定位方法、装置、设备及存储介质与流程

1.本技术涉及车辆工程技术领域，尤其涉及一种定位方法、装置、设备及存储介质。


背景技术：

2.定位技术是自动驾驶等智能机器应用技术的基础和核心技术之一，为智能机器或载具提供位置和姿态，即位姿信息。现有的定位技术可以分为几何定位、航位推算、特征定位。
3.对于特征定位，一般首先获取周围环境的若干观测特征，如基站身份信息、wifi指纹、图像、激光雷达采集的点云等，然后将观测特征和事先建立的特征地图进行匹配，确定在特征地图中的位置，这样就可以提供绝对定位信息。
4.但是，当智能机器或载具在实际运行时，其对周围环境的实时观测特征或特征地图中存在噪声或误差时，定位配准无法良好进行，特征定位的精度和稳定性受到影响。即现有特征定位技术中存在当观测特征和特征地图匹配时，由于噪声或误差的干扰无法进行良好定位配准的技术问题。


技术实现要素：

5.本技术提供一种定位方法、装置、设备及存储介质，以解决现有特征定位技术中存在当观测特征和特征地图匹配时，由于噪声或误差的干扰无法进行良好定位配准的技术问题。
6.第一个方面，本技术提供一种定位方法，包括：
7.获取道路单帧观测特征以及相对位姿推算参数，相对位姿推算参数为从第一观测点到第二观测点的相对位姿，第一观测点与第二观测点为任意两个连续的道路单帧观测特征的观测点；
8.根据相对位姿推算参数，将满足预设要求的多个道路单帧观测特征拼接成道路多帧观测特征；
9.根据相对位姿推算参数、最新历史位姿、道路多帧观测特征以及预先建立的特征地图进行配准，以确定定位信息，定位信息包括当前位姿，最新历史位姿为在最近一次定位时所确定的位姿，或者最近一次接收到的绝对定位源发送的监视位姿。
10.在一种可能的设计中，根据相对位姿推算参数、最新历史位姿、道路多帧观测特征以及预先建立的特征地图进行配准，确定定位信息，包括：
11.对道路多帧观测特征进行切分，以确定多个配准观测单元；
12.根据相对位姿推算参数、最新历史位姿，将每个配准观测单元与特征地图进行配准，以确定与每个配准观测单元对应的待选位姿及待选位姿对应的置信度，置信度用于表征待选位姿与特征地图的匹配程度；
13.根据每个置信度以及预设筛选方式确定当前位姿。
14.在一种可能的设计中，根据各个置信度以及预设筛选方式确定当前位姿，包括：
15.选取各个置信度中的最大值作为最大置信度；
16.将最大置信度对应的待选位姿确定为当前位姿。
17.在一种可能的设计中，根据相对位姿推算参数、最新历史位姿，将每个配准观测单元与特征地图进行配准，以确定与每个配准观测单元对应的待选位姿及置信度，包括：
18.将每个配准观测单元中的所有观测元素确定为初始的特征点；
19.根据相对位姿推算参数以及最新历史位姿确定初始的预测位姿；
20.根据预测位姿计算各个特征点与特征地图中各个特征元素之间的距离，并根据各个距离确定置信度；
21.根据距离对预测位姿进行优化调整；
22.根据调整后的预测位姿删除不满足预设要求的特征点，并将剩余的特征点作为新特征点；
23.根据各个新特征点对应的距离再次调整预测位姿，直至置信度收敛时，将预测位姿确定为待选位姿。
24.在一种可能的设计中，根据各个距离确定置信度，包括：将各个距离的平均值的倒数作为置信度。
25.在一种可能的设计中，根据距离对预测位姿进行优化调整，包括：
26.调整预测位姿的取值，使特征点与特征地图中特征元素之间的距离最小；
27.根据调整后的预测位姿确定新的置信度；
28.若新的置信度大于原来的置信度，则保留新的置信度，否则保留原来的置信度。
29.在一种可能的设计中，筛选出距离小于预设距离阈值的各个特征点作为新特征点，包括：
30.选取所有满足高斯白噪声要求的特征点作为新特征点。
31.在一种可能的设计中，根据预设切分方式，对道路多帧观测特征进行切分，以确定多个配准观测单元，包括：
32.根据道路多帧观测特征中的预设中心点以及切分间隔角度进行切割，以确定多个配准观测单元。
33.在一种可能的设计中，根据相对位姿推算参数，将满足预设要求的多个道路单帧观测特征拼接成道路多帧观测特征，包括：
34.计算每个道路单帧观测特征与最新的道路单帧观测特征的第一相对位姿；
35.根据各个第一相对位姿，将每个道路单帧观测特征转换为待组合观测特征，待组合观测特征为在最新位姿下描述的道路单帧观测特征，最新位姿为最新的道路单帧观测特征对应的位姿；
36.将所有待组合观测特征进行叠加组合，以确定道路多帧观测特征。
37.在一种可能的设计中，定位信息包括首次进行定位的初始化定位信息，对应的，最新历史位姿为绝对定位源发送的监视位姿，道路多帧观测特征为首次获取到的道路单帧观测特征。
38.可选的，道路单帧观测特征包括：由点、线、面表示的几何形状或者标识、包含抽象信息的特征点、包含语义信息的点、线、面。
39.第二方面，本技术提供一种定位装置，包括：
40.获取模块，用于获取道路单帧观测特征以及相对位姿推算参数，相对位姿推算参数为从第一观测点到第二观测点的相对位姿，第一观测点与第二观测点为任意两个连续的道路单帧观测特征的观测点；
41.处理模块，用于：
42.根据相对位姿推算参数，将满足预设要求的多个道路单帧观测特征拼接成道路多帧观测特征；
43.根据相对位姿推算参数、最新历史位姿、道路多帧观测特征以及预先建立的特征地图进行配准，以确定定位信息，定位信息包括当前位姿，最新历史位姿为在最近一次定位时所确定的位姿，或者最近一次接收到的绝对定位源发送的监视位姿。
44.在一种可能的设计中，处理模块，用于：
45.对道路多帧观测特征进行切分，以确定多个配准观测单元；
