基于高精地图柱状物体的车辆定位方法及装置与流程

1.本发明涉及车辆定位技术领域，尤其涉及一种基于高精地图柱状物体的车辆定位方法及装置。


背景技术：

2.近年来，随着深度学习等技术的兴起，无人驾驶技术也取得了很大的进步，并引起人们的广泛关注。而定位是无人驾驶的关键技术之一。目前，在利用电子导航地图进行车辆定位时，根据车道线信息获得对车辆位姿的横向约束，然而，车道线(特别是直道的车道线)只能提供车辆位置的横向约束，在缺乏其他观测数据(如gnss获取的定位数据)的情况下，纵向误差会持续累积，最终导致定位失效。


技术实现要素：

3.本发明提供一种基于高精地图柱状物体的车辆定位方法及装置，用以解决上述问题。
4.本发明提供一种基于高精地图柱状物体的车辆定位方法，包括：
5.获取车辆周围物体的点云数据，根据所述点云数据获取目标柱状体信息；
6.从高精度地图中获取与目标柱状体信息对应的地图柱状体信息；
7.根据目标柱状体信息与地图柱状体信息对车辆的先前位姿进行优化，以获得车辆当前位姿。
8.根据本发明提供的一种基于高精地图柱状物体的车辆定位方法，所述根据所述点云数据识别得到目标柱状体信息，包括：
9.将点云数据转化为深度距离图；
10.对所述深度距离图进行逐像素的搜索，以获得地面区域像素与非地面区域像素；
11.对所述非地面区域像素进行聚类处理，获得多个连通区域；
12.根据目标柱状体信息的形状特点从多个连通区域中筛选与目标柱状体信息匹配的连通区域，以获得目标区域；
13.将所述目标区域对应的点云数据反投影到世界坐标系下，并对投影后数据进行拟合，以获得目标柱状体信息。
14.根据本发明提供的一种基于高精地图柱状物体的车辆定位方法，在获得目标区域之后，该方法还包括：
15.对目标区域中的柱状部分进行提取，以获得柱状目标区域；
16.所述将所述目标区域对应的点云数据反投影到世界坐标系下，包括：
17.将所述柱状目标区域对应的点云数据反投影到世界坐标系下。
18.根据本发明提供的一种基于高精地图柱状物体的车辆定位方法，所述从高精度地图中获取与目标柱状体信息对应的地图柱状体信息，包括：
19.根据车辆的先前位姿从高精度地图中确定多个候选地图柱状体信息；
20.计算候选地图柱状体信息与目标柱状体信息之间的匹配代价；
21.根据所述匹配代价，利用预设的图匹配算法从多个候选地图柱状体信息中确定与所述目标柱状体信息对应的地图柱状体信息。
22.根据本发明提供的一种基于高精地图柱状物体的车辆定位方法，所述根据目标柱状体信息的形状特点从多个连通区域中筛选与目标柱状体信息匹配的连通区域，以获得目标区域，包括：
23.根据目标柱状体信息的形状特点确定区域高度阈值、区域宽度阈值以及高宽比阈值；
24.在连通区域满足区域高度阈值、区域宽度阈值以及高宽比阈值的情况下，将对应的连通区域作为目标区域。
25.根据本发明提供的一种基于高精地图柱状物体的车辆定位方法，所述对所述深度距离图进行逐像素的搜索，以获得地面区域像素与非地面区域像素，包括：
26.获取深度距离图中相邻两行相同列的两个像素点的深度值以及两个像素点对应的激光束的垂直角度；
27.基于所述深度值以及所述垂直角度计算得到所述深度距离图对应的倾斜角度矩阵；
28.根据预设的角度阈值从所述倾斜角度矩阵中确定地面像素点，并基于地面像素点确定地面区域像素，将深度距离图中剩余部分的像素点作为非地面区域像素；
29.相应地，所述对所述非地面区域像素进行聚类处理，获得多个连通区域，包括：
30.从非地面区域像素中获取两个任意像素点，并获取所述任意像素点与点云发射装置之间的距离以及两个任意像素点对应的激光束之间的夹角；
31.根据所述距离以及所述夹角计算得到平面夹角；
32.在平面夹角大于预设的夹角阈值的情况下，判定两个任意像素点属于同一物体区域，以形成连通区域。
33.根据本发明提供的一种基于高精地图柱状物体的车辆定位方法，所述根据目标柱状体信息与地图柱状体信息对车辆的先前位姿进行优化，以获得车辆当前位姿，包括：
34.根据目标柱状体信息中的中心位置、表面直线位置、地图柱状体信息中的中心点位置、半径，构建位姿的目标优化函数；
