一种更新车辆行驶状态的方法、装置、设备及存储介质与流程

1.本发明实施例涉及计算机技术领域，尤其涉及一种更新车辆行驶状态的方法、装置、设备及存储介质。


背景技术：

2.随着大数据、云计算、人工智能等新兴产业和科技革命的兴起，智能汽车俨然已经成为集机械、电气、计算机、信息、人工智能、人机工程等产业和学科的综合体。在自动驾驶或辅助驾驶场景下，如何实时更新智能汽车的行驶状态，以提高驾驶的安全性，成为至关重要的技术。
3.相关技术通过车载摄像头采集当前时刻车辆前方的车道线图像，然后根据车道线图像，确定车辆与车道线之间的位置关系。然而，车载摄像头的有效感知距离较短，且距离车载摄像头越远的位置点，其在车道线图像中对应的位置信息精度越低，故基于车载摄像头采集的当前时刻的车道线图像，确定车辆的行驶状态时，其准确性较低。


技术实现要素：

4.本技术实施例提供了一种更新车辆行驶状态的方法、装置、设备及存储介质，用于提高更新目标车辆的行驶状态的准确性。
5.一方面，本技术实施例提供了一种更新车辆行驶状态的方法，该方法包括：
6.获取图像采集设备采集的n帧视觉感知图像，所述n帧视觉感知图像包含同一参考车道线，n为大于1的正整数；
7.从每帧视觉感知图像中，获取所述参考车道线上的一个第一参考位置点，其中，每个第一参考位置点与目标车辆之间的位置关系满足预设条件；
8.基于获得的各个第一参考位置点、所述各个第一参考位置点与所述目标车辆之间的位置关系以及地图数据，确定所述目标车辆在地图坐标系中的目标位置信息；
9.基于所述目标位置信息对所述目标车辆的行驶状态进行更新，获得第一行驶状态。
10.一方面，本技术实施例提供了一种更新车辆行驶状态的装置，该装置包括：
11.获取模块，用于获取图像采集设备采集的n帧视觉感知图像，所述n帧视觉感知图像包含同一参考车道线，n为大于1的正整数；
12.提取模块，用于从每帧视觉感知图像中，获取所述参考车道线上的一个第一参考位置点，其中，每个第一参考位置点与目标车辆之间的位置关系满足预设条件；
13.定位模块，用于基于获得的各个第一参考位置点、所述各个第一参考位置点与所述目标车辆之间的位置关系以及地图数据，确定所述目标车辆在地图坐标系中的目标位置信息；
14.更新模块，用于基于所述目标位置信息对所述目标车辆的行驶状态进行更新，获得第一行驶状态。
15.可选地，所述定位模块具体用于：
16.将获得的n个第一参考位置点进行曲线拟合，获得目标车道线曲线；
17.对所述目标车道线曲线进行重采样，获得m个重采样后的第一参考位置点，m为大于1且小于等于n的正整数；
18.基于所述m个重采样后的第一参考位置点、所述m个重采样后的第一参考位置点与所述目标车辆之间的位置关系以及地图数据，确定所述目标车辆在地图坐标系中的目标位置信息；
19.可选地，所述定位模块具体用于：
20.将所述m个重采样后的第一参考位置点与地图数据匹配，获得所述m个重采样后的第一参考位置点各自在所述地图数据中对应的第二参考位置点，以及各个第二参考位置点在地图坐标系中的参考位置信息；
21.基于获得的各个参考位置信息，以及所述m个重采样后的第一参考位置点与所述目标车辆之间的位置关系，确定所述目标车辆在所述地图坐标系中的目标位置信息。
22.可选地，所述更新模块具体用于：
23.获取所述图像采集设备对应的第一观测矩阵以及第一观测噪声协方差；
24.基于所述第一观测矩阵和所述目标车辆上一次更新的历史位置信息，确定所述目标车辆的预测位置信息；
25.基于所述目标车辆上一次更新的历史行驶状态协方差、所述第一观测矩阵以及所述第一观测噪声协方差，确定第一增益矩阵；
26.根据所述第一增益矩阵、所述目标位置信息以及所述预测位置信息，对所述目标车辆的行驶状态进行更新，获得第一行驶状态。
27.可选地，所述更新模块还用于：
28.基于所述第一增益矩阵、所述第一观测矩阵以及所述第一观测噪声协方差，对所述历史行驶状态协方差进行更新。
29.可选地，所述更新模块还用于：
30.基于所述第一增益矩阵、所述第一观测矩阵以及所述第一观测噪声协方差，对所述历史行驶状态协方差进行更新之后，获取所述目标车辆上的车载定位设备采集的目标定位坐标，以及所述车载定位设备对应的第二观测矩阵和第二观测噪声协方差；
31.基于所述第二观测矩阵和所述目标车辆上一次更新的历史定位坐标，确定所述目标车辆的预测定位坐标；
32.基于所述历史行驶状态协方差、第二观测矩阵以及所述第二观测噪声协方差，确定第二增益矩阵；
33.根据所述第二增益矩阵、所述目标定位坐标以及所述预测定位坐标，对所述第一行驶状态进行更新，获得第二行驶状态。
34.可选地，所述更新模块还用于：
35.基于所述第二增益矩阵、所述第二观测矩阵以及所述第二观测噪声协方差，对所述历史行驶状态协方差进行更新。
36.可选地，所述更新模块还用于：
37.基于所述第一增益矩阵、所述第一观测矩阵以及所述第一观测噪声协方差，对所
述历史行驶状态协方差进行更新之后，获取所述目标车辆上的速度传感器采集的目标速度信息，以及所述速度传感器对应的第三观测矩阵和第三观测噪声协方差；
38.基于所述第三观测矩阵和所述目标车辆上一次更新的历史速度信息，确定所述目标车辆的预测速度信息；
39.基于所述历史行驶状态协方差、所述第三观测矩阵以及所述第三观测噪声协方差，确定第三增益矩阵；
40.根据所述第三增益矩阵、所述目标速度信息以及所述预测速度信息，对所述第一行驶状态进行更新，获得第三行驶状态。
41.可选地，所述更新模块还用于：
42.基于所述第三增益矩阵、所述第三观测矩阵以及所述第三观测噪声协方差，对所述历史行驶状态协方差进行更新。
43.可选地，所述更新模块还用于：
44.基于所述第一增益矩阵、所述第一观测矩阵以及所述第一观测噪声协方差，对所述历史行驶状态协方差进行更新之后，获取所述目标车辆上的车载惯导设备采集的加速度信息，以及所述车载惯导设备对应的第四观测噪声协方差；
45.基于所述加速度信息、上一次更新的历史状态转移矩阵以及所述第一行驶状态，预测所述目标车辆的第四行驶状态；
46.基于所述历史状态转移矩阵、上一次更新的历史状态转移协方差以及所述第四观测噪声协方差，对所述历史行驶状态协方差进行更新。
47.本技术实施例提供了一种计算机设备，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上述更新车辆行驶状态的方法的步骤。
48.本技术实施例提供了一种计算机可读存储介质，其存储有可由计算机设备执行的计算机程序，当所述程序在计算机设备上运行时，使得所述计算机设备执行上述更新车辆行驶状态的方法的步骤。
49.本技术实施例中，采集包含同一参考车道线的多帧视觉感知图像，然后从每帧视觉感知图像中获取参考车道线上的一个第一参考位置点，其中，每个第一参考位置点与目标车辆之间的位置关系满足预设条件，相较于摄像头采集的单帧视觉感知图像来说，获得的多个第一参考位置点不受摄像头的有效感知距离的限制，保证了多个第一参考位置点的位置信息的准确性，故基于获得的各个第一参考位置点确定目标车辆在地图坐标系中的目标位置信息，并基于目标位置信息对目标车辆的行驶状态进行更新时，可以有效提高更新目标车辆的行驶状态的准确性。
