[发明专利]车辆的位置确定方法、装置及电子设备

说明书

本发明公开了一种车辆的位置确定方法、装置及电子设备。其中，该方法包括：获取目标车辆的初始位置数据与目标图像数据；依据目标图像数据，确定在预定坐标系下的多个目标特征数据以及与多个目标特征数据分别对应的目标特征类别，并依据初始位置数据，确定在预定坐标系下初始位置数据对应的多个地图特征数据，以及与多个地图特征数据分别对应的地图特征类别；依据多个目标特征数据，与多个目标特征数据分别对应的目标特征类别，多个地图特征数据，以及与多个地图特征数据对应的地图特征类别多个地图特征数据，确定目标误差数据；依据目标误差数据，确定目标位置数据。本发明解决了相关技术中控制车辆的位置时，存在确定出的位置精度低的技术问题。

技术领域

本发明涉及自动驾驶领域，具体而言，涉及一种车辆的位置确定方法、装置及电子设备。

背景技术

自主代客泊车(Automated Valet Parking，AVP)技术近年来受到广大学者和研究人员的关注，被称为解决用户“最后一公里自由”的L4级自动驾驶技术。在AVP系统中，由于其工作场景大多位于停车场内部，导致全球定位系统(GPS)无法正常工作，因此一个稳定的、高精度的定位模块是其能够正常运行的关键。使用惯性测量单元(IMU)和车身的轮速数据能够通过对自动驾驶车辆的惯性数据进行测量进而推算车辆的位置以及姿态信息。虽然通过上述传感器的测量值能够在短期内得到精准的位姿估计，但是由于缺少绝对的观测数据。因此在系统在长时间运行时其定位结果会因为累积误差的存在而产生“漂移”现象的出现。

针对上述的问题，目前尚未提出有效的解决方案。

发明内容

本发明实施例提供了一种车辆的位置确定方法、装置及电子设备，以至少解决相关技术中控制车辆的位置时，存在确定出的位置精度低的技术问题。

根据本发明实施例的一个方面，提供了一种车辆的位置确定方法，包括：获取目标车辆的初始位置数据与目标图像数据，其中，所述目标图像数据为对基于所述目标车辆的预定范围内进行图像采集得到的图像数据；依据所述目标车辆的目标图像数据，确定在预定坐标系下的多个目标特征数据以及与所述多个目标特征数据分别对应的目标特征类别，并依据所述初始位置数据，确定在所述预定坐标系下所述初始位置数据对应的多个地图特征数据，以及与所述多个地图特征数据分别对应的地图特征类别，其中，所述目标特征数据中包括角点特征数据与非角点特征数据，所述目标特征类别包括停车位线、箭头线、道路标线与斑马线；依据所述多个目标特征数据，与所述多个目标特征数据分别对应的目标特征类别，所述多个地图特征数据，以及与所述多个地图特征数据对应的地图特征类别所述多个地图特征数据，确定目标误差数据；依据所述目标误差数据，确定目标位置数据。

可选地，所述依据所述目标误差数据，确定目标位置数据，包括：在所述目标误差数据满足预定约束的情况下，确定所述初始位置数据为目标位置数据；和/或，在所述目标误差数据不满足所述预定约束的情况下，依据候选位置数据，确定目标位置数据，其中，所述候选位置数据依据所述目标误差数据与所述初始位置数据得到。

可选地，所述依据候选位置数据，确定目标位置数据，包括：依据所述目标误差数据与所述初始位置数据，确定在所述初始位置数据下的三维变换矩阵，基于所述初始位置数据下所述目标误差数据的雅可比矩阵，以及预定迭代参数；基于所述三维变换矩阵，所述雅可比矩阵以及所述预定迭代参数，确定所述候选位置数据；依据所述候选位置数据，确定目标位置数据。

可选地，所述依据所述目标车辆的目标图像数据，确定在预定坐标系下的多个目标特征数据以及与所述多个目标特征数据分别对应的目标特征类别，包括：将所述目标车辆的目标图像数据输入至图像分类网络模型，得到在预定坐标系下的多个目标特征数据以及与所述多个目标特征数据分别对应的目标特征类别，其中，所述图像分类网络模型采用多组样本数据训练得到，所述多组样本训练数据包括样本图像数据，在样本坐标系下的多个样本特征数据，与所述多个样本特征数据分别对应的样本特征类别。