定位方法、装置、电子设备和存储介质

技术领域

本公开涉及自动驾驶技术领域，尤其涉及一种定位方法、装置、电子设备和存储介质。

背景技术

定位技术是自动驾驶领域的核心技术之一，高精度的定位是实现自动驾驶的前提。

因此，如何提高定位精度是自动驾驶领域中需要持续努力的研究内容。

发明内容

为了解决上述技术问题或者至少部分地解决上述技术问题，本公开实施例提供了一种定位方法、装置、电子设备和存储介质，在GPS信号被遮挡的路段或者在结构特征较少的路段或者在频繁变化的路段依然能够实现较高精度的定位。

第一方面，本公开实施例提供了一种定位方法，该方法包括：

在车辆处于行驶状态时，在设定时间窗口通过至少一种定位方式确定所述车辆的至少一种位姿，其中，通过不同定位方式确定的所述位姿不同；

基于所述至少一种位姿中的目标位姿对通过轮速里程计获得的初始位姿进行第一次修正，获得第一修正结果；

基于在所述设定时间窗口获取到的道路信息对所述第一修正结果继续进行修正，获得第二修正结果，所述道路信息包括道路标识、组成所述道路标识的三维点以及所述三维点的采集时间戳；

基于所述第二修正结果获得所述车辆的最终定位结果。

第二方面，本公开实施例还提供了一种定位装置，该装置包括：

第一确定模块，用于在车辆处于行驶状态时，在设定时间窗口通过至少一种定位方式确定所述车辆的至少一种位姿，其中，通过不同定位方式确定的所述位姿不同；

第一修正模块，用于基于所述至少一种位姿中的目标位姿对通过轮速里程计获得的初始位姿进行第一次修正，获得第一修正结果；

第二修正模块，用于基于在所述设定时间窗口获取到的道路信息对所述第一修正结果继续进行修正，获得第二修正结果，所述道路信息包括道路标识、组成所述道路标识的三维点以及所述三维点的采集时间戳；

第二确定模块，用于基于所述第二修正结果获得所述车辆的最终定位结果。

第三方面，本公开实施例还提供了一种电子设备，所述电子设备包括：一个或多个处理器；存储装置，用于存储一个或多个程序；当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如上所述的定位方法。

第四方面，本公开实施例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，该程序被处理器执行时实现如上所述的定位方法。

本公开实施例提供的一种定位方法，在车辆处于行驶状态时，在设定时间窗口通过至少一种定位方式确定所述车辆的至少一种位姿，其中，通过不同定位方式确定的所述位姿不同；基于所述至少一种位姿中的目标位姿对通过轮速里程计获得的初始位姿进行第一次修正，获得第一修正结果；基于在所述设定时间窗口获取到的道路信息对所述第一修正结果继续进行修正，获得第二修正结果，所述道路信息包括道路标识、组成所述道路标识的三维点以及所述三维点的采集时间戳；基于所述第二修正结果获得所述车辆的最终定位结果，实现了在GPS信号被遮挡的路段或者在结构特征较少的路段或者在频繁变化的路段依然能够实现较高精度的定位。

附图说明

结合附图并参考以下具体实施方式，本公开各实施例的上述和其他特征、优点及方面将变得更加明显。贯穿附图中，相同或相似的附图标记表示相同或相似的元素。应当理解附图是示意性的，原件和元素不一定按照比例绘制。

图1为本公开实施例中的一种定位方法的流程图；

图2为本公开实施例中的一种设定时间窗口的示意图；

图3为本公开实施例中的一种基于在设定时间窗口获取到的道路信息对第一修正结果继续进行修正的示意图；

图4为本公开实施例中的一种通过重定位方式获得的第三位姿对第二修正结果继续进行优化的示意图；

图5为本公开实施例中的一种定位架构示意图；

图6为本公开实施例中的一种定位装置的结构示意图；

图7为本公开实施例中的一种电子设备的结构示意图。

具体实施方式

下面将参照附图更详细地描述本公开的实施例。虽然附图中显示了本公开的某些实施例，然而应当理解的是，本公开可以通过各种形式来实现，而且不应该被解释为限于这里阐述的实施例，相反提供这些实施例是为了更加透彻和完整地理解本公开。应当理解的是，本公开的附图及实施例仅用于示例性作用，并非用于限制本公开的保护范围。

