用于无人巴士的定位地图构建方法、装置及电子设备与流程

1.本技术涉及自动驾驶技术领域，尤其涉及一种用于无人巴士的定位地图构建方法、装置及电子设备。


背景技术：

2.自动驾驶车辆技术的日益成熟和自动驾驶实施政策的日益完善，使得无人巴士(robobus)在城市交通中的应用越来越广泛，由于无人巴士的运营路线相对固定，无人巴士相对于其他类型的自动驾驶车辆，在定位方面的场景适应性的需求会低一些，例如，在市区内固定的运营路线中，不会涉及隧道、盘桥等复杂定位场景。
3.基于上述情况，无人巴士的定位技术主要基于gnss(global navigation satellite system，全球导航卫星系统)/rtk(real time kinematic，实时差分定位)+imu(inertial measurement unit，惯性测量单元)+相机语义识别(包括车道线、路面箭头等)+高精地图等技术来实现。
4.然而，由于站点位置周边高楼大厦多，gnss定位信号的质量较差，导致定位存在偏差，而单纯基于现有的语义识别算法匹配得到的视觉定位结果也无法给出准确的定位结果，具体表现为：
5.1)由于进出站点的特殊情况，例如，在某些车流量较大的时间段如上、下班时间，相机将无法很好的识别出地面语义元素；
6.2)由于进出站点的特殊情况，例如，在某些特殊地段如辅路上，相机同样无法很好的识别出地面语义元素或地面根本没有语义元素；
7.3)高精地图中没有相应的路面语义元素，导致无法进行匹配。


技术实现要素：

8.本技术实施例提供了一种用于无人巴士的定位地图构建方法和装置，以为无人巴士提供准确、可靠的定位依据。
9.本技术实施例采用下述技术方案：
10.第一方面，本技术实施例提供了一种用于无人巴士的定位地图构建方法，其中，所述方法包括：
11.基于无人巴士的各个站点位置，获取各个站点位置对应的预设区域范围内的道路图像数据；
12.根据各个站点位置对应的预设区域范围内的道路图像数据，构建各个站点位置对应的局部地图子图，所述局部地图子图包括局部点云地图和局部语义地图；
13.根据各个站点位置对应的局部地图子图，建立各个站点位置对应的地理围栏，以完成用于无人巴士的定位地图的构建。
14.可选地，所述根据各个站点位置对应的预设区域范围内的道路图像数据，构建各个站点位置对应的局部地图子图包括：
15.根据各个站点位置对应的预设区域范围内的道路图像数据，利用预设点云地图构建算法构建各个站点位置对应的局部点云地图；
16.根据各个站点位置对应的预设区域范围内的道路图像数据，利用预设语义地图构建算法构建各个站点位置对应的局部语义地图。
17.可选地，所述根据各个站点位置对应的预设区域范围内的道路图像数据，利用预设语义地图构建算法构建各个站点位置对应的局部语义地图包括：
18.根据各个站点位置对应的预设区域范围内的道路图像数据，利用预设道路元素识别模型对各个站点位置对应的预设区域范围内的道路元素进行识别，得到道路元素识别结果；
19.根据所述道路元素识别结果，构建各个站点位置对应的局部语义地图。
20.可选地，所述道路图像数据基于采集车采集得到，所述根据各个站点位置对应的预设区域范围内的道路图像数据，构建各个站点位置对应的局部地图子图包括：
21.基于所述采集车的绝对位置，确定所述局部地图子图中的各个地图元素的绝对位置；
22.根据所述局部地图子图中的各个地图元素的绝对位置，对各个地图元素进行绝对位置的赋值。
23.可选地，所述根据各个站点位置对应的局部地图子图，建立各个站点位置对应的地理围栏包括：
24.基于各个站点位置的相对顺序，对各个站点位置对应的局部地图子图进行地图子图标识的赋值；
25.基于预设地理围栏构建策略，确定各个站点位置对应的局部地图子图的地理围栏区域；
26.根据各个站点位置对应的局部地图子图的地理围栏区域，建立各个站点位置对应的地理围栏。
27.第二方面，本技术实施例还提供一种无人巴士的定位方法，其中，所述方法包括：
28.获取无人巴士的当前定位信息，并确定所述无人巴士的当前定位信息对应的站点位置；
29.根据所述无人巴士的当前定位信息对应的站点位置，确定所述站点位置对应的地理围栏；
30.在所述无人巴士的当前定位信息进入所述站点位置对应的地理围栏内的情况下，获取所述无人巴士采集的当前道路图像数据；
31.根据所述当前道路图像数据和所述地理围栏对应的局部地图子图，确定所述无人巴士的观测定位信息，并根据所述观测定位信息确定所述无人巴士的最终定位信息；
