无人驾驶车辆纵向定位方法、装置、电子设备、存储介质与流程

1.本发明涉及无人驾驶领域，尤其涉及一种无人驾驶车辆纵向定位方法、装置、电子设备、存储介质。


背景技术：

2.在自动驾驶中，尤其是港口的集装箱卡车的自动驾驶控制中，由于港口道路以及环境相对简单，因此，在港口地图的构建和特征采集匹配中，通常利用简单的基本几何特征来进行实体的特征识别。当执行港口区域的车辆定位时，利用所采集的基本几何特征与港口地图储存的基本几何特征进行匹配，从而实现车辆全局纵向定位。然而，基本几何特征容易发生匹配错误，导致定位错误的情况。
3.由此，如何避免特征误匹配，正确匹配特征，从而提高无人驾驶车辆纵向定位准确率，是本领域技术人员亟待解决的技术问题。


技术实现要素：

4.本发明为了克服上述现有技术存在的缺陷，提供一种无人驾驶车辆纵向定位方法、装置、电子设备、存储介质，以避免特征误匹配，正确匹配特征，从而提高无人驾驶车辆纵向定位准确率。
5.根据本发明的一个方面，提供一种无人驾驶车辆纵向定位方法，包括：
6.获取设置在车辆上的采集设备采集的环境数据；
7.从所述环境数据中提取环境特征，所述环境特征包括单位几何特征以及由单位几何特征耦合获得的组合特征；
8.依据至少一维属性，向所述环境特征赋予特征权重；
9.根据所述环境特征及其特征权重，在全局特征数据中搜寻最佳匹配的已知特征，所述全局特征数据包括全局范围内的已知特征，所述已知特征包括单位几何特征以及由单位几何特征耦合获得的组合特征；
10.根据所述最佳匹配的已知特征在全局范围内的位置，执行所述车辆的全局纵向定位。
11.在本技术的一些实施例中，所述单位几何特征包括点特征、边特征以及面特征，所述组合特征由多个单位几何特征的相互约束关系获得。
12.在本技术的一些实施例中，所述全局特征数据中的已知特征的组合特征的多个约束关系形成约束关系集合，所述环境特征中单位几何特征遍历所述约束关系集合，以获得与所述约束关系集合中的约束关系匹配的组合特征。
13.在本技术的一些实施例中，所述约束关系包括单位几何特征之间的位置关系，所述位置关系由特征相对距离和/或特征之间夹角表示。
14.在本技术的一些实施例中，所述依据至少一维属性，向所述环境特征赋予特征权重包括如下步骤中的一种或多种：
15.依据所述环境特征与所述车辆之间的位置关系确定所述环境特征的至少一维属性的特征权重；
16.根据所述车辆与所述全局特征数据的关系可确定所述全局特征的至少一维属性的特征权重；
17.依据所述环境特征与所述全局特征数据的关系确定所述环境特征的至少一维属性的特征权重。
18.在本技术的一些实施例中，所述组合特征还由单位几何特征以及标记特征耦合获得。
19.在本技术的一些实施例中，所述根据所述最佳匹配的已知特征在全局范围内的位置，执行所述车辆的全局纵向定位包括：
20.根据所述最佳匹配的已知特征在全局范围内的位置以及所述最佳匹配的已知特征与所述车辆的相对位置，确定所述车辆在全局范围内的位置。
21.根据本技术的又一方面，还提一种无人驾驶车辆纵向定位装置，包括：
22.获取模块，配置成获取设置在车辆上的采集设备采集的环境数据；
23.提取模块，配置成从所述环境数据中提取环境特征，所述环境特征包括单位几何特征以及由单位几何特征耦合获得的组合特征；
24.权重模块，配置成依据至少一维属性，向所述环境特征赋予特征权重；
25.匹配模块，配置成根据所述环境特征及其特征权重，在全局特征数据中搜寻最佳匹配的已知特征，所述全局特征数据包括全局范围内的已知特征，所述已知特征包括单位几何特征以及由单位几何特征耦合获得的组合特征；
26.定位模块，配置成根据所述最佳匹配的已知特征在全局范围内的位置，执行所述车辆的全局纵向定位。
27.根据本发明的又一方面，还提供一种电子设备，所述电子设备包括：处理器；存储介质，其上存储有计算机程序，所述计算机程序被所述处理器运行时执行如上所述的步骤。
28.根据本发明的又一方面，还提供一种存储介质，所述存储介质上存储有计算机程序，所述计算机程序被处理器运行时执行如上所述的步骤。
29.相比现有技术，本发明的优势在于：
30.通过环境特征中由单位几何特征耦合获得的组合特征与全局特征数据的组合特征的匹配，同时结合属性的权重，搜寻最佳匹配的已知特征，根据所述最佳匹配的已知特征在全局范围内的位置，执行所述车辆的全局纵向定位，由此，以增加特征多维属性及多特征耦合为组合特征，避免特征误匹配，正确匹配特征，从而提高无人驾驶车辆纵向定位准确率。
附图说明
