高精度定位方法、数据处理装置、车辆和存储介质与流程

1.本发明涉及换电泊车技术领域，并且更具体地涉及一种用于换电泊车的高精度定位方法、数据处理装置、车辆和计算机存储介质。


背景技术：

2.由于泊车场景普遍具有高复杂性和低速限行特点，因此高精度的车辆定位一直是智能泊车领域的技术难点，尤其对于换电泊车场景而言，车辆定位准确性将直接影响换电成功率。若定位不准确，不仅会降低换电站的工作效率，还将可能引起车辆损伤的风险。


技术实现要素：

3.为了解决或至少缓解以上问题中的一个或多个，提供了以下技术方案。
4.按照本发明的第一方面，提供一种用于换电泊车的高精度定位方法，包括：a、基于车辆状态信息，根据航位推算确定运动坐标系下的车辆位姿；b、基于推算出的车辆位姿以及图像坐标系与运动坐标系之间的变换关系，从缓存的全景图像中提取当前时刻的车辆底盘区域图像并与当前全景图像进行拼接，以生成超全景图；以及c、基于所述超全景图中的定位标识和换电站高精度地图中的定位标识的匹配关系修正所述推算出的车辆位姿，以获得车辆位姿的最优估计值。
5.作为以上方案的替代或补充，根据本发明一实施例的方法还包括：d、利用所述车辆位姿的最优估计值代替所述推算出的车辆位姿以用于所述超全景图的拼接步骤，以获取经修正的超全景图。
6.作为以上方案的替代或补充，根据本发明一实施例的方法还包括：e、利用所述经修正的超全景图代替所述超全景图以用于所述定位标识的识别。
7.作为以上方案的替代或补充，在根据本发明一实施例的方法中，步骤a包括：a1、获取当前时刻的车辆状态信息，所述车辆状态信息包括以下各项中的一项或多项：轮速、挡位、方向盘转角、电机转动方向、滑移率；a2、基于所述车辆状态信息计算运动坐标系下的车辆初步位姿；以及a3、根据航位推算，确定t时刻所述运动坐标系下的车辆位姿。
8.作为以上方案的替代或补充，在根据本发明一实施例的方法中，步骤b包括：b1、获取由各车辆图像传感器采集的图像信息并对其进行图像处理，以生成以车辆为中心的全景图像；b2、按照预定的规则缓存所述全景图像；b3、基于t时刻到t+1时刻的车辆运动坐标的变换关系、图像坐标系与运动坐标系之间的变换关系，确定t时刻到t+1时刻的车辆图像坐标的变换关系；以及b4、基于t时刻到t+1时刻的车辆图像坐标的变换关系，将缓存的t时刻全景图像中的相应像素填充至t+1时刻的全景图像中的盲区，以获得包括车辆底盘区域的t+1时刻的超全景图。
9.作为以上方案的替代或补充，在根据本发明一实施例的方法中，按照预定的规则缓存所述全景图像包括：若对于当前时刻的全景图像中盲区的预选填充区域的图像清晰度
小于或等于第一阈值、或者图像畸变率大于或等于第二阈值，则缓存所述当前时刻的全景图像；；或基于推算出的当前时刻的车辆位姿确定所述换电站高精度地图中的感兴趣区域，若所述感兴趣区域包括定位标识，则缓存所述当前时刻的全景图像。
10.作为以上方案的替代或补充，在根据本发明一实施例的方法中，步骤c包括：c1、基于所述匹配关系计算世界坐标系下的车辆位姿；以及c2、以根据航位推算得到的车辆位姿作为状态预测量，以基于所述匹配关系得到的车辆位姿作为状态观测量，基于卡尔曼滤波算法获得车辆位姿的最优估计值。
11.作为以上方案的替代或补充，在根据本发明一实施例的方法中，步骤c1包括：通过图像识别算法识别超全景图中的所述定位标识；确定所述车辆在所述图像坐标系下的第一位姿与所述定位标识在所述图像坐标系下的第二位姿之间的相对位置关系；确定所述定位标识在世界坐标系下的第三位姿；以及基于所述相对位置关系、所述第三位姿、以及所述图像坐标系与所述世界坐标系之间的变换关系，计算所述车辆在所述世界坐标系下的第四位姿。
