一种地图构建、车辆控制方法及装置

技术领域

本申请涉及数据处理技术领域，特别是涉及一种地图构建、车辆控制方法及装置。

背景技术

近年来电动汽车越来越多，一些电动汽车需要在换电站更换电池，进而保证有充足的电量。为便于为电动汽车更换电池，AVBS(Automatic Valet Battery Swap，自动代客换电)技术应运而生。

基于AVBS技术实现电池更换过程中，车辆需要获得换电站的地图，然后基于上述地图驶入换电站，完成电池更换后，再基于地图驶出换电站。

鉴于此，需要提供一种构建换电站地图的方案。

发明内容

本申请实施例的目的在于提供一种地图构建、车辆控制方法及装置，以构建换电站的地图。具体技术方案如下：

第一方面，本申请实施例提供了一种地图构建方法，所述方法包括：

获得示教车辆在换电站行驶过程中所述示教车辆搭载的传感器采集的传感器数据，其中，所述传感器包括：视觉传感器；

基于所获得的传感器数据，确定所述示教车辆在行驶过程中相对于进入所述换电站时的车辆位姿；

基于所获得传感器数据中所述视觉传感器采集的图像，构建所述示教车辆行驶过程中周围环境的视觉鸟瞰视角BEV图像，并提取所构建视觉BEV图像的图像特征；

在所确定的车辆位姿表征所述示教车辆行驶的路面为平整路面的情况下，根据对应于相同时刻的车辆位姿和图像特征，构建包含所述示教车辆行驶路径信息的所述换电站的地图。

第二方面，本申请实施例提供了一种地图构建装置，所述装置包括：

第一传感器数据获得模块，用于获得示教车辆在换电站行驶过程中所述示教车辆搭载的传感器采集的传感器数据，其中，所述传感器包括：视觉传感器；

车辆位姿确定模块，用于基于所获得的传感器数据，确定所述示教车辆在行驶过程中相对于进入所述换电站时的车辆位姿；

图像特征提取模块，用于基于所获得传感器数据中所述视觉传感器采集的图像，构建所述示教车辆行驶过程中周围环境的视觉鸟瞰视角BEV图像，并提取所构建视觉BEV图像的图像特征；

地图构建模块，用于在所确定的车辆位姿表征所述示教车辆行驶的路面为平整路面的情况下，根据对应于相同时刻的车辆位姿和图像特征，构建包含所述示教车辆行驶路径信息的所述换电站的地图。

第三方面，本申请实施例提供了一种车辆，包括：

存储器，用于存放计算机程序；

控制器，用于执行存储器上所存放的程序时，实现第一方面所述的方法。

第四方面，本申请实施例提供了一种计算机可读存储介质，所述计算机可读存储介质内存储有计算机程序，所述计算机程序被控制器执行时实现第一方面所述的方法。

第五方面，本申请实施例提供了一种包含指令的计算机程序产品，当其在计算机上运行时，使得计算机执行第一方面所述的方法。

由以上可见，应用本申请实施例提供的方案构建地图时，获得示教车辆在换电站行驶过程中示教车辆搭载的传感器采集的传感器数据，基于所获得的传感器数据，确定示教车辆在行驶过程中相对于进入换电站时的车辆位姿，然后基于视觉传感器采集的图像，构建示教车辆行驶过程中周围环境的视觉BEV图像，并提取所构建视觉BEV图像的图像特征，从而可以在所确定的车辆位姿表征示教车辆行驶的路面为平整路面的情况下，根据对应于相同时刻的车辆位姿和图像特征，能够成功构建包含示教车辆行驶路径信息的换电站的地图。

当然，实施本申请的任一产品或方法并不一定需要同时达到以上所述的所有优点。

附图说明

为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，还可以根据这些附图获得其他的实施例。

图1为本申请实施例提供的一种自动代客换电场景的示意图；

图2为本申请实施例提供的第一种地图构建方法的流程示意图；

图3a为本申请实施例提供的第一种视觉BEV图像的示意图；

图3b为本申请实施例提供的第二种视觉BEV图像的示意图；

图4为本申请实施例提供的第二种地图构建方法的流程示意图；

图5为本申请实施例提供的一种预期换电区域的示意图；

图6为本申请实施例提供的一种纠偏场景的示意图；

图7为本申请实施例提供的第三种地图构建方法的流程示意图；

图8为本申请实施例提供的一种换电站模型的示意图；

图9为本申请实施例提供的一种车辆控制方法的流程示意图；

图10为本申请实施例提供的一种测量值的示意图；

图11为本申请实施例提供的一种地图构建装置的结构示意图；

图12为本申请实施例提供的一种车辆控制装置的结构示意图；

图13为本申请实施例提供的一种车辆的结构示意图。

具体实施方式

下面将结合本申请实施例中的附图，对本申请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申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员基于本申请所获得的所有其他实施例，都属于本申请保护的范围。

首先对本申请实施例所提供方案的执行主体进行说明。

本申请实施例所提供的地图构建方案的执行主体为：任意一台具有数据处理、存储等功能的设备。例如，可以是车载设备，可以是后台服务器，也可以车辆本身。

下面对本申请实施例所提供方案的应用场景进行说明。

本申请实施例所提供方案的应用场景：自动代客换电(Automatic Valet BatterySwap，AVBS)场景。

参见图1，为本申请实施例实施例提供的一种自动代客换电场景的示意图。

图1中，车辆从停车场外部进入换电站区域，途径减速带后沿通道行驶，到达AVBS起点之后，开始启动自动代客换电流程：首先，基于预先构建的换电站的地图，控制车辆经入站斜坡到达换电平台进行电源更换，该过程可以称为代客泊入换电；然后，基于预先构建的换电站的地图，控制车辆经出站斜坡抵达返回通道，驶出换电站区域，该过程可以称为换电结束代客泊出。

下面再对本申请实施例提供的地图构建方法进行详细说明。

参见图2，为本申请实施例提供的第一种地图构建方法的流程示意图，上述方法包括以下步骤S201-步骤S204。

步骤S201：获得示教车辆在换电站行驶过程中示教车辆搭载的传感器采集的传感器数据。

其中，上述传感器包括：视觉传感器。

上述视觉传感器可以包括单目相机、三维深度传感器等。由于单目相机的成本较低，采用单目相机可以节省地图构建方案的成本。

一种情况下，上述传感器可以包括雷达传感器、惯性传感器、定位传感器等位姿传感器。

其中，上述惯性传感器可以是IMU(Inertial Measurement Unit，惯性测量单元)、加速度传感器和陀螺仪等，上述定位传感器可以是GPS(Global Positioning System，全球定位系统)传感器、北斗卫星导航系统传感器等。

根据传感器类型的不同，传感器采集的传感器数据也不同。

例如，视觉传感器采集的传感器数据可以是图像，惯性传感器采集的传感器数据可以是速度、加速度、角速度等位姿数据，定位传感器采集的传感器数据可以是经纬高等定位数据。

步骤S202：基于所获得的传感器数据，确定示教车辆在行驶过程中相对于进入换电站时的车辆位姿。

本步骤中，所确定的车位位姿是示教车辆在行驶过程中相对于进入换电站时的车辆位姿，也就是行驶过程中的绝对车辆位姿相对于进入换电站时的初始车辆位姿的相对位姿。

具体的，可以先获得示教车辆在行驶过程中的绝对车辆位姿，然后基于绝对车辆位姿和初始车辆位姿确定上述绝对车辆位姿相对于初始车辆位姿的相对位姿，也即得到了上述车辆位姿。可见，上述初始车辆位姿也可以理解为示教车辆进入换电站时的绝对车辆位姿。

