今，汽车数字钥匙已经逐渐融合到汽车智能化、网联化和共享化的工程中，并逐渐成为各大车企的标配。数字钥匙可以通过诸如智能手机、蓝牙设备、可穿戴设备等具有通信功能的设备来锁定或解锁汽车，并可以对汽车执行相关操作，从而提高汽车使用的便利性。汽车数字钥匙系统通常在车辆上搭载多个通信节点，例如主控制器(Hub)和多个锚点(Anchor)，其中，各个锚点可以通过总线与主控制器连接，并且主控制器和各个锚点均可以和数字钥匙进行通信，并可以由主控制器确定数字钥匙相对于车辆的位置，从而相应地执行对汽车的各种智能化操作，诸如锁定汽车、解锁汽车、启动或关闭汽车等等。
蓝牙低功耗(BLE)是一种个人局域网技术，近年来广泛应用于医疗保健、运动健身、汽车、安防、家庭娱乐等领域中，能够在保持与传统蓝牙同等通信范围的同时显著降低功耗和成本。BLE的优势对于智能汽车应用也有着巨大的吸引力，然而，在数字钥匙采用BLE与各个通信节点进行通信时，由于BLE的测距精度较差，常常无法准确确定数字钥匙与车辆的相对位置，使得汽车智能化操作的准确性和灵敏性大幅下降，严重损害了用户体验。
发明内容
为了解决上述问题，本公开提供了一种相对于车辆的对象定位方法、装置、设备、计算机可读存储介质以及计算机程序产品。
根据本公开实施例的另一方面，提供了一种相对于车辆的对象定位方法，所述车辆包括N个通信节点，其中N为大于1的正整数，与车辆相关的区域包括第一区域和第二区域，所述方法包括：在所述区域中的未知位置处，分别测量对象与所述N个通信节点中的每个通信节点之间的信号强度，以得到N个信号强度值；将所述N个信号强度值映射为N维空间中的坐标点；基于所述坐标点的N维坐标值、用于确定所述对象处于所述与车辆相关的区域中的任意位置处的概率的概率函数、以及用于划分所述对象处于所述第一区域或所述第二区域的概率阈值，确定所述对象处于所述车辆的所述第一区域或者所述第二区域，其中所述概率函数是所述对象在所述N维空间中的坐标值的函数。
根据本公开实施例的示例，其中，基于所述坐标点的N维坐标值、用于确定所述对象处于所述与车辆相关的区域中的任意位置处的概率的概率函数、以及用于划分所述对象处于所述第一区域或所述第二区域的概率阈值，确定所述对象处于所述车辆的所述第一区域或者所述第二区域包括：利用所述坐标点的N维坐标值和所述概率函数计算所述对象处于所述未知位置处的概率；在所述概率大于所述概率阈值的情况下，确定所述对象处于所述车辆的第一区域，并且在所述概率小于或等于所述概率阈值的情况下，确定所述对象处于所述车辆的第二区域。
根据本公开实施例的示例，其中，其中，所述概率函数根据以下方式来确定：将所述与车辆相关的区域划分为所述第一区域和所述第二区域；在所述第一区域或所述第二区域中的多个已知位置中的每个已知位置处，分别测量所述对象与所述N个通信节点中的每个通信节点之间的信号强度，以得到N个信号强度值；将在所述每个已知位置处测量的所述N个信号强度值映射为所述N维空间中的坐标点以生成点集；基于所述点集中的各个坐标点的N维坐标值，生成所述概率函数并确定所述概率阈值。
根据本公开实施例的示例，其中，基于所述点集中的各个坐标点的N维坐标值，生成所述概率函数包括：基于所述点集中的各个坐标点的N维坐标值，利用线性回归方法生成所述概率函数。
根据本公开实施例的示例，其中，基于所述点集中的各个坐标点的N维坐标值，利用线性回归方法生成所述概率函数包括：基于所述点集中的各个坐标点的N维坐标值和各个坐标点对应的已知位置，利用线性回归方法确定所述概率函数的线性回归系数；以及基于所述线性回归系数确定所述概率函数。
根据本公开实施例的示例，其中，所述N维空间的每个维度分别对应于所述N个通信节点中的每个通信节点与所述对象之间的信号强度值。
根据本公开实施例的示例，其中，所述第一区域和所述第二区域是以下各项中的至少一个：车辆内部和车辆外部、车辆上锁区和车辆解锁区、车辆左侧和车辆左侧之外的其他区域、车辆右侧和车辆右侧之外的其他区域、车辆前方和车辆前方之外的其他区域、车辆后方和车辆后方之外的其他区域、及其任意组合。
根据本公开实施例的示例，其中，所述对象是包括智能手机、便携式计算机、可穿戴设备、蓝牙设备、内置通信器件的实体车钥匙中的至少一个的具有通信能力的设备或终端。
根据本公开实施例的示例，其中，所述对象与所述N个通信节点中的每个通信节点采用蓝牙低功耗(BLE)技术进行通信。
根据本公开实施例的另一方面，提供了一种相对于车辆的对象定位装置，所述车辆包括N个通信节点，其中N为大于1的正整数，与车辆相关的区域包括第一区域和第二区域，所述装置包括：信号测量单元，被配置为在所述区域中的未知位置处，分别测量对象与所述N个通信节点中的每个通信节点之间的信号强度，以得到N个信号强度值；映射单元，被配置为将所述N个信号强度值映射为N维空间中的坐标点；定位单元，被配置为基于所述坐标点的N维坐标值、用于确定所述对象处于所述与车辆相关的区域中的任意位置处的概率的概率函数、以及用于划分所述对象处于所述第一区域或所述第二区域的概率阈值，确定所述对象处于所述车辆的所述第一区域或者所述第二区域，其中所述概率函数是所述对象在所述N维空间中的坐标值的函数。
根据本公开实施例的示例，其中，所述定位单元还被配置为：利用所述坐标点的N维坐标值和所述概率函数计算所述对象处于所述未知位置处的概率；在所述概率大于所述概率阈值的情况下，确定所述对象处于所述车辆的第一区域，并且在所述概率小于或等于所述概率阈值的情况下，确定所述对象处于所述车辆的第二区域。
根据本公开实施例的示例，其中，所述概率函数根据以下方式来确定：将所述与车辆相关的区域划分为所述第一区域和所述第二区域；在所述第一区域或所述第二区域中的多个已知位置中的每个已知位置处，分别测量所述对象与所述N个通信节点中的每个通信节点之间的信号强度，以得到N个信号强度值；将在所述每个已知位置处测量的所述N个信号强度值映射为所述N维空间中的坐标点以生成点集；基于所述点集中的各个坐标点的N维坐标值，生成所述概率函数并确定所述概率阈值。
