一种车辆定位方法、装置、路侧设备及存储介质与流程

1.本发明涉及车辆辅助驾驶和自动驾驶技术领域，尤其涉及一种车辆定位方法、装置、路侧设备及存储介质。


背景技术：

2.随着自动驾驶技术的发展，高精度定位作为实现自动驾驶的前提，对自动驾驶尤为重要。常用定位方法分为三类，第一类是全球导航卫星系统gnss，如全球定位系统gps；第二类是惯导定位，利用惯性测量单元imu提供的是相对的定位信息，再与gnss同时提供车辆定位；第三类是通过环境特征匹配的定位，该方法利用视觉传感器、毫米波雷达传感器等得到车辆的位置。
3.目前在车联网中，主流方法是在车辆上安装gps和imu进行车辆定位，但gps在有些信号弱的地方，定位不准，即使有imu也只能短时间定位。也有一些基于车路协同的定位方法，例如，利用路测子系统生成差分信息，发送给车载终端，车载终端通过获取车辆的原始定位信息及所述差分修正信息，为车辆提供高精度定位，但该方法也要通过gps获取原始定位信息，且需要建立差分基站，增加成本；再如，利用高精度地图、视觉和激光雷达传感器数据，在卫星定位信号被遮挡区域实现高精度定位，该方法的缺点是每辆车都需要有高精度地图、视觉和激光雷达三种传感器，对车辆传感器要求高，且多传感器数据融合对车辆的计算能力要求高，也提高了车辆计算负担。


技术实现要素：

4.本发明提供一种车辆定位方法、装置、路侧设备及存储介质，以解决现有技术中gps信号弱导致对车辆定位不准，利用车辆传感器定位导致车辆计算负担大的问题。
5.一种车辆定位方法，包括：
6.获取路侧设备的位置，并获取车辆相对于所述路侧设备的位置，所述路侧设备的位置为所述路侧设备安装时对安装点进行精准定位后获得的位置；
7.根据所述路侧设备的位置和所述车辆相对于所述路侧设备的位置确定所述车辆的定位信息；
8.当接收到所述车辆发送的定位请求时，将所述车辆的定位信息发送至所述车辆。
9.进一步地，所述根据所述路侧设备的位置和所述车辆相对于所述路侧设备的位置确定所述车辆的定位信息，包括：
10.获取所述车辆相对于车道线的位置；
11.根据所述车辆相对于车道线的位置、根据所述路侧设备的位置和所述车辆相对于所述路侧设备的位置确定所述车辆的定位信息。
12.进一步地，所述路侧设备包括毫米波雷达、激光雷达和摄像头，所述获取车辆相对于所述路侧设备的位置和所述车辆相对于车道线的位置通过如下方式获取：
13.获取所述毫米波雷达的数据、所述激光雷达的数据和所述摄像头的数据；
14.对所述毫米波雷达的数据、所述激光雷达的数据和所述摄像头的数据进行数据融合，以获取所述车辆相对于所述路侧设备的位置，并获取所述车辆相对于车道线的位置。
15.进一步地，对所述毫米波雷达的数据、所述激光雷达的数据和所述摄像头的数据进行数据融合，以获取所述车辆相对于所述路侧设备的位置，并获取所述车辆相对于车道线的位置，包括：
16.根据所述毫米波雷达的数据提取所述车辆的纵向位置；
17.根据所述摄像头的数据提取所述车辆的横向位置和车道线位置；
18.根据所述激光雷达数据提取所述车辆的车道线位置、纵向位置和横向位置；
19.利用卡尔曼滤波、联合概率数据关联和模糊理论对提取的所述纵向位置、所述横向位置进行融合，以获取所述车辆相对于所述路侧设备的位置；
20.利用卡尔曼滤波、联合概率数据关联和模糊理论对提取的车道线位置进行融合，以获取所述车辆相对于车道线的位置。
21.进一步地，所述获取所述毫米波雷达的数据、所述激光雷达的数据和所述摄像头的数据之后，所述方法还包括：
22.根据所述毫米波雷达的数据提取所述车辆的速度；
23.根据所述摄像头的数据提取所述车辆的类型；
24.根据所述激光雷达的数据提取所述车辆的速度和类型；
25.利用所述卡尔曼滤波、联合概率数据关联和模糊理论对提取的所述速度进行融合，以获取所述车辆的车速；
26.利用所述卡尔曼滤波、联合概率数据关联和模糊理论对提取的所述类型进行融合，以获取所述车辆的车型；