35.将先前位姿作为初始值，对所述目标优化函数进行最小值求解，获得车辆当前位姿。。
36.本发明还提供一种基于高精地图柱状物体的车辆定位装置，包括：
37.目标柱状体信息获取模块，用于获取车辆周围物体的点云数据，根据所述点云数据获取目标柱状体信息；
38.地图柱状体信息获取模块，用于从高精度地图中获取与目标柱状体信息对应的地图柱状体信息；
39.位姿优化模块，用于根据目标柱状体信息与地图柱状体信息对车辆的先前位姿进行优化，以获得车辆当前位姿。
40.本发明还提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，处理器执行程序时实现如上述任一种基于高精地图柱状物体的车
辆定位方法。
41.本发明还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现如上述任一种基于高精地图柱状物体的车辆定位方法。
42.本发明提供的基于高精地图柱状物体的车辆定位方法及装置，通过点云数据获取得到车辆周围的目标柱状体信息，在高精度地图中确定与目标柱状体信息对应的地图柱状体信息，根据地图柱状体信息与目标柱状体信息对车辆的先前位姿进行优化，从而提供较为精准的纵向量测约束，以保证车辆定位的准确性。
附图说明
43.为了更清楚地说明本发明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一简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
44.图1是本发明实施例提供的基于高精地图柱状物体的车辆定位方法的流程示意图之一；
45.图2是本发明实施例提供的基于高精地图柱状物体的车辆定位方法的流程示意图之二；
46.图3是本发明实施例提供的激光器发射的视场角的示意图；
47.图4是本发明实施例提供的柱状目标区域的示意图；
48.图5是本发明实施例提供的倾斜角度α的示意图；
49.图6是本发明实施例提供的平面夹角β的示意图；
50.图7为本发明实施例提供的基于高精地图柱状物体的车辆定位装置结构示意图；
51.图8为本发明实施例提供的一种电子设备的实体结构示意图。
具体实施方式
52.为使本发明的目的、技术方案和优点更加清楚，下面将结合本发明中的附图，对本发明中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
53.图1是本发明实施例提供的基于高精地图柱状物体的车辆定位方法的流程示意图之一；图2是本发明实施例提供的基于高精地图柱状物体的车辆定位方法的流程示意图之二；如图1以及2所示，该基于高精地图柱状物体的车辆定位方法，包括：
54.s101，获取车辆周围物体的点云数据，根据所述点云数据获取目标柱状体信息。
55.在本步骤中，先通过车辆上的激光雷达传感器扫描周围物体，以获得三维的点云数据。再根据点云数据识别得到目标柱状体信息，此处的目标柱状体是指车辆周围固定的且在高精地图上存在的标志物，比如，路灯杆、标牌杆、轮廓标这些交通标志，还可以是路边的树等绿化设施，或者其他一些远离地面的一端为三角形、圆形等不同形状的物体，而与地面接触部分为柱状的固定标志物。目标柱状体信息则包括目标柱状体的位置、半径等参数信息。
56.s102，从高精度地图中获取与目标柱状体信息对应的地图柱状体信息。
57.在本步骤中，根据车辆的先前位姿数据(即车辆在高精度地图中的位置信息)从高精度地图中确定一定的范围，将该范围内地图上的路灯杆、标牌杆、轮廓标这些交通标志以及树这些绿化作为候选地图柱状体，通过与识别得到的目标柱状体信息进行关联配对，从候选地图柱状体中确定地图柱状体，并从高精度地图中获取地图柱状体的相关信息。
58.s103，根据目标柱状体信息与地图柱状体信息对车辆的先前位姿进行优化，以获得车辆当前位姿。
59.在本步骤中，在获得目标柱状体信息与地图柱状体信息之后，利用目标柱状体信息的位置等信息以及地图柱状体信息的位置等信息为车辆先前位姿(包括车辆的位置、航向角、俯仰角、滚动角和平移向量等信息)的优化提供纵向量测约束，确保优化后的位姿信息准确。
