车辆定位方法、装置、车辆及存储介质制造方法及图纸

本申请提供的一种车辆定位方法、装置、车辆及存储介质，涉及智能驾驶技术领域。车辆根据启动时的位置、行驶过程中每个时刻的轮速和行驶方向，确定车辆的初始定位；车辆从云服务器下载与初始定位对应的离线点云图像；车辆通过雷达采集环境点云图像，车辆在离线点云图像上，找到多个与环境点云图像的形状和大小相同的映射点云图像，车辆确定环境点云图像上的点与每个映射点云图像对应的点的差值的平均值和协方差；车辆根据每个映射点云图像对应的差值的平均值和协方差、多个差值的平均值中最大的差值的平均值和最小的差值的平均值、多个协方差中最大的协方差和最小的协方差，确定车辆的位置，精确度高。精确度高。精确度高。

【技术实现步骤摘要】
车辆定位方法、装置、车辆及存储介质


[0001]本申请涉及智能驾驶
，尤其涉及一种车辆定位方法、装置、车辆及存储介质。

技术介绍

[0002]随着科技的发展，人们也驾驶车辆的体验的要求也越来越高，智能驾驶应运而生。智能驾驶可以实现解放驾驶人员的双手，实现车辆的自动驾驶。例如，车辆探知到前方有异物或者行人时，会自动刹车；车辆检测到前方出现岔口时，会自动按照导航路线转弯等。可以理解的地，若要实现智能驾驶，则需要对车辆的位置进行定位。
[0003]目前，对车辆进行定位的一种方式为卫星定位。然而，当车辆处于遮挡物较多的区域(如码头、港口岸桥、深山)时，卫星信号的信号强度低，这样一来，导致对车辆的定位的精确度低。