31.通过参照附图详细描述其示例实施方式，本发明的上述和其它特征及优点将变得更加明显。
32.图1示出了根据本发明实施例的无人驾驶车辆纵向定位方法的流程图；
33.图2示出了根据本发明实施例的依据至少一维属性，向所述环境特征赋予特征权重的流程图；
34.图3示出了根据本发明实施例的环境特征的示意图；
35.图4示出了根据本发明实施例的无人驾驶车辆纵向定位的示意图；
36.图5示出了根据本发明实施例的无人驾驶车辆纵向定位装置的模块图；
37.图6示意性示出本公开示例性实施例中一种计算机可读存储介质示意图；
38.图7示意性示出本公开示例性实施例中一种电子设备示意图。
具体实施方式
39.现在将参考附图更全面地描述示例实施方式。然而，示例实施方式能够以多种形式实施，且不应被理解为限于在此阐述的范例；相反，提供这些实施方式使得本公开将更加全面和完整，并将示例实施方式的构思全面地传达给本领域的技术人员。所描述的特征、结构或特性可以以任何合适的方式结合在一个或更多实施方式中。
40.此外，附图仅为本公开的示意性图解，并非一定是按比例绘制。图中相同的附图标记表示相同或类似的部分，因而将省略对它们的重复描述。附图中所示的一些方框图是功能实体，不一定必须与物理或逻辑上独立的实体相对应。可以采用软件形式来实现这些功能实体，或在一个或多个硬件模块或集成电路中实现这些功能实体，或在不同网络和/或处理器装置和/或微控制器装置中实现这些功能实体。
41.为了解决现有技术的缺陷，本发明提供一种无人驾驶车辆纵向定位方法，如图1所示。图1示出了根据本发明实施例的无人驾驶车辆纵向定位方法的流程图。无人驾驶车辆纵向定位指车辆在其行驶方向上的定位。图1共示出如下步骤：
42.步骤s110：获取设置在车辆上的采集设备采集的环境数据。
43.具体而言，采集设备可以包括视觉传感器、雷达传感器等。所述环境数据可以包括图像数据、视频数据、激光雷达数据中的一项或多项，本发明并非以此为限制。
44.步骤s120：从所述环境数据中提取环境特征，所述环境特征包括单位几何特征以及由单位几何特征耦合获得的组合特征。
45.具体而言，所述单位几何特征可以包括点特征、边特征以及面特征，本发明并非以此为限制。其中，点特征、边特征以及面特征作为基本的几何数据，可以形成单位几何特征。由这些单位几何特征可以耦合来获得组合特征。组合特征可以由相同的单位几何特征耦合获得，例如，可以由两个成设定夹角的边特征耦合构成组合特征；可以由两个成设定夹角的面特征耦合构成组合特征；可以由两个成设定距离的点特征耦合构成组合特征。在一些变化例中，组合特征可以由不同的单位几何特征耦合获得，例如，可以由成设定夹角的边特征和面特征耦合构成组合特征；可以由设定距离的点特征和面特征耦合构成组合特征；可以由设定距离的点特征和线特征耦合构成组合特征。本发明并非以此为限制。
46.进一步地，在本技术的一些实施例中，所述组合特征还由单位几何特征以及标记特征耦合获得。
47.a.具体而言，可以采用各种不同的点云特征识别步骤。以下示意性的描述提取线特征和面特征的实现方式：根据车辆位姿和受理任务类型(集装箱尺寸)，提取激光数据的roi区域(感兴趣区域)；执行激光点云处理(去除离群点，下采样等)；拟合特征(如线/面特征可使用(加权)最小二乘,ransac方法等)。由此，实现线特征和面特征的提取，本技术并非以此为限制。
48.步骤s130：依据至少一维属性，向所述环境特征赋予特征权重。
49.具体而言，全局特征在初始时，就已经被赋予了多维属性(如一个u形特征，可以有个垂直于地面的特征，左边的赋予inner属性，右边的赋予outer 属性，那么从激光数据中获取提取这个u形特征的两个面时，也能判断时 inner还是outer属性,inner只能和inner进行匹配)，且全局特征在实际使用过程中也可以再赋予属性(如是否可见，因为车辆观察到的特征一定是可见的，那么特征就不能和不可见的全局特征进行匹配),那么在使用中，赋予环境特征权重的方法可以不止一种可以如图2示出步骤来实现：步骤s131：依据所述环境特征与所述车辆之间的位置关系确定所述环境特征的至少一维属性的特征权重(如是否可见以及与车辆的相对距离等)；步骤s132：根据所述车辆与所述全局特征数据的关系可确定所述全局特征的至少一维属性的特征权重；步骤s133：依据所述环境特征与所述全局特征数据的关系确定所述环境特征的至少一维属性的特征权重。