需要注意，本公开中提及的“第一”、“第二”等概念仅用于对不同的装置、模块或单元进行区分，并非用于限定这些装置、模块或单元所执行的功能的顺序或者相互依存关系。

本公开实施方式中的多个装置之间所交互的消息或者信息的名称仅用于说明性的目的，而并不是用于对这些消息或信息的范围进行限制。

常用的定位技术包括基于差分GPS定位、视觉特征点定位、激光雷达点云定位以及语义定位等技术。其中，基于差分GPS定位的技术可以提供厘米级的定位信息，但是，当车辆经过遮挡区域，如在树木、建筑物下面经过时，容易出现定位丢失或者定位信息不正确的情况。视觉特征点定位、激光雷达点云定位以及语义定位等技术需要提前构建高精度的地图，同时视觉特征点地图和激光雷达点云地图都需要占据较大的存储空间，对于一些重复相似的路段，如高速公路等，会有大量的冗余和无用信息；另外，在一些场景，如隧道场景，空旷场景，由于结构化特征和语义信息比较稀少，视觉特征点定位、激光雷达点云定位以及语义定位等技术均较难提供稳定的定位信息。

针对上述问题，本公开实施例提供了一种定位方法，在GPS信号被遮挡的路段或者在结构特征较少的路段或者在频繁变化的路段依然能够实现较高精度的定位。

图1为本公开实施例中的一种定位方法的流程图。该方法可以由定位装置执行，该装置可以采用软件和/或硬件的方式实现，该装置可配置于电子设备中。如图1所示，该方法具体可以包括如下步骤：

步骤110、在车辆处于行驶状态时，在设定时间窗口通过至少一种定位方式确定所述车辆的至少一种位姿，其中，通过不同定位方式确定的所述位姿不同。

其中，设定时间窗口可以根据实际需求进行设置，例如可以是3s或者5s等具体时间。

示例性的，所述至少一种定位方式包括激光雷达轮速里程计定位方式、视觉惯性导航里程计定位方式以及重定位方式中的一种或多种；

对应的，所述在车辆处于行驶状态时通过至少一种定位方式确定所述车辆的位姿，包括：

通过激光雷达轮速里程计确定所述车辆的第一位姿；

和/或，通过视觉惯性导航里程计确定所述车辆的第二位姿；

和/或，当所述车辆在预设路段行驶时，通过重定位方式确定所述车辆的第三位姿；其中，所述位姿包括所述第一位姿、所述第二位姿以及所述第三位姿中的一种或多种。

具体的，通过激光雷达轮速里程计确定所述车辆的第一位姿的过程为：在设定时间窗口车载激光雷达对周围环境进行扫描，输出点云，针对单帧点云，根据目标点附近点云的曲率确定目标点是角点还是面点，进而从单帧点云中提取出特征点(特征点包括角点和面点)；然后根据轮速传感器获取车辆的轮速和前轮偏角，基于递推运算结合特征点确定相邻两帧之间车辆的位姿变化；然后进行两帧点云的帧间匹配，并估计相邻两帧的相对运动关系；接着根据当前时刻之前车辆的位姿以及点云构建实时局部地图特征点，基于实时局部地图特征点对车辆的位姿进行优化，获得车辆在设定时间窗口中各时刻的第一位姿。

通过视觉惯性导航里程计确定所述车辆的第二位姿包括：在设定时间窗口车载摄像头对周围环境进行拍摄，按照一定频率输出图像，然后从图像中提取特征点，进行帧间特征点匹配，同时惯性测量单元输出车辆的角速度和加速度，通过积分联合运算获得连续图像帧对应的车辆位姿(该车辆位姿是在摄像头坐标系下的位姿)，进而根据摄像头的参数获得在世界坐标系下车辆的第二位姿。

步骤120、基于所述至少一种位姿中的目标位姿对通过轮速里程计获得的初始位姿进行第一次修正，获得第一修正结果。

可选的，所述至少一种位姿包括通过激光雷达轮速里程计获得的车辆的第一位姿，和/或通过视觉惯性导航里程计获得的车辆的第二位姿。

若所述目标位姿为所述第一位姿，所述基于所述至少一种位姿中的目标位姿对通过轮速里程计获得的初始位姿进行第一次修正，获得第一修正结果位姿初始位姿，包括：

在所述设定时间窗口内确定时间戳最临近的所述第一位姿和所述初始位姿。其中，各位姿均对应有一时间戳，表示该位姿对应的时刻。通常轮速里程计的工作频率较高，因此在设定时间窗口内通过轮速里程计获得的初始位姿的个数较多。示例性的，参考图2所示的一种设定时间窗口的示意图，假设在设定时间窗口内轮速里程计输出4个初始位姿，分别是在T1时刻车辆的初始位姿、在T2时刻车辆的初始位姿，在T3时刻车辆的初始位姿和在T4时刻车辆的初始位姿。由于工作频率不同，通过不同定位方式确定的车辆位姿对应的时间戳并不完全相同，如图2所示，在设定时间窗口内通过激光雷达轮速里程计获得两个车辆第一位姿，分别是在T11时刻车辆的第一位姿和在T31时刻车辆的第一位姿；在设定时间窗口内通过视觉惯性导航里程计激光雷达轮速里程计获得两个车辆第二位姿，分别是在T21时刻车辆的第二位姿和在T41时刻车辆的第二位姿。