60.本发明实施例提供的基于高精地图柱状物体的车辆定位方法，通过点云数据识别得到车辆周围的目标柱状体信息，在高精度地图中确定与目标柱状体信息对应的地图柱状体信息，根据地图柱状体信息与目标柱状体信息对车辆的先前位姿进行优化，从而提供较为精准的纵向量测约束，以保证车辆定位的准确性。
61.进一步地，所述根据所述点云数据识别得到目标柱状体信息，包括：
62.将点云数据转化为深度距离图。
63.对所述深度距离图进行逐像素的搜索，以获得地面区域像素与非地面区域像素。
64.对所述非地面区域像素进行聚类处理，获得多个连通区域。
65.根据目标柱状体信息的形状特点从多个连通区域中筛选与目标柱状体信息匹配的连通区域，以获得目标区域。
66.将所述目标区域对应的点云数据反投影到世界坐标系下，并对投影后数据进行拟合，以获得目标柱状体信息。
67.具体地，先将三维的点云数据(x,y,z)转化为二维的深度距离图(u,v)：
[0068][0069]fv
＝|f
up
|+|f
down
|
[0070]
式中，r为激光点的观测距离，fh为激光雷达的水平视场角(全称为field of view，简称fov)，fv为激光雷达的垂直fov，f
up
为水平面以上的角度范围，f
down
为水平面以下的角度范围，(其中，f
up
与f
down
之间的关系如图3所示)，w为深度距离图的宽，h为深度距离图的高，w与h均为预先确定的值。
[0071]
另外，在本实施例中，将点云数据转化为深度距离图之前，方法还包括：
[0072]
根据车辆的先验速度对点云数据进行运动补偿，从而得到去除运动畸变的点云数据，再在去除畸变的点云数据上进行深度距离图的转化，提升目标柱状体信息识别的准确性。
[0073]
在获得上述深度距离图之后，先对深度距离图中的地面区域进行过滤。具体是在深度距离图中从下至上进行逐像素搜索，在搜索过程中，对相邻的两个像素点进行倾斜角
度计算，若倾斜角度大于预设的角度阈值，则判定相邻的两个像素点为地面区域像素点。
[0074]
在对所有相邻像素点进行判断之后，将深度距离图中的像素分为地面区域像素与非地面区域像素。对非地面区域像素进行聚类处理，聚类得到多个连通区域，这些连通区域代表着不同的物体。根据目标柱状体信息的形状特点对连通区域进行筛选，也即根据目标柱状体信息的高度、宽度等信息选出与目标柱状体信息相符的连通区域作为目标区域(即目标柱状体信息)。
[0075]
将目标区域对应的点云数据反投影到世界坐标系中，并对投射后的像素点进行拟合，根据拟合得到的标志物获得其在世界坐标系下的位置等参数信息(即目标柱状体信息)。
[0076]
本发明实施例提供的基于高精地图柱状物体的车辆定位方法，先将点云数据转化为深度距离图，对深度距离图进行逐像素搜索，以得到地面区域像素与非地面区域像素，对非地面区域像素进行聚类之后得到多个连通区域，根据目标柱状体信息的形状特点筛选得到目标区域，并获取目标区域的相关信息，实现对目标柱状体信息的准确识别。
[0077]
进一步地，在获得目标区域之后，该方法还包括：
[0078]
对目标区域中的柱状部分进行提取，以获得柱状目标区域。
[0079]
所述将所述目标区域对应的点云数据反投影到世界坐标系下，包括：
[0080]
将所述柱状目标区域对应的点云数据反投影到世界坐标系下。
[0081]
在本实施例中，对于树、交通指示牌、路灯这种目标柱状体信息，仅截取其中与地面接触的柱状部分就能保证的定位准确性，故将目标区域中的柱状部分单独提取出来，从而简化了后续与地图柱状体信息之间的匹配难度。
[0082]
柱状目标区域具体的提取方法为将目标区域中连续宽度小于一定阈值的部分提取出来作为柱状目标区域。以图4中目标区域是树为例，柱状部分即为树干，图4中，树叶的部分的宽度比较大，大于一定的阈值，取连续宽度小于一定阈值的就是杆子部分。
[0083]
在获取柱状部分之后，将属于柱状部分的像素所对应的点云数据反投影到世界坐标系下，对反投影得到的数据进行圆柱拟合。在拟合过程中，若在世界坐标系xy平面的协方差大于预设的协方差阈值则拟合成圆柱，得到柱子的参数信息(xc,yc,r)；若协方差小于等于预设的协方差阈值，则拟合成直线，得到柱面直线的参数信息(xs,ys)(假设柱子垂直地面)。