下面对绝对车辆位姿的测定方式进行介绍。

由上述步骤S201可知，传感器可以包括多种类型，不同类型的传感器采集的传感器数据不同，可以基于其中的一种传感器数据确定绝对车辆位姿，也可以基于其中的多种传感器数据确定绝对车辆位姿，本申请实施例对此不作不限定，下面通过举例进行介绍。

一种情况下，若示教车辆上搭载的传感器包括轮速传感器、IMU以及GNSS(GlobalNavigation Satellite System，全球导航卫星系统)传感器，则可以采用基于卡尔曼滤波的融合模型对上述传感器采集的数据进行融合，从而得到示教车辆在某一时刻下的车辆位姿

另一种情况下，可以基于视觉传感器采集的多张图像，采用对极几何算法、三角测量算法等算法确定车辆位姿。

又一种情况下，若示教车辆上搭载的传感器包括雷达传感器，则可以基于雷达传感器采集的数据，采用ICP(Iterative Closest Point，最近点迭代)等算法确定车辆位姿。

步骤S203：基于所获得传感器数据中视觉传感器采集的图像，构建示教车辆行驶过程中周围环境的视觉鸟瞰视角BEV图像，并提取所构建视觉BEV图像的图像特征。

本步骤中，随着示教车辆的行驶，车辆周围环境会发生改变，从而视觉传感器采集的图像不断变换，所构建的示教车辆行驶过程中周围环境的视觉鸟瞰视角BEV(Bird’s EyeView)图像也随着车辆行驶而改变。

具体的，上述视觉传感器可以有多个，采集视角可以互不相同。例如，视觉传感器可以设置在车身前后两侧以及左右两侧。这样上述图像采集设备可以在示教车辆行驶的过程中，采集各自视场范围内的图像，采集到的图像可以称为环视视角的图像。

从而，可以基于IPM(Inverse Perspective Mapping，逆透视变换)算法对视觉传感器采集的不同采集视角的图像进行处理，实现环视视角到鸟瞰视角的转换，构建得到示教车辆行驶过程中周围环境的视觉BEV图像。

下面对提取所构建视觉BEV图像的图像特征的方式进行介绍。

具体的，可以采用图像检测算法检测视觉BEV图像中的目标对象，然后采用特征提取算法提取上述对象的图像特征。

其中，上述目标对象可以是车道线、箭头、斑马线、路沿、换电平台上的车辆轮槽等对象，本申请实施例对此不作限定。

上述对象检测算法可以是基于Fast R-CNN模型进行对象检测的算法、基于YoLo模型进行对象检测的算法、DPM算法(Deformable Part Model，可变形部件模型)等算法，上述对象特征提取算法可以是局部二值模式(Local Binary Patterns，LBP)算法、卷积神经网络算法、HOG(Histogram of Oriented Gradient，方向梯度直方图)等算法。

步骤S204：在所确定的车辆位姿表征示教车辆行驶的路面为平整路面的情况下，根据对应于相同时刻的车辆位姿和图像特征，构建包含示教车辆行驶路径信息的换电站的地图。

首先对基于车辆位姿确定路面是否为平整路面的方式进行说明。

一种实施方式中，可以获得第一车辆位姿中的第一俯仰角、第二车辆位姿中的第二俯仰角和最新确定的车辆位姿中的第三俯仰角，然后，基于第二俯仰角分别与第一俯仰角、第三俯仰角的角度差值，判断所确定的车辆位姿是否表征示教车辆行驶的路面为平整路面。

其中，第一车辆位姿、第二车辆位姿和最新确定的车辆位姿所基于传感器数据的采集时刻由早到晚排列。

上述位姿对应的具体采集时刻可以基于时间确定，也可以基于示教车辆行驶过的距离确定，下面分别进行介绍。

一种情况下，第一车辆位姿、第二车辆位姿和最新确定的车辆位姿对应的采集时刻可以是相差固定时长且由晚至早排列的时刻。

这种情况下，可以称为第一车辆位姿、第二车辆位姿和最新确定的车辆位姿对应的采集时刻为相邻帧的采集时刻。

另一种情况下，第一车辆位姿、第二车辆位姿和最新确定的车辆位姿对应的采集时刻可以是示教车辆位置间隔预设距离的时刻。

例如，第一车辆位姿对应的采集时刻可以是示教车辆已行驶20米的时刻，第二车辆位姿对应的采集时刻可以是示教车辆已行驶11米的时刻，最新确定的车辆位姿对应的采集时刻可以是示教车辆已行驶13米的时刻。

下面介绍基于上述位姿中的俯仰角判断所确定的车辆位姿是否表征示教车辆行驶的路面为平整路面的方式。

具体的，可以判断第一俯仰角、第二俯仰角和第三俯仰角是否满足以下关系式，若满足，判断所确定的车辆位姿表征示教车辆行驶的路面为平整路面：

其中，

可见，这样在第二俯仰角与第一俯仰角间的角度差值的绝对值以及与第三俯仰角间的角度差值的绝对值均小于预设的角度差值时，按照上述表达式可以确定车辆位姿表征示教车辆行驶的路面为平整路面。

在第二俯仰角与第一俯仰角间的角度差值的绝对值以及与第三俯仰角间的角度差值的绝对值均小于预设的角度差值时，表示示教车辆在一段连续的路程中俯仰角的变化较小，也即表示示教车辆在一段连续的路程中所驶过的路面较为平整，也即示教车辆所驶过的路段为水平路面或长坡道，此时可以确定车辆位姿表征示教车辆行驶的路面为平整路面；反之，则表示示教车辆在一段连续的路程中俯仰角的变化较大，也即表示示教车辆在一段连续的路程中所驶过的路面的平整度发生了突变，此时可以确定车辆位姿表征示教车辆行驶的路面不为平整路面。可见，按照上述表达式可以快捷、准确的判断所确定的车辆位姿表征示教车辆行驶的路面为平整路面。

这样可以获得第一车辆位姿中的第一俯仰角、第二车辆位姿中的第二俯仰角和最新确定的车辆位姿中的第三俯仰角，并基于上述俯仰角之间的差值判断所确定的车辆位姿是否表征示教车辆行驶的路面为平整路面。由于车辆位姿中的俯仰角可以较为准确的表征路面的倾斜度，从而俯仰角的差值可以较为准确的表征路面的倾斜度变化情况下，因此，基于上述俯仰角之间的差值可以较为准确的判断所确定的车辆位姿是否表征示教车辆行驶的路面为平整路面。

另一种实施方式中，可以判断所确定车辆位姿是否表征示教车辆行驶在上坡路面或下坡路面，若为是，确定车辆位姿表征示教车辆行驶的路面为非平整路面，否则，确定车辆位姿表征示教车辆行驶的路面为平整路面。

例如，若所确定车辆位姿中包含的俯仰角不表征示教车辆处于水平平面，则可以确定车辆位姿表征示教车辆行驶在上坡路面或下坡路面，从而确定车辆位姿表征示教车辆行驶的路面为非平整路面，否则确定车辆位姿表征示教车辆行驶的路面为平整路面。

一些场景下，换电站内包含换电站平台以及换电站平台两侧的短距离坡道，如图1中入站斜坡和出站斜坡，由于坡道距离较短，一般会小于示教车辆前后轮之间的长度，从而示教车辆在坡道上行驶的过程中会发生颠簸，不能保持平稳状态，因此，可以认为上述坡道为非平面。可见，这种场景下，按照上述实施方式可以较为快捷的判断车辆位姿是否表征示教车辆行驶的路面为平整路面。