假设T1为设定时间窗口内的第1s，T11为第1.2s，T2为第2s，T21为第2.2s，T3为第3s，T31为第3.2s，T4为第4s，T41为第4.2s。则时间戳最临近的所述第一位姿和所述初始位姿分别是T1时刻的初始位姿和T11时刻的第一位姿，以及T3时刻的初始位姿和T31时刻的第一位姿。若将时间戳最临近的第一位姿和初始位姿确定为一组合，则T1时刻的初始位姿和T11时刻的第一位姿为一个组合，T3时刻的初始位姿和T31时刻的第一位姿为一个组合。

基于所述时间戳最临近的所述第一位姿与所述初始位姿确定两个时间戳之间的位姿约束，以形成第一残差方程。具体的，根据T1时刻的初始位姿和T11时刻的第一位姿确定一个第一残差方程，根据T3时刻的初始位姿和T31时刻的第一位姿又确定一个第一残差方程。即第一残差方程的个数为多个，通过求解非线性最小二乘问题，通过多个第一残差方程可以获得对初始位姿进行修正后的位姿，即根据所述第一残差方程确定所述第一修正结果。

或者，若所述目标位姿为所述第二位姿，所述基于所述至少一种位姿中的目标位姿对通过轮速里程计获得的初始位姿进行第一次修正，获得第一修正结果位姿初始位姿，包括：

在所述设定时间窗口内确定时间戳最临近的所述第二位姿和所述初始位姿；时间戳最临近的所述第二位姿和所述初始位姿分别是T2时刻的初始位姿和T21时刻的第二位姿，以及T4时刻的初始位姿和T41时刻的第二位姿。

基于所述时间戳最临近的所述第二位姿与所述初始位姿确定两个时间戳之间的位姿约束，以形成第二残差方程；具体的，根据T2时刻的初始位姿和T21时刻的第二位姿确定一个第二残差方程，根据T4时刻的初始位姿和T41时刻的第二位姿又确定一个第二残差方程。即第二残差方程的个数为多个，通过求解非线性最小二乘问题，通过多个第二残差方程可以获得对初始位姿进行修正后的位姿，即根据所述第二残差方程确定所述第一修正结果。

步骤130、基于在所述设定时间窗口获取到的道路信息对所述第一修正结果继续进行修正，获得第二修正结果，所述道路信息包括道路标识、组成所述道路标识的三维点以及所述三维点的采集时间戳。

可选的，所述第一修正结果包括所述车辆的第四位姿(即对初始位姿进行第一轮修正后获得的位姿)，所述基于在所述设定时间窗口获取到的道路信息对所述第一修正结果继续进行修正，获得第二修正结果，包括：

根据所述第四位姿的时间戳以及所述三维点的采集时间戳确定多个组合，各所述组合分别包括时间戳最临近第四位姿和三维点。其中，如果三维点是点云点，则三维点的采集时间戳是三维点所在点云帧的时间戳；如果三维点是像素点，则三维点的采集时间戳是三维点所在图像帧的时间戳。

根据目标组合中的第四位姿，将所述目标组合中的三维点转换至世界坐标系中，获得目标点。其中，目标组合是多个组合中的任意一个，第四位姿是车辆在世界坐标系中的位姿，三维点的坐标表示的是与车辆之间的相对位置，因此通过结合车辆在世界坐标系中的位姿可将三维点转换至世界坐标系中，三维点在世界坐标系中对应的点即为所述目标点。根据所述目标点与预设地图中道路标识的距离，确定包括与所述目标点距离最近的目标道路标识的目标地图，其中，道路标识可以是指车道线、路沿等，具体的，根据目标点到构成道路标识的直线的距离确定目标地图，即根据点到直线的距离确定离目标点最近的线，将包括该线的地图确定为目标地图，所述目标地图为所述预设地图中的一个，所述预设地图的精度低于预设阈值；即预设地图是低精度地图，区别于高精度地图，低精度地图中只包括简单的语义信息，例如车道线全部表示为实线即可，无需进一步划分虚线和实线，也不需要体现线的颜色等更细节的语义信息。这是因为在大部分应用场景下，车辆只需要沿车道线或者沿路行驶，或者在车道内行驶，只需要保证定位的航向和横向精度，对纵向精度要求不高，因此无需太高精度的地图，例如连续车道短虚线，只需要用长直线段表示，不需要知道每根短虚线的具体端点的精确位置。因此，针对常规路段只需预先存储低精度地图即可，从而解决地图需要占据较大存储空间的问题，且针对重复相似的路段，如高速公路，解决存在大量冗余和无用信息的问题，且在道路特征和语义信息较少的路段(例如隧道、空旷场景等)仍可保证一定的定位精度。

