自动驾驶车辆的定位方法、装置及电子设备、存储介质制造方法及图纸

本申请公开了一种自动驾驶车辆的定位方法、装置及电子设备、存储介质，该方法包括：获取自动驾驶车辆的当前定位数据和预设定位区域的定位地图，当前定位数据包括第一激光点云数据和第一图像数据，定位地图包含路面元素和非路面元素的绝对位置；利用预设点云分割模型对第一激光点云数据进行点云分割，利用预设道路元素识别模型对第一图像数据进行识别；根据点云分割结果或第一图像数据及定位地图进行横向定位；根据点云分割结果、道路元素识别结果及定位地图进行纵向定位。本申请事先基于路面元素和非路面元素构建了预设定位区域的定位地图，基于定位地图，结合视觉识别结果和激光雷达感知结果实现了自动驾驶车辆在特殊道路场景下的定位。路场景下的定位。路场景下的定位。

【技术实现步骤摘要】
自动驾驶车辆的定位方法、装置及电子设备、存储介质


[0001]本申请涉及自动驾驶
，尤其涉及一种自动驾驶车辆的定位方法、装置及电子设备、存储介质。

技术介绍

[0002]随着车载传感器成本越来越低，为了满足更复杂场景的定位需求，传统的组合导航定位即IMU （Inertial Measurement Unit，惯性测量单元）+ GNSS（Global Navigation Satellite System，全球卫星导航系统）/RTK（Real
‑
time kinematic，实时动态差分）已经逐步被多传感器融合替代，其中包括激光SLAM（Simultaneous Localization And Mapping，同步定位与建图）、视觉SLAM、车道线横向定位等技术，都为多传感器融合提供了更可靠的观测信息，上述多种观测信息在不同场景如城市峡谷、有电磁干扰的区域、盘桥等互补协作，使得自动驾驶车辆在城市内路径规划时有更多的路线选择。
[0003]虽然多传感器融合定位已经解决了市区内大部分场景的定位需求，但是对于长隧道这个场景，上述提供观测信息的技术都无法达到自动驾驶车辆需要的精度和稳定性，这主要表现为：
[0004]1）隧道内无卫星定位信号，导致GNSS/RTK定位完全失效；
[0005]2）激光SLAM在隧道内退化快，很难长时间保证有正确的定位输出；
[0006]3）视觉SLAM在隧道内无法完成特征点的跟踪，失效率极高；
[0007]4）车道线横向定位在光照调节良好的情况下，可以保证车辆的横向定位，但隧道内的车道线识别受光照情况的影响大，同时无法提供正确的纵向位置。

