[发明专利]一种车辆定位方法

权利要求书

1.一种车辆定位方法，其特征在于，该方法包括：

采集多个训练样本作为训练集N，将车辆摄像头拍摄的带有训练区域行驶环境标志物的图片，以及拍摄该图片时根据全球卫星定位系统GPS定位技术得到车辆在训练区域的位置坐标而提取的车辆所在训练区域的高精度地图作为训练集中的一个样本n，n∈N；

采用深度学习的方法，使用所述训练集训练模型，得到训练后的模型；

当车辆进入预测区域时，对预测区域中的行驶环境标志物进行拍摄得到预测区域拍摄图片，将所述预测区域拍摄图片、以及处理后的预先缓存的包括所述预测区域的高精度地图，输入训练后的模型，确定当前车辆所在预测区域的高精度地图；

将所述预测区域拍摄图片输入第一检测网络得到预测区域拍摄图片中标志物类别，以及当前车辆与该标志物的相对位置信息；将当前车辆所在预测区域的高精度地图和标志物类别输入第二检测网络，得到该标志物的位置坐标；根据该标志物的位置坐标，以及当前车辆与该标志物的相对位置信息得到当前车辆位置坐标；

其中，深度学习训练模型包括第一卷积神经网络和第二卷积神经网络；

采用深度学习的方法，使用所述训练集训练模型，得到训练后的模型具体包括：

将车辆摄像头拍摄的带有训练区域行驶环境标志物的图片，输入第一卷积神经网络，得到特征向量x_n；

根据训练区域的高精度地图，以及车辆在训练区域的位置坐标，提取到车辆所在训练区域的高精度地图G_n，将G_n输入第二卷积神经网络，得到特征向量y_n；

根据x_n和y_n，对所构造的误差函数取最小值进行优化，更新网络参数，得到训练后的模型。

2.如权利要求1所述的方法，其特征在于，所述根据训练区域的高精度地图，以及车辆在训练区域的位置坐标，提取到车辆所在训练区域的高精度地图G_n包括：

将车辆下载的训练区域的高精度地图划分为多个边长为l的正方形区域，l²覆盖车辆摄像头所能拍摄的最大面积；

根据全球卫星定位系统GPS定位技术得到车辆在训练区域的位置坐标；

在训练区域的高精度地图上进行查找，确定车辆位置坐标所在的正方形区域，将该正方形区域作为车辆所在训练区域的高精度地图G_n。

3.如权利要求1所述的方法，其特征在于，所述将所述预测区域拍摄图片、以及处理后的预先缓存的包括所述预测区域的高精度地图，输入训练后的模型，确定当前车辆所在预测区域的高精度地图具体包括：

将预测区域拍摄图片输入训练后的第一卷积神经网络，得到特征向量x^*；

将车辆预先缓存的包括预测区域的高精度地图划分为多个边长为l的正方形区域，将第m个正方形区域的高精度地图记作G_m，m∈M，M为包括预测区域的高精度地图上正方形区域的集合；分别将G₁,G₂…G_|M|输入训练后的第二卷积神经网络，得到特征向量

根据确定最小L(m)对应的m值，将该m值对应的G_m作为当前车辆所在预测区域的高精度地图。

4.如权利要求1所述的方法，其特征在于，输入第一检测网络的预测区域拍摄图片经过图像处理技术处理。