CN111479217B - 隧道内无人驾驶车辆的定位方法、系统和电子设备 - Google Patents

Abstract

本发明实施例涉及一种隧道内无人驾驶车辆的定位方法、系统和电子设备。该方法适用于无人车(或称为自动驾驶或无人驾驶)。隧道内设置有雷达系统，该隧道内无人驾驶车辆的定位方法包括以下步骤：所述雷达系统实时获取车辆分布位置信息，并将所述车辆分布位置信息发送至云服务器；待定位车辆向所述云服务器发送定位请求以及所述待定位车辆的特征数据；响应于所述定位请求，所述云服务器基于所述待定位车辆的特征数据以及所述车辆分布位置信息，确定所述待定位车辆的实际位置信息，并将所述实际位置信息发送至所述待定位车辆。本发明实施例实现了对行驶在隧道的无人驾驶车辆进行定位的目的。

Description

隧道内无人驾驶车辆的定位方法、系统和电子设备

技术领域

本发明实施例涉及定位技术领域，具体涉及一种隧道内无人驾驶车辆的定位方法、系统和电子设备。

背景技术

无人驾驶车辆是依靠车载传感系统感知道路环境，自动进行路线规划、巡航，同时执行如商品售卖、派送快递等运营任务的智能汽车。它集自动控制、体系结构、人工智能、视觉计算等众多技术于一体，是计算机科学、模式识别和智能控制技术高度发展的产物，也是衡量一个国家科研实力和工业水平的一个重要标志，在国防和国民经济领域具有广阔的应用前景。

目前无人驾驶车辆主要依赖GPS(Global Positioning System，全球定位系统)对车辆进行定位，并基于定位结果进行路线规划，进而实现无人驾驶功能。在实际中，在隧道内GPS信号非常弱，这会导致无人驾驶车辆无法实现定位功能，甚至影响自动驾驶功能的实现。因此，如何在隧道内进行定位仍然是目前亟待解决的问题。

发明内容

本发明的至少一个实施例提供了一种隧道内无人驾驶车辆的定位方法、系统和电子设备，实现了对行驶在隧道的无人驾驶车辆进行定位的目的。

第一方面，本发明实施例提出一种隧道内无人驾驶车辆的定位方法，隧道内设置有雷达系统，该隧道内无人驾驶车辆的定位方法包括以下步骤：

所述雷达系统实时获取车辆分布位置信息，并将所述车辆分布位置信息发送至云服务器；

待定位车辆向所述云服务器发送定位请求以及所述待定位车辆的特征数据；响应于所述定位请求，所述云服务器基于所述待定位车辆的特征数据以及所述车辆分布位置信息，确定所述待定位车辆的实际位置信息，并将所述实际位置信息发送至所述待定位车辆。

第二方面，本发明实施例还提出一种隧道内无人驾驶车辆的定位系统，包括待定位车辆、云服务器以及设置在隧道内的雷达系统；所述待定位车辆和雷达系统均与所述云服务器连接；

所述雷达系统实时获取车辆分布位置信息，并将所述车辆分布位置信息发送至云服务器；

待定位车辆向所述云服务器发送定位请求以及所述待定位车辆的特征数据；

所述云服务器响应于所述定位请求，基于所述待定位车辆的特征数据以及所述车辆分布位置信息，确定所述待定位车辆的实际位置信息，并将所述实际位置信息发送至所述待定位车辆。

第三方面，本发明实施例还提出一种电子设备，包括：处理器和存储器；

处理器通过调用存储器存储的程序或指令，用于执行上述任一方法的步骤。

第四方面，本发明实施例还提出一种计算机可读存储介质，计算机可读存储介质存储程序或指令，程序或指令使计算机执行上述任一方法的步骤。

本发明实施例中提供的隧道内无人驾驶车辆的定位方法，通过所述雷达系统实时采集车辆分布位置信息；待定位车辆向所述云服务器发送定位请求以及所述待定位车辆的特征数据；所述云服务器基于所述待定位车辆的特征数据以及所述车辆分布位置信息，确定所述待定位车辆的实际位置信息，并将所述实际位置信息发送至所述待定位车辆，实质上是利用雷达系统代替GPS进行定位，解决了由于在隧道内GPS信号非常弱，无人驾驶车辆无法实现定位功能的问题，达到了对行驶在隧道的无人驾驶车辆进行定位的目的。

