一种车辆重定位方法、装置、电子设备及存储介质与流程

1.本公开涉及自动驾驶技术领域，尤其涉及一种基于激光雷达的车辆重定位方法、装置、电子设备及存储介质。


背景技术：

2.自动驾驶技术领域中，当自动驾驶车辆行驶在复杂的道路环境中时，经常会丢失定位信息，因此需要对自动驾驶车辆进行重定位以获取车辆当前的位置信息。
3.现有技术主要使用gps技术或图像匹配技术实现重定位，然而使用gps技术进行车辆重定位易受到天气、建筑物和路况等环境因素影响，导致获取到的重定位信息不够准确，而使用图像匹配技术进行重定位时，则会因某采集的两帧环境图像相似度过高而导致重定位失败，进而带来自动驾驶车辆获取不到重定位信息、或获取到的重定位信息不够准确，现有技术存在重定位方法准确性和鲁棒性较低的问题。


技术实现要素：

4.本公开提供一种车辆重定位方法、装置、电子设备及存储介质，以至少解决相关技术中自动驾驶车辆的重定位易受环境因素等干扰，重定位的准确性和鲁棒性较低等问题。本公开的技术方案如下：
5.根据本公开实施例的一方面，提供一种车辆重定位方法，包括：
6.在目标车辆重定位过程中，获取所述目标车辆所在目标区域的预设定位地图，所述预设定位地图包括至少一个预设路标信息和至少一个所述预设路标信息对应的关键位姿，任一所述预设路标信息包括所述目标区域对应的第一点云信息、所述第一点云信息对应的第一几何描述信息、所述第一点云信息对应的第一聚类信息；
7.采集所述目标车辆第一当前时刻的第二点云信息，生成所述第二点云信息对应的第二几何描述信息和所述第二点云信息对应的第二聚类信息；
8.从多个所述第一点云信息中，查找对应的所述第二聚类信息与所述第一聚类信息匹配的至少一个第三点云信息；
9.基于所述第二几何描述信息与至少一个所述第三点云信息对应的第一几何描述信息，从至少一个所述第三点云信息中查找与所述第二点云信息匹配的第四点云信息；
10.基于所述第四点云信息对应的关键位姿、所述第四点云信息和所述第二点云信息进行重定位，获取所述目标车辆的目标位姿。
11.根据本公开实施例的另一方面，提供一种车辆重定位装置，包括：
12.定位地图获取模块，用于在目标车辆重定位过程中，获取所述目标车辆所在目标区域的预设定位地图，所述预设定位地图包括至少一个预设路标信息和至少一个所述预设路标信息对应的关键位姿，任一所述预设路标信息包括所述目标区域对应的第一点云信息、所述第一点云信息对应的第一几何描述信息、所述第一点云信息对应的第一聚类信息；
13.第二点云采集模块，用于采集所述目标车辆第一当前时刻的第二点云信息，生成
所述第二点云信息对应的第二几何描述信息和所述第二点云信息对应的第二聚类信息；
14.第三点云查找模块，用于从多个所述第一点云信息中，查找对应的所述第二聚类信息与所述第一聚类信息匹配的至少一个第三点云信息；
15.第四点云查找模块，用于基于所述第二几何描述信息与至少一个所述第三点云信息对应的第一几何描述信息，从至少一个所述第三点云信息中查找与所述第二点云信息匹配的第四点云信息；
16.目标位姿获取模块，基于所述第四点云信息对应的关键位姿、所述第四点云信息和所述第二点云信息进行重定位，获取所述目标车辆的目标位姿。
17.根据本公开实施例的另一方面，提供一种车辆重定位电子设备，包括：
18.处理器；
19.用于存储所述处理器可执行指令的存储器；
20.其中，所述处理器被配置为执行所述指令，以实现本公开实施例中任一项所述的车辆重定位方法。
21.根据本公开实施例的另一方面，提供一种车辆重定位存储介质，包括：
22.当所述存储介质中的指令由电子设备的处理器执行时，使得所述电子设备能够执行本公开实施例中任一项所述的车辆重定位方法。
23.根据本公开实施例的另一方面，提供一种包含指令的计算机程序产品，当其在计算机上运行时，使得计算机执行本公开实施例中任一项所述的车辆重定位方法。
24.本公开的实施例提供的技术方案至少带来以下有益效果：
