CN114200481B 一种定位方法、定位系统和车辆 （华为技术有限公司）

语义信息和路面语义信息的匹配(即视觉特征的匹配)确定各采样点对应的当前估计位姿的第二实现了将基于激光特征的激光定位技术和基于特征的视觉定位技术进行融合，提高了定位效特征和视觉语义信息编码存储在同一张定位地2根据所述车辆的当前预测位姿从定位地图中提取第一激光特征和至少一个视觉语义第一激光特征的编码和所述视觉语义信息的编码存储在根据所述当前预测位姿从所述定位地图中提取局部定位地图，所从所述局部定位地图中提取所述至少一个视从所述至少一个路面语义信息中确定至少一个有效路面语义信息，每一根据所述当前估计位姿Pn将所述至少一个有效路面语义信息投影到所述局部定位地图确定所述至少一个有效路面语义信息和所述至少一个视觉语义信息的语对每一对语义关联的所述有效路面语义信息和所述视觉语义信息进行计算任意有效路面语义信息ai的语义权值和任意视觉语3根据所述有效路面语义信息ai的语义权值和所述视觉语义信息bj的语义权值的差值，确定所述有效路面语义信息ai和所述视觉语义信息bj当所述语义关联度小于预设第一阈值时，确定所述有效路面语义信息ai和所述视觉语8.根据权利要求6或7所述的方法，其特征在于，所根据里程计数据确定车辆在当前时刻t和第一历史时刻t-1之间产生将所述采样点Cn在所述第一历史时刻t-1对应的预测位姿与所述相对位姿相加得到所当有预设比例的所述第一权值或者所述第二权值低于第二阈值时，重新生成所述N个所述控制单元，还用于根据所述车辆的当前预测位姿从定位地图中4视觉语义信息与至少一个路面语义信息进行匹配，以确定所述当前估计位姿Pn的第二权所述第一色彩通道用于存储所述视觉语义信息15.根据权利要求13所述的定位系统，其特征在于，所述定位图片还包括第二色彩通所述控制单元，具体用于根据所述当前预测位姿从所述定位地图中提取局部定位地所述控制单元，具体用于从所述至少一个路面语义信息中确定至少所述控制单元，还用于根据所述当前估计位姿Pn将所述至少一个有效路面语义信息投所述控制单元，还用于确定所述至少一个有效路面语义信息和所述所述控制单元，还用于对每一对语义关联的所述有效路面语义信一个有效路面语义信息和所述至少一个视觉语义信息的所述控制单元，具体用于计算任意有效路面语义信息ai的语义权值和任意视觉语义信所述控制单元，还用于根据所述有效路面语义信息ai的语义权值和所述视觉语义信息所述控制单元，还用于当所述语义关联度小于预设第一阈值时，5所述控制单元，具体用于分别计算每一对语义关联的所述有效路21.根据权利要求13所述的定位系统，其特征所述控制单元，还用于对所述第一加权平均值和所述第所述控制单元，还用于根据里程计数据确定车辆在当前时刻t和第一历所述控制单元，还用于当有预设比例的所述第一权值或者所述第二权6够减少定位过程中产生的数据和计算开销。据其对应的当前估计位姿Pn，将提取自定位地图的第一激光特征与第二激光特征进行匹摄像头采集的图像数据中提取的；根据N个采样点C1～CN的当前估计位姿P1-PN及其第一权的编码和视觉语义信息的编码存储在色彩通7方案将激光特征和视觉语义信息编码存储在同一张定位地图中，实现了地图数据的融合，降低了定位过程中产生的数据开销和计算开销。个视觉语义信息与至少一个路面语义信息进行匹配，以确定当前估计位姿Pn的第二权值，信息bj的语义权值；根据有效路面语义信息ai的语义权值和视觉语义信息bj的语义权值的于第一阈值时，说明有效路面语义信息ai的语义权值和视觉语义信息bj的语义权值比较接8[0015]在一种可选择的实现方式中，根据N个采样点C1～CN的当前估计位姿P1-PN及其第刻t-1对应的预测位姿与相对位姿相加得9方案将激光特征和视觉语义信息编码存储在同一张定位地图中，实现了地图数据的融合，前估计位姿Pn将至少一个有效路面语义信息投影到局部定位地图的坐标系中；控制单元，息ai的语义权值和视觉语义信息bj的语义权值的差值，确定有效路面语义信息ai和视觉语效路面语义信息ai的语义权值和视觉语义信息bj的语义权值比较接近，进而说明有效路面于分别计算每一对语义关联的有效路面语义信息和视觉语义信息的匹配距离；控制单元，于激光特征匹配的激光定位技术和基于视觉特征匹配的视觉定位将采样点Cn在第一历史时刻t-1对应的预测位姿与相对位姿相加得到当[0059]自动驾驶(autonomousvehicles或self-drivingautomobile)，也称无人驾驶、统(beidounavigationsatellitesystem，BDS)，全球卫星定位系统(global[0075]基于信号的定位技术由于具备全局定位的能力，是目前最广泛使用的定位技[0078]本申请实施例的技术方案可以应用在各种采用自动驾驶技术或者定位技术的载下简称视觉地图)中的地图数据融合进一张定位地图中，这样在同时应用激光定位与视觉高度信息等特征信息可以在像素的bit位中进行编码表示。