下面对获得对应于相同时刻的车辆位姿和图像特征的方式进行介绍。

可以检测所确定车辆位姿中是否存在第一采集时刻与第二采集时刻相同的车辆位姿，若存在，将检测到的车辆位姿确定为与图像特征对应相同时刻的第四车辆位姿。

上述第一采集时刻为：确定车辆位姿所基于传感器数据的采集时刻，第二采集时刻为：构建视觉BEV图像所使用图像的采集时刻。

若不存在第一采集时刻与第二采集时刻相同的车辆位姿，可以对基于第三采集时刻采集的传感器数据确定的车辆位姿进行插值处理，得到与图像特征对应相同时刻的第四车辆位姿。

上述第三采集时刻为：与第二采集时刻相邻的采集时刻。

此时不存在第一采集时刻与第二采集时刻相同的车辆位姿，因此，可以基于与第二采集时刻相邻的第三采集时刻确定的车辆位姿确定与图像特征对应相同时刻的第四车辆位姿。

例如，获得基于第三采集时刻采集的传感器数据确定的车辆位姿的平均位姿，得到第四车辆位姿等。

可见，在存在第一采集时刻与第二采集时刻相同的车辆位姿时，可以直接将检测到的车辆位姿确定为与图像特征对应相同时刻的车辆位姿，否则，可以基于与第二采集时刻相邻的第三采集时刻确定的车辆位姿，确定与图像特征对应相同时刻的车辆位姿。由于基于与第二采集时刻相邻的第三采集时刻的传感器数据确定的车辆位姿与第二采集时刻下的车辆位姿临近，因此，对基于第三采集时刻采集的传感器数据确定的车辆位姿进行插值处理，可以较为准确的得到与图像特征对应相同时刻的车辆位姿。

再对构建包含示教车辆行驶路径信息的换电站的地图的方式进行介绍。

一种实施方式中，可以融合第四车辆位姿和图像特征，得到示教车辆在第四车辆位姿对应时刻的行驶路径信息，然后基于所得行驶路径信息更新换电站的已有地图，得到包含示教车辆行驶路径信息的换电站的地图。其中，已有地图的初始值为空。

例如，已有地图M

需要说明的是，在已有地图为空时，可以基于初始时刻t＝1下获得的图像特征和与该图像特征对应相同时刻的第四车辆位姿初始化地图，也即

可以看出，融合第四车辆位姿和图像特征后，得到了能够明确表征车辆位姿与图像特征间对应关系的行驶路径信息，从而可以便捷的得到记录有上述行驶路径信息的地图。另外，随着示教车辆不断向前行驶，可以不断获得各时刻下的图像特征和车辆位姿，从而基于所得图像特征和车辆位姿可以不断对已有地图进行增量更新，最终可以成功构建得到包含示教车辆的完整行驶路径信息的换电站的地图。

另一种实施方式中，可以在示教车辆行驶过程中，记录不同时刻下得到的图像特征和第四车辆位姿之间的对应关系，将上述关系作为示教车辆的行驶路径信息，从而得到包含示教车辆行驶路径信息的换电站的地图。

由以上可见，应用本申请实施例提供的方案构建地图时，获得示教车辆在换电站行驶过程中示教车辆搭载的传感器采集的传感器数据，基于所获得的传感器数据，确定示教车辆在行驶过程中相对于进入换电站时的车辆位姿，然后基于视觉传感器采集的图像，构建示教车辆行驶过程中周围环境的视觉BEV图像，并提取所构建视觉BEV图像的图像特征，从而可以在所确定的车辆位姿表征示教车辆行驶的路面为平整路面的情况下，根据对应于相同时刻的车辆位姿和图像特征，能够成功构建包含示教车辆行驶路径信息的换电站的地图。

另外，在构建地图时，首先基于车辆位姿，对参与构建地图的图像特征进行了筛选，具体而言，在所确定的车辆位姿表征示教车辆行驶的路面为平整路面的情况下，才根据对应于相同时刻的车辆位姿和图像特征构建地图，由于平整路面的车辆位姿对应的视觉BEV图像不会产生畸变，也即从上述视觉BEV图像中提取的图像特征可以准确反映真实的环境信息，因此，基于上述视觉BEV图像对应的图像特征进行地图构建，可以提高所构建的地图的准确度。

本申请的一个实施例中，可以过滤表征示教车辆行驶的路面为非平整路面的目标车辆位姿，并过滤与目标车辆位姿对应于相同时刻的目标图像特征，拒绝基于目标车辆位姿和目标图像特征构建换电站的地图。

这样可以过滤表征示教车辆行驶的路面为非平整路面的车辆位姿对应的图像特征，由于非平整路面的车辆位姿对应的视觉BEV图像会产生畸变，从而从视觉BEV图像中提取的图像特征难以准确反映真实的环境信息，因此，这样可以避免产生畸变的视觉BEV图像对应的图像特征对地图构建的准确度产生影响，从而提高了所构建的地图的准确度。

下面结合图3a和图3b，对本发明实施例的有益效果进行更加直观的说明。

图3a和图3b分别为表征示教车辆行驶的路面为平整路面和非平整路面的车辆位姿对应的视觉BEV图像，以换电平台上车辆轮槽的观测情况为例，可以看出，图3a中前轮槽与后轮槽之间平行，与真实场景相符，也即视觉BEV图像中轮槽平行，未发生畸变；而图3b中前轮槽与后轮槽之间不平行，与真实场景不符，也即视觉BEV图像中轮槽不平行，发生畸变。

可以看出，表征示教车辆行驶的路面为平整路面的车辆位姿对应的视觉BEV图像会发生畸变，难以反映真实的环境信息。

鉴于上述情况，若基于畸变的视觉BEV图像对应的图像特征进行地图构建，会导致构建得到的地图无法反映真实的环境信息，导致地图构建的准确度较低。

而应用本申请实施例提供的方案进行构建地图时，首先基于所确定的车辆位姿，筛选出了表征示教车辆行驶的路面为平整路面的时刻下的视觉BEV图像对应的图像特征，上述图像特征是未发生畸变的视觉BEV图像对应的图像特征，从而基于筛选出的图像特征可以构建得到能够反映真实的环境信息的地图，提高了地图构建的准确度。

在图2所示实施例的基础上，在构建换电站的地图之后，还可以基于从视觉BEV图像检测到的车辆轮槽的信息，对换电站的地图中记录的行驶路径信息进行纠偏处理。鉴于上述情况，本申请实施例提供了第二种地图构建方法。

参见图4，为本申请实施例提供的第二种地图构建方法的流程示意图，上述方法包括以下步骤S401-步骤S409。

步骤S401：获得示教车辆在换电站行驶过程中示教车辆搭载的传感器采集的传感器数据。

步骤S402：基于所获得的传感器数据，确定示教车辆在行驶过程中相对于进入换电站时的车辆位姿。

步骤S403：基于所获得传感器数据中视觉传感器采集的图像，构建示教车辆行驶过程中周围环境的视觉鸟瞰视角BEV图像，并提取所构建视觉BEV图像的图像特征。

步骤S404：在所确定的车辆位姿表征示教车辆行驶的路面为平整路面的情况下，根据对应于相同时刻的车辆位姿和图像特征，构建包含示教车辆行驶路径信息的换电站的地图。

上述步骤S401-步骤S404与前述图2所示实施例中步骤S201-步骤S204相同，这里不再赘述。

步骤S405：从所构建视觉BEV图像中识别换电站中换电平台上的车辆轮槽。

具体的，可以采用聚类算法从所构建视觉BEV图像中识别换电平台上的车辆轮槽，也可以采用其他的目标检测算法从所构建视觉BEV图像中识别换电站中换电平台上的车辆轮槽，本申请实施例对此不作限定。

