【技术实现步骤摘要】
本公开涉及车辆领域，更具体地，涉及用于车辆定位的方法、设备、系统和计算机可读存储介质。
技术介绍
1、车辆定位技术作为提升驾乘体验的关键技术之一，可以通过各种定位手段和多种传感器实现车辆的精确定位，从而向车辆的驾驶员或者向车辆内的驾驶辅助系统或自动驾驶系统提供重要的位置信息以便做出合适驾驶决策。目前最常见的车辆定位技术为全球定位系统(gps)技术，其能在室外环境下实现较高精度的定位，但在室内环境下常常面临信号易被衰减或遮挡、定位精度下降甚至失效等问题。
2、车辆定位技术在室内环境下的最主要应用是室内停车场内的车辆定位。然而，商场、小区和办公楼所提供的大型室内停车场往往存在地形路线复杂、线路不清晰等问题，若无法在停车场内对车辆进行准确定位，则会使驾驶员无法判断其在室内停车场内所处位置，进而影响其做出准确的驾驶决策。
3、因此，需要一种能够有效地进行车辆定位，尤其是在停车场等室内场景下准确地进行车辆定位的技术。
技术实现思路
1、根据本公开的一个方面，提供了一种用于车辆定位的方法，包括：获得车辆所在场景的融合地图，所述融合地图包括描述所述场景的点云底图和矢量地图；通过相机单元拍摄所述车辆在所述场景内的周围环境的至少一个图像帧并从所述至少一个图像帧中提取多个特征点；将所述多个特征点与所述点云底图中的点云数据进行匹配，以根据所述匹配的结果确定所述车辆在所述矢量地图内的位置；以及通过惯性测量单元测量所述车辆在所述场景内的相对位移，并根据所述相对位移更新所述车辆在所述矢
2、根据本公开的另一方面，提供了一种用于车辆定位的设备，包括：无线通信单元，被配置为获得车辆所在场景的融合地图所述融合地图包括描述所述场景的点云底图和矢量地图；车载相机单元，被配置为拍摄所述车辆在所述场景内的周围环境的至少一个图像帧；特征提取单元，被配置为从所述至少一个图像帧中提取多个特征点；特征匹配单元，被配置为将所述多个特征点与所述点云底图中的点云数据进行匹配；惯性测量单元，被配置为测量所述车辆在所述场景内的相对位移；以及坐标计算单元，被配置为根据所述匹配的结果确定所述车辆在所述矢量地图内的位置，并且根据所述相对位移更新所述车辆的位置。
3、根据本公开的另一方面，提供了一种用于车辆定位的系统，包括云端服务器和车端导航系统。所述云端服务器包括：存储单元，被配置为存储至少一个场景的至少一个融合地图，所述融合地图包括描述所述场景的点云底图和矢量地图。所述车端导航系统包括：无线通信单元，被配置为获得车辆所在场景的融合地图；车载相机单元，被配置为拍摄所述车辆在所述场景内的周围环境的至少一个图像帧；特征提取单元，被配置为从所述至少一个图像帧中提取多个特征点；特征匹配单元，被配置为将所述多个特征点与所述点云底图中的点云数据进行匹配；惯性测量单元，被配置为测量所述车辆在所述场景内的相对位移；以及坐标计算单元，被配置为根据所述匹配的结果确定所述车辆在所述矢量地图内的位置，并且根据所述相对位移更新所述车辆的位置。
4、根据本公开的另一方面，提供了一种用于车辆定位的设备。该设备包括：其上存储有计算机指令的存储器以及处理器。所述指令在由所述处理器运行时使得所述处理器执行：获得车辆所在场景的融合地图，所述融合地图包括描述所述场景的点云底图和矢量地图；通过相机单元拍摄所述车辆在所述场景内的周围环境的至少一个图像帧并从所述至少一个图像帧中提取多个特征点；将所述多个特征点与所述点云底图中的点云数据进行匹配，以根据所述匹配的结果确定所述车辆在所述矢量地图内的位置；以及通过惯性测量单元测量所述车辆在所述场景内的相对位移，并根据所述相对位移更新所述车辆在所述矢量地图内的位置。
5、根据本公开的又一方面，提供了一种存储指令的非暂时性计算机可读存储介质，所述指令使得处理器执行：获得车辆所在场景的融合地图，所述融合地图包括描述所述场景的点云底图和矢量地图；通过相机单元拍摄所述车辆在所述场景内的周围环境的至少一个图像帧并从所述至少一个图像帧中提取多个特征点；将所述多个特征点与所述点云底图中的点云数据进行匹配，以根据所述匹配的结果确定所述车辆在所述矢量地图内的位置；以及通过惯性测量单元测量所述车辆在所述场景内的相对位移，并根据所述相对位移更新所述车辆在所述矢量地图内的位置。
6、根据本公开上述各个方面所提供的车辆定位技术，通过将基于特征点匹配的视觉重定位与基于航迹推算的imu定位相融合，能够充分发挥imu定位响应速度快、算力资源消耗小、运行效率高的优点，与此同时，还能够通过单位置点的视觉重定位进行定时定距纠偏，避免因定位误差累积导致的漂移，从而提供准确的车辆定位结果。
本文档来自技高网...【技术保护点】
1.一种用于车辆定位的方法，包括：
2.根据权利要求1所述的方法，其中，根据所述匹配的结果确定所述车辆的位置以第一频率运行，并且根据所述相对位移更新所述车辆的位置以第二频率运行，其中，所述第一频率低于所述第二频率。
3.根据权利要求1所述的方法，其中，所述点云底图包括描述在所述场景内的道路和路口处对所述场景内的物体测量的点云数据，并且所述矢量地图包括描述所述场景内的道路和路口的几何特性的矢量图形元素，并且其中，
4.根据权利要求3所述的方法，其中，对所述场景内的每个道路和每个路口分别建立对应的点云数据子集包括：
5.根据权利要求4所述的方法，其中，将各个稠密点云数据子集均转化为稀疏点云数据子集以产生所述点云数据包括：
6.根据权利要求3-5中任一项所述的方法，其中，所述相机单元包括环绕所述车辆布置的多个相机，并且其中，通过相机单元拍摄所述车辆在所述场景内的周围环境的至少一个图像帧并从所述至少一个图像帧中提取多个特征点包括：
7.根据权利要求6所述的方法，其中，将所述多个特征点与所述点云底图中的点云数据进行匹配
8.根据权利要求1所述的方法，其中，所述场景包括室内停车场，
9.一种用于车辆定位的设备，包括：
10.一种用于车辆定位的系统，包括：
11.一种用于车辆定位的设备，包括：
12.一种存储指令的非暂时性计算机可读存储介质，所述指令使得处理器执行根据权利要求1-8中的任一项所述的方法。
...【技术特征摘要】
1.一种用于车辆定位的方法，包括：
2.根据权利要求1所述的方法，其中，根据所述匹配的结果确定所述车辆的位置以第一频率运行，并且根据所述相对位移更新所述车辆的位置以第二频率运行，其中，所述第一频率低于所述第二频率。
3.根据权利要求1所述的方法，其中，所述点云底图包括描述在所述场景内的道路和路口处对所述场景内的物体测量的点云数据，并且所述矢量地图包括描述所述场景内的道路和路口的几何特性的矢量图形元素，并且其中，
4.根据权利要求3所述的方法，其中，对所述场景内的每个道路和每个路口分别建立对应的点云数据子集包括：
5.根据权利要求4所述的方法，其中，将各个稠密点云数据子集均转化为稀疏点云数据子集以产生所述点云数据包括：
6.根据权利要求...
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。