车辆自定位方法、装置、设备及存储介质与流程

本发明实施例涉及自动驾驶技术，尤其涉及一种车辆自定位方法、装置、设备及存储介质。

背景技术：

近年来自动驾驶技术迅速发展，自动驾驶系统通常包含自定位、环境感知、决策规划和运动控制几大模块。其中自定位技术是所有自动驾驶系统的基础。自动驾驶系统对自定位的要求比较高，要求横向定位精度在20厘米之内，纵向定位精度在2米之内。

但是，常用的导航gps的精度大概在10米左右，无法满足自动驾驶的需求。差分gps设备的精度比较高，可以到厘米级，但是价格昂贵，而且如果要大规模商用就需要铺设大量差分基站，需要设备能通过无线网络接收到差分信号，如果信号中断，定位精度就会急剧变差。

技术实现要素：

本发明实施例提供一种车辆自定位方法、装置、设备及存储介质，能够实现车辆的高精度自定位，且成本较低。

第一方面，本发明实施例提供了一种车辆自定位方法，包括：

实时采集车辆周围的图像，并提取所述图像中的第一道路特征；

根据所述车辆的基础位置信息从电子地图中提取车辆周围的第二道路特征；

根据所述第一道路特征及所述第二道路特征，计算所述车辆的精确位置信息。

第二方面，本发明实施例还提供了一种车辆自定位装置，包括：

图像采集模块，用于实时采集车辆周围的图像；

第一特征提取模块，用于提取所述图像中的第一道路特征；

第二特征提取模块，用于根据所述车辆的基础位置信息从电子地图中提取车辆周围的第二道路特征；

车辆位置计算模块，用于根据所述第一道路特征及所述第二道路特征，计算所述车辆的精确位置信息。

第三方面，本发明实施例还提供了一种设备，所述设备包括：

一个或多个处理器；

存储装置，用于存储一个或多个程序；

图像采集装置，用于实时采集车辆周围的图像；

当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如本发明任意实施例所述的车辆自定位方法。

第四方面，本发明实施例还提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如本发明任意实施例所述的车辆自定位方法。

本发明实施例基于存储有道路特征的电子地图和实时采集的道路特征图像，计算车辆的精确位置信息，能够实现高精度的车辆自定位，满足自动驾驶系统的精度需求和实时性，自定位的实现简单可靠，且成本较低。

附图说明

图1是本发明实施例一提供的车辆自定位方法的流程图；

图2是本发明实施例二提供的车辆自定位方法的流程图；

图3是本发明实施例三提供的车辆自定位方法的流程图；

图4是本发明实施例四提供的车辆自定位方法的流程图；

图5是本发明实施例五提供的车辆自定位装置的结构框图；

图6是本发明实施例六提供的一种设备的结构示意图。

具体实施方式

下面结合附图和实施例对本发明作进一步的详细说明。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。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结构。

实施例一

图1是本发明实施例一提供的车辆自定位方法的流程图，本实施例可适用于自动驾驶车辆进行自定位的情况，该方法可以由车辆自定位装置来执行，该装置可以安装在自动驾驶车辆上。如图1所示，该方法具体包括如下步骤：

步骤110，实时采集车辆周围的图像，并提取该图像中的第一道路特征。

其中，第一道路特征是指路面特征及道路附近的标志物等，具体的，第一道路特征可以包括下述至少一种：车道线、路面箭头、路面提示文字、道路形状、标示牌、信号灯、路灯等。例如，车行道分界线、转弯待转线、停车线、人行道线等提示车辆行驶的车道线，标示有道路名字、方向、距离、站点等信息的标示牌，道路坡度、道路宽度、岔路、车道汇合、车道增加、隔离带等道路形状。

本步骤可以通过安装在车辆上的摄像头采集图像，至少要采集车辆前方的图像，除此之外，还可以采集车辆左侧图像、右侧图像或后方图像中任一个或任几个。较优的，可以通过车辆前端设置的摄像头，实时采集车辆前方的图像。