[0084]
本发明实施例提供的基于高精地图柱状物体的车辆定位方法，通过目标区域中的柱状部分的提取，提升与地图柱状体信息之间的匹配速率。
[0085]
进一步地，所述从高精度地图中获取与目标柱状体信息对应的地图柱状体信息，包括：
[0086]
根据车辆的先前位姿从高精度地图中确定多个候选地图柱状体信息。
[0087]
计算候选地图柱状体信息与目标柱状体信息之间的匹配代价。
[0088]
根据所述匹配代价，利用预设的图匹配算法从多个候选地图柱状体信息中确定与所述目标柱状体信息对应的地图柱状体信息。
[0089]
在本实施例中，先根据车辆的先前位姿初步从高精度地图中确定m个候选地图柱状体信息。然后，计算m个候选地图柱状体信息与n个目标柱状体信息之间的匹配代价c
ij
：
[0090]cij
＝α1cr+β1cd[0091]
式中，c
ij
为第i个候选地图柱状体信息和第j个目标柱状体信息之间的匹配代价，cr为第i个候选地图柱状体信息和第j个目标柱状体信息之间的半径差，cd为第i个候选地图柱状体信息和第j个目标柱状体信息之间的距离差，α1和β1为响应的权重系数。
[0092]
在计算所有候选地图柱状体信息与目标柱状体信息之间匹配代价之后得到代价矩阵，通过预设的图匹配算法完成候选地图柱状体信息与目标标志之间的准确配对，以确定与所述目标柱状体信息对应的地图柱状体信息。
[0093]
在本实施例中，预设的图匹配算法为匈牙利算法，在本发明的其他方案中，预设的图匹配算法也可以是km等其他二分图最大匹配算法，本发明对此不做限定。
[0094]
本发明实施例提供的基于高精地图柱状物体的车辆定位方法，通过计算候选地图柱状体信息与目标柱状体信息之间的匹配代价，并根据匹配代价通过图匹配算法完成地图柱状体信息与目标柱状体信息之间的匹配，为先前位姿的准确优化提供基础。
[0095]
进一步地，所述根据目标柱状体信息的形状特点从多个连通区域中筛选与目标柱状体信息匹配的连通区域，以获得目标区域，包括：
[0096]
根据目标柱状体信息的形状特点确定区域高度阈值、区域宽度阈值以及高宽比阈值。
[0097]
在连通区域满足区域高度阈值、区域宽度阈值以及高宽比阈值的情况下，将对应的连通区域作为目标区域。
[0098]
在本实施例中，以包含柱状部分的标志物为例，像树干、交通指示牌的杆子、路灯的杆子这些类型的标志物一般满足如下条件：1)宽度小于一定的区域宽度阈值，2)高度大于一定的区域高度阈值，3)并且高宽比大于一定的高宽比阈值。根据上述3个条件对连通区域进行筛选，以获得目标区域。
[0099]
另外，在本发明的其他实施例中，具体宽度、高度与高宽比是大于还是小于相应的区域高度阈值、区域宽度阈值、高宽比阈值，均根据目标柱状体信息的形状特点决定，本发明对此不作限定。
[0100]
本发明实施例提供的基于高精地图柱状物体的车辆定位方法，通过根据区域高度阈值、区域宽度阈值以及高宽比阈值来筛选出满足条件的目标区域，实现目标柱状体信息的识别。
[0101]
进一步地，所述对所述深度距离图进行逐像素的搜索，以获得地面区域像素与非地面区域像素，包括：
[0102]
获取深度距离图中相邻两行相同列的两个像素点的深度值以及两个像素点对应的激光束的垂直角度。
[0103]
基于所述深度值以及所述垂直角度计算得到所述深度距离图对应的倾斜角度矩阵。
[0104]
根据预设的角度阈值从所述倾斜角度矩阵中确定地面像素点，并基于地面像素点确定地面区域像素，将深度距离图中剩余部分的像素点作为非地面区域像素。
[0105]
相应地，所述对所述非地面区域像素进行聚类处理，获得多个连通区域，包括：
[0106]
从非地面区域像素中获取两个任意像素点，并获取所述任意像素点与点云发射装置之间的距离以及两个任意像素点对应的激光束之间的夹角。
[0107]
根据所述距离以及所述夹角计算得到平面夹角。
[0108]
在平面夹角大于预设的夹角阈值的情况下，判定两个任意像素点属于同一物体区域，以形成连通区域。
[0109]