50.例如，将该环境特征在车辆当前位置是否可见作为一可见属性，若可见，则该环境特征在可见这一属性上权重值较大；若不可见，则该环境特征在可见这一属性上权重值较小。又例如，将环境特征的单位几何特征之间的相对位置关系作为属性，例如，当预先给两个边特征赋予了“l”结构的属性，如果在环境特征中的两个边特征实际检测特征确为“l”结构，则其权重较大；如果在环境特征中的两个边特征实际检测特征不为“l”结构，则其权重较小。以上仅仅是示意性地示出本发明的特征权重的计算，本发明并非以此为限制。
51.进一步地，所述全局特征数据包括全局范围内的已知特征，所述已知特征包括单位几何特征以及由单位几何特征耦合获得的组合特征。具体而言，全局特征也具备至少一维属性。全局特征数据可以预先依据全局范围的环境特征的采集和提取来建立。全局范围例如可以是港口区域的全局范围。例如，可以由车辆按预定轨迹遍历港口区域并进行实时的环境数据采集以及环境特征的提取，从而可以根据车辆的预定轨迹确定车辆在港口区域的位置，通过车辆采集的环境特征与车辆的相对位置，确定环境特征在港口区域的位置，由此，将提取的环境特征作为已知特征关联该环境特征在全局中的位置进行储存。在本发明各实施例中，考虑到单位几何特征的误识别和误匹配，从而可以依据建立全局特征数据时，将容易被误识别和匹配的单位几何特征按约束关系耦合为组合特征。
52.进一步地，所述全局特征数据中的已知特征的组合特征的多个约束关系形成约束关系集合，所述环境特征中单位几何特征遍历所述约束关系集合，以获得与所述约束关系集合中的约束关系匹配的组合特征。其中，所述约束关系包括单位几何特征之间的位置关系，所述位置关系由特征相对距离和/ 或特征之间夹角表示。约束关系的表述方式并非以此为限制。在该实施例中，可以直接将已知特征的组合特征的约束关系用于在环境特征的多个单位几何特征中进行匹配。在另一些实施例中，也可以依据已知特征的组合特征的约束关系，形成更为宽泛的约束关系，从而基于更为宽泛的约束关系用于在环境特征的多个单位几何特征中进行匹配。例如，当已知特征的组合特征的约束关系为两个边特征的夹角为90度，为了避免环境特征采集时，由于采集角度、采集性能等影响产生误差，可以将宽泛的约束关系设定为两个相交的边特征，并将该两个相交的边特征的夹角是否接近90度作为该两个相交的边特征形成的组合特征的一属性的特征权重。本发明可以实现更多的变化方式，在此不予赘述。
53.步骤s140：根据所述环境特征及其特征权重，在全局特征数据中搜寻最佳匹配的
已知特征。
54.具体而言，在本实施例中，各全局特征数据的已知特征可以关联其特征权重的储存。由此，可以通过全局特征数据各已知特征可以特征权重和环境特征的特征权重进行匹配，从而获得最佳匹配的已知特征。进一步地，当特征权重为多维时，可以通过各维属性的特征权重的匹配计算获得环境特征和已知特征的相似度，从而将相似度最高的已知特征作为最佳匹配的已知特征。在另一些变化例中，可以设置多维属性的各属性的优先级，以首先进行优先级最高的属性的特征权重的匹配和筛选，获得多个候选已知特征，并按优先级依次进行特征权重的匹配和筛选，以最终获得一个最佳匹配的已知特征。本发明可以实现更多的变化方式，在此不予赘述。
55.步骤s150：根据所述最佳匹配的已知特征在全局范围内的位置，执行所述车辆的全局纵向定位。
56.具体而言，步骤s150可以由如下步骤来实现根据所述最佳匹配的已知特征在全局范围内的位置以及所述最佳匹配的已知特征与所述车辆的相对位置，确定所述车辆在全局范围内的位置。
57.在本发明提供的无人驾驶车辆纵向定位方法中，通过环境特征中由单位几何特征耦合获得的组合特征与全局特征数据的组合特征的匹配，同时结合属性的权重，搜寻最佳匹配的已知特征，根据所述最佳匹配的已知特征在全局范围内的位置，执行所述车辆的全局纵向定位，由此，增加特征多维属性及多特征耦合为组合特征，避免特征误匹配，正确匹配特征，从而提高无人驾驶车辆纵向定位准确率。
58.下面参见图3和图4，图3示出了根据本发明实施例的环境特征的示意图；图4示出了根据本发明实施例的无人驾驶车辆纵向定位的示意图。
59.如图3所示，通过环境数据可以提取获得边特征101、面特征102、边特征103以及标记特征104。可以按需设定，边特征101和面特征102以及他们之间的位置关系组合形成组合特征；边特征103和面特征102以及他们之间的位置关系组合形成组合特征；边特征101和边特征103以及他们之间的位置关系组合形成组合特征，在各组合特征中，还可以结合标记特征104，由此，可以适用于如图4所示的场景中，由于边特征103a对应的标记特征 104对车辆100而言是可见的，从而结合标记特征104，避免车辆无法识别出多个边特征103a、103b、103c的差异。
