[发明专利]车辆定位方法、装置以及智能车辆

权利要求书

1.一种车辆定位方法，其特征在于，包括：

接收感知设备上报的目标车辆在目标区域中行驶时对应的实时点云数据；

根据预设神经网络模型对所述实时点云数据进行数据分割，得到所述目标区域对应的静态环境数据以及所述目标车辆对应的目标运动数据；

从本地数据库中获取所述目标区域对应的初始图像数据，所述初始图像数据包括多个子图像数据；

接收惯性检测单元上报的所述目标车辆对应的惯性信息；

从所述实时点云数据中提取所述目标车辆对应的第一位置信息；

获取所述惯性检测单元与感知设备之间的相对位置关系；

基于所述惯性信息、第一位置信息以及相对位置关系，获取每个子图像数据对应的第二位置信息；

对每个子图像数据进行正态变换处理，得到多个处理后的子图像数据；

通过第二位置信息对多个处理后的子图像数据进行拼接，得到所述目标区域对应的参考点云地图；

基于所述参考点云地图以及惯性信息，构建所述目标区域对应的参考地图块；

构建所述静态环境数据对应的实时地图块；

对所述实时地图块以及参考地图块进行图像匹配；

基于匹配结果以及惯性信息，确定所述目标车辆在所述参考点云地图上的位置。

2.根据权利要求1所述的方法，其特征在于，所述对所述实时地图块以及参考地图块进行图像匹配，包括：

提取所述实时地图块中的每个像素点，得到多个目标像素点，以及；

提取所述参考地图块中的每个像素点，得到多个参考像素点；

计算目标像素点与各参考像素点之间的距离；

当距离满足预设条件时，将满足条件的参考像素点确定为目标像素点的匹配像素点；

构建多个匹配像素点对应的匹配地图块；

所述基于匹配结果以及惯性信息，确定所述目标车辆在所述参考点云地图上的位置，包括：基于匹配地图块以及惯性信息，确定所述目标车辆在所述匹配地图块上的位置。

3.根据权利要求2所述的方法，其特征在于，所述惯性信息包括所述目标车辆在行驶过程中对应的多个运动点，所述基于匹配地图块以及惯性信息，确定所述目标车辆在所述匹配地图块上的位置之后，还包括：

基于多个运动点，在所述匹配地图块上绘制所述目标车辆对应的行驶轨迹。

4.根据权利要求1至3任一项所述的方法，其特征在于，所述根据预设神经网络模型对所述实时点云数据进行数据分割，得到所述目标区域对应的静态环境数据以及所述目标车辆对应的目标运动数据，包括：

根据预设神经网络模型对目标区域中的动态目标进行识别，得到所述动态目标对应的动态目标数据；

根据所述目标车辆的惯性信息，从所述动态目标数据中确定所述目标车辆对应的目标运动数据；

在所述实时点云数据去除所述动态目标数据，得到所述目标区域对应的静态环境数据。

5.根据权利要求1至3任一项所述的方法，其特征在于，所述通过第二位置信息对多个处理后的子图像数据进行拼接，得到所述目标区域对应的参考点云地图，包括：

计算相邻的处理后的子图像数据之间的转移矩阵；

通过第二位置信息、转移矩阵以及处理后的子图像数据，构建所述目标区域对应的参考点云地图。

6.根据权利要求5所述的方法，其特征在于，所述基于所述第二位置信息、转移矩阵以及处理后的子图像数据，构建所述目标区域对应的参考点云地图之后，还包括：

对所述参考点云地图进行降采样处理，得到降采样后的参考点云地图；

所述基于匹配结果以及惯性信息，确定所述目标车辆在所述参考点云地图上的位置，包括：基于匹配结果以及惯性信息，确定所述目标车辆在降采样后的参考点云地图上的位置。