车辆的位置估计装置、车辆的位置估计方法以及存储被编程为执行该方法的计算机程序的计算机可读记录介质

摘要

根据一实施例的车辆的位置估计方法包括：将与基于GPS的车辆的初始位置信息对应的精密地图的地标与通过上述车辆的摄像头拍摄的图像进行匹配，获取上述摄像头的初始位置信息的步骤；以及利用与基于上述摄像头的初始位置信息采样的多个候选位置信息每一个对应的上述精密地图的地标和上述图像之间的比较结果，获取上述车辆的估计位置信息的步骤。

说明书

技术领域

本发明涉及车辆的位置估计装置、车辆的位置估计方法以及存储被编程为执行该方法的计算机程序的计算机可读记录介质。作为参考，本申请主张基于2017年05月25日提交的韩国专利申请(申请号10-2018-0059626号)的优先权。在本申请中作为参考文献引用作为该优先权的基础的对应申请的全部内容。

背景技术

一般情况下，车辆表示以化石燃料、电力等作为动力源在道路或者线路行驶的运输装置。

随着技术的发展，车辆发展成可以给驾驶员提供各种功能。尤其是，随着车辆的电气化趋势，出现了具备主动安全系统(ASS：Active Safety System)的车辆，该主动安全系统在即将事故发生之前或者发生事故的瞬间被启动以避免事故。

而且，最近为了减轻驾驶员的负担提高方便性，积极地进行着对于搭载有先进驾驶辅助系统(ADAS：Advanced Driver Assist System)的车辆的研究，该先进驾驶辅助系统主动提供关于车辆状态、驾驶员状态以及周围环境等行驶环境的信息。

先进驾驶辅助系统根据由本车辆的位置确定的行驶环境进行动作，所以首先需要进行准确的车辆的位置估计。目前，广泛采用利用卫星信号估计车辆的位置的方法，但是，最近积极地进行着对于为了提高准确性而同时考虑各种信息的方法的研究。

发明内容

技术问题

本发明要解决的问题是提供比现有技术更精确地估计车辆的位置的技术。

并且，提供即使在如GPS这样的系统由于高楼等而无法正常工作或复杂的城市中心等行驶环境的情况下也能够更加精确地判断车辆的位置的技术。

而且，将在本发明公开的技术应用于各种移动工具中，例如应用于搭载有先进驾驶辅助系统的车辆。

需要说明的是，本发明要解决的技术问题并不限定于上述的技术问题，本发明所属技术领域的技术人员通过下面的说明明确理解未提及的其它要解决的技术问题。

解决问题的手段

根据一实施例的车辆的位置估计方法，包括：将与基于GPS的车辆的初始位置信息对应的精密地图的地标与通过上述车辆的摄像头拍摄的图像进行匹配，获取上述摄像头的初始位置信息的步骤；以及利用与基于上述摄像头的初始位置信息采样的多个候选位置信息每一个对应的上述精密地图的地标和上述图像之间的比较结果，获取上述车辆的估计位置信息的步骤。

根据一实施例的存储被编程为执行车辆的位置估计方法的计算机程序的计算机可读记录介质，包括：将与基于GPS的车辆的初始位置信息对应的精密地图的地标与通过上述车辆的摄像头拍摄的图像进行匹配，获取上述摄像头的初始位置信息的步骤；以及利用与基于上述摄像头的初始位置信息采样的多个候选位置信息每一个对应的上述精密地图的地标和上述图像之间的比较结果，获取上述车辆的估计位置信息的步骤。

根据一实施例的车辆的位置估计装置包括：摄像头初始位置信息获取部，将与基于GPS的车辆的初始位置信息对应的精密地图的地标与通过上述车辆的摄像头拍摄的图像进行匹配，获取上述摄像头的初始位置信息；摄像头估计位置信息获取部，利用与基于上述摄像头的初始位置信息采样的多个候选位置信息每一个对应的上述精密地图的地标和上述图像之间的比较结果，获取上述摄像头的估计位置信息；以及车辆估计位置信息获取部，基于上述摄像头的估计位置信息，获取上述车辆的估计位置信息。

