本发明专利技术公开了一种无人车辆的定位方法、装置、设备和存储介质。包括：获取车辆上各相机所采集的图像以及各激光雷达所采集的点云；根据图像获取车辆行驶环境中定位标志的特征点像素坐标，并根据点云获取定位标志的特征点点云坐标；根据各相机的特征点像素坐标和各激光雷达的特征点点云坐标构建目标误差函数；根据目标误差函数确定无人车辆的位姿。通过多个相机和激光雷达对定位标志进行采集，增加了车辆观察定位标志的视野，降低了定位标志的部署成本，将多相机与激光雷达传感器的数据进行融合，从而提高了车辆定位的准确性与稳定性。从而提高了车辆定位的准确性与稳定性。从而提高了车辆定位的准确性与稳定性。
【技术实现步骤摘要】
一种无人车辆的定位方法、装置、设备和存储介质
[0001]本专利技术涉及数据处理
，尤其涉及一种无人车辆的定位方法、装置、设备和存储介质。
技术介绍
[0002]无人工程车辆在室内进行自主作业过程中，通常需要对自身在工作场景中的位姿进行定位，目前在进行实时定位时，可以在环境中的关键位置布置一些定位标志，依靠在行驶场景中激光雷达的点云，或者相机图像的像素位置检测定位标志的位置，以反推出车身位姿。
[0003]但是目前基于定位标志的定位方法，仅依靠单一的传感器，由于单个传感器的视野较窄，因此需要在地图中部署多个定位标志，增加了部署成本；单纯依靠单目相机的话，由于单目相机缺乏深度信息，因此会造成定位不精准；单纯依靠激光雷达的话，当定位标志被工作装置遮挡时，比如装载机卸料，会导致定位坐标信息丢失，从而影响车辆定位的准确性。
技术实现思路
[0004]本专利技术提供了一种无人车辆的定位方法、装置、设备和存储介质，以实现对无人车辆的准确定位。
[0005]根据本专利技术的第一方面，提供了一种无人车辆的定位方法，包括：获取车辆上各相机所采集的图像以及各激光雷达所采集的点云；
[0006]根据所述图像获取车辆行驶环境中定位标志的特征点像素坐标，并根据所述点云获取定位标志的特征点点云坐标；
[0007]根据各相机的所述特征点像素坐标和各激光雷达的所述特征点点云坐标构建目标误差函数；
[0008]根据所述目标误差函数确定所述无人车辆的位姿。
[0009]根据本专利技术的另一方面，提供了一种无人车辆的定位装置，包括：多传感器采集模块，用于获取车辆上各相机所采集的图像以及各激光雷达所采集的点云；
[0010]定位标志坐标获取模块，用于根据所述图像获取车辆行驶环境中定位标志的特征点像素坐标，并根据所述点云获取定位标志的特征点点云坐标；
[0011]目标误差函数构建模块，用于根据各相机的所述特征点像素坐标和各激光雷达的所述特征点点云坐标构建目标误差函数；
[0012]车辆位姿确定模块，用于根据所述目标误差函数确定所述无人车辆的位姿。
[0013]根据本专利技术的另一方面，提供了一种电子设备，所述电子设备包括：
[0014]至少一个处理器；以及
[0015]与所述至少一个处理器通信连接的存储器；其中，
[0016]所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序
被所述至少一个处理器执行，以使所述至少一个处理器能够执行本专利技术任一实施例所述的方法。
[0017]根据本专利技术的另一方面，提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机指令，所述计算机指令用于使处理器执行时实现本专利技术任一实施例所述的方法。
[0018]本专利技术实施例的技术方案，通过多个相机和激光雷达对定位标志进行采集，增加了车辆观察定位标志的视野，降低了定位标志的部署成本，将多相机与激光雷达传感器的数据进行融合，从而提高了车辆定位的准确性与稳定性。
[0019]应当理解，本部分所描述的内容并非旨在标识本专利技术的实施例的关键或重要特征，也不用于限制本专利技术的范围。本专利技术的其它特征将通过以下的说明书而变得容易理解。
附图说明
[0020]为了更清楚地说明本专利技术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单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0021]图1是根据本专利技术实施例一提供的一种无人车辆的定位方法流程图；
[0022]图2是根据本专利技术实施例二提供的一种无人车辆的定位方法流程图；
[0023]图3是根据本专利技术实施例三提供的一种无人车辆的定位装置结构示意图；
[0024]图4是实现本专利技术实施例四提供的电子设备的结构示意图。
具体实施方式
[0025]为了使本
的人员更好地理解本专利技术方案，下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分的实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本专利技术保护的范围。