技术实现思路

[0008]本申请实施例提供了一种自动驾驶车辆的定位方法、装置及电子设备、存储介质，以提高自动驾驶车辆在特殊道路场景下的定位精度和定位稳定性。
[0009]本申请实施例采用下述技术方案：
[0010]第一方面，本申请实施例提供一种自动驾驶车辆的定位方法，其中，所述方法包括：
[0011]获取自动驾驶车辆的当前定位数据和预设定位区域的定位地图，所述当前定位数据包括第一激光点云数据和第一图像数据，所述预设定位区域的定位地图包含预设定位区域的路面元素和非路面元素的绝对位置；
[0012]利用预设点云分割模型对所述第一激光点云数据进行点云分割，得到第一点云分割结果，以及利用预设道路元素识别模型对所述第一图像数据进行识别，得到第一道路元素识别结果；
[0013]根据所述第一点云分割结果或所述第一图像数据，以及所述预设定位区域的定位地图进行横向定位，得到所述自动驾驶车辆的横向定位结果；
[0014]根据所述第一点云分割结果、所述第一道路元素识别结果以及所述预设定位区域
的定位地图进行纵向定位，得到所述自动驾驶车辆的纵向定位结果。
[0015]可选地，所述预设定位区域的定位地图通过如下方式构建得到：
[0016]获取自动驾驶车辆的高精定位位置和预设定位区域的地图源数据，所述地图源数据包括第二激光点云数据和第二图像数据以及对应的高精地图数据和2D
‑
SLAM地图数据；
[0017]利用预设点云分割模型对所述第二激光点云数据进行点云分割，得到第二点云分割结果，以及利用所述预设道路元素识别模型对所述第二图像数据进行识别，得到第二道路元素识别结果，所述第二点云分割结果包括非路面元素，所述第二道路元素识别结果包括路面元素和非路面元素；
[0018]根据所述自动驾驶车辆的高精定位位置和所述高精地图数据确定所述路面元素的绝对位置；
[0019]将所述第二点云分割结果与所述第二道路元素识别结果进行匹配，并根据匹配结果和所述自动驾驶车辆的高精定位位置确定所述非路面元素的绝对位置；
[0020]根据所述路面元素的绝对位置、所述非路面元素的绝对位置、所述高精地图数据以及所述2D
‑
SLAM地图数据构建所述预设定位区域的定位地图。
[0021]可选地，所述预设定位区域的定位地图包括2D
‑
SLAM地图数据和高精地图数据，所述根据所述第一点云分割结果或所述第一图像数据，以及所述预设定位区域的定位地图进行横向定位，得到所述自动驾驶车辆的横向定位结果包括：
[0022]根据所述第一点云分割结果和所述2D
‑
SLAM地图数据确定所述自动驾驶车辆到预设定位区域的两侧的横向距离，并根据所述自动驾驶车辆到预设定位区域的两侧的横向距离确定所述自动驾驶车辆的横向定位结果；或者，
[0023]利用预设车道线识别模型对所述第一图像数据进行车道线识别，并根据车道线识别结果和所述高精地图数据确定所述自动驾驶车辆的横向定位结果。
[0024]可选地，所述第一道路元素识别结果包括非路面元素，所述根据所述第一点云分割结果、所述第一道路元素识别结果以及所述预设定位区域的定位地图进行纵向定位，得到所述自动驾驶车辆的纵向定位结果包括：
[0025]将所述第一道路元素识别结果中的非路面元素与所述预设定位区域的定位地图进行匹配，得到所述非路面元素的绝对位置；
[0026]将所述第一道路元素识别结果中的非路面元素与所述第一点云分割结果进行匹配，得到所述自动驾驶车辆到所述非路面元素的距离；
[0027]根据所述非路面元素的绝对位置以及所述自动驾驶车辆到所述非路面元素的距离确定所述自动驾驶车辆的纵向定位结果。
[0028]可选地，所述第一道路元素识别结果包括多个车载相机识别到的多个道路元素，所述第一点云分割结果包括自动驾驶车辆到各个道路元素的第一距离，所述根据所述第一点云分割结果、所述第一道路元素识别结果以及所述预设定位区域的定位地图进行纵向定位，得到所述自动驾驶车辆的纵向定位结果包括：
[0029]根据所述第一点云分割结果、所述第一道路元素识别结果以及所述预设定位区域的定位地图，确定自动驾驶车辆到各个道路元素的第二距离；
[0030]根据所述自动驾驶车辆到各个道路元素的第一距离以及所述自动驾驶车辆到各个道路元素的第二距离对所述自动驾驶车辆的纵向定位结果进行优化，得到所述自动驾驶
车辆的优化后的纵向定位结果。
[0031]可选地，所述根据所述自动驾驶车辆到各个道路元素的第一距离以及所述自动驾驶车辆到各个道路元素的第二距离对所述自动驾驶车辆的纵向定位结果进行优化，得到所述自动驾驶车辆的优化后的纵向定位结果包括：
[0032]根据所述自动驾驶车辆的纵向定位结果、所述自动驾驶车辆到各个道路元素的第一距离以及所述自动驾驶车辆到各个道路元素的第二距离构建优化函数；
[0033]利用预设优化求解算法对所述优化函数求解，得到所述自动驾驶车辆的优化后的纵向定位结果。
[0034]可选地，在获取自动驾驶车辆的当前定位数据和预设定位区域的定位地图之前，所述方法还包括：
[0035]根据所述自动驾驶车辆的当本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种自动驾驶车辆的定位方法，其中，所述方法包括：获取自动驾驶车辆的当前定位数据和预设定位区域的定位地图，所述当前定位数据包括第一激光点云数据和第一图像数据，所述预设定位区域的定位地图包含预设定位区域的路面元素和非路面元素的绝对位置；利用预设点云分割模型对所述第一激光点云数据进行点云分割，得到第一点云分割结果，以及利用预设道路元素识别模型对所述第一图像数据进行识别，得到第一道路元素识别结果；根据所述第一点云分割结果或所述第一图像数据，以及所述预设定位区域的定位地图进行横向定位，得到所述自动驾驶车辆的横向定位结果；根据所述第一点云分割结果、所述第一道路元素识别结果以及所述预设定位区域的定位地图进行纵向定位，得到所述自动驾驶车辆的纵向定位结果。2.如权利要求1所述方法，其中，所述预设定位区域的定位地图通过如下方式构建得到：获取自动驾驶车辆的高精定位位置和预设定位区域的地图源数据，所述地图源数据包括第二激光点云数据和第二图像数据以及对应的高精地图数据和2D
‑
SLAM地图数据；利用预设点云分割模型对所述第二激光点云数据进行点云分割，得到第二点云分割结果，以及利用所述预设道路元素识别模型对所述第二图像数据进行识别，得到第二道路元素识别结果，所述第二点云分割结果包括非路面元素，所述第二道路元素识别结果包括路面元素和非路面元素；根据所述自动驾驶车辆的高精定位位置和所述高精地图数据确定所述路面元素的绝对位置；将所述第二点云分割结果与所述第二道路元素识别结果进行匹配，并根据匹配结果和所述自动驾驶车辆的高精定位位置确定所述非路面元素的绝对位置；根据所述路面元素的绝对位置、所述非路面元素的绝对位置、所述高精地图数据以及所述2D
‑
SLAM地图数据构建所述预设定位区域的定位地图。3.如权利要求1所述方法，其中，所述预设定位区域的定位地图包括2D
‑
SLAM地图数据和高精地图数据，所述根据所述第一点云分割结果或所述第一图像数据，以及所述预设定位区域的定位地图进行横向定位，得到所述自动驾驶车辆的横向定位结果包括：根据所述第一点云分割结果和所述2D
‑
SLAM地图数据确定所述自动驾驶车辆到预设定位区域的两侧的横向距离，并根据所述自动驾驶车辆到预设定位区域的两侧的横向距离确定所述自动驾驶车辆的横向定位结果；或者，利用预设车道线识别模型对所述第一图像数据进行车道线识别，并根据车道线识别结果和所述高精地图数据确定所述自动驾驶车辆的横向定位结果。4.如权利要求1所述方法，其中，所述第一道路元素识别结果包括非路面元素，所述根据所述第一点云分割结果、所述第一道路元素识别结果以及所述预设定位区域的定位地图进行纵向定位，得到所述自动驾驶车辆的纵向定位结果包括：将所述第一道路元素识别结果中的非路面元素与所述预设定位区域的定位地图进行匹配，得到所述非路面元素的绝对位置；将所述第一道路元素识别结果中的非路面元素与所述第一点云分割结果进行匹配，得...

【专利技术属性】
技术研发人员：李岩，万如，费再慧，张海强，
申请(专利权)人：智道网联科技北京有限公司，
类型：发明
国别省市：