附图说明
50.为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简要介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域的普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
51.图1为本技术实施例提供的一种系统架构示意图；
52.图2为本技术实施例提供的一种更新车辆行驶状态的方法的流程示意图；
53.图3为本技术实施例提供的一种图像采集设备的示意图；
54.图4为本技术实施例提供的一种第一参考位置点的示意图；
55.图5为本技术实施例提供的一种缓存第一参考位置点方法的流程示意图；
56.图6为本技术实施例提供的一种地图界面的示意图；
57.图7为本技术实施例提供的一种系统架构示意图；
58.图8为本技术实施例提供的一种系统架构示意图；
59.图9为本技术实施例提供的一种更新车辆行驶状态的方法的流程示意图；
60.图10a为本技术实施例提供的一种车辆位置的示意图；
61.图10b为本技术实施例提供的一种车辆位置的示意图；
62.图11为本技术实施例提供的一种更新车辆行驶状态的装置的结构示意图；
63.图12为本技术实施例提供的一种计算机设备的结构示意图；
64.图13为本技术实施例提供的一种分布式系统的结构示意图；
65.图14为本技术实施例提供的一种区块的结构示意图。
具体实施方式
66.为了使本发明的目的、技术方案及有益效果更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
67.为了方便理解，下面对本发明实施例中涉及的名词进行解释。
68.自动驾驶技术通常包括高精地图、环境感知、行为决策、路径规划、运动控制等技术，自定驾驶技术有着广泛的应用前景。
69.车道线：用来指示车辆在路口驶入段应按所指方向行驶。在车流大的交通路口一般画有此类标线，目的就是明确行车方向，各行其道，减缓交通压力，车道线包括白色虚线、白色实线、导向指示线、减速提示线等。
70.电子地平线：在车前方一定距离的道路几何和属性信息。
71.曲线拟合：由给定的离散数据点，建立数据关系(数学模型)，通过优化方法求出一条合适的参数曲线，使得该曲线整体上逼近给定的离散数据点。只要插值点的间隔选择得当，就可以形成一条光滑的曲线。
72.下面对本技术实施例的设计思想进行介绍。
73.在自动驾驶或辅助驾驶场景下，如何实时更新智能汽车的行驶状态，以提高驾驶的安全性，成为至关重要的技术。相关技术通过车载摄像头采集当前时刻车辆前方的车道线图像，然后根据车道线图像，确定车辆与车道线之间的位置关系。然而，车载摄像头的有效感知距离较短，且距离车载摄像头越远的位置点，其在车道线图像中对应的位置信息精度越低，故基于车载摄像头采集的当前时刻的车道线图像，确定车辆的行驶状态时，其准确性较低。
74.考虑到车载摄像头采集的车道线图像中，距离车辆较近的位置点的精度较高，若采用多帧车道线图像中距离车辆较近的车道线位置点表征车道线，将有效提高车道线的位置信息精度，进而提高更新车辆行驶状态的正确性。
75.鉴于此，本技术实施例提供了一种更新车辆行驶状态的方法，在该方法中，首先获取图像采集设备采集的n帧视觉感知图像，其中，n帧视觉感知图像包含同一参考车道线，n为大于1的正整数。然后从每帧视觉感知图像中，获取参考车道线上的一个第一参考位置点，其中，每个第一参考位置点与目标车辆之间的位置关系满足预设条件。基于获得的各个第一参考位置点、各个第一参考位置点与目标车辆之间的位置关系以及地图数据，确定目标车辆在地图坐标系中的目标位置信息。再基于目标位置信息对目标车辆的行驶状态进行更新，获得第一行驶状态。
76.本技术实施例中，采集包含同一参考车道线的多帧视觉感知图像，然后从每帧视觉感知图像中获取参考车道线上的一个第一参考位置点，其中，每个第一参考位置点与目标车辆之间的位置关系满足预设条件，相较于摄像头采集的单帧视觉感知图像来说，获得的多个第一参考位置点不受摄像头的有效感知距离的限制，保证了多个第一参考位置点的位置信息的准确性，故基于获得的各个第一参考位置点确定目标车辆在地图坐标系中的目标位置信息，并基于目标位置信息对目标车辆的行驶状态进行更新时，可以有效提高更新目标车辆的行驶状态的准确性。
77.参考图1，其为本技术实施例适用的一种系统架构图，该系统架构至少包括终端设备101和服务器102。
78.终端设备101预先安装用于更新车辆行驶状态功能的目标应用。目标应用可以是预先安装的客户端应用、网页版应用、小程序等。终端设备101可以是导航设备、自动驾驶设备、智能手机、平板电脑、车载设备、笔记本电脑、台式计算机、智能音箱等，但并不局限于此。
79.在一个或多个实施例中，终端设备101为嵌入在车辆中的设备，可以是导航设备、自动驾驶设备、智能手机、平板电脑、笔记本电脑、台式计算机、智能音箱等，但并不局限于此。
80.服务器102为目标应用对应的后台服务器，为目标应用提供服务。服务器102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，还可以是提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、内容分发网络(content delivery network，cdn)、以及大数据和人工智能平台等基础云计算服务的云服务器。终端设备101与服务器102可以通过有线或无线通信方式进行直接或间接地连接，本技术在此不做限制。
81.更新车辆行驶状态的方法可以由终端设备101执行，也可以由服务器102执行，还可以由终端设备101与服务器102交互执行。
82.第一种情况，更新车辆行驶状态的方法由终端设备101执行。
83.终端设备101获取图像采集设备采集的n帧视觉感知图像，其中，n帧视觉感知图像包含同一参考车道线，n为大于1的正整数。然后从每帧视觉感知图像中，获取参考车道线上的一个第一参考位置点，其中，每个第一参考位置点与目标车辆之间的位置关系满足预设条件。基于获得的各个第一参考位置点、各个第一参考位置点与目标车辆之间的位置关系以及地图数据，确定目标车辆在地图坐标系中的目标位置信息。再基于目标位置信息对目标车辆的行驶状态进行更新，获得第一行驶状态。终端设备101在显示界面中展示目标车辆的第一行驶状态。
84.第二种情况，更新车辆行驶状态的方法由服务器102执行。