需要说明的是，本步骤中所识别的车辆轮槽需要至少包括三个，以便于后续确定预期换电区域。

步骤S406：基于轮槽识别结果，获得换电平台上车辆轮槽的位置信息。

上述位置信息可以是车辆轮槽在换电平台上的相对位置。

步骤S407：基于位置信息，确定示教车辆在换电平台上的预期换电区域。

具体的，可以基于位置信息，确定包括换电平台上所有车辆轮槽的最小外接矩形区域，将最小外接矩形区域确定为示教车辆在换电平台上的预期换电区域。

下面结合图5进行更加直观的说明。

参见图5，为本申请实施例提供的一种预期换电区域的示意图。

可以看出，检测出轮槽1-轮槽4四个车辆轮槽之后，可以确定包括换电平台上所有车辆轮槽的最小外接矩形区域，也即图5中虚线框所示区域，从而可以将最小外接矩形区域确定为示教车辆在换电平台上的预期换电区域。

需要说明的是，图5仅为便于理解而作为的理想情况的示意图，实际场景下，检测到的车辆轮槽可以不是图5所示的规则矩形，且检测到的车辆轮槽的数量也可以不是完整的4个，如，也可以是3个。

这样通过确定包括换电平台上所有车辆轮槽的最小外接矩形区域，可以准确的将最小外接矩形区域确定为示教车辆在换电平台上的预期换电区域。

步骤S408：基于预期换电区域，确定示教车辆行驶路径信息的纠偏参数。

具体的，可以确定预期换电区域的中心线，然后确定上述中心线与换电站的地图中记录的车辆行驶路径信息间的横向差异值，将所得横向差异值确定为上述纠偏参数。

其中，上述横向是相对于车辆行驶方式而言的，例如，可以将车辆行驶方向称为纵向，将垂直于车辆行驶方向的方向称为横向。

这样可以基于预期换电区域的中心线确定示教车辆行驶路径信息的纠偏参数，由于预期换电区域是车辆在换电平台上换电时的预期所处区域，从而，预期换电区域的中心线也就是车辆在换电平台上换电时预期的行驶路线。因此，基于预期换电区域的中心线可以确定使得行驶路径信息所表征的路径趋近于预期换电区域的中心线的纠偏参数，可以提高纠偏处理后地图中记录的行驶路径信息的合理度。

参见图6，为本申请实施例提供的一种纠偏场景的示意图。

可以看出，地图中记录的行驶路径信息表征的路径与上述预期换电区域的中心线不一致，由于预期换电区域的中心线是车辆在换电平台上换电时预期的行驶路线，因此，可以基于上述纠偏参数对地图中记录的行驶路径信息进行纠偏处理，从而使得纠偏处理后地图中记录的行驶路径信息所表征的路径趋近于预期的路径。

步骤S409：基于纠偏参数，对换电站的地图中记录的行驶路径信息进行纠偏处理。

由前述介绍可知，获得纠偏参数之后，对换电站的地图中记录的行驶路径信息进行纠偏处理后，可以使得地图中记录的行驶路径信息所表征的路径趋近于预期的路径。

由以上可见，应用本申请实施例提供的方案构建得到换电站的地图之后，还可以基于从视觉BEV图像检测到的车辆轮槽的信息，对换电站的地图中记录的行驶路径信息进行纠偏处理，这样可以使得纠偏处理后，地图中记录的行驶路径信息表征的路径更加趋近于车辆在换电平台换电时的预期路径，从而提高了所构建的地图的精准度，也有利于提高后续基于构建得到的地图进行换电时的精准度。

在图2所示实施例的基础上，在构建换电站的地图之后，还可以基于表征示教车辆行驶的路面为非平整路面的车辆位姿，构建换电站模型，并在换电站的地图中记录换电站模型。鉴于上述情况，本申请实施例提供了第三种地图构建方法。

参见图7，为本申请实施例提供的第三种地图构建方法的流程示意图，上述方法包括以下步骤S701-步骤S709。

步骤S701：获得示教车辆在换电站行驶过程中示教车辆搭载的传感器采集的传感器数据。

步骤S702：基于所获得的传感器数据，确定示教车辆在行驶过程中相对于进入换电站时的车辆位姿。

步骤S703：基于所获得传感器数据中视觉传感器采集的图像，构建示教车辆行驶过程中周围环境的视觉鸟瞰视角BEV图像，并提取所构建视觉BEV图像的图像特征。

步骤S704：在所确定的车辆位姿表征示教车辆行驶的路面为平整路面的情况下，根据对应于相同时刻的车辆位姿和图像特征，构建包含示教车辆行驶路径信息的换电站的地图。

上述步骤S701-步骤S704与前述图2所示实施例中步骤S201-步骤S204相同，这里不再赘述。

步骤S705：基于表征示教车辆行驶的路面为非平整路面的车辆位姿，获得换电站的换电平台设置的坡道上点的垂向位置与纵向位置之间的转换关系。

在前述图2所示实施例中介绍了确定表征示教车辆行驶的路面为平整路面的车辆位姿的基础上，所得车辆位姿中除上述位姿之外的车辆位姿即为表征示教车辆行驶的路面为非平整路面的车辆位姿。

具体的，可以连续若干帧表征示教车辆行驶的路面为非平整路面的车辆位姿，确定车辆的垂向位置

步骤S706：基于所确定的车辆位姿，确定坡道的起点位置。

具体的，可以将与表征示教车辆行驶的路面为平整路面的车辆位姿的位姿相邻的表征示教车辆行驶的路面为非平整路面的车辆位姿确定为车辆处于坡道起点时的车辆位姿，从而获得上述车辆位姿中的车辆位置，基于上述车辆位置与预先测得的车辆高度，即可确定坡道的起点位置。

步骤S707：根据换电站的地图，确定换电平台上的车辆轮槽与起点位置间的第一垂向距离和第一纵向距离。

具体的，由于换电站的地图中记录有行驶路径信息，行驶路径信息中包含示教车辆行驶过程中所确定的视觉BEV图像对应的图像特征，因此，可以从上述图像特征中确定对应于车辆到达车辆轮槽时的图像特征，从而将上述图像特征对应的车辆位姿确定为车辆到达车辆轮槽时的位姿，从而基于车辆到达车辆轮槽时的位姿中包含的位置以及车辆高度，可以确定车辆轮槽与起点位置间的第一垂向距离和第一纵向距离。

步骤S708：构建包含转换关系、第一垂向距离、第一纵向距离和起点位置的换电站模型。

下面结合图8，对上述转换关系、第一垂向距离、第一纵向距离和起点位置进行更加直观的说明。

参见图8，为本申请实施例提供的一种换电站模型的示意图。

由图8可见，若以坡道起点的位置建立坐标系，坐标系的Z轴表示垂向，X轴表示纵向，则前轮槽的第一垂向距离1和第一纵向距离1、以及后轮槽的第一垂向距离2和第一纵向距离2如图8所示，上述转换关系即为坡道上点在Z轴方向的坐标值与在Z轴方向的坐标值间的转换关系。

