自动驾驶定位方法、装置、设备及存储介质

技术领域

本发明涉及汽车电子技术领域，尤其涉及一种自动驾驶定位方法、装置、设备及存储介质。

背景技术

在日常车辆高速行驶过程中，自动驾驶具有重要应用意义，而自动驾驶中识别车道进行车道定位会影响自动驾驶的行驶品质和安全，现有的方案是采用高精度惯导以及实时动态(Realtime Kinematic，RTK)设备实现车道级定位，但是高精度惯导成本高，同时也无法实现100％达到车道级定位，另外，高精度惯导在长隧道下无法实现车道级定位。

发明内容

本发明的主要目的在于提供一种自动驾驶定位方法、装置、设备及存储介质，旨在解决现有技术中高精度惯性导航成本较高，无法实现完全的车道级定位，并且受道路地形限制，在隧道下无法实现车道级定位的技术问题。

第一方面，本发明提供一种自动驾驶定位方法，所述自动驾驶定位方法包括以下步骤：

从视觉一体机中获取当前车辆的视觉识别车道线数据，获得GPS自车定位点，利用所述GPS自车定位点结合高精度地图获取高精度地图车道线数据；

根据所述视觉识别车道线数据和所述高精度地图车道线数据确定所述当前车辆的车道位置；

根据所述车道位置对所述当前车辆的横向坐标进行矫正，将矫正后的坐标作为自动驾驶的定位坐标。

可选地，所述从视觉一体机中获取当前车辆的视觉识别车道线数据，获得GPS自车定位点，利用所述GPS自车定位点结合高精度地图获取高精度地图车道线数据，包括：

从视觉一体机中获取当前车辆车道数量及车道类型，将所述当前车辆的车道数量及所述车道类型作为视觉识别车道线数据；

获得GPS自车定位点，根据所述GPS自车定位点从高精度地图数据中获得高精度车道线数量及高精度车道线类型，将所述高精度车道线数量及所述高精度车道线类型作为所述高精度地图车道线数据。

可选地，所述根据所述视觉识别车道线数据和所述高精度地图车道线数据确定所述当前车辆的车道位置，包括：

从所述视觉识别车道线数据中获得视觉车道线信息，从所述高精度地图车道线数据中获得高精度车道线信息；

将所述视觉车道线信息与所述高精度车道线信息进行匹配，确定所述当前车辆的车道位置。

可选地，所述将所述视觉车道线信息与所述高精度车道线信息进行匹配，确定所述当前车辆的车道位置，包括：

将所述视觉车道线信息与所述高精度车道线信息进行匹配，并生成匹配结果；

在所述匹配结果为所述视觉车道线信息与所述高精度车道线信息匹配成功时，以所述高精度车道线信息对应的车道位置作为所述当前车辆的车道位置；

在所述匹配结果为所述视觉车道线信息与所述高精度车道线信息匹配不成功时，重新获取当前时刻的视觉车道线信息和高精度车道线信息，并根据新的视觉车道线信息和新的高精度车道线信息进行匹配，直至匹配成功。

可选地，所述根据所述视觉识别车道线数据和所述高精度地图车道线数据确定所述当前车辆的车道位置之后，所述自动驾驶定位方法还包括：

从所述视觉车道线信息中获得当前车辆与车道左右边线的边线距离；

根据所述边线距离对所述当前车辆的车道位置进行修正，将修正后的自车位置作为所述当前车辆的新的车道位置。

可选地，所述根据所述车道位置对所述当前车辆的横向坐标进行矫正，将矫正后的坐标作为自动驾驶的定位坐标之后，所述自动驾驶定位方法还包括：

获得当前时刻的航向角、轴距、左轮轮速、右轮轮速及所述当前时刻与上一时刻的时间间隔；

根据左轮轮速、右轮轮速及所述轴距通过下式获得所述当前车辆的轮速和角速度；

其中，v

根据所述车道中心点坐标、所述航向角、所述角速度、所述时间间隔及所述轮速，通过所述轮速、所述航向角、所述角速度和所述时间间隔确定递推坐标，将所述递推坐标作为航迹递推增量通过下式计算出当前时刻的定位坐标，将所述当前时刻的定位坐标作为新的自动驾驶的定位坐标：

