位置检测方法、装置、设备、存储介质及车辆与流程

本发明实施例涉及无人车技术领域，尤其涉及一种位置检测方法、装置、设备、存储介质及车辆。

背景技术：

目前，无人车系统采用基于视觉的检测算法对障碍物的3d位置进行检测。

具体的，首先根据如下公式计算障碍物的z轴坐标值：h/h＝f/z，其中z为障碍物的z轴坐标值，f为无人车上安装的摄像头的焦距，h为障碍物在摄像头所拍摄图像中的高度值，h为障碍物的实际高度值；然后，根据z轴坐标值得到x轴坐标值和y轴坐标值，进而得到障碍物的3d位置坐标。

上述方案中h的取值根据预先训练得到的机器模型得到，准确度较低，进而降低了障碍物的3d位置坐标的准确度。

技术实现要素：

本发明实施例提供一种位置检测方法、装置、设备、存储介质及车辆，以提高无人车系统中检测目标物体的3d位置坐标的准确度。

第一方面，本发明实施例提供了一种位置检测方法，所述方法包括：

检测摄像头所拍摄当前图像中的第一车道线；

基于第一车道线的检测结果，对世界坐标系与摄像头坐标系之间的初始变换矩阵进行优化；

根据优化后得到的变换矩阵获得所述当前图像中的目标物体的第一3d坐标，根据第一3d坐标确定所述目标物体的最终3d坐标。

第二方面，本发明实施例还提供了一种位置检测装置，该装置包括：

第一车道线检测模块，用于检测摄像头所拍摄当前图像中的第一车道线；

初始变换矩阵优化模块，用于基于第一车道线的检测结果，对世界坐标系与摄像头坐标系之间的初始变换矩阵进行优化；

3d坐标确定模块，用于根据优化后得到的变换矩阵获得所述当前图像中的目标物体的第一3d坐标，根据第一3d坐标确定所述目标物体的最终3d坐标。

第三方面，本发明实施例还提供了一种电子设备，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，所述处理器执行所述程序时实现如本发明实施例所述的位置检测方法。

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实施例所述的位置检测方法。

第五方面，本发明实施例还提供了一种车辆，包括车体，还包括第三方面所述的电子设备，以及设置在车体上的摄像头。

本发明实施例，首先检测摄像头所拍摄当前图像中的第一车道线，然后基于第一车道线的检测结果，对世界坐标系与摄像头坐标系之间的初始变换矩阵进行优化，根据优化后得到的变换矩阵获得当前图像中的目标物体的第一3d坐标，根据第一3d坐标确定目标物体的最终3d坐标。本发明实施例提供的位置检测方法，利用优化后的变换矩阵获取图像中目标物体的第一3d坐标，然后根据第一3d坐标确定目标物体的最终3d坐标，可以提高无人车系统中检测目标物体比如障碍物的3d位置坐标的准确度。

附图说明

图1本发明实施例一中的一种位置检测方法的流程图；

图2是本发明实施例二中的一种位置检测方法的流程图；

图3是本发明实施例二中的另一种位置检测方法的流程图；

图4是本发明实施例三中的一种位置检测装置的结构示意图；

图5是本发明实施例四中的一种电子设备的结构示意图；

图6是本发明实施例五中的一种车辆的结构示意图。

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为本发明实施例一提供的一种位置检测方法的流程图，本实施例可适用于无人车系统中检测目标物体的3d坐标位置的情况，该方法可以由位置检测装置来执行，该装置可由硬件和/或软件组成，并一般可集成在具有位置检测功能的设备中，该设备可以是移动终端、车载设备等电子设备。如图1所示，该方法具体包括如下步骤：

s110，检测摄像头所拍摄当前图像中的第一车道线。

具体的，无人车在行驶过程中，车载摄像头持续获取车辆前方的图像，摄像头在拍摄到当前图像时，检测当前图像中的第一车道线，以获得第一车道线上各个点的坐标或者第一车道线消失点对应的俯仰角。

s120，基于第一车道线的检测结果，对世界坐标系与摄像头坐标系之间的初始变换矩阵进行优化。

其中，变换矩阵可以是能够反映世界坐标系与摄像头坐标系之间的映射关系的矩阵，变换矩阵乘以世界坐标系中某一点的坐标可以获得该点映射到摄像头坐标系中的坐标。

可选的，基于第一车道线的检测结果，对世界坐标系与摄像头坐标系之间的初始变换矩阵进行优化，可通过下述方式实施：根据世界坐标系与摄像头坐标系之间的初始变换矩阵，将地图上的车道线(具体指地图上的、拍摄当前图像时所在位置的车道线)投影到当前图像上，得到第二车道线；根据第一车道线和第二车道线在当前图像上的位置对初始变换矩阵进行优化，以使根据优化后的变换矩阵重新将地图上的车道线投影到当前图像上得到的新的第二车道线与第一车道线之间的距离，小于调整前的第二车道线与第一车道线之间的距离。

