车辆导航方法和装置与流程

本申请实施例涉及计算机技术领域，具体涉及车辆导航方法和装置。

背景技术：

在为提供车辆ar(augmentedreality，增强现实技术)导航过程中，需要绘制贴合道路的路线曲线来引导司机行驶。在路面道路线较为清晰无遮挡的情况下，通常使用车道线来绘制曲线。然而，在车辆被遮挡或者光线条件不好的情况下(如，阴天、雨雪等天气情况下，或者夜间)，以及没有车道线的场景下，就无法通过车道线来绘制曲线。

技术实现要素：

本申请实施例提出了车辆导航方法和装置。

第一方面，本申请实施例提供了一种车辆导航方法，其中，车辆设置有gnss(globalnavigationsatellitesystem，全球导航卫星系统)接收机、imu(inertialmeasurementunit，惯性测量单元)、车速传感器以及摄像机，该方法包括：实时接收imu采集的车辆的加速度和角速度、gnss接收机解算得到的第一定位信息，车速传感器采集的车辆的第二车速和摄像机采集的图像，其中，第一定位信息包括车辆的第一位置、第一车速和第一航向角；响应于确定接收到摄像机采集的图像，执行以下第一确定操作：将所收到的加速度、角速度和图像确定为输入量，将车辆的位置、车速和航向角以及对所收到的图像进行特征提取所得到的特征点坐标对应的相机坐标系坐标确定为状态变量，以及响应于确定接收到第一定位信息，将第二车速、第一位置、第一车速、第一航向角和所得到的特征点坐标确定为观测变量，响应于确定未接收到第一定位信息，将第二车速和所得到的特征点坐标确定为观测变量；响应于确定未接收到摄像机采集的图像，执行以下第二确定操作：将所收到的加速度和角速度确定为输入量，将车辆的位置、车速和航向角确定为状态变量，以及响应于确定接收到第一定位信息，将第二车速、第一位置、第一车速和第一航向角确定为观测变量，响应于确定未接收到第一定位信息，将第二车速确定为观测变量；基于所确定的输入量、状态变量和观测变量，利用卡尔曼滤波算法计算得到车辆的当前位置和当前航向角；基于当前位置和当前航向角，生成并呈现车辆的导航结果。

在一些实施例中，响应于确定接收到图像，执行以下第一确定操作，包括：响应于确定接收到摄像机采集的图像，确定当前时间是否为预设白天时段内的时间；响应于确定当前时间是预设白天时段内的时间，执行第一确定操作；响应于确定当前时间不是预设白天时段内的时间，执行第二确定操作。

在一些实施例中，响应于确定当前时间是预设白天时段内的时间，执行第一确定操作，包括：响应于确定当前时间是预设白天时段内的时间，确定图像是否满足预设合格图像条件；响应于确定图像满足预设合格图像条件，执行第一确定操作；响应于确定图像不满足预设合格图像条件，执行第二确定操作。

在一些实施例中，第一位置和当前位置为东北天坐标系中的坐标。

在一些实施例中，基于当前位置和当前航向角，生成并呈现车辆的导航结果，包括：将当前位置转换到通用横轴墨卡托投影坐标系，得到导航坐标；基于所得到的导航坐标和当前航向角，生成并呈现车辆的导航结果。

在一些实施例中，卡尔曼滤波算法为扩展卡尔曼滤波算法。

第二方面，本申请实施例提供了一种车辆导航装置，车辆设置有全球导航卫星系统gnss接收机、惯性测量单元imu、车速传感器以及摄像机，该装置包括：接收单元，被配置成实时接收imu采集的车辆的加速度和角速度、gnss接收机解算得到的第一定位信息，车速传感器采集的车辆的第二车速和摄像机采集的图像，其中，第一定位信息包括车辆的第一位置、第一车速和第一航向角；第一确定单元，被配置成响应于确定接收到摄像机采集的图像，执行以下第一确定操作：将所收到的加速度、角速度和图像确定为输入量，将车辆的位置、车速和航向角以及对所收到的图像进行特征提取所得到的特征点坐标对应的相机坐标系坐标确定为状态变量，以及响应于确定接收到第一定位信息，将第二车速、第一位置、第一车速、第一航向角和所得到的特征点坐标确定为观测变量，响应于确定未接收到第一定位信息，将第二车速和所得到的特征点坐标确定为观测变量；第二确定单元，被配置成响应于确定未接收到摄像机采集的图像，执行以下第二确定操作：将所收到的加速度和角速度确定为输入量，将车辆的位置、车速和航向角确定为状态变量，以及响应于确定接收到第一定位信息，将第二车速、第一位置、第一车速和第一航向角确定为观测变量，响应于确定未接收到第一定位信息，将第二车速确定为观测变量；卡尔曼滤波单元，被配置成基于所确定的输入量、状态变量和观测变量，利用卡尔曼滤波算法计算得到车辆的当前位置和当前航向角；导航单元，被配置成基于当前位置和当前航向角，生成并呈现车辆的导航结果。