其中，x

可选地，所述根据所述车道位置对所述当前车辆的横向坐标进行矫正，将矫正后的坐标作为自动驾驶的定位坐标之前，所述自动驾驶定位方法还包括：

获取所述当前车辆的方向盘信息；

根据所述方向盘信息判断所述当前车辆是否发生了变道；

在未发生变道时使用上一时刻自车所在高精度地图中的车道作为当前定位车道；

在所述当前车辆发生了变道时，重新获得所述当前车辆的视觉识别车道线数据，并根据新的视觉识别车道线数据和所述高精度地图数据重新确定所述当前车辆的车道位置。

第二方面，为实现上述目的，本发明还提出一种自动驾驶定位装置，所述自动驾驶定位装置包括：

数据获取模块，用于从视觉一体机中获取当前车辆的视觉识别车道线数据，获得GPS自车定位点，利用所述GPS自车定位点结合高精度地图获取高精度地图车道线数据；

位置确定模块，用于根据所述视觉识别车道线数据和所述高精度地图车道线数据确定所述当前车辆的车道位置；

矫正定位模块，用于根据所述车道位置对所述当前车辆的横向坐标进行矫正，将矫正后的坐标作为自动驾驶的定位坐标。

第三方面，为实现上述目的，本发明还提出一种自动驾驶定位设备，所述自动驾驶定位设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的自动驾驶定位程序，所述自动驾驶定位程序配置为实现如权利要求上文所述的自动驾驶定位方法的步骤。

第四方面，为实现上述目的，本发明还提出一种存储介质，所述存储介质上存储有自动驾驶定位程序，所述自动驾驶定位程序被处理器执行时实现如上文所述的自动驾驶定位方法的步骤。

本发明提出的自动驾驶定位方法，通过从视觉一体机中获取当前车辆的视觉识别车道线数据，获得GPS自车定位点，利用所述GPS自车定位点结合高精度地图获取高精度地图车道线数据；根据所述视觉识别车道线数据和所述高精度地图车道线数据确定所述当前车辆的车道位置；根据所述车道位置对所述当前车辆的横向坐标进行矫正，将矫正后的坐标作为自动驾驶的定位坐标，能够仅仅使用高精度地图中的车道线信息和视觉车道线信息实现车道级定位，大大降低了高速自动驾驶的成本；提升了自动驾驶车道定位的精度，保证了自动驾驶的智能性和安全性，提高了用户的行驶体验。

附图说明

图1为本发明实施例方案涉及的硬件运行环境的设备结构示意图；

图2为本发明自动驾驶定位方法第一实施例的流程示意图；

图3为本发明自动驾驶定位方法第二实施例的流程示意图；

图4为本发明自动驾驶定位方法第三实施例的流程示意图；

图5为本发明自动驾驶定位方法第四实施例的流程示意图；

图6为本发明自动驾驶定位方法第五实施例的流程示意图；

图7为本发明自动驾驶定位装置第一实施例的功能模块图。

本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。

具体实施方式

应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

本发明实施例的解决方案主要是：通过从视觉一体机中获取当前车辆的视觉识别车道线数据，获得GPS自车定位点，利用所述GPS自车定位点结合高精度地图获取高精度地图车道线数据；根据所述视觉识别车道线数据和所述高精度地图车道线数据确定所述当前车辆的车道位置；根据所述车道位置对所述当前车辆的横向坐标进行矫正，将矫正后的坐标作为自动驾驶的定位坐标，能够仅仅使用高精度地图中的车道线信息和视觉车道线信息实现车道级定位，大大降低了高速自动驾驶的成本；提升了自动驾驶车道定位的精度，保证了自动驾驶的智能性和安全性，提高了用户的行驶体验，解决了现有技术中高精度惯性导航成本较高，无法实现完全的车道级定位，并且受道路地形限制，在隧道下无法实现车道级定位的技术问题。