其中，地图是以世界坐标系为基准建立的。将地图上的车道线投影到当前图像上，得到第二车道线的实现方式可以是：根据地图对应的世界坐标系与摄像头坐标系之间的初始变换矩阵，将地图上的车道线上每个点投影到图像的像素上，由投影到的各像素构成第二车道线。示例性的，将地图上的车道线投影到当前图像上，得到第二车道线可通过下述公式实现：

其中，u、v为图像像素点坐标，x、y、z为世界坐标系坐标，p为世界坐标系与摄像头坐标系之间的变换矩阵。

具体的，地图上的车道线上的每个点具有基于世界坐标系的坐标，利用世界坐标系与摄像头坐标系之间的初始变化矩阵，可以将地图上车道线上的每个点的坐标转化为图像中基于摄像头坐标系的坐标，从而将地图上的车道线上每个点投影到图像的像素上，最后由投影到的各像素构成第二车道线。在获得第二车道线之后，根据第一车道线和第二车道线在当前图像上的位置对初始变化矩阵进行优化。

可选的，根据第一车道线和第二车道线在图像上的位置对初始变换矩阵进行优化，可通过下述方式实施：根据第一车道线和第二车道线在图像上的位置，确定第一车道线上设定数量的点到第二车道线的最短距离，基于最短距离确定第一损失函数；按照第一损失函数变小的方向对第二车道线的位置进行至少一次调整；根据至少一次调整后得到的新的第二车道线在当前图像上的位置、以及世界坐标系中车道线的位置，得到优化后的世界坐标系与摄像头坐标系之间的变换矩阵。

其中，第一车道线和第二车道线在图像上的位置可以由构成第一车道线和第二车道线的每个点的坐标来表征。基于最短距离确定第一损失函数的方式可以是将第一车道线上设定数量的点到第二车道线的最短距离进行求和。第一损失函数的表达式为：j＝sum((x1-x2)²+(y1-y2)²)^1/2，其中，(x1,y1)为第一车道线上的一个点，(x2,y2)为第二车道线上与(x1,y1)距离最小的点，((x1-x2)²+(y1-y2)²)^1/2表示这两点之间的距离，即(x1,y1)与第二车道线之间的最短距离，sum表示各最短距离进行求和计算。

按照第一损失函数变小的方向对第二车道线的位置进行至少一次调整的实现方式可以是：首先按照设定步长调整第二车道线上各点的坐标，具体可以调整第二车道线上的、与第一车道线上设定数量的点的距离最小的各点，在调整时可以将待调整的点的坐标与设定步长相加或相减，调整第二车道线上点的坐标之后，由调整后的各点重新形成新的第二车道线，进而根据第一车道线和新的第二车道线的位置，重新确定第一损失函数的值。然后判断重新确定的第一损失函数的值是变大还是变小，若变大，则本次调整无效，按照设定步长反方向调整第二车道线上各点的坐标(即若上次的无效调整是与步长相加，则本次调整是相减，若上次的无效调整是与步长相减，则本次调整是与步长相加)；若变小，则本次调整有效，按照设定步长同方向调整第二车道线上各点的坐标(即若上次的有效调整是与步长相加，则本次调整还是与步长相加，若上次的有效调整是与步长相减，则本次调整还是与步长相减)。当上述调整次数达到设定迭代次数或损失函数的取值小于设定阈值时，停止调整。最后一次调整后得到的各点的坐标构成最终的新的第二车道线，根据最终的新的第二车道线以及世界坐标系中车道线的位置，得到一个变化矩阵即为求取的优化的变化矩阵。

s130，根据优化后得到的变换矩阵获得当前图像中的目标物体的第一3d坐标，根据第一3d坐标确定目标物体的最终3d坐标。

具体的，在获得优化后的变换矩阵之后，根据目标物体在当前图像中的二维坐标与优化后的变换矩阵获取目标物体的第一3d坐标。

可选的，根据优化后得到的变换矩阵获得当前图像中的目标物体的第一3d坐标，可通过下述方式实施：根据优化后得到的变换矩阵的逆矩阵，将当前图像中的目标物体的二维坐标反向投影到世界坐标系中，得到目标物体的第一3d坐标。