46.根据相对位姿推算参数、最新历史位姿，将每个配准观测单元与特征地图进行配准，以确定与每个配准观测单元对应的待选位姿及待选位姿对应的置信度，置信度用于表征待选位姿与特征地图的匹配程度；
47.根据每个置信度以及预设筛选方式确定当前位姿。
48.在一种可能的设计中，处理模块，用于：
49.选取各个置信度中的最大值作为最大置信度；
50.将最大置信度对应的待选位姿确定为当前位姿。
51.在一种可能的设计中，处理模块，用于：
52.将每个配准观测单元中的所有观测元素确定为初始的特征点；
53.根据相对位姿推算参数以及最新历史位姿确定初始的预测位姿；
54.根据预测位姿计算各个特征点与特征地图中各个特征元素之间的距离，并根据各个距离确定置信度；
55.根据距离对预测位姿进行优化调整；
56.根据调整后的预测位姿删除不满足预设要求的特征点，并将剩余的特征点作为新特征点；
57.根据各个新特征点对应的距离再次调整预测位姿，直至置信度收敛时，将预测位姿确定为待选位姿。
58.在一种可能的设计中，处理模块，用于将各个距离的平均值的倒数作为置信度。
59.在一种可能的设计中，处理模块，用于：
60.调整预测位姿的取值，使特征点与特征地图中特征元素之间的距离最小；
61.根据调整后的预测位姿确定新的置信度；
62.若新的置信度大于原来的置信度，则保留新的置信度，否则保留原来的置信度。
63.在一种可能的设计中，处理模块，用于选取所有满足高斯白噪声要求的特征点作为新特征点。
64.在一种可能的设计中，处理模块，用于根据道路多帧观测特征中的预设中心点以及切分间隔角度进行切割，以确定多个配准观测单元。
65.在一种可能的设计中，处理模块，用于：
66.计算每个道路单帧观测特征与最新的道路单帧观测特征的第一相对位姿；
67.根据各个第一相对位姿，将每个道路单帧观测特征转换为待组合观测特征，待组合观测特征为在最新位姿下描述的道路单帧观测特征，最新位姿为最新的道路单帧观测特征对应的位姿；
68.将所有待组合观测特征进行叠加组合，以确定道路多帧观测特征。
69.在一种可能的设计中，定位信息包括首次进行定位的初始化定位信息，对应的，最新历史位姿为绝对定位源发送的监视位姿，道路多帧观测特征为首次获取到的道路单帧观测特征。
70.可选的，道路单帧观测特征包括：由点、线、面表示的几何形状或者标识、包含抽象信息的特征点、包含语义信息的点、线、面。
71.第三个方面，本技术提供一种电子设备，包括：
72.存储器，用于存储程序指令；
73.处理器，用于调用并执行存储器中的程序指令，执行第一方面所提供的任意一种可能的定位方法。
74.第四方面，本技术提供一种车辆，包括第三方面所提供的电子设备。
75.第五个方面，本技术提供一种存储介质，所述可读存储介质中存储有计算机程序，该计算机程序用于执行第一方面所提供的任意一种可能的定位方法。
76.第六方面，本技术还提供一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现第一方面所提供的任意一种可能的定位系统方法。
77.本技术提供了一种定位方法、装置、设备及存储介质，通过获取道路单帧观测特征以及相对位姿推算参数，相对位姿推算参数为从第一观测点到第二观测点的相对位姿，第一观测点与第二观测点为任意两个连续的道路单帧观测特征的观测点；根据相对位姿推算参数，将满足预设要求的多个道路单帧观测特征拼接成道路多帧观测特征；根据相对位姿推算参数、最新历史位姿、道路多帧观测特征以及预先建立的特征地图进行配准，以确定定位信息，定位信息包括当前位姿，最新历史位姿为在最近一次定位时所确定的位姿，或者最近一次接收到的绝对定位源发送的监视位姿。解决了现有特征定位技术中存在当观测特征和特征地图匹配时，由于噪声或误差的干扰无法进行良好定位配准的技术问题。达到了对非随机噪声和随机噪声起到有效抑制，提高定位的精度和稳定性的技术效果。
附图说明
78.此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本技术的实施例，并与说明书一起用于解释本技术的原理。
79.图1为本技术实施例提供的一种定位的数据流示意图；
80.图2为本技术实施例提供的一种定位方法的流程示意图；
81.图3为本技术实施提供的另一种定位方法的流程示意图；
82.图4为本技术实施例提供的一种定位装置的结构示意图；
83.图5为本技术提供的一种电子设备的结构示意图。
84.通过上述附图，已示出本技术明确的实施例，后文中将有更详细的描述。这些附图和文字描述并不是为了通过任何方式限制本技术构思的范围，而是通过参考特定实施例为本领域技术人员说明本技术的概念。
具体实施方式
85.为使本技术实施例的目的、技术方案和优点更加清楚，下面将结合本技术实施例中的附图，对本技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本技术一部分实施例，而不是全部的实施例。基于本技术中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，包括但不限于对多个实施例的组合，都属于本技术保护的范围。
86.本技术的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”、“第四”等(如果存在)是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本技术的实施例例如能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