参照图1，图1为本发明实施例方案涉及的硬件运行环境的设备结构示意图。

如图1所示，该设备可以包括：处理器1001，例如CPU，通信总线1002、用户接口1003，网络接口1004，存储器1005。其中，通信总线1002用于实现这些组件之间的连接通信。用户接口1003可以包括显示屏(Display)、输入单元比如键盘(Keyboard)，可选用户接口1003还可以包括标准的有线接口、无线接口。网络接口1004可选的可以包括标准的有线接口、无线接口(如Wi-Fi接口)。存储器1005可以是高速RAM存储器，也可以是稳定的存储器(Non-Volatile Memory)，例如磁盘存储器。存储器1005可选的还可以是独立于前述处理器1001的存储装置。

本领域技术人员可以理解，图1中示出的设备结构并不构成对该设备的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。

如图1所示，作为一种存储介质的存储器1005中可以包括操作系统、网络通信模块、用户接口模块以及自动驾驶定位程序。

本发明设备通过处理器1001调用存储器1005中存储的自动驾驶定位程序，并执行以下操作：

从视觉一体机中获取当前车辆的视觉识别车道线数据，获得GPS自车定位点，利用所述GPS自车定位点结合高精度地图获取高精度地图车道线数据；

根据所述视觉识别车道线数据和所述高精度地图车道线数据确定所述当前车辆的车道位置；

根据所述车道位置对所述当前车辆的横向坐标进行矫正，将矫正后的坐标作为自动驾驶的定位坐标。

进一步地，处理器1001可以调用存储器1005中存储的自动驾驶定位程序，还执行以下操作：

从视觉一体机中获取当前车辆车道数量及车道类型，将所述当前车辆的车道数量及所述车道类型作为视觉识别车道线数据；

获得GPS自车定位点，根据所述GPS自车定位点从高精度地图数据中获得高精度车道线数量及高精度车道线类型，将所述高精度车道线数量及所述高精度车道线类型作为所述高精度地图车道线数据获得GPS自车定位点，根据所述GPS自车定位点从高精度地图数据中获得高精度车道线数量及高精度车道线类型，将所述高精度车道线数量及所述高精度车道线类型作为所述高精度地图车道线数据。

进一步地，处理器1001可以调用存储器1005中存储的自动驾驶定位程序，还执行以下操作：

从所述视觉识别车道线数据中获得视觉车道线信息，从所述高精度地图车道线数据中获得高精度车道线信息；

将所述视觉车道线信息与所述高精度车道线信息进行匹配，确定所述当前车辆的车道位置。

进一步地，处理器1001可以调用存储器1005中存储的自动驾驶定位程序，还执行以下操作：

将所述视觉车道线信息与所述高精度车道线信息进行匹配，并生成匹配结果；

在所述匹配结果为所述视觉车道线信息与所述高精度车道线信息匹配成功时，以所述高精度车道线信息对应的车道位置作为所述当前车辆的车道位置；

在所述匹配结果为所述视觉车道线信息与所述高精度车道线信息匹配不成功时，重新获取当前时刻的视觉车道线信息和高精度车道线信息，并根据新的视觉车道线信息和新的高精度车道线信息进行匹配，直至匹配成功。

进一步地，处理器1001可以调用存储器1005中存储的自动驾驶定位程序，还执行以下操作：

从所述视觉车道线信息中获得当前车辆与车道左右边线的边线距离；

根据所述边线距离对所述当前车辆的车道位置进行修正，将修正后的自车位置作为所述当前车辆的新的车道位置。

进一步地，处理器1001可以调用存储器1005中存储的自动驾驶定位程序，还执行以下操作：

获得当前时刻的航向角、轴距、左轮轮速、右轮轮速及所述当前时刻与上一时刻的时间间隔；

根据左轮轮速、右轮轮速及所述轴距通过下式获得所述当前车辆的轮速和角速度；

其中，v

根据所述车道中心点坐标、所述航向角、所述角速度、所述时间间隔及所述轮速，通过所述轮速、所述航向角、所述角速度和所述时间间隔确定递推坐标，将所述递推坐标作为航迹递推增量通过下式计算出当前时刻的定位坐标，将所述当前时刻的定位坐标作为新的自动驾驶的定位坐标：