附图说明

为了更清楚地说明本发明实施例的技术方案，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发明的一些实施例，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附图。

图1为本发明实施例提供的一种隧道内无人驾驶车辆的定位方法的流程图；

图2为本发明实施例提供的一种隧道内部区域及周围区域的俯视图；

图3为本发明实施例提供的另一种隧道内无人驾驶车辆的定位方法的流程图；

图4为本发明实施例提供的一种隧道内无人驾驶车辆的定位系统的结构框图；

图5是本申请实施例提供的一种电子设备的结构框图。

具体实施方式

为了能够更清楚地理解本发明的上述目的、特征和优点，下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是，所描述的实施例是本发明的一部分实施例，而不是全部的实施例。此处所描述的具体实施例仅仅用于解释本发明，而非对本发明的限定。基于所描述的本发明的实施例，本领域普通技术人员所获得的所有其他实施例，都属于本发明保护的范围。

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。

如背景技术，现有技术中无人驾驶车辆主要依赖GPS对车辆进行定位，但是当无人驾驶车辆行驶在隧道内，GPS信号非常弱，这会导致无人驾驶车辆无法实现定位功能，甚至影响自动驾驶功能的实现。针对于此，本公开实施例提供一种隧道内无人驾驶车辆的定位方案，该方案不需要借助GPS就可以对行驶在隧道内的车辆进行定位。

本公开实施例提供的隧道内无人驾驶车辆的定位方案，不仅可应用于无人驾驶车辆，还可应用于人工驾驶车辆。并且，本公开实施例提供的隧道内无人驾驶车辆的定位方案还适用于对行驶在桥洞内的车辆进行定位。

图1为本发明实施例提供的一种隧道内无人驾驶车辆的定位方法的流程图。本方法可以由车辆、服务器以及设置在隧道内的雷达系统共同执行。

在本申请中，雷达系统可以安装于隧道内任意位置，并且，同一隧道内可安装任意正整数个雷达系统。本申请对此不作限制。可选地，将雷达系统安装于隧道内无遮挡的位置，以使得雷达系统能够扫描到的范围足够大。图2为本发明实施例提供的一种隧道内部区域及周围区域的俯视图。参见图2，该雷达系统A安装于隧道B顶部中央处，其距隧道B左右两侧的出入口的距离相同，且两个车道的交界线D经过雷达系统A在地面的垂直投影。这样设置的实质是将雷达系统安装于隧道B内部的制高点，降低雷达系统发出的探测波被遮挡的几率，有利于使得雷达系统A具有足够大的可扫描范围，进而减少雷达系统A的安装个数，以降低安装成本。

需要说明的是，为了使得行驶在隧道内任一位置处的无人驾驶车辆都能够进行定位，在实际设置时，雷达系统的可扫描范围应当覆盖整个隧道。当隧道长度大于单个雷达系统可扫描范围的最大尺寸时，可以沿隧道延伸方向设置多个雷达系统。

该隧道内无人驾驶车辆的定位方法包括以下步骤：

S110、雷达系统实时采集车辆分布位置信息，并将车辆分布位置信息发送至云服务器。

在本申请中，雷达系统不仅需要具有测距功能，还需要具有能够识别目标外形的功能。示例性地，雷达系统具体可为激光雷达。

可选地，车辆分布位置信息包括隧道内所有车辆的实际位置信息，以及所有车辆的外形特征数据。其中，车辆的实际位置信息是指车辆在地理中的位置坐标，例如用经纬度来表征车辆的实际位置信息。车辆的外形特征数据为车辆外形尺寸。具体地，车辆的外形特征数据包括但不限于车辆的长度、车辆的高度、车辆的宽度、车身圆弧变化、车辆前灯出光面与引擎盖夹角、车辆后挡风玻璃与引擎盖夹角、车辆后挡风玻璃与后备箱盖夹角、侧面轮廓线走势、车头到A柱的距离、A柱到车尾的距离、车顶到车窗下沿的距离、车窗下沿到车底的距离以及车身比例等。

