用于车辆定位的方法、设备、存储介质及车辆与流程

1.本发明涉及车辆定位的领域，更具体地，涉及一种用于车辆定位的方法、设备、计算机存储介质以及车辆。


背景技术：

2.随着自动驾驶、辅助驾驶等技术的不断发展，其对车辆的定位要求越来越高。现有的车辆定位技术有时难以满足这样的要求。举例而言，基于全球定位系统gps的车辆定位技术难以提供偏差在10cm以内的精准定位；而基于惯性测量单元imu的车辆定位技术在非水平平面(例如，斜坡)上有较大的累计误差，从而难以提供准确的定位结果。
3.在换电站场景下，常常需要在换电站的斜坡上对车辆进行10cm以内的精确定位，从而为后续的换电操作做准备。因而，期望一种改进的用于车辆定位的技术方案。


技术实现要素：

4.根据本发明的一方面，提供了一种用于车辆定位的方法。所述方法包括：接收相机摄取的定位标签的图像，其中，所述相机设置于待定位的车辆上，所述定位标签包括四个预确定的定位点；建立中间坐标系，其中，所述中间坐标系的xy平面是所述定位标签所在的平面；针对所述定位点中的每个，确定世界坐标系下的第一坐标和图像坐标系下的第二坐标；以及基于所述世界坐标系到所述中间坐标系的第一变换矩阵t1、车辆坐标系到相机坐标系的第二变换矩阵t2、所述图像坐标系到所述相机坐标系的映射关系g，以及所述四个定位点的所述第一坐标和所述第二坐标来确定所述世界坐标系到所述车辆坐标系的第三变换矩阵t3，从而定位所述车辆。
5.作为上述方案的补充或替换，在上述方法中，通过以下步骤确定所述第一坐标：从所述图像获取所述定位标签的标识信息；以及利用所述标识信息确定所述定位点中的每个在所述世界坐标系下的所述第一坐标。
6.作为上述方案的补充或替换，在上述方法中，利用所述标识信息确定所述第一坐标的所述步骤包括：利用所述标识信息获取与所述定位标签相关联的定位参考点在所述世界坐标系下的第三坐标；以及基于所述定位参考点的所述第三坐标以及所述定位参考点与所述定位点中的每个之间的位置关系来确定所述定位点中的每个在所述世界坐标系下的所述第一坐标。其中，所述定位参考点与所述定位点中的每个之间的所述位置关系是预确定的。
7.作为上述方案的补充或替换，在上述方法中，还包括通过以下步骤对所确定的第三变换矩阵t3进行非线性优化：确定所述定位标签中的第i个定位点的重投影误差δ
i
，i＝1，2，3，4；计算所述定位标签的第一损失函数以及通过最小化所述第一损失函数loss来所述第三变换矩阵f3进行非线性优化。
8.作为上述方案的补充或替换，在上述方法中，所述重投影误差δ
i
是基于曲面角度误差的重投影误差：
9.i＝1，2，3，4。
10.其中，是第i个定位点在所述世界坐标系下的第一坐标，是所述第i个定位点在所述图像坐标系下的第二坐标，(r，t)是所述世界坐标系到所述相机坐标系的第五变换矩阵t5，是所述第i个定位点从所述图像坐标系上的所述第二坐标到所述相机的入射光线的映射，|| ||表示取模运算，∧表示外积运算。
11.作为上述方案的补充或替换，在上述方法中，还包括通过以下步骤对所确定的第三变换矩阵t3进行非线性优化：利用所述相机摄取至少两个定位标签的图像；确定来自所述至少两个定位标签中的n个定位点的重投影误差；计算所述至少两个定位标签的第二损失函数其中，δ
i
是第i个定位点的重投影误差，w
i
是所述第i个定位点的加权系数，所述加权系数w
i
相关联于所述第i个定位点所来自的定位标签被摄取到的图像的面积；以及通过最小化所述第二损失函数loss
′
来对所述第三变换矩阵t3进行非线性优化。
12.作为上述方案的补充或替换，在上述方法中，还包括通过以下步骤对所确定的第三变换矩阵t3进行非线性优化：接收至少两个相机摄取的至少两个定位标签的图像，其中，所述至少两个相机均设置于所述车辆上；确定来自所述至少两个定位标签中的定位点的重投影误差；计算所述至少两个相机的位姿约束误差；以及通过所述位姿约束误差来对所述第三变换矩阵t3进行非线性优化。