87.下面首先对本技术所涉及到的专业名词的定义作解释介绍：
88.定位技术：是自动驾驶等智能机器(或者称为载具)应用技术的基础和核心技术之一，为智能机器(或者称为载具)提供位置和姿态信息，即位姿信息。按定位原理的不同，定位技术可以分为几何定位、航位推算、特征定位。
89.几何定位：是对已知位置的参考设备进行测距或者测角，再通过几何计算确定自身位置。包括gnss(global navigation satellite system,全球导航卫星系统)、uwb(ultra wide band，超宽带，一种无线载波通信技术)、蓝牙、5g等技术，提供绝对定位信息。在智能汽车应用中以gnss技术应用最广。gnss定位基于卫星定位技术，分为单点定位、差分gps(global positioning system，全球定位系统)定位、rtk(real-time kinematic，实时差分定位)定位，其中单点定位提供3～10米定位精度，差分gps提供0.5～2米定位精度，rtk gps提供厘米级定位精度。其局限性是依赖定位设施，受信号遮挡、反射等影响，在隧道、高架等场景下失效。
90.航位推算(dead reckoning)：是从上一时刻位置出发，根据imu(inertial measurement unit，惯性测量单元)和轮速计等传感器的运动数据推算下一时刻的位置，提供的是相对定位信息。其局限性是随着推算距离的增加，定位误差会不断累积增大。
91.特征定位首先获取周围环境的若干特征，如基站id(identity document，身份识别号)、wifi指纹、图像、lidar(laser detection and ranging，激光雷达)点云等。然后将观测特征和事先建立的特征地图进行匹配，确定在特征地图中的位置，可提供绝对定位信息。影响特征定位的直接因素是特征的数量、质量和区分度。其局限性是因为场景、环境等因素影响特征观测时，定位精度和稳定性下降。
92.本技术发明人发现，特征定位通过观测特征和特征地图的配准进行定位，当观测特征或特征地图中存在噪声或误差时，配准无法良好进行，特征定位的精度和稳定性受到影响。以下是几种典型情况：
93.(1)地图变化，即事先建立特征地图，而在定位时，环境特征已经发生了变化，导致的实时的观测特征与特征地图存在不一致。
94.(2)观测误差，由于传感器或数据处理过程中引入的误差，比如将动态物体纳入观
测特征，导致的实时的观测特征与特征地图存在不一致。
95.(3)观测噪声，指由于传感器或数据处理过程中引入的各种随机噪声，比如高斯白噪声。其中前两种典型噪声为非随机噪声，第三种噪声为随机噪声。
96.本技术的发明构思是：
97.提出一种基于随机采样一致的特征定位方法。该方法将随机采样一致方法与特征配准方法相结合，从而对非随机噪声和随机噪声起到有效抑制，提高定位的精度和稳定性。
98.下面以具体地实施例对本技术的技术方案以及本技术的技术方案如何解决上述技术问题进行详细说明。下面这几个具体的实施例可以相互结合，对于相同或相似的概念或过程可能在某些实施例中不再赘述。下面将结合附图，对本技术的实施例进行描述。
99.图1为本技术实施例提供的一种定位的数据流示意图。如图1所示，imu惯性测量单元101以及轮速/车速传感器102将检测到的数据传输给dr航位推算系统103，由dr航位推算系统103计算出载具的相对位姿。
100.同时，环境观测传感器104逐帧获取周围环境的观测特征105，并通过相对位姿将多个观测特征进行拼接，得到多帧观测特征106，并将拼接后的观测特征根据gnss全球导航卫星系统108所检测到的预测位姿，与特征地图107进行配准，以确定最终载具的当前位姿109。
101.下面对如何实现本技术所提供的定位方法进行详细介绍。
102.需要说明的是，为便于对本技术各个实施例所提供的方案进行阐述，首先需要明确坐标的定义，本技术涉及到如下坐标系的定义：
103.(1)定义世界坐标系w，其与实际地理位置保持固定关系，比如可采用地球地心坐标系ecef(earth-centered,earth-fixed)。
104.(2)定义载体坐标系b，对车辆或载具而言亦可称为车体坐标系，其固定于载具的某一固定位置，比如车辆后轴中心。车辆位姿即为车体坐标系在世界坐标系中的6dof(degree of freedom，自由度)位姿t
wb
。
105.(3)定义传感器坐标s，也称观测坐标系。传感器获取的测量数据均基于传感器坐标系。通常传感器固定在载具上，随载具做刚体运动，因此传感器坐标系与载体坐标系之间有一个固定的转换关系，即位姿t
bs
，也称为外参。
106.还需要说明的是，对于下面的实施例所需要用到的特征地图，其建立过程如下：
107.(1)传感器采集道路特征信息，表示为sp1、sp2、sp3
……spn，这些特征信息是在传感器坐标系下，因此加上前下角标s。然后通过外参转换到车辆坐标系下，表示为bp1、bp2、bp3
……bpn。其中bpi＝t
bs
×spi。
108.这里道路特征信息是三维数据，方便后续配准中的直接投影。
109.(2)高精定位设备确定车辆此时的位姿为t
wb
。通过t
wb
将步骤(1)中的道路特征信息转换到世界坐标系下。表示为wp1、wp2、wp3
……wpn。其中wpi＝t
wb
×bpi。