步骤120，根据车辆的基础位置信息从电子地图中提取车辆周围的第二道路特征。

其中，车辆的基础位置信息可以是基于卫星定位系统确定的实时位置信息，该位置信息属于初步的粗略定位，例如可以通过全球定位系统(globalpositioningsystem，gps)或北斗等导航定位系统获取车辆的基础位置信息。电子地图是能够提取道路特征的地图且该地图包含道路特征的精确经纬度信息，例如，电子地图可以是预存的高精度地图，高精度地图的绝对精度一般都在亚米级，例如20厘米以内，其横向的相对精度(例如，车道和车道、车道和车道线的相对位置精度)往往会更高。第二道路特征是指路面特征及道路附近的标志物等，具体的，第二道路特征可以包括下述至少一种：车道线、路面箭头、路面提示文字、道路形状、标示牌、信号灯、路灯等。

具体的，可以根据车辆的基础位置信息从电子地图中提取车辆周围的地图数据，然后从地图数据中提取全部道路特征，作为第二道路特征。从图像或地图中提取道路特征可以通过现有的特征提取算法实现，例如，基于方向梯度直方图(histogramoforientedgradient，hog)特征的算法、sift算法等，本发明实施例对具体特征提取过程不进行详细说明。

步骤130，根据第一道路特征及第二道路特征，计算车辆的精确位置信息。

其中，实时采集的图像中的道路特征能够反映车辆当前所处环境，电子地图中包含道路特征及道路特征的经纬度信息，根据电子地图可以获取具体位置信息，通过对比第一道路特征与第二道路特征，能够计算得到车辆的精确位置信息。本实施例中的位置信息可以是经纬度信息。

本实施例的车辆自定位方法，基于存储有道路特征的电子地图和实时采集的道路特征图像，计算车辆的精确位置信息，能够实现高精度的车辆自定位，满足自动驾驶系统的精度需求和实时性，自定位的实现简单可靠，且成本较低。

在上述技术方案的基础上，作为一种优选实施方式，步骤130可以包括如下步骤：从第一道路特征中，筛选出与第二道路特征匹配的至少一个有效特征，并根据电子地图确定有效特征的位置信息；根据图像的成像参数及有效特征的位置信息计算车辆的精确位置信息。

本实施方式筛选出第一道路特征中的有效特征并确定其位置信息，由于采集图像时的成像参数(如焦距、景深等参数)是已知的，因此结合图像的成像参数和图像中有效特征的位置信息，能够将图像中有效特征的位置信息变换为车辆的位置信息，从而得到车辆自定位的精确位置信息。

进一步的，根据图像的成像参数及有效特征的位置信息计算车辆的精确位置信息可以包括：根据图像的成像参数以及有效特征在图像中的成像位置，识别有效特征与车辆的位置关系；根据有效特征的位置信息以及有效特征与车辆的位置关系，计算车辆的精确位置信息。通过上述步骤，将有效特征的位置信息变换为车辆的位置信息，实现了车辆自定位，且计算过程简单可靠。

实施例二

图2是本发明实施例二提供的车辆自定位方法的流程图，本实施例在上述实施例一的基础上，增加了电子地图的更新步骤，本实施例对实施例一中的相关步骤不再进行重复解释，具体请参考实施例一。如图2所示，本实施例的方法包括如下步骤：

步骤210，实时采集车辆周围的图像，并提取该图像中的第一道路特征。

步骤220，根据车辆的基础位置信息判断电子地图中是否存在对应位置的道路特征，如果电子地图中不存在对应位置的道路特征，则执行步骤230；如果电子地图中存在对应位置的道路特征，则执行步骤240。

其中，电子地图中不存在对应位置的道路特征，表示该电子地图版本较旧或缺失数据(如缺失该位置的道路特征或者地图数据)。

步骤230，对电子地图进行更新。更新完毕后，返回步骤220继续判断。

其中，可以从云端下载最新的电子地图，以实现电子地图的更新。一般更新后的电子地图比较全面，电子地图中会存在对应位置的道路特征。

步骤240，根据车辆的基础位置信息从电子地图中提取车辆周围的第二道路特征。

步骤250，根据第一道路特征及第二道路特征，计算车辆的精确位置信息。

本实施例能够及时更新电子地图，避免了路面特征随时间变化导致无法进行车辆自定位或者车辆自定位不准确的问题。

如果更新完毕后，电子地图中仍不存在车辆基础位置的道路特征，则表示这段道路暂时不能利用电子地图和当前采集的图像计算车辆的精确位置信息，解决方案可以参考实施例三中的方法。