32.其中，所述地理围栏和所述局部地图子图基于前述之任一所述用于无人巴士的定位地图构建方法构建得到。
33.可选地，所述局部地图子图包括局部点云地图和局部语义地图，所述根据所述当前道路图像数据和所述地理围栏对应的局部地图子图，确定所述无人巴士的观测定位信息包括：
34.根据所述当前道路图像数据和所述地理围栏对应的局部点云地图，利用第一预设
匹配算法确定所述无人巴士的第一观测定位信息；
35.根据所述当前道路图像数据和所述地理围栏对应的局部语义子图，利用第二预设匹配算法确定所述无人巴士的第二观测定位信息；
36.根据所述第一观测定位信息和所述第二观测定位信息，确定所述最终的观测定位信息。
37.可选地，所述根据所述第一观测定位信息和所述第二观测定位信息，确定所述最终的观测定位信息包括：
38.确定所述第一观测定位信息对应的权重和所述第二观测定位信息对应的权重；
39.根据所述第一观测定位信息对应的权重和所述第二观测定位信息对应的权重，利用预设加权算法对所述第一观测定位信息和所述第二观测定位信息进行加权处理，得到所述最终的观测定位信息。
40.第三方面，本技术实施例还提供一种用于无人巴士的定位地图构建装置，其中，所述装置包括：
41.第一获取单元，用于基于无人巴士的各个站点位置，获取各个站点位置对应的预设区域范围内的道路图像数据；
42.构建单元，用于根据各个站点位置对应的预设区域范围内的道路图像数据，构建各个站点位置对应的局部地图子图，所述局部地图子图包括局部点云地图和局部语义地图；
43.建立单元，用于根据各个站点位置对应的局部地图子图，建立各个站点位置对应的地理围栏，以完成用于无人巴士的定位地图的构建。
44.第四方面，本技术实施例还提供一种无人巴士的定位装置，其中，所述装置包括：
45.第二获取单元，用于获取无人巴士的当前定位信息，并确定所述无人巴士的当前定位信息对应的站点位置；
46.第一确定单元，用于根据所述无人巴士的当前定位信息对应的站点位置，确定所述站点位置对应的地理围栏；
47.第三获取单元，用于在所述无人巴士的当前定位信息进入所述站点位置对应的地理围栏内的情况下，获取所述无人巴士采集的当前道路图像数据；
48.第二确定单元，用于根据所述当前道路图像数据和所述地理围栏对应的局部地图子图，确定所述无人巴士的观测定位信息，并根据所述观测定位信息确定所述无人巴士的最终定位信息；
49.其中，所述地理围栏和所述局部地图子图基于前述用于无人巴士的定位地图构建装置构建得到。
50.第五方面，本技术实施例还提供一种电子设备，包括：
51.处理器；以及
52.被安排成存储计算机可执行指令的存储器，所述可执行指令在被执行时使所述处理器执行前述之任一所述用于无人巴士的定位地图构建方法，或者前述之任一所述无人巴士的定位方法。
53.第六方面，本技术实施例还提供一种计算机可读存储介质，所述计算机可读存储介质存储一个或多个程序，所述一个或多个程序当被包括多个应用程序的电子设备执行
时，使得所述电子设备执行前述之任一所述用于无人巴士的定位地图构建方法，或者前述之任一所述无人巴士的定位方法。
54.本技术实施例采用的上述至少一个技术方案能够达到以下有益效果：本技术实施例的用于无人巴士的定位地图构建方法，先基于无人巴士的各个站点位置，获取各个站点位置对应的预设区域范围内的道路图像数据；然后根据各个站点位置对应的预设区域范围内的道路图像数据，构建各个站点位置对应的局部地图子图，局部地图子图包括局部点云地图和局部语义地图；最后根据各个站点位置对应的局部地图子图，建立各个站点位置对应的地理围栏，以完成用于无人巴士的定位地图的构建。本技术实施例的用于无人巴士的定位地图构建方法利用视觉技术对各个站点位置分别构建了相应的局部地图子图，包括局部点云地图和局部语义地图，相比于构建全局地图的方式来说，保证了地图的稀疏性以及定位效率和定位精度。
附图说明
55.此处所说明的附图用来提供对本技术的进一步理解，构成本技术的一部分，本技术的示意性实施例及其说明用于解释本技术，并不构成对本技术的不当限定。在附图中：
56.图1为本技术实施例中一种用于无人巴士的定位地图的构建方法的流程示意图；
57.图2为本技术实施例中一种无人巴士的定位方法的流程示意图；
58.图3为本技术实施例中一种用于无人巴士的定位地图构建装置的结构示意图；
59.图4为本技术实施例中一种无人巴士的定位装置的结构示意图；
60.图5为本技术实施例中一种电子设备的结构示意图。