需要说明的是，在实际中，可能出现雷达系统的可扫描范围不仅覆盖整个隧道，还覆盖部分隧道外侧的道路，此时，车辆分布位置信息包括隧道内所有车辆的实际位置信息和外形特征数据，以及隧道外侧一定范围的道路上的车辆的实际位置信息和外形特征数据。

雷达系统采集车辆分布位置信息的原理是，激光雷达包括探测信号发送部件和探测信号接收部件。利用激光雷达的探测信号发送部件向隧道内的车辆发射探测信号(如激光束)，然后探测信号接收部件将接收到的从车辆反射回来的信号(也称目标回波)与发射的探测信号进行比较，作适当处理后，就可获得与车辆相关的信息，如车辆距激光雷达的距离、车辆相对于激光雷达的方位、车辆的速度甚至车辆外形特征等参数。基于车辆距激光雷达的距离以及车辆相对于激光雷达的方位，可以得到车辆与雷达系统的相对位置信息。

因此，可选地，本步骤的实现方法包括：雷达系统实时对各车辆进行扫描，得到各车辆的外形特征数据和各车辆与雷达系统的相对位置信息；基于各车辆与雷达系统的相对位置信息以及雷达的实际位置信息，确定各车辆的实际位置信息；基于各车辆的实际位置信息以及各车辆的外形特征数据，得到车辆分布位置信息。此处，雷达的实际位置信息是指雷达在地理中的位置坐标，例如用经纬度来表征雷达的实际位置信息。

S120、待定位车辆向云服务器发送定位请求以及待定位车辆的特征数据。

可选地，待定位车辆的特征数据包括待定位车辆的型号和/或待定位车辆的外形特征数据。

S130、响应于定位请求，云服务器基于待定位车辆的特征数据以及车辆分布位置信息，确定待定位车辆的实际位置信息，并将实际位置信息发送至待定位车辆。

其中，“云服务器基于待定位车辆的特征数据以及车辆分布位置信息，确定待定位车辆的实际位置信息”的实现方法有多种，示例性地，若待定位车辆的特征数据包括待定位车辆的型号；“云服务器基于待定位车辆的特征数据以及车辆分布位置信息，确定待定位车辆的实际位置信息”，包括：云服务器基于待定位车辆的型号以及车辆型号与车辆的外形特征数据的对应关系，确定待定位车辆的外形特征数据；云服务器基于待定位车辆的外形特征数据以及车辆分布位置信息，确定待定位车辆的实际位置信息。

可选地，车辆型号与车辆的外形特征数据的对应关系存储于云服务器，并且云服务器可以对车辆型号与车辆的外形特征数据的对应关系进行更新。由于车辆生产商会经常推出新款车型。这样设置可以使得云服务器始终掌握新款车型的车辆型号与车辆的外形特征数据的对应关系，可以不断扩大可进行车辆定位的范围，提高用户体验。

可选地，还可以设置，若待定位车辆的特征数据包括待定位车辆的外形特征数据；“云服务器基于待定位车辆的特征数据以及车辆分布位置信息，确定待定位车辆的实际位置信息”，包括：云服务器基于待定位车辆的外形特征数据以及车辆分布位置信息，确定待定位车辆的实际位置信息。