[0026]需要说明的是，本专利技术的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本专利技术的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
[0027]实施例一
[0028]图1为本专利技术实施例一提供了一种无人车辆的定位方法流程图，本实施例可适用于对无人车辆进行定位的情况，该方法可以由无人车辆的定位装置来执行，该装置可以采用硬件和/或软件的形式实现。如图1所示，该方法包括：
[0029]步骤S101，获取车辆上各相机所采集的图像以及各激光雷达所采集的点云。
[0030]具体的说，本实施方式中会在无人车辆上布设多个相机以及多个激光雷达，并且可以将多个相机和激光雷达分别布设在无人车辆上的不同位置上。在无人车辆进行自作业的过程中，会将各相机和激光雷达进行开启，通过各相机对车辆行驶过程中的环境场景进行拍摄，各相机会拍摄到一帧图像，同时各激光雷达会对车辆行驶过程中的环境场景进行探测，各激光雷达会探测到一帧点云。
[0031]其中，车辆的控制设备会接收各相机采集的每帧图像，以及各激光雷达所探测的每帧点云，并根据多帧图像和多帧点云进行分析处理，以对车辆行驶过程中的定位标志进行定位。
[0032]步骤S102，根据图像获取车辆行驶环境中定位标志的特征点像素坐标，并根据点云获取定位标志的特征点点云坐标。
[0033]可选的，根据图像获取车辆行驶环境中定位标志的特征点像素坐标，包括：确定深度学习算法，采用深度学习算法对图像进行识别获取定位标志，其中，深度学习算法包括神经网络；确定在相机坐标下定位标志的特征点像素坐标。
[0034]具体的说，针对各相机所发送的每帧图像，会采用深度学习算法，例如采用yolov5
‑
face模型的神经网络进行识别获取相机A所发送的一帧图像中所包含的定位标志，并且在进行识别时还能够确定出定位标志的标识，即识别出是运行环境中的具体哪个定位标志，在定位标志的标识已知的情况下，由于在定位标志的部署阶段就已经确定了各定位标志的标识与位置的关联关系，因此可以确定出标志已知的定位标志在地图坐标系下的位置信息，然后根据地图坐标系与相机坐标系的位置关系确定出定位本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种无人车辆的定位方法，其特征在于，包括：获取车辆上各相机所采集的图像以及各激光雷达所采集的点云；根据所述图像获取车辆行驶环境中定位标志的特征点像素坐标，并根据所述点云获取定位标志的特征点点云坐标；根据各相机的所述特征点像素坐标和各激光雷达的所述特征点点云坐标构建目标误差函数；根据所述目标误差函数确定所述无人车辆的位姿。2.根据权利要求1所述的方法，其特征在于，所述根据所述图像获取车辆行驶环境中定位标志的特征点像素坐标，包括：确定深度学习算法，采用所述深度学习算法对所述图像进行识别获取定位标志，其中，所述深度学习算法包括神经网络；确定在相机坐标下所述定位标志的特征点像素坐标。3.根据权利要求1所述的方法，其特征在于，所述根据所述点云获取定位标志的特征点点云坐标，包括：确定各点云的强度信息，并根据所述强度信息对所述点云进行裁剪获取目标点云；对所述目标点云进行聚类获取单个或多个定位标志；获取地图中的已知定位标志的点云在上一时刻车辆坐标系下的位置；根据上一时刻定位标志的位置以及当前时刻的定位标志的点云位置，确定所述目标点云所对应的目标定位标志；根据所述目标定位标志的点云与定位标志模板点云进行匹配处理，确定在激光雷达坐标系下所述定位标志的特征点点云坐标。4.根据权利要求3所述的方法，其特征在于，所述根据所述目标定位标志的点云与定位标志模板点云进行匹配处理，确定在激光雷达坐标系下所述定位标志的特征点点云坐标，包括：对所述目标定位标志的点云与所述定位标志模板点云采用主成分分析法PCA进行位置粗匹配调整，得到粗匹配的第一旋转平移矩阵以及位置调整后的点云；对所述位置调整后的点云与所述定位标志模板点云采用迭代最近点算法ICP进行精匹配，得到精匹配的第二旋转平移矩阵；根据所述定位标志模板已知点云的角点坐标、所述第一旋转平移矩阵和所述第二旋转平移矩阵获取所述目标定位标志的特征点点云坐标。5.根据权利要求1所述的方法，其特征在于，所述根据各相机的所述特征点像素坐标和各激光雷达的所述特征点点云坐标构建目标误差函数，包括：根据各相机所述特征点像素坐标、各相机采集图像中定位标志在地图坐标系下的位置、车辆坐标系到各相机坐标系的旋转平移矩阵确定相机子误差；根据各激光雷达的所述特征点点云坐标、各激光雷达采集点云中定位标志在地图坐标系下的位置、车辆坐标系到各激光雷达坐标系的旋转平移矩阵确定激光雷达子误差；根据所述相机子误差和所述...
【专利技术属性】
技术研发人员：刘平，周文彬，李庭潘，孙金泉，蔡登胜，
申请(专利权)人：广西柳工机械股份有限公司，
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。