基于车路云的融合定位精度评估方法、装置及系统与流程

1.本技术涉及自动驾驶技术领域，尤其涉及一种基于车路云的融合定位精度评估方法、装置及系统。


背景技术：

2.随着自动驾驶技术的飞速发展，对于自动驾驶车辆的定位精度要求也越来越高。目前自动驾驶车辆的定位多基于融合定位技术实现，即将多个传感器采集的数据进行融合，从而提供更加精准且可靠的定位结果。
3.融合定位系统的融合定位精度决定了自动驾驶车辆能否按照规划轨迹安全行驶，这也就需要对融合定位系统的融合定位精度进行准确评估，从而便于对融合定位系统的定位性能进行迭代优化。目前主流的融合定位精度评估方法往往需要依赖于高精度的惯导设备作为真值设备来实现，然而该方法至少存在如下问题：
4.1)高精度的惯导设备成本高昂，且安装繁琐，需要事先标定，可移植性差，无法大规模推广，例如，在某辆自动驾驶车辆上安装了高精度的惯导设备进行融合定位精度评估后，若需要评估另一辆自动驾驶车辆，则需要拆卸高精度的惯导设备，从而进行二次安装和标定；
5.2)需要离线评估，无法实现大批量的在线评估。


技术实现要素：

6.本技术实施例提供了一种基于车路云的融合定位精度评估方法、装置及系统，以实现自动驾驶车辆的融合定位精度的在线评估，并提高评估效率，降低评估成本。
7.本技术实施例采用下述技术方案：
8.第一方面，本技术实施例提供一种基于车路云的融合定位精度评估方法，其中，所述方法由云端服务器执行，所述方法包括：
9.从车端获取自动驾驶车辆的融合定位信息，所述融合定位信息基于所述自动驾驶车辆的融合定位系统得到；
10.从路端获取高精地图中的车道中心线的位置信息，所述高精地图中的车道中心线的位置信息与所述融合定位信息具有对应关系；
11.根据所述融合定位信息和所述高精地图中的车道中心线的位置信息，确定所述自动驾驶车辆的融合定位精度；
12.根据所述自动驾驶车辆的融合定位精度，确定所述自动驾驶车辆的融合定位系统的可用性。
13.可选地，所述融合定位信息包括视觉融合定位信息和原始融合定位信息，所述视觉融合定位信息通过视觉横向校正信息对所述原始融合定位信息进行校正后得到，所述根据所述融合定位信息和所述高精地图中的车道中心线的位置信息，确定所述自动驾驶车辆的融合定位精度包括：
14.根据所述视觉融合定位信息和所述高精地图中的车道中心线的位置信息，确定所述视觉融合定位信息的定位偏差，以及根据所述原始融合定位信息和所述高精地图中的车道中心线的位置信息，确定所述原始融合定位信息的定位偏差；
15.根据所述视觉融合定位信息的定位偏差确定所述自动驾驶车辆的视觉融合定位精度，以及根据所述原始融合定位信息的定位偏差确定所述自动驾驶车辆的原始融合定位精度。
16.可选地，所述原始融合定位信息的定位偏差和所述视觉融合定位信息的定位偏差分别包括多个，所述根据所述视觉融合定位信息的定位偏差确定所述自动驾驶车辆的视觉融合定位精度，以及根据所述原始融合定位信息的定位偏差确定所述自动驾驶车辆的原始融合定位精度包括：
17.利用预设统计算法，分别对多个所述融合定位信息的定位偏差进行统计分析，得到第一统计结果，以及对多个所述原始融合定位信息的定位偏差进行统计，得到第二统计结果；
18.根据所述第一统计结果确定视觉融合定位精度，以及根据所述第二统计结果确定原始融合定位精度。
19.可选地，所述融合定位精度包括视觉融合定位精度和原始融合定位精度，所述根据所述自动驾驶车辆的融合定位精度，确定所述自动驾驶车辆的融合定位系统的可用性包括：
20.将所述视觉融合定位精度与对应的视觉融合定位精度阈值进行比较，得到第一比较结果；
21.将所述视觉融合定位精度与对应的原始融合定位精度阈值进行比较，得到第二比较结果；
22.根据所述第一比较结果和所述第二比较结果，确定所述自动驾驶车辆的融合定位系统的可用性。
23.第二方面，本技术实施例还提供一种基于车路云的融合定位精度评估装置，其中，所述装置应用于云端服务器，所述装置包括：
24.第一获取单元，用于从车端获取自动驾驶车辆的融合定位信息，所述融合定位信息基于所述自动驾驶车辆的融合定位系统得到；
25.第二获取单元，用于从路端获取高精地图中的车道中心线的位置信息，所述高精地图中的车道中心线的位置信息与所述融合定位信息具有对应关系；
26.第一确定单元，用于根据所述融合定位信息和所述高精地图中的车道中心线的位置信息，确定所述自动驾驶车辆的融合定位精度；