27.当接收到所述车辆的定位请求时，将所述车辆的定位信息、所述车辆的车速和所述车辆的车型生成所述车辆的结构化信息，并将所述结构化信息发送至所述车辆。
28.进一步地，所述方法还包括：
29.当接收到所述车辆发送的对周围车辆进行定位的请求时，获取所述周围车辆的定位信息；
30.将所述周围车辆的定位信息发送至所述车辆。
31.一种车辆定位装置，包括：
32.获取模块，用于获取路侧设备的位置，并获取车辆相对于所述路侧设备的位置，所述路侧设备的位置为所述路侧设备安装时对安装点进行精准定位后获得的位置；
33.确定模块，用于根据所述路侧设备的位置和所述车辆相对于所述路侧设备的位置确定所述车辆的定位信息；
34.发送模块，用于当接收到所述车辆发送的定位请求时，将所述车辆的定位信息发送至所述车辆。
35.一种车辆定位装置，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如上述车辆定位方法的步骤。
36.一种路侧设备，包括毫米波雷达、激光雷达、摄像头和如上述的车辆定位装置。
37.一种可读存储介质，所述可读存储介质存储有计算机程序，所述计算机程序被处
理器执行时实现如上述车辆定位方法的步骤。
38.上述车辆定位方法、装置、路侧设备及存储介质所实现的其中一个方案中，通过预先在路边安装包含传感器的路侧设备，并在安装时对路侧设备的进行精准定位以获得路侧设备的精准位置，然后利用路侧设备对路上车辆进行定位以得到车辆相对于路侧设备的位置，根据路侧设备的位置和车辆相对位置换算得到高精度的车辆定位信息，在gps信号弱或者无gps的信号下可以正常工作，实现车辆的高精度定位，且仅需要路侧设备即可实现车辆定位而不需在车上安装传感器，缓解车辆上计算压力过大的问题，减少了车辆负担，且路侧设备对车辆定位可以适用路上的任何车辆，通用性大大提高，也降低了因所有车辆均需安装传感器所产生的高昂成本。
附图说明
39.为了更清楚地说明本发明实施例的技术方案，下面将对本发明实施例的描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
40.图1是本发明一实施例中路侧设备的一结构示意图；
41.图2是本发明一实施例中车辆定位方法的一流程示意图；
42.图3是本发明一实施例中车辆定位方法步骤s20的一实现流程示意图；
43.图4是本发明一实施例中车辆相对于路侧设备的位置和车辆相对于车道线的位置的获取示意图；
44.图5是本发明一实施例中车辆定位装置的一结构示意图；
45.图6是本发明一实施例中车辆定位装置的另一结构示意图。
具体实施方式
46.下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
47.本发明实施例提供的车辆定位方法，可应用在如图1的路侧设备中，该路侧设备包括车辆定位装置101、毫米波雷达102、激光雷达103和摄像头104，其中，车辆定位装置101、毫米波雷达102、激光雷达103和摄像头104可以通过总线进行通信，车辆定位装置101获取路侧设备的位置，并根据毫米波雷达102、激光雷达103和摄像头104获取车辆相对于路侧设备的位置之后，根据路侧设备的位置和车辆相对于路侧设备的位置确定车辆的定位信息，当接收到车辆发送的定位请求时，将车辆的定位信息发送至车辆。
48.本实施例中，路侧设备包括的传感器仅为示例性说明，在其他实施例中，路侧设备还可以包括其他传感器，在此不再赘述。
49.在一实施例中，如图2所示，提供一种车辆定位方法，以该方法应用在图1中的车辆定位装置为例进行说明，包括如下步骤：
50.s10：获取路侧设备的位置，并获取车辆相对于路侧设备的位置，路侧设备的位置
为路侧设备安装时对安装点进行精准定位后获得的位置。
51.为对公路上的车辆进行定位，需在公路上预先安装好多个路侧设备，路侧设备上的传感器可以对一定区域内的所有车辆进行定位，为了减少路侧设备定位的盲区范围，可以增加路侧设备的传感器数量，或者更加合理的布局路侧设备之间的距离，而路侧设备之间的距离由传感器和车辆定位装置的性能进行综合确定。在安装每一个路侧设备时，对路侧设备的安装点进行高精度定位，以使每一个路侧设备获得自身对应的位置，如获得自身的经纬度坐标。