当然，除了上述更新方式，也可以按照预设时间间隔(例如1天)或版本更新提示对电子地图进行更新。本方式能够及时更新电子地图，不会影响计算车辆精确位置的实时性。

在上述实施例一和二的基础上，本发明实施例还提供了当某段道路不能利用电子地图和当前采集的图像确定车辆精确位置信息时的解决方式：如果图像中不存在任何道路特征，或者第一道路特征中不存在与第二道路特征匹配的有效特征，获取惯导信息和轮速信息，并根据惯导信息、轮速信息和车辆的基础位置信息计算车辆的位置信息。下面结合实施例三和实施例四对其进行详细说明，其中对实施例一和二中的相关步骤不再进行重复解释，具体请参考实施例一和二。

实施例三

图3是本发明实施例三提供的车辆自定位方法的流程图，该方法是在实施例一的基础上实现的。如图3所示，该方法包括如下步骤：

步骤310，实时采集车辆周围的图像，并提取该图像中的第一道路特征。如果该图像中不存在任何道路特征，即在该图像中未提取到任何道路特征，则执行步骤360。如果提取到道路特征，则执行步骤330。

步骤320，根据车辆的基础位置信息从电子地图中提取车辆周围的第二道路特征。

步骤330，从第一道路特征中，筛选出与第二道路特征匹配的至少一个有效特征。如果第一道路特征中不存在与第二道路特征匹配的有效特征，则执行步骤360。如果存在匹配的有效特征，则执行步骤340。

步骤340，根据电子地图确定有效特征的位置信息。

步骤350，根据图像的成像参数及有效特征的位置信息计算车辆的精确位置信息。

步骤360，获取惯导信息和轮速信息，并根据惯导信息、轮速信息和基础位置信息计算车辆的位置信息。

其中，惯导信息包括直线运动信息和旋转运动信息，例如，加速度、角速度等，惯导信息可以从安装在车辆上的惯性测量单元(inertialmeasurementunit，imu)获取。轮速信息是车轮转速信息，轮速信息可以从安装在车辆上的轮速计(或称为轮速传感器)获取。具体的，基于车辆的基础位置信息，结合惯导信息和轮速信息等体现车辆运动速度、方向的信息，能够确定车辆的运动情况，从而得到车辆的实时位置信息，其具体计算过程是本领域技术人员所知晓的，本发明实施例对此不进行详细说明。

实施例四

图4是本发明实施例四提供的车辆自定位方法的流程图，该方法是在实施例二的基础上实现的。如图4所示，该方法包括如下步骤：

步骤410，实时采集车辆周围的图像，并提取该图像中的第一道路特征。如果该图像中不存在任何道路特征，即在该图像中未提取到任何道路特征，则执行步骤480。如果提取到道路特征，则执行步骤450。

步骤420，根据车辆的基础位置信息判断电子地图中是否存在对应位置的道路特征，如果电子地图中不存在对应位置的道路特征，则执行步骤430；如果电子地图中存在对应位置的道路特征，则执行步骤440。

步骤430，对电子地图进行更新。更新完毕后，返回步骤420继续判断。

步骤440，根据车辆的基础位置信息从电子地图中提取车辆周围的第二道路特征。

步骤450，从第一道路特征中，筛选出与第二道路特征匹配的至少一个有效特征。如果第一道路特征中不存在与第二道路特征匹配的有效特征，则执行步骤480。如果存在匹配的有效特征，则执行步骤460。

步骤460，根据电子地图确定有效特征的位置信息。

步骤470，根据图像的成像参数及有效特征的位置信息计算车辆的精确位置信息。

步骤480，获取惯导信息和轮速信息，并根据惯导信息、轮速信息和基础位置信息计算车辆的位置信息。

其中，惯导信息包括直线运动信息和旋转运动信息，例如，加速度、角速度等，惯导信息可以从安装在车辆上的惯性测量单元(inertialmeasurementunit，imu)获取。轮速信息是车轮转速信息，轮速信息可以从安装在车辆上的轮速计(或称为轮速传感器)获取。具体的，基于车辆的基础位置信息，结合惯导信息和轮速信息等体现车辆运动速度、方向的信息，能够确定车辆的运动情况，从而得到车辆的实时位置信息，其具体计算过程是本领域技术人员所知晓的，本发明实施例对此不进行详细说明。