13.根据本发明的另一方面，提供一种用于车辆定位的设备。所述设备包括：接收装置和计算装置。所述接收装置用于接收相机摄取的定位标签的图像，其中，所述相机设置于待定位的车辆上，所述定位标签包括四个预确定的定位点。所述计算装置用于进行以下操作：建立中间坐标系，其中，所述中间坐标系的xy平面是所述定位标签所在的平面；针对所述定位点中的每个，确定世界坐标系下的第一坐标和图像坐标系下的第二坐标；基于所述世界坐标系到所述中间坐标系的第一变换矩阵t1、车辆坐标系到相机坐标系的第二变换矩阵t2、所述图像坐标系到所述相机坐标系的映射关系g，以及所述四个定位点的所述第一坐标和所述第二坐标来确定所述世界坐标系到所述车辆坐标系的第三变换矩阵t3，从而定位所述车辆。
14.作为上述方案的补充或替换，在上述设备中，通过以下步骤确定所述第一坐标：从所述图像获取所述定位标签的标识信息，以及利用所述标识信息确定所述定位点中的每个在所述世界坐标系下的所述第一坐标。
15.作为上述方案的补充或替换，在上述设备中，利用所述标识信息确定所述第一坐标的所述步骤包括：利用所述标识信息获取与所述定位标签相关联的定位参考点在所述世界坐标系下的第三坐标；以及基于所述定位参考点的所述第三坐标以及所述定位参考点与所述定位点中的每个之间的位置关系来确定所述定位点中的每个在所述世界坐标系下的所述第一坐标，其中，所述定位参考点与所述定位点中的每个之间的所述位置关系是预确定的。
16.作为上述方案的补充或替换，在上述设备中，还包括：第一标定装置，其用于标定所述车辆坐标系到所述相机坐标系的第二变换矩阵t2；以及第二标定装置，其用于标定所述图像坐标系到所述相机坐标系的所述映射关系g。
17.作为上述方案的补充或替换，在上述设备中，还包括第一优化装置。所述第一优化装置用于进行以下操作：确定所述定位标签中的第i个定位点的重投影误差δ
i
，i＝1，2，3，4；计算所述定位标签的第一损失函数以及通过最小化所述第一损失函数loss来对所述第三变换矩阵t3进行非线性优化。
18.作为上述方案的补充或替换，在上述设备中，所述重投影误差δ
i
是基于曲面角度误差的重投影误差：
19.i＝1，2，3，4。
20.其中，是第i个定位点在所述世界坐标系下的第一坐标，是所述第i个定位点在所述图像坐标系下的第二坐标，(r，t)是所述世界坐标系到所述相机坐标系的第五变换矩阵t5，是所述第i个定位点从所述图像坐标系上的所述第二坐标到所述相机的入射光线的映射，|| ||表示取模运算，∧表示外积运算。
21.作为上述方案的补充或替换，在上述设备中，还包括第二优化装置。所述第二优化装置用于进行以下操作：利用所述相机摄取至少两个定位标签的图像；确定来自所述至少两个定位标签中的n个定位点的重投影误差；计算所述至少两个定位标签的第二损失函数其中，δ
i
是第i个定位点的重投影误差，w
i
是所述第i个定位点的加权系数，所述加权系数w
i
相关联于所述第i个定位点所来自的定位标签被摄取到的图像的面积；以及通过最小化所述第二损失函数loss
′
来对所述第三变换矩阵t3进行非线性优化。
22.作为上述方案的补充或替换，在上述设备中，还包括第三优化装置。所述第三优化装置用于进行以下操作：接收至少两个相机摄取的至少两个定位标签的图像，其中，所述至少两个相机均设置于所述车辆上；确定来自所述至少定位标签中的定位点的重投影误差；计算所述至少两个相机的位姿约束误差；以及通过所述位姿约束误差来对所述第三变换矩阵t3进行非线性优化。
23.根据本发明的又一个方面，提供了一种计算机存储介质，所述介质包括指令，所述指令在运行时执行如前所述的方法。
24.根据本发明的又一个方面，提供了一种车辆，所述车辆包括相机和如前所述的设备。所述相机设置于所述车辆上并用于摄取定位标签的图像。