其中，二维坐标可以是目标物体的2d框的底边上点的二维坐标，相应的第一3d坐标为目标物体的触地点的3d坐标。2d框可以根据现有算法自动获得。具体的，将变换矩阵的逆矩阵乘以当前图像中的目标物体的二维坐标，获得目标物体的第一3d坐标。示例性的，第一3d坐标可以利用如下计算公式获得：其中，u、v为图像像素点坐标，x、y、z为世界坐标系坐标，为优化后的变化矩阵的逆矩阵。

可选的，根据第一3d坐标确定目标物体的最终3d坐标包括：将第一3d坐标确定为目标物体的最终3d坐标；或者，将第一3d坐标与按照设定检测算法得到的目标物体的第二3d坐标进行比较，若比对结果不一致，则根据第一3d坐标对第二3d坐标进行修正，将修正后的第二3d坐标作为目标物体的最终3d坐标。

其中，设定检测算法可以是现有的基于视觉的检测算法。可选的，根据第一3d坐标对第二3d坐标进行修正，将修正后的第二3d坐标作为目标物体的最终3d坐标，可通过下述方式实施：基于第二3d坐标与第一3d坐标之间的差距确定第二损失函数；按照第二损失函数变小的方向对第二3d坐标进行至少一次调整；将至少一次调整后得到的第二3d坐标，确定为目标物体的最终3d坐标。

其中，第二3d坐标与第一3d坐标之间的差距可以是目标物体的触地点的第二3d坐标与第一3d坐标之间的差距，可以利用下述公式表示：d＝((x1-x2)²+(y1-y2)²+(z1-z2)²)^1/2，其中，(x1，y1，z1)为目标物体的其中一个触地点的第一3d坐标，(x2，y2，z2)为目标物体的该触地点的第二3d坐标，d为第二3d坐标与第一3d坐标之间的差距。确定第二损失函数的方式可以是对目标物体的设定数量的触地点的第二3d坐标与第一3d坐标之间的差距进行求和。

具体的，按照第二损失函数变小的方向对第二3d坐标进行至少一次调整的实现方式可以是：按照设定步长对第二3d坐标进行调整，在调整时可以将待调整的点的坐标与设定步长相加或相减，调整后重新确定第二损失函数的值。判断重新确定的第二损失函数的值是变大或是变小，若变大，则本次调整无效，重新按照设定步长对第二3d坐标进行反方向的调整(即若上次的无效调整是与步长相加，则本次调整是相减，若上次的无效调整是与步长相减，则本次调整是与步长相加)；若变小，则按照设定步长对第二3d坐标进行同方向的再次调整(即若上次的无效调整是与步长相加，则本次调整还是相加，若上次的无效调整是与步长相减，则本次调整还是与步长相减)。当上述调整次数达到设定迭代次数或第二损失函数的取值小于设定阈值时，停止调整。最后，将停止调整后得到的第二3d坐标确定为目标物体的最终3d坐标。

可选的，该方法还包括如下步骤：在每次对第二3d坐标进行调整后，获取当前图像中定位元素的3d位置坐标，若定位元素与摄像头的距离大于目标物体与摄像头的距离，则判断调整后的第二3d坐标是否小于定位元素的3d位置坐标，若是，则本次调整有效，否则，本次调整无效，重新对第二3d坐标进行反方向的调整；若定位元素与摄像头的距离小于目标物体与摄像头的距离，则判断调整后的第二3d坐标是否大于等于定位元素的3d位置坐标，若是，则本次调整有效，否则，本次调整无效，重新对第二3d坐标进行反方向的调整。

其中，定位元素可以包括交通标志牌、路灯、以及电线杆中的至少一个。本实施例中，若图像中定位元素在目标物体之上，则定位元素与摄像头的距离大于目标物体与摄像头的距离，若定位元素在目标物体之下，则定位元素与摄像头的距离小于目标物体与摄像头的距离。比较调整后的第二3d坐标与定位元素的3d坐标可以是比较两个3d坐标中纵坐标的大小。本实施例中，以定位元素为参考来调整第二3d坐标，可以提高3d坐标调整的准确性。