根据所述目标点与所述目标地图对所述第四位姿进行优化处理，获得所述第二修正结果。

所述根据所述目标点与所述目标地图对所述第四位姿进行优化处理，获得所述第二修正结果，包括：根据所述目标点到所述目标道路标识的距离以及所述目标点组成的道路标识与所述目标道路标识之间的误差确定第三残差方程；基于所述第三残差方程对所述第四位姿进行优化处理，获得所述第二修正结果。其中，目标点到目标道路标识的距离具体是目标点到构成目标道路标识的直线之间的距离。目标道路标识指预先构建的目标地图中的道路标识，目标点组成的道路标识指在车辆行驶时实时检测到的道路标识，根据两者之间的误差或者说是重合度确定第三残差方程。第三残差方程的个数为多个，通过求解非线性最小二乘问题，通过多个第三残差方程可以获得对第四位姿进行修正后的位姿。

示例性的，参考如图3所示的一种基于在设定时间窗口获取到的道路信息对第一修正结果继续进行修正的示意图，假设第一修正结果包括在T1时刻的第四位姿，在T2时刻的第四位姿，在T3时刻的第四位姿，在T4时刻的第四位姿；同时在T2时刻获得了通过雷达实时检测的道路信息，在T4时刻获得了通过图像实时检测的道路信息，则结合在T2时刻的道路信息对T2时刻的第四位姿进行修正，结合在T4时刻的道路信息对T4时刻的第四位姿进行修正。

可选的，所述基于在所述设定时间窗口获取到的道路信息对所述第一修正结果继续进行修正之前，所述方法还包括：

在所述设定时间窗口内基于所述车辆的车载激光雷达获取道路的点云，和/或基于车载摄像头获取道路的图像；通过深度学习分割网络从所述点云中分割出道路点云，所述道路点云中的各点分别对应有语义类别；和/或，通过语义分割网络从所述图像中提取道路像素，并基于所述车载摄像头的参数通过动态逆投影变换将所述道路像素投影至三维空间，以确定所述道路像素的三维坐标，所述道路像素的各像素分别对应有语义类别；对所述道路点云和/或三维空间中的道路像素进行聚类，并根据所述语义类别将所述道路点云和/或三维空间中的道路像素进行拟合处理，获得道路标识。

步骤140、基于所述第二修正结果获得所述车辆的最终定位结果。

示例性的，所述第二修正结果包括所述车辆的第五位姿(即结合实时检测到的道路信息对初始位姿进行第二轮优化后获得的位姿)；所述车辆的位姿包括通过重定位方式确定的所述车辆的第三位姿；所述基于所述第二修正结果确定所述车辆的最终定位结果，包括：

确定时间戳最临近的所述第三位姿和所述第五位姿；基于所述时间戳最临近的所述第三位姿与所述第五位姿确定两个时间戳之间的位姿约束，以形成第四残差方程；基于所述第四残差方程对所述第五位姿进行优化处理，获得所述最终定位结果。第四残差方程的个数为多个，通过求解非线性最小二乘问题，通过多个第四残差方程可以获得对第五位姿进行修正后的位姿。通过结合通过重定位方式确定的所述车辆的第三位姿获得车辆的最终定位结果，可提高在复杂路段或者关键路口的定位精度。

示例性的，参考如图4所示的一种通过重定位方式获得的第三位姿对第二修正结果继续进行优化的示意图，假设第二修正结果包括在T1时刻的第五位姿，在T2时刻的第五位姿，在T3时刻的第五位姿，在T4时刻的第五位姿；同时在T2时刻获得了通过重定位方式获得的第三位姿G2，在T4时刻获得了通过重定位方式获得的第三位姿G4，在T2时刻结合第五位姿G2对第四位姿进行修正，在T4时刻结合第三位姿G4对第五位姿进行修正。