在上述“云服务器基于待定位车辆的外形特征数据以及车辆分布位置信息，确定待定位车辆的实际位置信息”的具体实现方法可以包括：云服务器基于待定位车辆的外形特征数据以及车辆分布位置信息中各车辆的外形特征数据，确定待定位车辆与车辆分布位置信息中车辆的对应关系；云服务器基于待定位车辆与车辆分布位置信息中车辆的对应关系，确定待定位车辆的实际位置信息。

其中，确定待定位车辆与车辆分布位置信息中车辆的对应关系的目标是，在隧道内所有车辆中唯一地识别出“待定位车辆是隧道中的哪辆车”。确定待定位车辆与车辆分布位置信息中车辆的对应关系的方法可以为，确定在误差允许的范围内，待定位车辆的外形特征与车辆分布位置信息中各车辆的外形特征相同的个数；车辆分布位置信息中相同的个数最多的车辆为待定位车辆。

需要说明的是，在实际中，在同一个扫描时刻，由于各车辆与雷达系统的相对位置不同，这使得雷达系统通过扫描获取的各车辆的外形特征数据的种类可能相同，可能不同。另外，在不同扫描时刻，由于同一车辆与雷达系统的相对位置不同，这使得雷达系统于不同时刻通过扫描获取的该车辆的外形特征数据的种类可能相同，可能不同。事实上，通常雷达系统每一次扫描仅能够获取车辆的部分外形特征数据。因此，可选地，用于确定待定位车辆与车辆分布位置信息中车辆的对应关系时，云服务器所基于的待定位车辆的外形特征的种类越多，所确定的对应关系越准确，其后续定位结果越准确。

可选地，确定待定位车辆与车辆分布位置信息中车辆的对应关系时，云服务器所基于待定位车辆的外形特征的种类较多时，可选地，在执行S120时，待定位车辆的特征数据包括待定位车辆的型号，车辆型号与车辆的外形特征数据的对应关系存储于云服务器。这样可以减少待定位车辆向云服务器传输的数据量，提高数据传输效率。

由于在实际中，不同型号的车辆，其外形特征往往不同。而同一型号的车辆同时行驶在同一隧道中的几率较低，上述技术方案中，云服务器基于待定位车辆的特征数据以及车辆分布位置信息，确定待定位车辆的实际位置信息，并将实际位置信息发送至待定位车辆，其定位过程中不需要借助GPS，解决了目前车辆行驶在隧道内，由于GPS信号非常弱，导致无人驾驶车辆无法实现定位功能，甚至影响自动驾驶功能实现的问题，达到了对行驶在隧道内的车辆进行定位的效果。

针对无GPS定位的情况，有些现有技术指出可以依赖集成于车辆中的视觉检测设备检测车道线，控制无人驾驶车辆沿车道线中心行驶，以实现无人驾驶。但是，这种方法不适用于车道线模糊的道路，并且隧道内光线较暗，识别的车道线准确度差，容易引发交通事故。还有一些现有技术指出，可以在隧道内加装标志物，如路牌/隧道突起等，无人驾驶车辆利用其上所集成的激光雷达或者视觉检测设备基于标志物定位，这种方法对隧道改造比较大，工序复杂，成本高。而本发明实施例提供的定位方法，一方面可以使得车辆在隧道内定位准确，保障车辆安全驾驶。另一方面，对隧道改动较小，工序简单，成本低，适合推广。此外，本申请提供的定位方式还适合对行驶在桥洞内的车辆进行定位。

在上述技术方案的基础上，可选地，云服务器和设置在隧道内的雷达系统通过有线连接的方式进行连接。这样云服务器与雷达系统之间进行数据传输时不容易受到干扰，可以使得数据具有较高的传输速率和准确性。

在上述技术方案的基础上，可选地，对于同一型号的车辆同时行驶在同一隧道的情况，执行上述技术方案中S130时，可以结合待定位上一次定位结果、车速以及两次定位时间间隔等，确定待定位车辆与车辆分布位置信息中车辆的对应关系，以提高定位的准确性。