在本实施例中，假设深度距离图中最低行的某些像素为地平面，且地面的曲率很低，则对深度距离图从下至上进行逐像素的搜索，并将搜索的条件设置为倾斜角度α大于一定角度阈值时认为对应的像素点是地面点。根据图5可知，倾斜角度α与像素点之间关系式为：
[0110]
α＝atan2(||bc||，||ac||)＝atan2(δz，δx)
[0111]
δz＝|r
r-1，c sinξ
a-r
r，c
sinξb|
[0112]
δx＝|r
r-1，c
cosξ
a-r
r，c
cosξb|
[0113]
式中，点a与点b是深度距离图r中相邻的r-1行与r行上的像素点，α为连接点a与点b的直线的倾斜角度，ξξa、ξb分别对应于深度距离图r中第r-1行c列的激光束的垂直角度与第r行c列的激光束的垂直角度，r
r-1,c
、r
r,c
分别为第r-1行第c列的距离与第r行第c列的距离(此处距离为深度距离图的取值)。
[0114]
在通过上述方法计算得到深度距离图中所有倾斜角度α之后，获得倾斜角度矩阵ma，对倾斜角度矩阵ma中所有大于预设角度阈值的α进行标记，并将标记的α所对应的像素点确定为地面区域像素，并将深度距离图中剩下部分的像素点都标记为非地面区域像素。
[0115]
在剔除地面区域像素之后，对非地面区域像素进行聚类，具体通过四邻域的宽度优先搜索进行，如果平面夹角β大于一定阈值被视为同一物体，根据图6所知，平面夹角β与像素点之间的关系为：
[0116]
β＝atan2(||bh||，||ha||)＝atan2(d2sinψ，d
1-d
2 cosψ)
[0117]
式中，ψ为两束激光束oa和ob之间的夹角，通常是激光雷达预设的，d1和d2分别表示oa距离以及ob距离。
[0118]
图6中，激光雷达传感器位于o点，oa和ob分别表示两束激光束，ab表示物体的一个表面，如果β大于阈值，则认为是a和b属于同一物体。
[0119]
对所有非地面区域像素进行平面夹角β的计算，并与预设的夹角阈值进行判断之后，确定每一像素点所属物体，从而形成多个连通区域。
[0120]
本发明实施例提供的基于高精地图柱状物体的车辆定位方法，先将地面区域像素剔除，再基于非地面区域像素进行聚类，从而使得连通区域的区分更加容易，且能够提升计算速度。
[0121]
进一步地，在所述目标柱状体信息包括柱状部分的情况下，所述根据目标柱状体信息与地图柱状体信息对车辆的先前位姿进行优化，以获得车辆当前位姿，包括：
[0122]
根据目标柱状体信息中的中心位置、表面直线位置、地图柱状体信息中的中心点位置、半径，构建位姿的目标优化函数。
[0123]
将先前位姿作为初始值，对所述目标优化函数进行最小值求解，获得车辆当前位姿。
[0124]
具体地，利用目标柱状体信息的中心位置pc，目标柱状体信息的表面直线位置ps，地图柱状体信息的中心点位置p
map
，地图柱状体信息的半径r
map
，构建位姿(r，t)的目标优化函数，并对目标优化函数中的位姿(r，t)进行最小化求解，其中，r为车辆的旋转角度，t为车辆的位移：
[0125][0126]
将先前位姿中的车辆的旋转角度与车辆的位移作为目标优化函数中位姿(r，t)的初始值进行局部最小值求解，计算结果作为当前位姿。
[0127]
本发明实施例提供的基于高精地图柱状物体的车辆定位方法，利用地图柱状体信息与目标柱状体信息之间的对应关系对车辆的先前位姿进行优化，从而提供较为精准的纵向量测约束，以保证车辆定位的准确性。
[0128]
下面对本发明提供的基于高精地图柱状物体的车辆定位装置进行描述，下文描述的基于高精地图柱状物体的车辆定位装置与上文描述的基于高精地图柱状物体的车辆定位方法可相互对应参照。
[0129]
图7为本发明实施例提供的基于高精地图柱状物体的车辆定位装置结构示意图，如图7所示，该基于高精地图柱状物体的车辆定位装置包括目标柱状体信息获取模块701、地图柱状体信息获取模块702以及位姿优化模块703。
[0130]
其中，目标柱状体信息获取模块701，用于获取车辆周围物体的点云数据，根据所述点云数据获取目标柱状体信息。
[0131]