例如亮度信息就可以通过1个语义信息编码后存储到这些像素的某个或者某些通道的比可以表示白色虚线、000010表示白色实线、000011表示直行标志、000100表示左转标志、域技术人员可以根据需要区分的路面标志和/或道路交通标志的数量确定类型编码的长[0105]图7是定位地图上的不同区域的像素对应的视觉语义信息的8比特编码的示意[0108]图8是本申请实施例提供用于实现定位方法的定位系统硬[0110]图9是本申请实施例提供的定位方法的流程图，图10是该定位方法涉及到的数据N置为中心，在车辆附近的一定范围内以及车辆航向角附近的一定范围内生成N个采样点C1~C。N[0123]步骤b，根据里程计数据确定车辆在当前时刻t和第一历史时刻t-1之间产生的相[0126]车辆在里程计坐标系中的局部位姿，可以由里程计根据轮速计和惯性测量单元[0128]p=w*At(2)[0137]基于里程计坐标系，里程计可以将车辆在当前时刻t的局部位姿和第一历史时刻和第一历史时刻t-1的局部位姿计算车辆在当前时刻t和第一历史时刻t-1之间产生的相对图片对应的范围是100m×100m，那么局部定位地图就包括了当前预测位姿Pt附近300m×了基于激光特征确定的车辆实际位姿与采样点Cn的当前估计位姿Pn之间的接近程度，而接网络对预处理之后的图像进行像素级的语义分割，以从图像中提取至少一个路面语义信[0161]本申请实施例使用的深度神经网络例如可以是：卷积神经网络(convolutional度神经网络在训练阶段使用训练语料作为输入，该训练语料可以是事先采集的路面图片，[0165]在一个实施例中，步骤S201如图16所示具体可以通过以下步骤S301-步骤S303实下限阈值T1和一个像素面积上限阈值T2，控制单元使用下限阈值T1和上限阈值T2分别与每面语义信息是有效路面语义信息时，有效路面语义信息集合是路面语义信息集合的子集，[0174]示例地，有效路面语义信息集合中的任意一个有效路面语义信息可以是如下形i]息投影到局部定位地图的坐标系中，对于不同的采样点Cn来说，由于其当前估计位姿Pn不同，因此上述至少一个有效路面语义信息根据不同采样点Cn的当前估计位姿Pn进行投影之例如可以是一个大小为4×4的矩阵，其数学意义表示一次平移和一次旋转的空间变换过ka)(7)[0194]步骤S403，根据有效路面语义信息ai的语义权值和视觉语义联度Δw小于预设的第一阈值σ,则有效路面语义信息ai和任意视觉语义信息bj具有语义关联；如果其语义关联度Δw大于或者等于预设的第一阈值σ,则有效路面语义信息ai和任意[0199]本申请实施例通过多次执行步骤S401-步骤S404的操作，最终可以得到至少一对[0201]步骤S204，对每一对语义关联的有效路面语义信息和视觉语义信息进行语义匹可以是有效路面语义信息和视觉语义信息的欧几里得距离(即欧式距离)，或者余弦距离地图的坐标系中示出了有效路面语义信息ai和视觉语义信息bj的位置。那么欧几里得距离是有效路面语义信息ai和视觉语义信息bj在局部定位地图的坐标系中的直线距离。余弦距离是有效路面语义信息ai和视觉语义信息bj与f×EP)(11)[0217]总匹配距离代表了基于视觉特征确定的车辆实际位姿与采样点Cn的当前估计位于视觉特征确定的车辆实际位姿与采样点Cn的当前估计位姿Pn之间的接近程度越高，因此觉特征确定的采样点Cn的实际位姿与当前预测位姿Pn之间的接近程度越高，因此相应的第[0222]步骤S105，根据所述N个采样点C1～CN的当前估计位姿P1-PN及其所述第一权值和术人员应该很容易意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，于根据N个采样点C1～CN的当前估计位姿P1-PN及其第一权值和第二权值，计算当前估计位[0245]在一个实施例中，当控制单元140用于根据车辆的当前预测位姿从定位地图中提[0247]在一个实施例中，当控制单元140用于确定至少一个有效路面语义信息和至少一息ai的语义权值和视觉语义信息bj的语义权值的差值，确定有效路面语义信息ai和视觉语效路面语义信息ai和视觉语义信息bj具有[0248]在一个实施例中，当控制单元140用于对每一对语义关联的有效路面语义信息和用于将采样点Cn在第一历史时刻t-1对应的预测[0255]提取模块820，用于根据车辆的当前预测位姿从定位地图中提取第一激光特征和方案将激光特征和视觉语义信息编码存储在同一张定位地图中，实现了地图数据的融合，降低了定位过程中产生的数据开销和计算开销。[0261]本申请实施例还提供了一种车辆，该车辆可以包含前述各实施例提供的定位系[0263]本申请实施例还提供了一种包含指令的计算机程序产品，当其在计算机上运行