85.终端设备101获取图像采集设备采集的n帧视觉感知图像，其中，n帧视觉感知图像包含同一参考车道线，n为大于1的正整数。终端设备101将n帧视觉感知图像发送至服务器102。服务器102从每帧视觉感知图像中，获取参考车道线上的一个第一参考位置点，其中，每个第一参考位置点与目标车辆之间的位置关系满足预设条件。基于获得的各个第一参考位置点、各个第一参考位置点与目标车辆之间的位置关系以及地图数据，确定目标车辆在地图坐标系中的目标位置信息。再基于目标位置信息对目标车辆的行驶状态进行更新，获得第一行驶状态。服务器102将目标车辆的第一行驶状态发送至车载终端101，终端设备101在显示界面中展示目标车辆的第一行驶状态。
86.更新车辆行驶状态的方法还可以由终端设备101与服务器102交互执行，此处不再赘述。
87.基于图1所示的系统架构图，本技术实施例提供了一种更新车辆行驶状态的方法的流程，如图2所示，该方法的流程由可以由计算机设备执行，计算机设备可以是终端设备101或服务器102，包括以下步骤：
88.步骤s201，获取图像采集设备采集的n帧视觉感知图像。
89.具体地，图像采集设备可以是相机、摄像头等视觉传感器，图像采集设备可以安装在目标车辆的车头、车位、顶部等位置。示例性地，如图3所示，车辆301的车头安装有摄像头302。图像采集设备也可以直接嵌入在目标车辆中，比如车载相机、车载摄像头等。
90.视觉感知图像可以包括一条或多条车道线，n帧视觉感知图像可以是图像采集设备连续采集的n帧图像，也可以是从图像采集设备采集的多张图像中抽取的n帧图像，抽取间隔可以是固定值，也可以是随机的，n为大于1的正整数。n帧视觉感知图像包含同一参考车道线，参考车道线可以是视觉感知图像中任意一条车道线，一帧视觉感知图像中可以包括一条或多条参考车道线。
91.步骤s202，从每帧视觉感知图像中，获取参考车道线上的一个第一参考位置点。
92.具体地，第一参考位置点与目标车辆之间的位置关系包括第一参考位置点与目标车辆之间的横向偏移距离、纵向偏移距离、直线距离等。每个第一参考位置点与目标车辆之间的位置关系满足预设条件，其中，预设条件可以是距离最小，或者距离小于预设阈值等。
93.图像采集设备的自身特征会导致视觉感知图像中参考车道线的位置精度不均匀，即距离车头距离越远，其位置精度越低。因此，若第一参考位置点与目标车辆之间的位置关系满足第一参考位置点与目标车辆之间的距离最小时，则可以获得每帧视觉感知图像中的参考车道线上位置精度最高的参考位置点。利用n帧视觉感知图像中位置精度最高的参考位置点可以有效弥补图像采集设备因探测距离不同带来的精度不均问题。
94.举例来说，如图4所示，设定视觉感知图像包括车道线1和车道线2，车道线1上距离目标车辆最近的位置点为位置点m，车道线2上距离目标车辆最近的位置点为位置点n。将位置点m作为车道线1上的第一参考位置点，将位置点n作为车道线2上的第一参考位置点。
95.终端设备每获得一帧视觉感知图像后，先确定视觉感知图像中的参考车道线，一帧视觉感知图像中可以包括一条或多条参考车道线。针对每条参考车道线，从该参考车道线上获取距离目标车辆最近的第一参考位置点，然后将第一参考位置点进行缓存，同一参考车道线的第一参考位置点对应缓存。
96.终端设备也可以在连续获取多帧视觉感知图像后，分别从多帧视觉感知图像中获取同一参考车道线的第一参考位置点，然后将同一参考车道线的第一参考位置点对应缓存。在对目标车辆的行驶状态进行更新时，可以选择最近缓存的n个第一参考位置点。利用缓存技术可以大幅扩展每次参与地图匹配的视觉感知数据的有效范围，提高匹配精度。
97.举例来说，如图5所示，设定终端设备在第一时刻获取车载相机采集的视觉感知图像a，视觉感知图像a中包括车道线1、车道线2和车道线3。从车道线1中提取第一参考位置点a1，从车道线2中提取第一参考位置点a2，从车道线3中提取第一参考位置点a3。将第一参考位置点a1、第一参考位置点a2和第一参考位置点a3分别缓存。
98.终端设备在第二时刻获取车载相机采集的视觉感知图像b，视觉感知图像b中包括车道线1、车道线2和车道线3。从车道线1中提取第一参考位置点b1，从车道线2中提取第一参考位置点b2，从车道线3中提取第一参考位置点b3。将第一参考位置点a1和第一参考位置点b1对应缓存，第一参考位置点a2和第一参考位置点b2对应缓存，第一参考位置点a3和第一参考位置点b3分别缓存。
99.终端设备在第三时刻获取车载相机采集的视觉感知图像c，视觉感知图像c中包括车道线1、车道线2和车道线3。从车道线1中提取第一参考位置点c1，从车道线2中提取第一参考位置点c2，从车道线3中提取第一参考位置点c3。将第一参考位置点a1、第一参考位置点b1和第一参考位置点c1对应缓存，第一参考位置点a2、第一参考位置点b2和第一参考位置点c2对应缓存，第一参考位置点a3、第一参考位置点b3和第一参考位置点c3分别缓存。依次类推。
100.若车载相机后续采集的视觉感知图像不存在车道线1，则停止缓存车道线1上的第一参考位置点，同理，车载相机后续采集的视觉感知图像不存在车道线2或车道线3，则停止缓存车道线2或车道线3上的第一参考位置点。
101.若车载相机后续采集的视觉感知图像新增了车道线4，则按照相同的方式开始缓存车道线4上的第一参考位置点。
102.步骤s203，基于获得的各个第一参考位置点、各个第一参考位置点与目标车辆之间的位置关系以及地图数据，确定目标车辆在地图坐标系中的目标位置信息。
103.具体地，获得的各个第一参考位置点可以用于表征参考车道线，结合地图数据可以将参考车道线映射至地图坐标系中，之后再基于各个第一参考位置点与目标车辆之间的位置关系，可以确定目标车辆在地图坐标系中的目标位置信息，目标位置信息可以表示为x＝(x，y，theta)，其中，x表示在地图坐标系下的正东方向位置，y表示在地图坐标系下的正北方向位置，theta表示在地图坐标系下的航向角，航向角表示正北方向的顺时针夹角。
104.步骤s204，基于目标位置信息对目标车辆的行驶状态进行更新，获得第一行驶状态。
105.具体地，基于目标位置信息对目标车辆上一次更新的历史行驶状态进行更新，获得第一行驶状态。目标车辆的行驶状态包括目标车辆的位置信息、速度信息、加速度信息等。举例来说，目标车辆的行驶状态可以表示为x＝(x，y，v
x
，vy，theta)，其中，x表示在地图坐标系下的正东方向位置，y表示在地图坐标系下的正北方向位置，v
x
表示在地图坐标系下的正东方向速度，vy表示在地图坐标系下的正北方向速度，theta表示在地图坐标系下的航向角。
106.终端设备在获得目标车辆的第一行驶状态之后，将第一行驶状态叠加到地图中进行实时渲染，并在显示界面中展示渲染结果。
107.举例来说，设定终端设备确定目标车辆的第一行驶状态为(x1，y1，v
x1
，v
y1
，theta1)，将第一行驶状态叠加到地图中进行实时渲染，获得的渲染结果如图6所示，包括目标车辆在地图中的位置，以及目标车辆当前的速度和航向角。