在一些实施例中，第一确定单元包括：确定模块，被配置成响应于确定接收到摄像机采集的图像，确定当前时间是否为预设白天时段内的时间；第一执行模块，被配置成响应于确定当前时间是预设白天时段内的时间，执行第一确定操作；第二执行模块，被配置成响应于确定当前时间不是预设白天时段内的时间，执行第二确定操作。

在一些实施例中，第一执行模块进一步被配置成：响应于确定当前时间是预设白天时段内的时间，确定图像是否满足预设合格图像条件；响应于确定图像满足预设合格图像条件，执行第一确定操作；响应于确定图像不满足预设合格图像条件，执行第二确定操作。

在一些实施例中，第一位置和当前位置为东北天坐标系中的坐标。

在一些实施例中，导航单元包括：坐标确定模块，被配置成将当前位置转换到通用横轴墨卡托投影坐标系，得到导航坐标；导航模块，被配置成基于所得到的导航坐标和当前航向角，生成并呈现车辆的导航结果。

在一些实施例中，卡尔曼滤波算法为扩展卡尔曼滤波算法。

第三方面，本申请实施例提供了一种车辆，包括：全球导航卫星系统接收机，用于解算车辆的位置、速度和航向角；惯性测量单元，用于采集车辆的加速度和角速度；摄像机，用于采集图像；车速传感器，用于采集车辆的车速；一个或多个处理器；存储装置，用于存储一个或多个程序，当一个或多个程序被一个或多个处理器执行时，使得上述一个或多个处理器实现如权利要求1-6中任一所述的方法。

第四方面，本申请实施例提供了一种计算机可读存储介质，其上存储有计算机程序，其中，该计算机程序被一个或多个处理器执行时实现如第一方面中任一实现方式描述的方法。

本申请实施例提供的车辆导航方法和装置，通过在车辆中设置gnss接收机、imu、车速传感器以及摄像机，并设定不同场景下的输入量、状态变量和观测变量，利用卡尔曼滤波算法，确定车辆的当前位置和当前航向角，并基于所确定的车辆当前位置和当前航向角生成并呈现车辆导航结果，从而通过融合上述各个传感器所采集的各种数据，确保在不同场景下，仍能准确确定车辆位置和航向角，继而提高在不同场景下的车辆导航准确度。

附图说明

通过阅读参照以下附图所作的对非限制性实施例所作的详细描述，本申请的其它特征、目的和优点将会变得更明显：

图1是本申请的一个实施例可以应用于其中的示例性系统架构图；

图2a是根据本申请的车辆导航方法的一个实施例的流程图；

图2b是根据本申请的第一确定操作的一个实施例的流程图；

图2c是根据本申请的第二确定操作的一个实施例的流程图；

图3是根据本申请的车辆导航方法的一个应用场景的示意图；

图4是根据本申请的车辆导航方法的又一个实施例的流程图；

图5是根据本申请的车辆导航方法的另一个实施例的流程图；

图6是根据本申请的车辆导航装置的一个实施例的结构示意图；

图7是适于用来实现本申请实施例的导航控制设备的计算机系统的结构示意图。

具体实施方式

下面结合附图和实施例对本申请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相关发明，而非对该发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与有关发明相关的部分。

需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。

图1示出了可以应用本申请的车辆导航方法或车辆导航装置的实施例的示例性系统架构100。

如图1所示，系统架构100可以包括车辆101。车辆101上可以安装有导航控制设备1011、网络1012、gnss接收机1013、imu1014、车速传感器1015和摄像机1016。网络1012用以在导航控制设备1011和gnss接收机1013之间、导航控制设备1011与imu1014之间、导航控制设备1011与车速传感器1015之间，以及导航控制设备1011与摄像机1016之间提供通信链路的介质。网络1012可以包括各种连接类型，例如有线、无线通信链路或者光纤电缆等等。

gnss接收机1013用于与gnss通信，并解算得到车辆101的速度、位置和航向角。

imu1014用于采集车辆101的加速度和角速度。作为示例，imu可以包括三个单轴的加速度计和三个单轴的陀螺仪，加速度计可以检测车辆101在沿车体坐标系的三个相互独立的坐标轴方向上的加速度信号，而陀螺仪可以检测车辆101相对于导航坐标系的角速度信号。有了imu测量得到的车辆101在三维空间中的角速度和加速度，可以解算出车辆的速度和位姿(即，位置和航向角)。可以理解的是，为了提高可靠性，还可以配备更多的传感器以测量车辆101沿车体坐标系的三个坐标轴方向的信号。一般而言，imu可以安装在车辆101的重心处。