具体实施方式
61.为使本技术的目的、技术方案和优点更加清楚，下面将结合本技术具体实施例及相应的附图对本技术技术方案进行清楚、完整地描述。显然，所描述的实施例仅是本技术一部分实施例，而不是全部的实施例。基于本技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本技术保护的范围。
62.以下结合附图，详细说明本技术各实施例提供的技术方案。
63.本技术实施例提供了一种用于无人巴士的定位地图构建方法，如图1所示，提供了本技术实施例中一种用于无人巴士的定位地图的构建方法的流程示意图，所述方法至少包括如下的步骤s110至步骤s130：
64.步骤s110，基于无人巴士的各个站点位置，获取各个站点位置对应的预设区域范围内的道路图像数据。
65.由于无人巴士的运营路线和行驶区域通常较为固定，因此本技术实施例的用于无人巴士的定位地图构建方法针对无人巴士的整体运营路线中所可能经过的各个站点位置，分别采集了各个站点位置周边的预设区域范围内的道路图像数据。预设区域范围的大小和形状可以根据实际需求灵活设置，例如，可以分别以各个站点位置为圆心，将方圆2公里以内的区域作为各个站点位置对应的预设区域范围，当然具体如何设置在此不作具体限定。
66.步骤s120，根据各个站点位置对应的预设区域范围内的道路图像数据，构建各个站点位置对应的局部地图子图，所述局部地图子图包括局部点云地图和局部语义地图。
67.在得到各个站点位置对应的预设区域范围内的道路图像数据后，需要针对每个站点位置分别构建相应的局部地图子图，这样多个站点对应的多个局部地图子图就可以构成一个局部地图子图库。此外，本技术实施例可以基于道路图像数据分别采用不同的地图构建算法构建两种局部地图子图，具体可以包括局部点云地图和局部语义地图，相比于单纯依赖语义地图的视觉定位方案来说，为提高定位精度提供了更加有力的支撑。
68.步骤s130，根据各个站点位置对应的局部地图子图，建立各个站点位置对应的地理围栏，以完成用于无人巴士的定位地图的构建。
69.由于各个站点位置对应的局部地图子图相互独立，且分别用于实现无人巴士在各个站点位置所对应的一定区域范围内的定位，因此这里需要进一步针对各个站点位置的局部地图子图建立对应的地理围栏，从而便于后续定位阶段可以根据地理围栏确定是否要调用局部地图子图进行视觉定位以及调用哪个站点的局部地图子图进行视觉定位。
70.本技术实施例的用于无人巴士的定位地图构建方法利用视觉技术对各个站点位置分别构建了相应的局部地图子图，包括局部点云地图和局部语义地图，相比于构建全局地图的方式来说，保证了地图的稀疏性以及定位效率和定位精度。
71.在本技术的一个实施例中，所述根据各个站点位置对应的预设区域范围内的道路图像数据，构建各个站点位置对应的局部地图子图包括：根据各个站点位置对应的预设区域范围内的道路图像数据，利用预设点云地图构建算法构建各个站点位置对应的局部点云地图；根据各个站点位置对应的预设区域范围内的道路图像数据，利用预设语义地图构建算法构建各个站点位置对应的局部语义地图。
72.本技术实施例基于各个站点位置对应的预设区域范围内的道路图像数据，可以采用预设点云地图构建算法如orb-slam2算法来构建各个站点位置对应的局部点云地图。orb-slam2算法是在orb-slam(oriented fast and rotated brief-simultaneous localization and mapping)的基础上，进一步支持标定后的双目相机和rgb-d相机的建图算法，orb-slam是一个基于特征点的实时slam系统，在大规模的、小规模的、室内室外的环境都可以运行，且对剧烈运动也很鲁棒，支持宽基线的闭环检测和重定位，由于orb-slam系统是基于特征点的slam系统，故其能够实时计算出相机的轨线，并生成场景的稀疏三维重建结果。本技术实施例基于现有的orb-slam2算法，能够通过提取各个站点位置的道路图像数据中的orb特征点实现对各个站点位置的局部点云地图的构建。
73.本技术实施例基于各个站点位置对应的预设区域范围内的道路图像数据，还可以采用预设语义地图构建算法构建各个站点位置对应的局部语义地图，这里的预设语义地图构建算法可以基于事先训练好的道路元素识别模型来实现，从而通过识别出的道路元素进行局部语义地图的构建。
74.由于不同站点的情况不同，本技术实施例采用不同站点对应的预设区域范围内的道路图像数据中所包含的不同道路元素进行建图，使得在基于局部语义地图进行匹配定位时，不受高精地图中路面元素的限制。