附图说明
25.从结合附图的以下详细说明中，将会使本发明的目的及优点更加完整清楚，其中，相同或相似的要素采用相同的标号表示。
26.图1示出了根据本发明的一个实施例的用于车辆定位的方法1000的流程示意图；
27.图2示出了根据本发明的一个实施例的用于车辆定位的中间坐标系；
28.图3示出了根据本发明的一个实施例的各坐标系间的转换关系；
29.图4示出了根据本发明的一个实施例的基于曲面角度误差的重投影误差；
30.图5示出了根据本发明的一个实施例的用于车辆定位的设备5000的结构示意图。
具体实施方式
31.为了使本发明的目的、技术方案和优点更加清楚，下面结合附图对本发明具体实施例作进一步的详细描述。可以理解的是，此处所描述的具体实施例仅仅用于解释本发明，而非对本发明的限定。
32.另外还需要说明的是，为了便于描述，附图中仅示出了与本发明相关的部分而非全部内容。在更加详细地讨论示例性实施例之前应当提到的是，一些示例性实施例被描述成作为流程图描绘的处理或方法。虽然流程图将各项操作(或步骤)描述成顺序的处理，但是其中的许多操作可以被并行地、并发地或者同时实施。此外，各项操作的顺序可以被重新安排。当其操作完成时所述处理可以被终止，但是还可以具有未包括在附图中的附加步骤。所述处理可以对应于方法、函数、规程、子例程、子程序等等。
33.虽然将示例性实施例描述为使用多个单元来执行示例性过程，但是应理解，这些示例性过程也可由一个或多个模块来执行。
34.在本发明的上下文中，术语“车辆”、“汽车”或者其他类似的术语包括一般的机动车辆，例如乘用车(包括运动型多用途车、公共汽车、卡车等)、各种商用车、船舶、飞机等等，并包括混合动力汽车、电动车、插电式混动电动车等。混动动力汽车是一种具有两个或更多个功率源的车辆，例如汽油动力和电动车辆。
35.此外，在本发明的上下文中，术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。此外，除非另外特别指明，在本发明的上下文中，术语“包括”、“包含”以及类似表述意在表示不排他的包含。
36.此外，在本文的上下文中，“世界坐标系”指的是表示系统的三维绝对坐标系。下文中详细讨论的“定位标签中的定位点”在世界坐标系下的坐标是预先确定的。“车辆坐标系”指的是以车辆中的某一点为原点(例如，车辆的质心)建立的三维坐标系。“相机坐标系”指的是以相机中的某一点为原点(例如，相机的光心)建立的三维坐标系。“图像坐标系”指的是在图像平面上以图像中的某一点(例如，相机光轴与图像平面的交点)为原点建立的二维坐标系。
37.在下文中，将参考附图详细地描述根据本发明的各示例性实施例的用于车辆定位的技术方案。
38.图1示出了根据本发明的一个实施例的用于车辆定位的方法1000的流程示意图。如图1所示，为了在换电站中定位车辆，在步骤s110中，接收相机摄取的定位标签的图像。其中，相机可以设置于待定位的车辆上，定位标签可以设置于待定位车辆所处的环境特征中，例如，设置于待定位车辆所处的换电站的墙壁上、换电站的支柱上等等。其中，所摄取的定位标签的图像中包括四个预先确定的定位点，具体而言，这四个定位点在世界坐标系下的第一坐标p
w
是预先确定的。
39.在本发明的上下文中，“定位标签”意在表示具有定位功能的标签，其中具有预先已在世界坐标系下被定位的点，例如，apriltag标签，基于增强现实的基准标记系统artag
标签、二进制平方标记aruco marker等任何合适的定位标签。
40.在步骤s120，建立中间坐标系。其中，中间坐标系的xy平面是上述定位标签所在的平面，使得定位标签上的每一点在中间坐标系下的z＝0。此外，中间坐标系的原点可以是定位标签中的任一点，中间坐标系的z轴可以指向相机的方向。
