定位方法、装置、电子设备及计算机存储介质与流程

1.本技术实施例涉及定位技术领域，尤其涉及一种定位方法、装置、电子设备及计算机存储介质。


背景技术：

2.为了使汽车能够实现一定程度的智能驾驶，提高驾驶安全性，汽车的某些车型会配置高级驾驶辅助系统(adas，advanced driver assistance systems)。为了使adas能够更好地提供服务，车道级定位功能，即定位出汽车行驶的车道，成为不可或缺的重要功能。
3.现有技术中，基于实时动态载波相位差分(即rtk，real-time kinematic)定位技术和车道级地图数据可以实现车道级定位和导航，但实际上，rtk定位技术需要汽车配备支持rtk定位能力的硬件，这限制了基于rtk的车道级定位技术的普及。因此，提供不受硬件配置限制的、能够实现车道级定位的定位技术是本领域技术人员需要解决的问题。


技术实现要素：

4.有鉴于此，本技术实施例提供一种定位方案，以至少部分解决上述问题。
5.根据本技术实施例的第一方面，提供了一种定位方法，包括：根据所述目标对象搭载的状态传感器输出的状态检测数据，确定目标对象的参考位置；根据所述目标对象搭载的视觉传感器采集的道路图像，识别出目标对象行驶道路的车道识别信息；根据所述参考位置、道路级地图数据、车道级地图数据和道路与车道的映射关系数据，确定所述参考位置匹配的道路包含的车道静态信息；根据所述参考位置匹配的道路包含车道静态信息和所述行驶道路的车道识别信息，确定所述目标对象所处的车道。
6.根据本技术实施例的第二方面，提供了一种定位装置，包括：融合定位模块，用于根据所述目标对象搭载的状态传感器输出的状态检测数据，确定目标对象的参考位置；视觉识别模块，用于根据所述目标对象搭载的视觉传感器采集的道路图像，识别出目标对象行驶道路的车道识别信息；车道匹配模块，用于根据所述参考位置、道路级地图数据、车道级地图数据和道路与车道的映射关系数据，确定所述参考位置匹配的道路包含的车道静态信息；车道识别模块，用于根据参考位置匹配的道路包含车道静态信息和所述车道识别信息，确定所述目标对象所处的车道。
7.根据本技术实施例的第三方面，提供了一种电子设备，包括：处理器、存储器、通信接口和通信总线，所述处理器、所述存储器和所述通信接口通过所述通信总线完成相互间的通信；所述存储器用于存放至少一可执行指令，所述可执行指令使所述处理器执行如第一方面所述的定位方法对应的操作。
8.根据本技术实施例的第四方面，提供了一种计算机存储介质，其上存储有计算机程序，该程序被处理器执行时实现如第一方面所述的定位方法。
9.根据本技术实施例提供的定位方案，利用状态传感器融合确定参考位置，并结合道路级地图数据、车道级地图数据和映射关系数据，获得参考位置匹配的道路，此外，根据
道路图像获得实际所在环境的车道识别信息，将车道识别信息与车道静态信息进行匹配，从而确定目标对象所处的车道，这样既实现了车道级定位，又无需基站等硬件设备，不仅减少了成本，而且避免了通信延迟，而且由于基于多状态传感器的状态检测数据和道路图像进行定位，提升了鲁棒性，确保在卫星信号丢失的情况下也可以获得较为准确的车道级定位。
附图说明
10.为了更清楚地说明本技术实施例或现有技术中的技术方案，下面将对实施例或现有技术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技术实施例中记载的一些实施例，对于本领域普通技术人员来讲，还可以根据这些附图获得其他的附图。
11.图1a为根据本技术实施例一的一种定位方法的步骤流程图；
12.图1b为图1a所示实施例中的一种场景示例的示意图；
13.图2a为根据本技术实施例二的一种定位方法的步骤流程图；
14.图2b为图2a所示实施例中的一种位置变化的示意图；
15.图3为根据本技术实施例三的一种定位装置的结构框图；
16.图4为根据本技术实施例五的一种电子设备的结构示意图。
具体实施方式
17.为了使本领域的人员更好地理解本技术实施例中的技术方案，下面将结合本技术实施例中的附图，对本技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是本技术实施例一部分实施例，而不是全部的实施例。基于本技术实施例中的实施例，本领域普通技术人员所获得的所有其他实施例，都应当属于本技术实施例保护的范围。