可选的，当所述车辆在预设路段行驶时，通过重定位方式确定所述车辆的第三位姿，包括：当所述车辆在预设路段行驶时，基于所述预设路段的点云(该点云是在车辆行驶时实时获取的)通过第一设定算法(例如scan context算法)提取第一描述子，和/或基于所述预设路段的图像通过第二设定算法(例如视觉词袋描述子算法、)提取第二描述子；将所述第一描述子和/或所述第二描述子与预先存储的初始关键帧的描述子进行匹配，获得候选关键帧；将所述候选关键帧对应的位姿确定为车辆的当前位姿。其中，预先存储的初始关键帧是针对预设路段预先进行激光扫描获得的点云帧，并基于点云帧提取出描述子，并将描述子与点云帧以及当前时刻车辆的位姿进行关联存储，或者预先存储的初始关键帧是针对预设路段预先进行拍摄获得的图像帧，并基于图像帧提取出描述子，进而将描述子与图像帧以及当前时刻车辆的位姿进行关联存储。之后，当车辆在预设路段行驶时，通过车载激光雷达或者摄像头实时获取点云帧或图像帧，然后针对实时获取的点云帧提取描述子，或者针对实时获取的图像帧提取描述子；将实时提取的描述子与预先存储的描述子进行匹配，将匹配度达到设定值的描述子关联的点云帧或者图像帧确定为候选关键帧，而后将与候选关键帧关联存储的位姿确定为车辆在当前时刻(当前时刻指获取点云帧或者图像帧的时刻)的当前位姿。

进一步的，基于所述候选关键帧、所述当前位姿以及预先构建的与所述预设路段匹配的地图确定校正位姿以及所述校正位姿对应的置信度，其中，与所述预设路段匹配的地图的精度高于预设阈值，故针对预设路段需预先构建高精度地图；将置信度超过设定值的校正位姿确定为所述车辆的第三位姿。若所述校正位姿对应的置信度低于设定值，且在预设时长内无法获得所述候选关键帧，则确定所述车辆驶离所述预设路段。通常，在车辆冷启动时，需要通过重定位方式确定车辆的位姿，即车辆冷启动的位置通常为预设路段，需预先构建高精度地图。在车辆实际行驶时，当车辆离开高精度地图区域后，停止调用重定位模块(基于重定位方式确定车辆位姿的功能模块为重定位模块)，里程计会计算到达下一个高精度地图区域的距离，当距离小于设定阈值时，重新调用重定位模块，通过重定位方式确定车辆的位姿。

本实施例提供的一种定位方法，通过结合通过激光雷达轮速里程计获得的车辆的第一位姿或者通过视觉惯性导航里程计获得的车辆的第二位姿对通过轮速里程计获得的初始位姿进行第一轮优化，通过结合实时检测到的道路信息对初始位姿进行第二轮优化，通过结合通过重定位方式获得的第三位姿对初始位姿进行第三轮优化，获得最终的定位结果，使得本公开实施例提供的定位方法在GPS信号被遮挡的路段或者在结构特征较少的路段或者在频繁变化的路段依然能够实现较高精度的定位。

概括性的，参考如图5所示的一种定位架构示意图，包括重定位模块、里程计模块(具体包括通过车辆的里程计输出定位信息、通过激光雷达里程计算法获得定位信息、通过视觉惯性导航里程计算法获得定位信息)、道路信息检测模块(基于道路信息的定位纠偏技术实现)和融合定位模块。其中，在关键路口和复杂路段(可以概括为预设路段)通过调用重定位模块，通过重定位方式获得定位信息，在其余常规路段通过激光雷达里程计算法或者视觉惯性导航里程计算法获得定位信息以及基于道路信息的定位纠偏技术获得相关道路信息，然后通过融合定位模块对多种定位信息进行融合，具体是对里程计输出的初始位姿进行多轮的优化，获得最终的定位结果。

本实施例提供的定位方法可以更好地利用多种里程计的优点，实时建立局部地图，更好地应对场景变化带来的不确定性，在空旷路段以及隧道等场景，可以保证定位的航向和横向精度，保证车辆行驶安全，同时在重复相似的路段，可以降低对高精度丰富语义地图的依赖，只需要较简易的地图信息。

图6为本公开实施例中的一种定位装置的结构示意图。如图6所示：该装置包括：第一确定模块610、第一修正模块620、第二修正模块630和第二确定模块640。

其中，第一确定模块610，用于在车辆处于行驶状态时，在设定时间窗口通过至少一种定位方式确定所述车辆的至少一种位姿，其中，通过不同定位方式确定的所述位姿不同；第一修正模块620，用于基于所述至少一种位姿中的目标位姿对通过轮速里程计获得的初始位姿进行第一次修正，获得第一修正结果；第二修正模块630，用于基于在所述设定时间窗口获取到的道路信息对所述第一修正结果继续进行修正，获得第二修正结果，所述道路信息包括道路标识、组成所述道路标识的三维点以及所述三维点的采集时间戳；第二确定模块640，用于基于所述第二修正结果获得所述车辆的最终定位结果。