技术实现思路

[0004]本申请提供一种车辆定位方法、装置、车辆及存储介质，用于解决现有技术中对车辆定位的精确度低的问题。
[0005]第一方面，本申请提供了一种车辆定位方法，包括：车辆根据启动时的位置、行驶过程中每个时刻的轮速和行驶方向，确定车辆的初始定位；车辆从云服务器下载与初始定位对应的离线点云图像；车辆通过雷达采集环境点云图像，其中，离线点云图像表征的区域范围大于环境点云图像表征的区域范围；车辆在离线点云图像上，找到多个与环境点云图像的形状和大小相同的映射点云图像，其中，每个映射点云图像的几何中心与环境点云图像的几何中心的距离小于设定距离阈值；车辆确定环境点云图像上的点与每个映射点云图像对应的点的差值的平均值和协方差；车辆根据每个映射点云图像对应的差值的平均值和协方差、多个差值的平均值中最大的差值的平均值和最小的差值的平均值、多个协方差中最大的协方差和最小的协方差，确定各个映射点云图像分别与环境点云图像匹配的置信度；车辆根据各个映射点云图像的置信度和几何中心的坐标，确定车辆的位置。
[0006]在一种可能的实施方式中，车辆根据每个映射点云图像对应的差值的平均值和协方差、多个差值的平均值中最大的差值的平均值和最小的差值的平均值、多个协方差中最大的协方差和最小的协方差，确定各个映射点云图像分别与环境点云图像匹配的置信度，包括：车辆采用算式：
[0007]确定各个映射点云图像分别与环境点云图像匹配的置信度；其中，m
ij
为各个映射点云图像分别对应的差值的平均值，n
ij
各个映射点云图像分别对应的协方差，max(m
ij
)为多个差值的平均值中的最大差值的平均值，min(m
ij
)为多个差值的平均值中的最小差值的平均值，max(n
ij
)为多个协方差中最大的协方差，min(n
ij
)为多个协方差中最小的协方差，P
ij
为置信度。
[0008]可以理解地，通过上述的方式，确定的各个映射点云图像分别与环境点云图像匹配的置信度的精确度高。
[0009]在一种可能的实施方式中，车辆根据各个映射点云图像的置信度和几何中心的坐标，确定车辆的位置，包括：车辆根据算式确定车辆的位置；其中，P
ij
为各个映射点云图像的置信度，s
ij
[0]为各个映射点云图像的几何中心的横坐标，s
ij
[1]各个映射点云图像的几何中心的纵坐标，w为预设的修正因子，为确定的车辆的位置。
[0010]这样一来，确定的车辆的位置的准确度高。
[0011]在一种可能的实施方式中，环境点云图像包括在线环境反射率点云图像和在线高度点云图像，车辆根据每个映射点云图像对应的差值的平均值和协方差、多个差值的平均值中最大的差值的平均值和最小的差值的平均值、多个协方差中最大的协方差和最小的协方差，确定各个映射点云图像分别与环境点云图像匹配的置信度，包括：车辆确定在线环境反射率点云图像上的点分别与各个映射反射率点云图像上对应的点的差值的平均值和协方差；车辆确定在线高度点云图像上的点与各个映射高度点云图像上对应的点的差值的平均值和协方差；车辆根据每个映射点云图像对应的差值的平均值和协方差、多个差值的平均值中最大的差值的平均值和最小的差值的平均值、多个协方差中最大的协方差和最小的协方差，确定各个映射点云图像分别与环境点云图像匹配的置信度，包括：车辆根据每个映射反射率点云图像对应的差值的平均值和协方差、多个差值的平均值中最大的差值的平均值和最小的差值的平均值、多个协方差中最大的协方差和最小的协方差，确定各个映射反射率点云图像分别与环境反射率点云图像匹配的置信度；车辆根据每个映射高度点云图像对应的差值的平均值和协方差、多个差值的平均值中最大的差值的平均值和最小的差值的平均值、多个协方差中最大的协方差和最小的协方差，确定各个映射高度点云图像分别与环境高度点云图像匹配的置信度；车辆确定映射反射率点云图像的置信度的第一权重、映射高度点云图像的置信度的第二权重；车辆根据算式：确定各个映射点云图像分别与环境点云图像匹配的置信度，其中，为各个映射高度点云图像的置信度，为映射反射率点云图像的置信度，u为第一权重，1
‑
u为第二权重，P
ij
每个映射点云图像的置信度，v为预设的平滑系数。
[0012]可以理解地，通过上述的方式，确定的各个映射点云图像分别与环境点云图像匹配的置信度的精确度高。
[0013]在一种可能的实施方式中，车辆确定映射反射率点云图像的置信度的第一权重、映射高度点云图像的置信度的第二权重，包括：车辆根据算式确定各个映射反射率点云图像的置信度的
误差分布系数α
r
和各个映射高度点云图像的置信度的误差分布系数α
h
，s
ij
[0]为各个映射反射率点云图像的几何中心的横坐标，s
ij
[1]各个映射反射率点云图像的几何中心的纵坐标；车辆根据算式和确定各个映射反射率点云图像的误差融合系数γ
r
和各个映射高度点云图像的误差融合系数γ
h
，其中，α
r
[0]为各个映射反射率点云图像上的点的横坐标的置信度的误差分布系数，α
r
[1]各个映射反射率点云图像上的点的纵坐标的置信度的误差分布系数，α