步骤S709：在换电站的地图中记录换电站模型。

由以上可见，应用本申请实施例提供的方案构建换电站的地图之后，还可以基于表征示教车辆行驶的路面为非平整路面的车辆位姿，构建换电站模型，并在换电站的地图中记录换电站模型。由于在视觉BEV图产生畸变的情况下，图像中包含的车辆轮槽也产生的畸变，从而在车辆进行换电的过程中，无法基于视觉BEV图像中的车辆轮槽确定车辆的纵向位置。鉴于此，基于表征示教车辆行驶的路面为非平整路面的车辆位姿构建换电站模型之后，可以在后续车辆换电的过程中，基于构建换电站模型来准确的确定车辆的纵向位置，从而保障了车辆换电过程的顺利进行。

与上述地图构建方法相对应的，本申请实施例还提供了一种车辆控制方法。

参见图9，为本申请实施例提供的一种车辆控制方法的流程示意图，上述方法包括以下步骤S901-步骤S905。

步骤S901：获得目标车辆搭载的传感器采集的目标传感器数据。

其中，传感器包括：视觉传感器。

上述传感器以及传感器采集的目标传感器数据与前述地图构建方案中介绍的传感器以及传感器数据的含义相同，区别仅为本步骤中目标传感器数据是车辆自动代客换电过程中采集的传感器数据，这里不再赘述。

步骤S902：确定目标传感器数据表征目标车辆驶入换电站后，基于目标传感器数据确定目标车辆的目标位姿。

其中，若目标传感器数据中的定位数据表征车辆当前位置处于换电站区域，即可确定确定目标车辆驶入换电站。

基于目标传感器数据确定目标车辆的目标位姿的方式与前述图2所示实施例中介绍确定示教车辆的绝对车辆位姿的方式相同，区别仅为本步骤中目标位姿是车辆自动代客换电过程中确定的绝对车辆位姿，这里不再赘述。

步骤S903：若基于目标位姿确定目标车辆行驶的路面为平整路面，则基于目标传感器数据中视觉传感器采集的图像，构建目标车辆周围环境的目标视觉BEV图像，并提取目标视觉BEV图像的目标图像特征。

下面对基于目标位姿确定目标车辆行驶的路面是否为平整路面的方式进行说明。

一种实施方式中，可以基于目标位姿，判断目标车辆是否行驶在上坡路面或下坡路面，若为是，确定目标车辆行驶的路面为非平整路面，否则，确定目标车辆行驶的路面为平整路面。

例如，若目标位姿中包含的俯仰角不表征车辆处于水平平面，则可以确定车辆行驶在上坡路面或下坡路，从而确定目标车辆行驶的路面为非平整路面；否则确定目标车辆行驶的路面为平整路面。

由前述图2所示实施例中步骤S204中的介绍可知，一些场景下，换电站内包含换电站平台以及换电站平台两侧的短距离坡道，如图1中入站斜坡和出站斜坡，由于坡道距离较短，一般会小于车辆前后轮之间的长度，从而车辆在坡道上行驶的过程中会发生颠簸，不能保持平稳状态，因此，可以认为上述坡道为非平面。可见，在换电站平台两侧有短距离坡道的场景下，按照上述实施方式可以较为快捷确定目标车辆行驶的路面是否为平整路面。

另一种实施方式中，可以获得第五车辆位姿中的第五俯仰角、第六车辆位姿中的第六俯仰角和目标位姿中的第四俯仰角，基于第六俯仰角分别与第五俯仰角、第四俯仰角的角度差值，判断目标车辆行驶的路面是否为平整路面。

其中，第五车辆位姿、第六车辆位姿和目标位姿所基于传感器数据的采集时刻由早到晚排列。

本步骤的具体实施方式与前述图2所示实施例中步骤S204中介绍的基于第二俯仰角分别与第一俯仰角、第三俯仰角的角度差值确定车辆位姿是否表征路面为平整路面的方式类似，区别仅为车辆位姿不同，这里不再赘述。

由于车辆位姿中的俯仰角可以较为准确的表征路面的倾斜度，从而俯仰角的差值可以较为准确的表征路面的倾斜度变化情况下，因此，基于上述俯仰角之间的差值可以较为准确的判断目标车辆行驶的路面是否为平整路面。

步骤S904：将目标图像特征与换电站的地图进行匹配，得到目标车辆的控制位姿。

其中，换电站的地图为：基于对应相同时刻的车辆的位姿和图像特征构建的包含车辆行驶路径信息的地图，图像特征为：车辆周围环境的视觉BEV图像的特征。

上述换电站的地图可以是采用前述地图构建方案构建得到的地图。

由前述地图构建方案的实施例可知，换电站的地图是基于根据对应于相同时刻的车辆位姿和图像特征构建得到的，也就是，其中记录有对应于相同时刻的车辆位姿和图像特征。

因此，可以在换电站地图中确定目标图像特征对应的车辆位姿，从而得到目标车辆的控制位姿。

步骤S905：基于控制位姿控制目标车辆行驶。

具体的，可以预先记录目标车辆进入换电站时的绝对车辆位姿，然后基于上述控制位姿和绝对车辆位姿，确定针对目标车辆的位姿调整参数，从而基于上述位姿调整参数可以调整目标车辆行驶，直至车辆在换电平台完成换电并驶出换电站区域。

其中，上述位姿调整参数可以包括速度调整值、加速度调整值、航向角调整值等，本申请实施例对此不作限定。

由以上可见，应用本申请实施例提供的方案控制车辆时，可以获得目标车辆搭载的传感器采集的目标传感器数据，基于目标传感器数据确定目标车辆的目标位姿，基于目标传感器数据中视觉传感器采集的图像，构建目标车辆周围环境的目标视觉BEV图像，并提取目标视觉BEV图像的目标图像特征，从而将目标图像特征与换电站的地图进行匹配，可以得到目标车辆的控制位姿，进而基于控制位姿控制目标车辆行驶，成功实现控制目标车辆进行自动代客换电。

另外，在获得控制位姿之前，首先基于目标位姿确定目标车辆行驶的路面是否为平整路面，若为是，才基于目标车辆周围环境的目标视觉BEV图像对应的目标图像特征，得到目标车辆的控制位姿。由于目标车辆行驶的路面不为平整路面时，目标车辆周围环境的目标视觉BEV图像会产生畸变，从而目标视觉BEV图像对应的目标图像特征不能准确的表征车辆周围的环境信息，此时基于目标视觉BEV图像对应的目标图像特征与换电站的地图进行匹配，会导致获取到异常的控制位姿。因此，这样可以避免产生畸变的目标视觉BEV图像对应的目标图像特征对所得控制位姿的准确度产生影响，提高了所得控制位姿的准确度，从而提高了基于控制位姿控制车辆行驶时的精确度，保证了自动代客换电流程的顺利进行。

本申请的一个实施例中，换电站的换电平台设置有坡道，换电站的地图中记录有换电站模型，换电站模型包含坡道上点的垂向位置与纵向位置之间的转换关系、换电平台上的车辆轮槽与起点位置间的第一垂向距离和第一纵向距离和坡道的起点位置，这种情况下，还可以采用以下步骤A-步骤F控制车辆行驶。

步骤A：若基于目标位姿确定目标车辆行驶的路面为非平整路面，从目标视觉BEV图像中识别换电平台上的车辆轮槽。

基于目标位姿确定目标车辆行驶的路面为非平整路面的方式详见前述图9所示实施例中步骤S903中介绍。

从目标视觉BEV图像中识别换电平台上的车辆轮槽的方式与前述地图构建方案中介绍的从视觉BEV图像中识别换电平台上的车辆轮槽的方式类似，区别仅为将视觉BEV图像替换为目标视觉BEV图像，这里不再赘述。

