【技术实现步骤摘要】
本申请涉及自动驾驶，具体涉及一种车辆定位方法、装置、存储介质及电子设备。
技术介绍
1、高精度定位对于自动驾驶车辆来说极为重要，自动驾驶中常用的定位方法有基于实时差分定位(rtk)的组合惯导、激光雷达和视觉方案等。单一数据源的定位方案一般无法满足车辆在行驶过程中高精度和高鲁棒性的定位需求，目前，通常会将激光雷达等多个传感器进行融合互补输出精确和鲁棒的车辆定位位姿。
2、目前，使用激光雷达的方案车辆定位成本较高，而不使用激光雷达的方案车辆定位的精确性和鲁棒性通常较差，因此，如何使用较少的传感器来低成本实现高精度、高鲁棒性的车辆定位方案是行业面临的一大难题。
技术实现思路
1、本申请实施例提供一种车辆定位方案，可以低成本实现高精度、高鲁棒性的车辆定位。
2、本申请实施例提供以下技术方案：
3、根据本申请的一个实施例，一种车辆定位方法，其包括：采集车辆对应的行驶环境图像，并基于所述行驶环境图像检测行驶环境要素对应的视觉检测语义数据；根据所述车辆的车辆位置从高精度地图中提取预定位置范围的高精度地图数据；将所述视觉检测语义数据与所述高精度地图数据进行多空间维度匹配处理，得到车辆匹配位姿；将所述车辆匹配位姿与所述车辆的车辆底盘数据、惯性测量数据及实时差分定位数据进行融合分析，得到车辆融合位姿。
4、在本申请的一些实施例中，所述将所述视觉检测语义数据与所述高精度地图数据进行多空间维度匹配处理，得到车辆匹配位姿，包括：获取所述车辆相对启动时刻的六自由
5、在本申请的一些实施例中，所述基于所述六自由度定位位姿、所述初始定位位姿、所述视觉检测语义数据以及所述高精度地图数据进行多空间维度的粒子滤波匹配处理，得到所述车辆匹配位姿，包括：在初始定位位姿的附近空间进行例子分散，形成初始定位位姿的附近的粒子；根据车辆相对启动时刻的六自由度定位位姿相对变换更新每个所述粒子的运动，得到状态变换粒子；在每个所述状态变换粒子所在的位姿处，使用所述视觉检测语义数据以及所述高精度地图数据进行多空间维度的匹配，得到每个所述状态变换粒子对应位姿处的匹配度；选取匹配度符合预定条件的状态变换粒子的位姿作为所述车辆匹配位姿。
6、在本申请的一些实施例中，所述将所述车辆匹配位姿与所述车辆的车辆底盘数据、惯性测量数据及实时差分定位数据进行融合分析，得到车辆融合位姿，包括：根据所述车辆底盘数据和所述惯性测量数据计算所述车辆相对启动时刻的六自由度定位位姿；根据所述实时差分定位数据计算所述车辆的初始定位位姿；将所述六自由度定位位姿、所述初始定位位姿及所述车辆匹配位姿进行融合分析，得到所述车辆融合位姿。
7、在本申请的一些实施例中，所述将所述六自由度定位位姿、所述初始定位位姿及所述车辆匹配位姿进行融合分析，得到所述车辆融合位姿，包括：采用所述初始定位位姿进行扩展卡尔曼滤波器的初始化；基于所述六自由度定位位姿对所述扩展卡尔曼滤波器中运动预测方程进行更新，得到预测结果；采用差分定位位姿和所述车辆匹配位姿，基于扩展卡尔曼滤波器中观测方程更新所述预测结果，得到观测结果；根据所述观测结果输出所述车辆融合位姿。
8、在本申请的一些实施例中，所述根据所述车辆底盘数据和所述惯性测量数据计算所述车辆相对启动时刻的六自由度定位位姿，包括：获取车辆底盘数据中的底盘线速度和角速度，通过对所述底盘线速度和所述角速度积分计算得到所述车辆的三轴相对位移；获取所述惯性测量数据中的俯仰角、横滚角、偏航角；将所述三轴相对位移及所述俯仰角、横滚角、偏航角叠加，得到所述六自由度定位位姿。
9、在本申请的一些实施例中，所述根据所述实时差分定位数据计算所述车辆的初始定位位姿，包括：获取实时差分定位数据；确定获取的实时差分定位数据是否为固定解；若为固定解，则对实时差分定位数据进行数据解析，得到所述初始定位位姿。
10、根据本申请的一个实施例，一种车辆定位装置，所述装置包括：检测模块，用于采集车辆对应的行驶环境图像，并基于所述行驶环境图像检测行驶环境要素对应的视觉检测语义数据；提取模块，用于根据所述车辆的车辆位置从高精度地图中提取预定位置范围的高精度地图数据；匹配模块，用于将所述视觉检测语义数据与所述高精度地图数据进行多空间维度匹配处理，得到车辆匹配位姿；融合模块，用于将所述车辆匹配位姿与所述车辆的车辆底盘数据、惯性测量数据及实时差分定位数据进行融合分析，得到车辆融合位姿。
11、在本申请的一些实施例中，所述匹配模块，用于：获取所述车辆相对启动时刻的六自由度定位位姿以及所述车辆的初始定位位姿；基于所述六自由度定位位姿、所述初始定位位姿、所述视觉检测语义数据以及所述高精度地图数据进行多空间维度的粒子滤波匹配处理，得到所述车辆匹配位姿。