发明效果

根据一实施例的车辆的位置估计装置、车辆的位置估计方法以及存储被编程为执行该方法的计算机程序的计算机可读记录介质，除了卫星信号之外，还利用通过车辆的摄像头获取的图像以及精密地图，从而能够估计出更加准确的车辆位置。

并且，在没有采用激光雷达(LiDar)等高价格装置的情况下，也可以估计车辆的位置，所以能够降低制造成本。

附图说明

图1a以及1b是根据各种实施例的车辆的位置估计系统的控制框图。

图2是用于说明根据一实施例的车辆和摄像头的坐标系的图。

图3是根据一实施例的通过摄像头初始位置信息获取部获取摄像头初始位置信息的方法流程图。

图4是用于说明根据一实施例的地标(land mark)的匹配方法的图。

图5是示出基于图3的摄像头初始位置信息获取方法的结果的图。

图6是根据一实施例的通过摄像头估计位置信息获取部获取摄像头估计位置信息的方法流程图。

图7是例示出根据一实施例的通过摄像头拍摄的图像中对于车道线的第一地标以及除了车道线之外的第二地标的提取结果的图。

图8是例示出将精密地图的地标与图7的图像进行匹配的结果的图。

图9a以及9b是例示出基于图8的匹配的误差的图。

图10是例示出根据一实施例的基于摄像头估计位置信息获取方法的最终结果的图。

图11是根据一实施例的通过车辆估计位置信息获取部获取车辆估计位置信息的方法流程图。

图12是例示出根据一实施例的基于车辆估计位置信息获取方法的最终地标匹配结果的图。

具体实施方式

参照与附图一同下面详细说明的实施例即可明确地理解本发明的优点以及特征和实现这些方法。但是，本发明并不限定于下面公开的实施例，还可以以其它各种方式实现，本实施例只是为了完整地公开本发明、向本发明所属技术领域的技术人员完整地告知本发明的保护范围而提供，应该通过权利要求书来定义本发明。

在说明本发明的实施例的过程中，当判断为对于公知功能或者构成的具体说明有可能混淆本发明的宗旨时，省略其详细说明。另外，后面的术语是鉴于在本发明的实施例中的功能定义的术语，可以根据使用者、操作者的意愿或习惯等有所改变。因此，应该基于本说明书的整体内容来加以定义。

图1a以及1b是根据各种实施例的车辆的位置估计系统的控制框图，图2是用于说明根据一实施例的车辆和摄像头的坐标系的图。

参照图1a，根据一实施例的车辆的位置估计系统1可以由车辆V以及车辆的位置估计装置100构成。

车辆V可以表示沿道路或线路行驶，同时可以将人、物体或者动物等从一个位置移动到其它位置的运输手段。根据一实施例的车辆V可以包括三轮或者四轮车辆、摩托车等两轮车辆、工程机械、摩托化自行车、自行车以及沿线路行驶的火车等。

图1a的车辆V具备GPS模块，可以从至少一个GPS(Global Position System：全球定位系统)卫星接收包括导航数据(Navigation Data)在内的卫星信号。车辆V基于卫星信号，可以获取基于GPS的车辆V的当前位置以及车辆V的行进方向等。

并且，图1a的车辆V可以预先存储精密地图。其中，精密地图可以表示为了实现安全且精确的车辆V控制而具有较高的精确性，并且除了道路的平面位置之外，还包括对于高度、斜度、曲率等的信息的地图。并且，精密地图可以表示还包括对于车道线、指示牌、红绿灯、护栏等道路设施的信息的地图。