图3为本发明实施例提供的另一种隧道内无人驾驶车辆的定位方法的流程图。图3为图1中的一个具体示例。参见图3，该定位方法包括：

S210、雷达系统以设定时间间隔△t采集车辆分布位置信息，车辆分布位置信息包括采集时刻的时间信息。

设定时间间隔△t的具体取值本申请不作限制。其可以根据用户需要设定。并且，不同情况下，设定时间间隔△t的具体取值可以相同也可以不同。例如，隧道内有车辆时△t的取值小于隧道内无车辆时△t的取值。

示例性，△t＝0.2s，即雷达系统每隔0.2s采集一次车辆分布位置信息。

可选地，车辆分布位置信息包括隧道内所有车辆的实际位置信息，以及所有车辆的外形特征数据。

S220、待定位车辆向云服务器发送定位请求以及待定位车辆的特征数据；定位请求包括请求时刻t1的时间信息；待定位车辆的特征数据包括车辆型号。

S230、响应于定位请求，云服务器基于待定位车辆的型号以及车辆型号与车辆的外形特征数据的对应关系，确定待定位车辆的外形特征数据。

S240、云服务器基于待定位车辆的外形特征数据以及t2时刻采集的车辆分布位置信息中各车辆的外形特征数据，确定待定位车辆与车辆分布位置信息中车辆的对应关系，其中|t1-t2|满足预设条件。

其中满足预设条件可以根据用户要求或者定位的精度要求进行确定，本申请对此不作限制，示例性地，t1-△t/2＜t2≤t1+△t/2。

示例性地，在图2中的隧道内共有三辆车，假设图中各车辆均沿箭头方向行驶，车辆分布位置信息包括：

1号车，实际位置信息为(a1，b1)，外形特征数据包括：高度1805mm，宽度为1752mm，两个后尾灯的最小距离为1538mm，车辆后挡风玻璃与后备箱盖夹角为175°。

2号车，实际位置信息为(a2，b2)，外形特征数据包括：高度1586mm，宽度为1768mm，两个后尾灯的最小距离为1658mm，车辆后挡风玻璃与后备箱盖夹角为151°。

3号车，实际位置信息为(a3，b3)，外形特征数据包括：高度1595mm，宽度为1798mm，两个后尾灯的最小距离为1524mm，车辆后挡风玻璃与后备箱盖夹角为120°。

假设在执行S230时，云服务器所确定的待定位车辆的外形特征数据包括：长度4569mm，高度1811mm，宽度为1760mm，车辆后挡风玻璃与后备箱盖夹角为175°。通过将待定位车辆的外形特征数据以及车辆分布位置信息中各车辆的外形特征数据进行对比，可以发现在误差允许的范围内，待定位车辆与1号车外形特征相同的类别有三个，分别为高度、宽度、车辆后挡风玻璃与后备箱盖夹角。待定位车辆与2号车外形特征相同的类别有一个，为宽度。待定位车辆与3号车外形特征相同的类别为0。因此，1号车外形特征与待定位车辆外形特征相同的类别最多，即待定位车辆与车辆分布位置信息中1号车具有对应关系。

S250、云服务器基于待定位车辆与车辆分布位置信息中车辆的对应关系，确定待定位车辆的实际位置信息。

由于待定位车辆与车辆分布位置信息中1号车具有对应关系可以将1号车实际位置信息(a1，b1)作为待定位车辆的实际位置信息。

可选地，在后续执行自动驾驶时，以时刻t2待定位车辆的实际位置信息(a1，b1)，作为指导路线规划及行驶时躲避障碍物的基础。

设置|t1-t2|满足预设条件的目的是，定位请求时刻t1与车辆分布位置信息采集时刻t2时间上尽可能接近，以确保定位具有较高的准确性，便于无人驾驶车辆基于该定位结果进行安全驾驶。

本发明实施例还提供一种隧道内无人驾驶车辆的定位系统。图4为本发明实施例提供的一种隧道内无人驾驶车辆的定位系统的结构框图。参见图4，该隧道内无人驾驶车辆的定位系统包括待定位车辆510、云服务器520以及设置在隧道内的雷达系统530；所述待定位车辆510和雷达系统530均与所述云服务器520连接；