108.本技术实施例中，采集包含同一参考车道线的多帧视觉感知图像，然后从每帧视觉感知图像中获取参考车道线上的一个第一参考位置点，其中，每个第一参考位置点与目标车辆之间的位置关系满足预设条件，相较于摄像头采集的单帧视觉感知图像来说，获得的多个第一参考位置点不受摄像头的有效感知距离的限制，保证了多个第一参考位置点的位置信息的准确性，故基于获得的各个第一参考位置点确定目标车辆在地图坐标系中的目标位置信息，并基于目标位置信息对目标车辆的行驶状态进行更新时，可以有效提高更新目标车辆的行驶状态的准确性。
109.可选地，在上述步骤s203中，将获得的各个第一参考位置点与地图数据匹配，获得各个第一参考位置点各自在地图数据中对应的第二参考位置点，以及各个第二参考位置点在地图坐标系中的参考位置信息。然后基于获得的各个参考位置信息，以及各个第一参考位置点与目标车辆之间的位置关系，确定目标车辆在地图坐标系中的目标位置信息。
110.具体地，获得的各个第一参考位置点为车辆坐标系中的参考位置点，车辆坐标系表示以车辆为原点的坐标系。通过电子地平线方式获取高精度的地图数据。基于车辆坐标系与地图坐标系之间的映射关系，将各个第一参考位置点与地图数据匹配，获得各个第一参考位置点各自在地图数据中对应的第二参考位置点，以及各个第二参考位置点在地图坐标系中的参考位置信息。第一参考位置点与目标车辆之间的位置关系包括在车辆坐标系中，第一参考位置点与目标车辆之间的横向偏移距离、纵向偏移距离、直线距离等。
111.本技术实施例中，分别从包含同一参考车道线的多帧视觉感知图像中获得参考车道线的第一参考位置点，然后采用多个第一参考位置点表征参考车道线，相较于采用一帧视觉感知图像中的参考车道线来说，多个第一参考位置点表征的参考车道线不受摄像头的有效感知距离的限制，从而提高了参考车道线的位置的准确性，故后续基于获得的多个第一参考位置点与地图数据匹配，确定目标车辆在地图坐标系中的目标位置信息时，可以有效提高定位目标车辆在地图坐标系中的目标位置信息的准确性。
112.可选地，由于多个第一参考位置点是分别从多帧视觉感知图像中提取的，而图像采集设备在采集不同的视觉感知图像时，可能存在位置偏差或抖动，从而使获得的多个第一参考位置点之间不够平滑，存在毛刺点。
113.鉴于此，本技术实施例中，将获得的n个第一参考位置点进行曲线拟合，获得目标车道线曲线，然后对目标车道线曲线进行重采样，获得m个重采样后的第一参考位置点，m为大于1且小于等于n的正整数。再基于m个重采样后的第一参考位置点、m个重采样后的第一参考位置点与目标车辆之间的位置关系以及地图数据，确定目标车辆在地图坐标系中的目标位置信息。
114.具体地，可以采用菲涅尔曲线、贝塞尔曲线等曲线，对获得的n个第一参考位置点进行曲线拟合，获得目标车道线曲线。重采样表示对目标车道线曲线进行离散化，重采样间隔可以根据实际需求进行设置。之后再采用m个重采样后的第一参考位置点与地图数据匹
配，获得m个重采样后的第一参考位置点各自在地图数据中对应的第二参考位置点，以及各个第二参考位置点在地图坐标系中的参考位置信息。基于获得的各个参考位置信息，以及m个重采样后的第一参考位置点与目标车辆之间的位置关系，确定目标车辆在地图坐标系中的目标位置信息。
115.本技术实施例中，利用曲线拟合技术对从多帧视觉感知图像中提取的第一参考位置点进行平滑滤波，去除毛刺点，从而提升匹配地图数据以及定位目标车辆在地图坐标系中的目标位置信息的准确性。
116.可选地，在上述步骤s204中，可以采用卡尔曼滤波技术或者扩展卡尔曼滤波技术，对目标车辆的行驶状态进行更新，获得第一行驶状态。
117.具体地，获取图像采集设备对应的第一观测矩阵以及第一观测噪声协方差。然后基于第一观测矩阵和目标车辆上一次更新的历史位置信息，确定目标车辆的预测位置信息。再基于目标车辆上一次更新的历史行驶状态协方差、第一观测矩阵以及第一观测噪声协方差，确定第一增益矩阵。根据第一增益矩阵、目标位置信息以及预测位置信息，对目标车辆的行驶状态进行更新，获得第一行驶状态。第一观测矩阵可以为观测雅各比矩阵。
118.具体地，第一观测矩阵以及第一观测噪声协方差与图像采集设备的自身特性相关。基于目标车辆上一次更新的历史行驶状态协方差、第一观测矩阵以及第一观测噪声协方差，确定第一增益矩阵，具体如以下公式(1)所示：
119.k1＝p1
k-1
*c
′1/(c1*p1
k-1
*c
′1+r1)
…………………
(1)
120.其中，k1表示第一增益矩阵，p1
k-1
表示目标车辆上一次更新的历史行驶状态协方差，c1表示第一观测矩阵，c
′1表示第一观测矩阵的转置矩阵，r1表示第一观测噪声协方差。
121.根据第一增益矩阵、目标位置信息以及预测位置信息，对目标车辆的行驶状态进行更新，获得第一行驶状态，具体如以下公式(2)所示：
122.x1
′k＝x1
′
k-1
+k1*(y1
k-y1)
…………………
(2)
123.其中，k1表示第一增益矩阵，x1
′k表示第一行驶状态，x1
′
k-1
表示目标车辆上一次更新的车辆的历史行驶状态，y1k表示目标位置信息，y1表示预测位置信息。
124.可选地，在对目标车辆的行驶状态进行更新，获得第一行驶状态之后，基于第一增益矩阵、第一观测矩阵以及第一观测噪声协方差，对历史行驶状态协方差进行更新，具体如以下公式(3)所示：
125.p1k＝(i-k1*c1)p1
k-1
*(i-k1*c1)
′
+k1*r1*k
′1………
(3)
126.其中，p1k表示更新后的历史行驶状态协方差，k1表示第一增益矩阵，k
′1表示第一增益矩阵的转置矩阵。
127.本技术实施例中，采用卡尔曼滤波技术或者扩展卡尔曼滤波技术，对目标车辆的行驶状态进行实时更新，提高了车辆行驶状态的更新效率和精度。
128.可选地，对目标车辆的行驶状态进行更新，获得第一行驶状态，并基于第一增益矩阵、第一观测矩阵以及第一观测噪声协方差，对历史行驶状态协方差进行更新之后，本技术实施例中可以基于下一时刻获得的n个第一参考位置点，确定目标车辆下一时刻在地图坐标系中的目标位置信息，并基于目标车辆下一时刻在地图坐标系中的目标位置信息，对目标车辆的第一行驶状态进行更新。本技术实施例中也可采用其他定位数据采集设备采集的数据对第一行驶状态进行更新，具体包括以下几种实施方式：
129.实施方式一、获取目标车辆上的车载定位设备采集的目标定位坐标，以及车载定位设备对应的第二观测矩阵和第二观测噪声协方差。然后基于第二观测矩阵和目标车辆上一次更新的历史定位坐标，确定目标车辆的预测定位坐标。再基于历史行驶状态协方差、第二观测矩阵以及第二观测噪声协方差，确定第二增益矩阵。之后再根据第二增益矩阵、目标定位坐标以及预测定位坐标，对第一行驶状态进行更新，获得第二行驶状态。
130.具体地，车载定位设备可以是全球导航卫星系统(global navigation satellite system，简称gnss)，例如：全球定位系统(global positioning system，简称gps)、北斗定位系统、格洛纳斯系统等。车载定位设备可以安装于目标车辆的顶部，用于实时接收卫星信号输出目标定位坐标，目标定位坐标可以表示为w＝(x，y)，其中，x表示在地图坐标系下的正东方向位置，y表示在地图坐标系下的正北方向位置，第二观测矩阵和第二观测噪声协方差与车载定位设备的定位性能相关。