而且，图1a的车辆V中可以搭载有先进驾驶辅助系统(ADAS：Advanced DriverAssistance System)。其中，先进驾驶辅助系统可以表示为了减轻驾驶员的负担提高方便性从而提供车辆V状态、驾驶员状态、周围环境信息等行驶环境信息或者主动控制车辆V的系统。

搭载于车辆V的先进驾驶辅助系统可以包括用于感应车辆V的行驶环境的感应手段。根据一实施例的感应手段可以包括向车辆V周围照射脉冲并接收从位于对应方向的物体反射的回波脉冲从而感应行驶环境的雷达(Radar)、向车辆V周围照射激光并接收从位于对应方向的物体反射的激光的激光雷达(LiDAR)、以及/或者向车辆V周围照射超声波并接收从位于对应方向的物体反射的回波超声波的超声波传感器等。

并且，先进驾驶辅助系统可以包括摄像头C作为感应手段。摄像头C可以设置为朝向车辆V的前方、侧方以及/或者后方，拍摄对应方向的图像。所拍摄的图像通过图像处理过程，可以变成除了获取车辆V周围的物体之外还获取车道线或指示牌等信息的基础。

另一方面，车辆V可以将通过摄像头C获取的图像信息和按照车辆V内部模块之间的通信方式、即CAN(Controller Area Network)通信方式传输的车轮旋转信息、偏航角速度(Yaw Rate)信息等CAN DATA融合后利用于车辆V控制。这时，通过摄像头C获取的图像基于摄像头坐标系，与此不同地CAN DATA可以基于车辆坐标系。

图2是根据一实施例的车辆V的简要平面图，例示出了车辆V的坐标系和设置于车辆V的摄像头C的坐标系。参照图2，车辆V可以具有以O

为此，在进行车辆V行驶之前，预先可以进行摄像头C标定。具体地，利用设置于车辆V的摄像头C获取对于校正用识别图案的图像，利用该图像可以手动获取摄像头C被安装的角度和位置。作为另外一例，在车辆V行驶过程中，通过摄像头C识别车道线，基于识别到的车道线，确认消失点的位置，从而可以获取摄像头C的姿态角。

与此不同地，还可以在车辆的位置估计系统1中的车辆的位置估计装置100实时进行摄像头C的标定。在后面说明这一点。

再次参照图1a，根据一实施例的车辆的位置估计装置100可以利用从车辆V接收的信息来估计车辆V的位置信息。其中，位置信息可以包括位置以及姿态角。

为了估计位置，车辆的位置估计装置100按照公知的各种通信方法与车辆V进行通信，从而可以交换信息。根据一实施例的车辆的位置估计装置100可以采用CDMA、GSM、W-CDMA、TD-SCDMA、WiBro、LTE、EPC等公知的通信方法经由基站与车辆V进行通信。另外，根据另一实施例的车辆的位置估计装置100还可以采用无线局域网(Wireless LAN)、无线保真(Wi-Fi)、蓝牙(Bluetooth)、物联网(Zigbee)、WFD(Wi-Fi Direct：无线网络直接联结)、UWB(Ultra wideband：超宽带)、红外线通讯(IrDA：Infrared Data Association)、BLE(Bluetooth Low Energy：低功耗蓝牙)、NFC(Near Field Communication：近场通信)等通信方法，在预定距离之内，与车辆V进行通信。需要说明的是，通信部与车辆V进行通信的方法并不限定于上述的实施例。

车辆的位置估计装置100可以基于从车辆V接收的信息获取摄像头C初始位置信息，将与所获取的摄像头C初始位置信息对应的地标与通过摄像头C拍摄的图像进行匹配，从而获取摄像头C估计位置信息，基于所获取的摄像头C估计位置信息获取车辆V估计位置信息。

为此，车辆的位置估计装置100可以包括获取车辆V的摄像头C初始位置信息的摄像头初始位置信息获取部110、获取摄像头C估计位置信息的摄像头估计位置信息获取部120、以及获取车辆V估计位置信信息的车辆估计位置信息获取部130。