本实施例的技术方案，首先检测摄像头所拍摄当前图像中的第一车道线，然后基于第一车道线的检测结果，对世界坐标系与摄像头坐标系之间的初始变换矩阵进行优化，根据优化后得到的变换矩阵获得当前图像中的目标物体的第一3d坐标，根据第一3d坐标确定目标物体的最终3d坐标。本发明实施例提供的位置检测方法，利用优化后的变换矩阵获取图像中目标物体的第一3d坐标，然后根据第一3d坐标确定目标物体的最终3d坐标，可以提高无人车系统中检测目标物体比如障碍物的3d位置坐标的准确度。

实施例二

图2为本发明实施例二提供的一种位置检测方法的流程图，以上述实施为基础，基于第一车道线的检测结果，对世界坐标系与摄像头坐标系之间的初始变换矩阵进行优化，可通过下述方式实施：确定第一车道线消失点所对应的俯仰角，俯仰角是指摄像头的光轴与地平面之间的夹角；根据俯仰角和世界坐标系与摄像头坐标系之间的初始变换矩阵，得到优化后的世界坐标系与摄像头坐标系之间的变换矩阵。如图2所示，该方法具体包括如下步骤：

s210，检测摄像头所拍摄当前图像中的第一车道线。

s220，确定第一车道线消失点所对应的俯仰角。

其中，俯仰角是指摄像头的光轴与地平面之间的夹角。第一车道线消失点可以是两条车道线的交点。

可选的，获取第一车道线消失点所对应的俯仰角可以通过如下公式计算：y＝tan(pitch)*fy+cy，其中，y为第一车道线消失点对应的纵轴坐标值；pitch为第一车道线消失点所对应的俯仰角；fy为摄像头的焦距，cy为摄像头的感光单元上的像素大小。

s230，根据俯仰角以及世界坐标系与摄像头坐标系之间的初始变换矩阵，得到优化后的世界坐标系与摄像头坐标系之间的变换矩阵。

具体的，将初始的地图对应的世界坐标系与摄像头坐标系之间的变换矩阵中的俯仰角元素，替换为第一车道线消失点所对应的俯仰角，得到优化后的变换矩阵。

可选的，根据所述俯仰角以及世界坐标系与摄像头坐标系之间的初始变换矩阵，得到优化后的世界坐标系与摄像头坐标系之间的变换矩阵，可通过下述方式实施：根据在拍摄当前图像之前拍摄的历史图像上车道线消失点所对应的俯仰角，采用设定滤波算法对第一车道线消失点所对应的俯仰角进行平滑去噪；根据平滑去噪后得到的俯仰角以及世界坐标系与摄像头坐标系之间的初始变换矩阵，得到优化后的世界坐标系与摄像头坐标系之间的变换矩阵。

其中，设定滤波算法可以是卡尔波曼滤波或者直方图平滑滤波等算法。具体的，在获得多个历史图像上车道线消失点所对应的俯仰角后，根据多个历史俯仰角采用设定滤波算法对当前图像中的第一车道线消失点所对应的俯仰角进行平滑去噪，将初始的地图对应的世界坐标系与摄像头坐标系之间的变换矩阵中的俯仰角元素，替换为平滑去燥后得到的俯仰角，从而得到优化后的世界坐标系与摄像头坐标系之间的变换矩阵。

s240，根据优化后得到的变换矩阵获得当前图像中的目标物体的第一3d坐标，根据第一3d坐标确定目标物体的最终3d坐标。

本实施例的技术方案，根据俯仰角和世界坐标系与摄像头坐标系之间的初始变换矩阵，得到优化后的世界坐标系与摄像头坐标系之间的变换矩阵，根据优化后得到的变换矩阵获得当前图像中的目标物体的第一3d坐标，根据第一3d坐标确定目标物体的最终3d坐标，可以提高无人车系统中检测障碍物的3d位置坐标的准确度。