根据本公开实施例的示例，其中，基于所述点集中的各个坐标点的N维坐标值，生成所述概率函数包括：基于所述点集中的各个坐标点的N维坐标值，利用线性回归方法生成所述概率函数。
根据本公开实施例的示例，其中，基于所述点集中的各个坐标点的N维坐标值，利用线性回归方法生成所述概率函数包括：基于所述点集中的各个坐标点的N维坐标值和各个坐标点对应的已知位置，利用线性回归方法确定所述概率函数的线性回归系数；以及基于所述线性回归系数确定所述概率函数。
根据本公开实施例的另一方面，提供了一种相对于车辆的对象定位设备，包括：一个或多个处理器；以及一个或多个存储器，其中所述存储器中存储有计算机可读指令，所述计算机可读指令在由所述一个或多个处理器运行时，使得所述一个或多个处理器执行上述各个方面中所述的方法。
根据本公开实施例的另一方面，提供了一种计算机可读存储介质，其上存储有计算机可读指令，所述计算机可读指令在被处理器执行时，使得所述处理器执行如本公开上述各个方面中任一项所述的方法。
根据本公开实施例的另一方面，提供了一种计算机程序产品，其中包括计算机可读指令，所述计算机可读指令在被处理器执行时，使得所述处理器执行如本公开上述各个方面中任一项所述的方法。
根据本公开实施例的另一方面，提供了一种机动车辆，其包括如本公开上述各个方面中任一项所述的对象定位装置或对象定位设备。
利用根据本公开实施例的各个方面的相对于车辆的对象定位方法、装置、设备、计算机可读存储介质以及计算机程序产品，能够基于预测量的对象处于与车辆相关的第一区域或第二区域中的N维信号强度值，构建用于计算对象处于区域中任意位置处的概率的概率函数，从而对于处于任意未知位置处的对象，能够仅仅根据对象与各个通信节点之间的信号强度值来计算对象处于第一区域或第二区域的概率，从而判断对象处于车辆的第一区域或第二区域，能够有效弥补诸如BLE的通信技术在定位精度方面的不足，使得能够在利用BLE等技术的低功耗、低成本等优势的同时，实现对诸如汽车钥匙等的对象的准确定位，以为汽车智能化操作提供有力的辅助。
附图说明
通过结合附图对本公开实施例进行更详细的描述，本公开实施例的上述以及其它目的、特征和优势将变得更加明显。附图用来提供对本公开实施例的进一步理解，并且构成说明书的一部分，与本公开实施例一起用于解释本公开，并不构成对本公开的限制。在附图中，相同的参考标号通常代表相同部件或步骤。
图1示出了根据本公开实施例的示例的汽车数字钥匙系统的系统布局图。
图2示出了根据本公开实施例的相对于车辆的对象定位方法的流程图。
图3示出了根据本公开实施例的示例的车辆的第一区域和第二区域的示意图。
图4示出了根据本公开实施例的示例的确定概率函数的方法的流程图
图5示出了根据本公开实施例的示例的点集的示意图。
图6示出了根据本公开实施例的相对于车辆的对象定位装置的结构示意图。
图7示出了根据本公开实施例的相对于车辆的对象定位设备的结构示意图。
图8示出了根据本公开实施例的计算机可读存储介质的结构示意图。
图9示出了根据本公开实施例的机动车辆的示意图。
具体实施方式
下面将结合本公开实施例中的附图，对本公开实施例中的技术方案进行清楚、完整地描述。显然，所描述的实施例仅是本公开一部分的实施例，而不是全部的实施例。基于本公开中的实施例，本领域普通技术人员在无需创造性劳动的前提下所获得的所有其他实施例，都属于本公开保护的范围。
汽车数字钥匙可以通过诸如智能手机、蓝牙设备、可穿戴设备等具有通信功能的设备来实现对汽车的智能化操作。通常，可以确定数字钥匙与汽车的相对位置，从而针对性地对汽车采取相应的操作。例如，如果确定数字钥匙与汽车的距离超出预定范围，则可以锁定汽车；或者，如果确定数字钥匙与汽车的距离小于预定范围，则可以解锁汽车；又或者，如果确定数字钥匙的位置落在车辆内部，则可以自动启动汽车，等等。为了实现对数字钥匙的定位，汽车数字钥匙系统需要搭载多个通信节点，例如主控制器(Hub)和多个锚点(Anchor)。图1示出了根据本公开实施例的示例的汽车数字钥匙系统的系统布局图。
如图1所示，作为示例而非限制，车辆100上可以搭载主控制器110和四个锚点120，其中四个锚点120分别位于车辆100的左前方(FL)、右前方(FR)、左后方(RL)和右后方(RR)处。各个锚点120通过总线130与主控制器110连接并且彼此连接，并因此可以与主控制器通信并且可以彼此互相通信。此外，主控制器110和各个锚点120均可以与数字钥匙140进行通信，例如并且不限于，通过蓝牙低功耗(BLE)、超宽带(UWB)等通信技术进行通信。在图1中，数字钥匙140被示意性地示出为智能手机，但应当理解的是，这仅仅作为示例，数字钥匙140还可以是便携式计算机、个人数字助理(PDA)、蓝牙设备、可穿戴设备(诸如智能眼镜、智能手环等等)、内置通信器件的实体车钥匙等任意具有通信功能的设备或终端，本公开实施例对此不作具体限制。
为了相对于车辆100对数字钥匙140进行定位，各个锚点120和/或主控制器110可以分别与数字钥匙140进行通信，并可以采用例如信号强度测量或飞行时间测量等方法来确定与数字钥匙140的距离。然后，主控制器110可以例如通过总线130接收各个锚点120测得的信号强度或者飞行时间、或者基于信号强度或飞行时间确定的距离值，并进一步确定数字钥匙140相对于车辆100的位置。例如，主控制器110可以采用诸如三角定位的算法来确定数字钥匙相对于车辆100的位置。
如前所述，数字钥匙可以采用诸如BLE的技术与各个通信节点进行通信，但由于蓝牙测距精度较差，导致在采用诸如三角定位的算法来对数字钥匙进行定位时，常常无法准确确定数字钥匙与车辆的相对位置，使得汽车智能化操作的准确性和灵敏性大幅下降，严重损害了用户体验。针对此问题，本公开提供了一种相对于车辆的对象定位方法，能够有效弥补诸如BLE的通信技术在定位精度方面的不足，使得能够在利用BLE等技术的低功耗、低成本等优势的同时，实现对诸如汽车钥匙等的对象的准确定位，以为汽车智能化操作提供有力的辅助。
下面参照图2描述根据本公开实施例的相对于车辆的对象定位方法。图2示出了根据本公开实施例的相对于车辆的对象定位方法的流程图200。