41.例如，图2示出根据本发明的一个实施例的用于车辆定位的中间坐标系。其中，中间坐标系的xy平面是定位标签210所在的平面，中间坐标系的原点o
t
是定位标签210的一个端点a，延长定位标签210的边长ad作为中间坐标系的x轴，延长定位标签210的边长ab作为中间坐标系的y轴。可选地，中间坐标系的z轴指向相机的方向。
42.在步骤s130，针对每个定位点，确定其在世界坐标系下的第一坐标p
w
以及在图像坐标系下的第二坐标p
img
。其中，每个定位点的第二坐标系p
img
可以直接在摄取的图像中确定。
43.每个定位点的第一坐标p
w
可以通过以下方式确定：从定位标签的图像获取该定位标签的标识信息(诸如，标识码)；将标识信息发送到云端服务器，并从服务器接收与定位标签相关联的定位参考点(例如，定位标签附近的定位参考点)在世界坐标系下的第三坐标；基于定位参考点的第三坐标以及定位参考点与每个定位点之间的位置关系来确定每个定位点在世界坐标系下的第一坐标p
w
。其中，定位参考点与每个定位点之间的位置关系可以预先存储在车辆的存储器中，也可以从云端服务器获得。此外，该位置关系可以对于每个换电站是相同的，因而，只要获得每个换电站的定位参考点的坐标，即可通过简单计算得到每个定位点的第一坐标p
w
。作为上述方式的备选，每个定位点在世界坐标系下的第一坐标p
w
也可以通过定位标签中的标识信息直接从云端服务器获得。
44.在步骤s140，基于世界坐标系到中间坐标系的第一变换矩阵t1、车辆坐标系到相机坐标系的第二变换矩阵t2、图像坐标系到相机坐标系的映射关系g，以及步骤s130中确定的四个定位点的第一坐标p
w
和第二坐标p
img
来确定世界坐标系到车辆坐标系的第三变换矩阵t3，从而定位车辆。
45.其中，第二变换矩阵t2可以通过相机的外部参数来标定。图像坐标系到相机坐标系的映射关系g将图像坐标系下的第二坐标p
img
转化为相机坐标系下的坐标p
cam
，映射关系g可以通过相机的内部参数来标定。
46.在一个实施例中，通过以下方法计算世界坐标系到车辆坐标系的第三变换矩阵t3。其中，相机为鱼眼相机。
47.首先，对于第i个定位点，将第一坐标通过t1、t4转换到车辆坐标系下的
[0048][0049]
其中，t4为中间坐标系到车辆坐标系的第四变换矩阵，r1、r4分别为t1、t4的旋转矩阵，t1、t4分别为t1、t4的平移向量。
[0050]
然后，根据鱼眼相机模型，可以根据逆成像模型计算该定位点
对应的方向：
[0051][0052]
假设q
i
＝(m
i
，n
i
，k
i
)，由于λ∈r，因此，
[0053][0054]
将式1、式2代入式3，得到：
[0055][0056]
定义：
[0057]
0＝(0，0，0)
t
，x＝(r
11
，r
21
，t
11
，r
12
，r
22
，t
21
，r
13
，r
23
，t
31
)
t
，并代入式4，得到：
[0058][0059][0060]
由此，式5可以写成：
[0061]
a
i
x＝0
ꢀꢀꢀꢀ
(式6)，
[0062]
其中，
[0063][0064]
当定位点个数为4时，可以堆叠矩阵4个a
i
，得到：
[0065]
ax＝0，其中，a∈r
12，12
ꢀꢀꢀꢀ
(式8)。
[0066]
可以对矩阵a进行svd分解获得a的线性解，从而得到世界坐标系到车辆坐标系的
第三变换矩阵t3。由于中间坐标系的建立，可以从a的多个解值中快速判断与第三变换矩阵t3对应的解值，降低了计算的复杂度，减少了计算的错误率。
[0067]
由此，借助于环境中的定位标签，可以实现车辆的高精度实时定位。这样的定位性能不受车辆是否水平的影响，也就是说，即便车辆在换电站斜坡等非水平平面上，也可以实现高精度实时定位。
[0068]
在本发明的上下文中，各坐标系间的转换关系如图3所示。世界坐标系x
w
y
w
