一种车辆定位方法、装置、计算机设备及存储介质制造方法及图纸

本发明专利技术适用于计算机技术领域，提供了一种车辆定位方法、装置、计算机设备及存储介质，所述方法包括：获取车辆在预设采样周期内多个时刻下的位置信息；判断车辆状态是否为静止状态；当判断是时，基于预设的静止状态车辆定位算法确定车辆准确定位位置信息；当判断否时，先基于预设的动态映射规则将车辆在预设采样周期内多个时刻下的位置信息分别映射处理为车辆在初始时刻下的多个映射位置信息，再确定车辆在初始时刻下的准确定位位置信息。本发明专利技术提供的车辆定位方法针对于车辆状态的不同，分别提出了不同的定位算法，精确度更高，并且将运动状态下的问题转化为静止状态下的定位问题，简化了算法流程，提高了求解效率。

【技术实现步骤摘要】
一种车辆定位方法、装置、计算机设备及存储介质
本专利技术属于计算机
，尤其涉及一种车辆定位方法、装置、计算机设备及存储介质。
技术介绍
汽车电子围栏是一种新型的定位监控工具，通过在云平台的地图上绘制图形区域构建电子围栏，然后获取汽车的GPS定位数据，通过对比GPS定位数据与电子围栏数据，从而实现了当汽车穿过电子围栏做出相应的提示。目前，汽车电子围栏以主要应用于ETC收费系统等相关领域上。然而，汽车电子围栏的问题主要集中于GPS定位数据的准确性上，定位数据的误差往往会影响到电子围栏的效果，尤其是在汽车电子围栏边界处，容易因GPS数据的误差导致汽车电子围栏误判，并且如何对运动中的汽车进行准确定位也成为了推广汽车电子围栏的难题。可见，在现有的汽车电子围栏领域还存在着车辆定位数据尤其是运动中的车辆定位数据不够精准导致汽车电子围栏实施效果不够理想的技术问题。
技术实现思路
本专利技术实施例的目的在于提供一种车辆定位方法，旨在解决现有的汽车电子围栏领域还存在的车辆定位数据尤其是运动中的车辆定位数据不够精准导致汽车电子围栏实施效果不够理想的技术问题。本专利技术实施例是这样实现的，一种车辆定位方法，包括：获取车辆在预设采样周期内多个时刻下的位置信息；判断车辆状态是否为静止状态；当判断车辆状态是静止状态时，根据所述车辆在预设采样周期内多个时刻下的位置信息并基于预设的静止状态车辆定位算法确定车辆准确定位位置信息；所述预设的静止状态车辆定位算法是基于密度的聚类算法或者最大似然估计算法；当判断车辆状态不是静止状态时，基于预设的动态映射规则将所述车辆在预设采样周期内多个时刻下的位置信息分别映射处理为车辆在初始时刻下的多个映射位置信息，并基于预设的静止状态车辆定位算法确定车辆在初始时刻下的准确定位位置信息。本专利技术实施例的另一目的在于提供一种车辆定位装置，包括：位置信息获取单元，用于获取车辆在预设采样周期内多个时刻下的位置信息；状态判断单元，用于判断车辆状态是否为静止状态；静止状态车辆定位单元，用于当判断车辆状态是静止状态时，根据所述车辆在预设采样周期内多个时刻下的位置信息并基于预设的静止状态车辆定位算法确定车辆准确定位位置信息；所述预设的静止状态车辆定位算法是基于密度的聚类算法或者最大似然估计算法；运动状态车辆定位单元，用于当判断车辆状态不是静止状态时，基于预设的动态映射规则将所述车辆在预设采样周期内多个时刻下的位置信息分别映射处理为车辆在初始时刻下的多个映射位置信息，并基于预设的静止状态车辆定位算法确定车辆在初始时刻下的准确定位位置信息。本专利技术实施例的另一目的在于提供一种计算机设备，包括存储器和处理器，所述存储器中存储有计算机程序，所述计算机程序被所述处理器执行时，使得所述处理器执行如上述所述车辆定位方法的步骤。本专利技术实施例的另一目的在于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程序，所述计算机程序被处理器执行时，使得所述处理器执行如上述所述车辆定位方法的步骤。