车速传感器1015用于采集车辆101的行驶速度。

而摄像机1016用于采集车辆周围的图像，例如，采集车辆周围道路图像。

导航控制设备1011负责车辆的导航控制。导航控制设备1011可以是硬件，也可以是软件。当导航控制设备1011为硬件时，可以是单独设置的控制器，例如可编程逻辑控制器(programmablelogiccontroller，plc)、单片机、工业控制机等；也可以是由其他具有输入/输出端口，并具有运算控制功能的电子器件组成的设备；还可以是安装有车辆导航控制类应用的计算机设备。当导航控制设备1011为软件时，可以安装在上述所列举的电子设备中。其可以实现成多个软件或软件模块，也可以实现成单个软件或软件模块。在此不做具体限定。

需要说明的是，本申请实施例所提供的车辆导航方法一般由导航控制设备1011执行，相应地，车辆导航装置一般设置于导航控制设备1011中。

应该理解，图1中的导航控制设备、gnss接收机、imu、车速传感器和摄像机的数目仅仅是示意性的。根据实现需要，可以具有任意数目的导航控制设备、gnss接收机、imu、车速传感器和摄像机。

继续参考图2a，其示出了根据本申请的车辆导航方法的一个实施例的流程200。该车辆导航方法，包括以下步骤：

步骤201，实时接收imu采集的车辆的加速度和角速度、gnss接收机解算得到的第一定位信息，车速传感器采集的车辆的第二车速和摄像机采集的图像。

在本实施例中，车辆导航方法的执行主体(例如图1所示的导航控制设备)可以通过有线连接方式或者无线连接方式实时接收imu采集的车辆的加速度和角速度、gnss接收机解算得到的第一定位信息，车速传感器采集的车辆的第二车速和摄像机采集的图像。其中，第一定位信息可以包括车辆的第一位置、第一车速和第一航向角。

步骤202，响应于确定接收到摄像机采集的图像，执行第一确定操作。

在本实施例中，上述执行主体(例如图1所示的导航控制设备)在确定接收到摄像机采集的图像的情况下，执行第一确定操作。这里，第一确定操作可以包括如图2b所示的子步骤2021到子步骤2024：

子步骤2021，将所收到的加速度、角速度和图像确定为输入量。

即，将imu采集的车辆的加速度和角速度，以及摄像机采集的图像确定为输入量。

子步骤2022，将车辆的位置、车速和航向角以及对所收到的图像进行特征提取所得到的特征点坐标对应的相机坐标系坐标确定为状态变量。

这里，对所收到的图像进行特征提取所得到的特征点坐标对应的相机坐标系坐标，可以通过如下步骤得到：首先，可以采用各种方法对所收到的图像进行特征提取，得到特征点坐标，然后，再将所提取的特征点坐标从图像坐标系的二维坐标转换成相机坐标系的三维坐标。需要说明的是，如何将点坐标从图像坐标系的二维坐标转换成相机坐标系的三维坐标是目前广泛研究和应用的公知技术，在此不再赘述。

子步骤2023，响应于确定接收到第一定位信息，将第二车速、第一位置、第一车速、第一航向角和所得到的特征点坐标确定为观测变量。

即，如果车辆所处位置的gnss信号较好，就可以接收到gnss接收机解算得到的车辆的第一位置、第一车速和第一航向角，这里就可以将车速传感器采集的第二车速、gnss接收机解算得到的车辆的第一位置、第一车速、第一航向角和对所收到的图像进行特征提取所得到的特征点坐标确定为观测变量，即，这些是可以观测到的变量。

子步骤2024，响应于确定未接收到第一定位信息，将第二车速和所得到的特征点坐标确定为观测变量。

即，如果车辆所处位置的gnss信号不好(例如，隧道中)，就无法接收到gnss接收机解算得到的车辆的第一位置、第一车速和第一航向角，即，无法观测到gnss接收机解算得到的车辆的第一位置、第一车速和第一航向角，这里就可以将车速传感器采集的第二车速和对所收到的图像进行特征提取所得到的特征点坐标确定为观测变量，即，这些是可以观测到的变量。

步骤203，响应于确定未接收到摄像机采集的图像，执行第二确定操作。

在本实施例中，上述执行主体(例如图1所示的导航控制设备)在确定接收到摄像机采集的图像的情况下，执行第二确定操作。这里，第二确定操作可以包括如图2c所示的子步骤2031到子步骤2034：

