本公开提供了一种定位方法、装置、设备、介质和车辆。定位方法包括：获取待定位对象的第一定位信息，其中，第一定位信息是基于感测数据而生成的，第一定位信息表征待定位对象的周围环境信息；获取待定位对象的预估位置的第二定位信息，其中，第二定位信息是基于地图数据而生成的，第二定位信息表征预估位置附近的地图信息；至少基于第一定位信息和第二定位信息，确定预估位置的置信度，其中，预估位置的置信度指示第一定位信息与第二定位信息的匹配程度；响应于预估位置的置信度位于预设区间内，基于预估位置和预估位置的置信度，确定搜索范围，其中，搜索范围的半径与预估位置的置信度成反比；以及在搜索范围内，确定待定位对象的位置。象的位置。象的位置。
【技术实现步骤摘要】
定位方法、装置、设备、介质和车辆
[0001]本公开涉及自动驾驶
，具体涉及一种定位方法、装置、计算机设备、非暂态计算机可读存储介质、计算机程序产品和车辆。
技术介绍
[0002]在自动驾驶技术中，对诸如车辆等对象的定位是实现自动驾驶的前提。特别地，自动驾驶系统在启动自动驾驶功能之前，需要得到准确的车辆初始定位。通过将车辆采集的数据和预先存储的地图数据进行匹配，从而能够实现对车辆的准确定位。例如，可以利用车辆上的传感器获取的感测数据与地图数据进行匹配以确定车辆在地图上的位置。
[0003]在此部分中描述的方法不一定是之前已经设想到或采用的方法。除非另有指明，否则不应假定此部分中描述的任何方法仅因其包括在此部分中就被认为是现有技术。类似地，除非另有指明，否则此部分中提及的问题不应认为在任何现有技术中已被公认。
技术实现思路
[0004]提供一种缓解、减轻或甚至消除上述问题中的一个或多个的机制将是有利的。
[0005]根据本公开的一方面，提供了一种定位方法，包括：获取待定位对象的第一定位信息，其中，第一定位信息是基于感测数据而生成的，第一定位信息表征待定位对象的周围环境信息；获取待定位对象的预估位置的第二定位信息，其中，第二定位信息是基于地图数据而生成的，第二定位信息表征预估位置附近的地图信息；至少基于第一定位信息和第二定位信息，确定预估位置的置信度，其中，预估位置的置信度指示第一定位信息与第二定位信息的匹配程度；响应于预估位置的置信度位于预设区间内，基于预估位置和预估位置的置信度，确定搜索范围，其中，搜索范围的半径与预估位置的置信度成反比；以及在搜索范围内，确定待定位对象的位置。
[0006]根据本公开的另一方面，提供了一种定位装置，包括：第一获取模块，被配置为获取待定位对象的第一定位信息，其中，第一定位信息是基于感测数据而生成的，第一定位信息表征待定位对象的周围环境信息；第二获取模块，被配置为获取待定位对象的预估位置的第二定位信息，其中，第二定位信息是基于地图数据而生成的，第二定位信息表征预估位置附近的地图信息；第一确定模块，被配置为至少基于第一定位信息和第二定位信息，确定预估位置的置信度，其中，预估位置的置信度指示第一定位信息与第二定位信息的匹配程度；第二确定模块，被配置为响应于预估位置的置信度位于预设区间内，基于预估位置和预估位置的置信度，确定搜索范围，其中，搜索范围的半径与预估位置的置信度成反比；以及第三确定模块，被配置为在搜索范围内，确定待定位对象的位置。
[0007]根据本公开的又另一方面，提供了一种计算机设备，包括存储器、处理器以及存储在所述存储器上的计算机程序，处理器被配置为执行计算机程序以实现上述方法的步骤。
[0008]根据本公开的再另一方面，提供了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上述方法的步骤。
[0009]根据本公开的再另一方面，提供了一种计算机程序产品，包括计算机程序，计算机程序被处理器执行时实现上述方法的步骤。
[0010]根据本公开的再另一方面，提供了一种车辆，包括上述的装置或上述的计算机设备。
[0011]根据在下文中所描述的实施例，本公开的这些和其它方面将是清楚明白的，并且将参考在下文中所描述的实施例而被阐明。
附图说明
[0012]附图示例性地示出了实施例并且构成说明书的一部分，与说明书的文字描述一起用于讲解实施例的示例性实施方式。所示出的实施例仅出于例示的目的，并不限制权利要求的范围。在所有附图中，相似的附图标记指代类似但不一定相同的要素。
[0013]图1是示出根据示例性实施例的应用场景的示意图；
[0014]图2是示出根据示例性实施例的定位方法的示意性流程图；
[0015]图3是示出根据示例性实施例的图2的方法中在搜索范围内确定待定位对象的位置的示意性流程图；
[0016]图4是示出根据示例性实施例的定位方法的示意性流程图；
[0017]图5是示出根据示例性实施例的定位装置的示意性框图；以及
[0018]图6是示出能够应用于示例性实施例的示例性计算机设备的框图。
具体实施方式
[0019]在本公开中，除非另有说明，否则使用术语“第一”、“第二”等来描述各种要素不意图限定这些要素的位置关系、时序关系或重要性关系，这种术语只是用于将一个元件与另一元件区分开。在一些示例中，第一要素和第二要素可以指向该要素的同一实例，而在某些情况下，基于上下文的描述，它们也可以指代不同实例。
[0020]在本公开中对各种所述示例的描述中所使用的术语只是为了描述特定示例的目的，而并非旨在进行限制。除非上下文另外明确地表明，如果不特意限定要素的数量，则该要素可以是一个也可以是多个。如本文使用的，术语“多个”意指两个或更多，并且术语“基于”应解释为“至少部分地基于”。此外，术语“和/或”以及