52.当车辆在公路上行驶时，路侧设备上的传感器对车辆进行定位以获得车辆相关数据，以使车辆定位装置根据获得的车辆相关数据获取车辆相对于路侧设备的位置，同时还获取路侧设备的位置，其中，路侧设备的位置为路侧设备安装时对安装点进行精准定位后获得的位置。
53.s20：根据路侧设备的位置和车辆相对于路侧设备的位置确定车辆的定位信息。
54.在获取路侧设备的位置，并获取车辆相对于路侧设备的位置之后，根据路侧设备的位置和车辆相对于路侧设备的位置进行计算以确定车辆的定位信息。
55.例如，路侧设备的位置为路侧设备的经纬度坐标，车辆的定位信息为经纬度坐标，以路侧设备的位置为原点，以路侧设备的经度作为x轴、纬度作为y轴在路面建立直角坐标系，根据车辆相对于路侧设备的位置可确定车辆相对于路侧设备的坐标为(x0，y0)，根据路侧设备的经纬度坐标(x1，y1)在x轴上平移x0，y轴上平移y0，得到车辆的经纬度坐标为(x1+x0，y1+y0)。
56.本实施例中，路侧设备的位置为路侧设备的经纬度坐标，车辆的定位信息为经纬度坐标仅为实施例说明，在其他实施例中，路侧设备的位置和车辆的定位信息还可以是其他，在此不再赘述。
57.s30：接收车辆发送的定位请求。
58.接收车辆通过车载通信单元发送的定位请求。
59.s40：当接收到车辆发送的定位请求时，将车辆的定位信息发送至车辆。
60.当接收到车辆通过车载通信单元发送的定位请求时，将计算获得的车辆的定位信息发送至车辆，其中，车载通信单元与路侧设备上的车辆定位装置可以通过lte-v pc5接口进行通信。
61.在接收到车辆的定位信息之后，车辆上的车载通信单元还可以将接收的定位信息显示在车辆的显示屏上，以使车辆上的驾驶员快速获知车辆的定位信息，车载通信单元和显示屏间的信息传递可通过串口/rj45/usb等接口。
62.本实施例中，将接收的定位信息显示在车辆的显示屏上仅为示例性说明，在其他实施例中，使驾驶员快速获知定位信息的方式还可以是其他，例如，在接收到车辆的定位信息之后，对定位信息进行语音提示或者广播，在此不再赘述。
63.其中，在本实施例中，对路侧设备安装点进行高精度定位时，定位误差不低于预设精度，如路侧设备安装点的定位误差不超过10cm；从获取路侧设备的位置并获取车辆相对于路侧设备的位置，到确定车辆的定位信息的过程中，车辆定位装置输出信息的速率不能低于预设数率，如输出信息的速率不低于10hz；车载通信单元与车辆定位装置之间的通信时延不得高于预设时延，例如，预设时延为100ms，即车载通信单元发送定位请求信息至车
辆定位装置的时延不高于预设100ms，车辆定位装置发送定位信息给车载通信单元的时延不高于100ms，以减少在获取车辆定位信息过程中的时耗，避免因耗时太长而导致的定位信息不准确，提高了定位信息的准确性。
64.本实施例中，预设精度为10cm、预设数率为10hz和预设时延为100ms仅为示例性说明，在其他实施例中，预设精度、预设数率和预设时延还可以是其他，在此不再赘述。
65.本实施例中，通过获取路侧设备的位置，并获取车辆相对于路侧设备的位置，路侧设备的位置为所述路侧设备安装时对安装点进行精准定位后获得的位置，然后根据路侧设备的位置和车辆相对于路侧设备的位置确定车辆的定位信息，当接收到车辆发送的定位请求时，将车辆的定位信息发送至车辆；本发明通过预先在路边安装包含传感器的路侧设备，并在安装时对路侧设备的进行精准定位以获得路侧设备的精准位置，然后利用路侧设备对路上车辆进行定位以得到车辆相对于路侧设备的位置，根据路侧设备的位置和车辆相对位置换算得到高精度的车辆定位信息，在gps信号弱或者无gps的信号下可以正常工作，实现车辆的高精度定位，且仅需要路侧设备即可实现车辆定位而不需在车上安装传感器，缓解车辆上计算压力过大的问题，减少了车辆负担，且路侧设备对车辆定位可以适用路上的任何车辆，通用性大大提高，也降低了因所有车辆均需安装传感器所产生的高昂成本。