在本公开实施例中，车辆中可以包括N个通信节点，其中N为大于等于1的正整数。这里通信节点可以是指任何具有通信能力的设备或终端，例如如上所述的主控制器(Hub)和锚点(Anchor)，本公开实施例对此不作具体限制。多个通信节点可以安装在车辆的多个安装位置处，例如可以安装在车辆的左前方、右前方、左后方、右后方处等，如图1中所示的锚点110(FL，FR，RL，RR)，也可以安装在车辆的中轴线上，如图1中所示的主控制器120，但本公开实施例不限于此，通信节点可以安装在车辆中任意适当的位置处。此外，需要说明的是，虽然在图1中以主控制器110和锚点120为例示出了5个通信节点，但本公开实施例不限于此，根据需要，车辆中可以包括更多或更少的通信节点。
在本公开实施例中，对象是指任何具有通信能力的设备或终端，例如智能手机、便携式计算机、可穿戴设备、蓝牙设备、内置通信器件的实体车钥匙等等，本公开实施例对此不作具体限制。例如，在智能汽车应用中，本公开实施例中的对象可以是指汽车数字钥匙。从而，对象可以与N个通信节点中的各个通信节点进行通信，例如采用BLE等技术进行通信。本公开实施例的对象定位方法期望确定对象相对于车辆的位置，例如位于车辆内部或车辆外部、车辆上锁区或解锁区、车辆左侧、车辆右侧、车辆前方、车辆后方等等。
在本公开实施例中，与车辆相关的区域可以包括第一区域和第二区域。这里，与车辆相关的区域例如可以是指处于车辆智能化操作范围内的区域，或者车辆周围的感兴趣区域，例如可以是包括车辆内部区域在内的车辆周围预定距离内的区域，本公开实施例对此不作具体限制。根据本公开实施例的示例，该第一区域和第二区域可以是以下各项中的至少一个：车辆内部和车辆外部、车辆上锁区和车辆解锁区、车辆左侧和车辆左侧之外的其他区域、车辆右侧和车辆右侧之外的其他区域、车辆前方和车辆前方之外的其他区域、车辆后方和车辆后方之外的其他区域、及其任意组合，但本公开实施例不限于此，也可以根据实际需要对与车辆相关的区域进行其他形式的划分。
以图3为例对第一区域和第二区域进行说明。图3示出了根据本公开实施例的示例的车辆的第一区域和第二区域的示意图。在图3的示例中，第一区域310是指车辆内部的区域，第二区域320是指车辆外部预定距离内的区域。其中，预定距离可以根据实际需要继续设置，例如可以是指车辆外部一米、五米、十米或者任意其他距离，本公开实施例对此不作具体限制。通过判断对象(例如数字钥匙)位于车辆的第一区域310还是第二区域320，可以相应地对车辆采取不同的智能化操作。图3中以数字钥匙为例示出了对象330，对象330当前处于车辆的第一区域310中的驾驶位处。如果能够判断出对象330位于车辆的第一区域310中，则可以例如执行自动启动车辆等智能化操作。
根据本公开实施例的另一示例，第一区域和第二区域可以分别是车辆的上锁区和解锁区，在此示例中，如果判断对象位于车辆的上锁区，则可以自动锁定车辆；如果判断对象位于车辆的解锁区，则可以自动解锁车辆。根据本公开实施例的另一示例，第一示例和第二示例可以分别是车辆左侧和车辆左侧之外的其他区域，在此示例中，如果判断对象位于车辆的左侧，并且进一步确定对象位于车辆的解锁区，则可以自动解锁车辆的左侧车门；如果判断对象位于车辆左侧之外的其他区域，则可以进一步确定车辆位于车辆的右侧、前方还是后方。
需要说明的是，上面以将与车辆相关的区域包括两个区域为例进行说明，但这仅仅是为了便于描述的目的而非作为限制，也可以根据需要将与车辆相关的区域划分为更多的区域。
如图2所示，在步骤S210中，在与车辆相关的区域中的任意未知位置处，分别测量对象与N个通信节点中的每个通信节点之间的信号强度，以得到N个信号强度值。如前所述，对象可以与N个通信节点中的每个通信节点采用诸如BLE等的技术进行通信，从而可以分别测量对象与每个通信节点之间的信号强度。这里，可以采用任何已知的方法测量对象与通信节点之间的信号强度，本公开对具体的测量方法不作限制。
在步骤S220中，将所测量的对象与N个通信节点中的每个通信节点之间的N个信号强度值映射为N维空间中的坐标点。在本公开实施例中，可以构建一个N维空间RN，其中N对应于通信节点的数量，然后可以将在任意位置处测量得到的对象与N个通信节点中的各个通信节点之间的N个信号强度值映射为该N维空间中的一个坐标点。因此，该N维空间也可以称为N维信号强度空间。例如，假定在某个位置处测量得到的N个信号强度值为s1，s2......sN，则该N个信号强度值可以被映射为N维空间中的坐标点S(s1，s2......sN)。
在步骤S230中，可以基于在步骤S220中得到的坐标点的N维坐标值、用于确定对象处于与车辆相关的区域中的任意位置处的概率的概率函数、以及用于划分对象处于第一区域或第二区域的概率阈值，确定对象处于车辆的第一区域或者第二区域，其中概率函数是对象在N维空间中的坐标值的函数。
在本公开实施例中，可以通过预先在与车辆相关的区域中的多个已知位置中的每个已知位置处分别测量对象与各个通信节点之间的信号强度以得到N个信号强度值，并将在每个已知位置处测量的N个信号强度值映射为N维空间中的坐标点以生成点集，然后基于该点集中的各个坐标点的N维坐标值和各个坐标点对应的已知位置，来确定概率函数。
下面参照图4描述根据本公开实施例的确定概率函数的方法。图4示出了根据本公开实施例的示例的确定概率函数的方法400的流程图。
如图4所示，在步骤S410中，可以将与车辆相关的区域划分为第一区域和第二区域。其中，第一区域和第二区域例如可以是上面参照图3描述的第一区域310和第二区域320，也可以是任意其他区域，例如车辆上锁区和车辆解锁区、车辆左侧和车辆左侧之外的其他区域、车辆右侧和车辆右侧之外的其他区域、车辆前方和车辆前方之外的其他区域、车辆后方和车辆后方之外的其他区域等等，本公开实施例对此不作具体限制。
