[发明专利]一种状态确定方法、装置、计算设备及存储介质

说明书

本发明实施例公开了一种状态确定方法、装置、计算设备及存储介质。该方法包括：获取待处理的观测数据，所述观测数据包括帧时刻相同的图像序列和点云序列；基于所述观测数据计算残差项，所述残差项包括基于全局定位的全局残差和基于局部定位的局部残差；以及对所述残差项进行滤波，得到对象在各帧时刻的优化状态。通过上述技术方案，通过滤波器将全局约束和局部约束进行融合，即使在全局定位信息缺失的情况下，也能基于局部定位信息进行准确定位，提高定位精度。

技术领域

本发明实施例涉及自动驾驶技术领域，尤其涉及一种状态确定方法、装置、计算设备及存储介质。

背景技术

对象定位技术是无人驾驶感知系统的重要组成部分。为了保证自动驾驶车辆和移动机器人的正常运行，一般需要通过安装车载传感器来采集周围环境数据，以帮助自动驾驶车辆和移动机器人感知自身周围环境，尤其需要感知车辆状态。因此，如何在一段环境数据中准确估计车辆状态对自动驾驶效率和安全性具有重要的意义。

目前的车辆定位为有基于视觉的定位方法，但该视觉定位方法在地面特征观测不好(如前车遮挡、路面开裂导致的地面特征不明显或者无地面特征)的情况下无法保证系统稳定性。因此需要提供一种更稳定的车辆定位方法。

发明内容

本发明实施例提供了一种状态确定方法、装置、计算设备及存储介质，以解决或力图解决现有技术存在的问题。

第一方面，本发明实施例提供了一种状态确定方法，包括：

获取待处理的观测数据，所述观测数据包括帧时刻相同的图像序列和点云序列；

基于所述观测数据计算残差项，所述残差项包括基于全局定位的全局残差和基于局部定位的局部残差；以及

对所述残差项进行滤波，得到对象在各帧时刻的优化状态。

第二方面，本发明实施例提供了一种状态确定装置，包括：

数据获取模块，适于获取待处理的观测数据，所述观测数据包括帧时刻相同的图像序列和点云序列；

残差计算模块，适于基于所述观测数据计算待优化的残差项，所述残差项代表状态预测量和状态观测量的差异；以及

状态优化模块，适于对所述残差项进行滤波，得到对象在各帧时刻的优化状态。

第三方面，本发明实施例提供了一种计算设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如本发明实施例提供的定位方法。

第四方面，本发明实施例提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如本发明实施例提供的定位方法。

本发明实施例中提供的定位方案，获取帧时刻相同的图像序列和点云序列，并采用滤波的方式，并构建全局定位的残差项和局部定位的残差项进行滤波，提高定位精度。所构建的残差项包括但不限于基于视觉地图地图的全局残差、基于全球卫星导航系统(GNSS)的全局残差、以及基于前后帧点云的局部残差等，从而融合全局定位信息和局部定位信息，实现基于多种全局观测的视觉定位。

进一步地，本发明采用了迭代误差状态卡尔曼滤波器并融合了车道线的虚线端点重投影误差、实线距离误差以及固态激光雷达里程计的观测使得系统状态的可观性大大增强。同时由于融合了里程计估计结果使得在地面特征点缺失的少量路段(如路口或者少量车道线磨损严重的路段)也能抑制状态漂移从而提升系统鲁棒性。

附图说明

图1为本发明实施例提供的车辆100的结构示意图；

图2为本发明实施例提供的状态确定方法200的流程示意图；

图3为本发明实施例提供的实线距离图的示意图；