18.下面结合本技术实施例附图进一步说明本技术实施例具体实现。
19.实施例一
20.参照图1a，示出了本技术实施例一的定位方法的步骤流程图。
21.在本实施例中，该方法包括以下步骤：
22.步骤s102：根据所述目标对象搭载的状态传感器输出的状态检测数据，确定目标对象的参考位置。
23.状态传感器包括卫星定位传感器、陀螺仪、加速度计和轮速计中至少之一。陀螺仪和加速度计构成惯性坐标系(imu)。
24.其中，状态传感器的状态检测数据包括卫星定位位置、陀螺仪检测的目标对象的角速度、加速度计检测的目标对象的加速度、以及轮速计检测的轮速。
25.在一种可行方式中，目标对象的参考位置通过对卫星定位位置、角速度、加速度和轮速中的两个或两个以上进行融合确定，根据需要还可以结合地图数据。采用多传感器的状态检测数据融合的方式不仅可以提升参考位置的准确性，而且保证在缺少部分的状态检测数据时也可以较为准确地确定参考位置，从而提升了鲁棒性。
26.例如，在卫星信号不好的位置，无法获得准确的卫星定位位置时，可以通过角速度、加速度和轮速等确定较为准确的目标对象的参考位置。
27.步骤s104：根据所述目标对象搭载的视觉传感器采集的道路图像，识别出目标对象行驶所在道路的车道识别信息。
28.道路图像可以是目标对象上搭载的图像采集装置拍摄的图像。图像采集装置可以是设置在目标对象上的移动终端上安装的相机，也可以是目标对象自身搭载的相机等。
29.通过对道路图像进行图像识别，可以获得目标对象所在道路的车道识别信息。车道识别信息包括但不限于：目标对象行驶道路的左数车道数、右数车道数、左数车道数的置信度和右数车道数的置信度。此外，车道识别信息还包括车道线的线型、车道线颜色和车道线相对目标对象的表达式等。其中，车道线相对目标对象的表达式可以以目标对象所在参考位置为原点，以车道线的延伸方向为y轴，以垂直y轴的方向为x轴，确定车道线的表达式，以该表达式指示目标对象在车道内的位置。
30.步骤s106：根据所述参考位置、道路级地图数据、车道级地图数据和道路与车道的映射关系数据，确定所述参考位置匹配的道路包含的车道静态信息。
31.道路级地图数据，例如为标精地图(sd map，standard definition map)，其精度为米级，道路级地图数据中包括道路的相关信息，如道路的形点、坡度、曲率等，还可以包括道路间的拓扑关系(如，路网信息)。形点用于描述对应道路的形状，其为在道路上的一系列点。道路点包括该道路对应的形点。
32.车道级地图数据，例如为高精地图(hd map，high definition map)，其精度可以在米级以下，可以达到厘米级。车道级地图数据不仅可以包括道路级地图数据的内容，而且还可以包括道路内的车道信息，车道信息例如：车道线的线型、车道拓扑、路面箭头、以及其他语义标识的地理位置和轮廓信息等。
33.道路与车道的映射关系数据(mapping)，用于指示所述道路级地图数据与所述车道级地图数据的映射关系，以方便在道路级地图数据和车道级地图数据之间转换。
34.根据获取的参考位置，使用地图匹配算法(例如为隐性马尔可夫模型，hmm)将参考位置与道路级地图数据进行匹配，从而获得参考位置匹配的道路，进而根据匹配的道路和映射关系数据，可以从车道级地图数据中获得匹配的道路包含的车道静态信息。该车道静态信息至少包括总车道数，但不限于此，其还可以包括车道线的线型、车道线的颜色等等。
35.步骤s108：根据所述参考位置匹配的道路包含的车道静态信息和所述行驶道路的车道识别信息，确定所述目标对象所处的车道。
36.通过将从道路图像中识别出的车道识别信息与车道级地图数据确定的车道静态信息进行匹配，可以确定匹配的车道。这样就实现了车道级定位。
37.前述的目标对象行驶道路可以是参考位置匹配的道路。
38.该定位过程支持目标对象上搭载的多种不同的状态传感器的状态检测数据进行融合，确定参考位置，不仅提升了鲁棒性，而且不需要额外在目标对象上安装基站和相应的服务，因此减少了硬件和服务成本。
