定位方法、装置、电子设备和存储介质制造方法及图纸

本申请公开了一种定位方法、装置、电子设备和存储介质，涉及自动驾驶技术领域。该方法包括：在原始点云数据中，按照原始点云的特征的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，且根据目标点云确定目标点云数据；根据目标点云数据，生成高精度地图；在接收来自待定位设备的请求信息时，向待定位设备发送高精度地图。因为本申请的高精度地图中的点云数据并非所有的原始点云数据，而是根据点云的特征确定的权重较高的点云数据，因此可以在不影响定位准确度的前提下，减少高精度地图中的点云数据的数据量，以减小高精度地图占用的存储空间，进而提高使用高精度地图进行定位时的定位速度。

【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。一方面不影响使用高精度地图不影响定位准确度，且还可以减少高精度地图中的点云数据的数据量，以减小高精度地图占用的存储空间，进而提高使用高精度地图进行定位时的定位速度。本申请的第二方面提供一种定位方法，包括：获取待定位设备周围的点云数据；确定所述待定位设备的预测位置；根据所述预测位置，从高精度地图中提取所述预测位置处的点云数据作为候选点云数据，所述高精度地图中的点云数据为在预先获取的原始点云数据中按照点云的特征的权重确定的目标点云数据，根据所述候选点云数据、所述待定位设备周围的点云数据，以及特征匹配模型，获取所述预测位置的误差距离，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；根据所述预测位置和所述误差距离，确定所述待定位设备的位置。本申请的第三方面提供一种定位装置，包括：处理模块，用于在原始点云数据中，获取每个原始点云的特征，且根据每个原始点云的特征，确定每个原始点云的权重，以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，并根据所述目标点云数据，生成高精度地图；收发模块，用于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；所述收发模块，还用于向所述待定位设备发送所述高精度地图。上述第三方面以及各可能的设计提供的定位装置，其有益效果可以参见上述第一方面所带来的有益效果，在此不加赘述。本申请的第四方面提供一种定位装置，包括：雷达模块，用于获取待定位设备周围的点云数据；处理模块，用于确定所述待定位设备的预测位置，根据所述预测位置，从高精度地图中提取所述预测位置处的点云数据作为候选点云数据，且根据所述候选点云数据、所述待定位设备周围的点云数据，以及特征匹配模型，获取所述预测位置的误差距离，以根据所述预测位置和所述误差距离，确定所述待定位设备的位置；其中，所述高精度地图中的点云数据为在预先获取的原始点云数据中按照点云的特征的权重确定的目标点云数据，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。上述第四方面以及各可能的设计提供的定位装置，其有益效果可以参见实施例中的相关描述。本申请的第五方面提供一种电子设备，包括：至少一个处理器和存储器；所述存储器存储计算机执行指令；所述至少一个处理器执行所述存储器存储的计算机执行指令，使得所述电子设备执行上述第一方面和第二方面的定位方法。本申请的第六方面提供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计算机执行指令，当所述计算机执行指令被处理器执行时，实现上述第一方面和第二方面的定位方法。上述可选方式所具有的其他效果将在下文中结合具体实施例加以说明。本申请公开了一种定位方法、装置、电子设备和存储介质，该方法包括：获取待定位设备周围的点云数据；在原始点云数据中，按照原始点云的特征的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，且根据目标点云确定目标点云数据；根据目标点云数据，生成高精度地图；在接收来自待定位设备的请求信息时，向待定位设备发送高精度地图。因为本申请高精度地图中的点云数据并非所有的原始点云数据，而是根据点云的特征确定的权重较高的点云数据，且在根据高精度地图进行定位时，是根据待定位设备周围的点云数据中点云的特征和高精度地图中的点云数据的点云的特征进行匹配，因此本申请中定位方法在使用高精度地图不影响定位准确度的前提下，可以减少高精度地图中的点云数据的数据量，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。附图说明附图用于更好地理解本方案，不构成对本申请的限定。其中：图1为本申请提供的定位方法适用的场景示意图；图2为本申请提供的定位方法的一实施例的流程示意图；图3为本申请提供的深度学习模型的框架示意图；图4为本申请提供的高精度地图的子区域的示意图；图5为本申请提供的获取特征匹配模型的示意图；图6为本申请提供的定位方法的另一实施例的流程示意图；图7为本申请提供的定位装置的结构示意图一；图8为本申请提供的定位装置的结构示意图二；图9为本申请提供的电子设备的结构示意图。具体实施方式以下结合附图对本申请的示范性实施例做出说明，其中包括本申请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，而不会背离本申请的范围和精神。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。为了便于对本申请提供的定位方法进行说明，首先对现有技术中的定位方法进行介绍。在机器人系统或自动驾驶系统中，机器人或车辆的定位至关重要。现有技术中，北斗系统、全球定位系统(GlobalPositioningSystem，GPS)等定位系统能够提供定位服务。GPS受多路径反射、信号遮挡等因素的影响，在很多场景下，如建筑物遮挡或者在室内都无法提供稳定可靠的定位服务。随着定位技术的不断发展，机器人或车辆可以根据自带的传感器进行定位，能够提高定位的稳定性和准确性。以车辆为例，自动驾驶系统中一般会采用GPS、激光雷达、惯导等多传感器融合的方式提供稳定可靠的车辆定位。其中，在车辆定位时，可以控制激光雷达向车辆周围发射激光，且接收反射点反射的激光，进而根据反射的激光获取车辆周围的激光点云数据，进而结合高精度地本文档来自技高网...

【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