12.根据本发明的第二方面，提供一种用于换电泊车的高精度定位的数据处理装置，包括：存储器；处理器；以及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述计算机程序的运行使得下列步骤被执行：a、基于车辆状态信息，根据航位推算确定运动坐标系下的车辆位姿；b、基于推算出的车辆位姿以及图像坐标系与运动坐标系之间的变换关系，从缓存的全景图像中提取当前时刻的车辆底盘区域图像并与当前全景图像进行拼接，以生成当前时刻的超全景图；以及c、基于所述超全景图中的定位标识和换电站高精度地图中的定位标识的匹配关系修正所述推算出的车辆位姿，以获得车辆位姿的最优估计值。
13.作为以上方案的替代或补充，在根据本发明一实施例的装置中，所述计算机程序的运行还使得下列步骤被执行：d、利用所述车辆位姿的最优估计值代替所述推算出的车辆位姿以用于所述超全景图的拼接步骤，以获取经修正的超全景图。
14.作为以上方案的替代或补充，在根据本发明一实施例的装置中，所述计算机程序的运行还使得下列步骤被执行：e、利用所述经修正的超全景图代替所述超全景图以用于所述定位标识的识别。
15.根据本发明的第三方面，提供一种车辆，包括如上所述的数据处理装置中的任意一项。
16.根据本发明的第四方面，提供一种计算机存储介质，所述计算机存储介质包括指令，所述指令在运行时执行根据本发明第一方面所述的方法中的任意一项。
17.一方面，根据本发明的一个或多个实施例的高精度定位方案能够基于推算出的车辆位姿以及不同坐标系之间的变换关系，从缓存的历史全景图像中提取当前时刻的全景图像中的盲区图像，从而获得无盲区的超全景图。该方案在获得车辆周围环境信息的同时通过迭代拼接的方式获取车辆底盘区域的全部信息，从而提高了泊车的安全性。
18.另一方面，根据本发明的一个或多个实施例基于超全景图中的定位标识和换电站高精度地图中的定位标识的匹配关系来修正车辆位姿以及超全景图的拼接效果，并将经修正的超全景图反馈至超全景图中的定位标识的识别过程，实现了循环的闭环控制，从而进一步提高了换电泊车的定位精度，以便完成高精度的泊车路径规划与控制执行。
附图说明
19.本发明的上述和/或其它方面和优点将通过以下结合附图的各个方面的描述变得更加清晰和更容易理解，附图中相同或相似的单元采用相同的标号表示。在所述附图中：图1为按照本发明的一个或多个实施例的用于换电泊车的高精度定位方法10的流程图；以及图2为按照本发明的一个实施例的用于换电泊车的高精度定位的数据处理装置20的示意性框图。
具体实施方式
20.以下具体实施方式的描述本质上仅仅是示例性的，并且不旨在限制所公开的技术或所公开的技术的应用和用途。此外，不意图受在前述技术领域、背景技术或以下具体实施方式中呈现的任何明示或暗示的理论的约束。
21.在实施例的以下详细描述中，阐述了许多具体细节以便提供对所公开技术的更透彻理解。然而，对于本领域普通技术人员显而易见的是，可以在没有这些具体细节的情况下实践所公开的技术。在其他实例中，没有详细描述公知的特征，以避免不必要地使描述复杂化。
22.诸如“包含”和“包括”之类的用语表示除了具有在说明书中有直接和明确表述的单元和步骤以外，本发明的技术方案也不排除具有未被直接或明确表述的其它单元和步骤的情形。诸如“第一”和“第二”之类的用语并不表示单元在时间、空间、大小等方面的顺序而仅仅是作区分各单元之用。
23.需要说明的是，在本发明的上下文中，术语“世界坐标系”指的是系统的绝对坐标系，也即换电站高精度地图所在的坐标系。术语“运动坐标系”指的是针对一特定时刻而言，将车辆在该时刻之前的历史时刻（例如，前一时刻）的位置到车辆在该时刻的位置的方向作为车辆在该时刻的y轴正方向，将水平面上垂直于y轴正方向的方向确定为x轴正方向，以该历史时刻车辆中的某一点为原点（例如，车辆的质心）建立的坐标系。术语“图像坐标系”指的是在图像平面上以图像中的某一点为原点建立的坐标系。下文中所述的“图像坐标系”是以全景图像的左上角为原点建立的图像坐标系。
24.在下文中，将参考附图详细地描述根据本发明的各示例性实施例。
25.图1为按照本发明的一个或多个实施例的用于换电泊车的高精度定位方法10的流程图。