39.此外，在车道级定位过程中，结合了视觉技术、道路级地图数据和车道级地图数据等，利用道路与车道的映射关系数据实现了道路级地图数据和车道级地图数据的转换，降低了现有的从道路级地图数据转换到车道级地图数据的难度。
40.下面结合一种具体使用场景，对该方法的实现过程进行说明如下：
41.参照图1b，在本使用场景中，该方法可以通过配置在目标对象上的定位系统实现，
或者，定位系统也可以配置在服务器或者云端，定位系统通过有线网络或者无线网络与目标对象通信，以定位目标对象所在的车道。定位系统包括融合单元、巡航单元、视觉单元和车道识别单元。
42.其中，融合单元用于接收多种状态传感器输出的状态检测数据(如卫星定位位置、角速度、加速度和轮速等)，并对状态检测数据进行融合，确定参考位置。
43.巡航单元用于接收参考位置，并使用地图匹配算法将参考位置与道路级地图数据进行匹配，确定与参考位置匹配的道路，并根据道路与车道的映射关系数据，确定匹配的道路包含的车道静态信息。车道静态信息例如总车道数等，但不限于此。
44.视觉单元用于获取道路图像，并对道路图像进行识别，获得道路图像中的车道识别信息。车道识别信息包括但不限于左数车道数及其置信度、右数车道数及其置信度，其还可以包括车道线的线型、颜色等。
45.车道识别单元用于将识别出的车道识别信息与获取的车道静态信息进行匹配，从而确定目标对象所处的车道，也即实现车道定位。
46.通过本实施例，利用多状态传感器的状态检测数据融合确定参考位置，并结合道路级地图数据、车道级地图数据和映射关系数据，获得参考位置匹配的道路包含的车道静态信息，此外，根据道路图像获得实际所在道路的车道识别信息，将车道识别信息与车道静态信息进行匹配，从而确定目标对象所处的车道，这样既实现了车道级定位，又无需基站等硬件设备，不仅减少了成本，而且避免了通信延迟，而且由于基于多状态传感器的状态检测数据和图像采集装置采集的道路图像进行定位，提升了鲁棒性，确保在卫星信号丢失的情况下也可以获得较为准确的车道级定位。
47.本实施例的定位方法可以由任意适当的具有数据处理能力的电子设备执行，包括但不限于：服务器、移动终端(如手机、pad等)和pc机等。
48.实施例二
49.参照图2a，示出了本技术的实施例二的定位方法的步骤流程示意图。
50.在本实施例中，以目标对象是车辆为例，对该方法的实现过程进行说明。该车辆可以是有人驾驶的车辆、由机器人等驾驶的车辆、或者是无人驾驶的车辆等。该方法包括以下步骤：
51.步骤s202：根据所述目标对象上搭载的状态传感器输出的状态检测数据，确定目标对象的参考位置。
52.在本实施例中，以多状态传感器的状态检测数据进行融合确定参考位置。其中，多传感器包括但不限于卫星定位传感器(gnss，global navigation satellite system，全球导航卫星系统)、惯性传感器(imu，inertial measurement unit)和轮速计等。其中，惯性传感器包括但不限于加速度计和陀螺仪等。
53.卫星定位传感器的状态检测数据例如为卫星定位位置。陀螺仪的状态检测数据例如为角速度。加速度计的状态检测数据例如为加速度。轮速计的状态检测数据例如为轮速。通过融合卫星定位位置、角速度、加速度、和轮速等，获得准确的参考位置。
54.可选地，在一些如城市峡谷等环境中由于建筑物遮挡等因素使得卫星定位传感器无法获得卫星信号，而使得不能获得卫星定位位置，在此情况下，基于惯性传感器的状态检测数据仍然可以在一定时间内获得较为准确的参考位置。但是因为惯性传感器的参考位置
存在累积误差，为了避免累积误差导致一段时间之后参考位置不准确，在获得多状态传感器融合的参考位置后，可以根据参考位置和道路级地图数据确定匹配的道路，然后使用匹配的道路对参考位置进行修正，以便后续获得的参考位置的准确度更高。
55.如图2b示出了一种多状态传感器融合过程中位置变化的示意图。
56.由于不同的状态传感器的频率不同，因此在进行多状态传感器融合时，以卫星定位传感器获得卫星定位位置作为触发。
57.该步骤s202可以实现为：根据前一时刻的参考位置、当前时刻所述目标对象搭载的状态传感器输出的状态检测数据指示的位置，确定所述目标对象当前时刻的预估位置；若所述预估位置未处于前一时刻的参考位置匹配的道路上，则以所述预估位置映射到所述匹配的道路上的位置作为所述当前时刻的参考位置。