在步骤S420中，在第一区域或第二区域中的多个已知位置中的每个已知位置处，分别测量对象与N个通信节点中的每个通信节点之间的信号强度，以得到N个信号强度值。在本公开实施例中，可以预先在第一区域和第二区域中的多个已知位置处，测量对象与每个通信节点之间的信号强度。进行该预测量的位置和数量可以以预定规律进行选择，例如可以以车辆中心为起点，在不同径向方向上每隔一定距离选择一个预测量位置点。本公开实施例对预测量位置的选择方式和预测量的数量不作具体限制，可以根据诸如定位精度等的实际需求选择任意适当的预测量位置。
在步骤S430中，将在每个已知位置处测量的N个信号强度值映射为N维空间中的坐标点以生成点集。如上所述，在本公开实施例中，可以构建一个N维空间RN，其中N对应于通信节点的数量，然后将在每个已知位置处测量得到的对象与N个通信节点中的各个通信节点之间的N个信号强度值映射为该N维空间中的一个坐标点。因此，该N维空间也可以称为N维信号强度空间。例如，假定在某个已知位置处测量得到的N个信号强度值为s1，s2......sN，则该N个信号强度值可以被映射为N维空间中的坐标点S(s1，s2......sN)。将在多个位置处测量得到的多组信号强度值映射到N维空间中，将得到由多个坐标点构成的点集，其中与来自相同区域中的已知位置处测量的信号强度值对应的点可以被构建为一个集群。
图5示出了根据本公开实施例的示例的点集的示意图。为了便于更直观地进行说明，在图5仅示意性地示出了三维信号强度空间，其对应于车辆中有三个通信节点，并且每个维度分别对应于三个通信节点中的每个通信节点与对象之间的信号强度值。如图5所示，坐标点的第一集群510可以对应于在车辆的第一区域中测量得到的信号强度值，并且坐标点的第二集群520可以对应于在车辆的第二区域中测量得到的信号强度值。可以看到，在点集足够大的情况下，即进行信号预测量的位置足够多的情况下，在信号强度空间中可以构建得到能够彼此区分的分别对应于第一区域和第二区域的两个集群。如果能够寻找到可以在数学上区分这两个集群的方法，例如寻找到可以划分第一集群和第二集群的数学意义上的阈值，或者划分第一集群和第二集群的几何意义上的界面(如图5中以界面530所示意性地示出的)，则可以根据该数学阈值或者几何界面来判断信号强度空间中的任意坐标点属于哪个集群，或者更具体地，属于车辆的哪个区域。容易理解，图5中所示出的三维信号强度空间以及坐标点的第一集群和第二集群仅仅作为示例，而非具有任何意义上的限制。
为此，在步骤S440中，基于点集中的各个坐标点的N维坐标值，生成作为对象在N维空间中的坐标值的函数的、用于确定对象处于与车辆相关的区域中的任意位置处的概率的概率函数，并确定用于划分对象处于第一区域或第二区域的概率阈值。在本公开实施例的示例中，可以基于在步骤S430中得到的点集，利用线性回归方法来生成该概率函数，并相应地确定概率阈值，但本公开实施例不限于此，也可以根据任意其他合适的方法或算法来基于点集确定概率函数和概率阈值。
在本公开实施例的示例中，假定对象处于与车辆相关的区域中的某一位置处的概率为函数p，对该概率函数应用如下所示的logistic变换：
经过logistic变换，可以将原概率函数p转换为线性函数y，从而可以用线性回归方法对其进行回归估计。对于点集中的任意坐标点S(s1，s2......sN)，可以对其应用如下的线性回归：
y＝β0+β1*s1+β2*s2+…+βNsN (2)
其中，s1，s2......sN为在任一已知位置处测量的对象与N个通信节点中的各个通信节点之间的N个信号强度值，β0，β1，β2......βN为线性回归系数。
结合上式(1)和(2)，可以得到：
可见，只要确定线性回归系数β0，β1，β2......βN，就可以利用上式(3)根据在与对象相关的区域中的任意位置处测量得到的N维信号强度值，来估计对象落在区域中的概率。在确定线性回归系数时，期望线性回归系数能够使得对象落在第一区域和第二区域中的概率能够产生明显的区分，以便能够利用上述基于线性回归系数的概率函数来实现对象相对于车辆的区域定位。为此，可以基于点集中的各个坐标点的N维坐标值和各个坐标点对应的已知位置来确定线性回归系数。例如，对于在步骤S430中获得的点集中的各个坐标点，例如可以假定第一区域中的预测量位置对应的坐标点的概率为1，并假定第二区域中的预测量位置对应的坐标点的概率为0，并据此进行线性回归计算。根据本公开实施例的示例，可以例如利用最小二乘法、最大似然法等，基于在步骤S430中获得的点集中的各个坐标点的N维坐标值，来确定线性回归系数，本公开实施例对确定线性回归系数的具体方式不作限制。
在确定了线性回归系数β0，β1，β2......βN之后，则可以根据上述(3)确定用于确定对象落在第一区域或第二区域中的概率的概率函数p。并且，基于该线性回归系数，可以根据上式(2)确定如前所述的划分N维空间中的第一集群和第二集群的几何意义上的界面，如图5中的界面530所示。
在获得概率函数p之后，可以确定用于划分对象落在第一区域或第二区域中的概率阈值，如果根据在某一位置处测量的信号强度值对应的N维空间坐标点计算得到的概率大于该概率阈值，则可以确定对象当前处于车辆的第一区域；否则，如果所计算的概率小于或等于概率阈值，则确定对象当前处于车辆的第二区域。例如，在上述假定的前提下，可以确定概率阈值为0.5，则如果根据在某一位置处测量的信号强度值对应的N维空间坐标点计算得到的概率大于0.5，则可以确定对象当前处于车辆的第一区域；否则，确定对象当前处于车辆的第二区域。需要说明的是，本公开实施例对确定概率阈值的具体方式不作限制，可以根据实际应用设置任意合适的概率阈值，只要根据该概率阈值足以区分对象处于第一区域或第二区域的概率。
在确定了概率函数和概率阈值之后，则对于处于与车辆相关的区域中的任意未知位置处的对象，可以基于概率函数和概率阈值确定对象相对于车辆的位置。根据本公开实施例的示例，如上所述，在区域中的任意未知位置处，可以分别测量对象与N个通信节点中的每个通信节点之间的信号强度，以得到N个信号强度值，将N个信号强度值映射为N维空间中的坐标点，然后基于该坐标点的N维坐标值、概率函数和概率阈值，确定对象处于车辆的第一区域或者第二区域。具体地，可以利用该坐标点的N维坐标值和概率函数计算该坐标点对应的概率，在所计算的概率大于概率阈值的情况下，确定对象处于车辆的第一区域，并且在概率小于或等于概率阈值的情况下，确定对象处于车辆的第二区域。从而，实现了对象相对于车辆的区域定位。