本专利技术实施例提供的一种车辆定位方法，通过采集车辆在预设采样周期内多个时刻下的位置信息，然后识别车辆是否为静止状态，并基于状态的不同，分别采用对应的车辆定位算法确定车辆准确定位位置信息，其中静止状态下的车辆定位算法是基于密度的聚类算法或者最大似然估计算法实现的，而运动状态下的车辆定位算法是先将多个时刻下的位置信息分别映射到车辆在初始时刻下的映射位置信息，即将动态问题转化为了静态问题，再采用静态状态下的车辆定位算法进行计算。本专利技术提供的车辆定位方法针对于车辆状态的不同，分别提出了不同的定位算法，精确度更高，并且将运动状态下的问题转化为静止状态下的定位问题，简化了算法流程，提高了求解效率。附图说明图1为本专利技术实施例提供的一种车辆定位方法的步骤流程图；图2为本专利技术实施例提供的一种根据基于密度的聚类算法确定车辆准确定位位置信息的步骤流程图；图3为本专利技术实施例提供的一种根据基于密度的聚类算法得到聚类结果的步骤流程图；图4为本专利技术实施例提供的一种根据最大似然估计算法确定车辆准确定位位置信息的步骤流程图；图5为本专利技术实施例提供的一种对位置信息进行映射处理确定映射位置信息的步骤流程图；图6为本专利技术实施例提供的一种对位置信息与速度信息进行映射处理确定映射位置信息的步骤流程图；图7为本专利技术实施例提供的一种车辆定位装置的结构示意图；图8为本专利技术实施例提供的一种执行车辆定位方法的计算机设备的内部结构图。具体实施方式为了使本专利技术的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本专利技术进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本专利技术，并不用于限定本专利技术。如图1所示，为本专利技术实施例提供的一种车辆定位方法的步骤流程图，具体包括以下步骤：步骤S102，获取车辆在预设采样周期内多个时刻下的位置信息。在本专利技术实施例中，在初始时刻t0时获取初始位置信息p0，并在随后的周期内按照预设的采样频率采集n个时刻tn下的位置信息pn。其中位置信息通常是基于GPS数据获取得到，但考虑到GPS数据误差，这些位置信息并不等同于车辆在相应时刻下的真实位置信息。步骤S104，判断车辆状态是否为静止状态。当判断车辆状态是静止状态时，执行步骤S106；当判断车辆状态不是静止状态时，执行步骤S108。在本专利技术实施例中，其中可以通过对位置信息进行分析判断车辆是否处于静止状态，并针对于不同的状态，采用的不同的算法来计算其定位位置信息。步骤S106，根据所述车辆在预设采样周期内多个时刻下的位置信息并基于预设的静止状态车辆定位算法确定车辆准确定位位置信息。在本专利技术实施例中，所述预设的静止状态车辆定位算法是基于密度的聚类算法或者最大似然估计算法。具体的，是通过基于密度的聚类算法或者最大似然估计算法来确定车辆的准确定位位置信息，其中具体的实现步骤请参阅图2～图4及其解释说明的内容。步骤S108，基于预设的动态映射规则将所述车辆在预设采样周期内多个时刻下的位置信息分别映射处理为车辆在初始时刻下的多个映射位置信息。在本专利技术实施例中，对于运动状态的车辆定位，是通过预设的动态映射规则将车辆在后续采样周期内采集的位置信息分别映射处理为车辆在初始时刻下的多个映射位置信息，也就是将动态定位算法转化为静态定位算法，节约了处理时间，提高了计算效率。其中，具体的转化规则请参阅图5～图6及其解释说明的内容。步骤S110，基于预设的静止状态车辆定位算法确定车辆在初始时刻下的准确定位位置信息。在本专利技术实施例中，由于将问题转化为静态定位算法，因此本步骤所采用的算法与步骤S106中提供的算法相同，区别仅仅在于输入的数据不同，本专利技术中输入的数据是经过步骤S108处理之后得到的映射位置信息。本专利技术实施例提供的一种车辆定位方法，通过采集车辆在预设采样本文档来自技高网...