110.(3)上述步骤(1)和(2)是车辆在地图中的一个位置下得到世界坐标系中的道路特征信息。使车辆遍历地图范围(实际操作中，就是指车辆把地图范围内的所有路都走一遍，从而通过车辆上的传感器将对应的环境特征进行采集，形成特征地图)，即可获得车辆在各个地图位置下的世界坐标系中的道路特征信息。
111.上述，特征地图的范围是由需求或任务所确定的。比如某个应用限定仅支持某个
园区，那地图即使某个园区。再比如支持预设区域内高速道路的定位，那特征地图的范围就是所划定地理区域内所有的高速道路。
112.将所有得到的道路特征信息进行累加和平均(即求和后取平均值)，即得到特征地图。特征地图实际上就是以“坐标 特征信息”存储地图元素的地图。
113.特征地图虽然目前没有统一的格式或形式定义。在本技术中以“坐标 信息”的形式表示特征地图中的各种特征元素。
114.图2为本技术实施例提供的一种定位方法的流程示意图。如图2所示，该定位方法的具体步骤，包括：
115.s201、获取道路单帧观测特征以及相对位姿推算参数。
116.在本步骤中，根据预设空间间隔连续不断地获取道路单帧观测特征，以及载具的相对位姿推算参数，相对位姿推算参数为根据航位推算算法确定的从第一观测点到第二观测点的相对位姿，第一观测点与第二观测点为任意两个连续的道路单帧观测特征的观测点。
117.道路单帧观测特征包括：由点、线、面表示的几何形状或者标识、包含抽象信息的特征点、包含语义信息的点、线、面。例如，点对应的特征包括：红绿灯、角点(如建筑物的角点)，线对应的特征包括：车道实线，路边的杆状物(如电线杆)等，面对应的特征包括：路面上的箭头，空中的指示牌、广告牌等等。
118.在本实施例中，在载具，如车辆上，配备的传感器包括：相机、lidar(laser detection and ranging，激光雷达)或其他传感器中的至少一种，或这些传感器的组合。通过传感器，获取道路观测特征。这里的道路观测特征的类别与上述特征地图中特征信息一致。传感器采集的道路观测特征表示为sp1、sp2、sp3
……spm，这些特征信息是在传感器坐标系下，因此加上前下角标s。然后通过外参转换到车辆坐标系下，表示为bp1、bp2、bp3
……bpm。其中bpi＝t
bs
×spi。本步骤获取的道路观测特征为单帧观测，因此可以记为道路单帧观测特征f。
119.需要说明的是，本步骤中的道路单帧观测特征f，并不是随机采集任意一帧。其实际上是指在一个连续的实时采集过程中，最新采集到的一个观测帧。
120.对于相对位姿推算参数，如上述的位姿t
bs
，在载具，如车辆上，配备imu(inertial measurement unit，惯性测量单元)、轮速计或车速计等传感器。通过dr(dead reckoning，航位推算)获取车辆的相对位姿推算参数。该相对位姿推算参数指的是dr提供的从a点到b点的相对位姿。具体而言，在dr坐标系(该坐标系由dr自定义，一般可取dr获取第一帧观测时的位姿作为原点)中，a点位姿为ta，b点位姿为tb，则可获取a和b之间的相对位姿t
ba
＝t
a-inverse
*tb。
121.进一步的，相对位姿推算参数t
a-inverse
包括位姿ta的逆矩阵。
122.s202、根据相对位姿推算参数，将满足预设要求的多个道路单帧观测特征拼接成道路多帧观测特征。
123.在本步骤中，通过s201中的相对位姿推算参数，将多个道路单帧观测特征拼接成道路多帧观测特征。
124.其中，预设要求包括：一个道路多帧观测特征对应的道路单帧观测特征的数量，即帧数，需要根据处理器的计算能力以及算法或处理器的计算效率来综合权衡确定。每一帧
的信息密度越大，帧数越多，则整体需要的计算能力越大，最后导致计算效率下降。所以，需要结合计算平台的计算能力、硬件参数、算法参数等来确定预设要求。
125.还需要说明的是，相邻两个道路单帧观测特征的采样时间间隔可以是不固定的，因为道路单帧观测特征以空间间隔进行帧采样，比如每间隔5至10m取一个采样帧。而在载具的不同行驶速度下，经过相同空间间隔的时间可能是不相同的。并且帧采样的空间间隔，需要结合传感器特性来确定。以lidar为例，多线激光的对环境的扫描较密集，因此多帧的采样空间间隔可以适当降低。本领域技术人员可以根据实际情况进行选用，本技术不作限定。
126.在一种可能的设计中，本步骤具体包括：
127.(1)获取的多个道路单帧观测特征为f1,f2
…
fn,对应的dr航位推算所提供的位姿为t1,t2
…
tn。其中fn为最新的道路单帧观测特征。
128.(2)计算每个道路单帧观测特征与最新的道路单帧观测特征的相对位姿。对第i帧而言，相对位姿t
ni
＝t
i-inverse
*tn。
129.(3)通过相对位姿，将每个道路单帧观测特征转换到最新的道路单帧观测特征所在的最新位姿之下进行描述，即根据各个第一相对位姿，将每个道路单帧观测特征转换为待组合观测特征，待组合观测特征为在最新位姿下描述的道路单帧观测特征，最新位姿为最新的道路单帧观测特征对应的位姿。对第i帧而言，其转换到最新帧后的观测nfi＝t
ni
*fi，其中nfi中的n，代表以最新的道路单帧观测特征为标准参考。
130.(4)将所有转换后的道路单帧观测特征直接进行累加，即可得到拼接后的道路多帧观测特征。即nf1 nf2
……
nfn。
131.相比较于道路单帧观测特征，道路多帧观测特征包含更大的观测范围以及更丰富的道路特征信息。
132.s203、根据相对位姿推算参数、最新历史位姿、道路多帧观测特征以及预先建立的特征地图进行配准，以确定定位信息。