27.第二确定单元，用于根据所述自动驾驶车辆的融合定位精度，确定所述自动驾驶车辆的融合定位系统的可用性。
28.第三方面，本技术实施例还提供一种基于车路云的融合定位精度评估系统，其中，所述基于车路云的融合定位精度评估系统包括车端、路端和云端服务器，
29.所述车端，用于获取自动驾驶车辆的融合定位信息，所述融合定位信息基于所述自动驾驶车辆的融合定位系统得到；
30.所述路端，用于获取高精地图中的车道中心线的位置信息，所述高精地图中的车
道中心线的位置信息与所述融合定位信息具有对应关系；
31.所述云端服务器，用于执行前述之任一所述方法。
32.可选地，所述融合定位信息包括视觉融合定位信息和原始融合定位信息，所述车端还用于执行：
33.在所述自动驾驶车辆处于直行状态的情况下，获取车道线识别信息；
34.根据所述车道线识别信息确定所述自动驾驶车辆是否位于车道中间；
35.在所述自动驾驶车辆位于车道中间的情况下，获取视觉横向校正信息和对应的原始融合定位信息；
36.利用所述视觉横向校正信息对所述原始融合定位信息进行校正，得到所述视觉融合定位信息。
37.可选地，所述路端还用于执行：
38.从车端获取视觉横向校正信息和对应的rtk定位信息；
39.根据所述rtk定位信息，获取对应的局部高精地图；
40.根据所述视觉横向校正信息和所述rtk定位信息以及对应的局部高精地图，确定所述局部高精地图中的车道中心线的位置信息。
41.第四方面，本技术实施例还提供一种电子设备，包括：
42.处理器；以及
43.被安排成存储计算机可执行指令的存储器，所述可执行指令在被执行时使所述处理器执行前述之任一所述方法。
44.第五方面，本技术实施例还提供一种计算机可读存储介质，所述计算机可读存储介质存储一个或多个程序，所述一个或多个程序当被包括多个应用程序的电子设备执行时，使得所述电子设备执行前述之任一所述方法。
45.本技术实施例采用的上述至少一个技术方案能够达到以下有益效果：本技术实施例的基于车路云的融合定位精度评估方法，由云端服务器执行，该方法先从车端获取自动驾驶车辆的融合定位信息，融合定位信息基于自动驾驶车辆的融合定位系统得到；然后从路端获取高精地图中的车道中心线的位置信息，高精地图中的车道中心线的位置信息与融合定位信息具有对应关系；之后根据融合定位信息和高精地图中的车道中心线的位置信息，确定自动驾驶车辆的融合定位精度；最后根据自动驾驶车辆的融合定位精度，确定自动驾驶车辆的融合定位系统的可用性。本技术实施例的基于车路云的融合定位精度评估方法基于车路云一体化实现了自动驾驶车辆的融合定位精度的评估，不需要使用高成本、高精度的惯导设备，降低了评估成本，且可以同时大批量在线评估，提高了评估效率。
附图说明
46.此处所说明的附图用来提供对本技术的进一步理解，构成本技术的一部分，本技术的示意性实施例及其说明用于解释本技术，并不构成对本技术的不当限定。在附图中：
47.图1为本技术实施例中一种基于车路云的融合定位精度评估方法的流程示意图；
48.图2为本技术实施例中一种视觉横向校正信息校正前后的融合定位误差对比直方图；
49.图3为本技术实施例中一种基于车路云的融合定位精度评估装置的结构示意图；
50.图4为本技术实施例中一种基于车路云的融合定位精度评估系统的整体架构示意图；
51.图5为本技术实施例中一种电子设备的结构示意图。
具体实施方式
52.为使本技术的目的、技术方案和优点更加清楚，下面将结合本技术具体实施例及相应的附图对本技术技术方案进行清楚、完整地描述。显然，所描述的实施例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做出创造性劳动前提下所获得的所有其他实施例，都属于本技术保护的范围。
53.以下结合附图，详细说明本技术各实施例提供的技术方案。
54.本技术实施例提供了一种基于车路云的融合定位精度评估方法，如图1所示，提供了本技术实施例中一种基于车路云的融合定位精度评估方法的流程示意图，所述方法由云端服务器执行，所述方法至少包括如下的步骤s110至步骤s140：
55.步骤s110，从车端获取自动驾驶车辆的融合定位信息，所述融合定位信息基于所述自动驾驶车辆的融合定位系统得到。