其中，x

进一步地，处理器1001可以调用存储器1005中存储的自动驾驶定位程序，还执行以下操作：

获取所述当前车辆的方向盘信息；

根据所述方向盘信息判断所述当前车辆是否发生了变道；

在未发生变道时使用上一时刻自车所在高精度地图中的车道作为当前定位车道；

在所述当前车辆发生了变道时，重新获得所述当前车辆的视觉识别车道线数据，并根据新的视觉识别车道线数据和所述高精度地图数据重新确定所述当前车辆的车道位置。

本实施例通过上述方案，通过从视觉一体机中获取当前车辆的视觉识别车道线数据，获得GPS自车定位点，利用所述GPS自车定位点结合高精度地图获取高精度地图车道线数据；根据所述视觉识别车道线数据和所述高精度地图车道线数据确定所述当前车辆的车道位置；根据所述车道位置对所述当前车辆的横向坐标进行矫正，将矫正后的坐标作为自动驾驶的定位坐标，能够仅仅使用高精度地图中的车道线信息和视觉车道线信息实现车道级定位，大大降低了高速自动驾驶的成本；提升了自动驾驶车道定位的精度，保证了自动驾驶的智能性和安全性，提高了用户的行驶体验。

基于上述硬件结构，提出本发明自动驾驶定位方法实施例。

参照图2，图2为本发明自动驾驶定位方法第一实施例的流程示意图。

在第一实施例中，所述自动驾驶定位方法包括以下步骤：

步骤S10、从视觉一体机中获取当前车辆的视觉识别车道线数据，获得GPS自车定位点，利用所述GPS自车定位点结合高精度地图获取高精度地图车道线数据。

需要说明的是，所述视觉一体机为获得车辆视觉图像的一体机，所述视觉一体机可以是包含视觉传感器等视觉图像探测设备的一体机，所述GPS自车定位点为通过全球定位系统(Global Positioning System，GPS)采集当前车辆的定位数据，从视觉一体机中可以获得当前车辆的视觉识别车道线数据，所述高精度地图数据为预先存储的高精度地图对应的数据，根据所述GPS自车定位点结合所述高精度地图数据中可以调取出与所述当前车辆行驶的定位对应的高精度地图车道线数据。

步骤S20、根据所述视觉识别车道线数据和所述高精度地图车道线数据确定所述当前车辆的车道位置。

需要说明的是，通过将所述视觉识别车道线数据与所述高精度地图车道线数据进行匹配分析，能够确定所述当前车辆的车道位置，进而提升了车道定位的精度，且相对于RTK设备和高精度惯性导航车道定位方式，大大降低了使用成本。

步骤S30、根据所述车道位置对所述当前车辆的横向坐标进行矫正，将矫正后的坐标作为自动驾驶的定位坐标。

需要说明的是，根据所述车道位置可以对当前车辆的最终坐标位置进行矫正，即对所述当前车辆的横向坐标进行矫正，矫正后的坐标可以作为自动驾驶的定位坐标，即根据矫正后的坐标进行自动驾驶操作。

进一步的，所述步骤S30之后，所述自动驾驶定位方法还包括以下步骤：

获得当前时刻的航向角、轴距、左轮轮速、右轮轮速及所述当前时刻与上一时刻的时间间隔；

根据左轮轮速、右轮轮速及所述轴距通过下式获得所述当前车辆的轮速和角速度；

其中，v

根据所述车道中心点坐标、所述航向角、所述角速度、所述时间间隔及所述轮速，通过所述轮速、所述航向角、所述角速度和所述时间间隔确定递推坐标，将所述递推坐标作为航迹递推增量通过下式计算出当前时刻的定位坐标，将所述当前时刻的定位坐标作为新的自动驾驶的定位坐标：