在实际应用场景中，以对象为数字钥匙为例，例如，可以首先利用根据本公开实施例的对象定位方法判断数字钥匙处于车辆内部或车辆外部，即第一区域和第二区域分别为车辆内部和车辆外部。然后，可以例如根据数字钥匙与各个通信节点之间的信号强度的相对大小，来判断数字钥匙处于车辆的左侧、右侧、前方或者后方，并可以在相应区域进一步根据本公开实施例的对象定位方法判断数字钥匙处于车辆的上锁区或解锁区，从而可以针对性地执行车辆的智能化操作。例如，如果判断数字钥匙处于车辆外部且处于车辆左侧，则可以再次通过本公开实施例的对象定位方法判断数字钥匙处于上锁区还是解锁区(即可以将第一区域和第二区域分别定义为车辆左侧的上锁区和解锁区)，如果确定数字钥匙处于解锁区，则可以自动打开车辆左侧的车门。可替代地，也可以根据本公开实施例的对象定位方法来判断数字钥匙处于车辆的左侧、右侧、前方或者后方，例如，可以通过依次将第一区域和第二区域确定为车辆左侧和车辆左侧之外的其他区域、车辆右侧和车辆右侧之外的其他区域、车辆前方和车辆前方之外的其他区域、车辆后方和车辆后方之外的其他区域，来执行根据本公开实施例的对象定位方法。
利用根据本公开实施例的相对于车辆的对象定位方法，能够基于预测量的对象处于与车辆相关的第一区域或第二区域中的N维信号强度值，构建用于计算对象处于区域中任意位置处的概率的概率函数，从而对于处于任意未知位置处的对象，能够仅仅根据对象与各个通信节点之间的信号强度值来计算对象处于第一区域或第二区域的概率，从而判断对象处于车辆的第一区域或第二区域。根据本公开实施例的对象定位方法，能够有效弥补诸如BLE的通信技术在定位精度方面的不足，使得能够在利用BLE等技术的低功耗、低成本等优势的同时，实现对诸如汽车钥匙等的对象的准确定位，以为汽车智能化操作提供有力的辅助。
下面参照图6描述根据本公开实施例的相对于车辆的对象定位装置。图6示出了根据本公开实施例的相对于车辆的对象定位装置600的结构示意图。由于装置600与上文结合图2描述的方法200的细节相同，因此在这里为了简单起见，省略对相同内容的详细描述。如图6所示，对象定位装置600可以包括信号测量单元610、映射单元620和定位单元630。除了这三个单元以外，装置600还可以包括其他部件，然而，由于这些部件与本公开实施例的内容无关，因此在这里省略其图示和描述。
在本公开实施例中，车辆中可以包括N个通信节点，其中N为大于等于1的正整数。这里通信节点可以是指任何具有通信能力的设备或终端，例如如上所述的主控制器(Hub)和锚点(Anchor)，本公开实施例对此不作具体限制。多个通信节点可以安装在车辆的多个安装位置处，例如可以安装在车辆的左前方、右前方、左后方、右后方处等等，本公开实施例对此不作具体限制。
在本公开实施例中，对象是指任何具有通信能力的设备或终端，例如智能手机、便携式计算机、可穿戴设备、蓝牙设备、内置通信器件的实体车钥匙等等，本公开实施例对此不作具体限制。例如，在智能汽车应用中，本公开实施例中的对象可以是指汽车数字钥匙。从而，对象可以与N个通信节点中的各个通信节点进行通信，例如采用BLE等技术进行通信。本公开实施例的对象定位方法期望确定对象相对于车辆的位置，例如位于车辆内部或车辆外部、车辆上锁区或解锁区、车辆左侧、车辆右侧、车辆前方、车辆后方等等。
在本公开实施例中，与车辆相关的区域可以包括第一区域和第二区域。这里，与车辆相关的区域例如可以是指处于车辆智能化操作范围内的区域，或者车辆周围的感兴趣区域，例如可以是包括车辆内部区域在内的车辆周围预定距离内的区域，本公开实施例对此不作具体限制。根据本公开实施例的示例，该第一区域和第二区域可以是以下各项中的至少一个：车辆内部和车辆外部、车辆上锁区和车辆解锁区、车辆左侧和车辆左侧之外的其他区域、车辆右侧和车辆右侧之外的其他区域、车辆前方和车辆前方之外的其他区域、车辆后方和车辆后方之外的其他区域、及其任意组合，但本公开实施例不限于此，也可以根据实际需要对与车辆相关的区域进行其他形式的划分。
以图3为例对第一区域和第二区域进行说明。图3示出了根据本公开实施例的示例的车辆的第一区域和第二区域的示意图。在图3的示例中，第一区域310是指车辆内部的区域，第二区域320是指车辆外部预定距离内的区域。其中，预定距离可以根据实际需要继续设置，例如可以是指车辆外部一米、五米、十米或者任意其他距离，本公开实施例对此不作具体限制。通过判断对象(例如数字钥匙)位于车辆的第一区域310还是第二区域320，可以相应地对车辆采取不同的智能化操作。图3中以数字钥匙为例示出了对象330，对象330当前处于车辆的第一区域310中的驾驶位处。如果能够判断出对象330位于车辆的第一区域310中，则可以例如执行自动启动车辆等智能化操作。
根据本公开实施例的另一示例，第一区域和第二区域可以分别是车辆的上锁区和解锁区，在此示例中，如果判断对象位于车辆的上锁区，则可以自动锁定车辆；如果判断对象位于车辆的解锁区，则可以自动解锁车辆。根据本公开实施例的另一示例，第一示例和第二示例可以分别是车辆左侧和车辆左侧之外的其他区域，在此示例中，如果判断对象位于车辆的左侧，并且此前已经确定对象位于车辆的解锁区，则可以自动解锁车辆的左侧车门；如果判断对象位于车辆左侧之外的其他区域，则可以进一步确定车辆位于车辆的右侧、前方还是后方。
需要说明的是，上面以将与车辆相关的区域包括两个区域为例进行说明，但这仅仅是为了便于描述的目的而非作为限制，也可以根据需要将与车辆相关的区域划分为更多的区域。
信号测量单元610被配置为在与车辆相关的区域中的任意未知位置处，分别测量对象与N个通信节点中的每个通信节点之间的信号强度，以得到N个信号强度值。如前所述，对象可以与N个通信节点中的每个通信节点采用诸如BLE等的技术进行通信，从而可以分别测量对象与每个通信节点之间的信号强度。这里，信号测量单元610可以采用任何已知的方法测量对象与通信节点之间的信号强度，本公开对具体的测量方法不作限制。