133.在本步骤中，利用预设配准算法，根据相对位姿推算参数、最新历史位姿、道路多帧观测特征以及预先建立的特征地图，确定载具的定位信息，定位信息包括载具的当前位姿，最新历史位姿为载具在最近一次定位时所确定的位姿，或者最近一次接收到的绝对定位源对载具的监视位姿。
134.需要说明的是，预设配准算法包括基于随机采样一致性的配准算法。
135.在本实施例中，根据相对位姿推算参数、最新历史位姿、道路多帧观测特征以及预先建立的特征地图进行配准，确定定位信息，包括：
136.对道路多帧观测特征进行切分，以确定多个配准观测单元；
137.根据相对位姿推算参数、最新历史位姿，将每个配准观测单元与特征地图进行配准，以确定与每个配准观测单元对应的待选位姿及待选位姿对应的置信度，置信度用于表征待选位姿与特征地图的匹配程度；
138.根据每个置信度以及预设筛选方式确定当前位姿。
139.在一种可能的设计中，根据各个置信度以及预设筛选方式确定当前位姿，包括：
140.选取各个置信度中的最大值作为最大置信度；
141.将最大置信度对应的待选位姿确定为当前位姿。
142.具体的，在不断得到道路多帧观测特征后，就可以通过以下步骤实现持续定位：
143.(1)在初始时，以其他绝对定位源，比如gnss(global navigation satellite system)提供初始预测位姿。通过道路多帧观测特征和特征地图的基于随机采样一致性的配准过程，获取车辆位姿。从而完成定位初始化。
144.(2)通过dr提供的相对位姿，结合上一帧配准得到的车辆位姿，获取下一帧观测时的预测位姿t
wb-predict
。
145.(3)在预测位姿t
wb-predic
t的指引下，进行观测特征和特征地图的随机采样一致配准获取位姿。
146.(4)循环进行步骤(2)和(3)，实现持续定位。
147.对于上述定位过程中，所涉及到的基于随机采样一致性的配准过程，其具体实现的步骤，包括：
148.根据预设切分方式，对道路多帧观测特征进行有限元切分，以确定多个配准观测单元；
149.利用预设配准算法，根据相对位姿推算参数、最新历史位姿，将每个配准观测单元与特征地图进行配准，以确定与每个配准观测单元对应的待选位姿以及置信度，置信度值用于表征待选位姿与特征地图的匹配程度；
150.根据每个待选位姿对应的置信度以及预设筛选方式，确定当前位姿。
151.本实施例通过对道路多帧观测特征进行有限元切分，并基于切分后的配准观测单位进行随机采样一致性配准，以有效抑制系统中的非随机噪声和随机噪声。
152.在一种可能的设计中，利用预设配准算法，根据相对位姿推算参数、最新历史位姿，将每个配准观测单元与特征地图进行配准，包括：
153.将每个配准观测单元中的所有观测元素确定为初始的局内点；
154.根据相对位姿推算参数以及最新历史位姿确定初始的预测位姿；
155.计算各个局内点与特征地图中各个特征元素之间的重投影误差；
156.利用预设优化算法，根据重投影误差，重复交替地对预测位姿进行取值优化和对局内点进行数量优化，直至置信度收敛为止，置信度是由重投影误差所对应的代价函数而确定的，待选位姿为置信度收敛时所对应的预测位姿，取值优化用于使置信度取得最大值或代价函数取得最小值，数量优化用于排除局内点中的干扰元素，干扰元素的重投影误差大于或等于预设阈值。
157.本实施例提供了一种定位方法，通过获取道路单帧观测特征以及相对位姿推算参数，相对位姿推算参数为从第一观测点到第二观测点的相对位姿，第一观测点与第二观测点为任意两个连续的道路单帧观测特征的观测点；根据相对位姿推算参数，将满足预设要求的多个道路单帧观测特征拼接成道路多帧观测特征；根据相对位姿推算参数、最新历史位姿、道路多帧观测特征以及预先建立的特征地图进行配准，以确定定位信息，定位信息包括当前位姿，最新历史位姿为在最近一次定位时所确定的位姿，或者最近一次接收到的绝对定位源发送的监视位姿。解决了现有特征定位技术中存在当观测特征和特征地图匹配时，由于噪声或误差的干扰无法进行良好定位配准的技术问题。达到了对非随机噪声和随机噪声起到有效抑制，提高定位的精度和稳定性的技术效果。
158.为了便于理解，下面以另一实施例对s203中一种可能的实施方式进行更为详细的
介绍。
159.图3为本技术实施提供的另一种定位方法的流程示意图。如图3所示，该定位方法的具体步骤包括：
160.s301、获取道路单帧观测特征以及相对位姿推算参数。
161.在本实施例中，根据预设空间间隔连续不断地获取道路单帧观测特征，以及载具的相对位姿推算参数。
162.s302、根据相对位姿推算参数，将满足预设要求的多个道路单帧观测特征拼接成道路多帧观测特征。
163.在本步骤中，具体包括：
164.计算每个道路单帧观测特征与最新的道路单帧观测特征的第一相对位姿；
165.根据各个第一相对位姿，将每个道路单帧观测特征转换为待组合观测特征，待组合观测特征为在最新位姿下描述的道路单帧观测特征，最新位姿为最新的道路单帧观测特征对应的位姿；
166.将所有待组合观测特征进行叠加组合，以确定道路多帧观测特征。
167.s301与s302的具体名词解释以及原理解释可以参考s201-s202，在此不再赘述。
168.s303、对所述道路多帧观测特征进行切分，以确定多个配准观测单元。
169.在本步骤中，根据预设切分方式，对道路多帧观测特征进行有限元切分，以确定多个配准观测单元，预设切分方式包括：以道路多帧观测特征中的某个特定点(如载具所在位置)为中心，以角度d为间隔进行切割，该切割包括d大小不变的等分切割，也包括d按预设规则变化的非等分切割。然后，再将这些切分后的配准观测单编号为d1,d2,d3
……
dm。
