【技术实现步骤摘要】
定位方法、装置、电子设备和存储介质
本申请涉及自动驾驶
,尤其涉及一种定位方法、装置、电子设备和存储介质。
技术介绍
随着人工智能的快速崛起,自动驾驶越来越受到用户的关注。在自动驾驶系统中,车辆需要对周围的环境进行感知,以确定驾驶动作或行驶路线。其中,车辆的精准定位对环境感知至关重要。目前的定位方法中,车辆上设置有激光雷达,在车辆行驶过程中控制激光雷达向周围的环境中发射激光,根据反射点反射的激光获取车辆周围的激光点云数据。将车辆周围的激光点云数据和高精度地图中的原始激光点云数据进行匹配,以获取车辆的定位位置。因为高精度地图中包含有大量的原始激光点云数据,导致高精度地图占用的存储空间大,进而使用高精度地图进行定位的速度慢。
技术实现思路
本申请提供一种定位方法、装置、电子设备和存储介质,可以减小高精度地图占用的存储空间,且提高使用高精度地图进行定位时的定位速度。本申请的第一方面提供一种定位方法,包括:在原始点云数据中,获取每个原始点云的特征;根据每个原始点云的特征,确定每个原始点云的权重;按照权重从高到低的顺序,确定预设数量个原始点云作为目标点云,且根据所述目标点云确定目标点云数据;根据所述目标点云数据,生成高精度地图;接收来自待定位设备的请求信息,所述请求信息用于请求高精度地图;向所述待定位设备发送所述高精度地图。本实施例中的定位方法中,根据原始点云数据的点云的特征,将对定位的贡献度较大的特征,即权重较高的特征对应的点云数据筛选出来,生成高精度地图。一 ...
【技术保护点】
1.一种定位方法,其特征在于,包括:/n在原始点云数据中,获取每个原始点云的特征;/n根据每个原始点云的特征,确定每个原始点云的权重;/n按照权重从高到低的顺序,确定预设数量个原始点云作为目标点云,且根据所述目标点云确定目标点云数据;/n根据所述目标点云数据,生成高精度地图;/n接收来自待定位设备的请求信息,所述请求信息用于请求高精度地图;/n向所述待定位设备发送所述高精度地图。/n
【技术特征摘要】
1.一种定位方法,其特征在于,包括:
在原始点云数据中,获取每个原始点云的特征;
根据每个原始点云的特征,确定每个原始点云的权重;
按照权重从高到低的顺序,确定预设数量个原始点云作为目标点云,且根据所述目标点云确定目标点云数据;
根据所述目标点云数据,生成高精度地图;
接收来自待定位设备的请求信息,所述请求信息用于请求高精度地图;
向所述待定位设备发送所述高精度地图。
2.根据权利要求1所述的方法,其特征在于,所述根据每个原始点云的特征,确定每个原始点云的权重,包括:
根据每个原始点云的特征,以及权重确定模型,确定每个原始点云的权重,所述权重确定模型用于表征点云的特征和权重的对应关系。
3.根据权利要求1或2所述的方法,其特征在于,每个原始点云的特征为原始点云的属性特征,所述属性特征为通过点云自身数据确定的特征,所述根据所述目标点云确定目标点云数据,包括:
根据所述目标点云的属性特征,获取所述目标点云的空间特征,所述空间特征为通过所述目标点云的属性特征和所述目标点云周围的点云的属性特征确定的特征;
将所述目标点云的空间特征、三维坐标和反射值作为所述目标点云数据。
4.根据权利要求3所述的方法,其特征在于,所述根据所述目标点云的属性特征,获取所述目标点云的空间特征,包括:
根据所述目标点云的三维坐标,确定所述目标点云预设区域范围内的原始点云;
根据所述目标点云的属性特征和所述目标点云预设区域范围内的原始点云的属性特征,获取所述目标点云的空间特征。
5.根据权利要求4所述的方法,其特征在于,所述根据所述目标点云的属性特征和所述目标点云预设区域范围内的原始点云的属性特征,生成所述目标点云的空间特征,包括:
根据所述目标点云的属性特征、所述目标点云预设区域范围内的原始点云的属性特征,以及空间特征模型,获取所述目标点云的空间特征,所述空间特征模型用于表征点云的属性特征、点云预设区域范围内的点云的属性特征、以及点云的空间特征的对应关系。
6.根据权利要求1-5中任一项所述的方法,其特征在于,所述目标点云为多个,所述高精度地图中划分为多个子区域,每个子区域的体积相同,所述根据所述目标点云数据,生成高精度地图,包括:
将所述目标点云覆盖的区域映射至所述高精度地图中的多个子区域中;
根据每个目标点云的三维坐标,确定每个子区域中的目标点云;
获取每个子区域中的目标点云在所述子区域中的相对坐标;
将所述目标点云加载至对应的子区域中,生成所述高精度地图。
7.根据权利要求1所述的方法,其特征在于,所述方法还包括:
根据所述原始点云数据、所述原始点云数据的采集位置、所述待定位设备周围的历史点云数据作为训练数据,训练特征匹配模型,所述特征匹配模型用于表征点云数据的特征匹配度与误差距离的对应关系,所述误差距离为点云数据的采集位置和所述待定位设备的位置的误差距离。
8.根据权利要求7所述的方法,其特征在于,所述原始点云数据包括多帧原始点云的点云数据,所述原始点云数据的采集位置包括每帧原始点云数据的采集位置,所述根据原始点云数据、所述原始点云数据的采集位置、待定位设备周围的历史点云数据作为训练数据,训练所述特征匹配模型,包括:
根据每帧原始点云数据的采集位置,生成每帧原始点云数据的采集位置对应的多个样本位置;
在所述多帧原始点云数据中,获取每个样本位置的预设区域范围内的原始点云数据;
获取与所述预设区域覆盖范围相同的历史点云数据;
将每个样本位置的预设区域范围内的原始点云数据、与所述预设区域覆盖范围相同的历史点云数据作为训练数据,训练直至每个样本位置与所述采集位置的误差距离小于距离阈值,获取所述特征匹配模型。
9.根据权利要求8所述的方法,其特征在于,所述根据每帧原始点云数据的采集位置,生成每帧原始点云数据的采集位置对应的多个样本位置,包括:
随机生成至少一个误差距离;
将每帧原始点云数据的采集位置与每个误差距离的和或差,作为一个样本位置,以生成多个样本位置。
10.根据权利要求8或9所述的方法,其特征在于,所述获取与所述预设区域覆盖范围相同的历史点云数据之前,...
【专利技术属性】
技术研发人员:付向宇,万国伟,卢维欣,周尧,宋适宇,
申请(专利权)人:北京百度网讯科技有限公司,
类型:发明
国别省市:北京;11
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。