25.自动驾驶车辆丢失定位信息时进行重定位以重新获取车辆的定位信息，在目标车辆重定位过程中，首先获取预设定位地图，然后采集目标车辆当前时刻的点云信息，利用目标车辆点云信息对应的聚类信息在预设定位地图中筛选出多个点云信息，再基于目标车辆点云信息对应的几何描述信息从筛选出的多个点云信息中查找相匹配的点云信息，获取该点云信息在预设定位地图中对应的关键位姿，根据关键位姿、目标车辆的点云信息和地图中相匹配的点云信息进行重定位以得到目标位姿，目标位姿即为目标车辆重定位结果；本发明公开的重定位过程不受光照强度等所处环境的影响，具有较高的重定位成功率；根据点云信息对应的聚类信息和几何描述信息筛选预设定位地图中的点云信息，可以获得更准确的与目标车辆的点云信息相匹配的点云信息，进而提高自动驾驶车辆重定位的准确性，获取可靠的车辆重定位信息从而提升自动驾驶的鲁棒性。
26.应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本公开。并不能限制本公开下次形同的行驶路线中示例性和解释性的并不能限制本公开
附图说明
27.此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本公开的实施例，并与说明书一起用于解释本公开的原理，并不构成对本公开的不当限定-。
28.图1是根据一示例性实施例示出的一种应用环境的示意图；
29.图2是根据一示例性实施例示出的一种车辆重定位方法的流程图；
30.图3是根据一示例性实施例示出的另一种车辆重定位方法的流程示意图；
31.图4是根据一示例性实施例示出的另一种车辆重定位方法的流程示意图；
32.图5是根据一示例性实施例示出的另一种车辆重定位方法的流程示意图。
33.图6是根据一示例性实施例示出的一种车辆重定位装置框图；
34.图7是根据一示例性实施例示出的一种用于车辆重定位的电子设备的框图；
35.图8是根据一示例性实施例示出的另一种用于车辆重定位的电子设备的框图。
具体实施方式
36.为了使本领域普通技术人员更好地理解本公开的技术方案，下面将结合附图，对本公开实施例中的技术方案进行清楚、完整地描述。
37.需要说明的是，本公开的说明书和权利要求书及上述附图中的术语“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。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本公开的实施例能够以除了在这里图示或描述的那些以外的顺序实施。以下示例性实施例中所描述的实施方式并不代表与本公开相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本公开的一些方面相一致的装置和方法的例子。
38.需要说明的是，本公开所涉及的用户信息(包括但不限于用户设备信息、用户个人信息等)和数据(包括但不限于用于展示的数据、分析的数据等)，均为经用户授权或者经过各方充分授权的信息和数据。
39.图1是根据一示例性实施例示出的一种应用环境的示意图，请参阅图1，该应用环境可以包括车载终端100和服务器200。
40.在一个可选的实施例中，车载终端100可以用于面向任一用户提供自动驾驶过程中的驾驶交互服务。服务器200可以为车载终端100提供后台服务，用于提供预设定位地图并对目标车辆进行重定位分析，为车载终端100提供目标车辆的目标位姿信息作为目标车辆的重定位结果。
41.在一个可选的实施例中，车载终端100可以为装载于目标车辆上的车辆监控管理系统的前端设备；服务器200可以是提供云计算服务的云服务器，也可以是独立的物理服务器，也可以是多个物理服务器构成的服务器集群或者分布式系统。可选地，上述服务器200的数量可以更多或更少，本公开实施例对此不加以限定，服务器200还可以包括其他功能服务器，以便提供更全面且多样化的服务。
42.本说明书实施例中，上述车载终端100和服务器200可以通过有线或无线通信方式进行直接或间接地连接，本公开在此不做限制。可以通过有线和无线的方式进行直接或间接地连接本公开在此不做限制
43.以下介绍本技术一种车辆重定位方法方法，如图2所示，图2是根据一示例性实施例示出的一种车辆重定位方法方法的流程图，该方法可以应用于服务器，具体的，该方法可以包括以下步骤：