56.本技术实施例的基于车路云的融合定位精度评估方法可以由云端服务器来执行，云端服务器通过与车端和路端进行信息交互从而实现自动驾驶车辆的融合定位精度评估。
57.在进行融合定位精度评估时，需要从车端获取自动驾驶车辆的融合定位信息，这里的融合定位信息可以看作是由自动驾驶车辆的融合定位系统输出的定位信息，例如可以是由imu(inertial measurement unit，惯性测量单元) gnss(global navigation satellite system，全球导航卫星系统)构成的组合导航经过扩展卡尔曼滤波后输出的定位信息。实际应用场景下，为了便于进行定位精度的评估，可以在车辆沿车道中心线直行的情况下获取上述融合定位信息。
58.步骤s120，从路端获取高精地图中的车道中心线的位置信息，所述高精地图中的车道中心线的位置信息与所述融合定位信息具有对应关系。
59.在进行融合定位精度评估时，还需要从路端获取高精地图中的车道中心线的位置信息，车道中心线可以由一系列的车道中心线点构成，这些车道中心线点可以拟合为一个直线方程。本技术实施例的高精地图中的车道中心线的位置信息还需与前述步骤中的融合定位信息具有时间上的对应关系，也即二者经过了时间同步处理，从而保证后续数据处理的准确性。
60.步骤s130，根据所述融合定位信息和所述高精地图中的车道中心线的位置信息，确定所述自动驾驶车辆的融合定位精度。
61.高精地图能够提供精准的车道线信息，因此本技术实施例可以将高精地图中的车道中心线的位置信息作为参考，衡量和评估融合定位信息的定位精度。具体地，可以将融合定位信息与高精地图中的车道中心线的位置信息进行比较，从而得到融合定位信息与高精地图位置信息的定位偏差，进而以此确定自动驾驶车辆的融合定位精度。
62.步骤s140，根据所述自动驾驶车辆的融合定位精度，确定所述自动驾驶车辆的融合定位系统的可用性。
63.融合定位精度表征了融合定位系统输出的融合定位结果的准确程度，融合定位精
度越高，说明融合定位系统输出的融合定位结果越准确，反之则越不准确，当融合定位系统输出的融合定位结果不够准确时，将会对自动驾驶车辆的行驶安全性造成极大威胁，因此本技术实施例可以通过融合定位精度的高低来确定当前融合定位系统输出的融合定位结果是否足够可靠，是否可用于车辆的实时定位。
64.本技术实施例的基于车路云的融合定位精度评估方法基于车路云一体化实现了自动驾驶车辆的融合定位精度的评估，不需要使用高成本、高精度的惯导设备，降低了评估成本，且可以同时大批量在线评估，提高了评估效率。
65.在本技术的一个实施例中，所述融合定位信息包括视觉融合定位信息和原始融合定位信息，所述视觉融合定位信息通过视觉横向校正信息对所述原始融合定位信息进行校正后得到，所述根据所述融合定位信息和所述高精地图中的车道中心线的位置信息，确定所述自动驾驶车辆的融合定位精度包括：根据所述视觉融合定位信息和所述高精地图中的车道中心线的位置信息，确定所述视觉融合定位信息的定位偏差，以及根据所述原始融合定位信息和所述高精地图中的车道中心线的位置信息，确定所述原始融合定位信息的定位偏差；根据所述视觉融合定位信息的定位偏差确定所述自动驾驶车辆的视觉融合定位精度，以及根据所述原始融合定位信息的定位偏差确定所述自动驾驶车辆的原始融合定位精度。
66.本技术实施例的融合定位信息可以包括视觉融合定位信息和原始融合定位信息，视觉融合定位信息可以理解为是利用视觉横向校正信息对原始融合定位信息进行校正后输出的融合定位信息，视觉融合定位信息通过利用视觉识别技术捕捉到的车道线等信息进一步提高了融合定位结果的精度，如图2所示，提供了本技术实施例中一种视觉横向校正信息校正前后的融合定位误差对比直方图，可以看出，经过视觉横向校正信息的校正之后，融合定位误差大部分分布在0.15m以内，相比校正之前的融合定位误差大大降低，进而提高了融合定位精度。
67.此外，视觉融合定位信息在卫星定位信号较差等场景下也能够补偿卫星定位信号缺失而造成的定位精度和稳定性下降的问题，因此视觉融合定位信息的定位精度是本技术实施例中需要评估的重点之一。
68.与之相比，原始融合定位信息可以看作是融合定位系统直接输出的融合定位信息，即没有进行视觉横向校正信息的校正，对于原始融合定位信息的定位精度的评估可以作为可选实施例，本领域技术人员可以根据实际需要灵活选择是否需要对原始融合定位信息进行精度评估。
