本公开涉及定位方法和定位装置。一种定位方法，对待定位对象附近环境的感测数据进行聚类以识别至少一个第一对象；根据所述感测数据为每个第一对象生成概率分布模型；根据所述感测数据确定与所述至少一个第一对象对应的特征；获取查找树，所述查找树的节点的属性包含所述待定位对象附近的至少一个第二对象的所述特征，其中，所述至少一个第二对象的所述特征是根据所述地图数据生成的；根据所述查找树确定所述至少一个第二对象中与所述至少一个第一对象对应的第三对象；以及根据第三对象确定所述待定位对象的位置。定所述待定位对象的位置。定所述待定位对象的位置。
【技术实现步骤摘要】
定位方法和定位装置
[0001]本公开涉及定位方法和定位装置。
技术介绍
[0002]随着芯片技术和人工智能技术的进步，自动驾驶技术再次成为人们关注的焦点。在自动驾驶技术中，最重要的技术之一就是待定位对象(例如车辆或机器人等)的定位。现有技术中，基于通信基站、卫星等的定位技术不能为自动驾驶提供足够的精度。因此，人们需要一种能够准确地确定待定位对象的位置的技术。
技术实现思路
[0003]根据本公开的一个方面，提供了一种定位方法，包括：
[0004]对待定位对象附近环境的感测数据进行聚类以识别至少一个第一对象；
[0005]根据所述感测数据为每个第一对象生成概率分布模型；
[0006]根据所述感测数据确定与所述至少一个第一对象对应的特征；
[0007]获取查找树，所述查找树的节点的属性包含所述待定位对象附近的至少一个第二对象的所述特征，其中，所述至少一个第二对象的所述特征是根据所述地图数据生成的；
[0008]根据所述查找树确定所述至少一个第二对象中与所述至少一个第一对象对应的第三对象；以及
[0009]根据第三对象确定所述待定位对象的位置。
[0010]根据本公开的另一个方面，提供了一种定位装置，包括存储器和处理器，其中，所述存储器上存储有指令，当所述指令被所述处理器执行时，实现上述根据本公开的定位方法的步骤。
[0011]根据本公开的又一个方面，提供了一种定位装置，包括：
[0012]对象识别单元，被配置为对待定位对象附近环境的感测数据进行聚类以识别至少一个第一对象；
[0013]概率分布模型生成单元，被配置为根据所述感测数据为每个第一对象生成概率分布模型；
[0014]特征确定单元，被配置为根据所述感测数据确定与各个第一对象对应的特征；
[0015]查找树获取单元，被配置为获取查找树，其中所述查找树的节点的属性包含待定位对象附近的至少一个第二对象的特征，并且至少一个第二对象的所述特征是根据所述地图数据生成的；
[0016]查找单元，被配置为根据查找树确定第二对象中与第一对象对应的第三对象；以及
[0017]定位单元，被配置为根据第三对象确定待定位对象的位置。
[0018]根据本公开的又一个方面，提供了一种车辆，包括上述根据本公开的定位装置。
[0019]根据本公开的又一个方面，提供了一种存储有指令的非暂态计算机可读存储介
质，当所述指令被执行时，实现上述根据本公开的定位方法的步骤。
[0020]通过以下参照附图对本公开的示例性实施例的详细描述，本公开的其它特征及其优点将会变得更为清楚。
附图说明
[0021]构成说明书的一部分的附图描述了本公开的实施例，并且连同说明书一起用于解释本公开的原理。
[0022]参照附图，根据下面的详细描述，可以更加清楚地理解本公开，其中：
[0023]图1是根据本公开的实施例的定位方法的流程图。
[0024]图2是实际道路的示意图。
[0025]图3是由激光雷达扫描车辆周围环境获得的点云的示意图。
[0026]图4是利用高斯混合模型来表示点云中的各个簇的示意图。
[0027]图5是根据本公开的实施例的查找树的示意图。
[0028]图6是根据本公开的一个实施例的定位装置600的示意图。
[0029]图7是根据本公开的一种示例性实施例的计算设备的框图。
[0030]图8是根据本公开的实施例的查找树的示意图。
[0031]图9是根据本公开的实施例的查找树的示意图。
[0032]注意，在以下说明的实施方式中，有时在不同的附图之间共同使用同一附图标记来表示相同部分或具有相同功能的部分，而省略其重复说明。在一些情况中，使用相似的标号和字母表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步讨论。
[0033]为了便于理解，在附图等中所示的各结构的位置、尺寸及范围等有时不表示实际的位置、尺寸及范围等。因此，本公开并不限于附图等所公开的位置、尺寸及范围等。
具体实施方式
[0034]下面将参照附图来详细描述本公开的各种示例性实施例。应注意到：除非另外具体说明，否则在这些实施例中阐述的部件和步骤的相对布置、数字表达式和数值不限制本公开的范围。