可选的，所述至少一种定位方式包括激光雷达轮速里程计定位方式、视觉惯性导航里程计定位方式以及重定位方式中的一种或多种。

第一确定模块610具体用于：通过激光雷达轮速里程计确定所述车辆的第一位姿；

和/或，通过视觉惯性导航里程计确定所述车辆的第二位姿；

和/或，当所述车辆在预设路段行驶时，通过重定位方式确定所述车辆的第三位姿；

其中，所述位姿包括所述第一位姿、所述第二位姿以及所述第三位姿中的一种或多种。

可选的，所述至少一种位姿包括通过激光雷达轮速里程计获得的车辆的第一位姿，和/或通过视觉惯性导航里程计获得的车辆的第二位姿；若所述目标位姿为所述第一位姿，第一修正模块620包括：第一确定单元，用于在所述设定时间窗口内确定时间戳最临近的所述第一位姿和所述初始位姿；第二确定单元，用于基于所述时间戳最临近的所述第一位姿与所述初始位姿确定两个时间戳之间的位姿约束，以形成第一残差方程；第三确定单元，用于根据所述第一残差方程确定所述第一修正结果。

若所述目标位姿为所述第二位姿，所述第一确定单元用于：在所述设定时间窗口内确定时间戳最临近的所述第二位姿和所述初始位姿。所述第二确定单元用于：基于所述时间戳最临近的所述第二位姿与所述初始位姿确定两个时间戳之间的位姿约束，以形成第二残差方程；所述第三确定单元用于：根据所述第二残差方程确定所述第一修正结果。

可选的，所述第一修正结果包括所述车辆的第四位姿，第二修正模块630包括：第一确定单元，用于根据所述第四位姿的时间戳以及所述三维点的采集时间戳确定多个组合，各所述组合分别包括时间戳最临近第四位姿和三维点；转换单元，用于根据目标组合中的第四位姿，将所述目标组合中的三维点转换至世界坐标系中，获得目标点；第二确定单元，用于根据所述目标点与预设地图中道路标识的距离，确定包括与所述目标点距离最近的目标道路标识的目标地图，所述目标地图为所述预设地图中的一个，所述预设地图的精度低于预设阈值；优化单元，用于根据所述目标点与所述目标地图对所述第四位姿进行优化处理，获得所述第二修正结果。

可选的，所述装置还包括：获取模块，用于在所述设定时间窗口内基于所述车辆的车载激光雷达获取道路的点云，和/或基于车载摄像头获取道路的图像；通过深度学习分割网络从所述点云中分割出道路点云，所述道路点云中的各点分别对应有语义类别；和/或，通过语义分割网络从所述图像中提取道路像素，并基于所述车载摄像头的参数通过动态逆投影变换将所述道路像素投影至三维空间，以确定所述道路像素的三维坐标，所述道路像素的各像素分别对应有语义类别；对所述道路点云和/或三维空间中的道路像素进行聚类，并根据所述语义类别将所述道路点云和/或三维空间中的道路像素进行拟合处理，获得道路标识。

可选的，所述优化单元具体用于：根据所述目标点到所述目标道路标识的距离以及所述目标点组成的道路标识与所述目标道路标识之间的误差确定第三残差方程；基于所述第三残差方程对所述第四位姿进行优化处理，获得所述第二修正结果。

可选的，所述第二修正结果包括所述车辆的第五位姿；所述车辆的位姿包括通过重定位方式确定的所述车辆的第三位姿。第二确定模块640具体用于：确定时间戳最临近的所述第三位姿和所述第五位姿；基于所述时间戳最临近的所述第三位姿与所述第五位姿确定两个时间戳之间的位姿约束，以形成第四残差方程；基于所述第四残差方程对所述第五位姿进行优化处理，获得所述最终定位结果。

可选的，第一确定模块610包括：提取单元，用于当所述车辆在预设路段行驶时，基于所述预设路段的点云通过第一设定算法提取第一描述子，和/或基于所述预设路段的图像通过第二设定算法提取第二描述子；匹配单元，用于将所述第一描述子和/或所述第二描述子与预先存储的初始关键帧的描述子进行匹配，获得候选关键帧；第一确定单元，用于将所述候选关键帧对应的位姿确定为车辆的当前位姿；第二确定单元，用于基于所述候选关键帧、所述当前位姿以及预先构建的与所述预设路段匹配的地图确定校正位姿以及所述校正位姿对应的置信度，其中，与所述预设路段匹配的地图的精度高于预设阈值；第三确定单元，用于将置信度超过设定值的校正位姿确定为所述车辆的第三位姿。

可选的，第一确定模块610还包括第四确定单元，用于若所述校正位姿对应的置信度低于设定值，且在预设时长内无法获得所述候选关键帧，则确定所述车辆驶离所述预设路段。

本公开实施例提供的定位装置，可执行本公开方法实施例所提供的定位方法中的步骤，具备执行步骤和有益效果此处不再赘述。

图7为本公开实施例中的一种电子设备的结构示意图。下面具体参考图7，其示出了适于用来实现本公开实施例中的电子设备500的结构示意图。图7示出的电子设备仅仅是一个示例，不应对本公开实施例的功能和使用范围带来任何限制。