26.如图1所示，在步骤s110中，基于车辆状态信息，根据航位推算确定运动坐标系下的车辆位姿。示例性地，车辆位姿包括车辆的位置和方向信息。
27.可选地，在步骤s110中，首先获取车辆状态信息。示例性地，可以通过can总线获取由各车载传感器（例如，毫米波雷达、激光雷达、单\双目摄像头、以及卫星导航）采集的车辆状态信息。示例性地，车辆状态信息也可以来自于车辆中的控制器（例如,电子控制单元ecu）或云服务器等。示例性地，上述车辆状态信息包括以下各项中的一项或多项：轮速、挡位、方向盘转角、电机转动方向、滑移率。
28.可选地，基于上述车辆状态信息计算运动坐标系下的车辆初步位姿。如上文中所提到的，运动坐标系是以历史时刻车辆中的某一点为原点（例如，车辆的质心）
建立的坐标系，示例性地，以当前时刻的前一时刻（例如，前1秒）的车辆质心所在位置为原点建立该运动坐标系。以此方式，基于获取到的当前时刻的车辆状态信息，可以计算当前时刻运动坐标系下的车辆初步位姿。
29.可选地，根据航位推算，确定任意时刻运动坐标系下的车辆位姿。航位推算能够在知道当前时刻车辆位姿的条件下，通过测量车辆移动的距离和方位，推算下一时刻的车辆位姿。以这种方式，在已获得车辆初步位姿的情况下，可以通过航位推算计算任意t时刻运动坐标系下的车辆位姿以及t+i时刻运动坐标系下的车辆位姿，其中i=
±
1，
±
2，
…
,
±
n，并且n的值可根据期望的推算精度确定，n越小，推算精度越高。具体的车辆位姿推算过程可以是基于本领域已知的航位推算方法，在此不作为重点进行详细介绍。
30.如图1所示，在步骤s120中，基于推算出的车辆位姿以及图像坐标系与运动坐标系之间的变换关系，从缓存的全景图像中提取当前时刻的车辆底盘区域图像并与当前全景图像进行拼接，以生成超全景图，具体包括以下步骤s121-s124。
31.步骤s121：获取由各车辆图像传感器采集的图像信息并对其进行图像处理，以生成以车辆为中心的全景图像。示例性地，该车辆图像传感器可以是分别设置在车辆的前侧、后侧、左侧、右侧的四个环视摄像头和/或雷达。环视摄像头可以是全景鱼眼摄像头。应理解，在本技术的实施例中，相机、镜头、摄像机、摄像头等均表示可以获取覆盖范围内的图像或影像的设备，其含义类似，且可以互换，本技术对此不做限制。示例性地，可以对各环视摄像头采集的图像信息进行相应的图像处理，包括但不限于去畸变、配准、色彩亮度校正、截取、图像融合等，并生成以车辆为中心的360
°
全景图像。需要注意的是，该360
°
全景图像存在未填充有效像素的车辆底盘区域，也即，车底盲区。
32.步骤s122：按照预定的规则缓存全景图像。由于在实现超全景图的拼接过程中需要缓存历史全景图像，然而实时缓存图像将会带来较大的资源开销，因此有必要预先制定好自适应缓存策略，以便能够降低图像缓存所引起的资源消耗并且降低后续图像处理的难度。
33.可选地，可以根据360
°
全景图像本身的参数或特性与后续定位标识的识别成功率、或车辆最终定位精度之间的关联性制定缓存策略。虽然上述关联性难以直接测量得到，但是本技术的发明人经过深入研究后发现，可以例如通过机器学习的方式或依据车辆状态信息预估出对于当前时刻全景图像的盲区的预选填充区域（也即，缓存的全景图像中的对应区域），并且该预选填充区域的图像清晰度、图像畸变率与定位标识的识别成功率具有强相关性。示例性地，若该预选填充区域的图像清晰度小于或等于第一阈值、或者畸变率大于或等于第二阈值，则缓存当前时刻的全景图像。
34.可选地，还可以基于推算出的当前时刻的车辆位姿确定换电站高精度地图中的感兴趣区域，并依据感兴趣区域是否包括定位标识来判断是否缓存当前时刻的全景图像。具体而言，若感兴趣区域包括定位标识，则缓存当前时刻的全景图像。需要注意的是，上述感兴趣区域的划定可以基于预先设置的经验值范围，例如，以世界坐标系中的车辆位置为圆心、以5米为半径划定该感兴趣区域。