69.基于此，本技术实施例在对视觉融合定位信息和原始融合定位信息进行精度评估时，可以将视觉融合定位信息与高精地图中的车道中心线的位置信息进行比较，从而得到视觉融合定位信息的定位偏差，将原始融合定位信息与高精地图中的车道中心线的位置信息，从而得到原始融合定位信息的定位偏差。定位偏差的具体计算方式可以通过点到直线距离的方式来衡量，即融合定位信息的位置坐标点到车道中心线所在直线的距离。定位偏差越小，说明融合定位信息越准确，那么融合定位精度也就越高，进而可以根据视觉融合定位信息的定位偏差确定视觉融合定位精度，根据原始融合定位信息的定位偏差确定原始融合定位精度。
70.在本技术的一个实施例中，所述原始融合定位信息的定位偏差和所述视觉融合定
位信息的定位偏差分别包括多个，所述根据所述视觉融合定位信息的定位偏差确定所述自动驾驶车辆的视觉融合定位精度，以及根据所述原始融合定位信息的定位偏差确定所述自动驾驶车辆的原始融合定位精度包括：利用预设统计算法，分别对多个所述融合定位信息的定位偏差进行统计分析，得到第一统计结果，以及对多个所述原始融合定位信息的定位偏差进行统计，得到第二统计结果；根据所述第一统计结果确定视觉融合定位精度，以及根据所述第二统计结果确定原始融合定位精度。
71.为了提高融合定位精度评估的准确性和可靠性，本技术实施例可以获取多个视觉融合定位信息和多个原始融合定位信息后再分别进行精度评估，例如，可以获取5分钟内的视觉融合定位信息和原始融合定位信息，或者获取500个视觉融合定位信息和原始融合定位信息等，从而计算得到多个视觉融合定位信息的定位偏差以及多个原始融合定位信息的定位偏差。
72.之后利用预设统计算法如均值、方差或者rmse(root mean square error，均方根误差)等统计方法分别对上述多个视觉融合定位信息的定位偏差和多个原始融合定位信息的定位偏差进行统计分析，从而得到视觉融合定位信息的视觉融合定位精度，以及原始融合定位信息的原始融合定位精度，避免了采用单一数据对融合定位精度评估准确性的影响。
73.需要说明的是，由于融合定位精度是采用均值、方差等方法对定位偏差进行统计得到的，因此定位偏差的数值越大，融合定位精度的数值也越大，此时说明融合定位精度越低。
74.在本技术的一个实施例中，所述融合定位精度包括视觉融合定位精度和原始融合定位精度，所述根据所述自动驾驶车辆的融合定位精度，确定所述自动驾驶车辆的融合定位系统的可用性包括：将所述视觉融合定位精度与对应的视觉融合定位精度阈值进行比较，得到第一比较结果；将所述视觉融合定位精度与对应的原始融合定位精度阈值进行比较，得到第二比较结果；根据所述第一比较结果和所述第二比较结果，确定所述自动驾驶车辆的融合定位系统的可用性。
75.如前所述，视觉融合定位信息是利用视觉横向校正信息对原始融合定位信息校正后得到的结果，其定位误差一般会小于原始融合定位信息的定位误差，因此二者对于实际的定位精度要求应当是不同的，即原始融合定位信息的精度要求一般会略低于视觉融合定位信息的精度要求。
76.基于此，本技术实施例在确定自动驾驶车辆的融合定位系统的可用性时，可以将利用视觉融合定位精度阈值衡量视觉融合定位信息的定位精度，用原始融合定位精度阈值衡量原始融合定位信息的定位精度，根据二者的衡量结果最终融合定位系统的可用性。例如，如果视觉融合定位精度和原始融合定位精度均满足相应的阈值要求，则可以认为融合定位系统可用，或者在只有视觉融合定位精度满足相应的阈值要求时，也可以认为融合定位系统可用。反之，则认为融合定位系统不可用，可以将融合定位系统不可用的消息反馈至车端，进行报警提醒，从而便于相关人员对相应的自动驾驶车辆的惯导设备进行返厂重新标定。
77.本技术实施例的云端服务器可以同时处理大批量的自动驾驶车辆和路端发送的相关信息并反馈融合定位精度的评估结果，实现了融合定位精度的大批量在线评估。
78.本技术实施例还提供了一种基于车路云的融合定位精度评估装置300，如图3所示，提供了本技术实施例中一种基于车路云的融合定位精度评估装置的结构示意图，所述装置300应用于云端服务器，所述装置300包括：第一获取单元310、第二获取单元320、第一确定单元330以及第二确定单元340，其中：
79.第一获取单元310，用于从车端获取自动驾驶车辆的融合定位信息，所述融合定位信息基于所述自动驾驶车辆的融合定位系统得到；