子步骤2031，将所收到的加速度和角速度确定为输入量。

即，由于没有接收到摄像机采集的图像，这里，将imu采集的车辆的加速度和角速度确定为输入量。

子步骤2032，将车辆的位置、车速和航向角确定为状态变量。

即，由于没有接收到摄像机采集的图像，状态变量中将不再包括对所收到的图像进行特征提取所得到的特征点坐标对应的相机坐标系坐标，而是将车辆的位置、车速和航向角确定为状态变量。

子步骤2033，响应于确定接收到第一定位信息，将第二车速、第一位置、第一车速和第一航向角确定为观测变量。

即，如果车辆所处位置的gnss信号较好，就可以接收到gnss接收机解算得到的车辆的第一位置、第一车速和第一航向角，这里就可以将车速传感器采集的第二车速、gnss接收机解算得到的车辆的第一位置、第一车速和第一航向角确定为观测变量，即，这些是可以观测到的变量。

子步骤2034，响应于确定未接收到第一定位信息，将第二车速确定为观测变量。

即，如果车辆所处位置的gnss信号不好(例如，隧道中)，就无法接收到gnss接收机解算得到的车辆的第一位置、第一车速和第一航向角，即，无法观测到gnss接收机解算得到的车辆的第一位置、第一车速和第一航向角，这里就可以将车速传感器采集的第二车速确定为观测变量，即，这是可以观测到的变量。

步骤204，基于所确定的输入量、状态变量和观测变量，利用卡尔曼滤波算法计算得到车辆的当前位置和当前航向角。

步骤202到步骤203中分别在不同场景下确定了相应的输入量、状态变量和观测变量，这里，可以基于所确定的输入量、状态变量和观测变量，利用卡尔曼滤波算法计算得到车辆的当前位置和当前航向角。

