本发明涉及车辆定位，具体而言，涉及一种用于自动驾驶车辆的车辆定位初始化方法、装置、计算机可读存储介质和自动驾驶车辆。
背景技术：
1、在自动驾驶领域，对自动驾驶车辆的定位的初始化非常关键，如果在定位的初始化过程中出现错误，导致定位不收敛，就会影响整个自动驾驶过程中的交通安全。
2、现有技术中，常用的全局重定位方案主要依赖gnss(global navigationsatellite system，全球导航卫星系统)，常规的gnss包括全球定位系统gps，格洛纳斯系统、伽利略系统和北斗系统等。
3、以上系统均依赖多个卫星发射的信号，以确定接收设备的位置、速度和时间信息，在信号环境收到影响导致gnss精度受影响或不可用时，初始化就会出现较大偏差。
4、综上所述，现有技术中亟需一种脱离对gnss依赖的全局定位初始化方法，以满足gnss失效的情况下自动驾驶车辆的全局定位初始化需求。
技术实现思路
1、本技术的主要目的在于提供一种用于自动驾驶车辆的车辆定位初始化方法、装置、计算机可读存储介质和自动驾驶车辆，以至少解决现有技术中在gnss不可用的情况下，无法对车辆定位进行初始化的问题。
2、为了实现上述目的，根据本技术的一个方面，提供了一种用于自动驾驶车辆的车辆定位初始化方法，包括：获取第一目标图像和第二目标图像，所述第一目标图像为线面特征地图，所述第二目标图像为目标车辆的雷达扫描得到的图像；基于所述第一目标图像对所述目标车辆进行定位，得到第一目标特征，基于所述第二目标图像对所述目标车辆进行定位，得到第二目标特征，所述第一目标特征包括所述目标车辆的第一预设范围内的线性特征和面状特征，所述第二目标特征包括所述目标车辆的第二预设范围内的所述线性特征和所述面状特征；分别基于所述第一目标特征和所述第二目标特征计算对应的描述子得到第一描述子和第二描述子，根据所述第一描述子和所述第二描述子计算描述子距离得到第一目标距离；在所述第一目标距离大于第一阈值的情况下，确定所述第一描述子和所述第二描述子为候选匹配组，基于所述候选匹配组通过ransac算法进行验证；在验证通过的情况下，将所述候选匹配组确定为目标匹配组，根据所述目标匹配组确定所述目标车辆在所述第一目标图像中的位置得到目标位置。
3、可选地，基于所述第二目标图像对所述目标车辆进行定位，得到第二目标特征，包括：将所述第二目标图像中的点云作为样本点，通过knn算法进行分类得到各所述样本点对应的临近样本集；基于所述临近样本集计算协方差得到目标协方差，并对所述目标协方差进行svd分解得到第一特征值、第二特征值和第三特征值，基于所述第一特征值、所述第二特征值和所述第三特征值确定所述临近样本集的第一特征类型，所述第一特征类型包括所述线性特征和所述面状特征；分别基于对应所述目标特征类型为所述线性特征和所述面状特征的所述临近样本集通过knn算法进行聚类得到对应的第二特征类型，得到所述第二目标特征，所述第二特征类型包括线性几何特征和面状几何特征。
4、可选地，分别基于所述第一目标特征和所述第二目标特征计算对应的描述子得到第一描述子和第二描述子，包括：基于各所述第一目标特征确定第一临近特征集，所述第一临近特征集包括对应第二目标距离小于第二阈值的所述第一目标特征，所述第二目标距离为任一所述第一目标特征与其他的所述第一目标特征之间的距离；计算所述第一临近特征集中各所述第一目标特征之间的距离和角度得到对应的所述第一描述子；基于各所述第二目标特征确定第二临近特征集，所述第二临近特征集包括对应第三目标距离小于所述第二阈值的所述第二目标特征，所述第三目标距离为任一所述第二目标特征与其他的所述第二目标特征之间的距离；计算所述第二临近特征集中各所述第二目标特征之间的距离和角度得到对应的所述第二描述子。
5、可选地，根据所述第一描述子和所述第二描述子计算描述子距离得到第一目标距离，包括：在所述第一描述子的所述第一临近特征集和对应的所述第二临近特征集中的特征数量的差值小于第三阈值的情况下，确定所述第一描述子和所述第二描述子维度匹配通过；在所述第一描述子中的特征对应所述第二目标距离与对应的所述第二描述子中的特征对应所述第三目标距离相等且角度差值小于第四阈值的情况下，确定所述第一描述子与所述第二描述子角度匹配通过；在所述维度匹配和所述角度匹配均通过的情况下，根据所述第一描述子和所述第二描述子计算描述子距离得到所述第一目标距离。
6、可选地，基于所述候选匹配组通过ransac算法进行验证，包括：选择任意两个所述候选匹配组通过ransac算法构建转换关系，并基于其他所述候选匹配组和所述转换关系计算残差得到目标残差；在所述目标残差大于第五阈值的情况下，将对应的所述候选匹配组确定为外点，在所述目标残差小于或等于所述第五阈值的情况下，将对应的所述候选匹配组确定为内点；在所述内点数量大于第六阈值的情况下，确定所述候选匹配组验证通过。
7、可选地，基于所述临近样本集计算协方差得到目标协方差，包括：将所述临近样本集中的所有样本点代入第一目标公式，得到所述目标协方差：其中，cij为所述目标协方差第i行第j列的元素，xi,xj为所述临近样本集中样本点，xik为第k组xi的取值，xjk第k组xj的取值，μi为xi均值，μj为xj均值。