58.下面结合一个具体示例，对该实现过程进行详细说明如下：
59.设卫星定位传感器的信号周期为x秒，惯性传感器中的陀螺仪的周期为y秒、加速度计的周期为z秒，轮速计的周期为h秒。
60.如图2b所示，在t0时刻获得卫星定位传感器的状态检测数据，并根据该状态检测数据确定目标对象的参考位置p1(即图2b中点p1)，该参考位置p1用于指示目标对象在t0时刻的位姿。
61.在t1时刻(也就是t0时刻之后的一个时刻)，获得惯性传感器的状态检测数据，基于该状态检测数据和参考位置p1，可以确定目标对象在t1时刻的预估位置p2’。由于惯性传感器的状态检测数据指示的当前时刻相对前一时刻的位置变化量，因此预估位置p2’可以是状态检测数据指示的位置变化量+参考位置p1。为了避免累积误差导致的预估位置p2’和实际位置偏差过远，可以确定预估位置p2’是否位于参考位置p1匹配的道路上，若其处于参考位置p1匹配的道路上，则以预估位置p2’作为t1时刻的参考位置p2。反之，若预估位置p2’未处于参考位置p1匹配的道路上，基于车辆行驶的时空连续性原理，可以将预估位置p2’映射到该匹配的道路上，并以映射的位置作为t1时刻的参考位置p2。
62.类似地，在t2时刻，获得轮速计的状态检测数据，由于轮速计的状态检测数据与惯性传感器的状态检测数据类似，属于相对检测数据，因此基于该状态检测数据和参考位置p2，确定目标对象在t2时刻的参考位置p3(其确定过程中与t1时刻的确定过程类似，故不再赘述)。以此类推，每获得一个状态检测数据，即可根据该状态检测数据和前一时刻的参考位置更新出当前时刻的参考位置。
63.tn时刻，再次接收到卫星定位传感器的状态检测数据，并根据该状态检测数据和前一时刻的参考位置pn，确定tn时刻的预估位置pn+1’，并将其输出。
64.若基于道路级地图数据确定预估位置pn+1’和参考位置pn匹配的道路的水平误差过大(如预估位置pn+1已经偏离了匹配的道路)，则可以将预估位置pn+1’修正为匹配的道路上对应的位置，这样避免了累积误差，实现了融合多状态传感器的状态检测数据和匹配的道路，确保可以输出可靠的参考位置(即目标对象的位姿)。
65.步骤s204：根据所述目标对象搭载的视觉传感器采集的道路图像，识别出目标对象行驶道路的车道识别信息。
66.在本实施例中，道路图像可以通过搭载在目标对象上的视觉传感器(例如安装在车辆上的相机或者放置在车辆上的移动终端上的相机，等等)获得。通过识别模型可以对道
路图像进行识别和提取，可以识别出车道识别信息，车道识别信息包括但不限于车道线的线型、车道线的颜色、左数车道数及其置信度、右数车道数及其置信度、以及车道线的表达式等。
67.识别模型例如为卷积神经网络模型(cnn)、bert模型等等，任何适当的机器学习模型。识别模型通过训练可以用于识别道路图像中的车道识别信息。
68.步骤s206：根据所述参考位置、道路级地图数据、车道级地图数据和道路与车的映射关系数据，确定所述参考位置匹配的道路包含的车道静态信息。
69.在一种可行方式中，步骤s206包括以下子步骤：
70.子步骤s2061：将所述参考位置与所述道路级地图数据中的道路进行地图匹配，获得所述参考位置匹配的道路。
71.例如，基于地图匹配算法完成参考位置与道路级地图数据的匹配。地图匹配算法可以是任何适当的算法，例如，其可以为隐性马尔可夫算法(hmm)，这种算法可以准确地确定参考位置匹配的道路。当然，在其他实施例中，也可以采用其他适当的算法进行道路级地图数据的匹配。
72.为了便于处理，匹配的道路可以采用道路link索引的方式表示。在确定匹配的道路时，也可以获得参考位置在匹配的道路上的位置，该位置可以采用坐标的方式表示，也可以采用该位置对应的道路点标识或者索引的方式表示，但并不限于此。
73.子步骤s2062：基于所述匹配的道路通过所述映射关系数据指示的道路级地图数据与车道级地图数据的映射关系，在所述车道级地图数据中，确定所述参考位置匹配的道路包含的车道的车道静态信息。
74.在本实施例中，所述映射关系数据用于指示所述道路级地图数据与所述车道级地图数据的映射关系。基于映射关系数据和车道级地图数据，可以确定匹配的道路对应的车道静态信息。
