【技术实现步骤摘要】
本申请涉及智能驾驶领域，具体而言，涉及一种车辆定位方法、装置和存储介质及电子设备。
技术介绍
1、作为自动驾驶的重要组成部分，高精度定位技术是自动驾驶汽车安全行驶不可或缺的核心技术之一。
2、当前主流定位技术主要在多传感器融合方面做探索，主要依赖于gnss(globalnavigation satellite system，全球导航卫星系统)、lidar(激光雷达)点云匹配、高精地图等多传感器融合来提高定位精度和可靠性。由于现在的高精定位技术通常非常依赖于gnss，但gnss在有遮挡或多径效应下，随着时间推移，里程计递推累计误差增大，定位将不可用。也就是说，现有的高精度定位技术存在定位误差较大的技术问题。
3、针对上述的问题，目前尚未提出有效的解决方案。
技术实现思路
1、本申请实施例提供了一种车辆定位方法、装置和存储介质及电子设备，以至少解决相关技术定位误差较大的技术问题。
2、根据本申请实施例的一个方面，提供了一种车辆定位方法，包括：获取与连续的多个时间帧分别对应的多个车道线关键点集合，其中，上述车道线关键点集合用于指示目标车辆在行驶过程中采集的道路图像中的车道线所在的图像区域；获取与上述多个时间帧对应的惯性信息序列，其中，上述惯性信息序列中的惯性信息分别对应于上述多个时间帧中的一个时间帧，上述惯性信息用于指示上述目标车辆与上述时间帧匹配的运动状态；基于上述惯性信息序列对多个上述车道线关键点集合分别进行重投影操作，得到多个参考车道线关键点集合
3、根据本申请实施例的另一方面，还提供了一种车辆定位装置，包括：第一获取单元，用于获取与连续的多个时间帧分别对应的多个车道线关键点集合，其中，上述车道线关键点集合用于指示目标车辆在行驶过程中采集的道路图像中的车道线所在的图像区域；第二获取单元，用于获取与上述多个时间帧对应的惯性信息序列，其中，上述惯性信息序列中的惯性信息分别对应于上述多个时间帧中的一个时间帧，上述惯性信息用于指示上述目标车辆与上述时间帧匹配的运动状态；重投影单元，用于基于上述惯性信息序列对多个上述车道线关键点集合分别进行重投影操作，得到多个参考车道线关键点集合，其中，多个上述参考车道线关键点集合与多个上述车道线关键点集合分别对应，上述参考车道线关键点集合中的参考车道线关键点用于指示上述道路图像中的参考车道线所在的图像区域，上述参考车道线为根据上述目标车辆的上述运动状态推算确定的车道线；优化单元，用于将上述参考车道线关键点集合中的车道线关键点与上述车道线关键点集合中的参考车道线关键点进行关键点匹配，并基于匹配的上述车道线关键点以及上述参考车道线关键点之间的位置残差建立优化目标；定位单元，用于根据上述优化目标获取优化结果，并根据上述优化结果对上述目标车辆进行车辆定位。
4、可选地，上述重投影单元包括：遍历模块，用于重复如下步骤，直至遍历多个上述车道线关键点集合：从多个上述车道线关键点集合中获取第一车道线关键点集合和第二车道线关键点集合，其中，上述第一车道线关键点集合与第一时间帧对应，上述第二车道线关键点集合与第二时间帧对应，上述第一时间帧和上述第二时间帧为两个相邻时间帧，上述第一时间帧为在上述第二时间帧之前的时间帧；获取上述第一车道线关键点集合在惯性坐标系的第一投影结果，将上述第一投影结果确定为第一惯性关键点集合，并根据上述第一惯性关键点集合，以及上述目标车辆在上述第一时间帧和上述第二时间帧之间的相对位姿，确定与上述第二时间帧对应的第二惯性关键点集合，其中，上述相对位姿为根据上述惯性信息序列中包括的上述惯性信息确定的位姿信息；获取上述第二惯性关键点集合在图像坐标系的第二投影结果，将上述第二投影结果确定为第二参考车道线关键点集合，其中，上述第二参考车道线关键点集合用于与上述第二车道线关键点进行关键点匹配。
5、可选地，上述遍历模块用于：从上述惯性信息序列中获取的与上述第一时间帧对应的第一惯性信息，以及与上述第二时间帧对应的第二惯性信息；分别获取上述第一惯性信息和上述第二惯性信息中携带的速度值和加速度值；根据上述速度值和上述加速度值获取在上述第一时间帧和上述第二时间帧指示的运动时间上的积分结果，并根据上述积分结果确定上述目标车辆的上述相对位姿；在上述惯性坐标系中根据上述相对位姿和上述第一惯性关键点集合确定上述第二惯性关键点集合。
6、可选地，上述第二获取单元包括：第一获取模块，用于获取上述目标车辆在多个参考时间帧分别采集的原始惯性信息；插值模块，用于在上述多个参考时间帧与上述多个时间帧不匹配的情况下，根据上述多个时间帧对多个上述原始惯性信息进行线性插值处理，得到与上述多个时间帧对应的惯性信息序列。