66.在一实施例中，如图3所示，步骤s20中，即根据路侧设备的位置和所述车辆相对于路侧设备的位置确定车辆的定位信息，具体包括如下步骤：
67.s21：获取车辆相对于车道线的位置。
68.在路侧设备上的传感器对车辆进行定位以获得车辆相关数据之后，在获取路侧设备的位置并获取车辆相对于路侧设备的位置的同时，还需要根据传感器获得的车辆相关数据，获取车辆相对于车道线的位置。
69.s22：根据车辆相对于车道线的位置、根据路侧设备的位置和车辆相对于路侧设备的位置确定车辆的定位信息。
70.在获取路侧设备的位置、车辆相对于路侧设备的位置和车辆相对于车道线的位置之后，根据车辆相对于车道线的位置、根据路侧设备的位置和车辆相对于路侧设备的位置确定车辆的定位信息。
71.具体地，先根据路侧设备的位置和车辆相对于路侧设备的位置进行计算以确定车辆的绝对坐标(经纬度坐标)，再根据车辆的绝对坐标和车辆相对于车道线的位置生成车辆的定位信息，其中车辆的定位信息包括车辆的绝对坐标和车辆相对于车道线的位置。
72.本实施例中，在获取路侧设备的位置和车辆相对于路侧设备的位置的时候，通过获取车辆相对于车道线的位置，再根据车辆相对于车道线的位置、根据路侧设备的位置和车辆相对于路侧设备的位置确定车辆的定位信息，使得车辆的定位信息增加了车辆相对于车道线的位置，进一步优化了车辆的定位信息，以使驾驶员可根据定位信息明确行驶方向，提高了定位信息的可靠性，提高了车辆和驾驶员的安全性。
73.在一实施例中，如图4所示，路侧设备包括了毫米波雷达、激光雷达和摄像头，在步骤s10和s21中，即车辆相对于路侧设备的位置和车辆相对于车道线的位置通过如下方式获取：
74.s11：获取毫米波雷达的数据、激光雷达的数据和摄像头的数据。
75.当车辆在公路上行驶时，路侧设备上的毫米波雷达、激光雷达和摄像头都会对范
围内的车辆进行定位并获得相应的车辆数据，车辆定位装置提取毫米波雷达中的车辆数据获得毫米波雷达的数据，车辆定位装置提取激光雷达中的车辆数据获得激光雷达的数据，车辆定位装置提取摄像头中的车辆数据获得摄像头的数据。
76.其中，毫米波雷达的数据、激光雷达的数据和摄像头的数据均包括了车辆的位置。
77.s12：对毫米波雷达的数据、激光雷达的数据和摄像头的数据进行数据融合，以获取车辆相对于路侧设备的位置，并获取车辆相对于车道线的位置。
78.在获取毫米波雷达的数据、激光雷达的数据和摄像头的数据之后，对毫米波雷达的数据、激光雷达的数据和摄像头的数据进行数据融合，以获取车辆相对于路侧设备的位置，并获取车辆相对于车道线的位置。
79.具体地，对毫米波雷达的数据、激光雷达的数据和摄像头的数据进行数据融合，以获取车辆相对于路侧设备的位置，并获取车辆相对于车道线的位置，具体包括如下步骤：
80.s121：根据毫米波雷达的数据提取车辆的纵向位置。
81.当车辆在公路上行驶时，路侧设备上的毫米波雷达会对范围内的车辆进行定位以获得车辆的纵向位置，所以在毫米波雷达的数据中可以提取出车辆的纵向位置。
82.s122：根据摄像头的数据提取车辆的横向位置和车道线位置。
83.当车辆在公路上行驶时，路侧设备上的摄像头会对范围内的车辆进行定位以获得车辆的横向位置和车道线位置，所以在摄像头的数据中可以提取出车辆的横向位置和车道线位置。
84.s123：根据激光雷达的数据提取车辆的车道线位置、纵向位置和横向位置。
85.当车辆在公路上行驶时，路侧设备上的激光雷达会对范围内的车辆进行定位以获得车辆的车道线位置、纵向位置和横向位置，所以在激光雷达的数据中可以提取出车辆的车道线位置、纵向位置和横向位置。
86.s124：利用卡尔曼滤波、联合概率数据关联和模糊理论对提取的纵向位置、横向位置进行融合，以获取车辆相对于路侧设备的位置。
87.在完成步骤s121-s123之后，利用卡尔曼滤波、联合概率数据关联和模糊理论对提取的纵向位置、横向位置进行融合，以获得车辆相对于路侧设备的位置，其中，进行融合的方式可以是特征级融合。