[0035]以下对至少一个示例性实施例的描述实际上仅仅是说明性的，决不作为对本公开及其应用或使用的任何限制。也就是说，本文中的结构及方法是以示例性的方式示出，来说明本公开中的结构和方法的不同实施例。然而，本领域技术人员将会理解，它们仅仅说明可以用来实施的本公开的示例性方式，而不是穷尽的方式。此外，附图不必按比例绘制，一些特征可能被放大以示出具体组件的细节。
[0036]对于相关领域普通技术人员已知的技术、方法和设备可能不作详细讨论，但在适当情况下，所述技术、方法和设备应当被视为授权说明书的一部分。
[0037]在这里示出和讨论的所有示例中，任何具体值应被解释为仅仅是示例性的，而不是作为限制。因此，示例性实施例的其它示例可以具有不同的值。
[0038]目前，多种地图被应用于自动驾驶技术中，以对待定位对象进行定位。例如，由激光点组成的点地图；将环境分为栅格的栅格地图(每个栅格单元记录其是否被占用以及占
用概率)；利用一种或多种几何图元来表示环境中的实体的几何图元地图；特征地图，由特征点以及从其它类型的数据(例如点云、相机图像等)中提取的对应描述符组成；利用单一加权的高斯混合模型来表示环境的正态分布变换地图，其中，每个高斯分布模拟环境的一个唯一栅格单元；将环境氛围栅格的正态分布变换占用地图，在每个栅格单元内的数据点之间计算高斯分布，并且保持高斯分布的表示该单元的占用概率的权重。
[0039]在例如车辆的自动驾驶过程中，需要根据车辆的当前位置来操纵车辆，这就要求实时地定位车辆。
[0040]图1示出了根据本公开的一些实施例的定位方法的流程图。如图1所示，确定待定位对象的位置的定位方法主要包括以下步骤：
[0041]对待定位对象附近环境的感测数据进行聚类以识别至少一个第一对象(步骤101)；
[0042]根据所述感测数据为每个第一对象生成概率分布模型(步骤102)；
[0043]根据所述感测数据确定与各个第一对象对应的特征(步骤103)；
[0044]获取查找树，所述查找树的节点的属性包含所述待定位对象附近的至少一个第二对象的所述特征，其中，所述至少一个第二对象的所述特征是根据所述地图数据生成的(步骤104)；
[0045]根据所述查找树确定所述至少一个第二对象中与所述至少一个第一对象对应的第三对象(步骤105)；以及
[0046]根据第三对象确定所述待定位对象的位置(步骤106)。
[0047]下面将结合具体示例详细描述和解释根据本公开的定位方法的具体步骤。
[0048本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种定位方法，包括：对待定位对象附近环境的感测数据进行聚类以识别至少一个第一对象；根据所述感测数据为每个第一对象生成概率分布模型；根据所述感测数据确定与所述至少一个第一对象对应的特征；获取查找树，所述查找树的节点的属性包含所述待定位对象附近的至少一个第二对象的所述特征，其中，所述至少一个第二对象的所述特征是根据所述地图数据生成的；根据所述查找树确定所述至少一个第二对象中与所述至少一个第一对象对应的第三对象；以及根据第三对象确定所述待定位对象的位置。2.根据权利要求1所述的定位方法，其中，所述概率分布模型包括：泊松分布模型、伯努利分布模型、拉普拉斯分布模型以及高斯混合模型。3.根据权利要求1所述的定位方法，其中，所述特征包括：类型、形状、反射率、平坦度、尺寸、颜色和纹理。4.根据权利要求1所述的定位方法，其中，所述概率分布模型为高斯混合模型，所述特征为签名。5.根据权利要求1所述的定位方法，其中，所述查找树是二叉树。6.根据权利要求5所述的定位方法，其中，所述查找树是K维树，K为大于或等于1的整数。7.根据权利要求1所述的定位方法，其中，所述感测数据包括利用所述待定位对象上的环境传感器获取的所述待定位对象的周围环境的点云。8.根据权利要求7所述的定位方法，其中，所述环境传感器包括激光雷达和相机中的至少一种。9.根据权利要求1所述的定位方法，其中，所述查找树的节点的属性包括预定范围内的至少一个第二对象的特征。10.根据权利要求1所述的定位方法，其中，所述查找树的节点的属性包括所述至少一个第二对象的位置和/或朝向。11.根据权利要求9所述的定位方法，还包括：根据待定位对象的当前位置确定所述预定范围。12.根据权利要求11所述的定位方法，还包括：更新待定位对象的当前位置；确定待定位对象的更新的当...
【专利技术属性】
技术研发人员：L，
申请(专利权)人：宝马股份公司，
类型：发明
国别省市：
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。