80.第二获取单元320，用于从路端获取高精地图中的车道中心线的位置信息，所述高精地图中的车道中心线的位置信息与所述融合定位信息具有对应关系；
81.第一确定单元330，用于根据所述融合定位信息和所述高精地图中的车道中心线的位置信息，确定所述自动驾驶车辆的融合定位精度；
82.第二确定单元340，用于根据所述自动驾驶车辆的融合定位精度，确定所述自动驾驶车辆的融合定位系统的可用性。
83.在本技术的一个实施例中，所述融合定位信息包括视觉融合定位信息和原始融合定位信息，所述视觉融合定位信息通过视觉横向校正信息对所述原始融合定位信息进行校正后得到，所述第一确定单元330具体用于：根据所述视觉融合定位信息和所述高精地图中的车道中心线的位置信息，确定所述视觉融合定位信息的定位偏差，以及根据所述原始融合定位信息和所述高精地图中的车道中心线的位置信息，确定所述原始融合定位信息的定位偏差；根据所述视觉融合定位信息的定位偏差确定所述自动驾驶车辆的视觉融合定位精度，以及根据所述原始融合定位信息的定位偏差确定所述自动驾驶车辆的原始融合定位精度。
84.在本技术的一个实施例中，所述原始融合定位信息的定位偏差和所述视觉融合定位信息的定位偏差分别包括多个，所述第一确定单元330具体用于：利用预设统计算法，分别对多个所述融合定位信息的定位偏差进行统计分析，得到第一统计结果，以及对多个所述原始融合定位信息的定位偏差进行统计，得到第二统计结果；根据所述第一统计结果确定视觉融合定位精度，以及根据所述第二统计结果确定原始融合定位精度。
85.在本技术的一个实施例中，所述融合定位精度包括视觉融合定位精度和原始融合定位精度，所述第二确定单元340具体用于：将所述视觉融合定位精度与对应的视觉融合定位精度阈值进行比较，得到第一比较结果；将所述视觉融合定位精度与对应的原始融合定位精度阈值进行比较，得到第二比较结果；根据所述第一比较结果和所述第二比较结果，确定所述自动驾驶车辆的融合定位系统的可用性。
86.本技术实施例还提供了一种基于车路云的融合定位精度评估系统，如图4所示，提供了本技术实施例中一种基于车路云的融合定位精度评估系统的整体架构示意图，所述基于车路云的融合定位精度评估系统包括车端、路端和云端服务器，
87.所述车端，用于获取自动驾驶车辆的融合定位信息，所述融合定位信息基于所述自动驾驶车辆的融合定位系统得到；
88.所述路端，用于获取高精地图中的车道中心线的位置信息，所述高精地图中的车道中心线的位置信息与所述融合定位信息具有对应关系；
89.所述云端服务器，用于执行前述之任一所述方法。
90.本技术实施例的基于车路云的融合定位精度评估系统基于车路云一体化实现了
自动驾驶车辆的融合定位精度的评估，不需要使用高成本、高精度的惯导设备，降低了评估成本，且可以同时大批量在线评估，提高了评估效率。
91.在本技术的一个实施例中，所述融合定位信息包括视觉融合定位信息和原始融合定位信息，所述车端还用于执行：在所述自动驾驶车辆处于直行状态的情况下，获取车道线识别信息；根据所述车道线识别信息确定所述自动驾驶车辆是否位于车道中间；在所述自动驾驶车辆位于车道中间的情况下，获取视觉横向校正信息和对应的原始融合定位信息；利用所述视觉横向校正信息对所述原始融合定位信息进行校正，得到所述视觉融合定位信息。
92.对于车端来说，需要提供给云端服务器的主要是视觉融合定位信息，车端在获取视觉融合定位信息时，可以先判断自动驾驶车辆的行驶状态，例如可以利用rtk定位信息中的航向角或者imu的角速度等信息进行判断，如果一段时间内航向角或者角速度变化小于一定数值，则可以认为自动驾驶车辆处于直行状态，说明此时融合定位系统输出的融合定位信息较为准确，可以进行后续的融合定位精度评估。
93.在确定自动驾驶车辆处在直行状态下时，可以获取车道线识别信息，从而利用车道线识别信息进一步判断自动驾驶车辆是否行驶在车道中间，例如可以将车辆的融合定位信息与两侧车道线的横向距离进行比较从而确定自动驾驶车辆是否位于车道中间。由于一般直行场景下，会尽可能控制自动驾驶车辆在车道中间行驶，那么理论上输出的融合定位信息也是基本位于车道中心线的位置，这也是前述实施例中可以利用高精地图中的车道中心线的位置信息来衡量融合定位信息的定位误差的原因。