88.s125：利用卡尔曼滤波、联合概率数据关联和模糊理论对提取的车道线位置进行融合，以获取车辆相对于车道线的位置。
89.在完成步骤s121-s123之后，用卡尔曼滤波、联合概率数据关联和模糊理论对提取的车道线位置进行融合，以获取车辆相对于车道线的位置，其中，进行融合的方式可以是特征级融合。
90.本实施例中，进行融合的方式是特征级融合仅为示例性说明，在其他实施例中，进行融合的方式还可以是其他，例如，决策级融合，在此不再赘述。
91.本实施例中，通过获取毫米波雷达的数据、激光雷达的数据和摄像头的数据，对毫米波雷达的数据、激光雷达的数据和摄像头的数据进行数据融合，以获取车辆相对于路侧设备的位置，并获取车辆相对于车道线的位置，通过在路侧设备上设置毫米波雷达、激光雷达和摄像头三个传感器来对车辆进行多渠道定位，再将多渠道的定位数据进行融合，提高了车辆数据尤其是车辆位置信息的全面性和可靠性，也提高了车辆位置信息的准确性，减
少了因单个传感器定位车辆导致的车辆位置信息不准确的可能。
92.在一实施例中，在步骤s11之后，即获取毫米波雷达的数据、激光雷达的数据和摄像头的数据之后，所述方法还包括以下步骤：
93.s131：根据毫米波雷达的数据提取车辆的速度。
94.当车辆在公路上行驶时，路侧设备上的毫米波雷达会对范围内的车辆进行定位以获得车辆的速度，所以在毫米波雷达的数据中可以提取出车辆的速度。
95.s132：根据摄像头的数据提取车辆的类型。
96.当车辆在公路上行驶时，路侧设备上的摄像头会对范围内的车辆进行定位以获得车辆的类型，所以在摄像头的数据中可以提取出车辆的类型。
97.s133：根据激光雷达数据提取车辆的速度和类型；
98.当车辆在公路上行驶时，路侧设备上的激光雷达会对范围内的车辆进行定位以获得车辆的速度和类型，所以在激光雷达的数据中可以提取出车辆的速度和类型。
99.s134：利用卡尔曼滤波、联合概率数据关联和模糊理论对提取的速度进行融合，以获取所述车辆的车速。
100.在完成步骤s131-s133之后，用卡尔曼滤波、联合概率数据关联和模糊理论对提取的速度进行融合，以获取车辆的车速，其中，进行融合的方式可以是特征级融合。
101.s135：利用卡尔曼滤波、联合概率数据关联和模糊理论对提取的类型进行融合，以获取车辆的车型。
102.在完成步骤s131-s133之后，用卡尔曼滤波、联合概率数据关联和模糊理论对提取的类型进行融合，以获取车辆的车型，其中，进行融合的方式可以是特征级融合，车辆的车型包括轿车、suv和卡车等。
103.本实施例中，车辆的车型包括轿车、suv和卡车等仅为示例性说明，在其他实施例中，车辆的车型还包括其他，在此不再赘述。
104.s136：当接收到车辆的定位请求时，将车辆的定位信息、车辆的车速和车辆的车型生成车辆的结构化信息，并将结构化信息发送至车辆。在获取车辆的定位信息、车辆的车速和车辆的车型之后，当接收到车辆的定位请求时，将车辆的定位信息、车辆的车速和车辆的车型生成车辆的结构化信息，并将结构化信息发送至车辆。
105.具体地，当路侧设备上的车辆定位装置接收到车辆通过车载通信单元发送的定位请求时，将车辆的绝对坐标(经纬度坐标)、车辆相对于车道线的位置、车辆的车速和车型一并发送至车辆。
106.本实施例中，进行融合的方式是特征级融合仅为示例性说明，在其他实施例中，进行融合的方式还可以是其他，例如，决策级融合，在此不再赘述。
107.本实施例中，获取毫米波雷达的数据、激光雷达的数据和摄像头的数据之后，通过根据毫米波雷达的数据提取车辆的速度，根据摄像头的数据提取车辆的类型，根据激光雷达数据提取车辆的速度和类型，利用卡尔曼滤波、联合概率数据关联和模糊理论对提取的速度进行融合以获取所述车辆的车速，利用卡尔曼滤波、联合概率数据关联和模糊理论对提取的类型进行融合以获取车辆的车型，当接收到车辆的定位请求时，将车辆的定位信息、车辆的车速和车辆的车型生成车辆的结构化信息，并将结构化信息发送至车辆，提高了车辆车速的准确度，方便车辆驾驶员在获得定位信息的同时，能准确地获知车辆的车速，以便