44.在步骤s201中，在目标车辆重定位过程中，获取目标车辆所在目标区域的预设定位地图。
45.在一个可选的实施例中，上述预设定位地图包括至少一个预设路标信息和至少一个预设路标信息对应的关键位姿，具体的，至少一个预设路标信息可以为标识信息，具体
的，在预设定位地图的相应位置标注该标识信息用于车辆重定位，标识信息可以包括第一点云信息、第一点云信息对应的第一聚类信息和第一点云信息对应的第一几何描述信息，其中，第一点云信息可以为目标区域内基于激光雷达获得的历史点云信息，表征在历史时间段内目标区域的地表真实情况，第一聚类信息和第一几何描述信息为第一点云信息对应的特征信息，至少一个预设路标信息对应的关键位姿表征用于目标车辆重定位的参考位姿信息，具体的，参考位姿信息可以是历史车辆在历史时刻的位置信息和姿态信息。
46.在实际应用中，关键位姿可以由与目标车辆相同车型的历史车辆通过gps定位和激光里程计(lidarodometry)采集，历史车辆在目标区域中行驶，在行驶过程中历史车辆每隔预设时间采集一次关键位姿和关键位姿对应的第一点云信息；基于第一点云信息生成相应的第一聚类信息和第一几何描述信息，将第一点云信息、第一聚类信息和第一几何描述信息作为预设路标信息；基于关键位姿和预设路标信息构建上述预设定位地图，预设时间可以结合实际需求进行设置，例如100毫秒/次。
47.在一个具体的实施例中，上述目标区域可以根据目标车辆在丢失定位信息之前的历史时间段内的历史定位信息来确定，例如：根据目标车辆丢失定位信息前5分钟目标车辆最后获取的定位信息，确定目标区域中心，将以目标区域中心为圆心以5km为半径的圆形范围确定为目标区域；上述第一点云信息可以为目标区域内基于激光雷达获得的历史点云信息，表征在历史时间段内目标区域的地表真实情况；上述第一聚类信息可以为对第一点云信息进行聚类分析后得出的聚类分析结果，其中，聚类分析为基于预设划分依据将点云划分成不同的点云簇的过程；上述第一几何描述信息可以为3d点云全局描述子,用于表征第一点云信息的几何特征，例如：第一几何描述信息可以为第一点云信息对应的scan-context(扫描上下文)描述子。
48.在一个可选的实施例中，每个第一点云信息对应的第一聚类信息可以包括至少一个点云簇和任一点云簇对应的第一聚类特征信息，其中，第一聚类特征信息可以为任一点云簇的特征向量；
49.相应的，生成第一点云信息对应的第一聚类信息包括：
50.基于预设距离阈值，对第一点云信息进行聚类处理，得到至少一个第一点云簇；
51.计算第一点云簇对应的第一聚类特征信息；
52.在实际应用中，可以采用不同的聚类方法对第一点云信息进行聚类分析得出上述第一聚类信息，在预设划分依据为点云信息中各点间的距离的情况下，可以采用欧几里得聚类算法基于欧氏距离判断点之间的距离完成聚类，具体的：对于第一点云信息对应的数据空间内的某点p，通过kd-tree(k-dimensiontree，k维二叉树)算法找到k个离p点最近的点，将k个点中距离小于设定阈值的点加入到集合q中，当q中元素的数目不再增加则结束聚类，否则选取集合q中除p点以外的任一点，重复上述步骤，直至q中元素的数目不再增加为止，结束聚类并生成至少一个第一点云簇，基于生成的任一点云簇计算对应的聚类特征信息；在预设划分依据为点云信息对应的点集密度的情况下，也可以将第一点云信息对应的数据空间划分成栅格形式，将点云数据映射到栅格中，计算每个栅格的点集密度，根据预设的阈值对栅格单元的类别作出分类，将邻近的栅格组为一类并生成至少一个点云簇，基于生成的任一点云簇计算对应的聚类特征信息。
53.在一个可选的实施例中，每个第一点云信息对应的第一几何描述信息可以为第一
点云信息对应的scan-context描述子，具体的，第一点云信息对应的scan-context描述子可以为对第一点云信息进行pca(principlecomponentanalysis主成分分析)数据处理后得出的第一点云信息对应的点云主成分；
54.相应的，生成第一点云信息对应的第一几何描述信息可以包括：