75.车道静态信息可以根据需要确定，其至少包括总车道数。除此之外还可以包括车道索引、车道线的线型、颜色等。
76.步骤s208：根据所述参考位置匹配的道路包含的车道静态信息和识别出的所述车道识别信息，确定所述目标对象所处的车道。
77.在一种可行方式中，步骤s208包括以下子步骤：
78.子步骤s2081：从所述车道识别信息的左数车道数的置信度和所述右数车道数的置信度中，确定上限置信度和下限置信度。
79.其中，上限置信度为左数车道数的置信度和右数车道数的置信度中高的一个，下限置信度为左数车道数的置信度和右数车道数的置信度中低的一个。
80.以便基于上限置信度、下限置信度、第一设定阈值、和第二设定阈值等确定目标对象的所处车道。
81.子步骤s2082：将所述下限置信度与第一设定阈值进行比较，以及判断所述左数车道数和所述右数车道数的和是否等于所述车道静态信息包含的总车道数。
82.第一设定阈值可以根据需要确定，本实施例对此不作限制。
83.针对情况一，若比较结果指示下限置信度大于第一设定阈值，且所述左数车道数和所述右数车道数的和等于所述总车道数，则执行子步骤2083。
84.针对情况二，若比较结果指示下限置信度小于或等于第一设定阈值，和/或，所述左数车道数和所述右数车道数的和与所述车道静态信息中指示的总车道数不相等，则执行子步骤s2084和子步骤s2085。
85.子步骤s2083：若确定所述下限置信度大于所述第一设定阈值，且所述左数车道数和所述右数车道数的和等于所述总车道数，则将所述左数车道数指示的车道作为所述目标对象所处的车道。
86.此种情况表示识别的车道识别信息的准确度较高，因此可以根据左数车道数指示的车道作为目标对象所处的车道。
87.例如，根据左数车道数确定目标对象所处的车道为左数第3车道。
88.子步骤s2084：若所述下限置信度小于或等于所述第一设定阈值，和/或，所述左数车道数和所述右数车道数的和与所述车道静态信息中指示的总车道数不相等，则将所述上限置信度与第二设定阈值进行比较，所述第二设定阈值大于所述第一设定阈值。
89.第二设定阈值也可以根据需要确定，只要保证第二设定阈值大于所述第一设定阈值即可。
90.当下限置信度小于或等于第一设定阈值、或者左数车道数和所述右数车道数的和与所述车道静态信息中指示的总车道数不相等时，表示左数车道数或右数车道数中可能存在识别错误的情况，为了保证定位的车道准确，可以进一步将上限置信度和第二设定阈值进行比较。
91.若比较结果指示上限置信度大于第二设定阈值，则执行子步骤s2085。反之，若上限置信度小于或等于第二设定阈值，则表示左数车道数和右数车道的置信度均不足以识别出准确的所处车道，则可以采用其他方式确定所处车道。
92.子步骤s2085：若所述上限置信度大于所述第二设定阈值，则根据所述左数车道数和所述右数车道数的置信度，确定所述目标对象的所处的车道。
93.在一示例中，根据所述左数车道数和所述右数车道数的置信度，确定所述目标对象所处的车道可以实现为：将所述左数车道数的置信度与所述右数车道数的置信度进行比较；若所述左数车道数的置信度大于所述右数车道数的置信度，则将所述左数车道数指示的车道确定为所述目标对象所在的车道。例如，左数车道数的置信度比较高，且指示目标对象处于左数第2车道，则将左数第2车道作为目标对象所处的车道。
94.在另一示例中，若所述左数车道数的置信度小于或等于所述右数车道数的置信度，则根据所述总车道数和所述右数车道数，确定新的左数车道数；将所述新的左数车道数指示的车道确定为所述目标对象所处的车道。如总车道数为5条车道，右数车道数指示目标对象行驶在右数第3车道，则新的左数车道数为左数第3车道。
95.该方法可以兼容多种状态传感器，从而提升鲁棒性，以及对不同路况、环境的适应性，即使在卫星定位位置丢失或很差时，惯性传感器也可以在一段时间内保持较高精度的定位，从而保证车道定位的准确性。其可以基于道路级地图数据进行地图匹配，获得匹配道路，并通过映射关系数据和车道级地图数据获得匹配的道路的车道静态信息，进而利用车道静态信息和视觉识别出的车道识别信息进行匹配确定正确车道。该方式综合了视觉识别和车道级地图数据的车道总数进行综合判断。一方面，增加了车道识别的鲁棒性；另一方面，即使视觉识别的左侧或者右侧受遮挡而无法识别出准确的车道数，也可以根据车道总