所述雷达系统530实时获取车辆分布位置信息，并将所述车辆分布位置信息发送至云服务器520；

待定位车辆510向所述云服务器520发送定位请求以及所述待定位车辆510的特征数据；

所述云服务器520响应于所述定位请求，基于所述待定位车辆510的特征数据以及所述车辆分布位置信息，确定所述待定位车辆510的实际位置信息，并将所述实际位置信息发送至所述待定位车辆510。

进一步地，所述车辆分布位置信息包括隧道内所有车辆的实际位置信息，以及所有车辆的外形特征数据。

进一步地，所述雷达系统530实时采集车辆分布位置信息，包括：

所述雷达系统530实时对各车辆进行扫描，得到各车辆的外形特征数据和各车辆与雷达系统530的相对位置信息；

所述雷达系统530基于各车辆与雷达系统530的相对位置信息以及雷达的实际位置信息，确定各车辆的实际位置信息；

所述雷达系统530基于所述各车辆的实际位置信息以及各车辆的外形特征数据，得到车辆分布位置信息。

进一步地，若所述待定位车辆510的特征数据包括待定位车辆510的型号；

所述云服务器520基于所述待定位车辆510的特征数据以及所述车辆分布位置信息，确定所述待定位车辆510的实际位置信息，包括：

所述云服务器520基于所述待定位车辆510的型号以及车辆型号与车辆的外形特征数据的对应关系，确定所述待定位车辆510的外形特征数据；

所述云服务器520基于所述待定位车辆510的外形特征数据以及所述车辆分布位置信息，确定所述待定位车辆510的实际位置信息。

进一步地，所述车辆型号与车辆的外形特征数据的对应关系存储于所述云服务器520，并且所述云服务器520可以对所述车辆型号与车辆的外形特征数据的对应关系进行更新。

进一步地，若所述待定位车辆510的特征数据包括待定位车辆510的外形特征数据；

所述云服务器530基于所述待定位车辆510的特征数据以及所述车辆分布位置信息，确定所述待定位车辆510的实际位置信息，包括：

所述云服务器520基于所述待定位车辆510的外形特征数据以及所述车辆分布位置信息，确定所述待定位车辆510的实际位置信息。

进一步地，所述云服务器520基于所述待定位车辆510的外形特征数据以及所述车辆分布位置信息，确定所述待定位车辆510的实际位置信息，包括：

所述云服务器520基于所述待定位车辆510的外形特征数据以及所述车辆分布位置信息中各车辆的外形特征数据，确定所述待定位车辆510与所述车辆分布位置信息中车辆的对应关系；

所述云服务器520基于所述待定位车辆510与所述车辆分布位置信息中车辆的对应关系，确定所述待定位车辆510的实际位置信息。

本申请实施例所提供的隧道内无人驾驶车辆的定位装置可执行本申请任意实施例所提供的隧道内无人驾驶车辆的定位方法，具备执行方法相应的功能模块和有益效果，在此不再赘述。

图5是本申请实施例提供的一种电子设备的结构框图。参见图5，该电子设备包括：至少一个处理器601、至少一个存储器602和至少一个通信接口603。电子设备中的各个组件通过总线系统604耦合在一起。通信接口603，用于与外部设备之间的信息传输。可理解，总线系统604用于实现这些组件之间的连接通信。总线系统604除包括数据总线之外，还包括电源总线、控制总线和状态信号总线。但为了清楚说明起见，在图5中将各种总线都标为总线系统604。