35.需要说明的是，本文中所述的预设的值（例如，第一阈值、感兴趣区域的半径等）的数值范围可根据实际需求进行设置，不限于本实施例所示的数值范围。
36.步骤s123：基于t时刻到t+1时刻的车辆运动坐标的变换关系、图像坐标系与运动坐标系之间的变换关系，确定t时刻到t+1时刻的车辆图像坐标的变换关系。
37.下面将以当前时刻（t+1时刻）全景图像上车辆中心点（也即，车底盲区的中心点）所对应的像素点为例对整车车底盲区的填充过程进行说明。首先，基于t时刻车辆中心点在运动坐标系中的位姿、以及t+1时刻车辆中心点在运动坐标系中的位姿，可以计算出t时刻到t+1时刻的车辆运动坐标的变换矩阵。接着，基于t时刻车辆中心点在图像坐标系中的位姿以及图像坐标系与运动坐标系之间的变换系数矩阵，可以计算出t+1时刻车辆中心点在t时刻图像坐标系中的位姿。
38.步骤s124：基于t时刻到t+1时刻的车辆图像坐标的变换关系，将缓存的t时刻全景图像中的相应像素填充至t+1时刻的全景图像中的盲区，以获得包括车辆底盘区域的t+1时刻的超全景图。
39.示例性地，基于t+1时刻车辆中心点在t时刻的图像坐标系中的位姿，从而能够从t时刻的全景图像中提取t+1时刻车辆中心点处的像素点，并将所提取的像素点拼接至t+1时刻的全景图像。依次对t+1时刻全景图像上的盲区部分的其它像素点做同样的拼接，即可在车辆运动一个车身距离后将有效像素填充至整个车底盲区，从而生成无盲区的超全景图。
40.如图1所示，在步骤s130中，基于超全景图中的定位标识和换电站高精度地图中的定位标识的匹配关系修正推算出的车辆位姿，以获得车辆位姿的最优估计值。这里需要说明的是，定位标识是提前布置于换电站中、并且在换电站高精度地图存在与之对应的坐标的具有定位功能的标识，其可以是普通的图形标识，也可以是具有定位功能的标签，例如，apriltag标签、基于增强现实的基准标记系统artag标签、二进制平方标记aruco marker等任何合适的定位标签。
41.可选地，在步骤s130中，首先计算世界坐标系下的车辆位姿，具体包括以下步骤s131-s134。
42.步骤s131：通过图像识别算法识别在步骤s120中生成的超全景图中的定位标识。示例性地，可仅在超全景图的感兴趣区域中识别该定位标识。在一个实施例中，该感兴趣区域的划定可以基于预先设置的经验值范围，例如，以图像坐标系中的车辆位置为圆心、以3米为半径划定该感兴趣区域。在另一个实施例中，该感兴趣区域的划定可以基于推算出的车辆位置以及高精度地图中定位标识的坐标。例如，若推算出的车辆位置为，并且从高精度地图获知在处存在定位标识，则可以将感兴趣区域处存在定位标识，则可以将感兴趣区域进一步地，由于车辆推算位置可能存在偏差，因此可以依据经验设置一定的偏差半径。
43.步骤s132：确定车辆在图像坐标系下的第一位姿与定位标识在图像坐标系下的第
二位姿之间的相对位置关系。可选地，该相对位置关系包括第一位姿到第二位姿的变换矩阵。
44.步骤s133：确定定位标识在世界坐标系下的第三位姿。如前文中所述，定位标识具有预先已在世界坐标系下被定位的点，因此可直接查询在步骤s131中识别出的定位标识在世界坐标系下的坐标值。
45.步骤s134：基于相对位置关系（例如，）、第三位姿、以及图像坐标系与世界坐标系之间的变换矩阵，计算车辆在世界坐标系下的第四位姿。示例性地，第四位姿。
46.可选地，接下来，基于推算出的车辆位姿以及基于定位标识的匹配关系计算出的车辆位姿（也即，上述第四位姿），利用卡尔曼滤波算法获得车辆位姿的最优估计值，以实现对推算出的车辆位姿的修正。卡尔曼滤波算法是一种递推预测滤波算法，其能够利用前一时刻的状态估计量和当前时刻的状态观测量来获得动态系统当前时刻状态变量的最优估计。需要注意的是，针对卡尔曼滤波算法的状态估计量和状态观测量应为同一坐标系下的状态量。示例性地，以根据航位推算得到的车辆位姿（也即，基于推算出的运动坐标系下的车辆位姿、运动坐标系与世界坐标系之间的变换关系计算出的世界坐标系下的车辆位姿）作为状态预测量，以基于定位标识的匹配关系得到的车辆位姿（也即，上述在世界坐标系下的第四位姿）作为状态观测量，利用卡尔曼滤波算法获得车辆位姿的最优估计值。