另一方面，在图1a中例示出了车辆的位置估计装置100与车辆V单独构成后构成车辆的位置估计系统1的情况，与此不同地，还可以是车辆的位置估计装置100设置在车辆V内部。

参照图1b，根据另一实施例的车辆的位置估计系统1还可以由包括车辆的位置估计装置100的车辆V构成。需要说明的是，除了车辆的位置估计装置100的设置方式之外，图1a的车辆的位置估计系统1与图1b的车辆的位置估计系统1的动作方式相同。

下面，参照图3至12，对车辆的位置估计装置100的各构成进行详细说明。

根据一实施例的车辆的位置估计装置100可以将由摄像头C拍摄的图像与精密地图上的地标进行匹配，从而估计车辆V的位置信息。为了匹配图像和地图，需要准确的摄像头C的位置信息，如上所述，有时车辆V的坐标系与摄像头C的坐标系被设定为不同，所以需要进行坐标系的转换。并且，如高层建筑密集地区那样基于GPS的车辆V的初始位置信息有可能不准确，所以在估计车辆V的位置之前，首先需要进行摄像头C的标定。

摄像头初始位置信息获取部110可以利用基于GPS的车辆V的初始位置信息进行摄像头C的标定。下面，参照图3至5，详细说明摄像头初始位置信息获取部110的动作。

图3是根据一实施例的通过摄像头初始位置信息获取部获取摄像头初始位置信息的方法流程图，图4是用于说明根据一实施例的地标的匹配方法的图，图5是示出基于图3的摄像头初始位置信息获取方法的结果的图。

参照图3，首先，摄像头初始位置信息获取部110可以获取基于卫星信号确定的基于GPS的车辆V的初始位置信息(S100)。根据一实施例的摄像头初始位置信息获取部110可以从车辆V获取包括基于GPS的车辆V的初始位置以及初始姿态角的初始位置信息。与此不同地，根据另一实施例的摄像头初始位置信息获取部110还可以从车辆V仅接收基于GPS的车辆的初始位置，利用该初始位置获取包括车辆V的初始姿态角的初始位置信息。

在从车辆V仅接收基于GPS的车辆V的初始位置的情况下，摄像头初始位置信息获取部110可以利用所接收的基于GPS的车辆V的初始位置，获取车辆V的初始姿态角。具体地，摄像头初始位置信息获取部110可以基于连续接收到的基于GPS的车辆V的初始位置，获取表示车辆V的行进方向的X

由此，摄像头初始位置信息获取部110可以获取作为摄像头C初始位置的三维坐标以及作为初始姿态角的三维坐标轴。

其次，摄像头初始位置信息获取部110在精密地图中可以根据基于GPS的车辆V的初始位置信息确定第一关注区域(S110)。具体地，摄像头初始位置信息获取部110可以以基于GPS的车辆V的初始位置信息为基准，将第一半径内的区域确定为第一关注区域。例如，第一半径可以在数m(米)以下。

在确定第一关注区域之后，摄像头初始位置信息获取部110可以将对于存在于第一关注区域内的车道线的第一地标与通过摄像头C拍摄的图像进行匹配，从而获取摄像头C的初始姿态角(S120)。具体地，摄像头初始位置信息获取部110可以根据数学式1获取基于摄像头C的初始姿态角的旋转矩阵R。

【数学式1】

其中，作为数学式1的解的S*可以表示由对于摄像头C的初始姿态角的旋转矩阵R和对于初始位置的移动矩阵T构成的初始位置信息，Z

【数学式2】

h(T，R，P)＝J(R×P+T)

其中，T可以表示对于摄像头C的初始位置的移动矩阵，R表示对于摄像头C的初始姿态角的旋转矩阵，P表示精密地图上的地标的坐标，K表示用于将基于摄像头C坐标系的坐标投影到通过摄像头C拍摄的图像的摄像头C内部参数矩阵。