12、在本申请的一些实施例中，所述匹配模块，用于：在初始定位位姿的附近空间进行例子分散，形成初始定位位姿的附近的粒子；根据车辆相对启动时刻的六自由度定位位姿相对变换更新每个所述粒子的运动，得到状态变换粒子；在每个所述状态变换粒子所在的位姿处，使用所述视觉检测语义数据以及所述高精度地图数据进行多空间维度的匹配，得到每个所述状态变换粒子对应位姿处的匹配度；选取匹配度符合预定条件的状态变换粒子的位姿作为所述车辆匹配位姿。
13、在本申请的一些实施例中，所述融合模块，用于：根据所述车辆底盘数据和所述惯性测量数据计算所述车辆相对启动时刻的六自由度定位位姿；根据所述实时差分定位数据计算所述车辆的初始定位位姿；将所述六自由度定位位姿、所述初始定位位姿及所述车辆匹配位姿进行融合分析，得到所述车辆融合位姿。
14、在本申请的一些实施例中，所述融合模块，用于：采用所述初始定位位姿进行扩展卡尔曼滤波器的初始化；基于所述六自由度定位位姿对所述扩展卡尔曼滤波器中运动预测方程进行更新，得到预测结果；采用差分定位位姿和所述车辆匹配位姿，基于扩展卡尔曼滤波器中观测方程更新所述预测结果，得到观测结果；根据所述观测结果输出所述车辆融合位姿。
15、在本申请的一些实施例中，所述融合模块，用于：获取车辆底盘数据中的底盘线速度和角速度，通过对所述底盘线速度和所述角速度积分计算得到所述车辆的三轴相对位移；获取所述惯性测量数据中的俯仰角、横滚角、偏航角；将所述三轴相对位移及所述俯仰角、横滚角、偏航角叠加，得到所述六自由度定位位姿。
16、在本申请的一些实施例中，所述融合模块，用于：获取实时差分定位数据；确定获取的实时差分定位数据是否为固定解；若为固定解，则对实时差分定位数据进行数据解析，得到所述初始定位位姿。
17、根据本申请的另一实施例，一种存储介质，其上存储有计算机程序，当所述计算机程序被计算机的处理器执行时，使计算机执行本申请实施例所述的方法。
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，所述将所述视觉检测语义数据与所述高精度地图数据进行多空间维度匹配处理，得到车辆匹配位姿，包括：
3.根据权利要求2所述的方法，其特征在于，所述基于所述六自由度定位位姿、所述初始定位位姿、所述视觉检测语义数据以及所述高精度地图数据进行多空间维度的粒子滤波匹配处理，得到所述车辆匹配位姿，包括：
4.根据权利要求1所述的方法，其特征在于，所述将所述车辆匹配位姿与所述车辆的车辆底盘数据、惯性测量数据及实时差分定位数据进行融合分析，得到车辆融合位姿，包括：
5.根据权利要求4所述的方法，其特征在于，所述将所述六自由度定位位姿、所述初始定位位姿及所述车辆匹配位姿进行融合分析，得到所述车辆融合位姿，包括：
6.根据权利要求4所述的方法，其特征在于，所述根据所述车辆底盘数据和所述惯性测量数据计算所述车辆相对启动时刻的六自由度定位位姿，包括：
7.根据权利要求4所述的方法，其特征在于，所述根据所述实时差分定位数据计算所述车辆的初始定位位姿，包括
8.一种车辆定位装置，其特征在于，包括：
9.一种存储介质，其特征在于，其上存储有计算机程序，当所述计算机程序被计算机的处理器执行时，使计算机执行权利要求1至7任一项所述的方法。
10.一种电子设备，其特征在于，包括：存储器，存储有计算机程序；处理器，读取存储器存储的计算机程序，以执行权利要求1至7任一项所述的方法。
...【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，所述将所述视觉检测语义数据与所述高精度地图数据进行多空间维度匹配处理，得到车辆匹配位姿，包括：
3.根据权利要求2所述的方法，其特征在于，所述基于所述六自由度定位位姿、所述初始定位位姿、所述视觉检测语义数据以及所述高精度地图数据进行多空间维度的粒子滤波匹配处理，得到所述车辆匹配位姿，包括：
4.根据权利要求1所述的方法，其特征在于，所述将所述车辆匹配位姿与所述车辆的车辆底盘数据、惯性测量数据及实时差分定位数据进行融合分析，得到车辆融合位姿，包括：
5.根据权利要求4所述的方法，其特征在于，所述将所述六自由度定位位姿、所述初始定位位姿及所述...
【专利技术属性】
技术研发人员：周祖鸿，
申请(专利权)人：驭新智行科技宁波有限公司，
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。