在本模块中，先通过车辆上的激光雷达传感器扫描周围物体，以获得三维的点云数据。再根据点云数据识别得到目标柱状体信息，此处的目标柱状体是指车辆周围固定的且在高精地图上存在的标志物，比如，路灯杆、标牌杆、轮廓标这些交通标志，还可以是路边的树等绿化设施，或者其他一些远离地面的一端为三角形、圆形等不同形状的物体，而与地面接触部分为柱状的固定标志物。目标柱状体信息则包括目标柱状体的位置、半径等参数信息。
[0132]
地图柱状体信息获取模块702，用于从高精度地图中获取与目标柱状体信息对应的地图柱状体信息。
[0133]
在本模块中，根据车辆的先前位姿数据(即车辆在高精度地图中的位置信息)从高精度地图中确定一定的范围，将该范围内地图上的路灯杆、标牌杆、轮廓标这些交通标志以及树这些绿化作为候选地图柱状体，通过与识别得到的目标柱状体信息进行关联配对，从候选地图柱状体中确定地图柱状体，并从高精度地图中获取地图柱状体的相关信息。
[0134]
位姿优化模块703，用于根据目标柱状体信息与地图柱状体信息对车辆的先前位姿进行优化，以获得车辆当前位姿。
[0135]
在本模块中，在获得目标柱状体信息与地图柱状体信息之后，利用目标柱状体信息的位置等信息以及地图柱状体信息的位置等信息为车辆先前位姿(包括车辆的位置、航向角、俯仰角、滚动角和平移向量等信息)的优化提供纵向量测约束，确保优化后的位姿信息准确。
[0136]
本发明实施例提供的基于高精地图柱状物体的车辆定位装置，通过点云数据识别得到车辆周围的目标柱状体信息，在高精度地图中确定与目标柱状体信息对应的地图柱状体信息，根据地图柱状体信息与目标柱状体信息对车辆的先前位姿进行优化，从而提供较为精准的纵向量测约束，以保证车辆定位的准确性。
[0137]
图8为本发明实施例提供的一种电子设备的实体结构示意图，如图8所示，该电子设备可以包括：处理器(processor)810、通信接口(communications interface)820、存储
器(memory)830和通信总线840，其中，处理器810，通信接口820，存储器830通过通信总线840完成相互间的通信。处理器810可以调用存储器830中的逻辑指令，以执行基于高精地图柱状物体的车辆定位方法，所述基于高精地图柱状物体的车辆定位方法，包括：获取车辆周围物体的点云数据，根据所述点云数据获取目标柱状体信息；从高精度地图中获取与目标柱状体信息对应的地图柱状体信息；根据目标柱状体信息与地图柱状体信息对车辆的先前位姿进行优化，以获得车辆当前位姿。
[0138]
此外，上述的存储器830中的逻辑指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例方法的全部或部分步骤。而前述的存储介质包括：u盘、移动硬盘、只读存储器(rom，read-only memory)、随机存取存储器(ram，random access memory)、磁碟或者光盘等各种可以存储程序代码的介质。
[0139]
又一方面，本发明还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现以执行上述个方法所提供的基于高精地图柱状物体的车辆定位方法，所述基于高精地图柱状物体的车辆定位方法，包括：获取车辆周围物体的点云数据，根据所述点云数据获取目标柱状体信息；从高精度地图中获取与目标柱状体信息对应的地图柱状体信息；根据目标柱状体信息与地图柱状体信息对车辆的先前位姿进行优化，以获得车辆当前位姿。
[0140]
以上所描述的装置实施例仅仅是示意性的，其中作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。
[0141]
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如rom/ram、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行各个实施例或者实施例的某些部分的方法。
[0142]
最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。