映射单元620被配置为将所测量的对象与N个通信节点中的每个通信节点之间的N个信号强度值映射为N维空间中的坐标点。在本公开实施例中，可以构建一个N维空间RN，其中N对应于通信节点的数量，然后可以将在任意位置处测量得到的对象与N个通信节点中的各个通信节点之间的N个信号强度值映射为该N维空间中的一个坐标点。因此，该N维空间也可以称为N维信号强度空间。例如，假定在某个位置处测量得到的N个信号强度值为s1，s2......sN，则该N个信号强度值可以被映射为N维空间中的坐标点S(s1，s2……sN)。
定位单元630被配置为基于映射单元得到的坐标点的坐标值、用于确定对象处于与车辆相关的区域中的任意位置处的概率的概率函数、以及用于划分对象处于第一区域或第二区域的概率阈值，确定对象处于车辆的第一区域或者第二区域，其中概率函数是对象在N维空间中的坐标值的函数。
在本公开实施例中，可以通过预先在与车辆相关的区域中的多个已知位置处分别测量对象与N个通信节点中的每个通信节点之间的信号强度以得到N个信号强度值，并将在每个已知位置处测量的N个信号强度值映射为N维空间中的坐标点以生成点集，然后基于该点集中的各个坐标点的N维坐标值，来生成概率函数并确定概率阈值。在本公开实施例的示例中，可以基于点集中的各个坐标点的N维坐标值，利用线性回归方法来生成该概率函数，并相应地确定概率阈值，但本公开实施例不限于此，也可以根据任意其他合适的方法或算法来基于点集确定概率函数和概率阈值。具体地，可以基于点集中的各个坐标点的N维坐标值和各个坐标点对应的已知位置，利用线性回归方法确定概率函数的线性回归系数，然后基于该线性回归系数确定概率函数，如上面参照等式(1)-(3)所具体描述的，在此不再赘述。
利用根据本公开实施例的相对于车辆的对象定位装置，能够基于预测量的对象处于与车辆相关的第一区域或第二区域中的N维信号强度值，构建用于计算对象处于区域中任意位置处的概率的概率函数，从而对于处于任意未知位置处的对象，能够仅仅根据对象与各个通信节点之间的信号强度值来计算对象处于第一区域或第二区域的概率，从而判断对象处于车辆的第一区域或第二区域。根据本公开实施例的对象定位装置，能够有效弥补诸如BLE的通信技术在定位精度方面的不足，使得能够在利用BLE等技术的低功耗、低成本等优势的同时，实现对诸如汽车钥匙等的对象的准确定位，以为汽车智能化操作提供有力的辅助。
下面参照图7描述根据本公开实施例的相对于车辆的对象定位设备。图7示出了根据本公开实施例的相对于车辆的对象定位设备700的结构示意图。如图7所示，设备700包括一个或多个处理器710和一个或多个存储器720，其中存储器720中存储有计算机可读指令，该计算机可读指令在由一个或多个处理器710运行时，使得一个或多个处理器710执行如上所述的相对于车辆的对象定位方法或实现如上所述的相对于车辆的对象定位装置。
此外，本公开的实施例也可以被实现为计算机可读存储介质，如图8所示。图8示出了根据本公开实施例的计算机可读存储介质800的结构示意图。如图8所示，根据本公开实施例的计算机可读存储介质上存储有计算机可读指令810。当计算机可读指令810由处理器运行时，可以执行如上所述的相对于车辆的对象定位方法。计算机可读存储介质包括但不限于例如易失性存储器和/或非易失性存储器。易失性存储器例如可以包括随机存取存储器(RAM)和/或高速缓冲存储器(cache)等。非易失性存储器例如可以包括只读存储器(ROM)、硬盘、闪存等。
根据本公开的实施例，还提供了一种计算机程序产品或计算机程序，该计算机程序产品或者计算机程序包括计算机可读指令，该计算机可读指令存储在计算机可读存储介质中。计算机设备的处理器可以从计算机可读存储介质读取该计算机可读指令，处理器执行该计算机可读指令，使得该计算机设备执行如上所述的相对于车辆的对象定位方法。
根据本公开的实施例，还提供了一种机动车辆900。图9示出了根据本公开实施例的机动车辆900的示意图。如图9所示，所述机动车辆900包括如上所述的对象定位装置600或对象定位设备700。所述机动车辆900具有与所述对象定位装置600或所述对象定位设备700相对应的优势，在此为简洁起见不再赘述。
本领域技术人员能够理解，本公开所披露的内容可以出现多种变型和改进。例如，以上所描述的各种设备或组件可以通过硬件实现，也可以通过软件、固件、或者三者中的一些或全部的组合实现。
此外，如本公开和权利要求书中所示，除非上下文明确提示例外情形，″一″、″一个″、″一种″和/或″该″等词并非特指单数，也可包括复数。本公开中使用的″第一″、″第二″以及类似的词语并不表示任何顺序、数量或者重要性，而只是用来区分不同的组成部分。同样，″包括″或者″包含″等类似的词语意指出现该词前面的元件或者物件涵盖出现在该词后面列举的元件或者物件及其等同，而不排除其他元件或者物件。″连接″或者″相连″等类似的词语并非限定于物理的或者机械的连接，而是可以包括电性的连接，不管是直接的还是间接的。
此外，本公开中使用了流程图用来说明根据本公开实施例的实施例的系统所执行的操作。应当理解的是，前面或下面操作不一定按照顺序来精确地执行。相反，可以按照倒序或同时处理各种步骤。同时，也可以将其他操作叠加到这些过程中，或从这些过程移除某一步或数步操作。
除非另有定义，这里使用的所有术语(包括技术和科学术语)具有与本公开所属领域的普通技术人员共同理解的相同含义。还应当理解，诸如在通常字典里定义的那些术语应当被解释为具有与它们在相关技术的上下文中的含义相一致的含义，而不应用理想化或极度形式化的意义来解释，除非这里明确地这样定义。
以上对本公开进行了详细说明，但对于本领域技术人员而言，显然，本公开并非限定于本说明书中说明的实施方式。本公开在不脱离由权利要求书的记载所确定的本公开的宗旨和范围的前提下，可以作为修改和变更方式来实施。因此，本说明书的记载是以示例说明为目的，对本公开而言并非具有任何限制性的意义。