可以理解，本实施例中的存储器602可以是易失性存储器或非易失性存储器，或可包括易失性和非易失性存储器两者。

在一些实施方式中，存储器602存储了如下的元素，可执行单元或者数据结构，或者他们的子集，或者他们的扩展集：操作系统和应用程序。

其中，操作系统，包含各种系统程序，例如框架层、核心库层、驱动层等，用于实现各种基础业务以及处理基于硬件的任务。应用程序，包含各种应用程序，例如媒体播放器(Media Player)、浏览器(Browser)等，用于实现各种应用业务。实现本申请实施例提供的隧道内无人驾驶车辆的定位方法的程序可以包含在应用程序中。

在本申请实施例中，处理器601通过调用存储器602存储的程序或指令，具体的，可以是应用程序中存储的程序或指令，处理器601用于执行本申请实施例提供的隧道内无人驾驶车辆的定位方法各实施例的步骤。

本申请实施例提供的隧道内无人驾驶车辆的定位方法可以应用于处理器601中，或者由处理器601实现。处理器601可以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601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601可以是通用处理器、数字信号处理器(Digital SignalProcessor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现成可编程门阵列(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。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。

本申请实施例提供的隧道内无人驾驶车辆的定位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单元组合执行完成。软件单元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602，处理器601读取存储器602中的信息，结合其硬件完成方法的步骤。

该电子设备还可以包括一个实体部件，或者多个实体部件，以根据处理器601在执行本申请实施例提供的隧道内无人驾驶车辆的定位方法时生成的指令，实现对无人驾驶车辆的控制。不同的实体部件可以设置到无人驾驶车辆内，或者无人驾驶车辆外，例如云端服务器等。各个实体部件与处理器601和存储器602共同配合实现本实施例中电子设备的功能。

本申请实施例还提供一种包含计算机可读存储介质，该计算机可读存储介质存储程序或指令，该程序或指令使计算机执行行时用于执行一种隧道内无人驾驶车辆的定位方法，该方法包括：

所述雷达系统实时获取车辆分布位置信息，并将所述车辆分布位置信息发送至云服务器；

待定位车辆向所述云服务器发送定位请求以及所述待定位车辆的特征数据；

响应于所述定位请求，所述云服务器基于所述待定位车辆的特征数据以及所述车辆分布位置信息，确定所述待定位车辆的实际位置信息，并将所述实际位置信息发送至所述待定位车辆。

可选的，该计算机可执行指令在由计算机处理器执行时还可以用于执行本申请任意实施例所提供的隧道内无人驾驶车辆的定位方法的技术方案。

通过以上关于实施方式的描述，所属领域的技术人员可以清楚地了解到，本申请可借助软件及必需的通用硬件来实现，当然也可以通过硬件实现，但很多情况下前者是更佳的实施方式。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如计算机的软盘、只读存储器(Read-Only Memory,ROM)、随机存取存储器(RandomAccess Memory,RAM)、闪存(FLASH)、硬盘或光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本申请各个实施例所述的方法。

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、物品或者装置不仅包括那些要素，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、物品或者装置所固有的要素。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、物品或者装置中还存在另外的相同要素。

本领域的技术人员能够理解，尽管在此的一些实施例包括其它实施例中所包括的某些特征而不是其它特征，但是不同实施例的特征的组合意味着处于本申请的范围之内并且形成不同的实施例。

虽然结合附图描述了本申请的实施方式，但是本领域技术人员可以在不脱离本申请的精神和范围的情况下做出各种修改和变型，这样的修改和变型均落入由所附权利要求所限定的范围之内。

Claims (9)

1.一种隧道内无人驾驶车辆的定位方法，其特征在于，隧道内设置有雷达系统，该隧道内无人驾驶车辆的定位方法包括以下步骤：

所述雷达系统实时获取车辆分布位置信息，并将所述车辆分布位置信息发送至云服务器；

待定位车辆向所述云服务器发送定位请求以及所述待定位车辆的特征数据；

响应于所述定位请求，所述云服务器基于所述待定位车辆的特征数据以及所述车辆分布位置信息，确定所述待定位车辆的实际位置信息，并将所述实际位置信息发送至所述待定位车辆；