这里，卡尔曼滤波算法可以是各种卡尔曼滤波算法。

在本实施例的一些可选的实现方式中，卡尔曼滤波算法可以是扩展卡尔曼滤波算法。

下面以扩展卡尔曼滤波算法为例，说明步骤204的具体实现过程：

第一步，对状态变量进行预测，得到当前时刻状态变量预测结果。

具体包括：将输入量的当前时刻取值、状态变量的上一时刻更新结果输入与输入量和状态变量对应的状态转移方程，得到当前时刻状态变量预测结果。

具体可以用公式表示如下：

其中：

xk-1是状态变量的上一时刻更新结果；

uk是输入量的当前时刻取值；

f是状态转移方程；

wk是状态变量的系统噪声；

是当前时刻状态变量预测结果。

可以理解是，实践中，由于具体的输入量与状态变量的不同，这里，状态转移方程会相应变化，状态转移方程的具体内容以实际所确定的输入量和状态变量来确定。

例如，当输入量和状态变量是相同的变量时，状态转移方程可以是单位矩阵。

第二步，对状态变量协方差进行预测，得到当前时刻状态变量协方差预测结果。

具体可以用公式表示如下：

其中：

convk-1是上一时刻状态变量协方差更新结果；

qk是当前时刻状态变量的系统噪声方差；

是当前时刻状态变量协方差预测结果。

第三步，计算当前时刻观测变量误差。

具体可以用公式表示如下：

其中：

zk是观测变量当前时刻的观测结果；

是第一步所得到的当前时刻状态变量预测结果；

则是计算得到的当前时刻观测变量误差。

第四步，计算当前时刻观测变量误差方差。

具体可以用公式表示如下：

其中：

是第一步所得到的当前时刻状态变量预测结果；

h是与状态变量和观测变量对应的观测方程；

是第二步得到的当前时刻状态变量协方差预测结果；

rk是当前时刻观测变量的误差方差；

sk则是计算所得的当前时刻观测变量误差方差。

可以理解是，实践中，由于具体的状态变量与观测变量的不同，这里，观测方程会相应变化，观测方程的具体内容以实际所确定的状态变量和观测变量来确定。

例如，当状态变量和观测变量是相同的变量时，观测方程可以是单位矩阵。

第五步，计算当前时刻的卡尔曼增益。

具体可以用公式表示如下：

其中：

sk可以参考上述步骤中的解释，在此不再赘述；

kgk则是计算所得的当前时刻的卡尔曼增益。

第六步，对当前时刻状态变量预测结果进行更新，得到当前时刻状态变量更新结果。

具体可以用公式表示如下：

kgk和可以参考上述步骤中的解释，在此不再赘述；

xk则是计算得到的当前时刻状态变量更新结果。

第七步，对当前时刻状态变量协方差预测结果进行更新，得到当前时刻状态变量协方差更新结果。

具体可以用公式表示如下：

其中：

i为单位矩阵；

kgk，和可以参考上述步骤中的解释，在此不再赘述；

convk则为计算得到的当前时刻状态变量协方差更新结果。

第八步，将当前时刻状态变量更新结果中的位置和航向角确定为车辆的当前位置和当前航向角。

步骤205，基于当前位置和当前航向角，生成并呈现车辆的导航结果。

由于步骤204中已经确定了车辆的当前位置和当前航向角，那么这里，上述执行主体可以采用各种实现方式基于上述确定的当前位置和当前航向角，生成并呈现车辆的导航结果。

例如，上述执行主体可以首先根据所确定的当前位置，在预先存储的高清电子地图中查询当前道路的车道线信息，并根据当前位置、当前航向角和车辆的导航目的地，生成虚拟行驶路径。然后，如果确定接收到摄像机采集到的图像，则可以将所收到的图像上叠加上述车道线信息和上述虚拟行驶路径，并将叠加后的图像实时发送给车辆中设置的显示器进行显示。例如，这里的显示器可以是平视显示器(hud，headupdisplay)。如果确定未接收到摄像机采集到的图像，可以直接将上述车道线信息和虚拟行驶路径生成虚拟路径图像，并将所生成的虚拟路径图像实时发送给车辆中设置的显示器进行显示。

在本实施例的一些可选的实现方式中，gnss接收机解算得到的第一位置可以是东北天坐标系中的坐标，步骤204中确定的当前位置也可以是东北天坐标系中的坐标。

基于上述可选实现方式，可选地，步骤205也可以如下进行：

首先，可以将当前位置转换到通用横轴墨卡托投影坐标系，得到导航坐标。

这里，如何将东北天坐标系下的坐标转换成横轴墨卡托投影坐标系下的坐标是目前广泛研究和应用的公知技术，在此不再赘述。

然后，可以基于所得到的导航坐标和当前航向角，生成并呈现车辆的导航结果。

由于横轴墨卡托投影坐标系下的坐标更适合于导航使用，因此，这里，可以基于所得到的导航坐标和当前航向角，生成并呈现车辆的导航结果。

继续参见图3，图3是根据本实施例的车辆导航方法的应用场景的一个示意图。在图3的应用场景中，车辆的导航控制设备从imu实时接收加速度和角速度301，实时从gnss接收机接收第一定位信息302，实时从车速传感器接收第二车速303，以及从摄像机接收图像304。然后，导航控制设备根据是否接收到摄像机采集的图像，以及是否接收到gnss接收机采集的第一定位信息，确定卡尔曼滤波的输入量305、状态变量306和观测变量307，并将所确定的输入量和观测量输入给卡尔曼滤波器308，从而得到车辆的当前位置和航向角309，以及基于当前位置和当前航向角309，生成并呈现车辆的导航结果310。这里卡尔曼滤波器308既可以是车辆中的其他电子设备，卡尔曼滤波器308也可以是导航控制设备中安装的应用程序。

本申请的上述实施例提供的方法通过在车辆中设置gnss接收机、imu、车速传感器以及摄像机，并设定不同场景下的输入量、状态变量和观测变量，利用卡尔曼滤波算法，确定车辆的当前位置和当前航向角，并基于所确定的车辆当前位置和当前航向角生成并呈现车辆导航结果，从而通过融合上述各个传感器所采集的各种数据，确保在不同场景下，仍能准确确定车辆位置和航向角，继而提高在不同场景下的车辆导航准确度。

进一步参考图4，其示出了车辆导航方法的又一个实施例的流程400。该车辆导航方法的流程400，包括以下步骤：

步骤401，实时接收imu采集的车辆的加速度和角速度、gnss接收机解算得到的第一定位信息，车速传感器采集的车辆的第二车速和摄像机采集的图像。

在本实施例中，车辆导航方法的执行主体(例如图1所示的导航控制设备)可以通过有线连接方式或者无线连接方式实时接收imu采集的车辆的加速度和角速度、gnss接收机解算得到的第一定位信息，车速传感器采集的车辆的第二车速和摄像机采集的图像。其中，第一定位信息可以包括车辆的第一位置、第一车速和第一航向角。