170.即根据道路多帧观测特征中的预设中心点以及切分间隔角度进行切割，以确定多个配准观测单元。
171.需要说明的是，角度d的取值越小，道路多帧观测特征就会被切分的越小，在后续与特征地图进行配准时，对噪声的抑制作用越强。但是，角度d的取值也不能过小，因为切分后的观测范围变小了，也会同时降低配准的准确度，因此角度d的取值范围推荐在15度～90度之间，比如15、30度、45度、60度、90度。
172.s304、将每个配准观测单元中的所有观测元素确定为初始的特征点。
173.在本步骤中，将上一步中切分的所有配准观测单元d1,d2,d3
……
dm，作为初始的特征点，也称为局内点，然后，按一定顺序逐一对各个配准观测单元进行配准，或者每次随机选取一个配准观测单元进行配准，直至所有的配准观测单元都完成配准。
174.s305、根据相对位姿推算参数以及最新历史位姿确定初始的预测位姿。
175.在本步骤中，当对任意一个配准观测单元进行第一次配准时，首先通过s301中获取到的相对位姿推算参数来推算本次配准时，对车辆位姿预测的初始值，即初始的预测位姿。所谓预测位姿，是在配准过程中需要不断修正的位姿，并不一定是车辆最终定位后的位姿，当预测位姿经过优化后，其最终的取值，即最佳位姿即为车辆在本次定位的当前位姿。
176.需要说明的是，对于载具启动时，或者是首次进行定位时，以其他绝对定位源，比如gnss提供的位姿，作为初始的预测位姿。
177.还需要说明的是，配准的过程，可以理解为：求解一个位姿t
wb-calculate
，使得当前的观测元素与高精地图即特征地图中对应的语义观测(即特征元素)之间的距离最小。
178.从s306开始即为配准的详细过程，其为一个循环重复的迭代过程。
179.s306、根据预测位姿计算各个特征点与特征地图中各个特征元素之间的距离。
180.在本步骤中，根据预测位姿确定局内点与特征元素的重投影误差，假设任意一个配准观测单元di中的所有观测元素包括：bp1,bp2,bp3
……bpn，特征地图中与各个观测元素对应的特征元素为wp1,wp2,wp3
……wpn。任一观测元素bpi与特征地图中的特征元素wpi之间的重投影误差可以用公式(1)来表示：
181.dist(t
wb
*bpi，wpi)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(1)
182.其中，t
wb
为预测位姿。
183.s307、根据各个距离确定置信度。
184.在本步骤中，根据预设平均算法以及重投影误差确定代价函数以及置信度，将观测元素与特征元素直接的距离定义为代价函数，其可以用公式(2)来表示：
185.f(t
wb
)＝mean(dist(t
wb
*bpi，wpi))
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(2)
186.其中，dist(*)表示观测元素bpi与特征地图中的特征元素wpi之间的重投影误差，mean(*)表示对配准观测单元di中所有观测元素的重投影误差取平均值。
187.对于置信度，在配准开始时，可以将置信度初始化为零，一旦代价函数计算出来后，置信度就可以通过代价函数来更新取值，在本实施例中，取代价函数的倒数作为置信度，可以理解的是，本领域技术人员也可以根据实际需要进行设定，任何通过代价函数进行相应计算得到的置信度都在本技术保护的范围内。
188.可选的，将各个距离的平均值的倒数作为置信度。
189.s308、根据距离对预测位姿进行优化调整。
190.在本步骤中，利用预设优化算法，通过重复迭代的方式对预测位姿进行优化调整，具体包括：
191.调整预测位姿的取值，使特征点与特征地图中特征元素之间的距离最小；
192.根据调整后的预测位姿确定新的置信度；
193.若新的置信度大于原来的置信度，则保留新的置信度，否则保留原来的置信度。
194.为了便于理解，本实施例的配准的过程，可以理解为：求解一个位姿t
wb-calculate
，使得当前的观测元素与高精地图即特征地图中对应的语义观测(即特征元素)之间的距离最小。
195.优化求解的过程可以用公式(3)来表示：
196.t
wb-calculate
＝argmin(f(t
wb
))
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(3)
197.其中，argmin(*)表示求取最优的twb，使代价函数的值最小。
198.对应的代价函数f(t
wb-calculate
)即为配准的质量衡量，该代价函数的取值越小，说明配准质量越高。
199.在本实施例中，置信度为代价函数的倒数，因此，置信度越大证明配准质量越高。
200.s309、判断本次迭代的置信度是否大于上一次计算得到的置信度。
201.在本步骤中，若否，则证明代价函数取到最小值，或者说置信度取到了最大值，即求解到了最优解；若是，则仍未求解到最优解，需要重复执行s306-s309。
202.需要说明的是s306-s309是一个循环迭代的优化过程，以为对预测位姿进行取值优化。在每次对预测位姿进行优化调整后，根据调整后的所述预测位姿重新确定所述代价
函数以及所述置信度的取值，直至所述代价函数取到最小值或者所述置信度取到最大值为止。
203.在完成对预测位姿的取值优化后，从s310开始进入到局内点的数量优化过程：
204.s310、将预测位姿的当前取值确定为最佳位姿。
205.在本步骤中，预测位姿的当前取值t
wb-calculate
等于最佳位姿。