其中，x

可以理解的是，根据左轮轮速、右轮轮速及所述轴距能够获得所述当前车辆的轮速和角速度，通过将当前时刻的航向角、角速度、所述当前时刻与上一时刻的时间间隔、所述当前车辆的轮速结合上一时刻的坐标进行定位融合，即通过所述轮速、所述航向角、所述角速度和所述时间间隔确定递推坐标，将所述递推坐标作为航迹递推增量通过下式计算出当前时刻的定位坐标，一般是在当前矫正周期与下一矫正周期中获得递推坐标，通过递推坐标提高矫正频率，通过航迹递推可以算出单位时间内的位置增量，知道上一时刻自车位置，从而可以把增量叠加上去，能够提高系统的定位输出频率，对于轮速信息可以利用车速对下一时刻的位移进行轮速递推。

在具体实现中，所述横向坐标为通过视觉识别车道线数据对应当前车辆的当前车道中心线的横向坐标；通过自车GPS定位可以找到与所述当前车道中心线最近的点作为中心点，即与所述当前车道中心线距离最近的点作为车道位置对应的车道中心点坐标；可以是根据高精度地图车道线信息，将自车坐标拉到高精度地图车道中心线上，该过程中根据自车GPS定位在高精度地图车道线中寻找最近的点作为初定位点，即将所述横向坐标挪移至所述高精度地图对应的车道中心线上，并结合自车GPS定位寻找与所述车道中心线最近的点作为所述车道位置对应的车道中心点坐标，在矫正模块不工作，即横向坐标矫正不成功时，使用航迹递推方式增加定位频率的输出，从而对自车定位进行矫正，将所述递推坐标叠加后的定位坐标作为自动驾驶的定位坐标。

本实施例通过上述方案，通过从视觉一体机中获取当前车辆的视觉识别车道线数据，获得GPS自车定位点，利用所述GPS自车定位点结合高精度地图获取高精度地图车道线数据；根据所述视觉识别车道线数据和所述高精度地图车道线数据确定所述当前车辆的车道位置；根据所述车道位置对所述当前车辆的横向坐标进行矫正，将矫正后的坐标作为自动驾驶的定位坐标，能够仅仅使用高精度地图中的车道线信息和视觉车道线信息实现车道级定位，大大降低了高速自动驾驶的成本；提升了自动驾驶车道定位的精度，保证了自动驾驶的智能性和安全性，提高了用户的行驶体验。

进一步地，图3为本发明自动驾驶定位方法第二实施例的流程示意图，如图3所示，基于第一实施例提出本发明自动驾驶定位方法第二实施例，在本实施例中，所述步骤S10具体包括以下步骤：

步骤S11、从视觉一体机中获取当前车辆车道数量及车道类型，将所述当前车辆的车道数量及所述车道类型作为视觉识别车道线数据。

需要说明的是，从视觉一体机中可以获得当前车辆所处道路的车道数量，以及车道类型和GPS车道定位，所述车道类型包括黄色实线、黄色虚线、黄色虚实线、黄色双实线、白色虚线、白色实线、白色虚实线及白色双实线；所述GPS车道定位为根据GPS定位到的当前车辆所处的车道，在获得了车道数量及车道类型后，可以将车道数量及车道类型作为视觉识别车道线数据。

步骤S12、获得GPS自车定位点，根据所述GPS自车定位点获得GPS自车定位点，根据所述GPS自车定位点从高精度地图数据中获得高精度车道线数量及高精度车道线类型，将所述高精度车道线数量及所述高精度车道线类型作为所述高精度地图车道线数据。

应当理解的是，所述高精度地图数据中存储有各个道路的高精度车道线数量和对应车道的车道线类型，从而可以将所述高精度车道线数量及所述高精度车道线类型作为所述高精度地图车道线数据。

本实施例通过上述方案，通过从视觉一体机中获取当前车辆车道数量及车道类型，将所述当前车辆的车道数量及所述车道类型作为视觉识别车道线数据；获得GPS自车定位点，根据所述GPS自车定位点从高精度地图数据中获得高精度车道线数量及高精度车道线类型，将所述高精度车道线数量及所述高精度车道线类型作为所述高精度地图车道线数据；能够实现低成本的车道级定位，大大降低了高速自动驾驶的成本；提升了自动驾驶车道定位的精度，保证了自动驾驶的智能性和安全性。