60.以上仅仅是本发明的无人驾驶车辆纵向定位方法的多个具体实现方式，各实现方式可以独立或组合来实现，本发明并非以此为限制。进一步地，本发明的流程图仅仅是示意性地，各步骤之间的执行顺序并非以此为限制，步骤的拆分、合并、顺序交换、其它同步或异步执行的方式皆在本发明的保护范围之内。
61.本发明还提供一种无人驾驶车辆纵向定位装置，图5示出了根据本发明实施例的无人驾驶车辆纵向定位装置的模块图。无人驾驶车辆纵向定位装置 200包括获取模块210、提取模块220、权重模块230、匹配模块240以及定位模块250。
62.获取模块210配置成获取设置在车辆上的采集设备采集的环境数据；
63.提取模块220配置成从所述环境数据中提取环境特征，所述环境特征包括单位几何特征以及由单位几何特征耦合获得的组合特征；
64.权重模块230配置成依据至少一维属性，向所述环境特征赋予特征权重；
65.匹配模块240配置成根据所述环境特征及其特征权重，在全局特征数据中搜寻最佳匹配的已知特征，所述全局特征数据包括全局范围内的已知特征，所述已知特征包括单位几何特征以及由单位几何特征耦合获得的组合特征；
66.定位模块250配置成根据所述最佳匹配的已知特征在全局范围内的位置，执行所述车辆的全局纵向定位。
67.在本发明提供的无人驾驶车辆纵向定位装置中，通过环境特征中由单位几何特征耦合获得的组合特征与全局特征数据的组合特征的匹配，同时结合属性的权重，搜寻最佳匹配的已知特征，根据所述最佳匹配的已知特征在全局范围内的位置，执行所述车辆的全局纵向定位，由此，以增加特征多维属性及多特征耦合为组合特征，避免特征误匹配，正确匹配特征，从而提高无人驾驶车辆纵向定位准确率。
68.图5仅仅是示意性的分别示出本发明提供的无人驾驶车辆纵向定位装置 200，在不违背本发明构思的前提下，模块的拆分、合并、增加都在本发明的保护范围之内。本发明提供的无人驾驶车辆纵向定位装置200可以由软件、硬件、固件、插件及他们之间的任意组合来实现，本发明并非以此为限。
69.在本公开的示例性实施例中，还提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被例如处理器执行时可以实现上述任意一个实施例中所述无人驾驶车辆纵向定位方法的步骤。在一些可能的实施方式中，本发明的各个方面还可以实现为一种程序产品的形式，其包括程序代码，当所述程序产品在终端设备上运行时，所述程序代码用于使所述终端设备执行本说明书上述无人驾驶车辆纵向定位方法部分中描述的根据本发明各种示例性实施方式的步骤。
70.参考图6所示，描述了根据本发明的实施方式的用于实现上述方法的程序产品800，其可以采用便携式紧凑盘只读存储器(cd
‑
rom)并包括程序代码，并可以在终端设备，例如个人电脑上运行。然而，本发明的程序产品不限于此，在本文件中，可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。
71.所述程序产品可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以为但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器(ram)、只读存储器(rom)、可擦式可编程只读存储器(eprom或闪存)、光纤、便携式紧凑盘只读存储器(cd
‑
rom)、光存储器件、磁存储器件、或者上述的任意合适的组合。
72.所述计算机可读存储介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了可读程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。可读存储介质还可以是可读存储介质以外的任何可读介质，该可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。可读存储介质上包含的程序代码可以用任何适当的介质传输，包括但不限于无线、有线、光缆、rf等等，或者上述的任意合适的组合。
73.可以以一种或多种程序设计语言的任意组合来编写用于执行本发明操作的程序代码，所述程序设计语言包括面向对象的程序设计语言—诸如java、 c 等，还包括常规的