131.基于历史行驶状态协方差、第二观测矩阵以及第二观测噪声协方差，确定第二增益矩阵，具体如以下公式(4)所示：
132.k2＝p1k*c
′2/(c2*p1k*c
′2+r2)
…………………
(4)
133.其中，k2表示第二增益矩阵，p1k表示目标车辆上一次更新的历史行驶状态协方差，c2表示第二观测矩阵，c
′2表示第二观测矩阵的转置矩阵，r2表示第二观测噪声协方差。
134.根据第二增益矩阵、目标定位坐标以及预测定位坐标，对第一行驶状态进行更新，获得第二行驶状态，具体如以下公式(5)所示：
135.x2
′k＝x1
′k+k2*(y2
k-y2)
…………………
(5)
136.其中，k2表示第二增益矩阵，x1
′k表示第一行驶状态，x2
′k表示目标车辆的第二行驶状态，y2k表示目标定位坐标，y2表示预测定位坐标。
137.可选地，根据第二增益矩阵、目标定位坐标以及预测定位坐标，对第一行驶状态进行更新，获得第二行驶状态之后，基于第二增益矩阵、第二观测矩阵以及第二观测噪声协方差，对历史行驶状态协方差进行更新，具体如以下公式(6)所示：
138.p2k＝(i-k2*c2)p1k*(i-k2*c2)
′
+k2*r2*k
′2………
(6)
139.其中，p2k表示更新后的历史行驶状态协方差，k2表示第二增益矩阵，k
′2表示第二增益矩阵的转置矩阵。
140.实施方式二、获取目标车辆上的速度传感器采集的目标速度信息，以及速度传感器对应的第三观测矩阵和第三观测噪声协方差。然后基于第三观测矩阵和目标车辆上一次更新的历史速度信息，确定目标车辆的预测速度信息。再基于历史行驶状态协方差、第三观测矩阵以及第三观测噪声协方差，确定第三增益矩阵。之后再根据第三增益矩阵、目标速度信息以及预测速度信息，对第一行驶状态进行更新，获得第三行驶状态。
141.具体地，速度传感器可以是车身can总线，目标速度信息可以是轮速数据，比如，四个轮速的加权平均值，或者某一个车轮的轮速等。目标速度信息可以表示为k＝[v]，其中，v
x
表示在地图坐标系下的正东方向速度，vy表示在地图坐标系下的正北方向速度。第三观测矩阵和第三观测噪声协方差与速度传感器的性能相关。
[0142]
基于历史行驶状态协方差、第三观测矩阵以及第三观测噪声协方差，确定第三增益矩阵，具体如以下公式(7)所示：
[0143]
k3＝p1k*c
′3/(c3*p1k*c
′3+r3)
…………………
(7)
[0144]
其中，k3表示第三增益矩阵，p1k表示目标车辆上一次更新的历史行驶状态协方差，c3表示第三观测矩阵，c
′3表示第三观测矩阵的转置矩阵，r3表示第三观测噪声协方差。
[0145]
根据第三增益矩阵、目标速度信息以及预测速度信息，对第一行驶状态进行更新，获得第三行驶状态，具体如以下公式(8)所示：
[0146]
x3
′k＝x1
′k+k3*(y3
k-y3)
…………………
(8)
[0147]
其中，k3表示第三增益矩阵，x1
′k表示第一行驶状态，x3
′k表示目标车辆的第三行驶状态，y3k表示目标速度信息，y3表示预测速度信息。
[0148]
可选地，根据第二增益矩阵、目标定位坐标以及预测定位坐标，对第一行驶状态进行更新，获得第二行驶状态之后，基于第三增益矩阵、第三观测矩阵以及第三观测噪声协方差，对历史行驶状态协方差进行更新，具体如以下公式(9)所示：
[0149]
p3k＝(i-k3*c3)p1k*(i-k3*c3)
′
+k3*r3*k
′3………
(9)
[0150]
其中，p3k表示更新后的历史行驶状态协方差，k3表示第三增益矩阵，k
′3表示第三增益矩阵的转置矩阵。
[0151]
实施方式三、获取目标车辆上的车载惯导设备采集的加速度信息，以及车载惯导设备对应的第四观测噪声协方差。然后基于加速度信息、上一次更新的历史状态转移矩阵以及第一行驶状态，预测目标车辆的第四行驶状态。再基于历史状态转移矩阵、上一次更新的历史状态转移协方差以及第四观测噪声协方差，对历史行驶状态协方差进行更新。
[0152]
具体地，车载惯导设备可以是惯性传感器(inertial measurement unit，简称imu)，用于检测目标车辆的加速度信息，加速度信息可以表示为j＝(accx，accy，omega)，其中，accx表示正东方向的加速度，accy表示正北方向的加速度，omega表示角加速度。第四观测噪声协方差与车载惯导设备的性能相关。状态转移矩阵可以是状态转移雅各比矩阵。
[0153]
基于加速度信息、上一次更新的历史状态转移矩阵以及第一行驶状态，预测目标车辆的第四行驶状态，具体如以下公式(10)所示：
[0154]
x4
′k＝a
k-1
x1
′k+b
k-1
*j
…………………
(10)
[0155]
其中，x4
′k表示目标车辆的第三行驶状态，x1
′k表示第一行驶状态，a
k-1
表示上一次更新的历史状态转移矩阵，b
k-1
表示输入雅各比矩阵，j表示加速度信息。
[0156]
基于历史状态转移矩阵、上一次更新的历史状态转移协方差以及第四观测噪声协方差，对历史行驶状态协方差进行更新，具体如以下公式(11)所示：
[0157]
p4k＝a
k-1
p1k*(a
k-1
)
′
+b
k-1
*n*b
′
k-1
+q
………
(11)
[0158]
其中，p4k表示更新后的历史行驶状态协方差，n表示第四观测噪声协方差，q表示状态转移过程噪声协方差。
[0159]
本技术实施例中，通过多种车载传感器采集定位数据，并针对每种车载传感器采集的数据制定不同的车辆行驶状态更新方案，从而提高了车辆行驶状态更新的时效性和准确性。
[0160]
为了更好的解释本技术实施例，下面结合具体的实施场景描述本技术实施例提供的一种更新车辆行驶状态的方法的流程。
[0161]
首先介绍系统架构，如图7所示，包括定位数据采集设备701、定位模块702、地图调用模块703以及定位结果显示模块704，其中，定位数据采集设备701位于目标车辆，定位模
块702、地图调用模块703以及定位结果显示模块704可以位于同一设备，也可以是位于不同的设备，另外，定位模块702、地图调用模块703以及定位结果显示模块704可以均位于终端设备，也可以均位于服务器，还可以一部分位于终端设备，一部分位于服务器，对此，本技术不做具体限定。
[0162]
进一步地，如图8所示，定位数据采集设备701包括车载惯导设备、全球导航卫星系统、车载摄像头、车身can总线。
[0163]
车载惯导设备是安装在车后备箱内的惯性传感器，用于实时感知车身的加速度信息供定位模块702使用。
[0164]
全球导航卫星系统安装在车辆顶部的传感器，用于实时接收卫星信号输出定位坐标供定位模块702使用。