h
[0]各个映射高度点云图像上的点的横坐标的置信度的误差分布系数，α
r
[1]各个映射高度点云图像上的点的纵坐标的置信度的误差分布系数；车辆根据算式确定映射反射率点云图像的置信度的第一权重u，其中，γ
h
[0]为各个映射高度点云图像上的点的横坐标的误差融合系数；γ
h
[1]为各个映射高度点云图像上的点的纵坐标的误差融合系数；γ
r
[0]为各个映射反射率点云图像上的点的横坐标的误差融合系数，γ
r
[1]为各个映射反射率点云图像上的点的纵坐标的误差融合系数。车辆根据算式z＝1
‑
u，确定映射高度点云图像的置信度的第二权重z。
[0014]可以理解地，本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种车辆定位方法，其特征在于，所述方法包括：车辆根据启动时的位置、行驶过程中每个时刻的轮速和行驶方向，确定所述车辆的初始定位；所述车辆从云服务器下载与初始定位对应的离线点云图像；所述车辆通过雷达采集环境点云图像，其中，所述离线点云图像表征的区域范围大于所述环境点云图像表征的区域范围；所述车辆在所述离线点云图像上，找到多个与所述环境点云图像的形状和大小相同的映射点云图像，其中，每个所述映射点云图像的几何中心与所述环境点云图像的几何中心的距离小于设定距离阈值；所述车辆确定所述环境点云图像上的点与每个所述映射点云图像对应的点的差值的平均值和协方差；所述车辆根据每个所述映射点云图像对应的差值的平均值和协方差、多个差值的平均值中最大的差值的平均值和最小的差值的平均值、多个协方差中最大的协方差和最小的协方差，确定各个所述映射点云图像分别与所述环境点云图像匹配的置信度；所述车辆根据各个所述映射点云图像的置信度和几何中心的坐标，确定所述车辆的位置。2.根据权利要求1所述的方法，其特征在于，所述车辆根据每个所述映射点云图像对应的差值的平均值和协方差、多个差值的平均值中最大的差值的平均值和最小的差值的平均值、多个协方差中最大的协方差和最小的协方差，确定各个所述映射点云图像分别与所述环境点云图像匹配的置信度，包括：所述车辆采用算式：确定各个所述映射点云图像分别与所述环境点云图像匹配的置信度；其中，m
ij
为各个所述映射点云图像分别对应的差值的平均值，n
ij
各个所述映射点云图像分别对应的协方差，max(m
ij
)为多个差值的平均值中的最大差值的平均值，min(m
ij
)为多个差值的平均值中的最小差值的平均值，max(n
ij
)为多个协方差中最大的协方差，min(n
ij
)为多个协方差中最小的协方差，P
ij
为所述置信度。3.根据权利要求1所述的方法，其特征在于，所述车辆根据各个所述映射点云图像的置信度和几何中心的坐标，确定所述车辆的位置，包括：所述车辆根据算式确定所述车辆的位置；其中，P
ij
为各个所述映射点云图像的置信度，s
ij
[0]为各个所述映射点云图像的几何中心的横坐标，s
ij
[1]各个所述映射点云图像的几何中心的纵坐标，w为预设的修正因子，为确定的所述车辆的位置。4.根据权利要求1所述的方法，其特征在于，所述环境点云图像包括在线环境反射率点
云图像和在线高度点云图像，所述车辆根据每个所述映射点云图像对应的差值的平均值和协方差、多个差值的平均值中最大的差值的平均值和最小的差值的平均值、多个协方差中最大的协方差和最小的协方差，确定各个所述映射点云图像分别与所述环境点云图像匹配的置信度，包括：所述车辆确定所述在线环境反射率点云图像上的点分别与各个所述映射反射率点云图像上对应的点的差值的平均值和协方差；所述车辆确定所述在线高度点云图像上的点与各个所述映射高度点云图像上对应的点的差值的平均值和协方差；所述车辆根据每个所述映射点云图像对应的差值的平均值和协方差、多个差值的平均值中最大的差值的平均值和最小的差值的平均值、多个协方差中最大的协方差和最小的协方差，确定各个所述映射点云图像分别与所述环境点云图像匹配的置信度，包括：所述车辆根据每个所述映射反射率点云图像对应的差值的平均值和协方差、多个差值的平均值中最大的差值的平均值和最小的差值的平均值、多个协方差中最大的协方差和最小的协方差，确定各个所述映射反射率点云图像分别与所述环境反射率点云图像匹配的置信度；所述车辆根据每个所述映射高度点云图像对应的差值的平均值和协方差、多个差值的平均值中最大的差值的平均值和最小的差值的平均值、多个协方差中最大的协方差和最小的协方差，确定各个所述映射高度点云图像分别与所述环境高度点云图像匹配的置信度；所述车辆确定所述映射反射率点云图像的置信度的第一权重、所述映射高度点云图像的置信度的第二权重；所述车辆根据算式：确定各个所述映射点云图像分别与所述环境点云图像匹配的置信度，其中，为各个所述映射高度点云图像的置信度，为所述映射反射率点云...

【专利技术属性】
技术研发人员：李杨，杨政，何晓飞，
申请(专利权)人：杭州飞步科技有限公司，
类型：发明
国别省市：