所述云服务器基于所述待定位车辆的外形特征数据以及所述车辆分布位置信息，确定所述待定位车辆的实际位置信息，包括：

所述云服务器基于所述待定位车辆的外形特征数据以及所述车辆分布位置信息中各车辆的外形特征数据，确定所述待定位车辆与所述车辆分布位置信息中车辆的对应关系；

所述云服务器基于所述待定位车辆与所述车辆分布位置信息中车辆的对应关系，确定所述待定位车辆的实际位置信息。

2.根据权利要求1中所述的隧道内无人驾驶车辆的定位方法，其特征在于，所述车辆分布位置信息包括隧道内所有车辆的实际位置信息，以及所有车辆的外形特征数据。

3.根据权利要求2中所述的隧道内无人驾驶车辆的定位方法，其特征在于，所述雷达系统实时采集车辆分布位置信息，包括：

所述雷达系统实时对各车辆进行扫描，得到各车辆的外形特征数据和各车辆与雷达系统的相对位置信息；

基于各车辆与雷达系统的相对位置信息以及雷达的实际位置信息，确定各车辆的实际位置信息；

基于所述各车辆的实际位置信息以及各车辆的外形特征数据，得到车辆分布位置信息。

4.根据权利要求3中所述的隧道内无人驾驶车辆的定位方法，其特征在于，若所述待定位车辆的特征数据包括待定位车辆的型号；

所述云服务器基于所述待定位车辆的特征数据以及所述车辆分布位置信息，确定所述待定位车辆的实际位置信息，包括：

所述云服务器基于所述待定位车辆的型号以及车辆型号与车辆的外形特征数据的对应关系，确定所述待定位车辆的外形特征数据；

所述云服务器基于所述待定位车辆的外形特征数据以及所述车辆分布位置信息，确定所述待定位车辆的实际位置信息。

5.根据权利要求4中所述的隧道内无人驾驶车辆的定位方法，其特征在于，

所述车辆型号与车辆的外形特征数据的对应关系存储于所述云服务器，并且所述云服务器可以对所述车辆型号与车辆的外形特征数据的对应关系进行更新。

6.根据权利要求3中所述的隧道内无人驾驶车辆的定位方法，其特征在于，若所述待定位车辆的特征数据包括待定位车辆的外形特征数据；

所述云服务器基于所述待定位车辆的特征数据以及所述车辆分布位置信息，确定所述待定位车辆的实际位置信息，包括：

所述云服务器基于所述待定位车辆的外形特征数据以及所述车辆分布位置信息，确定所述待定位车辆的实际位置信息。

7.一种隧道内无人驾驶车辆的定位系统，其特征在于，包括待定位车辆、云服务器以及设置在隧道内的雷达系统；所述待定位车辆和雷达系统均与所述云服务器连接；

所述雷达系统实时获取车辆分布位置信息，并将所述车辆分布位置信息发送至云服务器；

待定位车辆向所述云服务器发送定位请求以及所述待定位车辆的特征数据；

所述云服务器响应于所述定位请求，基于所述待定位车辆的特征数据以及所述车辆分布位置信息，确定所述待定位车辆的实际位置信息，并将所述实际位置信息发送至所述待定位车辆；

所述云服务器响应于所述定位请求，基于所述待定位车辆的特征数据以及所述车辆分布位置信息，确定所述待定位车辆的实际位置信息，包括：

所述云服务器基于所述待定位车辆的外形特征数据以及所述车辆分布位置信息中各车辆的外形特征数据，确定所述待定位车辆与所述车辆分布位置信息中车辆的对应关系；

所述云服务器基于所述待定位车辆与所述车辆分布位置信息中车辆的对应关系，确定所述待定位车辆的实际位置信息。

8.一种电子设备，其特征在于，包括：处理器和存储器；

所述处理器通过调用所述存储器存储的程序或指令，用于执行如权利要求1至6任一项所述方法的步骤。

9.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储程序或指令，所述程序或指令使计算机执行如权利要求1至6任一项所述方法的步骤。

Images