进一步地，图4为本发明自动驾驶定位方法第三实施例的流程示意图，如图4所示，基于第一实施例提出本发明自动驾驶定位方法第三实施例，在本实施例中，所述步骤S20具体包括以下步骤：

步骤S21、从所述视觉识别车道线数据中获得视觉车道线信息，从所述高精度地图车道线数据中获得高精度车道线信息。

需要说明的是，所述视觉车道线信息为通过拍摄方式获取的当前车辆所处道路的实时车道线相关信息，所述视觉车道线信息的获取方式可以是基于外设拍摄设备拍摄的车道线信息，也可以是当前车辆的车机自带的拍摄单元拍摄的车道线信息，本实施例对此不加以限制；所述高精度地图车道线数据中可以获得所述当前车辆一定范围内的车道线属性信息，即车道线行点信息、车道线类型以及车道线拓扑信息，进而可以从中获得高精度车道线信息。

步骤S22、将所述视觉车道线信息与所述高精度车道线信息进行匹配，确定所述当前车辆的车道位置。

应当理解的是，通过将所述视觉车道线信息与所述高精度车道线信息进行匹配，能够判断当前车辆处于哪个车道，即确定所述当前车辆的车道位置。

进一步的，所述步骤S22具体包括以下步骤：

将所述视觉车道线信息与所述高精度车道线信息进行匹配，并生成匹配结果；

在所述匹配结果为所述视觉车道线信息与所述高精度车道线信息匹配成功时，以所述高精度车道线信息对应的车道位置作为所述当前车辆的车道位置；

在所述匹配结果为所述视觉车道线信息与所述高精度车道线信息匹配不成功时，重新获取当前时刻的视觉车道线信息和高精度车道线信息，并根据新的视觉车道线信息和新的高精度车道线信息进行匹配，直至匹配成功。

可以理解的是，在所述匹配结果为所述视觉车道线信息与所述高精度车道线信息匹配成功时，以所述高精度车道线信息对应的车道位置作为所述当前车辆的车道位置，在所述匹配结果为所述视觉车道线信息与所述高精度车道线信息匹配不成功时，则认为系统失效，即匹配不上说明是车道线出问题了，定位系统不可用，则继续匹配直到匹配成功，即重新获取当前时刻的视觉车道线信息和高精度车道线信息，并根据新的视觉车道线信息和新的高精度车道线信息进行匹配，直至匹配成功。

本实施例通过上述方案，通过获取视觉车道线信息；根据所述视觉车道线信息和所述高精度地图车道线数据确定高精度车道线信息；从所述视觉识别车道线数据中获得GPS车道定位，将所述GPS车道定位与所述高精度车道线信息匹配，确定所述当前车辆的车道位置；能够实现低成本的车道级定位，大大降低了高速自动驾驶的成本；提升了自动驾驶车道定位的精度，保证了自动驾驶的智能性和安全性。

进一步地，图5为本发明自动驾驶定位方法第四实施例的流程示意图，如图5所示，基于第一实施例提出本发明自动驾驶定位方法第四实施例，在本实施例中，所述步骤S20之后，所述自动驾驶定位方法还包括以下步骤：

步骤S201、从所述视觉车道线信息中获得当前车辆与车道左右边线的边线距离。

需要说明的是，所述车道左右边线为所述当前车辆与所述视觉车道线的当前车道线的左边线的距离和当前车辆与当前车道线的右边线的距离。

步骤S202、根据所述边线距离对所述当前车辆的车道位置进行修正，将修正后的自车位置作为所述当前车辆的新的车道位置。

可以理解的是，通过所述边线距离可以对所述当前车辆的车道位置进行修正，进而将修正后的自车位置作为当前车辆的新的车道位置，即根据视觉识别的到车道线左右边线的距离对自车位置进行矫正，从而进一步提高自动驾驶定位的精确度。