206.s311、根据最佳位姿重新计算配准观测单元中各个观测元素在世界坐标系下与特征元素之间的重投影误差。
207.在本步骤中，根据公式(1)将t
wb-calculate
替换为t
wb-best
以重新计算重投影误差。
208.s312、根据重新计算的重投影误差确定本次迭代的置信度。
209.在本步骤中，根据公式(2)以及s311中计算得到的重投影误差，计算得到代价函数的最新取值，取该最新取值的倒数得到本次迭代的置信度。
210.s313、判断本次迭代的置信度与上一次迭代的置信度的差值是否小于或等于收敛判定阈值。
211.在本步骤中，若是，则确定所述置信度收敛，执行s314，即证明局内点的选取已经为最佳选取情况，或者说是局内点中的噪声点或干扰元素已经被排除，或者说剩余的干扰元素对配准准确度的干扰作用已经足够小，无需进行数量优化过程。
212.若否，则执行s315后，重复执行s306-s313。
213.需要说明的是，收敛指的本次迭代的置信度值比上次迭代的置信度值无明显提升，比如说差值小于1e-3。这是一个工程上的调试参数。
214.在一种可能的设计中，选取系统高斯白噪声作为收敛判定阈值。
215.s314、将最佳位姿作为载具的当前位姿进行输出。
216.在本步骤中，最佳位姿即为s203中的最新历史位姿。
217.s315、根据调整后的预测位姿删除不满足预设要求的特征点，并将剩余的特征点作为新特征点。
218.在本实施例中，选取所有满足高斯白噪声要求的特征点作为新特征点。
219.在本步骤中，将重投影误差小于或等于预设阈值的观测元素作为新特征点，或者说是新的局内点，如果重投影误差大于收敛判定阈值，则将其对应的观测元素剔除，保留重投影误差小于或等于预设阈值的观测元素，作为新的局内点，重新开始对局内点进行取值优化，即根据各个新特征点对应的距离再次调整预测位姿，直至置信度收敛时，将预测位姿确定为待选位姿。
220.本实施例提供了一种定位方法，通过根据预设空间间隔连续不断地获取道路单帧观测特征，以及载具的相对位姿推算参数；根据相对位姿推算参数，将满足预设要求的多个道路单帧观测特征拼接成道路多帧观测特征；利用预设配准算法，根据相对位姿推算参数、最新历史位姿、道路多帧观测特征以及预先建立的特征地图，确定载具的定位信息，定位信息包括载具的当前位姿。解决了现有特征定位技术中存在当观测特征和特征地图匹配时，由于噪声或误差的干扰无法进行良好定位配准的技术问题。达到了对非随机噪声和随机噪声起到有效抑制，提高定位的精度和稳定性的技术效果。
221.图4为本技术实施例提供的一种定位装置的结构示意图。该定位装置400可以通过软件、硬件或者两者的结合实现。
222.如图4所示，该定位装置400包括：
223.获取模块401，用于获取道路单帧观测特征以及相对位姿推算参数，相对位姿推算参数为从第一观测点到第二观测点的相对位姿，第一观测点与第二观测点为任意两个连续的道路单帧观测特征的观测点；
224.处理模块402，用于：
225.根据相对位姿推算参数，将满足预设要求的多个道路单帧观测特征拼接成道路多帧观测特征；
226.根据相对位姿推算参数、最新历史位姿、道路多帧观测特征以及预先建立的特征地图进行配准，以确定定位信息，定位信息包括当前位姿，最新历史位姿为在最近一次定位时所确定的位姿，或者最近一次接收到的绝对定位源发送的监视位姿。
227.在一种可能的设计中，处理模块402，用于：
228.对道路多帧观测特征进行切分，以确定多个配准观测单元；
229.根据相对位姿推算参数、最新历史位姿，将每个配准观测单元与特征地图进行配准，以确定与每个配准观测单元对应的待选位姿及待选位姿对应的置信度，置信度用于表征待选位姿与特征地图的匹配程度；
230.根据每个置信度以及预设筛选方式确定当前位姿。
231.在一种可能的设计中，处理模块402，用于：
232.选取各个置信度中的最大值作为最大置信度；
233.将最大置信度对应的待选位姿确定为当前位姿。
234.在一种可能的设计中，处理模块402，用于：
235.将每个配准观测单元中的所有观测元素确定为初始的特征点；
236.根据相对位姿推算参数以及最新历史位姿确定初始的预测位姿；
237.根据预测位姿计算各个特征点与特征地图中各个特征元素之间的距离，并根据各个距离确定置信度；
238.根据距离对预测位姿进行优化调整；
239.根据调整后的预测位姿删除不满足预设要求的特征点，并将剩余的特征点作为新特征点；
240.根据各个新特征点对应的距离再次调整预测位姿，直至置信度收敛时，将预测位姿确定为待选位姿。
241.在一种可能的设计中，处理模块402，用于将各个距离的平均值的倒数作为置信度。
242.在一种可能的设计中，处理模块402，用于：
243.调整预测位姿的取值，使特征点与特征地图中特征元素之间的距离最小；
244.根据调整后的预测位姿确定新的置信度；
245.若新的置信度大于原来的置信度，则保留新的置信度，否则保留原来的置信度。
246.在一种可能的设计中，处理模块402，用于选取所有满足高斯白噪声要求的特征点作为新特征点。
247.在一种可能的设计中，处理模块402，用于根据道路多帧观测特征中的预设中心点以及切分间隔角度进行切割，以确定多个配准观测单元。
248.在一种可能的设计中，处理模块402，用于：
249.计算每个道路单帧观测特征与最新的道路单帧观测特征的第一相对位姿；
250.根据各个第一相对位姿，将每个道路单帧观测特征转换为待组合观测特征，待组合观测特征为在最新位姿下描述的道路单帧观测特征，最新位姿为最新的道路单帧观测特征对应的位姿；