【技术保护点】
1.一种车辆定位方法，其特征在于，包括：/n获取车辆在预设采样周期内多个时刻下的位置信息；/n判断车辆状态是否为静止状态；/n当判断车辆状态是静止状态时，根据所述车辆在预设采样周期内多个时刻下的位置信息并基于预设的静止状态车辆定位算法确定车辆准确定位位置信息；所述预设的静止状态车辆定位算法是基于密度的聚类算法或者最大似然估计算法；/n当判断车辆状态不是静止状态时，基于预设的动态映射规则将所述车辆在预设采样周期内多个时刻下的位置信息分别映射处理为车辆在初始时刻下的多个映射位置信息，并基于预设的静止状态车辆定位算法确定车辆在初始时刻下的准确定位位置信息。/n

【技术特征摘要】
1.一种车辆定位方法，其特征在于，包括：
获取车辆在预设采样周期内多个时刻下的位置信息；
判断车辆状态是否为静止状态；
当判断车辆状态是静止状态时，根据所述车辆在预设采样周期内多个时刻下的位置信息并基于预设的静止状态车辆定位算法确定车辆准确定位位置信息；所述预设的静止状态车辆定位算法是基于密度的聚类算法或者最大似然估计算法；
当判断车辆状态不是静止状态时，基于预设的动态映射规则将所述车辆在预设采样周期内多个时刻下的位置信息分别映射处理为车辆在初始时刻下的多个映射位置信息，并基于预设的静止状态车辆定位算法确定车辆在初始时刻下的准确定位位置信息。


2.根据权利要求1所述的车辆定位方法，其特征在于，所述预设的静止状态车辆定位算法是基于密度的聚类算法；所述根据所述车辆在预设采样周期内多个时刻下的位置信息并基于预设的静止状态车辆定位算法确定车辆准确定位位置信息的步骤，具体包括：
确定多组聚类参数数组；所述聚类参数数组包括邻域参数以及最少样本数目；
根据不同聚类参数数组以及基于密度的聚类算法对车辆在预设采样周期内多个时刻下的位置信息进行聚类处理，得到分别对应不同聚类参数数组的多组聚类结果；
确定各组聚类结果的聚类中心点；
根据所述各组聚类结果的聚类中心点确定车辆准确定位位置信息。


3.根据权利要求2所述的车辆定位方法，其特征在于，根据基于密度的聚类算法对车辆在预设采样周期内多个时刻下的位置信息进行聚类处理得到聚类结果的步骤，具体包括：
获取聚类参数数组；所述聚类参数数组包括邻域参数以及最少样本数目；
获取待聚类处理的位置信息，并确定为当前处理位置信息；
判断当前处理位置信息的邻域位置信息数目是否高于最少样本数目；
当判断是时，将所述邻域位置信息与所述当前处理位置信息归为同类；
遍历所述当前处理位置信息的邻域位置信息，并将邻域位置信息确定为当前处理位置信息，然后返回至所述判断当前处理位置信息的邻域位置信息数目是否高于最少样本数目的步骤，直至全部邻域信息遍历结束；
判断是否还存在未聚类处理的位置信息；
当判断存在未聚类处理的位置信息时，返回至所述获取待聚类处理的位置信息，并确定为当前处理位置信息的步骤；
当判断不存在未聚类处理的位置信息时，根据各个位置信息的归类结果确定聚类结果。


4.根据权利要求1所述的车辆定位方法，其特征在于，所述预设的静止状态车辆定位算法是基于密度的聚类算法最大似然估计算法；
根据车辆在预设采样周期内多个时刻下的位置信息构建车辆中心点最大似然估计函数；所述车辆中心点最大似然估计函数描述了车辆中心...

【专利技术属性】
技术研发人员：曾峰，胡信屹，王新春，
申请(专利权)人：深圳市发掘科技有限公司，
类型：发明
国别省市：广东;44