图3为本发明实施例二提供的另一种位置检测方法的流程图，作为对上述实施例的进一步解释，如图3所示，该方法包括如下步骤：

s310，检测摄像头所拍摄当前图像中的第一车道线，若检测的是第一车道线的位置坐标，则执行步骤320，若检测的是第一车道线消失点的俯仰角，则执行步骤350。

s320，根据世界坐标系与摄像头坐标系之间的初始变换矩阵，将地图上的车道线投影到当前图像上，得到第二车道线。

s330，根据第一车道线和第二车道线在图像上的位置，确定第一车道线上设定数量的点到第二车道线的最短距离，基于最短距离确定第一损失函数；按照第一损失函数变小的方向对第二车道线的位置进行至少一次调整。

s340，根据至少一次调整后得到的新的第二车道线在当前图像上的位置、以及世界坐标系中车道线的位置，得到优化后的世界坐标系与摄像头坐标系之间的变换矩阵。

s350，按照如下公式确定第一车道线消失点所对应的俯仰角：y＝tan(pitch)*fy+cy；根据在拍摄当前图像之前拍摄的历史图像上车道线消失点所对应的俯仰角，采用设定滤波算法对第一车道线消失点所对应的俯仰角进行平滑去噪。

s360，根据平滑去噪后得到的俯仰角以及世界坐标系与摄像头坐标系之间的初始变换矩阵，得到优化后的世界坐标系与摄像头坐标系之间的变换矩阵。

s370，根据优化后得到的变换矩阵的逆矩阵，将当前图像中的目标物体的二维坐标反向投影到世界坐标系中，得到目标物体的第一3d坐标。

s380，将第一3d坐标确定为目标物体的最终3d坐标；或者，将第一3d坐标与按照设定检测算法得到的目标物体的第二3d坐标进行比较，若比对结果不一致，则根据第一3d坐标对第二3d坐标进行修正，将修正后的第二3d坐标作为目标物体的最终3d坐标。

实施例三

图4为本发明实施例三提供的一种位置检测装置的结构示意图。如图4所示，该装置包括：第一车道线检测模块410，初始变换矩阵优化模块420和3d坐标确定模块430。

第一车道线检测模块410，用于检测摄像头所拍摄当前图像中的第一车道线；

初始变换矩阵优化模块420，用于基于第一车道线的检测结果，对世界坐标系与摄像头坐标系之间的初始变换矩阵进行优化；

3d坐标确定模块430，用于根据优化后得到的变换矩阵获得当前图像中的目标物体的第一3d坐标，根据第一3d坐标确定目标物体的最终3d坐标。

可选的，初始变换矩阵优化模块420，还用于：

根据世界坐标系与摄像头坐标系之间的初始变换矩阵，将地图上的车道线投影到当前图像上，得到第二车道线；

根据第一车道线和第二车道线在当前图像上的位置对初始变换矩阵进行优化，以使根据优化后的变换矩阵重新将地图上的车道线投影到当前图像上得到的新的第二车道线与第一车道线之间的距离，小于调整前的第二车道线与第一车道线之间的距离。

可选的，初始变换矩阵优化模块420，还用于：

根据第一车道线和第二车道线在图像上的位置，确定第一车道线上设定数量的点到第二车道线的最短距离，基于最短距离确定第一损失函数；

按照第一损失函数变小的方向对第二车道线的位置进行至少一次调整；

根据至少一次调整后得到的新的第二车道线在当前图像上的位置、以及世界坐标系中车道线的位置，得到优化后的世界坐标系与摄像头坐标系之间的变换矩阵。

可选的，初始变换矩阵优化模块420，还用于：

确定第一车道线消失点所对应的俯仰角，俯仰角是指摄像头的光轴与地平面之间的夹角；

根据俯仰角以及世界坐标系与摄像头坐标系之间的初始变换矩阵，得到优化后的世界坐标系与摄像头坐标系之间的变换矩阵。

可选的，初始变换矩阵优化模块420还用于：

根据在拍摄当前图像之前拍摄的历史图像上车道线消失点所对应的俯仰角，采用设定滤波算法对第一车道线消失点所对应的俯仰角进行平滑去噪；

根据平滑去噪后得到的俯仰角以及世界坐标系与摄像头坐标系之间的初始变换矩阵，得到优化后的世界坐标系与摄像头坐标系之间的变换矩阵。

可选的，按照如下公式确定第一车道线消失点所对应的俯仰角：

y＝tan(pitch)*fy+cy；

其中y为第一车道线消失点对应的纵轴坐标值；pitch为第一车道线消失点所对应的俯仰角；fy为摄像头的焦距，cy为摄像头的感光单元上的像素大小。

可选的，3d坐标确定模块430，还用于：

根据优化后得到的变换矩阵的逆矩阵，将当前图像中的目标物体的二维坐标反向投影到世界坐标系中，得到目标物体的第一3d坐标。

可选的，3d坐标确定模块430，还用于：

将第一3d坐标确定为目标物体的最终3d坐标；或者，

将第一3d坐标与按照设定检测算法得到的目标物体的第二3d坐标进行比较，若比对结果不一致，则根据第一3d坐标对第二3d坐标进行修正，将修正后的第二3d坐标作为目标物体的最终3d坐标。