Claims (16)

1.一种相对于车辆的对象定位方法，所述车辆包括N个通信节点，其中N为大于1的正整数，与车辆相关的区域包括第一区域和第二区域，所述方法包括：
在所述区域中的未知位置处，分别测量对象与所述N个通信节点中的每个通信节点之间的信号强度，以得到N个信号强度值；
将所述N个信号强度值映射为N维空间中的坐标点；
基于所述坐标点的N维坐标值、用于确定所述对象处于所述与车辆相关的区域中的任意位置处的概率的概率函数、以及用于划分所述对象处于所述第一区域或所述第二区域的概率阈值，确定所述对象处于所述车辆的所述第一区域或者所述第二区域，其中所述概率函数是所述对象在所述N维空间中的坐标值的函数。
2.根据权利要求1所述的方法，其中，基于所述坐标点的N维坐标值、用于确定所述对象处于所述与车辆相关的区域中的任意位置处的概率的概率函数、以及用于划分所述对象处于所述第一区域或所述第二区域的概率阈值，确定所述对象处于所述车辆的所述第一区域或者所述第二区域包括：
利用所述坐标点的N维坐标值和所述概率函数计算所述对象处于所述未知位置处的概率；
在所述概率大于所述概率阈值的情况下，确定所述对象处于所述车辆的第一区域，并且在所述概率小于或等于所述概率阈值的情况下，确定所述对象处于所述车辆的第二区域。
3.根据权利要求1所述的方法，其中，所述概率函数根据以下方式来确定：
将所述与车辆相关的区域划分为所述第一区域和所述第二区域；
在所述第一区域或所述第二区域中的多个已知位置中的每个已知位置处，分别测量所述对象与所述N个通信节点中的每个通信节点之间的信号强度，以得到N个信号强度值；
将在所述每个已知位置处测量的所述N个信号强度值映射为所述N维空间中的坐标点以生成点集；
基于所述点集中的各个坐标点的N维坐标值，生成所述概率函数并确定所述概率阈值。
4.根据权利要求3所述的方法，其中，基于所述点集中的各个坐标点的N维坐标值，生成所述概率函数包括：
基于所述点集中的各个坐标点的N维坐标值，利用线性回归方法生成所述概率函数。
5.根据权利要求4所述的方法，其中，基于所述点集中的各个坐标点的N维坐标值，利用线性回归方法生成所述概率函数包括：
基于所述点集中的各个坐标点的N维坐标值和各个坐标点对应的已知位置，利用线性回归方法确定所述概率函数的线性回归系数；以及
基于所述线性回归系数确定所述概率函数。
6.根据权利要求1所述的方法，其中，所述N维空间的每个维度分别对应于所述N个通信节点中的每个通信节点与所述对象之间的信号强度值。
7.根据权利要求1所述的方法，其中，所述第一区域和所述第二区域是以下各项中的至少一个：车辆内部和车辆外部、车辆上锁区和车辆解锁区、车辆左侧和车辆左侧之外的其他区域、车辆右侧和车辆右侧之外的其他区域、车辆前方和车辆前方之外的其他区域、车辆后方和车辆后方之外的其他区域、及其任意组合。
8.根据权利要求1至7中任一项所述的方法，其中，所述对象是包括智能手机、便携式计算机、可穿戴设备、蓝牙设备、内置通信器件的实体车钥匙中的至少一个的具有通信能力的设备或终端。
9.根据权利要求1至7中任一项所述的方法，其中，所述对象与所述N个通信节点中的每个通信节点采用蓝牙低功耗(BLE)技术进行通信。
10.一种相对于车辆的对象定位装置，所述车辆包括N个通信节点，其中N为大于1的正整数，与车辆相关的区域包括第一区域和第二区域，所述装置包括：
信号测量单元，被配置为在所述区域中的未知位置处，分别测量对象与所述N个通信节点中的每个通信节点之间的信号强度，以得到N个信号强度值；
映射单元，被配置为将所述N个信号强度值映射为N维空间中的坐标点；
定位单元，被配置为基于所述坐标点的N维坐标值、用于确定所述对象处于所述与车辆相关的区域中的任意位置处的概率的概率函数、以及用于划分所述对象处于所述第一区域或所述第二区域的概率阈值，确定所述对象处于所述车辆的所述第一区域或者所述第二区域，其中所述概率函数是所述对象在所述N维空间中的坐标值的函数。
11.根据权利要求10所述的装置，其中，所述定位单元还被配置为：
利用所述坐标点的N维坐标值和所述概率函数计算所述对象处于所述未知位置处的概率；
在所述概率大于所述概率阈值的情况下，确定所述对象处于所述车辆的第一区域，并且在所述概率小于或等于所述概率阈值的情况下，确定所述对象处于所述车辆的第二区域。
12.根据权利要求10所述的装置，其中，所述概率函数根据以下方式来确定：
将所述与车辆相关的区域划分为所述第一区域和所述第二区域；
在所述第一区域或所述第二区域中的多个已知位置中的每个已知位置处，分别测量所述对象与所述N个通信节点中的每个通信节点之间的信号强度，以得到N个信号强度值；
将在所述每个已知位置处测量的所述N个信号强度值映射为所述N维空间中的坐标点以生成点集；
基于所述点集中的各个坐标点的N维坐标值，生成所述概率函数并确定所述概率阈值。
13.一种相对于车辆的对象定位设备，包括：
一个或多个处理器；以及
一个或多个存储器，其中所述存储器中存储有计算机可读指令，所述计算机可读指令在由所述一个或多个处理器运行时，使得所述一个或多个处理器执行如权利要求1-9中任一项所述的方法。
14.一种计算机可读存储介质，其上存储有计算机可读指令，所述计算机可读指令在被处理器执行时，使得所述处理器执行如权利要求1-9中任一项所述的方法。
15.一种计算机程序产品，其包括计算机可读指令，所述计算机可读指令在被处理器执行时，使得所述处理器执行如权利要求1-9中任一项所述的方法。
16.一种机动车辆，其包括如权利要求10-12中任一项所述的对象定位装置或如权利要求13所述的对象定位设备。
CN202310076282.2A 2023-01-13 2023-01-13 相对于车辆的对象定位方法、装置、设备和介质 Pending CN118354417A (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN202310076282.2A CN118354417A (zh) 2023-01-13 2023-01-13 相对于车辆的对象定位方法、装置、设备和介质
PCT/CN2024/072001 WO2024149374A1 (en) 2023-01-13 2024-01-12 Method, apparatus, device and medium for object positioning relative to a vehicle