为了求出数学式1的解，摄像头初始位置信息获取部110可以选择公知的算法中的至少一个，例如可以利用高斯牛顿(Gauss Newton)算法或者列文伯格-马夸尔特(Levenberg-Marquardt)算法。

图4是例示出在二维空间中以特征点P

参照图4，对于如车道线这样沿一个方向延伸的地标的点云集的特征点的协方差可以在延伸方向形成的椭圆形。基于此，摄像头初始位置信息获取部110将彼此最靠近的特征点作为对应关系，反复运算数学式1的解，从而可以将第一地标与图像进行匹配。在图4中通过虚线连接的特征点可以表示彼此对应关系。

为了将对于沿一个方向延伸的车道线的第一地标与图像进行匹配而运算数学式1时，对于车道线所延伸的纵向而言误差较大，相反，对于横向而言误差有可能较小。其结果，对于摄像头C的初始姿态角的旋转矩阵R可以具有可信赖程度的准确性。

相反，对于摄像头C的初始位置的移动矩阵T有可能比旋转矩阵R不准确。因此，摄像头初始位置信息获取部110将除了车道线之外的第二地标与图像进行匹配，从而可以求出对于摄像头C的初始位置的移动矩阵T。具体地，摄像头初始位置信息获取部110在精密地图中可以根据基于GPS的车辆V的初始位置信息来确定第二关注区域(S130)。具体地，摄像头初始位置信息获取部110以基于GPS的车辆V的初始位置信息为基准，可以将第一半径以上的第二半径以内的区域确定为第二关注区域。这是因为已经获取了摄像头C初始位置信息中的初始姿态角，所以通过利用更广范围内的地标，以便更加准确地获取摄像头C初始位置。这时，第二半径可以在几百m(米)以下。

其次，摄像头初始位置信息获取部110以摄像头C的初始姿态角为基准，将存在于第二关注区域内的除了车道线之外的第二地标与图像进行匹配，从而可以获取摄像头C的初始位置(S140)。具体地，摄像头初始位置信息获取部110通过将之前获取的对于摄像头C初始姿态角的旋转矩阵R代入数学式1进行运算，从而可以获取对于摄像头C初始位置的移动矩阵T。

这时，可以获取对于与对于一个摄像头C初始姿态角的旋转矩阵R对应的多个摄像头C初始位置的移动矩阵T。

这样获取的包括摄像头C初始位置以及初始姿态角的初始位置信息可以用作后述的用于估计摄像头C位置信息的输入值。

与只是将基于GPS的车辆V的初始位置信息作为摄像头C的位置信息来估计摄像头C位置信息的情况相比，根据上述方法，利用更加准确的摄像头C初始位置信息作为输入值，所以能够提高估计摄像头C位置信息的准确性以及处理速度。

图5是示出在精密地图上例示出将通过地标匹配获取的摄像头C初始位置信息作为输入值时所获取的多个候选群的图。具体地，在图5中，在包括多个地标L

获取摄像头C初始位置信息后，摄像头估计位置信息获取部120可以将摄像头C的初始位置作为输入值来获取摄像头C的估计位置信息。下面，参照图6至10，详细说明摄像头C的估计位置信息获取方法。

图6是根据一实施例的通过摄像头估计位置信息获取部获取摄像头估计位置信息的方法流程图，图7是例示出根据一实施例的通过摄像头拍摄的图像中对于车道线的第一地标以及除了车道线之外的第二地标的提取结果的图，图8是例示出将精密地图的地标与图7的图像进行匹配的结果的图，图9a以及9b是例示出基于图8的匹配的误差的图，图10是例示出根据一实施例的基于摄像头估计位置信息获取方法的最终结果的图。