步骤B：基于识别结果，确定车辆轮槽与目标车辆之间的目标距离在目标视觉BEV图像中的测量值。

具体的，可以确定车辆轮槽与目标车辆之间在目标视觉BEV图像对应的图像坐标系下的距离，作为上述目标距离在目标视觉BEV图像中的测量值。

参见图10，为本申请实施例提供的一种测量值的示意图。

图10中测量值1为前轮槽与目标车辆之间的目标距离在目标视觉BEV图像中的测量值，测量值2为后轮槽与目标车辆之间的目标距离在目标视觉BEV图像中的测量值。

步骤C：基于转换关系，获得采用第二纵向距离表示的目标车辆相对于起点位置的第二垂向距离，其中，第二纵向距离为：目标车辆相对于起点位置的纵向距离。

由于已获得了坡道上点的垂向位置与纵向位置之间的转换关系，又因为目标车辆处于坡道上，因此上述转换关系与目标车辆相对于起点位置的第二垂向距离与第二纵向距离之间的转换关系相同，从而，基于上述转换关系，获得采用第二纵向距离表示的目标车辆相对于起点位置的第二垂向距离。

例如，若上述转换关系为：

步骤D：获得采用第二纵向距离、第二垂向距离、第一纵向距离以及第一垂向距离表示的目标距离的预测值。

上述目标距离与第二纵向距离、第二垂向距离、第一纵向距离以及第一垂向距离相关联，也就是，基于上述第二纵向距离、第二垂向距离、第一纵向距离以及第一垂向距离可以表示目标距离的预测值。

具体的，上述预测值

其中，

步骤E：基于预测值和测量值，确定目标车辆的控制位姿。

具体的，可以确定使得上述预测值和测量值接近的第二纵向距离，从而基于所确定的第二纵向距离可以确定车辆的控制位姿

其中，

一种情况下，可以获得使得预测值和测量值之间的差异最小的第二纵向距离。

例如，按照以下表达式进行非线性优化，得到预测值和测量值之间的差异最小的第二纵向距离：

其中，

其中，x

采用非线性优化算法求解上述表达式，即可得到得到预测值和测量值之间的差异最小的第二纵向距离

可见，这样得到了预测值和测量值之间的差异最小的第二纵向距离，也即得到了与测量值最相符的第二纵向距离，提高了所得第二纵向距离的准确度，从而提高了基于第二纵向距离确定的控制位姿的准确度。

步骤F：基于控制位姿控制目标车辆行驶。

由于目标车辆行驶的路面不为平整路面时，目标车辆周围环境的目标视觉BEV图像会产生畸变，从而目标视觉BEV图像对应的目标图像特征不能准确的表征车辆周围的环境信息，此时基于目标视觉BEV图像无法获得车辆的纵向位置。而采用本申请实施例提供的方案，可以在目标车辆行驶的路面为非平整路面时，基于畸变的目标视觉BEV图像中的轮槽观测以及预先构建的换电站模型，获得了难以直接测量的车辆的纵向位置，并基于换电站模型中的转换关系确定了难以直接测量的车辆的垂向位置，从而可以基于所得纵向位置和垂向位置准确的确定车辆的控制位姿，实现了视觉BEV图像失真情况下的车辆纵向和垂向定位，保障了自动代客换电流程的顺利进行。

与上述地图构建方法相对应的，本申请实施例还提供了一种地图构建装置。

参见图11，为本申请实施例提供的一种地图构建装置的结构示意图，上述装置包括以下模块：

第一传感器数据获得模块1101，用于获得示教车辆在换电站行驶过程中所述示教车辆搭载的传感器采集的传感器数据，其中，所述传感器包括：视觉传感器；

车辆位姿确定模块1102，用于基于所获得的传感器数据，确定所述示教车辆在行驶过程中相对于进入所述换电站时的车辆位姿；

图像特征提取模块1103，用于基于所获得传感器数据中所述视觉传感器采集的图像，构建所述示教车辆行驶过程中周围环境的视觉鸟瞰视角BEV图像，并提取所构建视觉BEV图像的图像特征；

地图构建模块1104，用于在所确定的车辆位姿表征所述示教车辆行驶的路面为平整路面的情况下，根据对应于相同时刻的车辆位姿和图像特征，构建包含所述示教车辆行驶路径信息的所述换电站的地图。

由以上可见，应用本申请实施例提供的方案构建地图时，获得示教车辆在换电站行驶过程中示教车辆搭载的传感器采集的传感器数据，基于所获得的传感器数据，确定示教车辆在行驶过程中相对于进入换电站时的车辆位姿，然后基于视觉传感器采集的图像，构建示教车辆行驶过程中周围环境的视觉BEV图像，并提取所构建视觉BEV图像的图像特征，从而可以在所确定的车辆位姿表征示教车辆行驶的路面为平整路面的情况下，根据对应于相同时刻的车辆位姿和图像特征，成功构建包含示教车辆行驶路径信息的换电站的地图。

另外，在构建地图时，首先基于车辆位姿，对参与构建地图的图像特征进行了筛选，具体而言，在所确定的车辆位姿表征示教车辆行驶的路面为平整路面的情况下，才根据对应于相同时刻的车辆位姿和图像特征构建地图，由于平整路面的车辆位姿对应的视觉BEV图像不会产生畸变，也即从上述视觉BEV图像中提取的图像特征可以准确反映真实的环境信息，因此，基于上述视觉BEV图像对应的图像特征进行地图构建，可以提高所构建的地图的准确度。

本申请的一个实施例中，按照以下方式判断所确定的车辆位姿是否表征所述示教车辆行驶的路面为平整路面：

获得第一车辆位姿中的第一俯仰角、第二车辆位姿中的第二俯仰角和最新确定的车辆位姿中的第三俯仰角，其中，所述第一车辆位姿、第二车辆位姿和最新确定的车辆位姿所基于传感器数据的采集时刻由早到晚排列；

基于所述第二俯仰角分别与所述第一俯仰角、第三俯仰角的角度差值，判断所确定的车辆位姿是否表征所述示教车辆行驶的路面为平整路面。

这样可以获得第一车辆位姿中的第一俯仰角、第二车辆位姿中的第二俯仰角和最新确定的车辆位姿中的第三俯仰角，并基于上述俯仰角之间的差值判断所确定的车辆位姿是否表征示教车辆行驶的路面为平整路面。由于车辆位姿中的俯仰角可以较为准确的表征路面的倾斜度，从而俯仰角的差值可以较为准确的表征路面的倾斜度变化情况下，因此，基于上述俯仰角之间的差值可以较为准确的判断所确定的车辆位姿是否表征示教车辆行驶的路面为平整路面。

本申请的一个实施例中，所述基于所述第二俯仰角分别与所述第一俯仰角、第三俯仰角的角度差值，判断所确定的车辆位姿是否表征所述示教车辆行驶的路面为平整路面，包括：

判断所述第一俯仰角、第二俯仰角和第三俯仰角是否满足以下关系式，若满足，判断所确定的车辆位姿表征所述示教车辆行驶的路面为平整路面：

/>

其中，

在第二俯仰角与第一俯仰角间的角度差值的绝对值以及与第三俯仰角间的角度差值的绝对值均小于预设的角度差值时，表示示教车辆在一段连续的路程中俯仰角的变化较小，也即表示示教车辆在一段连续的路程中所驶过的路面较为平整，也即示教车辆所驶过的路段为水平路面或长坡道，此时可以确定车辆位姿表征示教车辆行驶的路面为平整路面；反之，则表示示教车辆在一段连续的路程中俯仰角的变化较大，也即表示示教车辆在一段连续的路程中所驶过的路面的平整度发生了突变，此时可以确定车辆位姿表征示教车辆行驶的路面不为平整路面。可见，按照上述表达式可以快捷、准确的判断所确定的车辆位姿表征示教车辆行驶的路面为平整路面。