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310076282.2A CN118354417A (zh) 2023-01-13 2023-01-13 相对于车辆的对象定位方法、装置、设备和介质

Publications (1)

Publication Number Publication Date
CN118354417A true CN118354417A (zh) 2024-07-16

Family

ID=89768272

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310076282.2A Pending CN118354417A (zh) 2023-01-13 2023-01-13 相对于车辆的对象定位方法、装置、设备和介质

Country Status (2)

Country Link
CN (1) CN118354417A (zh)
WO (1) WO2024149374A1 (zh)

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9642167B1 (en) * 2015-12-17 2017-05-02 Cisco Technology, Inc. Location-based VoIP functions in a wireless network
CN110574399B (zh) * 2016-12-14 2021-06-25 株式会社电装 用于建立微定位区域的方法和系统
EP3746337A4 (en) * 2018-02-01 2022-01-19 Strattec Security Corporation METHODS AND SYSTEMS FOR PROVIDING BLUETOOTH-BASED PASSIVE ENTRY AND PASSIVE START (PEPS) FOR A VEHICLE

Also Published As

Publication number Publication date
WO2024149374A1 (en) 2024-07-18

Similar Documents

Publication Publication Date Title
US11548517B2 (en) Activating vehicle functions based on vehicle occupant location
US20190304224A1 (en) Statistics Based Systems And Methods For Activating Vehicle Functions
CN111601235B (zh) 三维智能钥匙定位方法、基站及三维智能钥匙定位系统
CN102312616B (zh) 用于智能进入和智能启动的方法和系统
CN113848550A (zh) 地基雷达自适应阈值永久散射体识别方法、装置及存储介质
CN110062326B (zh) 一种车用蓝牙智能钥匙的定位与内外部辨识方法
CN115032587B (zh) 一种数字车钥匙三维定位方法
CN107247909A (zh) 一种在位置信息服务中保护多个位置的差分隐私方法
CN113365204A (zh) 一种智能终端蓝牙钥匙数据标定方法
US20210379990A1 (en) Vehicle Access System and Methods for Providing Zone-Determination Based Features Therewith
CN110569915B (zh) 基于直觉模糊c均值的汽车数据聚类方法及系统
CN118354417A (zh) 相对于车辆的对象定位方法、装置、设备和介质
CN113935402B (zh) 时差定位模型的训练方法、装置及电子设备
CN115146478A (zh) 基于优化算法的行驶工况构建方法、装置及相关设备
US20150170516A1 (en) System and method for outputting distance linkage alarm of vehicle
CN104635206B (zh) 一种无线定位的方法及装置
Rogerson Scan statistics adjusted for global spatial autocorrelation
CN109219055A (zh) 一种主用户占空比估计方法
CN111160385B (zh) 海量位置点聚合的方法、装置、设备及存储介质
CN114114040A (zh) 一种电池包的soc修正方法、装置和计算机设备
CN111583624B (zh) 基于信息共享的车队组合方法及系统、共享平台、车辆
CN118264978A (zh) 数字钥匙的车内外判定方法、装置、电子设备及存储介质
WO2023204120A1 (ja) 位置推定システムおよび位置推定方法
US20220161759A1 (en) Position estimation method for mobile terminal, position estimation device for mobile terminal and position estimation system for mobile terminal
CN115936817B (zh) 一种乘客订单起点聚合方法、装置及计算机设备

Legal Events

Date Code Title Description
PB01 Publication