(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111466050.5 (22)申请日 2021.12.0 3 (71)申请人 合肥湛达智能科技有限公司 地址 230000 安徽省合肥市高新区望江西 路5089号中科大先进技术研究院嵌入 式研发楼410 (72)发明人 张中　许迁　 (74)专利代理 机构 合肥正则元起专利代理事务 所(普通合伙) 3416 0 代理人 刘汪丹 (51)Int.Cl. G06V 20/58(2022.01) G06V 10/22(2022.01) G06V 10/26(2022.01) G06V 10/30(2022.01)G06V 10/70(2022.01) G06N 20/00(2019.01) (54)发明名称 一种车联网深度学习视 觉辅助定位方法 (57)摘要 本发明公开了一种车联网深度学习视觉辅 助定位方法， 涉及通信技术领域， 解决了现有技 术存在数据采集盲区时， 导致采集的定位数据不 足， 无法满足全场景下的车辆精 准定位的技术问 题； 本发明设置了云平台， 云平台接收到定位信 息之后， 对定位信息进行判断补充； 在定位信息 不足以形成完整的定位模拟图像时， 通过辅助设 备进行补充获取， 结合多源数据补充定位信息， 解决了数据采集盲区的问题， 保证本发明能够满 足全场景的车辆精准定位； 本发 明云平台将定位 模拟图像发送至目标车辆， 同时将 定位信息发送 至相邻车辆的车联网通信设备； 从大范围区域到 小范围区域均做到了车辆和障碍物及时精准的 定位。 权利要求书2页 说明书5页 附图1页 CN 114387575 A 2022.04.22 CN 114387575 A 1.一种车 联网深度学习视 觉辅助定位方法， 其特 征在于， 包括： 定位单元结合图像采集设备获取第 一车辆的定位信 息， 并通过车联网通信设备将定位 信息分别发送至云平台和相邻车辆； 其中， 所述定位信息包括障碍物相对于定位单元位置 的偏移信息、 定位单 元位置以及定位单 元位置相对于第一车辆 定位基准 点的偏移信息； 云平台对定位信息进行判断补充， 根据定位信息生成定位模拟图像， 并将定位模拟图 像发送至其 他车辆的车 联网通信设备； 其中， 定位模拟图像根据定位信息实时渲染 获取。 2.根据权利要求1所述的一种车联网深度学习视觉辅助定位方法， 其特征在于， 通过所 述图像采集设备获取定位信息， 包括： 通过设置在第一车辆上的图像采集设备获取车辆实时图像； 其中， 图像采集设备包括 摄像头和行 车记录仪； 定位单元通过机器学习算法对预处理之后的车辆实时图像进行提取分析， 并生成定位 信息； 其中， 预处 理包括图像分割 、 图像去噪和灰度变换。 3.根据权利要求2所述的一种车联网深度学习视觉辅助定位方法， 其特征在于， 所述定 位基准点为第一车辆的几何中心。 4.根据权利要求1所述的一种车联网深度学习视觉辅助定位方法， 其特征在于， 所述定 位单元包括定位支架和处理器； 其中， 定位支架用于安装图像采集设备， 且处理器 分别与图 像采集设备、 车 联网通信设备通信和/或电气连接 。 5.根据权利要求4所述的一种车联网深度学习视觉辅助定位方法， 其特征在于， 通过所 述定位单 元获取障碍物的偏移信息， 包括： 以图像采集设备的基准 点为原点， 建立 三维直角坐标系， 并标记为第一 坐标系； 通过机器学习算法提取车辆实时图像中障碍物， 并计算障碍物在第一坐标系中的坐 标， 并标记为第一 坐标； 以定位单元位置为原点， 建立三维直角坐标系， 并标记为第 二坐标系； 坐标系变换方法 结合第一坐标获取障碍物在第二坐标系中的坐标， 并标记为第二坐标； 其中， 第二坐标为障 碍物相对于 定位单元位置的偏移信息 。 6.根据权利要求1所述的一种车联网深度学习视觉辅助定位方法， 其特征在于， 所述云 平台对定位信息进行分析补充， 包括： 云平台将定位信息根据第一车辆的方位进行划分， 生成五个方位信息； 当五个方位信 息连续且均不为空时， 则判定定位信息不需要补充； 否则， 通过辅助设备 对空的方位信息进行补充。 7.根据权利要求6所述的一种车联网深度学习视觉辅助定位方法， 其特征在于， 所述云 平台将定位模拟图像发送至目标车辆； 其中， 目标车辆为目标区域中已经启动的车辆， 且目 标区域基于第一车辆的定位基准 点划取。 8.根据权利要求7所述的一种车联网深度学习视觉辅助定位方法， 其特征在于， 所述目 标区域的获取包括： 以第一车辆的定位基准点为圆心， 以设定长度为半径， 划取圆形区域， 并标记为目标区 域； 或者 以第一车辆的定位基准点为中心， 以路面宽度为设定宽度， 结合设定长度划取矩形区 域， 并标记为目标区域。权　利　要　求　书 1/2 页 2 CN 114387575 A 29.根据权利要求1所述的一种车联网深度学习视觉辅助定位方法， 其特征在于， 在将定 位信息发送至云平台时， 同时将定位信息发送至相邻车辆的车联网通信 设备， 相邻车辆结 合第一车辆的定位信息确定第一车辆的位置以及障碍物位置 。权　利　要　求　书 2/2 页 3 CN 114387575 A 3