47.可选地，方法10还包括步骤s140：利用车辆位姿的最优估计值代替所述推算出的车辆位姿以用于超全景图的拼接步骤，以获取经修正的超全景图。将通过卡尔曼滤波算法获得的车辆位姿最优估计值反馈给超全景图的车底像素填充步骤（步骤s120），从而实现对超全景图的车底区域拼接的修正。
48.可选地，方法10还包括步骤s150：利用经修正的超全景图代替超全景图以用于定位标识的识别（步骤s130），从而进一步提高车辆位姿的状态观测量的精度以及车辆位姿的最优估计值的精度，实现了循环的闭环控制。
49.继续参考图2，图2为根据本发明的一个实施例的用于换电泊车的高精度定位的数据处理装置20的示意性框图。图2所示的装置20可用于实施图1中所示的方法。
50.如图2所示，数据处理装置20包括通信单元210、存储器220（例如诸如闪存、rom、硬盘驱动器、磁盘、光盘之类的非易失存储器）、处理器230（例如，微处理器、微控制器等）、存储在存储器220上并可在处理器230上运行的计算机程序240。
51.通信单元210作为通信接口，被配置为在装置与外部设备或网络（例如，云端服务器、车载传感器、泊车控制单元）之间建立通信连接。
52.存储器220存储可由处理器230执行的计算机程序240。处理器230配置为执行计算机程序240以实施相应的高精度定位流程。有关高精度定位流程已经在上文中有详细的描述，此处不再赘述。
53.另外，如上所述，本发明也可以被实施为一种计算机存储介质，在其中存储有用于使计算机执行如图1所示的方法的程序。在此，作为计算机存储介质，能采用盘类（例如，磁
盘、光盘等）、卡类（例如，存储卡、光卡等）、半导体存储器类（例如，rom、非易失性存储器等）、带类（例如，磁带、盒式磁带等）等各种方式的计算机存储介质。
54.首先，本发明的一个或多个实施例通过基于推算出的车辆位姿以及不同坐标系之间的变换关系，从缓存的历史全景图像中提取当前时刻的全景图像中的盲区图像，从而获得无盲区的超全景图。在获得车辆周围环境信息的同时通过迭代拼接的方式获取车辆底盘区域的全部信息，从而提高了泊车的安全性。
55.其次，本发明的一个或多个实施例通过基于超全景图中的定位标识和换电站高精度地图中的定位标识的匹配关系来修正车辆位姿以及超全景图的拼接效果，并将经修正的超全景图反馈至超全景图中的定位标识的识别过程，实现了循环的闭环控制，从而进一步提高了换电泊车的定位精度，以便完成高精度的泊车路径规划与控制执行。
56.在可适用的情况下，可以使用硬件、软件或硬件和软件的组合来实现由本发明提供的各种实施例。而且，在可适用的情况下，在不脱离本发明的范围的情况下，本文中阐述的各种硬件部件和/或软件部件可以被组合成包括软件、硬件和/或两者的复合部件。在可适用的情况下，在不脱离本发明的范围的情况下，本文中阐述的各种硬件部件和/或软件部件可以被分成包括软件、硬件或两者的子部件。另外，在可适用的情况下，预期的是，软件部件可以被实现为硬件部件，以及反之亦然。
57.根据本发明的软件（诸如程序代码和/或数据）可以被存储在一个或多个计算机存储介质上。还预期的是，可以使用联网的和/或以其他方式的一个或多个通用或专用计算机和/或计算机系统来实现本文中标识的软件。在可适用的情况下，本文中描述的各个步骤的顺序可以被改变、被组合成复合步骤和/或被分成子步骤以提供本文中描述的特征。
58.提供本文中提出的实施例和示例，以便最好地说明按照本发明及其特定应用的实施例，并且由此使本领域的技术人员能够实施和使用本发明。但是，本领域的技术人员将会知道，仅为了便于说明和举例而提供以上描述和示例。所提出的描述不是意在涵盖本发明的各个方面或者将本发明局限于所公开的精确形式。