75.在本技术的一个实施例中，所述根据各个站点位置对应的预设区域范围内的道路图像数据，利用预设语义地图构建算法构建各个站点位置对应的局部语义地图包括：根据各个站点位置对应的预设区域范围内的道路图像数据，利用预设道路元素识别模型对各个站点位置对应的预设区域范围内的道路元素进行识别，得到道路元素识别结果；根据所述
道路元素识别结果，构建各个站点位置对应的局部语义地图。
76.本技术实施例的预设道路元素识别模型可以基于现有的卷积神经网络如yolo v5等网络训练得到，需要训练和识别的道路元素具体可以包括各个站点位置的站牌、广告牌、站点周围杆子、路边商家招牌等信息，基于这些道路元素进行局部语义地图的构建，相比于仅仅依赖车道线、箭头等路面元素来构建语义地图的方案来说，避免了在某些特殊时段或者特殊路段，由于无法很好的识别出路面语义元素而无法进行准确定位的问题。
77.上述道路元素的选择以事先训练好的预设道路元素识别模型为基础，保证预设道路元素识别模型的准召率，进而保证定位效果。
78.在本技术的一个实施例中，所述道路图像数据基于采集车采集得到，所述根据各个站点位置对应的预设区域范围内的道路图像数据，构建各个站点位置对应的局部地图子图包括：基于所述采集车的绝对位置，确定所述局部地图子图中的各个地图元素的绝对位置；根据所述局部地图子图中的各个地图元素的绝对位置，对各个地图元素进行绝对位置的赋值。
79.本技术实施例在定位地图的构建阶段，可以通过采集车来采集各个站点位置对应的预设区域范围内的道路图像数据，由于采集车在世界坐标系下的绝对位置能够确定，因此基于采集车的绝对位置，可以进一步确定建立好的局部地图子图中各个地图元素的绝对位置，进而对各个地图元素进行绝对位置的赋值。
80.本技术实施例可以针对构建的局部点云地图和局部语义地图采取不同的赋值方式，例如对于局部点云地图中的每个点可以赋值一个经纬度，对于局部语义地图中的语义元素，则可以根据语义元素的不同形状进行不同的赋值，比如四边形牌子的语义元素可以对其四个角点进行相应的赋值，站点周围杆子可以对上下两个点进行相应的赋值等等。当然，具体如何对局部地图子图中的地图元素进行绝对位置的赋值，本领域技术人员也可以根据实际需求灵活调整，在此不作具体限定。
81.在本技术的一个实施例中，所述根据各个站点位置对应的局部地图子图，建立各个站点位置对应的地理围栏包括：基于各个站点位置的相对顺序，对各个站点位置对应的局部地图子图进行地图子图标识的赋值；基于预设地理围栏构建策略，确定各个站点位置对应的局部地图子图的地理围栏区域；根据各个站点位置对应的局部地图子图的地理围栏区域，建立各个站点位置对应的地理围栏。
82.本技术实施例可以对构建好的各个站点位置对应的局部地图子图进行进一步的编辑，例如可以对各个站点位置对应的局部地图子图进行地图子图标识的赋值或者编号，地图子图标识与各个站点的局部地图子图一一对应，从而便于区别和更新，地图子图标识可以采用固定id来表示，具体可以根据各个站点之间的先后顺序来设置，例如起点也即第一个站点设置为1，第二个站点设置为2，
……
，以此类推。
83.在完成各个局部地图子图的编辑后，还需要进一步确定各个局部地图子图对应的地图范围即地理围栏，这里可以有两种确定方法，一种方法可以是设置一个包含已构建的局部地图子图的经纬度的矩形框或者其他任何形状的区域框，后续可以根据车辆的定位是否进入该区域框中来判断是否要调用相应的局部地图子图进行定位。另一种方法是设置一个当前路段的起始点和终止点的经纬度信息，由于道路是单向的，因此进出局部地图子图可以根据车辆的定位是否位于当前路段的起始点和终止点的经纬度之间来判断。
84.本技术实施例还提供了一种无人巴士的定位方法，如图2所示，提供了本技术实施例中一种无人巴士的定位方法的流程示意图，所述方法至少包括如下的步骤s210至步骤s240：
85.步骤s210，获取无人巴士的当前定位信息，并确定所述无人巴士的当前定位信息对应的站点位置。
86.本技术实施例的无人巴士定位方法在进行定位时，需要先获取无人巴士的当前定位信息，这里的当前定位信息可以看作是初步的定位结果，例如可以是组合导航系统输出的定位信息，基于该当前定位信息的大致位置可以确定出与该位置对应的站点位置，该站点可以是与无人巴士的当前位置距离最近且无人巴士即将要到达的一个站点。