本实施例通过上述方案，通过从所述视觉车道线信息中获得视觉车道相对位置；将所述视觉车道相对位置与所述高精度地图车道线数据中的高精度车道线数量和高精度车道线类型进行匹配，将匹配成功的车道定位作为高精度车道线信息，能够仅仅使用高精度地图中的车道线信息和视觉车道线信息实现车道级定位，大大降低了高速自动驾驶的成本。

进一步地，图6为本发明自动驾驶定位方法第五实施例的流程示意图，如图6所示，基于第一实施例提出本发明自动驾驶定位方法第五实施例，在本实施例中，所述步骤S30之前，所述自动驾驶定位方法还包括以下步骤：

步骤S301、获取所述当前车辆的方向盘信息。

需要说明的是，所述方向盘信息为所述当前车辆的方向盘转动的相关信息，包括转速及角度等。

步骤S302、根据所述方向盘信息判断所述当前车辆是否发生了变道。

可以理解的是，通过所述方向盘信息可以判断所述当前车辆是否进行了换道，一般的以方向盘转动角度大于预设角度时，可以判定当前车辆发生了变道，或者以方向盘转动转速大于预设转速时，可以判定当前车辆发生了变道，或者结合视觉车道线信息判断所述当前车辆是否发生了变道。

在具体实现中，在不换道的情况下可以根据地图信息判断下一时刻的车道数量是否发生了变化，如果不变化则认为下一时刻的所在的车道不变化；如果根据方向盘信号判断出了车辆发生了转向变道或者地图所在的车道数目发生了变化则认为车辆所在车道可能发生了变化，则根据车道线数目和类型判断自车所在的车道。

步骤S303、在未发生变道时使用上一时刻自车所在高精度地图中的车道作为当前定位车道。

可以理解的是，在所述当前车辆未发生变道时，可以将当前时刻当前车辆所在高精度地图中的车道作为当前定位车道，即在当前车辆没有换道时，仍然以高精度地图对应的车道为准。

步骤S304、在所述当前车辆发生了变道时，重新获得所述当前车辆的视觉识别车道线数据，并根据新的视觉识别车道线数据和所述高精度地图数据重新确定所述当前车辆的车道位置。

应当理解的是，在所述当前车辆发生了变道时，需要及时更新当前车辆的车辆行驶数据，即重新获得所述当前车辆的视觉识别车道线数据，并根据新的视觉识别车道线数据和所述高精度地图数据重新确定所述当前车辆的车道位置。

本实施例通过上述方案，通过获取所述当前车辆的方向盘信息；根据所述方向盘信息判断所述当前车辆是否发生了变道；在所述当前车辆发生了变道时，重新获得所述当前车辆的视觉识别车道线数据，并根据新的视觉识别车道线数据和所述高精度地图数据重新确定所述当前车辆的车道位置，能够保证自动驾驶定位的实时性，提升了自动驾驶车道定位的精度，保证了自动驾驶的智能性和安全性，提高了用户的行驶体验。