按照图6，摄像头估计位置信息获取部120可以在摄像头C的初始位置信息周围采样多个候选位置信息(S200)。具体地，摄像头估计位置信息获取部120可以以摄像头C初始位置信息作为平均，利用通过预先规定的协方差设定误差建模的高斯概率模型进行采样。这时，高斯概率模型可以定义为姿态角具有三自由度、位置具有三自由度的至少六维。

如果摄像头C的初始位置信息为多个，则摄像头估计位置信息获取部120可以针对每一个摄像头C初始位置信息，根据高斯概率模型进行采样。

其次，摄像头估计位置信息获取部120可以利用粒子滤波器(Particle Filter)获取摄像头C的估计位置信息。具体地，摄像头估计位置信息获取部120可以在多个候选位置信息中反映车辆V的行驶信息(S210)。这时，摄像头估计位置信息获取部120可以基于数学式3。

【数学式3】

其中，矩阵[x(k)，y(k)，θ(k)]可以表示在k时间点的车辆V的位置以及行进方向，S

为此，摄像头估计位置信息获取部120可以从车辆V接收包括车轮速度信息以及偏航角速度信息的行驶信息。

其次，摄像头估计位置信息获取部120基于对应于多个候选位置信息每一个的精密地图的地标与图像之间的匹配误差，可以对多个候选位置信息每一个赋予加权值(S220)。

为此，摄像头估计位置信息获取部120可以利用提取出地标的图像。参照图7，在通过摄像头C拍摄的图像中可以确认出从地面被提取为白色线的对于车道线的第一地标L

这时，可以排除反映行驶信息的结果脱离道路的候选位置信息或者存在于与车辆V的行进方向相反方向的道路上的候选位置信息。

从图像提取第一地标L

参照图8，可以确认在对应于特定候选位置信息的精密地图上，被提取为线形的对于车辆V的第一地标L

参照图9a，匹配第二地标L

在确认匹配误差之后，摄像头估计位置信息获取部120可以获取对应于匹配误差的加权值，这处理可以根据数学式4进行。

【数学式4】

其中，G

其次，摄像头估计位置信息获取部120对相应的候选位置信息赋予对应的加权值，从而可以反映匹配误差。

在赋予加权值之后，摄像头估计位置信息获取部120可以利用被赋予加权值的多个候选位置信息重新采样多个候选位置信息(S230)。由于基于赋予加权值的结果重新进行采样，所以多个候选位置信息可以收敛于匹配误差较小的候选位置信息周围。

在结束采样之后，摄像头估计位置信息获取部120可以确认重新采样的多个候选位置信息的标准偏差是否在基准标准偏差以下(S240)。其中，基准标准偏差可以表示利用多个候选位置可获取摄像头C估计位置信息的最大标准偏差。

如果重新采样的多个候选位置信息的标准偏差在基准标准偏差以下，则摄像头估计位置信息获取部120可以获取重新采样的多个候选位置信息的平均值作为摄像头C的估计位置信息(S250)。

相反，如果重新采样的多个候选位置信息的标准偏差大于基准标准偏差，则摄像头估计位置信息获取部120在重新采样的多个候选位置信息中反映车辆V的行驶信息(S260)，之后可以再次进入步骤S220。

图10在精密地图上例示出了反复进行上述方法直到多个候选位置信息的标准偏差在基准标准偏差以下的结果。通过对于匹配误差较小的候选位置信息赋予高加权值，从而可以确认重新采样的候选位置P

如果获取了摄像头C的估计位置信息，则车辆V的估计位置信息获取部验证摄像头C的估计位置信息的有效性，之后可以基于有效的摄像头C的估计位置信息获取车辆V的估计位置信息。下面，参照图11以及12，详细说明车辆V的估计位置信息获取方法。

图11是根据一实施例的通过车辆估计位置信息获取部获取车辆估计位置信息的方法流程图，图12是例示出根据一实施例的基于车辆估计位置信息获取方法的最终地标匹配结果的图。