55.计算第一点云信息的点云主成分，将第一点云信息的点云主成分作为第一几何描述信息。
56.上述实施例中，在目标车辆重定位过程中，首先获取目标车辆所在目标区域的预设定位地图，并获取预设定位地图内存储的预设路标信息与对应的关键位姿，以使后续基于预设路标信息与对应的关键位姿对目标车辆进行重定位。
57.在步骤s203中，采集目标车辆第一当前时刻的第二点云信息，生成第二点云信息对应的第二几何描述信息和第二点云信息对应的第二聚类信息。
58.在一个具体的实施例中，上述第一当前时刻可以为为目标车辆丢失定位信息的时刻，上述第二点云信息可以为由目标车辆的车载激光雷达传感器在第一当前时刻采集的点云信息，表征在第一当前时刻目标区域的地表真实情况；上述第二聚类信息可以为为对第二点云信息进行聚类分析后得出的聚类分析结果；上述第二几何描述信息可以为3d点云全局描述子,用于表征第二点云信息的几何特征，例如：第二几何描述信息可以为第二点云信息对应的scan-context(扫描上下文)描述子。
59.在一个可选的实施例中，第二点云信息对应的第二聚类信息包括至少一个点云簇和任一点云簇对应的第二聚类特征信息，其中，第二聚类特征信息可以为任一点云簇的特征向量；
60.相应的，生成第二点云信息对应的第二聚类信息包括：
61.基于预设距离阈值，对第二点云信息进行聚类处理，得到至少一个第二点云簇；
62.计算第二点云簇对应的第二聚类特征信息；
63.上述生成第二点云信息对应的第二聚类信息的细化步骤可以参见上述生成第一点云信息对应的第一聚类信息的相关细化步骤，在此不再赘述。
64.在一个可选的实施例中，第二点云信息对应的第二几何描述信息可以为第二点云信息对应的scan-context描述子，具体的，第二点云信息对应的scan-context描述子可以为对第二点云信息进行pca(principlecomponentanalysis主成分分析)数据处理后得出的第二点云信息对应的点云主成分；
65.相应的，生成第二点云信息对应的第二几何描述信息包括：
66.计算第二点云信息的点云主成分，将第二点云信息的点云主成分作为第二几何描述信息。
67.上述实施例中，采集目标车辆第一当前时刻的第二点云信息，生成第二点云信息对应的第二几何描述信息和第二点云信息对应的第二聚类信息，以使后续基于第二点云信息、第二几何描述信息和第二聚类信息可以与预设定位地图中的预设路标信息进行匹配操作从而完成对目标车辆的重定位。
68.在步骤s205中，从多个第一点云信息中，查找对应的第二聚类信息与第一聚类信息匹配的至少一个第三点云信息。
69.在一个可选的实施例中，从多个第一点云信息中，查找对应的第二聚类信息与第
一聚类信息匹配的至少一个第三点云信息包括：
70.对每个第一点云信息对应的至少一个第一聚类特征信息和第二聚类特征信息进行匹配处理，得到第一匹配结果。
71.基于第一匹配结果，从多个第一点云信息中，确定至少一个第三点云信息。
72.在一个具体的实施例中，第一聚类特征信息可以为第一点云信息中任一点云簇的第一目标法向量，第二聚类特征信息可以为第二点云信息中任一点云簇的第二目标法向量，第一目标法向量可以通过点云法向量估计法中的曲面重建法获得，具体的，对第一点云信息对应的任一点云簇基于最小二乘法拟合出相应的曲面建立曲面模型，根据该曲面模型结合pca(principalcomponentanalysi主成分分析)法计算曲面的法向量，将曲面的法向量作为第一目标法向量，具体生成第一目标法向量的计算可以通过pcl(pointcloudlibrary点云库)来实现，生成第二点云信息对应的第二目标法向量的细化步骤可以参见上述生成第一点云信息对应的第一目标法向量的细化步骤，在此不再赘述。
73.相应的，对每个第一点云信息对应的至少一个第一聚类特征信息和第二聚类特征信息进行匹配处理可以为：计算第一目标法向量和第二目标法向量的夹角，当夹角小于等于预设角度阈值时，第一特征向量对应的第一聚类特征信息与第二聚类特征信息相匹配。