驾驶员根据获得的车速对车辆进行调整，提高了车辆行驶的安全性。
108.在一实施例中，由于路侧设备对范围内的车辆都有定位作用，所以车辆可以向路侧设备发送自身的定位请求之外，还可以向路侧设备发送对周围车辆进行定位的请求，所述方法还包括以下步骤：
109.s41:当接收到车辆发送的对周围车辆进行定位的请求时，获取周围车辆的定位信息。
110.由于路侧设备对范围内的车辆都有定位作用，所以车辆可以向路侧设备发送自身的定位请求之外，还可以向路侧设备发送对周围车辆进行定位的请求，当接收到车辆发送的对周围车辆进行定位的请求时，车辆定位装置会根据对周围车辆进行定位的请求获取周围车辆的定位信息。
111.s41:将周围车辆的定位信息发送至车辆。
112.在获取周围车辆的定位信息之后，将周围车辆的定位信息发送至车辆。
113.在接收到车辆的定位信息之后，车辆上的车载通信单元还可以将接收到的周围车辆的定位信息显示在车辆的显示屏上，以使车辆上的驾驶员快速获知周围车辆的定位信息，提高了车辆行驶的安全性，车载通信单元和显示屏间的信息传递可通过串口/rj45/usb等接口。
114.其中，关于获取周围车辆的定位信息的具体步骤和限定可以参见上文中的步骤和限定，在此不再赘述。
115.本实施例中，当接收到车辆发送的对周围车辆进行定位的请求时，通过获取周围车辆的定位信息，将周围车辆的定位信息发送至车辆，车辆驾驶员不仅可以获知本车辆的定位信息，还可以获得周围车辆的定位信息，方便快捷，提高了车辆行驶的安全性。
116.应理解，上述实施例中各步骤的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本发明实施例的实施过程构成任何限定。
117.在一实施例中，提供一种车辆定位装置，该车辆定位装置与上述实施例中车辆定位方法一一对应。如图5所示，该车辆定位装置包括获取模块501、确定模块502和发送模块503。各功能模块详细说明如下：
118.获取模块501，用于获取路侧设备的位置，并获取车辆相对于所述路侧设备的位置，所述路侧设备的位置为所述路侧设备安装时对安装点进行精准定位后获得的位置；
119.确定模块502，用于根据所述路侧设备的位置和所述车辆相对于所述路侧设备的位置确定所述车辆的定位信息；
120.发送模块503，用于当接收到所述车辆发送的定位请求时，将所述车辆的定位信息发送至所述车辆。
121.其中，所述获取模块501具体用于：
122.获取所述车辆相对于车道线的位置；
123.根据所述车辆相对于车道线的位置、根据所述路侧设备的位置和所述车辆相对于所述路侧设备的位置确定所述车辆的定位信息。
124.进一步地，所述路侧设备包括毫米波雷达、激光雷达和摄像头，所述获取模块501具体还用于：
125.获取所述毫米波雷达的数据、所述激光雷达的数据和所述摄像头的数据；
126.对所述毫米波雷达的数据、所述激光雷达的数据和所述摄像头的数据进行数据融合，以获取所述车辆相对于所述路侧设备的位置，并获取所述车辆相对于车道线的位置。
127.进一步地，所述获取模块501具体还用于：
128.根据所述毫米波雷达的数据提取所述车辆的纵向位置；
129.根据所述摄像头的数据提取所述车辆的横向位置和车道线位置；
130.根据所述激光雷达的数据提取所述车辆的车道线位置、纵向位置和横向位置；
131.利用卡尔曼滤波、联合概率数据关联和模糊理论对提取的所述纵向位置、所述横向位置进行融合，以获取所述车辆相对于所述路侧设备的位置；
132.利用卡尔曼滤波、联合概率数据关联和模糊理论对提取的车道线位置进行融合，以获取所述车辆相对于车道线的位置。
133.进一步地，所述获取模块501和所述发送模块503具体还用于：
134.根据所述毫米波雷达的数据提取所述车辆的速度；
135.根据所述摄像头的数据提取所述车辆的类型；
136.根据所述激光雷达数据提取所述车辆的速度和类型；