参照图11，车辆估计位置信息获取部130首先可以确认与摄像头C的估计位置信息对应的精密地图的地标中除了车道线之外的第二地标(S300)。

其次，车辆估计位置信息获取部130可以获取与每个第二地标的匹配误差对应的摄像头C估计位置信息的加权值(S310)。其中，摄像头C估计位置信息的加权值可以基于上述的数学式4。

获取与每个第二地标的匹配误差对应的加权值后，车辆估计位置信息获取部130可以确认在基准值以上的加权值的数量是否在基准个数以上(S320)。其中，基准值可以表示基于可以将摄像头C的位置信息确定为有效时的匹配误差的最小加权值，基准个数可以表示可以将摄像头C的位置信息确定为有效时的基准值以上的加权值的最小数量。

这时，可以根据被确认的第二地标的数量来确定基准个数，根据一实施例的基准个数可以根据被确认的第二地标的数量的任意比率来确定。

如果基准值以上的加权值的数量在基准个数以上，则车辆估计位置信息获取部130可以将所估计的摄像头C的位置信息确定为有效(S330)。其结果，车辆估计位置信息获取部130可以利用摄像头C估计位置信息来获取车辆V的估计位置信息(S340)。这时，车辆估计位置信息获取部130可以利用移动矩阵T以及旋转矩阵R来获取车辆V估计位置信息。

相反，如果基准值以上的加权值的数量少于基准个数，则车辆估计位置信息获取部130可以将所估计的摄像头C的位置信息确定为无效(S350)。其结果，车辆估计位置信息获取部130重新获取摄像头C的初始位置信息(S360)，从而可以再次执行车辆V估计位置获取过程。

在图11中以单一图像为基准，验证了以基准值以上的加权值的数量是否在基准个数以上为基准估计的摄像头C的位置信息的有效性。与此不同地，车辆估计位置信息获取部130还可以针对每帧图像执行上述的有效性验证，将执行结果与预定的基准进行比较，从而验证所估计的摄像头C的位置信息的有效性。或者，车辆估计位置信息获取部130还可以在车辆V行驶预定的基准距离的期间反复执行验证，如果所估计的摄像头C位置信息无效，则重新获取摄像头C的初始位置信息。

这样，车辆估计位置信息获取部130可以以每帧图像、预定的周期或者预定的行驶距离为基准反复执行有效性验证，从而监视所估计的摄像头C位置信息。

图12示出基于按照图11获取的车辆V估计位置信息，将地标与图像进行匹配的结果。可以确认准确地估计出了车辆V的位置，所以对于车道线的第一地标L

根据上述实施例的车辆的位置估计装置、车辆的位置估计方法以及存储被编程为执行该方法的计算机程序的计算机可读记录介质利用卫星信号之外，还利用通过车辆的摄像头获取的图像以及精密地图，从而能够估计出更加准确的车辆位置。并且，在没有采用激光雷达(LiDar)等高价格装置的情况下，也可以估计车辆的位置，所以能够降低制造成本。

另一方面，上述的根据一实施例的车辆的位置估计方法所包含的各个步骤可以在存储被编程为执行这样的步骤的计算机程序的计算机可读记录介质中实现。

以上说明只是示例性示出了本发明的技术思想，在不脱离本发明的实质性品质的范围内本发明所属技术领域的技术人员可以带来各种修改以及变形。因此，本发明所公开的多个实施例用于说明本发明，并不是限定本发明的技术思想，本发明的保护范围并不限定于这些实施例。应该基于权利要求书来解释本发明的保护范围，与其等同范围内的所有技术思想均包括在本发明的保护范围内。

工业上的可利用性

根据一实施例，上述的车辆的位置估计装置、车辆的位置估计方法以及存储被编程为执行该方法的计算机程序的计算机可读记录介质可以利用于家庭内或者工业现场等各种领域，所以具有工业上的可利用性。