[0165]
车载摄像头是安装在车辆前挡风玻璃上的视觉传感器，用于实时识别路面上的车道线等交通要素图像并输出给定位模块702使用。
[0166]
车身can总线是安装在车身上总线的can总线接收设备，用于实时读取车辆当前的车轮轮速、方向盘转角等信息供定位模块702使用。
[0167]
定位模块702利用车载惯导设备、全球导航卫星系统、车载摄像头、车身can总线采集的定位数据以及地图调用模块703中的地图数据，更新车辆的行驶状态，然后输出定位结果(包括：车辆相对于地图的坐标位置和速度姿态等信息)至定位显示模块704进行展示。
[0168]
地图调用模块703用于加载电子地平线系统发出的高精地图数据，根据输入的坐标位置查询并返回周围小范围的地图数据给定位模块702使用。
[0169]
定位显示模块704用于显示地图和实时车辆定位轨迹，该模块接收定位模块702输出的实时定位坐标，叠加到地图上进行实时渲染，从而展示和验证定位的效果。
[0170]
下面具体介绍定位模块702利用车载惯导设备、全球导航卫星系统、车载摄像头、车身can总线采集的定位数据以及地图调用模块703中的地图数据，更新车辆的行驶状态的过程，如图9所示，包括以下步骤：
[0171]
步骤s901，初始化系统状态。
[0172]
具体地，车辆的行驶状态可以表示为x＝(x，y，v_x，v_y，theta)，其中，x表示在地图坐标系下的正东方向位置，y表示在地图坐标系下的正北方向位置，v_x表示在地图坐标系下的正东方向速度，v_y表示在地图坐标系下的正北方向速度，theta表示在地图坐标系下的航向角。加速度信息可以表示为j＝(accx，accy，omega)，其中，accx表示正东方向的加速度，accy表示正北方向的加速度，omega表示角加速度。
[0173]
设定车辆的初始行驶状态x＝x0，初始行驶状态协方差p＝p0。初始状态转移雅各比矩阵为a0＝[1，0，1，0，0；0，1，0，1，0；0，0，1，0，0；0，0，0，1，0；0，0，0，0，1]；初始输入雅各比矩阵为b0＝[0，0，0；0，0，0；1，0，0；0，1，0；0，0，1]；初始观测噪声协方差矩阵为n＝[0.1，0，0；0，0.1，0；0，0，0.1]；初始状态转移过程噪声协方差矩阵为q＝[0.1，0，0，0，0；0，0.1，0，0，0；0，0，0.1，0，0；0，0，0，0.1，0；0，0，0，0，0.1]。
[0174]
步骤s902，读取定位数据采集设备701采集的定位数据。
[0175]
步骤s903，判断定位数据采集设备701是否为车载惯导设备，若是，则执行步骤s904，否则执行步骤s906。
[0176]
步骤s904，基于车载惯导设备采集的加速度信息预测车辆的当前行驶状态。
[0177]
具体地，获取目标车辆上的车载惯导采集的加速度信息j＝(accx，accy，omega)，以及车载惯导对应的观测噪声协方差。然后基于加速度信息、上一次更新的历史状态转移矩阵、上一次更新的历史行驶状态以及输入雅各比矩阵，预测目标车辆的当前行驶状态。再基于历史状态转移矩阵、上一次更新的历史状态转移协方差以及观测噪声协方差，对历史行驶状态协方差进行更新。
[0178]
步骤s905，输出车辆的当前行驶状态至定位显示模块704进行显示。
[0179]
在执行s905之后，返回执行步骤s902。
[0180]
步骤s906，判断定位数据采集设备701是否为全球导航卫星系统，若是，则执行步骤s907，否则执行步骤s909。
[0181]
步骤s907，基于全球导航卫星系统采集的车辆的定位坐标对车辆的行驶状态进行更新。
[0182]
具体地，获取车辆上的全球导航卫星系统采集的目标定位坐标，以及车载定位设备对应的观测雅各比矩阵和观测噪声协方差，然后基于观测雅各比矩阵和目标车辆上一次更新的历史定位坐标，确定目标车辆的预测定位坐标。再基于历史行驶状态协方差、观测雅各比矩阵以及观测噪声协方差，确定增益矩阵。之后再根据增益矩阵、目标定位坐标以及预测定位坐标，对车辆的行驶状态进行更新，获得车辆的当前行驶状态。基于增益矩阵、观测矩阵以及观测噪声协方差，对历史行驶状态协方差进行更新。
[0183]
其中，目标定位坐标可以表示为w＝(x，y)，其中，x表示在地图坐标系下的正东方向位置，y表示在地图坐标系下的正北方向位置。观测雅各比矩阵可以为c＝[1，0，0，0，0；0，1，0，0，0]，观测噪声协方差可以为r＝[std_lon2，std_lat2]，其中，std_lon表示经度协方差，std_lat表示纬度协方差。
[0184]
步骤s908，输出车辆的当前行驶状态至定位显示模块704进行显示。
[0185]
在执行s908之后，返回执行步骤s902。
[0186]
步骤s909，判断定位数据采集设备701是否为车身can总线，若是，则执行步骤s910，否则执行步骤s912。
[0187]
步骤s910，基于车身can总线采集的车辆的目标速度信息对车辆的行驶状态进行更新。
[0188]
具体地，获取车辆上的车身can总线采集的目标速度信息，以及速度传感器对应的观测雅各比矩阵和观测噪声协方差。然后基于观测雅各比矩阵和目标车辆上一次更新的历史速度信息，确定目标车辆的预测速度信息。再基于历史行驶状态协方差、观测雅各比矩阵以及观测噪声协方差，确定增益矩阵。之后再根据增益矩阵、目标速度信息以及预测速度信息，对车辆的行驶状态进行更新，获得车辆的当前行驶状态。基于增益矩阵、观测矩阵以及观测噪声协方差，对历史行驶状态协方差进行更新。
[0189]
其中，目标速度信息可以表示为k＝[v]，其中，v
x
表示在地图坐标系下的正东方向速度，vy表示在地图坐标系下的正北方向速度。观测雅各比矩阵可以为c＝[0，0，v
x
/rho，vy/rho，0]，观测噪声协方差可以为r＝[0.1]。
[0190]
步骤s911，输出车辆的当前行驶状态至定位显示模块704进行显示。
[0191]
在执行s911之后，返回执行步骤s902。
[0192]
步骤s912，判断定位数据采集设备701是否为车载摄像头，若是，则执行步骤s913，否则执行步骤s902。
[0193]
步骤s913，基于车载摄像头采集的n帧视觉感知图像对车辆的行驶状态进行更新。
[0194]
具体地，从每帧视觉感知图像中，获取参考车道线上的一个第一参考位置点。将获得的n个第一参考位置点进行曲线拟合，获得目标车道线曲线，然后对目标车道线曲线进行重采样，获得m个重采样后的第一参考位置点。将获得的各个第一参考位置点与地图数据匹配，获得各个第一参考位置点各自在地图数据中对应的第二参考位置点，以及各个第二参考位置点在地图坐标系中的参考位置信息。然后基于获得的各个参考位置信息，以及各个第一参考位置点与目标车辆之间的位置关系，确定目标车辆在地图坐标系中的目标位置信息。目标位置信息可以表示为x＝(x，y，theta)，其中，x表示在地图坐标系下的正东方向位置，y表示在地图坐标系下的正北方向位置，theta表示在地图坐标系下的航向角，航向角表示正北方向的顺时针夹角。