74.在一个可选的实施例中，上述第一匹配结果可以表征至少一个第一聚类特征信息中与第二聚类特征信息匹配的数量；相应的，基于第一匹配结果，从多个第一点云信息中，确定至少一个第三点云信息可以包括：
75.在第一匹配结果指示第一聚类特征信息中与第二聚类特征信息的匹配数量大于预设匹配数量阈值的情况下，将第一聚类特征信息对应的第一点云信息确定为第三点云信息；
76.具体的，预设匹配数量阈值可以依据实际需求设置，例如：设置预设数量阈值为10，通过设置预设匹配数量阈值，结合第一聚类特征信息和第二聚类特征信息可以从第一点云信息中筛选出与第二点云信息相似度较高的至少一个点云信息，将该至少一个点云信息确定为第三点云信息以完成后续重定位操作。
77.在一个可选的实施例中，基于第一匹配结果，从多个第一点云信息中，确定至少一个第三点云信息可以包括：
78.将所有第一匹配结果不为零的第一点云信息按降序排列，由大到小取预设帧数的第一点云信息作为第三点云信息。
79.具体的，预设帧数可以依据实际需求设置，例如：设置预设帧数为10帧，通过设置预设帧数，结合第一聚类特征信息和第二聚类特征信息可以从第一点云信息中筛选出与第二点云信息相似度较高的至少一个点云信息作为第三点云信息。
80.上述实施例中，从多个第一点云信息中，查找对应的第二聚类信息与第一聚类信息匹配的至少一个第三点云信息，可以初步筛选出与第二点云信息相似度较高的第三点云信息，进而基于第三点云信息进行后续重定位步骤，提升获取目标车辆重定位结果的成功率。
81.在步骤s207中，基于第二几何描述信息与至少一个第三点云信息对应的第一几何描述信息，从至少一个第三点云信息中查找与第二点云信息匹配的第四点云信息。
82.在一个具体的实施例中，从至少一个第三点云信息中确定第四点云信息，可以基
于第一几何描述信息和第二几何描述信息对第三点云信息再次进行过滤，以获取第三点云信息中与第二点云信息相似度最高的点云信息作为第四点云信息，以使目标车辆基于第四点云信息进行重定位。
83.在一个可选的实施例中，如图3所示，在基于第二几何描述信息与至少一个第三点云信息对应的第一几何描述信息，从至少一个第三点云信息中查找与第二点云信息匹配的第四点云信息之前，上述方法还包括：
84.在步骤2071中，确定任一第三点云信息对应的第一聚类信息与第二聚类信息间的聚类特征匹配数量；
85.相应的，基于第二几何描述信息与至少一个第三点云信息对应的第一几何描述信息，从至少一个第三点云信息中查找与第二点云信息匹配的第四点云信息包括：
86.在步骤2073中，基于聚类特征匹配数量，从至少一个第三点云信息中确定当前点云信息；
87.在步骤2075中，对当前点云信息对应的第一几何描述信息与第二几何描述信息进行匹配，得到第二匹配结果；
88.在步骤2077中，在第二匹配结果指示匹配的情况下，将当前点云信息作为第四点云信息。
89.具体的，当前点云信息可以为为待匹配点云信息中对应的聚类特征匹配数量最大的点云信息，其中，待匹配点云信息为至少一个第三点云信息中对应的第一几何描述信息未与第二几何描述信息进行匹配过的点云信息；第二匹配结果可以指示当前点云信息是否与第二点云信息相匹配。
90.上述实施例中，基于第二几何描述信息与至少一个第三点云信息对应的第一几何描述信息，从至少一个第三点云信息中查找与第二点云信息匹配的第四点云信息，可以在初步筛选出与第二点云信息相似度较高的第三点云信息的基础上，再次筛选第三点云信息，以获得与第二点云信息相似度最高的第四点云信息，从而保证目标车辆基于第四点云信息进行重定位的准确性。
91.在一个可选的实施例中，上述对当前点云信息对应的第一几何描述信息与第二几何描述信息进行匹配，得到第二匹配结果还包括：
92.在第二匹配结果指示不匹配的情况下，跳转至基于聚类特征匹配数量，从至少一个第三点云信息中，确定当前点云信息的步骤。
93.具体的，在第二匹配结果指示不匹配的情况下重新确定当前点云信息，使得第三点云信息能基于聚类特征匹配数量由多至少依次与第二几何信息对应的第二点云信息匹配，直至第二匹配结果指示匹配，则将该当前点云信息作为第四点云信息。
94.在一个可选的实施例中，如图4所示，上述方法还包括：