步骤402，响应于确定接收到摄像机采集的图像，确定当前时间是否为预设白天时段内的时间。

在本实施例中，上述执行主体可以在确定接收到摄像机采集的图像的情况下，确定当前时间是否为预设白天时段内的时间。

如果确定当前时间是预设白天时间段内的时间，表明外界光线较好，那么可以转到步骤403。如果确定当前时间不是预设白天时间段内的时间，那么可以转到步骤404。

步骤403，执行第一确定操作。

在本实施例中，上述执行主体可以在步骤402中确定当前时间是预设白天时段内的时间的情况下，表明当前外界光线较好，摄像机采集的图像可以使用，则可以执行第一确定操作。

关于第一确定操作可以参见图2a所示的实施例中相关描述，在此不再赘述。

执行完步骤403后可以转到步骤405继续执行。

步骤404，执行第二确定操作。

在本实施例中，上述执行主体可以在步骤402中确定当前时间不是预设白天时段内的时间的情况下，表明当前外界光线不好，摄像机采集的图像不适合使用，则可以执行第二确定操作。

关于第二确定操作可以参见图2a所示的实施例中相关描述，在此不再赘述。

执行完步骤403后可以转到步骤405继续执行。

步骤405，响应于确定未接收到摄像机采集的图像，执行第二确定操作。

在本实施例中，步骤405的具体操作与图2a所示的实施例中步骤203的操作基本相同，在此不再赘述。

步骤406，基于所确定的输入量、状态变量和观测变量，利用卡尔曼滤波算法计算得到车辆的当前位置和当前航向角。

在本实施例中，步骤406的具体操作与图2a所示的实施例中步骤204的操作基本相同，在此不再赘述。

步骤407，基于当前位置和当前航向角，生成并呈现车辆的导航结果。

在本实施例中，步骤407的具体操作与图2a所示的实施例中步骤205的操作基本相同，在此不再赘述。

从图4中可以看出，与图2a对应的实施例相比，本实施例中的车辆导航方法的流程400突出了在预设白天时间段内使用摄像机采集的图像，而在非预设白天时间段内不使用摄像机采集的图像的步骤。由此，本实施例描述的方案可以根据外界光线情况确定是否使用摄像机采集的图像，从而进一步提高导航的准确度。

进一步参考图5，其示出了车辆导航方法的另一个实施例的流程500。该车辆导航方法的流程500，包括以下步骤：

步骤501，实时接收imu采集的车辆的加速度和角速度、gnss接收机解算得到的第一定位信息，车速传感器采集的车辆的第二车速和摄像机采集的图像。

在本实施例中，车辆导航方法的执行主体(例如图1所示的导航控制设备)可以通过有线连接方式或者无线连接方式实时接收imu采集的车辆的加速度和角速度、gnss接收机解算得到的第一定位信息，车速传感器采集的车辆的第二车速和摄像机采集的图像。其中，第一定位信息可以包括车辆的第一位置、第一车速和第一航向角。

步骤502，响应于确定接收到摄像机采集的图像，确定当前时间是否为预设白天时段内的时间。

在本实施例中，上述执行主体可以在确定接收到摄像机采集的图像的情况下，确定当前时间是否为预设白天时段内的时间。

如果确定当前时间是预设白天时间段内的时间，表明外界光线较好，那么可以转到步骤503。如果确定当前时间不是预设白天时间段内的时间，那么可以转到步骤505。

步骤503，确定图像是否满足预设合格图像条件。

在本实施例中，上述执行主体可以在步骤402中确定当前时间是预设白天时段内的时间的情况下，表明当前外界光线较好，但如果摄像机发生故障，那么即使摄像机采集到图像，但采集到的图像也是不能使用的，如果摄像机正常运行，那么摄像机采集的图像可以使用。因此，这里可以在在步骤502中确定当前时间是预设白天时段内的时间的情况下，进一步确定摄像机采集的图像是否满足预设合格图像条件。如果确定满足预设合格图像条件，则转到步骤504，如果确定不满足预设合格图像条件，则转到步骤505。

这里，预设合格图像条件可以是预先设置的用于表征图像质量合格的各种条件。例如，预设合格图像条件可以包括：非单色图像条件、非条形图像条件、非马赛克图像条件等等，其中非单色图像条件是指图像所包括的像素值数目不止一种，非条形图像条件是指图像不是条形图像，而非马赛克图像条件是指图像不是马赛克图像。

步骤504，执行第一确定操作。

在本实施例中，上述执行主体可以在步骤503中确定摄像机采集的图像满足预设合格图像条件的情况下，表明当前外界光线较好且摄像机采集的图像满足预设合格图像条件，则可以执行第一确定操作。

关于第一确定操作可以参见图2a所示的实施例中相关描述，在此不再赘述。

执行完步骤504后可以转到步骤506继续执行。

步骤505，执行第二确定操作。

在本实施例中，上述执行主体可以在步骤503中确定摄像机采集的图像不满足预设合格图像条件的情况下，表明虽然当前外界光线较好，但摄像机采集的图像不满足预设合格图像条件，则可以执行第二确定操作。