[0195]
获取车载摄像头对应的观测雅各比矩阵和观测噪声协方差，然后基于观测雅各比矩阵和车辆上一次更新的历史位置信息，确定车辆的预测位置信息。再基于车辆上一次更新的历史行驶状态协方差、观测雅各比矩阵以及观测噪声协方差，确定增益矩阵。根据增益矩阵、目标位置信息以及预测位置信息，对车辆的行驶状态进行更新，获得车辆的当前行驶状态。基于增益矩阵、观测雅各比矩阵以及观测噪声协方差，对历史行驶状态协方差进行更新。
[0196]
其中，观测雅各比矩阵的可以为c＝[1，0，0，0，0；0，1，0，0，0；0，0，0，0，1]，观测噪声协方差的可以为r＝[0.2，0，0；0，0.2，0；0，0，0.2]。
[0197]
步骤s914，输出车辆的当前行驶状态至定位显示模块704进行显示。
[0198]
在执行s914之后，返回执行步骤s902。
[0199]
可选地，定位显示模块704展示车辆的当前行驶状态后，驾驶员或者终端设备中的自动驾驶模块可以基于车辆的当前行驶状态调整车辆的位置、姿态或速度等。
[0200]
示例性地，设定定位显示模块704展示的车辆的当前位置如图10a所示，由图10a可知，车辆当前位置与左侧车道线非常接近，而此时并没有进行变道操作，故驾驶员或者自动驾驶模块可以在控制车辆向前行驶的过程中，控制车辆远离左车道线，直到车辆的位置位于两侧车道线中间，具体如图10b所示。
[0201]
需要说明的是，本技术实施例中更新车辆行驶状态的方法的应用场景并不仅限于自动驾驶或辅助驾驶场景，还可以应用于地图导航、车联网、车路协同、智慧交通等场景，对此，本技术不做具体限定。
[0202]
本技术实施例中，采集包含同一参考车道线的多帧视觉感知图像，然后从每帧视觉感知图像中获取参考车道线上的一个第一参考位置点，其中，每个第一参考位置点与目标车辆之间的位置关系满足预设条件，相较于摄像头采集的单帧视觉感知图像来说，获得的多个第一参考位置点不受摄像头的有效感知距离的限制，保证了多个第一参考位置点的位置信息的准确性，故基于获得的各个第一参考位置点确定目标车辆在地图坐标系中的目标位置信息，并基于目标位置信息对目标车辆的行驶状态进行更新时，可以有效提高更新获得的目标车辆的行驶状态的准确性。通过多种车载传感器采集定位数据，并针对每种车载传感器采集的数据制定不同的车辆行驶状态更新方案，从而提高了车辆行驶状态更新的
时效性和准确性。
[0203]
基于相同的技术构思，本技术实施例提供了一种更新车辆行驶状态的装置，如图11所示，该装置1100包括：
[0204]
获取模块1101，用于获取图像采集设备采集的n帧视觉感知图像，所述n帧视觉感知图像包含同一参考车道线，n为大于1的正整数；
[0205]
提取模块1102，用于从每帧视觉感知图像中，获取所述参考车道线上的一个第一参考位置点，其中，每个第一参考位置点与目标车辆之间的位置关系满足预设条件；
[0206]
定位模块1103，用于基于获得的各个第一参考位置点、所述各个第一参考位置点与所述目标车辆之间的位置关系以及地图数据，确定所述目标车辆在地图坐标系中的目标位置信息；
[0207]
更新模块1104，用于基于所述目标位置信息对所述目标车辆的行驶状态进行更新，获得第一行驶状态。
[0208]
可选地，所述定位模块1103具体用于：
[0209]
将获得的各个第一参考位置点与地图数据匹配，获得所述各个第一参考位置点各自在所述地图数据中对应的第二参考位置点，以及各个第二参考位置点在地图坐标系中的参考位置信息；
[0210]
基于获得的各个参考位置信息，以及各个第一参考位置点与所述目标车辆之间的位置关系，确定所述目标车辆在所述地图坐标系中的目标位置信息。
[0211]
可选地，所述定位模块1103还用于：
[0212]
基于获得的各个第一参考位置点、所述各个第一参考位置点与所述目标车辆之间的位置关系以及地图数据，确定所述目标车辆在地图坐标系中的目标位置信息之前，将获得的n个第一参考位置点进行曲线拟合，获得目标车道线曲线；
[0213]
对所述目标车道线曲线进行重采样，获得m个重采样后的第一参考位置点，m为大于1且小于等于n的正整数。
[0214]
可选地，所述更新模块1104具体用于：
[0215]
获取所述图像采集设备对应的第一观测矩阵以及第一观测噪声协方差；
[0216]
基于所述第一观测矩阵和所述目标车辆上一次更新的历史位置信息，确定所述目标车辆的预测位置信息；
[0217]
基于所述目标车辆上一次更新的历史行驶状态协方差、所述第一观测矩阵以及所述第一观测噪声协方差，确定第一增益矩阵；
[0218]
根据所述第一增益矩阵、所述目标位置信息以及所述预测位置信息，对所述目标车辆的行驶状态进行更新，获得第一行驶状态。
[0219]
可选地，所述更新模块1104还用于：
[0220]
基于所述第一增益矩阵、所述第一观测矩阵以及所述第一观测噪声协方差，对所述历史行驶状态协方差进行更新。
[0221]
可选地，所述更新模块1104还用于：
[0222]
基于所述第一增益矩阵、所述第一观测矩阵以及所述第一观测噪声协方差，对所述历史行驶状态协方差进行更新之后，获取所述目标车辆上的车载定位设备采集的目标定位坐标，以及所述车载定位设备对应的第二观测矩阵和第二观测噪声协方差；
[0223]
基于所述第二观测矩阵和所述目标车辆上一次更新的历史定位坐标，确定所述目标车辆的预测定位坐标；
[0224]
基于所述历史行驶状态协方差、第二观测矩阵以及所述第二观测噪声协方差，确定第二增益矩阵；
[0225]
根据所述第二增益矩阵、所述目标定位坐标以及所述预测定位坐标，对所述第一行驶状态进行更新，获得第二行驶状态。
[0226]
可选地，所述更新模块1104还用于：
[0227]
基于所述第二增益矩阵、所述第二观测矩阵以及所述第二观测噪声协方差，对所述历史行驶状态协方差进行更新。
[0228]
可选地，所述更新模块1104还用于：
[0229]
基于所述第一增益矩阵、所述第一观测矩阵以及所述第一观测噪声协方差，对所述历史行驶状态协方差进行更新之后，获取所述目标车辆上的速度传感器采集的目标速度信息，以及所述速度传感器对应的第三观测矩阵和第三观测噪声协方差；
[0230]
基于所述第三观测矩阵和所述目标车辆上一次更新的历史速度信息，确定所述目标车辆的预测速度信息；
[0231]
基于所述历史行驶状态协方差、所述第三观测矩阵以及所述第三观测噪声协方差，确定第三增益矩阵；
[0232]
根据所述第三增益矩阵、所述目标速度信息以及所述预测速度信息，对所述第一行驶状态进行更新，获得第三行驶状态。
[0233]
可选地，所述更新模块1104还用于：
[0234]
基于所述第三增益矩阵、所述第三观测矩阵以及所述第三观测噪声协方差，对所述历史行驶状态协方差进行更新。
[0235]
可选地，所述更新模块1104还用于：
[0236]