87.步骤s220，根据所述无人巴士的当前定位信息对应的站点位置，确定所述站点位置对应的地理围栏。
88.在得到无人巴士的当前位置所对应的站点位置后，可以进一步根据该站点位置获取对应的地理围栏信息，各个站点对应的地理围栏即可以根据前述各实施例的建立方法建立得到，其作用主要是为了在定位阶段便于确定无人巴士进入或者即将进入哪一个站点的周边区域。
89.步骤s230，在所述无人巴士的当前定位信息进入所述站点位置对应的地理围栏内的情况下，获取所述无人巴士采集的当前道路图像数据。
90.本技术实施例的地理围栏可以是一个包围了站点对应的局部地图子图的区域框，也可以是一个包含了站点所在路段的起点到终点之间的经纬度信息的路段。如果采用第一种形式的地理围栏，则可以将无人巴士的当前位置与该区域框的边界位置进行比较，从而可以判断无人巴士是否进入或者驶出该站点对应的地理围栏，如果采用第二种形式的地理围栏，则可以将无人巴士的当前位置与该路段的起点和终点的经纬度进行比较，从而可以判断无人巴士是否进入或者驶出该站点对应的地理围栏。
91.当无人巴士的当前位置落入某一站点的地理围栏内时，说明此时无人巴士已经进入或者即将进入该站点的周边区域，那么此时可以获取无人巴士采集的当前的道路图像数据，作为后续进行无人巴士定位的基础数据。
92.步骤s240，根据所述当前道路图像数据和所述地理围栏对应的局部地图子图，确定所述无人巴士的观测定位信息，并根据所述观测定位信息确定所述无人巴士的最终定位信息；其中，所述地理围栏和所述局部地图子图基于前述之任一所述用于无人巴士的定位地图构建方法构建得到。
93.在确定了无人巴士的当前位置对应的站点以及站点的地理围栏后，可以同时预加载该站点对应的局部地图子图，这样当后续无人巴士进入该站点的地理围栏区域时，可以直接调用预加载好的局部地图子图进行定位，从而提高定位效率。
94.当然，也可以在确定了无人巴士已经进入站点的地理围栏后，再加载该站点对应的局部地图子图，具体何时加载局部地图子图，本领域技术人员可以根据实际需求灵活设置，在此不作具体限定。
95.在根据当前道路图像数据和地理围栏对应的局部地图子图进行定位时，可以将二者进行匹配，从而将匹配结果作为观测定位信息提供给卡尔曼滤波器或者扩展卡尔曼滤波器进行后续的融合处理，进而输出最终的定位结果。
96.本技术实施例的无人巴士的定位方法使用各个站点对应的规模较小的局部地图子图替代全局地图进行定位，保证了定位效率和定位精度。
97.另外，需要说明的是，本技术实施例的无人巴士的定位方法本质上是一种基于视觉技术实现的定位方法，其可以适用于无人巴士在进出站点等位置由于gnss定位信号质量差或者缺少路面语义元素而导致无法精准定位的场景，而对于gnss定位信号质量较好的区域，仍可以直接基于gnss定位信号进行融合定位，并不受本技术实施例基于视觉技术实现的定位方法的限制。
98.在本技术的一个实施例中，所述局部地图子图包括局部点云地图和局部语义地图，所述根据所述当前道路图像数据和所述地理围栏对应的局部地图子图，确定所述无人巴士的观测定位信息包括：根据所述当前道路图像数据和所述地理围栏对应的局部点云地图，利用第一预设匹配算法确定所述无人巴士的第一观测定位信息；根据所述当前道路图像数据和所述地理围栏对应的局部语义子图，利用第二预设匹配算法确定所述无人巴士的第二观测定位信息；根据所述第一观测定位信息和所述第二观测定位信息，确定所述最终的观测定位信息。
99.本技术实施例事先构建的局部地图子图包括局部点云地图和局部语义地图两种形式，两种不同的地图可以分别采取不同的匹配算法来得到无人巴士的观测定位信息。例如对于局部点云地图，可以采用第一预设匹配算法如基于orb-slam2算法提取出的orb特征点来进行匹配，从而得到第一观测定位信息，在进出站点等场景下，由于无人巴士的速度相对较低，行驶轨迹相对固定，因此基于局部点云地图可以很有效的跟踪特征点实现定位。对于局部语义地图，可以采用第二预设匹配算法如基于事先训练好的道路元素识别模型识别出的道路元素来进行匹配，从而得到第二观测定位信息。
100.由于识别模型的识别误差等因素的影响，第一观测定位信息和第二观测定位信息大概率会存在偏差，因此本技术实施例可以对第一观测定位信息和第二观测定位信息进一步进行融合处理，从而得到最终的观测定位信息。
101.在本技术的一个实施例中，所述根据所述第一观测定位信息和所述第二观测定位信息，确定所述最终的观测定位信息包括：确定所述第一观测定位信息对应的权重和所述第二观测定位信息对应的权重；根据所述第一观测定位信息对应的权重和所述第二观测定位信息对应的权重，利用预设加权算法对所述第一观测定位信息和所述第二观测定位信息进行加权处理，得到所述最终的观测定位信息。