如图7所示，电子设备500可以包括处理装置(例如中央处理器、图形处理器等)501，其可以根据存储在只读存储器(ROM)502中的程序或者从存储装置508加载到随机访问存储器(RAM)503中的程序而执行各种适当的动作和处理以实现如本公开所述的实施例的方法。在RAM 503中，还存储有电子设备500操作所需的各种程序和数据。处理装置501、ROM502以及RAM 503通过总线504彼此相连。输入/输出(I/O)接口505也连接至总线504。

特别地，根据本公开的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本公开的实施例包括一种计算机程序产品，其包括承载在非暂态计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码，从而实现如上所述的定位方法。在这样的实施例中，该计算机程序可以通过通信装置509从网络上被下载和安装，或者从存储装置508被安装，或者从ROM 502被安装。在该计算机程序被处理装置501执行时，执行本公开实施例的方法中限定的上述功能。

需要说明的是，本公开上述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——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。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开中，计算机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。而在本公开中，计算机可读信号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，其中承载了计算机可读的程序代码。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。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读信号介质可以发送、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。计算机可读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：电线、光缆、RF(射频)等等，或者上述的任意合适的组合。

上述计算机可读介质可以是上述电子设备中所包含的；也可以是单独存在，而未装配入该电子设备中。上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被该电子设备执行时，使得该电子设备：在车辆处于行驶状态时，在设定时间窗口通过至少一种定位方式确定所述车辆的至少一种位姿，其中，通过不同定位方式确定的所述位姿不同；基于所述至少一种位姿中的目标位姿对通过轮速里程计获得的初始位姿进行第一次修正，获得第一修正结果；基于在所述设定时间窗口获取到的道路信息对所述第一修正结果继续进行修正，获得第二修正结果，所述道路信息包括道路标识、组成所述道路标识的三维点以及所述三维点的采集时间戳；基于所述第二修正结果获得所述车辆的最终定位结果。

可选的，当上述一个或者多个程序被该电子设备执行时，该电子设备还可以执行上述实施例所述的其他步骤。

在本公开的上下文中，机器可读介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。

方案1、一种定位方法，所述方法包括：

在车辆处于行驶状态时，在设定时间窗口通过至少一种定位方式确定所述车辆的至少一种位姿，其中，通过不同定位方式确定的所述位姿不同；

基于所述至少一种位姿中的目标位姿对通过轮速里程计获得的初始位姿进行第一次修正，获得第一修正结果；

基于在所述设定时间窗口获取到的道路信息对所述第一修正结果继续进行修正，获得第二修正结果，所述道路信息包括道路标识、组成所述道路标识的三维点以及所述三维点的采集时间戳；

基于所述第二修正结果获得所述车辆的最终定位结果。

方案2、根据方案1所述的方法，所述至少一种定位方式包括激光雷达轮速里程计定位方式、视觉惯性导航里程计定位方式以及重定位方式中的一种或多种；

所述在车辆处于行驶状态时通过至少一种定位方式确定所述车辆的位姿，包括：

通过激光雷达轮速里程计确定所述车辆的第一位姿；

和/或，通过视觉惯性导航里程计确定所述车辆的第二位姿；

和/或，当所述车辆在预设路段行驶时，通过重定位方式确定所述车辆的第三位姿；

其中，所述位姿包括所述第一位姿、所述第二位姿以及所述第三位姿中的一种或多种。

方案3、根据方案1所述的方法，所述至少一种位姿包括通过激光雷达轮速里程计获得的车辆的第一位姿，和/或通过视觉惯性导航里程计获得的车辆的第二位姿；

若所述目标位姿为所述第一位姿，所述基于所述至少一种位姿中的目标位姿对通过轮速里程计获得的初始位姿进行第一次修正，获得第一修正结果位姿初始位姿，包括：

在所述设定时间窗口内确定时间戳最临近的所述第一位姿和所述初始位姿；

基于所述时间戳最临近的所述第一位姿与所述初始位姿确定两个时间戳之间的位姿约束，以形成第一残差方程；

根据所述第一残差方程确定所述第一修正结果；

若所述目标位姿为所述第二位姿，所述基于所述至少一种位姿中的目标位姿对通过轮速里程计获得的初始位姿进行第一次修正，获得第一修正结果位姿初始位姿，包括：

在所述设定时间窗口内确定时间戳最临近的所述第二位姿和所述初始位姿；

基于所述时间戳最临近的所述第二位姿与所述初始位姿确定两个时间戳之间的位姿约束，以形成第二残差方程；

根据所述第二残差方程确定所述第一修正结果。

方案4、根据方案1所述的方法，所述第一修正结果包括所述车辆的第四位姿，所述基于在所述设定时间窗口获取到的道路信息对所述第一修正结果继续进行修正，获得第二修正结果，包括：