数和剩余正确识别的车道数还原出所处的车道。
96.此外，由于该方法不会存在基站、通信配置，因此可以解决延时问题。通过采用多状态传感器融合克服了单一传感器失效导致的失效问题，而且结合了映射关系数据和车道级地图数据，实现了道路级地图数据到车道级地图数据的关联和转换，减少了从已使用的道路级地图数据到车道级地图数据转换的成本和难度。视觉传感器采集道路图像，因此可以不依赖激光雷达等设备，降低了设备成本。
97.通过本实施例，利用多状态传感器融合确定参考位置，并结合道路级地图数据、车道级地图数据和映射关系数据，获得参考位置匹配的道路的车道静态信息，此外，根据道路图像获得实际所在环境的车道识别信息，将车道识别信息与车道静态信息进行匹配，从而确定目标对象所处的车道，这样既实现了车道级定位，又无需基站等硬件设备，不仅减少了成本，而且避免了通信延迟，而且由于基于多状态传感器的状态检测数据和道路图像进行定位，提升了鲁棒性，确保在卫星信号丢失的情况下也可以获得较为准确的车道级定位。
98.本实施例的定位方法可以由任意适当的具有数据处理能力的电子设备执行，包括但不限于：服务器、移动终端(如手机、pad等)和pc机等。
99.实施例三
100.参照图3，示出了本技术的实施例三的定位装置的结构框图。
101.在本实施例中，一种定位装置，包括：
102.融合定位模块302，用于根据所述目标对象搭载的状态传感器输出的状态检测数据，确定目标对象的参考位置；
103.视觉识别模块304，用于根据目标对象搭载的视觉传感器采集的道路图像，识别出目标对象行驶道路的车道识别信息；
104.车道匹配模块306，用于根据所述参考位置、道路级地图数据、车道级地图数据和道路与车道的映射关系数据，确定所述参考位置匹配的道路的车道静态信息；
105.车道识别模块308，用于根据所述参考位置匹配的道路包含的车道静态信息和所述车道识别信息，确定所述目标对象所处的车道。
106.可选地，所述车道匹配模块306用于将所述参考位置与所述道路级地图数据中的道路进行地图匹配，获得所述参考位置匹配的道路；基于所述匹配的道路通过所述映射关系数据指示的所述道路级地图数据与所述车道级地图数据的映射关系数据，在所述车道级地图数据中，确定所述参考位置匹配的道路包含的车道的车道静态信息。
107.可选地，所述车道识别信息包括目标对象匹配的道路的左数车道数、右数车道数、左数车道数的置信度和右数车道数的置信度，所述车道识别模块308用于从所述车道识别信息的左数车道数的置信度和所述右数车道数的置信度中，确定上限置信度和下限置信度；将所述下限置信度与第一设定阈值进行比较，以及判断所述左数车道数和所述右数车道数的和是否等于所述车道静态信息包含的总车道数；若确定所述下限置信度大于所述第一设定阈值，且所述左数车道数和所述右数车道数的和等于所述总车道数，则将所述左数车道数指示的车道作为所述目标对象所处的车道。
108.可选地，若所述下限置信度小于或等于所述第一设定阈值，和/或，所述左数车道数和所述右数车道数的和与所述车道静态信息中指示的总车道数不相等，则所述装置进一步包括：
109.比较模块310，用于将所述上限置信度与第二设定阈值进行比较，所述第二设定阈值大于所述第一设定阈值；若所述上限置信度大于所述第二设定阈值，则根据所述左数车道数和所述右数车道数的置信度，确定所述目标对象所处的车道。
110.可选地，比较模块310用于将所述左数车道数的置信度与所述右数车道数的置信度进行比较，若所述左数车道数的置信度大于所述右数车道数的置信度，则将所述左数车道数指示的车道确定为所述目标对象所在的车道。
111.可选地，若所述左数车道数的置信度小于或等于所述右数车道数的置信度，则所述装置还包括：
112.更新模块312，用于根据所述总车道数和所述右数车道数，确定新的左数车道数；将所述新的左数车道数指示的车道确定为所述目标对象所处的车道。
113.可选地，所述状态传感器包括卫星定位传感器、陀螺仪、加速度计和轮速计中至少之一。