z
w
到中间坐标系x
t
y
t
z
t
的转换关系可通过第一变换矩阵t1来表示，车辆坐标系x
car
y
car
z
car
到相机坐标系x
cam
y
cam
z
cam
的转换关系可通过第二变换矩阵t2来表示，世界坐标系x
w
y
w
z
w
到车辆坐标系x
car
y
car
z
car
的转换关系可通过第三变换矩阵t3来表示，相机坐标系x
cam
y
cam
z
cam
到图像坐标系x
img
y
img
z
img
的转换关系可通过映射关系g来表示，中间坐标系x
t
y
t
z
t
到车辆坐标系x
car
y
car
z
car
的转换关系可通过第四变换矩阵t4来表示，并且，世界坐标系x
w
y
w
z
w
到相机坐标系x
cam
y
cam
z
cam
的转换关系可通过第五变换矩阵t5来表示。
[0069]
在一个实施例中，可以对步骤s104中确定的第三变换矩阵t3进行非线性优化，以得到更加准确的车辆定位。具体而言，可以计算定位标签的损失函数loss，并最小化该损失函数loss来实现非线性优化。其中，损失函数loss可由下式确定：
[0070][0071]
其中，δ
i
是第i个定位点的重投影误差，i＝1，2，3，4。
[0072]
在一个实施例中，重投影误差δ
i
是基于曲面角度误差的重投影误差，如图4所示。对于一个点，a表示从图像坐标系下的第二坐标利用鱼眼相机模型反推出的光线入射方向，a'表示从世界坐标系下的第一坐标利用各变换矩阵计算的光线入射方向，则δ1为该点的基于曲面角度误差的重投影误差。类似地，对于另一个点，b表示从图像坐标系下的第二坐标利用鱼眼相机模型反推出的光线入射方向，b'表示从世界坐标系下的第一坐标利用各变换矩阵计算的光线入射方向，则δ2为该点的基于曲面角度误差的重投影误差。因而，对于第i个定位点，其曲面角度误差的重投影误差可以表示为：
[0073]
i＝1，2，3，4。
[0074]
其中，是第i个定位点在所述世界坐标系下的第一坐标，是所述第i个定位点在所述图像坐标系下的第二坐标，(r,t)是世界坐标系到相机坐标系的第五变换矩阵t5，g(p
img
)是该点从图像坐标系上的第二坐标利用相机模型得到的相机的入射光线的映射，|| ||表示取模运算，^表示外积运算。
[0075]
相较于传统基于平面偏移误差的重投影误差，基于曲面角度误差的重投影误差能够更加合理、准确地反应出入射光线实际的重投影误差。
[0076]
在一个实施例中，同一个相机可能摄取到多个定位标签的图像。可以通过来自这多个定位标签上的n个定位点来对步骤s104中确定的第三变换矩阵t3进行非线性优化，以得到更加准确的车辆定位。具体而言，首先确定这n个定位点的重投影误差δ
i
(i＝1，
…
，n)。此处，重投影误差δ
i
可以是如前所述的基于曲面角度误差的重投影误差。并且，计算这n个定位点的加权系数w
i
(i＝1，
…
，n)。此处，第i个定位点的加权系数w
i
相关联于第i个定位点
所在的定位标签被摄取到的图像的面积s
i
，例如，计算这多个标签的损失函数loss
′
：
[0077][0078]
最后，通过最小化第二损失函数loss
′
来对步骤s104中确定的第三变换矩阵t3进行非线性优化。
[0079]
对于一个矩形定位标签，如果其四个定位点分别位于矩形的四个端点，并且四个定位点在被摄取到的图像上的坐标分别为(x0,y0)、(x1,y1)、(x2,y2)和(x3,y3)，则该定位标签被摄取到的图像的面积s为：
[0080]
s＝0.5*|x0*y1‑
x1*y0+x1*y2‑
x2*y1+x2*y3‑
x3*y2+x3*y0‑
x0*y3|。
[0081]
需要注意的是，此处“多个定位标签”指的是至少两个定位标签。也就是说，上述方法可以利用同一个相机摄取的至少两个定位标签的图像来对车辆的定位结果进行优化。