本申请的一个实施例中，所述地图构建模块1104，包括：

车辆位姿获得子模块，用于在所确定的车辆位姿表征所述示教车辆行驶的路面为平整路面的情况下，基于所确定车辆位姿，获得与所述图像特征对应相同时刻的第四车辆位姿；

行驶路径信息获得模块，用于融合所述第四车辆位姿和所述图像特征，得到所述示教车辆在所述第四车辆位姿对应时刻的行驶路径信息；

地图构建子模块，用于基于所得行驶路径信息更新所述换电站的已有地图，得到包含所述示教车辆行驶路径信息的所述换电站的地图，其中，所述已有地图的初始值为空。

可以看出，融合第四车辆位姿和图像特征后，得到了能够明确表征车辆位姿与图像特征间对应关系的行驶路径信息，从而可以便捷的得到记录有上述行驶路径信息的地图。另外，随着示教车辆不断向前行驶，可以不断获得各时刻下的图像特征和车辆位姿，从而基于所得图像特征和车辆位姿可以不断对已有地图进行增量更新，最终可以成功构建得到包含示教车辆的完整行驶路径信息的换电站的地图。

本申请的一个实施例中，所述车辆位姿获得子模块，具体用于在所确定的车辆位姿表征所述示教车辆行驶的路面为平整路面的情况下，检测所确定车辆位姿中是否存在第一采集时刻与第二采集时刻相同的车辆位姿，其中，所述第一采集时刻为：确定车辆位姿所基于传感器数据的采集时刻，所述第二采集时刻为：构建所述视觉BEV图像所使用图像的采集时刻；若存在，将检测到的车辆位姿确定为与所述图像特征对应相同时刻的第四车辆位姿；若不存在，对基于第三采集时刻采集的传感器数据确定的车辆位姿进行插值处理，得到所述第四车辆位姿，其中，所述第三采集时刻为：与所述第二采集时刻相邻的采集时刻。

可见，在存在第一采集时刻与第二采集时刻相同的车辆位姿时，可以直接将检测到的车辆位姿确定为与图像特征对应相同时刻的车辆位姿，否则，可以基于与第二采集时刻相邻的第三采集时刻确定的车辆位姿，确定与图像特征对应相同时刻的车辆位姿。由于基于与第二采集时刻相邻的第三采集时刻的传感器数据确定的车辆位姿与第二采集时刻下的车辆位姿临近，因此，对基于第三采集时刻采集的传感器数据确定的车辆位姿进行插值处理，可以较为准确的得到与图像特征对应相同时刻的车辆位姿。

本申请的一个实施例中，在地图构建模块1104之后，还包括：

第一轮槽识别模块，用于从所构建视觉BEV图像中识别所述换电站中换电平台上的车辆轮槽；

位置信息获得模块，用于基于轮槽识别结果，获得所述换电平台上车辆轮槽的位置信息；

区域确定模块，用于基于所述位置信息，确定所述示教车辆在所述换电平台上的预期换电区域；

纠偏参数确定模块，用于基于所述预期换电区域，确定所述示教车辆行驶路径信息的纠偏参数；

纠偏处理模块，用于基于所述纠偏参数，对所述换电站的地图中记录的行驶路径信息进行纠偏处理。

由以上可见，应用本申请实施例提供的方案构建得到换电站的地图之后，还可以基于从视觉BEV图像检测到的车辆轮槽的信息，对换电站的地图中记录的行驶路径信息进行纠偏处理，这样可以使得纠偏处理后，地图中记录的行驶路径信息表征的路径更加趋近于车辆在换电平台换电时的预期路径，从而提高了所构建的地图的精准度，也有利于提高后续基于构建得到的地图进行换电时的精准度。

本申请的一个实施例中，所述区域确定模块，具体用于基于所述位置信息，确定包括所述换电平台上所有车辆轮槽的最小外接矩形区域，将所述最小外接矩形区域确定为所述示教车辆在所述换电平台上的预期换电区域。

这样通过确定包括换电平台上所有车辆轮槽的最小外接矩形区域，可以准确的将最小外接矩形区域确定为示教车辆在换电平台上的预期换电区域。

本申请的一个实施例中，所述纠偏参数包括：所述预期换电区域的中心线与所述换电站的地图中记录的车辆行驶路径信息间的横向差异值。

这样可以基于预期换电区域的中心线确定示教车辆行驶路径信息的纠偏参数，由于预期换电区域是车辆在换电平台上换电时的预期所处区域，从而，预期换电区域的中心线也就是车辆在换电平台上换电时预期的行驶路线。因此，基于预期换电区域的中心线可以确定使得行驶路径信息所表征的路径趋近于预期换电区域的中心线的纠偏参数，可以提高纠偏处理后地图中记录的行驶路径信息的合理度。

本申请的一个实施例中，在地图构建模块1104之后，还包括：

转换关系获得模块，用于基于表征所述示教车辆行驶的路面为非平整路面的车辆位姿，获得所述换电站的换电平台设置的坡道上点的垂向位置与纵向位置之间的转换关系；

起点位置确定模块，用于基于所确定的车辆位姿，确定所述坡道的起点位置；

距离确定模块，用于根据所述换电站的地图，确定所述换电平台上的车辆轮槽与所述起点位置间的第一垂向距离和第一纵向距离；

模型构建模块，用于构建包含所述转换关系、第一垂向距离、第一纵向距离和所述起点位置的换电站模型；

模型记录模块，用于在所述换电站的地图中记录所述换电站模型。

由以上可见，应用本申请实施例提供的方案构建换电站的地图之后，还可以基于表征示教车辆行驶的路面为非平整路面的车辆位姿，构建换电站模型，并在换电站的地图中记录换电站模型。由于在视觉BEV图产生畸变的情况下，图像中包含的车辆轮槽也产生的畸变，从而在车辆进行换电的过程中，无法基于视觉BEV图像中的车辆轮槽确定车辆的纵向位置。鉴于此，基于表征示教车辆行驶的路面为非平整路面的车辆位姿构建换电站模型之后，可以在后续车辆换电的过程中，基于构建换电站模型来准确的确定车辆的纵向位置，从而保障了车辆换电过程的顺利进行。

与上述车辆控制方法相对应的，本申请实施例还提供了一种车辆控制装置。

参见图12，为本申请实施例提供的一种车辆控制装置的结构示意图，上述装置包括以下模块：

第二传感器数据获得模块1201，用于获得目标车辆搭载的传感器采集的目标传感器数据，其中，所述传感器包括：视觉传感器；

目标位姿确定模块1202，用于确定所述目标传感器数据表征所述目标车辆驶入换电站后，基于所述目标传感器数据确定所述目标车辆的目标位姿；

目标图像特征提取模块1203，用于若基于所述目标位姿确定所述目标车辆行驶的路面为平整路面，则基于所述目标传感器数据中所述视觉传感器采集的图像，构建所述目标车辆周围环境的目标视觉BEV图像，并提取所述目标视觉BEV图像的目标图像特征；

控制位姿获得模块1204，用于将所述目标图像特征与所述换电站的地图进行匹配，得到所述目标车辆的控制位姿，其中，所述换电站的地图为：基于对应相同时刻的车辆的位姿和图像特征构建的包含车辆行驶路径信息的地图，所述图像特征为：车辆周围环境的视觉BEV图像的特征；