“……
中的至少一个”涵盖所列出的项目中的任何一个以及全部可能的组合方式。
[0021]应理解的是，本文中所用的术语“车辆”或其他类似术语通常包括机动车辆，如包括轿车、运动型多用途车辆(SUV)、大客车、大货车、各种商用车辆的乘用车辆，包括各种舟艇、船舶的船只，航空器等，并包括混合动力车辆、电动车辆、插电式混合动力电动车辆、氢动力车辆和其他替代性的燃料车辆(例如，源于除了石油之外的来源的燃料)。
[0022]如本文中所用的，短语“车辆/车载系统”是指具有信息处理能力的集成信息系统。这些系统有时称为车内信息系统，并且通常与远程信息通信服务、车载传感器、娱乐系统和/或导航系统整合为一体。
[0023]车辆定位是实现自动驾驶的前提，并且自动驾驶系统需要高分辨率、高精度的高清地图，以保证自动驾驶的安全性和准确性。相关技术中，通常可以使用卫星定位系统、蜂窝基站定位、WiFi定位等方法对车辆进行定位，但这类方法的精度低、误差范围大，需要较
长时间才能收敛到满足自动驾驶功能启动所要求的定位准确度。此外，在卫星信号弱或基站信号较差的时候，这类方法的误差会进一步提升，甚至可能导致定位结果无法收敛至自动驾驶的精度要求。
[0024]为解决上述问题，本公开提供了一种定位方法，以下将结合附图描述本公开实施例的原理。
[0025]图1示出根据示例性实施例的应用场景100的示意图。如图1所示，该应用场景100可以包括定位对象110(如图1中示出的车辆)、网络120、服务器130以及数据库140。
[0026]定位对象110可以耦接到各种传感器，如卫星定位传感器(例如GPS、北斗系统等)、速度传感器、惯性传感器(如加速度传感器和/或陀螺仪)、方向传感器、激光传感器、图像传感器、雷达等。利用安装在定位对象上的传感器获取的感测数据，可以基于地图数据对定位对象进行定位，以获取定位对象在地图上的位置。
[0027]定位对象110还可以包括至少一个处理器和存储器。在一些实施例中，定位对象110本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种定位方法，包括：获取待定位对象的第一定位信息，其中，所述第一定位信息是基于感测数据而生成的，所述第一定位信息表征所述待定位对象的周围环境信息；获取所述待定位对象的预估位置的第二定位信息，其中，所述第二定位信息是基于地图数据而生成的，所述第二定位信息表征所述预估位置附近的地图信息；至少基于所述第一定位信息和所述第二定位信息，确定所述预估位置的置信度，其中，所述预估位置的置信度指示所述第一定位信息与所述第二定位信息的匹配程度；响应于所述预估位置的置信度位于预设区间内，基于所述预估位置和所述预估位置的置信度，确定搜索范围，其中，所述搜索范围的半径与所述预估位置的置信度成反比；以及在所述搜索范围内，确定所述待定位对象的位置。2.如权利要求1所述的方法，其中，在所述搜索范围内，确定所述待定位对象的位置包括：在所述搜索范围内，设定至少一个候选位置；获取所述至少一个候选位置中的每一个候选位置的第三定位信息；针对所述每一个候选位置，基于所述第一定位信息和所述第三定位信息，确定所述候选位置的置信度；以及基于所述至少一个候选位置的相应置信度，确定所述待定位对象的位置。3.如权利要求2所述的方法，其中，基于所述至少一个候选位置的相应置信度，确定所述待定位对象的位置包括：基于预设规则，从所述至少一个候选位置中确定一个或多个候选位置；以及将所述一个或多个候选位置的平均位置作为所述待定位对象的位置。4.如权利要求3所述的方法，其中，所述预设规则包括从以下各项所组成的组中选择的一项：从所述至少一个候选位置中选择置信度高于预设阈值的候选位置；从所述至少一个候选位置中选择置信度最高的预设数量的候选位置；以及从所述至少一个候选位置中选择置信度最高的预设比例的候选位置。5.如权利要求1
‑
4中任一项所述的方法，其中，所述第一定位信息包括第一高斯混合模型，所述第一高斯混合模型包括至少一个第一高斯聚类，其中，所述第二定位信息包括第二高斯混合模型，所述第二高斯混合模型包括至少一个第二高斯聚类，并且其中，至少基于所述第一定位信息和所述第二定位信息，确定所述预估位置的置信度包括：至少基于所述至少一个第一高斯聚类的统计特征量和所述至少一个第二高斯聚类的统计特征量，确定所述预估位置的置信度。6.如权利要求5所述的方法，其中，所述第一高斯混合模型还包括与所述至少一个第一高斯聚类分别对应的至少一个第一签名，所述至少一个第一签名与至少部分所述感测数据的视觉特征相关，其中，所述第二高斯混合模型还包括与所述至少一个第二高斯聚类分别对应的至少一个第二签名，所述至少一个第二签名与至少部分所述地图数据的视觉特征相关，并且
其中，至少基于所述至少一个第一高斯聚类的统计特征量和所述至少一个第二高斯聚类的统计特征量，确定所述预估位置的置信度包括：至少基于所述至少一个第一高斯聚类对应的所述至少一个第一签名和统计特征量以及所述至少一个第二高斯聚类对应...
【专利技术属性】
技术研发人员：彭磊，
申请(专利权)人：宝马股份公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。