8、可选地，对所述目标协方差进行svd分解得到第一特征值、第二特征值和第三特征值，基于所述第一特征值、所述第二特征值和所述第三特征值确定所述临近样本集的第一特征类型，包括：将所述svd分解的特征值最大值确定为所述第一特征值，将所述svd分解的特征值的最小值确定为所述第三特征值，将与所述第一特征值差值最小的特征值确定为所述第二特征值；在所述第一特征值以及所述第二特征值与所述第三特征值的差值均大于第七阈值的情况下，确定所述临近样本集的对应的所述第一特征类型为所述面状特征；在所述第一特征值与所述第二特征值以及所述第三特征值的差值均大于第八阈值的情况下，确定所述临近样本集的对应的所述第一特征类型为所述线性特征。
9、根据本技术的另一方面，提供了一种用于自动驾驶车辆的车辆定位初始化装置，所述装置包括：获取单元，用于获取第一目标图像和第二目标图像，所述第一目标图像为线面特征地图，所述第二目标图像为目标车辆的雷达扫描得到的图像；第一计算单元，用于基于所述第一目标图像对所述目标车辆进行定位，得到第一目标特征，基于所述第二目标图像对所述目标车辆进行定位，得到第二目标特征，所述第一目标特征包括所述目标车辆的第一预设范围内的线性特征和面状特征，所述第二目标特征包括所述目标车辆的第二预设范围内的所述线性特征和所述面状特征；第二计算单元，用于分别基于所述第一目标特征和所述第二目标特征计算对应的描述子得到第一描述子和第二描述子，根据所述第一描述子和所述第二描述子计算描述子距离得到第一目标距离；第一确定单元，用于在所述第一目标距离大于第一阈值的情况下，确定所述第一描述子和所述第二描述子为候选匹配组，基于所述候选匹配组通过ransac算法进行验证；第二确定单元，用于在验证通过的情况下，将所述候选匹配组确定为目标匹配组，根据所述目标匹配组确定所述目标车辆在所述第一目标图像中的位置得到目标位置。
10、根据本技术的再一方面，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包括存储的程序，其中，在所述程序运行时控制所述计算机可读存储介质所在设备执行任意一种所述的方法。
11、根据本技术的又一方面，提供了一种自动驾驶车辆，包括：一个或多个处理器，存储器，以及一个或多个程序，其中，所述一个或多个程序被存储在所述存储器中，并且被配置为由所述一个或多个处理器执行，所述一个或多个程序包括用于执行任意一种所述的方法。
12、应用本技术的技术方案，在上述用于自动驾驶车辆的车辆定位初始化方法中，首先，获取第一目标图像和第二目标图像，上述第一目标图像为线面特征地图，上述第二目标图像为目标车辆的雷达扫描得到的图像；然后，基于上述第一目标图像对上述目标车辆进行定位，得到第一目标特征，基于上述第二目标图像对上述目标车辆进行定位，得到第二目标特征，上述第一目标特征包括上述目标车辆的第一预设范围内的线性特征和面状特征，上述第二目标特征包括上述目标车辆的第二预设范围内的上述线性特征和上述面状特征；之后，分别基于上述第一目标特征和上述第二目标特征计算对应的描述子得到第一描述子和第二描述子，根据上述第一描述子和上述第二描述子计算描述子距离得到第一目标距离；之后，在上述第一目标距离大于第一阈值的情况下，确定上述第一描述子和上述第二描述子为候选匹配组，基于上述候选匹配组通过ransac算法进行验证；最后，在验证通过的情况下，将上述候选匹配组确定为目标匹配组，根据上述目标匹配组确定上述目标车辆在上述第一目标图像中的位置得到目标位置。本技术基于轻量化的线面特征地图中的线性特征以及面状特征与车辆实时采集的激光点云图像提取的线性特征以及面状特征进行匹配，进行车辆的低昂为初始化，在提高精度的同时，避免了对gnss的依赖，解决了现有技术中在gnss不可用的情况下，无法对车辆定位进行初始化的问题。
1.一种用于自动驾驶车辆的车辆定位初始化方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，基于所述第二目标图像对所述目标车辆进行定位，得到第二目标特征，包括：
3.根据权利要求1所述的方法，其特征在于，分别基于所述第一目标特征和所述第二目标特征计算对应的描述子得到第一描述子和第二描述子，包括：
4.根据权利要求1所述的方法，其特征在于，根据所述第一描述子和所述第二描述子计算描述子距离得到第一目标距离，包括：
5.根据权利要求1所述的方法，其特征在于，基于所述候选匹配组通过ransac算法进行验证，包括：
6.根据权利要求2所述的方法，其特征在于，基于所述临近样本集计算协方差得到目标协方差，包括：
7.根据权利要求2所述的方法，其特征在于，对所述目标协方差进行svd分解得到第一特征值、第二特征值和第三特征值，基于所述第一特征值、所述第二特征值和所述第三特征值确定所述临近样本集的第一特征类型，包括：
8.一种用于自动驾驶车辆的车辆定位初始化装置，其特征在于，所述装置包括：
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包括存储的程序，其中，在所述程序运行时控制所述计算机可读存储介质所在设备执行权利要求1至7中任意一项所述的方法。
10.一种自动驾驶车辆，其特征在于，包括：一个或多个处理器，存储器，以及一个或多个程序，其中，所述一个或多个程序被存储在所述存储器中，并且被配置为由所述一个或多个处理器执行，所述一个或多个程序包括用于执行权利要求1至7中任意一项所述的方法。