根据所述第四位姿的时间戳以及所述三维点的采集时间戳确定多个组合，各所述组合分别包括时间戳最临近第四位姿和三维点；

根据目标组合中的第四位姿，将所述目标组合中的三维点转换至世界坐标系中，获得目标点；

根据所述目标点与预设地图中道路标识的距离，确定包括与所述目标点距离最近的目标道路标识的目标地图，所述目标地图为所述预设地图中的一个，所述预设地图的精度低于预设阈值；

根据所述目标点与所述目标地图对所述第四位姿进行优化处理，获得所述第二修正结果。

方案5、根据方案4所述的方法，所述基于在所述设定时间窗口获取到的道路信息对所述第一修正结果继续进行修正之前，所述方法还包括：

在所述设定时间窗口内基于所述车辆的车载激光雷达获取道路的点云，和/或基于车载摄像头获取道路的图像；

通过深度学习分割网络从所述点云中分割出道路点云，所述道路点云中的各点分别对应有语义类别；和/或，通过语义分割网络从所述图像中提取道路像素，并基于所述车载摄像头的参数通过动态逆投影变换将所述道路像素投影至三维空间，以确定所述道路像素的三维坐标，所述道路像素的各像素分别对应有语义类别；

对所述道路点云和/或三维空间中的道路像素进行聚类，并根据所述语义类别将所述道路点云和/或三维空间中的道路像素进行拟合处理，获得道路标识。

方案6、根据方案4所述的方法，所述根据所述目标点与所述目标地图对所述第四位姿进行优化处理，获得所述第二修正结果，包括：

根据所述目标点到所述目标道路标识的距离以及所述目标点组成的道路标识与所述目标道路标识之间的误差确定第三残差方程；

基于所述第三残差方程对所述第四位姿进行优化处理，获得所述第二修正结果。

方案7、根据方案1-6任一项所述的方法，所述第二修正结果包括所述车辆的第五位姿；

所述车辆的位姿包括通过重定位方式确定的所述车辆的第三位姿；

所述基于所述第二修正结果确定所述车辆的最终定位结果，包括：

确定时间戳最临近的所述第三位姿和所述第五位姿；

基于所述时间戳最临近的所述第三位姿与所述第五位姿确定两个时间戳之间的位姿约束，以形成第四残差方程；

基于所述第四残差方程对所述第五位姿进行优化处理，获得所述最终定位结果。

方案8、根据方案2所述的方法，所述当所述车辆在预设路段行驶时，通过重定位方式确定所述车辆的第三位姿，包括：

当所述车辆在预设路段行驶时，基于所述预设路段的点云通过第一设定算法提取第一描述子，和/或基于所述预设路段的图像通过第二设定算法提取第二描述子；

将所述第一描述子和/或所述第二描述子与预先存储的初始关键帧的描述子进行匹配，获得候选关键帧；

将所述候选关键帧对应的位姿确定为车辆的当前位姿；

基于所述候选关键帧、所述当前位姿以及预先构建的与所述预设路段匹配的地图确定校正位姿以及所述校正位姿对应的置信度，其中，与所述预设路段匹配的地图的精度高于预设阈值；

将置信度超过设定值的校正位姿确定为所述车辆的第三位姿。

方案9、根据方案8所述的方法，所述方法还包括：

若所述校正位姿对应的置信度低于设定值，且在预设时长内无法获得所述候选关键帧，则确定所述车辆驶离所述预设路段。

方案10、一种定位装置，包括：

第一确定模块，用于在车辆处于行驶状态时，在设定时间窗口通过至少一种定位方式确定所述车辆的至少一种位姿，其中，通过不同定位方式确定的所述位姿不同；

第一修正模块，用于基于所述至少一种位姿中的目标位姿对通过轮速里程计获得的初始位姿进行第一次修正，获得第一修正结果；

第二修正模块，用于基于在所述设定时间窗口获取到的道路信息对所述第一修正结果继续进行修正，获得第二修正结果，所述道路信息包括道路标识、组成所述道路标识的三维点以及所述三维点的采集时间戳；

第二确定模块，用于基于所述第二修正结果获得所述车辆的最终定位结果。

方案11、一种电子设备，所述电子设备包括：

一个或多个处理器；

存储装置，用于存储一个或多个程序；

当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如方案1-9中任一项所述的方法。

方案12、一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如方案1-9中任一项所述的方法。

以上描述仅为本公开的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本公开中所涉及的公开范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离上述公开构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本公开中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。