95.在步骤2079中，在第二匹配结果指示不匹配，且当前点云信息为至少一个第三点云信息中对应的聚类特征匹配数量为最小值的情况下，采集目标车辆在第二当前时刻的点云信息；
96.在步骤s2081中，将第二当前时刻采集的点云信息作为第二点云信息，并跳转至生成第二点云信息对应的第二几何描述信息和第二点云信息对应的第二聚类信息的步骤。
97.在一个具体的实施例中，上述第二当前时刻可以为未查找到第四点云信息的时
刻，在第二匹配结果指示不匹配，且当前点云信息为至少一个第三点云信息中对应的聚类特征匹配数量为最小值的情况下，表征所有第三点云信息均与第二点云信息匹配过，但仍未查找到第四点云信息，因此重新采集目标车辆的点云信息，将第二当前时刻采集的点云信息作为第二点云信息，跳转至生成第二点云信息对应的第二几何描述信息和第二点云信息对应的第二聚类信息的步骤，以重新获取第四点云信息。
98.上述实施例中，在第二匹配结果指示不匹配的情况下重新确定当前点云信息，直至第二匹配结果指示匹配，则将该当前点云信息作为第四点云信息，并在所有第三点云信息均与第二点云信息匹配过，但仍未查找到第四点云信息的情况下重新采集目标车辆的点云信息，以获取第四点云信息，大大增加了获取第四点云信息的成功率，从而提升了目标车辆基于第四点云信息进行重定位的成功率。
99.在步骤s209中，基于第四点云信息对应的关键位姿、第四点云信息和第二点云信息进行重定位，获取目标车辆的目标位姿。
100.在一个可选的实施例中，上述基于第四点云信息对应的关键位姿、第四点云信息和第二点云信息进行重定位，获取目标车辆的目标位姿包括：
101.对第二点云信息和第四点云信息进行位姿变换分析，得到目标车辆的位姿变换信息；
102.基于位姿变换信息和关键位姿进行重定位，得到目标位姿。
103.在一个具体的实施例中，上述对第二点云信息和第四点云信息进行位姿变换分析可以为对第二点云信息和第四点云信息进行点云配准操作，以得出位姿变换信息，其中，位姿变换信息可以表征第二点云信息对应的目标位姿与第四点云信息对应的关键位姿之间的位姿差异，相应的，基于位姿变换信息和关键位姿进行重定位得到目标位姿可以为：在关键位姿的基础上叠加位姿变换信息，得到目标位姿，通过在关键位姿上叠加位姿变换信息来消除位姿差异，从而得到目标位姿，具体的，位姿变换信息可以包括两个点云信息间的旋转信息与位移信息。
104.上述实施例中，结合聚类信息与几何描述信息确定第四点云信息可以看作对第二点云信息进行了点云粗配准，在此基础上对第二点云信息和第四点云信息进行位姿变换分析则是对第二点云信息进行了点云精配准，利用第四点云信息对应的关键位姿、第四点云信息和第二点云信息对目标车辆进行重定位，以获取目标车辆的目标位姿作为目标车辆的重定位结果，在关键位姿的基础上叠加位姿变换信息以获取目标位姿作为重定位结果，通过两次点云配准来获取最终的重定位结果保证了重定位的准确性，提升了重定位结果的精度，进而提升目标车辆自动驾驶的鲁棒性。
105.在一个可选的实施例中，如图5所示，上述方法还包括：
106.在步骤s211中，在未从多个第一点云信息中查找到任一第三点云信息的情况下，采集目标车辆在第三当前时刻的点云信息；
107.在步骤s213中，将第三当前时刻采集的点云信息作为第二点云信息，并跳转至生成第二点云信息对应的第二几何描述信息和第二点云信息对应的第二聚类信息的步骤。
108.在一个具体的实施例中，上述第三当前时刻可以为未查找到任一第三点云信息的时刻，在未从多个第一点云信息中查找到任一第三点云信息的情况下，无法进行后续重定位操作，因此重新采集目标车辆的点云信息，将第三当前时刻采集的目标车辆的点云信息
作为第二点云信息，跳转至生成第二点云信息对应的第二几何描述信息和第二点云信息对应的第二聚类信息的步骤，以重新获取第三点云信息。
109.上述实施例中，在未从多个第一点云信息中查找到任一第三点云信息的情况下，重新采集目标车辆在第三当前时刻的点云信息，提升了获取第三点云信息的几率，从而保证了从第三点云信息中查找出第四点云信息的几率。
110.图6是根据一示例性实施例示出的一种车辆重定位装置框图。参照图6，该装置包括：