第一车辆控制模块1205，用于基于所述控制位姿控制所述目标车辆行驶。

由以上可见，应用本申请实施例提供的方案控制车辆时，可以获得目标车辆搭载的传感器采集的目标传感器数据，基于目标传感器数据确定目标车辆的目标位姿，基于目标传感器数据中视觉传感器采集的图像，构建目标车辆周围环境的目标视觉BEV图像，并提取所述目标视觉BEV图像的目标图像特征，从而将目标图像特征与换电站的地图进行匹配，可以得到目标车辆的控制位姿，进而基于控制位姿控制目标车辆行驶，成功实现控制目标车辆进行自动代客换电。

另外，在获得控制位姿之前，首先基于目标位姿确定目标车辆行驶的路面是否为平整路面，若为是，才基于目标车辆周围环境的目标视觉BEV图像对应的目标图像特征，得到目标车辆的控制位姿。由于目标车辆行驶的路面不为平整路面时，目标车辆周围环境的目标视觉BEV图像会产生畸变，从而目标视觉BEV图像对应的目标图像特征不能准确的表征车辆周围的环境信息，此时基于目标视觉BEV图像对应的目标图像特征与换电站的地图进行匹配，会导致获取到异常的控制位姿。因此，这样可以避免产生畸变的目标视觉BEV图像对应的目标图像特征对所得控制位姿的准确度产生影响，提高了所得控制位姿的准确度，从而提高了基于控制位姿控制车辆行驶时的精确度，保证了自动代客换电流程的顺利进行。

本申请的一个实施例中，按照以下方式确定所述目标车辆行驶的路面是否为平整路面：

基于所述目标位姿，判断所述目标车辆是否行驶在上坡路面或下坡路面；

若为是，确定所述目标车辆行驶的路面为非平整路面；

否则，确定所述目标车辆行驶的路面为平整路面。

可见，在换电站平台两侧有短距离坡道的场景下，按照上述实施方式可以较为快捷确定目标车辆行驶的路面是否为平整路面。

本申请的一个实施例中，按照以下方式确定所述目标车辆行驶的路面是否为平整路面：

获得第五车辆位姿中的第五俯仰角、第六车辆位姿中的第六俯仰角和所述目标位姿中的第四俯仰角，其中，所述第五车辆位姿、第六车辆位姿和所述目标位姿所基于传感器数据的采集时刻由早到晚排列；

基于所述第六俯仰角分别与所述第五俯仰角、第四俯仰角的角度差值，判断所述目标车辆行驶的路面是否为平整路面。

由于车辆位姿中的俯仰角可以较为准确的表征路面的倾斜度，从而俯仰角的差值可以较为准确的表征路面的倾斜度变化情况下，因此，基于上述俯仰角之间的差值可以较为准确的判断目标车辆行驶的路面是否为平整路面。

本申请的一个实施例中，所述换电站的地图中记录有换电站模型，所述换电站模型包含所述换电站的换电平台设置的坡道上点的垂向位置与纵向位置之间的转换关系、所述换电平台上的车辆轮槽与所述起点位置间的第一垂向距离和第一纵向距离和所述坡道的起点位置；

所述装置还包括：

第二轮槽识别模块，用于若基于所述目标位姿确定所述目标车辆行驶的路面为非平整路面，从所述目标视觉BEV图像中识别所述换电平台上的车辆轮槽；

测量值确定模块，用于基于识别结果，确定所述车辆轮槽与所述目标车辆之间的目标距离在所述目标视觉BEV图像中的测量值；

距离表示模块，用于基于所述转换关系，获得采用第二纵向距离表示的所述目标车辆相对于所述起点位置的第二垂向距离，其中，所述第二纵向距离为：所述目标车辆相对于所述起点位置的纵向距离；

预测值获得模块，用于获得采用所述第二纵向距离、第二垂向距离、所述第一纵向距离以及所述第一垂向距离表示的所述目标距离的预测值；

控制位姿确定模块，用于基于所述预测值和所述测量值，确定所述目标车辆的控制位姿；

第二车辆控制模块，用于基于所述控制位姿控制所述目标车辆行驶。

由于目标车辆行驶的路面不为平整路面时，目标车辆周围环境的目标视觉BEV图像会产生畸变，从而目标视觉BEV图像对应的目标图像特征不能准确的表征车辆周围的环境信息，此时基于目标视觉BEV图像无法获得车辆的纵向位置。而采用本申请实施例提供的方案，可以在目标车辆行驶的路面为非平整路面时，基于畸变的目标视觉BEV图像中的轮槽观测以及预先构建的换电站模型，获得了难以直接测量的车辆的纵向位置，并基于换电站模型中的转换关系确定了难以直接测量的车辆的垂向位置，从而可以基于所得纵向位置和垂向位置准确的确定车辆的控制位姿，实现了视觉BEV图像失真情况下的车辆纵向和垂向定位，保障了自动代客换电流程的顺利进行。

本申请的一个实施例中，所述控制位姿确定模块，具体用于获得使得所述预测值和所述测量值之间的差异最小的第二纵向距离；基于所述第二纵向距离确定所述车辆的控制位姿。

可见，这样得到了预测值和测量值之间的差异最小的第二纵向距离，也即得到了与测量值最相符的第二纵向距离，提高了所得第二纵向距离的准确度，从而提高了基于第二纵向距离确定的控制位姿的准确度。

本申请实施例所提供方案中，所涉及的用户个人信息的收集、存储、使用、加工、传输、提供和公开等处理，均是在用户知晓且授权的前提下执行，并符合相关法律法规的规定，不违背公序良俗。

本申请实施例还提供了一种车辆，如图13所示，包括:

存储器1301，用于存放计算机程序；

控制器1302，用于执行存储器1302上所存放的程序时，实现上述地图构建方法或车辆控制方法。

并且上述车辆还可以包括通信总线和/或通信接口，控制器1302、通信接口、存储器1301通过通信总线完成相互间的通信。

上述车辆提到的通信总线可以是外设部件互连标准(Peripheral ComponentInterconnect，PCI)总线或扩展工业标准结构(Extended Industry StandardArchitecture，EISA)总线等。该通信总线可以分为地址总线、数据总线、控制总线等。为便于表示，图中仅用一条粗线表示，但并不表示仅有一根总线或一种类型的总线。

通信接口用于上述车辆与其他设备之间的通信。

存储器可以包括随机存取存储器(Random Access Memory，RAM)，也可以包括非易失性存储器(Non-Volatile Memory，NVM)，例如至少一个磁盘存储器。可选的，存储器还可以是至少一个位于远离前述控制器的存储装置。

上述的控制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 SignalProcessor，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。

在本申请提供的又一实施例中，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内存储有计算机程序，所述计算机程序被控制器执行时实现上述地图构建方法或车辆控制方法。

在本申请提供的又一实施例中，还提供了一种包含指令的计算机程序产品，当其在计算机上运行时，使得计算机执行上述实施例中任一上述地图构建方法或车辆控制方法。

在上述实施例中，可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时，可以全部或部分地以计算机程序产品的形式实现。所述计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行所述计算机程序指令时，全部或部分地产生按照本申请实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中，或者从一个计算机可读存储介质向另一个计算机可读存储介质传输，例如，所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线(DSL))或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质，(例如，软盘、硬盘、磁带)、光介质(例如，DVD)、或者其他介质(例如固态硬盘Solid State Disk(SSD))等。

需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，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、物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、物品或者设备中还存在另外的相同要素。

本说明书中的各个实施例均采用相关的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于装置、车辆以及存储介质实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。

以上所述仅为本申请的较佳实施例，并非用于限定本申请的保护范围。凡在本申请的精神和原则之内所作的任何修改、等同替换、改进等，均包含在本申请的保护范围内。