上述实施例中，考虑到道路特征不一定连续存在，摄像头未必总能拍摄到道路特征，或者本地电子地图没有及时更新，甚至云端的电子地图没有及时反映道路变化这些情况，当某一段道路上无法利用电子地图和图像道路特征进行定位计算时，可以使用惯导信息、轮速信息和基础位置信息进行车辆位置的估算，确保定位信息的输出频率满足自动驾驶的需求。例如，在城市峡谷地带等gps信号不好的地方，也可以利用惯导信息、轮速信息和最近一次获取的基础位置信息提供比较准确的定位信息，具有出色的组合导航能力，可抵抗卫星信号短暂缺失。实施例四的流程具有电子地图更新功能，能够避免因地图未及时更新导致的暂时估算位置的情况，待电子地图更新完毕后，则可以基于电子地图和采集的图像进行车辆精确位置的计算。

实施例五

图5是本发明实施例五提供的车辆自定位装置的结构框图，该装置可以用于实现上述任意实施例的车辆自定位方法，该装置可以通过软件和/或硬件的方式实现。如图5所示，该装置包括：图像采集模块510、第一特征提取模块520、第二特征提取模块530和车辆位置计算模块540。

图像采集模块510，用于实时采集车辆周围的图像；

第一特征提取模块520，用于提取图像中的第一道路特征；

第二特征提取模块530，用于根据车辆的基础位置信息从电子地图中提取车辆周围的第二道路特征；

车辆位置计算模块540，用于根据第一道路特征及第二道路特征，计算车辆的精确位置信息。

本实施例的车辆自定位装置，基于存储有道路特征的电子地图和实时采集的道路特征图像，计算车辆的精确位置信息，能够实现高精度的车辆自定位，满足自动驾驶系统的精度需求和实时性，自定位的实现简单可靠，且成本较低。

优选的，图像采集模块510可以是摄像头，设置在车辆前端，实时采集车辆前方的图像。

基础位置信息为基于卫星定位系统确定的实时位置信息。电子地图可以为预存的高精度地图。道路特征包括下述至少一种：车道线、路面箭头、路面提示文字、道路形状、标示牌、信号灯、路灯。

在上述技术方案的基础上，车辆位置计算模块540可以包括：特征筛选单元、特征位置确定单元和车辆位置计算单元。其中，特征筛选单元，用于从第一道路特征中，筛选出与第二道路特征匹配的至少一个有效特征；特征位置确定单元，用于根据电子地图确定有效特征的位置信息；车辆位置计算单元，用于根据图像的成像参数及有效特征的位置信息计算车辆的精确位置信息。

其中，车辆位置计算单元具体用于：根据图像的成像参数以及有效特征在图像中的成像位置，识别有效特征与车辆的位置关系；根据有效特征的位置信息以及有效特征与车辆的位置关系，计算车辆的精确位置信息。

在上述技术方案的基础上，上述装置还可以包括：判断模块和地图更新模块。其中，判断模块，用于根据车辆的基础位置信息判断电子地图中是否存在对应位置的道路特征；地图更新模块，用于在电子地图中不存在对应位置的道路特征的情况下，对电子地图进行更新。具体的，地图更新模块可以通过通信装置与云端进行通信，下载最新的电子地图。

另外，地图更新模块还可以用于按照预设时间间隔或版本更新提示对电子地图进行更新。

优选的，第二特征提取模块530可以包括：地图数据提取单元，用于根据车辆的基础位置信息从电子地图中提取车辆周围的地图数据；特征提取单元，用于从地图数据中提取全部道路特征，作为第二道路特征。

在上述技术方案的基础上，上述装置还可以包括：信息获取模块和位置计算模块。其中，信息获取模块，用于在图像中不存在任何道路特征或者第一道路特征中不存在与第二道路特征匹配的有效特征的情况下，获取惯导信息和轮速信息；位置计算模块，用于根据惯导信息、轮速信息和基础位置信息计算车辆的位置信息。具体的，信息获取模块可以从安装在车辆上的imu获取惯导信息以及从安装在车辆上的轮速传感器获取轮速信息。

本发明实施例所提供的车辆自定位装置可执行本发明任意实施例所提供的车辆自定位方法，具备执行方法相应的功能模块和有益效果。

实施例六

图6是本发明实施例六提供的一种设备的结构示意图。图6示出了适于用来实现本发明实施方式的示例性设备12的框图。图6显示的设备12仅仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。