可选的，3d坐标确定模块430，还用于：

基于第二3d坐标与第一3d坐标之间的差距确定第二损失函数；

按照第二损失函数变小的方向对第二3d坐标进行至少一次调整；

将至少一次调整后得到的第二3d坐标，确定为目标物体的最终3d坐标。

可选的，还包括：

定位元素3d坐标获取模块，用于在每次对第二3d坐标进行调整后，获取当前图像中定位元素的3d位置坐标，若定位元素与摄像头的距离大于目标物体与摄像头的距离，则判断调整后的第二3d坐标是否小于定位元素的3d位置坐标，若是，则本次调整有效，否则，本次调整无效，重新对第二3d坐标进行反方向的调整；

调整模块，用于当定位元素与摄像头的距离小于目标物体与摄像头的距离时，判断调整后的第二3d坐标是否大于等于定位元素的3d位置坐标，若是，则本次调整有效，否则，本次调整无效，重新对第二3d坐标进行反方向的调整。

可选的，定位元素包括交通标志牌、路灯、以及电线杆中的至少一个。

上述装置可执行本发明前述所有实施例所提供的方法，具备执行上述方法相应的功能模块和有益效果。未在本实施例中详尽描述的技术细节，可参见本发明前述所有实施例所提供的方法。

实施例四

图5为本发明实施例四提供的一种电子设备的结构示意图。图5示出了适于用来实现本发明实施方式的电子设备512的框图。图5显示的电子设备512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。设备512典型的是承担位置检测功能的计算设备。

如图5所示，电子设备512以通用计算设备的形式表现。电子设备512的组件可以包括但不限于：一个或者多个处理器516，存储装置528，连接不同系统组件(包括存储装置528和处理器516)的总线518。

总线518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(industrystandardarchitecture，isa)总线，微通道体系结构(microchannelarchitecture，mca)总线，增强型isa总线、视频电子标准协会(videoelectronicsstandardsassociation，vesa)局域总线以及外围组件互连(peripheralcomponentinterconnect，pci)总线。

电子设备512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电子设备512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。

存储装置528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(randomaccessmemory，ram)530和/或高速缓存存储器532。电子设备512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534可以用于读写不可移动的、非易失性磁介质(图5未显示，通常称为“硬盘驱动器”)。尽管图5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(例如只读光盘(compactdisc-readonlymemory，cd-rom)、数字视盘(digitalvideodisc-readonlymemory，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518相连。存储装置528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526的程序536，可以存储在例如存储装置528中，这样的程序模块526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526通常执行本发明所描述的实施例中的功能和/或方法。

电子设备512也可以与一个或多个外部设备514(例如键盘、指向设备、摄像头、显示器524等)通信，还可与一个或者多个使得用户能与该电子设备512交互的设备通信，和/或与使得该电子设备512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522进行。并且，电子设备512还可以通过网络适配器520与一个或者多个网络(例如局域网(localareanetwork，lan)，广域网wideareanetwork，wan)和/或公共网络，例如因特网)通信。如图所示，网络适配器520通过总线518与电子设备512的其它模块通信。应当明白，尽管图中未示出，可以结合电子设备512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、磁盘阵列(redundantarraysofindependentdisks，raid)系统、磁带驱动器以及数据备份存储系统等。

处理器516通过运行存储在存储装置528中的程序，从而执行各种功能应用以及数据处理，例如实现本发明上述实施例所提供的位置检测方法。

实施例五

本发明实施例五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实施例所提供的位置检测方法。

当然，本发明实施例所提供的一种计算机可读存储介质，其上存储的计算机程序不限于如上所述的方法操作，还可以执行本发明任意实施例所提供的位置检测方法中的相关操作。

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)。

进一步地，图6为本发明实施例五提供的一种车辆的结构示意图，如图6所示，该车辆包括车体610，上述实施例所述的电子设备620以及设置在车体上的摄像头630。

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。