[0082]
在一个实施例中，车辆上可能设置有多个相机。可通过融合这多个相机的定位结果来对步骤s104中所确定的第三变换矩阵t3进行非线性优化，以得到更加准确的车辆定位。具体而言，首先，利用设置于车辆上的这多个相机分别摄取至少一个定位标签的图像，例如，每个相机各摄取一个定位标签的图像。其次，确定来自上述各个定位标签中的定位点的重投影误差。此处，重投影误差可以是上述基于曲面角度误差的重投影误差。再次，计算这多个相机的位姿约束误差。最后，通过计算的位姿约束误差来对步骤s104中确定的第三变换矩阵t3进行非线性优化。需要注意的是，术语“多个相机”指的是至少两个相机。也就是说，上述方法可以融合待定位车辆上的至少两个相机摄取的定位标签的图像来对车辆的定位结果进行优化。术语“位姿约束误差”指的是基于多个相机之间的位姿约束关系而得到的误差。
[0083]
图5示出根据本发明的一个实施例的用于车辆定位的设备5000的结构示意图。所述设备5000包括接收装置510和计算装置520。接收装置510设置于车辆上，并用于摄取定位标签的图像。此处，定位标签可以设置于待定位车辆所处的环境特征中，例如，设置于待定位车辆所处的换电站的墙壁上、换电站的支柱上等等。其中，所摄取的定位标签的图像中包括四个预先确定的定位点，具体而言，这四个定位点在世界坐标系下的第一坐标p
w
是预先确定的。
[0084]
计算装置520用于建立中间坐标系，其中，中间坐标系的xy平面是所摄取的定位标签所在的平面，使得定位标签上的每一点在中间坐标系下的z＝0。此外，中间坐标系的原点可以是定位标签中的任一点，中间坐标系的z轴可以指向相机的方向。
[0085]
计算装置520还用于针对每个定位点，确定其在世界坐标系下的第一坐标p
w
以及在图像坐标系下的第二坐标p
img
。
[0086]
其中，每个定位点的第二坐标系p
img
可以直接在摄取的图像中确定。
[0087]
每个定位点的第一坐标p
w
可以通过以下方式确定：从定位标签的图像获取定位标签的标识信息(诸如，标识码)；将标识信息发送到云端服务器，并从服务器接收到与定位标签相关联的定位参考点(例如，定位标签附近的定位参考点)在世界坐标系下的第三坐标；基于定位参考点的第三坐标以及定位参考点与每个定位点之间的位置关系来确定每个定
位点在世界坐标系下的第一坐标p
w
。
[0088]
其中，定位参考点与每个定位点之间的位置关系可以预先存储在车辆的存储器中，也可以从云端服务器获得。此外，该位置关系可以对于每个换电站是相同的，因而，只要获得每个换电站的定位参考点的坐标，即可通过简单计算得到每个定位点的第一坐标p
w
。作为上述方式的备选，每个定位点在世界坐标系下的第一坐标p
w
也可以通过定位标签中的标识信息直接从云端服务器获得。
[0089]
计算装置520还用于基于世界坐标系到中间坐标系的第一变换矩阵t1、车辆坐标系到相机坐标系的第二变换矩阵t2、图像坐标系到所述相机坐标系的映射关系g，以及计算装置520中确定的四个定位点的第一坐标p
w
和第二坐标p
img
来确定世界坐标系到车辆坐标系的第三变换矩阵t3，从而定位车辆。通过引入中间坐标系，降低了计算第三变换矩阵t3的复杂度，减少了计算错误率。
[0090]
虽然图5中未示出，用于车辆定位的设备5000还可包括第一标定装置和第二标定装置。其中，第一标定装置用于通过相机的外部参数标定车辆坐标系到相机坐标系的第二变换矩阵t2；第二标定装置用于通过相机的内部参数来标定图像坐标系到所述相机坐标系的所述映射关系g。
[0091]
虽然图5中未示出，用于车辆定位的设备5000还可包括第一优化装置。第一优化装置用于通过最小化定位标签的损失函数loss来对计算装置520中确定的第三变换矩阵t3进行非线性优化。其中，定位标签的损失函数loss：
[0092][0093]