7、可选地，上述优化单元用于：重复执行如下操作，直至遍历多个上述车道线关键点集合：从多个上述车道线关键点集合中获取一个上述车道线关键点集合作为当前车道线关键点集合，并从多个上述参考车道线关键点集合中获取与上述当前车道线关键点集合匹配的当前参考关键点集合，其中，上述当前车道线关键点集合与上述当前参考关键点集合对应于同一个上述时间帧；依次获取上述当前车道线关键点集合中的每一个当前车道线关键点，并遍历获取上述当前参考关键点集合中的当前参考车道线关键点，在获取的上述当前车道线关键点和上述当前参考车道线关键点满足目标距离条件的情况下，确定上述当前车道线关键点和上述当前参考车道线关键点互相匹配。
8、可选地，上述第一获取单元包括：获取模块，用于获取上述目标车辆在行驶过程中通过智能摄像头在连续的上述多个时间帧分别采集的车道线信息，其中，上述车道线信息用于指示上述车道线在车辆坐标系下的对象位置；特征提取模块，用于分别根据每个上述时间帧对应的上述车道线信息进行特征点提取，得到多个上述车道线关键点集合。
9、可选地，上述特征提取模块，用于：获取当前时间帧对应的第一车道线信息；对上述第一车道线信息进行坐标转化，得到图像坐标系下的第二车道线信息，其中，上述第二车道线信息用于指示上述道路图像中上述车道线所在的图像位置；根据上述第二车道线信息从上述道路图像中确定出多个关键区域，并根据多个上述关键区域确定出与上述当前时间帧对应的上述车道线关键点集合，其中，上述关键区域为包括了上述车道线的图像区域。
10、可选地，上述优化单元包括：第一优化模块，用于基于匹配的上述车道线关键点以及上述参考车道线关键点之间的位置残差确定第一优化目标；第二优化本文档来自技高网...
【技术保护点】
1.一种车辆定位方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述基于所述惯性信息序列对多个所述车道线关键点集合分别进行重投影操作，得到多个参考车道线关键点集合包括：
3.根据权利要求2所述的方法，其特征在于，所述根据所述第一惯性关键点集合，以及所述目标车辆在所述第一时间帧和所述第二时间帧之间的相对位姿，确定与所述第二时间帧对应的第二惯性关键点集合包括：
4.根据权利要求2所述的方法，其特征在于，所述获取与所述多个时间帧对应的惯性信息序列包括：
5.根据权利要求2所述的方法，其特征在于，所述将所述参考车道线关键点集合中的车道线关键点与所述车道线关键点集合中的参考车道线关键点进行关键点匹配包括：
6.根据权利要求1所述的方法，其特征在于，所述获取与连续的多个时间帧分别对应的多个车道线关键点集合包括：
7.根据权利要求6所述的方法，其特征在于，所述分别根据每个所述时间帧对应的所述车道线信息进行特征点提取，得到多个所述车道线关键点集合包括：
8.根据权利要求1所述的方法，其特征在于
9.根据权利要求8所述的方法，其特征在于，所述根据所述惯性信息序列中每两个相邻惯性信息所指示的相对位姿确定第二优化目标包括：
10.根据权利要求8所述的方法，其特征在于，所述根据高精地图数据中携带的指示车道线位置的第一车道线位置信息，与智能摄像头数据中携带的指示车道线位置的第二车道线位置信息确定第三优化目标包括：
11.一种车辆定位装置，其特征在于，包括：
12.一种计算机可读的存储介质，其特征在于，所述计算机可读的存储介质包括存储的程序，其中，所述程序被电子设备运行时执行所述权利要求1至10任一项中所述的方法。
13.一种电子设备，包括存储器和处理器，其特征在于，所述存储器中存储有计算机程序，所述处理器被设置为通过所述计算机程序执行所述权利要求1至10任一项中所述的方法。
...【技术特征摘要】
1.一种车辆定位方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述基于所述惯性信息序列对多个所述车道线关键点集合分别进行重投影操作，得到多个参考车道线关键点集合包括：
3.根据权利要求2所述的方法，其特征在于，所述根据所述第一惯性关键点集合，以及所述目标车辆在所述第一时间帧和所述第二时间帧之间的相对位姿，确定与所述第二时间帧对应的第二惯性关键点集合包括：
4.根据权利要求2所述的方法，其特征在于，所述获取与所述多个时间帧对应的惯性信息序列包括：
5.根据权利要求2所述的方法，其特征在于，所述将所述参考车道线关键点集合中的车道线关键点与所述车道线关键点集合中的参考车道线关键点进行关键点匹配包括：
6.根据权利要求1所述的方法，其特征在于，所述获取与连续的多个时间帧分别对应的多个车道线关键点集合包括：
7.根据权利要求6所述的方法，其特征在于，所述分别根据每个所述时间帧对应的所述车道线信息进行特征点提取，得到多个...
【专利技术属性】
技术研发人员：张泽，段显丰，
申请(专利权)人：福思杭州智能科技有限公司，
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。