如图6所示，设备12以通用计算设备的形式表现。设备12的组件可以包括但不限于：一个或者多个处理器或者处理单元16，系统存储器28，连接不同系统组件(包括系统存储器28和处理单元16)的总线18。

总线18表示几类总线结构中的一种或多种，包括存储器总线或者存储器控制器，外围总线，图形加速端口，处理器或者使用多种总线结构中的任意总线结构的局域总线。举例来说，这些体系结构包括但不限于工业标准体系结构(isa)总线，微通道体系结构(mac)总线，增强型isa总线、视频电子标准协会(vesa)局域总线以及外围组件互连(pci)总线。

设备12典型地包括多种计算机系统可读介质。这些介质可以是任何能够被设备12访问的可用介质，包括易失性和非易失性介质，可移动的和不可移动的介质。

系统存储器28可以包括易失性存储器形式的计算机系统可读介质，例如随机存取存储器(ram)30和/或高速缓存存储器32。设备12可以进一步包括其它可移动/不可移动的、易失性/非易失性计算机系统存储介质。仅作为举例，存储系统34可以用于读写不可移动的、非易失性磁介质(图6未显示，通常称为“硬盘驱动器”)。尽管图6中未示出，可以提供用于对可移动非易失性磁盘(例如“软盘”)读写的磁盘驱动器，以及对可移动非易失性光盘(例如cd-rom,dvd-rom或者其它光介质)读写的光盘驱动器。在这些情况下，每个驱动器可以通过一个或者多个数据介质接口与总线18相连。存储器28可以包括至少一个程序产品，该程序产品具有一组(例如至少一个)程序模块，这些程序模块被配置以执行本发明各实施例的功能。

具有一组(至少一个)程序模块42的程序/实用工具40，可以存储在例如存储器28中，这样的程序模块42包括但不限于操作系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。程序模块42通常执行本发明所描述的实施例中的功能和/或方法。

设备12也可以与一个或多个外部设备14(例如键盘、指向设备、显示器24、摄像头、imu、轮速传感器、gps等)通信，还可与一个或者多个使得用户能与该设备12交互的设备通信，和/或与使得该设备12能与一个或多个其它计算设备进行通信的任何设备(例如网卡，调制解调器等等)通信。这种通信可以通过输入/输出(i/o)接口22进行。并且，设备12还可以通过网络适配器20与一个或者多个网络(例如局域网(lan)，广域网(wan)和/或公共网络，例如因特网)通信。如图所示，网络适配器20通过总线18与设备12的其它模块通信。应当明白，尽管图中未示出，可以结合设备12使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、raid系统、磁带驱动器以及数据备份存储系统等。

处理单元16通过运行存储在系统存储器28中的程序，从而执行各种功能应用以及数据处理，例如实现本发明实施例所提供的车辆自定位方法。

实施例七

本发明实施例七还提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如本发明任意实施例所述的车辆自定位方法。

本发明实施例的计算机存储介质，可以采用一个或多个计算机可读的介质的任意组合。计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机存取存储器(ram)、只读存储器(rom)、可擦式可编程只读存储器(eprom或闪存)、光纤、便携式紧凑磁盘只读存储器(cd-rom)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本文件中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。

计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。

计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括——但不限于无线、电线、光缆、rf等等，或者上述的任意合适的组合。

可以以一种或多种程序设计语言或其组合来编写用于执行本发明操作的计算机程序代码，所述程序设计语言包括面向对象的程序设计语言—诸如java、smalltalk、c++，还包括常规的过程式程序设计语言—诸如“c”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(lan)或广域网(wan)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。

综上所述，本发明实施例基于存储有道路特征及其位置信息的高精度地图和计算机视觉处理技术，实现了高精度的车辆自定位，无需使用价格昂贵的差分gps，也没有海量存储要求，成本较低，能用于自动驾驶的大规模量产。同时提供了电子地图的在线更新，保证所获取的道路特征的准确性。另外，在不能使用电子地图和图像道路特征计算车辆位置的情况下，还可以使用惯导信息、轮速信息和基础位置信息进行车辆位置的估算，确保定位信息的输出频率满足自动驾驶的需求。

注意，上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解，本发明不限于这里所述的特定实施例，对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此，虽然通过以上实施例对本发明进行了较为详细的说明，但是本发明不仅仅限于以上实施例，在不脱离本发明构思的情况下，还可以包括更多其他等效实施例，而本发明的范围由所附的权利要求范围决定。