关于第二确定操作可以参见图2a所示的实施例中相关描述，在此不再赘述。

执行完步骤505后可以转到步骤506继续执行。

步骤506，响应于确定未接收到摄像机采集的图像，执行第二确定操作。

在本实施例中，步骤506的具体操作与图2a所示的实施例中步骤203的操作基本相同，在此不再赘述。

步骤507，基于所确定的输入量、状态变量和观测变量，利用卡尔曼滤波算法计算得到车辆的当前位置和当前航向角。

在本实施例中，步骤507的具体操作与图2a所示的实施例中步骤204的操作基本相同，在此不再赘述。

步骤508，基于当前位置和当前航向角，生成并呈现车辆的导航结果。

在本实施例中，步骤508的具体操作与图2a所示的实施例中步骤205的操作基本相同，在此不再赘述。

从图5中可以看出，与图4对应的实施例相比，本实施例中的车辆导航方法的流程500多出了对预设白天时间段内使用摄像机采集的图像进行图像质量判断的步骤。由此，本实施例描述的方案可以根据图像质量确定是否使用摄像机采集的图像，从而进一步提高导航的准确度。

进一步参考图6，作为对上述各图所示方法的实现，本申请提供了一种车辆导航装置的一个实施例。其中，上述车辆设置有全球导航卫星系统gnss接收机、惯性测量单元imu、车速传感器以及摄像机。该装置实施例与图2a所示的方法实施例相对应，该装置具体可以应用于各种电子设备中。

如图6所示，本实施例的车辆导航装置600包括：接收单元601、第一确定单元602、第二确定单元603、卡尔曼滤波单元604和导航单元605。其中，接收单元601，被配置成实时接收所述imu采集的上述车辆的加速度和角速度、上述gnss接收机解算得到的第一定位信息，上述车速传感器采集的上述车辆的第二车速和上述摄像机采集的图像，其中，上述第一定位信息包括上述车辆的第一位置、第一车速和第一航向角；第一确定单元602，被配置成响应于确定接收到上述摄像机采集的图像，执行以下第一确定操作：将所收到的加速度、角速度和图像确定为输入量，将上述车辆的位置、车速和航向角以及对所收到的图像进行特征提取所得到的特征点坐标对应的相机坐标系坐标确定为状态变量，以及响应于确定接收到上述第一定位信息，将上述第二车速、上述第一位置、上述第一车速、上述第一航向角和所得到的特征点坐标确定为观测变量，响应于确定未接收到上述第一定位信息，将上述第二车速和所得到的特征点坐标确定为观测变量；第二确定单元603，被配置成响应于确定未接收到上述摄像机采集的图像，执行以下第二确定操作：将所收到的加速度和角速度确定为输入量，将上述车辆的位置、车速和航向角确定为状态变量，以及响应于确定接收到上述第一定位信息，将上述第二车速、上述第一位置、上述第一车速和上述第一航向角确定为观测变量，响应于确定未接收到上述第一定位信息，将上述第二车速确定为观测变量；卡尔曼滤波单元604，被配置成基于所确定的输入量、状态变量和观测变量，利用卡尔曼滤波算法计算得到上述车辆的当前位置和当前航向角；导航单元605，被配置成基于上述当前位置和上述当前航向角，生成并呈现上述车辆的导航结果。

在本实施例中，车辆导航装置600的接收单元601、第一确定单元602、第二确定单元603、卡尔曼滤波单元604和导航单元605的具体处理及其所带来的技术效果可分别参考图2a对应实施例中步骤201、步骤202、步骤203、步骤204和步骤205的相关说明，在此不再赘述。

在本实施例的一些可选的实现方式中，上述第一确定单元602可以包括：确定模块6021，被配置成响应于确定接收到上述摄像机采集的图像，确定当前时间是否为预设白天时段内的时间；第一执行模块6022，被配置成响应于确定当前时间是预设白天时段内的时间，执行上述第一确定操作；第二执行模块6023，被配置成响应于确定当前时间不是预设白天时段内的时间，执行上述第二确定操作。

在本实施例的一些可选的实现方式中，上述第一执行模块6022可以进一步被配置成：响应于确定当前时间是预设白天时段内的时间，确定上述图像是否满足预设合格图像条件；响应于确定上述图像满足上述预设合格图像条件，执行上述第一确定操作；响应于确定上述图像不满足上述预设合格图像条件，执行上述第二确定操作。