111.定位地图获取模块610，用于在目标车辆重定位过程中，获取目标车辆所在目标区域的预设定位地图，预设定位地图包括至少一个预设路标信息和至少一个预设路标信息对应的关键位姿，任一预设路标信息包括目标区域对应的第一点云信息、第一点云信息对应的第一几何描述信息、第一点云信息对应的第一聚类信息；
112.第二点云采集620，用于采集目标车辆第一当前时刻的第二点云信息，生成第二点云信息对应的第二几何描述信息和第二点云信息对应的第二聚类信息；
113.第三点云查找模块630，用于从多个第一点云信息中，查找对应的第二聚类信息与第一聚类信息匹配的至少一个第三点云信息；
114.第四点云查找模块640，用于基于第二几何描述信息与至少一个第三点云信息对应的第一几何描述信息，从至少一个第三点云信息中查找与第二点云信息匹配的第四点云信息。
115.目标位姿获取模块650，基于第四点云信息对应的关键位姿、第四点云信息和第二点云信息进行重定位，获取目标车辆的目标位姿.
116.在一个可选的实施例中，上述定位地图获取模块610还包括：
117.第一点云簇生成单元，用于基于预设距离阈值，对第一点云信息进行聚类处理，得到至少一个第一点云簇；
118.第一聚类特征生成单元，用于计算第一点云簇对应的第一聚类特征信息；
119.第一几何描述信息生成单元，用于计算第一点云信息的点云主成分，将第一点云信息的点云主成分作为第一几何描述信息。
120.在一个可选的实施例中，上述第二点云采集模块620还包括：
121.第二点云簇生成单元，用于基于预设距离阈值，对第二点云信息进行聚类处理，生成至少一个第二点云簇；
122.第二聚类特征生成单元，用于计算第一点云簇对应的第二聚类特征信息；
123.第二几何描述信息生成单元，用于计算第二点云信息的点云主成分，将第二点云信息的点云主成分作为第二几何描述信息。
124.在一个可选的实施例中，上述第三点云查找模块630还包括：
125.聚类特征信息匹配单元，用于对每个第一点云信息对应的至少一个第一聚类特征信息和第二聚类特征信息进行匹配处理，得到第一匹配结果，第一匹配结果表征至少一个第一聚类特征信息中与第二聚类特征信息匹配的数量；
126.第三点云信息确定单元，用于基于第一匹配结果，从多个第一点云信息中，确定至少一个第三点云信息。
127.在一个可选的实施例中，上述第四点云查找模块640还包括：
128.聚类特征匹配数量确定单元，用于确定任一第三点云信息对应的第一聚类信息与第二聚类信息间的聚类特征匹配数量；
129.当前点云信息确定单元，用于基于聚类特征匹配数量，从至少一个第三点云信息中确定当前点云信息，当前点云信息为待匹配点云信息中对应的聚类特征匹配数量最大的点云信息；待匹配点云信息为至少一个第三点云信息中对应的第一几何描述信息未与第二几何描述信息进行匹配过的点云信息；
130.第二匹配单元，用于对当前点云信息对应的第一几何描述信息与第二几何描述信息进行匹配，得到第二匹配结果；
131.第四点云信息确定单元，用于在第二匹配结果指示匹配的情况下，将当前点云信息作为第四点云信息。
132.在一个可选的实施例中，上述目标位姿获取模块650还包括：
133.位姿变换信息获取单元，用于对第二点云信息和第四点云信息进行位姿变换分析，得到目标车辆的位姿变换信息；
134.目标位姿生成单元，用于基于位姿变换信息和关键位姿进行重定位，得到目标位姿。
135.在一个可选的实施例中，上述装置还包括：
136.第一跳转模块，用于在第二匹配结果指示不匹配的情况下，跳转至基于聚类特征匹配数量，从至少一个第三点云信息中，确定当前点云信息的步骤；
137.第二跳转模块，用于在第二匹配结果指示不匹配，且当前点云信息为至少一个第三点云信息中对应的聚类特征匹配数量为最小值的情况下，采集目标车辆在第二当前时刻的点云信息；将第二当前时刻采集的点云信息作为第二点云信息，并跳转至生成第二点云信息对应的第二几何描述信息和第二点云信息对应的第二聚类信息的步骤；