δ
i
是定位标签的四个定位点中的第i个定位点的重投影误差，i＝1，2，3，4。
[0094]
如上所述，重投影误差δ
i
可以是图4中示出的基于曲面角度误差的重投影误差：
[0095]
i＝1，2，3，4。
[0096]
其中，是第i个定位点在世界坐标系下的第一坐标，是所述第i个定位点在图像坐标系下的第二坐标，(r,t)是世界坐标系到相机坐标系的第五变换矩阵t5，g(p
img
)是第i个定位点从图像坐标系上的第二坐标到相机的入射光线的映射，|| ||表示取模运算，^表示外积运算。与传统的基于平面偏移误差的重投影误差相比，基于曲面角度误差的重投影误差能够更加合理、准确地反应出入射光线实际的重投影误差。
[0097]
用于车辆定位的设备5000还可包括第二优化装置。第二优化装置可利用同一相机摄取到的多个(即，至少两个)定位标签的图像的损失函数loss
′
来对第三变换矩阵t3进行非线性优化。具体而言，确定这多个定位标签上的n个定位点的重投影误差δ
i
(i＝1，
…
，n)。并且，计算这n个定位点的加权系数w
i
(i＝1，
…
，n)。此处，第i个定位点的加权系数w
i
相关联于第i个定位点所在的定位标签被摄取到的图像的面积s
i
，例如，然后，计算这多个标签的损失函数loss
′
：
[0098]
[0099]
最后，通过最小化第二损失函数loss
′
来对计算装置520中确定的第三变换矩阵t3进行非线性优化。
[0100]
用于车辆定位的设备5000还可包括第三优化装置。第三优化装置可通过融合车辆上的多个相机的定位结果来对计算装置520中确定的第三变换矩阵t3进行非线性优化，以得到更加准确的车辆定位。具体而言，利用设置于车辆上的多个相机分别摄取至少一个定位标签的图像，例如，每个相机各摄取一个定位标签的图像。然后，确定来自上述多个定位标签中的定位点的重投影误差。此处，重投影误差可以是上述基于曲面角度误差的重投影误差。接着，计算这多个相机的位姿约束误差。最后，通过计算的位姿约束误差来对计算装置520中确定的第三变换矩阵t3进行非线性优化。利用第三优化装置可以融合多个相机摄取的定位标签的图像来对车辆的定位结果进行优化。
[0101]
另外，应当理解，可将根据本发明的前述实施例的用于车辆定位的设备5000结合到车辆中。并且，该车辆还可包括用于摄取定位标签的图像的相机。
[0102]
另外，应当理解，根据本发明的前述实施例的用于车辆定位的方法可通过计算机程序来实现。例如，当存储有该计算机程序的计算机存储介质(例如u盘)与计算机相连时，运行该计算机存储介质上的程序即可执行本发明的一个或多个实施例的用于车辆定位的方法。其中，计算机存储介质的实例包括，但不限于，rom、ram、光盘、磁带、软盘、闪盘驱动器、智能卡和光学数据存储装置。计算机存储介质也可分布在连接有网络的计算机系统中，使得例如通过车载远程通信服务或者控制器局域网(can)以分布式方式储存并实施计算机存储介质。
[0103]
综上所述，本发明所提出的用于车辆定位的技术方案利用定位标签实现了对车辆的实时、高精度定位，而不受非水平场景等因素的影响。通过在定位计算中建立中间坐标系，本发明的技术方案能够降低定位计算的复杂度、错误率。此外，本发明的技术方案还能够考虑基于重投影误差的非线性优化，从而进一步增加定位的精确度。这样的非线性优化能够虑及同一相机摄取到多个定位标签、同一车辆的多个相机分别摄取到定位标签的场景，使得定位的精确度可以根据不同场景得到进一步提升。
[0104]
尽管以上说明书只对其中一些本发明的实施方式进行了描述，但是本领域普通技术人员应当了解，本发明可以在不偏离其主旨与范围内以许多其他的形式实施。因此，所展示的例子与实施方式被视为示意性的而非限制性的，在不脱离如所附各权利要求所定义的本发明精神及范围的情况下，本发明可能涵盖各种的修改与替换。