94.当自动驾驶车辆在车道中间行驶时，可以进一步获取视觉横向校正信息和对应的原始融合定位信息，然后利用视觉横向校正信息对原始融合定位信息进行校正，从而得到校正后的视觉融合定位信息。由于视觉横向校正信息的输出频率与原始融合定位信息的输出频率也不同，因此，此处的“对应”同样可以理解为是进行了时间同步处理。
95.在本技术的一个实施例中，所述路端还用于执行：从车端获取视觉横向校正信息和对应的rtk定位信息；根据所述rtk定位信息，获取对应的局部高精地图；根据所述视觉横向校正信息和所述rtk定位信息以及对应的局部高精地图，确定所述局部高精地图中的车道中心线的位置信息。
96.对于路端来说，需要提供给云端服务器的主要是高精地图中的车道中心线的位置信息，由于完整的高精地图的数据量十分庞大，为了提高处理效率，这里获取的可以是融合定位信息所对应的局部高精地图中的车道中心线的位置信息。
97.具体地，根据车端发送的当前定位信息，如rtk定位信息或者融合定位信息等可以大致确定自动驾驶车辆的经纬度，基于该经纬度可以对应获取到一定区域范围内的局部高精地图，进一步结合车端的视觉横向校正信息和rtk定位信息，可以在局部高精地图中确定出自动驾驶车辆当前位置所对应的车道中心线的位置信息。
98.能够理解，上述基于车路云的融合定位精度评估装置，能够实现前述实施例中提供的基于车路云的融合定位精度评估方法的各个步骤，关于基于车路云的融合定位精度评估方法的相关阐释均适用于基于车路云的融合定位精度评估装置，此处不再赘述。
99.图5是本技术的一个实施例电子设备的结构示意图。请参考图5，在硬件层面，该电子设备包括处理器，可选地还包括内部总线、网络接口、存储器。其中，存储器可能包含内
存，例如高速随机存取存储器(random-access memory，ram)，也可能还包括非易失性存储器(non-volatile memory)，例如至少1个磁盘存储器等。当然，该电子设备还可能包括其他业务所需要的硬件。
100.处理器、网络接口和存储器可以通过内部总线相互连接，该内部总线可以是isa(industry standard architecture，工业标准体系结构)总线、pci(peripheral component interconnect，外设部件互连标准)总线或eisa(extended industry standard architecture，扩展工业标准结构)总线等。所述总线可以分为地址总线、数据总线、控制总线等。为便于表示，图5中仅用一个双向箭头表示，但并不表示仅有一根总线或一种类型的总线。
101.存储器，用于存放程序。具体地，程序可以包括程序代码，所述程序代码包括计算机操作指令。存储器可以包括内存和非易失性存储器，并向处理器提供指令和数据。
102.处理器从非易失性存储器中读取对应的计算机程序到内存中然后运行，在逻辑层面上形成基于车路云的融合定位精度评估装置。处理器，执行存储器所存放的程序，并具体用于执行以下操作：
103.从车端获取自动驾驶车辆的融合定位信息，所述融合定位信息基于所述自动驾驶车辆的融合定位系统得到；
104.从路端获取高精地图中的车道中心线的位置信息，所述高精地图中的车道中心线的位置信息与所述融合定位信息具有对应关系；
105.根据所述融合定位信息和所述高精地图中的车道中心线的位置信息，确定所述自动驾驶车辆的融合定位精度；
106.根据所述自动驾驶车辆的融合定位精度，确定所述自动驾驶车辆的融合定位系统的可用性。
107.上述如本技术图1所示实施例揭示的基于车路云的融合定位精度评估装置执行的方法可以应用于处理器中，或者由处理器实现。处理器可能是一种集成电路芯片，具有信号的处理能力。在实现过程中，上述方法的各步骤可以通过处理器中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器可以是通用处理器，包括中央处理器(central processing unit，cpu)、网络处理器(network processor，np)等；还可以是数字信号处理器(digital signal processor，dsp)、专用集成电路(application specific integrated circuit，asic)、现场可编程门阵列(field－programmable gate array，fpga)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。可以实现或者执行本技术实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合本技术实施例所公开的方法的步骤可以直接体现为硬件译码处理器执行完成，或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器，闪存、只读存储器，可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器，处理器读取存储器中的信息，结合其硬件完成上述方法的步骤。