138.第三跳转模块，在未从多个第一点云信息中查找到任一第三点云信息的情况下，采集目标车辆在第三当前时刻的点云信息；将第三当前时刻采集的点云信息作为第二点云信息，并跳转至生成第二点云信息对应的第二几何描述信息和第二点云信息对应的第二聚类信息的步骤。
139.图7是根据一示例性实施例示出的一种用于车辆重定位方法的电子设备的框图，该电子设备可以是目标挖掘机的操控终端，其内部结构图可以如图7所示。该电子设备包括通过系统总线连接的处理器、存储器、网络接口、显示屏和输入装置。其中，该电子设备的处理器用于提供计算和控制能力。该电子设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该电子设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种车辆重定位方法方法。该电子设备的显示屏可以是液晶显示屏或者电子墨水显示屏，该电子设备的输入装置可以是显示屏上覆盖的触摸层，也可以是电子设备外壳上设置的按键、轨迹球或触控板，还可以是外接的键盘、触控板或鼠标等。
140.图8是根据一示例性实施例示出的一种用于车辆重定位方法的电子设备的框图，该电子设备可以是服务器，其内部结构图可以如图8所示。该电子设备包括通过系统总线连接的处理器、存储器和网络接口。其中，该电子设备的处理器用于提供计算和控制能力。该
电子设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该电子设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种车辆重定位方法方法。
141.本领域技术人员可以理解，图7或图8中示出的结构，仅仅是与本公开方案相关的部分结构的框图，并不构成对本公开方案所应用于其上的电子设备的限定，具体的电子设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
142.在示例性实施例中，还提供了一种电子设备，包括：处理器；用于存储该处理器可执行指令的存储器；其中，该处理器被配置为执行该指令，以实现如本公开实施例中的车辆重定位方法方法。
143.在示例性实施例中，还提供了一种计算机可读存储介质，当该存储介质中的指令由电子设备的处理器执行时，使得电子设备能够执行本公开实施例中的车辆重定位方法方法。
144.本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，该计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本技术所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(rom)、可编程rom(prom)、电可编程rom(eprom)、电可擦除可编程rom(eeprom)或闪存。易失性存储器可包括随机存取存储器(ram)或者外部高速缓冲存储器。作为说明而非局限，ram以多种形式可得，诸如静态ram(sram)、动态ram(dram)、同步dram(sdram)、双数据率sdram(ddrsdram)、增强型sdram(esdram)、同步链路(synchlink)dram(sldram)、存储器总线(rambus)直接ram(rdram)、直接存储器总线动态ram(drdram)、以及存储器总线动态ram(rdram)等。
145.在示例性实施例中，还提供了一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现上述的挖掘机温度预警方法。
146.本领域技术人员在考虑说明书及实践这里公开的发明后，将容易想到本公开的其它实施方案。本技术旨在涵盖本公开的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本公开的真正范围和精神由下面的权利要求指出。
147.应当理解的是，本公开并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本公开的范围仅由所附的权利要求来限制。