过程式程序设计语言—诸如“c”语言或类似的程序设计语言。程序代码可以完全地在租户计算设备上执行、部分地在租户设备上执行、作为一个独立的软件包执行、部分在租户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中，远程计算设备可以通过任意种类的网络，包括局域网(lan)或广域网(wan)，连接到租户计算设备，或者，可以连接到外部计算设备(例如利用因特网服务提供商来通过因特网连接)。
74.在本公开的示例性实施例中，还提供一种电子设备，该电子设备可以包括处理器，以及用于存储所述处理器的可执行指令的存储器。其中，所述处理器配置为经由执行所述可执行指令来执行上述任意一个实施例中所述无人驾驶车辆纵向定位方法的步骤。
75.所属技术领域的技术人员能够理解，本发明的各个方面可以实现为系统、方法或程序产品。因此，本发明的各个方面可以具体实现为以下形式，即：完全的硬件实施方式、完全的软件实施方式(包括固件、微代码等)，或硬件和软件方面结合的实施方式，这里可以统称为“电路”、“模块”或“系统”。
76.下面参照图7来描述根据本发明的这种实施方式的电子设备600。图7 显示的电子设备600仅仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。
77.如图7所示，电子设备600以通用计算设备的形式表现。电子设备600 的组件可以包括但不限于：至少一个处理单元610、至少一个存储单元620、连接不同系统组件(包括存储单元620和处理单元610)的总线630、显示单元640等。
78.其中，所述存储单元存储有程序代码，所述程序代码可以被所述处理单元610执行，使得所述处理单元610执行本说明书上述无人驾驶车辆纵向定位方法部分中描述的根据本发明各种示例性实施方式的步骤。例如，所述处理单元610可以执行如图1中所示的步骤。
79.所述存储单元620可以包括易失性存储单元形式的可读介质，例如随机存取存储单元(ram)6201和/或高速缓存存储单元6202，还可以进一步包括只读存储单元(rom)6203。
80.所述存储单元620还可以包括具有一组(至少一个)程序模块6205的程序/实用工具6204，这样的程序模块6205包括但不限于：操作系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。
81.总线630可以为表示几类总线结构中的一种或多种，包括存储单元总线或者存储单元控制器、外围总线、图形加速端口、处理单元或者使用多种总线结构中的任意总线结构的局域总线。
82.电子设备600也可以与一个或多个外部设备700(例如键盘、指向设备、蓝牙设备等)通信，还可与一个或者多个使得租户能与该电子设备600交互的设备通信，和/或与使得该电子设备600能与一个或多个其它计算设备进行通信的任何设备(例如路由器、调制解调器等等)通信。这种通信可以通过输入/输出(i/o)接口650进行。并且，电子设备600还可以通过网络适配器660与一个或者多个网络(例如局域网(lan)，广域网(wan)和/或公共网络，例如因特网)通信。网络适配器660可以通过总线630与电子设备600的其它模块通信。应当明白，尽管图中未示出，可以结合电子设备600 使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、raid系统、磁带驱动器以及数据备份存储系统等。
83.通过以上的实施方式的描述，本领域的技术人员易于理解，这里描述的示例实施方式可以通过软件实现，也可以通过软件结合必要的硬件的方式来实现。因此，根据本公开实施方式的技术方案可以以软件产品的形式体现出来，该软件产品可以存储在一个非易失性存储介质(可以是cd
‑
rom，u盘，移动硬盘等)中或网络上，包括若干指令以使得一台计算设备(可以是个人计算机、服务器、或者网络设备等)执行根据本公开实施方式的上述无人驾驶车辆纵向定位方法。
84.相比现有技术，本发明的优势在于：
85.通过环境特征中由单位几何特征耦合获得的组合特征与全局特征数据的组合特征的匹配，同时结合属性的权重，搜寻最佳匹配的已知特征，根据所述最佳匹配的已知特征在全局范围内的位置，执行所述车辆的全局纵向定位，由此，以增加特征多维属性及多特征耦合为组合特征，避免特征误匹配，正确匹配特征，从而提高无人驾驶车辆纵向定位准确率。
86.本领域技术人员在考虑说明书及实践这里公开的发明后，将容易想到本公开的其它实施方案。本技术旨在涵盖本公开的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本公开的真正范围和精神由所附的权利要求指出。