251.将所有待组合观测特征进行叠加组合，以确定道路多帧观测特征。
252.在一种可能的设计中，定位信息包括首次进行定位的初始化定位信息，对应的，最新历史位姿为绝对定位源发送的监视位姿，道路多帧观测特征为首次获取到的道路单帧观测特征。
253.可选的，道路单帧观测特征包括：由点、线、面表示的几何形状或者标识、包含抽象信息的特征点、包含语义信息的点、线、面。
254.值得说明的是，图4所示实施例提供的装置，可以执行上述任一方法实施例中所提供的方法，其具体实现原理、技术特征、专业名词解释以及技术效果类似，在此不再赘述。
255.图5为本技术实施例提供的一种电子设备的结构示意图。如图5所示，该电子设备500，可以包括：至少一个处理器501和存储器502。图5示出的是以一个处理器为例的电子设备。
256.存储器502，用于存放程序。具体地，程序可以包括程序代码，程序代码包括计算机操作指令。
257.存储器502可能包含高速ram存储器，也可能还包括非易失性存储器(non-volatile memory)，例如至少一个磁盘存储器。
258.处理器501用于执行存储器502存储的计算机执行指令，以实现以上各方法实施例所述的方法。
259.其中，处理器501可能是一个中央处理器(central processing unit，简称为cpu)，或者是特定集成电路(application specific integrated circuit，简称为asic)，或者是被配置成实施本技术实施例的一个或多个集成电路。
260.可选地，存储器502既可以是独立的，也可以跟处理器501集成在一起。当所述存储器502是独立于处理器501之外的器件时，所述电子设备500，还可以包括：
261.总线503，用于连接所述处理器501以及所述存储器502。总线可以是工业标准体系结构(industry standard architecture，简称为isa)总线、外部设备互连(peripheral component，pci)总线或扩展工业标准体系结构(extended industry standard architecture，eisa)总线等。总线可以分为地址总线、数据总线、控制总线等，但并不表示仅有一根总线或一种类型的总线。
262.可选的，在具体实现上，如果存储器502和处理器501集成在一块芯片上实现，则存储器502和处理器501可以通过内部接口完成通信。
263.在一种可能的设计中，处理器501和存储器502集成在车载的中央计算平台架构、或中央超级大脑、或中央计算机、或中央域控制器、或集成式ecu、或驾驶脑、或spb，或车机、或dhu、或ihu、或ivi(in-vehicle infotainment，车载信息娱乐系统)等任意车载信息交互终端。
264.其中，spb(super brain)，是一种定义为汽车大脑的中央域控制器
265.ihu(infotainment head unit)信息娱乐主机，指采用车载专用中央处理器，基于车身总线系统和互联网服务，形成的车载综合信息处理设备，其可以实现包括三维导航、实时路况、iptv、辅助驾驶、故障检测、车辆信息、车身控制、移动办公、无线通讯、基于在线的娱乐功能及tsp(telematics service provider，内容服务提供者)等一系列应用，极大的提升了车辆电子化、网络化和智能化水平。
266.dhu(driver head unit)智能座舱控制器，dhu＝ihu dim，dhu就是将ihu和dim合在一起的缩写，取dim的“d”换掉了ihu的“i”，变成了“dhu”。
267.dim(driver information module或dash integration module)驾驶员信息模块，也称“仪表”，用来显示和车辆行驶与功能相关信息的显示屏，一般置于方向盘之后，驾驶员最容易看到的位置。
268.本技术实施例还提供一种车辆，包括图5所示的实施例中任意一种可能的电子设备。
269.本技术实施例还提供了一种计算机可读存储介质，该计算机可读存储介质可以包括：u盘、移动硬盘、只读存储器(read-only memory，rom)、随机存取存储器(random access memory，ram)、磁盘或者光盘等各种可以存储程序代码的介质，具体的，该计算机可读存储介质中存储有程序指令，程序指令用于上述各方法实施例中的方法。
270.本技术实施例还提供一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现上述各方法实施例中的方法。
271.本领域技术人员在考虑说明书及实践这里公开的发明后，将容易想到本技术的其它实施方案。本技术旨在涵盖本技术的任何变型、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技术的一般性原理并包括本技术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，本技术的真正范围和精神由本技术的权利要求书指出。
272.应当理解的是，本技术并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本技术的范围仅由所附的权利要求书来限制。
273.最后应说明的是：以上各实施例仅用以说明本技术的技术方案，而非对其限制；尽管参照前述各实施例对本技术进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本技术各实施例技术方案的范围。