102.本技术实施例对于第一观测定位信息和第二观测定位信息进行融合处理的一种方式可以是采用预设加权算法对二者进行加权处理，得到最终的观测定位信息p，这里的预设加权算法具体可以表示为如下形式：
103.p＝ω1*p1+ω2*p2，
ꢀꢀꢀ
(1)
104.ω2＝1-ω1，
ꢀꢀꢀ
(2)
105.其中，p1为第一观测定位信息，p2为第二观测定位信息，ω1为第一观测定位信息p1的权重，ω2为第二观测定位信息p2的权重。
106.基于上述公式(1)-(2)可以看出，预设加权算法的关键在于确定第一观测定位信息和第二观测定位信息各自的权重大小，由于第一观测定位信息基于orb特征点匹配得到，因此较为容易量化匹配点对的数量，那么ω1就可以根据匹配点对的数量和提取出的特征
点总数量来进行计算，并设定一个匹配点对的数量上界判断匹配结果的绝对可信。
107.例如，总共识别到120个特征点，只有70对匹配成功，而匹配点对的数量上界为100，那么ω1＝(70/100)*100％＝70％，相应的，ω2＝1-ω1＝30％。
108.同理，还可以设定一个匹配点对的数量下界来判断第一观测定位信息是否可信，设定一个道路元素匹配结果的置信度下界来判断第二观测定位信息是否可信，如果都不可信，则将输出无法定位的信息，从而保障定位准确性。
109.本技术实施例还提供了一种用于无人巴士的定位地图构建装置300，如图3所示，提供了本技术实施例中一种用于无人巴士的定位地图构建装置的结构示意图，所述装置300包括：第一获取单元310、构建单元320以及建立单元330，其中：
110.第一获取单元310，用于基于无人巴士的各个站点位置，获取各个站点位置对应的预设区域范围内的道路图像数据；
111.构建单元320，用于根据各个站点位置对应的预设区域范围内的道路图像数据，构建各个站点位置对应的局部地图子图，所述局部地图子图包括局部点云地图和局部语义地图；
112.建立单元330，用于根据各个站点位置对应的局部地图子图，建立各个站点位置对应的地理围栏，以完成用于无人巴士的定位地图的构建。
113.在本技术的一个实施例中，所述构建单元320具体用于：根据各个站点位置对应的预设区域范围内的道路图像数据，利用预设点云地图构建算法构建各个站点位置对应的局部点云地图；根据各个站点位置对应的预设区域范围内的道路图像数据，利用预设语义地图构建算法构建各个站点位置对应的局部语义地图。
114.在本技术的一个实施例中，所述构建单元320具体用于：根据各个站点位置对应的预设区域范围内的道路图像数据，利用预设道路元素识别模型对各个站点位置对应的预设区域范围内的道路元素进行识别，得到道路元素识别结果；根据所述道路元素识别结果，构建各个站点位置对应的局部语义地图。
115.在本技术的一个实施例中，所述道路图像数据基于采集车采集得到，所述构建单元320具体用于：基于所述采集车的绝对位置，确定所述局部地图子图中的各个地图元素的绝对位置；根据所述局部地图子图中的各个地图元素的绝对位置，对各个地图元素进行绝对位置的赋值。
116.在本技术的一个实施例中，所述建立单元330具体用于：基于各个站点位置的相对顺序，对各个站点位置对应的局部地图子图进行地图子图标识的赋值；基于预设地理围栏构建策略，确定各个站点位置对应的局部地图子图的地理围栏区域；根据各个站点位置对应的局部地图子图的地理围栏区域，建立各个站点位置对应的地理围栏。
117.能够理解，上述用于无人巴士的定位地图构建装置，能够实现前述实施例中提供的用于无人巴士的定位地图构建方法的各个步骤，关于用于无人巴士的定位地图构建方法的相关阐释均适用于用于无人巴士的定位地图构建装置，此处不再赘述。
118.本技术实施例还提供了一种无人巴士的定位装置400，如图4所示，提供了本技术实施例中一种无人巴士的定位装置的结构示意图，所述装置400包括：第二获取单元410、第一确定单元420、第三获取单元430以及第二确定单元440，其中：
119.第二获取单元410，用于获取无人巴士的当前定位信息，并确定所述无人巴士的当
前定位信息对应的站点位置；
120.第一确定单元420，用于根据所述无人巴士的当前定位信息对应的站点位置，确定所述站点位置对应的地理围栏；