基于所述第一增益矩阵、所述第一观测矩阵以及所述第一观测噪声协方差，对所述历史行驶状态协方差进行更新之后，获取所述目标车辆上的车载惯导采集的加速度信息，以及所述车载惯导对应的第四观测噪声协方差；
[0237]
基于所述加速度信息、上一次更新的历史状态转移矩阵以及所述第一行驶状态，预测所述目标车辆的第四行驶状态；
[0238]
基于所述历史状态转移矩阵、上一次更新的历史状态转移协方差以及所述第四观测噪声协方差，对所述历史行驶状态协方差进行更新。
[0239]
基于相同的技术构思，本技术实施例提供了一种计算机设备，如图12所示，包括至少一个处理器1201，以及与至少一个处理器连接的存储器1202，本技术实施例中不限定处理器1201与存储器1202之间的具体连接介质，图12中处理器1201和存储器1202之间通过总线连接为例。总线可以分为地址总线、数据总线、控制总线等。
[0240]
在本技术实施例中，存储器1202存储有可被至少一个处理器1201执行的指令，至少一个处理器1201通过执行存储器1202存储的指令，可以执行上述更新车辆行驶状态的方法的步骤。
[0241]
其中，处理器1201是计算机设备的控制中心，可以利用各种接口和线路连接计算机设备的各个部分，通过运行或执行存储在存储器1202内的指令以及调用存储在存储器
1202内的数据，从而更新车辆行驶状态。可选的，处理器1201可包括一个或多个处理单元，处理器1201可集成应用处理器和调制解调处理器，其中，应用处理器主要处理操作系统、用户界面和应用程序等，调制解调处理器主要处理无线通信。可以理解的是，上述调制解调处理器也可以不集成到处理器1201中。在一些实施例中，处理器1201和存储器1202可以在同一芯片上实现，在一些实施例中，它们也可以在独立的芯片上分别实现。
[0242]
处理器1201可以是通用处理器，例如中央处理器(cpu)、数字信号处理器、专用集成电路(application specific integrated circuit，asic)、现场可编程门阵列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处理器执行完成，或者用处理器中的硬件及软件模块组合执行完成。
[0243]
存储器1202作为一种非易失性计算机可读存储介质，可用于存储非易失性软件程序、非易失性计算机可执行程序以及模块。存储器1202可以包括至少一种类型的存储介质，例如可以包括闪存、硬盘、多媒体卡、卡型存储器、随机访问存储器(random access memory，ram)、静态随机访问存储器(static random access memory，sram)、可编程只读存储器(programmable read only memory，prom)、只读存储器(read only memory，rom)、带电可擦除可编程只读存储器(electrically erasable programmable read-only memory，eeprom)、磁性存储器、磁盘、光盘等等。存储器1202是能够用于携带或存储具有指令或数据结构形式的期望的程序代码并能够由计算机存取的任何其他介质，但不限于此。本技术实施例中的存储器1202还可以是电路或者其它任意能够实现存储功能的装置，用于存储程序指令和/或数据。
[0244]
基于同一发明构思，本技术实施例提供了一种计算机可读存储介质，其存储有可由计算机设备执行的计算机程序，当程序在计算机设备上运行时，使得所述计算机设备执行上述更新车辆行驶状态的方法的步骤。
[0245]
本技术实施例涉及的系统可以是由客户端、多个节点(接入网络中的任意形式的计算机设备，如本技术实施例中的服务器和终端设备)通过网络通信的形式连接形成的分布式系统。
[0246]
以分布式系统为区块链系统为例，参见图13，图13是本发明实施例提供的分布式系统1300应用于区块链系统的一个可选的结构示意图，由多个节点1301(接入网络中的任意形式的计算机设备，如本技术实施例中的服务器和终端设备)和客户端1302形成，节点之间形成组成的点对点(p2p，peer to peer)网络，p2p协议是一个运行在传输控制协议(tcp，transmission control protocol)之上的应用层协议。在分布式系统中，任何机器如服务器和终端设备都可以加入而成为节点，节点包括硬件层、中间层、操作系统层和应用层。
[0247]
参见图13示出的区块链系统中各节点的功能，涉及的功能包括：
[0248]
1)路由，节点具有的基本功能，用于支持节点之间的通信。
[0249]
节点除具有路由功能外，还可以具有以下功能：
[0250]
2)应用，用于部署在区块链中，根据实际业务需求而实现特定业务，记录实现功能相关的数据形成记录数据，在记录数据中携带数字签名以表示任务数据的来源，将记录数据发送到区块链系统中的其他节点，供其他节点在验证记录数据来源以及完整性成功时，
将记录数据添加到临时区块中。具体业务可以是本技术实施例中的更新车辆行驶状态。
[0251]
3)区块链，包括一系列按照产生的先后时间顺序相互接续的区块(block)，新区块一旦加入到区块链中就不会再被移除，区块中记录了区块链系统中节点提交的记录数据。
[0252]
参见图14，图14是本发明实施例提供的区块结构(block structure)一个可选的示意图，每个区块中包括本区块存储交易记录的哈希值(本区块的哈希值)、以及前一区块的哈希值，各区块通过哈希值连接形成区块链。另外，区块中还可以包括有区块生成时的时间戳等信息。区块链(blockchain)，本质上是一个去中心化的数据库，是一串使用密码学方法相关联产生的数据块，每一个数据块中包含了相关的信息，用于验证其信息的有效性(防伪)和生成下一个区块。
[0253]
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、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。
[0254]
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。
[0255]
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。
[0256]
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。
[0257]
尽管已描述了本发明的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例作出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。
[0258]
显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。