108.该电子设备还可执行图1中基于车路云的融合定位精度评估装置执行的方法，并实现基于车路云的融合定位精度评估装置在图1所示实施例的功能，本技术实施例在此不再赘述。
109.本技术实施例还提出了一种计算机可读存储介质，该计算机可读存储介质存储一个或多个程序，该一个或多个程序包括指令，该指令当被包括多个应用程序的电子设备执行时，能够使该电子设备执行图1所示实施例中基于车路云的融合定位精度评估装置执行的方法，并具体用于执行：
110.从车端获取自动驾驶车辆的融合定位信息，所述融合定位信息基于所述自动驾驶车辆的融合定位系统得到；
111.从路端获取高精地图中的车道中心线的位置信息，所述高精地图中的车道中心线的位置信息与所述融合定位信息具有对应关系；
112.根据所述融合定位信息和所述高精地图中的车道中心线的位置信息，确定所述自动驾驶车辆的融合定位精度；
113.根据所述自动驾驶车辆的融合定位精度，确定所述自动驾驶车辆的融合定位系统的可用性。
114.本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、cd-rom、光学存储器等)上实施的计算机程序产品的形式。
115.本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
116.这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
117.这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
118.在一个典型的配置中，计算设备包括一个或多个处理器(cpu)、输入/输出接口、网络接口和内存。
119.内存可能包括计算机可读介质中的非永久性存储器，随机存取存储器(ram)和/或非易失性内存等形式，如只读存储器(rom)或闪存(flash ram)。内存是计算机可读介质的示例。
120.计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(pram)、静态随机存取存储器(sram)、动
态随机存取存储器(dram)、其他类型的随机存取存储器(ram)、只读存储器(rom)、电可擦除可编程只读存储器(eeprom)、快闪记忆体或其他内存技术、只读光盘只读存储器(cd-rom)、数字多功能光盘(dvd)或其他光学存储、磁盒式磁带，磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括暂存电脑可读媒体(transitory media)，如调制的数据信号和载波。
121.还需要说明的是，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个
……”
限定的要素，并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。
122.本领域技术人员应明白，本技术的实施例可提供为方法、系统或计算机程序产品。因此，本技术可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且，本技术可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、cd-rom、光学存储器等)上实施的计算机程序产品的形式。
123.以上所述仅为本技术的实施例而已，并不用于限制本技术。对于本领域技术人员来说，本技术可以有各种更改和变化。凡在本技术的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本技术的权利要求范围之内。