121.第三获取单元430，用于在所述无人巴士的当前定位信息进入所述站点位置对应的地理围栏内的情况下，获取所述无人巴士采集的当前道路图像数据；
122.第二确定单元440，用于根据所述当前道路图像数据和所述地理围栏对应的局部地图子图，确定所述无人巴士的观测定位信息，并根据所述观测定位信息确定所述无人巴士的最终定位信息；
123.其中，所述地理围栏和所述局部地图子图基于前述之所述用于无人巴士的定位地图构建装置构建得到。
124.在本技术的一个实施例中，所述局部地图子图包括局部点云地图和局部语义地图，所述第二确定单元440具体用于：根据所述当前道路图像数据和所述地理围栏对应的局部点云地图，利用第一预设匹配算法确定所述无人巴士的第一观测定位信息；根据所述当前道路图像数据和所述地理围栏对应的局部语义子图，利用第二预设匹配算法确定所述无人巴士的第二观测定位信息；根据所述第一观测定位信息和所述第二观测定位信息，确定所述最终的观测定位信息。
125.在本技术的一个实施例中，所述第二确定单元440具体用于：确定所述第一观测定位信息对应的权重和所述第二观测定位信息对应的权重；根据所述第一观测定位信息对应的权重和所述第二观测定位信息对应的权重，利用预设加权算法对所述第一观测定位信息和所述第二观测定位信息进行加权处理，得到所述最终的观测定位信息。
126.能够理解，上述无人巴士的定位装置，能够实现前述实施例中提供的无人巴士的定位方法的各个步骤，关于无人巴士的定位方法的相关阐释均适用于无人巴士的定位装置，此处不再赘述。
127.图5是本技术的一个实施例电子设备的结构示意图。请参考图5，在硬件层面，该电子设备包括处理器，可选地还包括内部总线、网络接口、存储器。其中，存储器可能包含内存，例如高速随机存取存储器(random-access memory，ram)，也可能还包括非易失性存储器(non-volatile memory)，例如至少1个磁盘存储器等。当然，该电子设备还可能包括其他业务所需要的硬件。
128.处理器、网络接口和存储器可以通过内部总线相互连接，该内部总线可以是isa(industry standard architecture，工业标准体系结构)总线、pci(peripheral component interconnect，外设部件互连标准)总线或eisa(extended industry standard architecture，扩展工业标准结构)总线等。所述总线可以分为地址总线、数据总线、控制总线等。为便于表示，图5中仅用一个双向箭头表示，但并不表示仅有一根总线或一种类型的总线。
129.存储器，用于存放程序。具体地，程序可以包括程序代码，所述程序代码包括计算机操作指令。存储器可以包括内存和非易失性存储器，并向处理器提供指令和数据。
130.处理器从非易失性存储器中读取对应的计算机程序到内存中然后运行，在逻辑层面上形成用于无人巴士的定位地图构建装置。处理器，执行存储器所存放的程序，并具体用于执行以下操作：
131.基于无人巴士的各个站点位置，获取各个站点位置对应的预设区域范围内的道路图像数据；
132.根据各个站点位置对应的预设区域范围内的道路图像数据，构建各个站点位置对应的局部地图子图，所述局部地图子图包括局部点云地图和局部语义地图；
133.根据各个站点位置对应的局部地图子图，建立各个站点位置对应的地理围栏，以完成用于无人巴士的定位地图的构建。
134.上述如本技术图1所示实施例揭示的用于无人巴士的定位地图构建装置执行的方法可以应用于处理器中，或者由处理器实现。处理器可能是一种集成电路芯片，具有信号的处理能力。在实现过程中，上述方法的各步骤可以通过处理器中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器可以是通用处理器，包括中央处理器(central processing unit，cpu)、网络处理器(network processor，np)等；还可以是数字信号处理器(digital signal processor，dsp)、专用集成电路(application specific integrated circuit，asic)、现场可编程门阵列(field－programmable gate array，fpga)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。可以实现或者执行本技术实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合本技术实施例所公开的方法的步骤可以直接体现为硬件译码处理器执行完成，或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器，闪存、只读存储器，可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器，处理器读取存储器中的信息，结合其硬件完成上述方法的步骤。