相应地，本发明进一步提供一种自动驾驶定位装置。

参照图7，图7为本发明自动驾驶定位装置第一实施例的功能模块图。

本发明自动驾驶定位装置第一实施例中，该自动驾驶定位装置包括：

数据获取模块10，用于从视觉一体机中获取当前车辆的视觉识别车道线数据，获得GPS自车定位点，利用所述GPS自车定位点结合高精度地图获取高精度地图车道线数据。

位置确定模块20，用于根据所述视觉识别车道线数据和所述高精度地图车道线数据确定所述当前车辆的车道位置。

矫正定位模块30，用于根据所述车道位置对所述当前车辆的横向坐标进行矫正，将矫正后的坐标作为自动驾驶的定位坐标。

其中，自动驾驶定位装置的各个功能模块实现的步骤可参照本发明自动驾驶定位方法的各个实施例，此处不再赘述。

此外，本发明实施例还提出一种存储介质，所述存储介质上存储有自动驾驶定位程序，所述自动驾驶定位程序被处理器执行时实现如下操作：

从视觉一体机中获取当前车辆的视觉识别车道线数据，获得GPS自车定位点，利用所述GPS自车定位点结合高精度地图获取高精度地图车道线数据；

根据所述视觉识别车道线数据和所述高精度地图车道线数据确定所述当前车辆的车道位置；

根据所述车道位置对所述当前车辆的横向坐标进行矫正，将矫正后的坐标作为自动驾驶的定位坐标。

进一步地，所述自动驾驶定位程序被处理器执行时还实现如下操作：

从视觉一体机中获取当前车辆车道数量及车道类型，将所述当前车辆的车道数量及所述车道类型作为视觉识别车道线数据；

获得GPS自车定位点，根据所述GPS自车定位点从高精度地图数据中获得高精度车道线数量及高精度车道线类型，将所述高精度车道线数量及所述高精度车道线类型作为所述高精度地图车道线数据。

进一步地，所述自动驾驶定位程序被处理器执行时还实现如下操作：

从所述视觉识别车道线数据中获得视觉车道线信息，从所述高精度地图车道线数据中获得高精度车道线信息；

将所述视觉车道线信息与所述高精度车道线信息进行匹配，确定所述当前车辆的车道位置。

进一步地，所述自动驾驶定位程序被处理器执行时还实现如下操作：

将所述视觉车道线信息与所述高精度车道线信息进行匹配，并生成匹配结果；

在所述匹配结果为所述视觉车道线信息与所述高精度车道线信息匹配成功时，以所述高精度车道线信息对应的车道位置作为所述当前车辆的车道位置；

在所述匹配结果为所述视觉车道线信息与所述高精度车道线信息匹配不成功时，重新获取当前时刻的视觉车道线信息和高精度车道线信息，并根据新的视觉车道线信息和新的高精度车道线信息进行匹配，直至匹配成功。

进一步地，所述自动驾驶定位程序被处理器执行时还实现如下操作：

从所述视觉车道线信息中获得当前车辆与车道左右边线的边线距离；

根据所述边线距离对所述当前车辆的车道位置进行修正，将修正后的自车位置作为所述当前车辆的新的车道位置。

进一步地，所述自动驾驶定位程序被处理器执行时还实现如下操作：

获得当前时刻的航向角、轴距、左轮轮速、右轮轮速及所述当前时刻与上一时刻的时间间隔；

根据左轮轮速、右轮轮速及所述轴距通过下式获得所述当前车辆的轮速和角速度；

其中，v

根据所述车道中心点坐标、所述航向角、所述角速度、所述时间间隔及所述轮速，通过所述轮速、所述航向角、所述角速度和所述时间间隔确定递推坐标，将所述递推坐标作为航迹递推增量通过下式计算出当前时刻的定位坐标，将所述当前时刻的定位坐标作为新的自动驾驶的定位坐标：

其中，x

进一步地，所述自动驾驶定位程序被处理器执行时还实现如下操作：

获取所述当前车辆的方向盘信息；

根据所述方向盘信息判断所述当前车辆是否发生了变道；

在未发生变道时使用上一时刻自车所在高精度地图中的车道作为当前定位车道；

在所述当前车辆发生了变道时，重新获得所述当前车辆的视觉识别车道线数据，并根据新的视觉识别车道线数据和所述高精度地图数据重新确定所述当前车辆的车道位置。

本实施例通过上述方案，通过从视觉一体机中获取当前车辆的视觉识别车道线数据，获得GPS自车定位点，利用所述GPS自车定位点结合高精度地图获取高精度地图车道线数据；根据所述视觉识别车道线数据和所述高精度地图车道线数据确定所述当前车辆的车道位置；根据所述车道位置对所述当前车辆的横向坐标进行矫正，将矫正后的坐标作为自动驾驶的定位坐标，能够仅仅使用高精度地图中的车道线信息和视觉车道线信息实现车道级定位，大大降低了高速自动驾驶的成本；提升了自动驾驶车道定位的精度，保证了自动驾驶的智能性和安全性，提高了用户的行驶体验。

需要说明的是，在本文中，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、物品或者系统不仅包括那些要素，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、物品或者系统所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者系统中还存在另外的相同要素。

上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。

以上仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。