在本实施例的一些可选的实现方式中，上述第一位置和上述当前位置可以为东北天坐标系中的坐标。

在本实施例的一些可选的实现方式中，上述导航单元605可以包括：坐标确定模块6051，被配置成将上述当前位置转换到通用横轴墨卡托投影坐标系，得到导航坐标；导航模块6052，被配置成基于所得到的导航坐标和上述当前航向角，生成并呈现上述车辆的导航结果。

在本实施例的一些可选的实现方式中，上述卡尔曼滤波算法可以为扩展卡尔曼滤波算法。

需要说明的是，本申请实施例提供的车辆导航装置中各单元的实现细节和技术效果可以参考本申请中其它实施例的说明，在此不再赘述。

下面参考图7，其示出了适于用来实现本申请实施例的导航控制设备的计算机系统700的结构示意图。图7示出的导航控制设备仅仅是一个示例，不应对本申请实施例的功能和使用范围带来任何限制。

如图7所示，计算机系统700包括中央处理单元(cpu，centralprocessingunit)701，其可以根据存储在只读存储器(rom，readonlymemory)702中的程序或者从存储部分708加载到随机访问存储器(ram，randomaccessmemory)703中的程序而执行各种适当的动作和处理。在ram703中，还存储有系统700操作所需的各种程序和数据。cpu701、rom702以及ram703通过总线704彼此相连。输入/输出(i/o，input/output)接口705也连接至总线704。

以下部件连接至i/o接口705：包括键盘、鼠标等的输入部分706；包括诸如阴极射线管(crt，cathoderaytube)、液晶显示器(lcd，liquidcrystaldisplay)等以及扬声器等的输出部分707；包括硬盘等的存储部分708；以及包括诸如lan(局域网，localareanetwork)卡、调制解调器等的网络接口卡的通信部分709。通信部分709经由诸如因特网的网络执行通信处理。驱动器710也根据需要连接至i/o接口705。可拆卸介质711，诸如磁盘、光盘、磁光盘、半导体存储器等等，根据需要安装在驱动器710上，以便于从其上读出的计算机程序根据需要被安装入存储部分708。

特别地，根据本公开的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本公开的实施例包括一种计算机程序产品，其包括承载在计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信部分709从网络上被下载和安装，和/或从可拆卸介质711被安装。在该计算机程序被中央处理单元(cpu)701执行时，执行本申请的方法中限定的上述功能。需要说明的是，本申请所述的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或者是上述两者的任意组合。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可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(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。在本申请中，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。而在本申请中，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申请的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)。

附图中的流程图和框图，图示了按照本申请各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。

描述于本申请实施例中所涉及到的单元可以通过软件的方式实现，也可以通过硬件的方式来实现。所描述的单元也可以设置在处理器中，例如，可以描述为：一种处理器包括接收单元、第一确定单元、第二确定单元、卡尔曼滤波单元和导航单元。其中，这些单元的名称在某种情况下并不构成对该单元本身的限定，例如，导航单元还可以被描述为“生成并呈现车辆的导航结果的单元”。

作为另一方面，本申请还提供了一种计算机可读介质，该计算机可读介质可以是上述实施例中描述的装置中所包含的；也可以是单独存在，而未装配入该装置中。上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被该装置执行时，使得该装置：实时接收imu采集的车辆的加速度和角速度、gnss接收机解算得到的第一定位信息，车速传感器采集的车辆的第二车速和摄像机采集的图像，其中，第一定位信息包括车辆的第一位置、第一车速和第一航向角；响应于确定接收到摄像机采集的图像，执行以下第一确定操作：将所收到的加速度、角速度和图像确定为输入量，将车辆的位置、车速和航向角以及对所收到的图像进行特征提取所得到的特征点坐标对应的相机坐标系坐标确定为状态变量，以及响应于确定接收到第一定位信息，将第二车速、第一位置、第一车速、第一航向角和所得到的特征点坐标确定为观测变量，响应于确定未接收到第一定位信息，将第二车速和所得到的特征点坐标确定为观测变量；响应于确定未接收到摄像机采集的图像，执行以下第二确定操作：将所收到的加速度和角速度确定为输入量，将车辆的位置、车速和航向角确定为状态变量，以及响应于确定接收到第一定位信息，将第二车速、第一位置、第一车速和第一航向角确定为观测变量，响应于确定未接收到第一定位信息，将第二车速确定为观测变量；基于所确定的输入量、状态变量和观测变量，利用卡尔曼滤波算法计算得到车辆的当前位置和当前航向角；基于当前位置和当前航向角，生成并呈现车辆的导航结果。

以上描述仅为本申请的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本申请中所涉及的发明范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离上述发明构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本申请中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。