135.该电子设备还可执行图1中用于无人巴士的定位地图构建装置执行的方法，并实现用于无人巴士的定位地图构建装置在图1所示实施例的功能，本技术实施例在此不再赘述。
136.本技术实施例还提出了一种计算机可读存储介质，该计算机可读存储介质存储一个或多个程序，该一个或多个程序包括指令，该指令当被包括多个应用程序的电子设备执行时，能够使该电子设备执行图1所示实施例中用于无人巴士的定位地图构建装置执行的方法，并具体用于执行：
137.基于无人巴士的各个站点位置，获取各个站点位置对应的预设区域范围内的道路图像数据；
138.根据各个站点位置对应的预设区域范围内的道路图像数据，构建各个站点位置对应的局部地图子图，所述局部地图子图包括局部点云地图和局部语义地图；
139.根据各个站点位置对应的局部地图子图，建立各个站点位置对应的地理围栏，以完成用于无人巴士的定位地图的构建。
140.本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、cd-rom、光学存储器等)上实施的计算机程序产品的形式。
141.本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程
图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
142.这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
143.这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
144.在一个典型的配置中，计算设备包括一个或多个处理器(cpu)、输入/输出接口、网络接口和内存。
145.内存可能包括计算机可读介质中的非永久性存储器，随机存取存储器(ram)和/或非易失性内存等形式，如只读存储器(rom)或闪存(flash ram)。内存是计算机可读介质的示例。
146.计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(pram)、静态随机存取存储器(sram)、动态随机存取存储器(dram)、其他类型的随机存取存储器(ram)、只读存储器(rom)、电可擦除可编程只读存储器(eeprom)、快闪记忆体或其他内存技术、只读光盘只读存储器(cd-rom)、数字多功能光盘(dvd)或其他光学存储、磁盒式磁带，磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括暂存电脑可读媒体(transitory media)，如调制的数据信号和载波。
147.需要说明的是，本技术实施例的电子设备还可以执行图2中无人巴士的定位装置执行的方法，并实现无人巴士的定位装置在图2所示实施例的功能，本技术实施例在此不再赘述。
148.还需要说明的是，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个
……”
限定的要素，并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。
149.本领域技术人员应明白，本技术的实施例可提供为方法、系统或计算机程序产品。因此，本技术可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且，本技术可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、cd-rom、光学存储器等)上实施的计算机程序产品的形式。
150.以上所述仅为本技术的实施例而已，并不用于限制本技术。对于本领域技术人员来说，本技术可以有各种更改和变化。凡在本技术的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本技术的权利要求范围之内。