114.可选地，所述融合定位模块302用于根据前一时刻的参考位置、当前时刻所述目标对象搭载的状态传感器输出的状态检测数据指示的位置，确定所述目标对象当前时刻的预估位置；若所述预估位置未处于前一时刻的参考位置匹配的道路上，则以所述预估位置映射到所述匹配的道路上的位置作为所述当前时刻的参考位置。
115.本实施例的定位装置用于实现前述多个方法实施例中相应的定位方法，并具有相应的方法实施例的有益效果，在此不再赘述。此外，本实施例的定位装置中的各个模块的功能实现均可参照前述方法实施例中的相应部分的描述，在此亦不再赘述。
116.实施例四
117.参照图4，示出了根据本技术实施例四的一种电子设备的结构示意图，本技术具体实施例并不对电子设备的具体实现做限定。
118.如图4所示，该电子设备可以包括：处理器(processor)402、通信接口(communications interface)404、存储器(memory)406、以及通信总线408。
119.其中：
120.处理器402、通信接口404、以及存储器406通过通信总线408完成相互间的通信。
121.通信接口404，用于与其它电子设备或服务器进行通信。
122.处理器402，用于执行程序410，具体可以执行上述定位方法实施例中的相关步骤。
123.具体地，程序410可以包括程序代码，该程序代码包括计算机操作指令。
124.处理器402可能是中央处理器cpu，或者是特定集成电路asic(application specific integrated circuit)，或者是被配置成实施本技术实施例的一个或多个集成电路。智能设备包括的一个或多个处理器，可以是同一类型的处理器，如一个或多个cpu；也可以是不同类型的处理器，如一个或多个cpu以及一个或多个asic。
125.存储器406，用于存放程序410。存储器406可能包含高速ram存储器，也可能还包括非易失性存储器(non-volatile memory)，例如至少一个磁盘存储器。
126.程序410具体可以用于使得处理器402执行前述方法对应的操作。
127.程序410中各步骤的具体实现可以参见上述定位方法实施例中的相应步骤和单元中对应的描述，在此不赘述。所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的设备和模块的具体工作过程，可以参考前述方法实施例中的对应过程描述，
在此不再赘述。
128.根据本技术的另一方面，提供一种计算机存储介质，其上存储有计算机程序，该程序被处理器执行时实现如权利要求1-8中任一所述的方法。
129.需要指出，根据实施的需要，可将本技术实施例中描述的各个部件/步骤拆分为更多部件/步骤，也可将两个或多个部件/步骤或者部件/步骤的部分操作组合成新的部件/步骤，以实现本技术实施例的目的。
130.上述根据本技术实施例的方法可在硬件、固件中实现，或者被实现为可存储在记录介质(诸如cd rom、ram、软盘、硬盘或磁光盘)中的软件或计算机代码，或者被实现通过网络下载的原始存储在远程记录介质或非暂时机器可读介质中并将被存储在本地记录介质中的计算机代码，从而在此描述的方法可被存储在使用通用计算机、专用处理器或者可编程或专用硬件(诸如asic或fpga)的记录介质上的这样的软件处理。可以理解，计算机、处理器、微处理器控制器或可编程硬件包括可存储或接收软件或计算机代码的存储组件(例如，ram、rom、闪存等)，当所述软件或计算机代码被计算机、处理器或硬件访问且执行时，实现在此描述的定位方法。此外，当通用计算机访问用于实现在此示出的定位方法的代码时，代码的执行将通用计算机转换为用于执行在此示出的定位方法的专用计算机。
131.本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及方法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本技术实施例的范围。
132.以上实施方式仅用于说明本技术实施例，而并非对本技术实施例的限制，有关技术领域的普通技术人员，在不脱离本技术实施例的精神和范围的情况下，还可以做出各种变化和变型，因此所有等同的技术方案也属于本技术实施例的范畴，本技术实施例的专利保护范围应由权利要求限定。