137.利用所述卡尔曼滤波、联合概率数据关联和模糊理论对提取的所述速度进行融合，以获取所述车辆的车速；
138.利用所述卡尔曼滤波、联合概率数据关联和模糊理论对提取的所述类型进行融合，以获取所述车辆的车型；
139.当接收到所述车辆的定位请求时，将所述车辆的定位信息、所述车辆的车速和所述车辆的车型生成所述车辆的结构化信息，并将所述结构化信息发送至所述车辆。
140.进一步地，所述获取模块501、所述确定模块502和所述发送模块503具体还用于：
141.当接收到所述车辆发送的对周围车辆进行定位的请求时，获取所述周围车辆的定位信息；
142.将所述周围车辆的定位信息发送至所述车辆。
143.关于车辆定位装置的具体限定可以参见上文中对于车辆定位方法的限定，在此不再赘述。上述车辆定位装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
144.在一个实施例中，提供了一种车辆定位装置，该车辆定位装置可以是计算机设备。该车辆定位装置包括通过系统总线连接的处理器、存储器。其中，该计算机设备的处理器用于提供计算和控制能力。该车辆定位装置的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机程序被处理器执行时以实现一种车辆定位方法。
145.在一个实施例中，如图6所示，提供了一种车辆定位装置，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，处理器执行计算机程序时实现以下步骤：
146.获取路侧设备的位置，并获取车辆相对于所述路侧设备的位置，所述路侧设备的
位置为所述路侧设备安装时对安装点进行精准定位后获得的位置；
147.根据所述路侧设备的位置和所述车辆相对于所述路侧设备的位置确定所述车辆的定位信息；
148.当接收到所述车辆发送的定位请求时，将所述车辆的定位信息发送至所述车辆。
149.在一个实施例中，提供了一种可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现以下步骤：
150.获取路侧设备的位置，并获取车辆相对于所述路侧设备的位置，所述路侧设备的位置为所述路侧设备安装时对安装点进行精准定位后获得的位置；
151.根据所述路侧设备的位置和所述车辆相对于所述路侧设备的位置确定所述车辆的定位信息；
152.当接收到所述车辆发送的定位请求时，将所述车辆的定位信息发送至所述车辆。
153.本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本技术所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(rom)、可编程rom(prom)、电可编程rom(eprom)、电可擦除可编程rom(eeprom)或闪存。易失性存储器可包括随机存取存储器(ram)或者外部高速缓冲存储器。作为说明而非局限，ram以多种形式可得，诸如静态ram(sram)、动态ram(dram)、同步dram(sdram)、双数据率sdram(ddrsdram)、增强型sdram(esdram)、同步链路(synchlink)dram(sldram)、存储器总线(rambus)直接ram(rdram)、直接存储器总线动态ram(drdram)、以及存储器总线动态ram(rdram)等。
154.所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，仅以上述各功能单元、模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能单元、模块完成，即将所述装置的内部结构划分成不同的功能单元或模块，以完成以上描述的全部或者部分功能。
155.以上所述实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围，均应包含在本发明的保护范围之内。