CN110018503A - 车辆的定位方法及定位系统 - Google Patents
车辆的定位方法及定位系统 Download PDFInfo
- Publication number
- CN110018503A CN110018503A CN201810023287.8A CN201810023287A CN110018503A CN 110018503 A CN110018503 A CN 110018503A CN 201810023287 A CN201810023287 A CN 201810023287A CN 110018503 A CN110018503 A CN 110018503A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- relative distance
- strong feature
- strong
- feature
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S19/00—Satellite radio beacon positioning systems; Determining position, velocity or attitude using signals transmitted by such systems
- G01S19/38—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system
- G01S19/39—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system the satellite radio beacon positioning system transmitting time-stamped messages, e.g. GPS [Global Positioning System], GLONASS [Global Orbiting Navigation Satellite System] or GALILEO
- G01S19/42—Determining position
Abstract
本申请公开车辆的定位方法和定位系统,通过定位模块获得车辆的定位信息;确定在车辆的规划路线上的前方预设范围内是否包含强特征;在车辆的规划路线上的前方预设范围内包含强特征的情况下,如果双目相机拍摄的图像包含稳定的强特征,则根据双目相机拍摄的图像确定车辆与强特征之间的第一相对距离,根据定位模块输出的定位信息确定车辆与强特征之间的第二相对距离;对第一相对距离和所述第二相对距离进行加权求和,获得第三相对距离,基于第三相对距离和强特征的绝对位置确定车辆的绝对位置。基于本申请公开的车辆的定位方法和定位系统,能够实现车辆在全工况下的高精度定位,而且定位系统的稳定性较高、计算量较低,系统的硬件改造成本也较低。
Description
技术领域
本申请属于车辆定位技术领域,尤其涉及车辆的定位方法及定位系统。
背景技术
车辆定位是车辆导航技术和自动驾驶技术中非常重要的内容。目前,主要是基于GPS(全球定位系统)实现车辆定位。在开阔地带,即周围没有高大建筑且没有明显遮挡的情况下,能够基于GPS实现较为准确的车辆定位。但是,在周围有高大建筑或者在车辆通过隧道或者天桥时,GPS信号较差,往往会导致车辆的定位与实际位置出现较大的偏差。
因此,如何实现车辆在全工况下的高精度定位,是本领域技术人员亟待解决的问题。
发明内容
有鉴于此,本申请的目的在于提供一种车辆的定位方法及定位系统,能够实现车辆在全工况下的高精度定位。
为实现上述目的,本申请提供如下技术方案:
一方面,本申请提供一种车辆的定位方法,包括:
通过定位模块获得所述车辆的定位信息;
基于高精度电子地图和所述定位信息确定在所述车辆的规划路线上的前方预设范围内是否包含强特征;
在确定在所述车辆的规划路线上的前方预设范围内包含强特征的情况下,如果双目相机拍摄的图像包含所述强特征并且所述强特征稳定,则根据所述双目相机拍摄的图像确定所述车辆与所述强特征之间的第一相对距离,根据所述定位模块输出的定位信息确定所述车辆与所述强特征之间的第二相对距离;
对所述第一相对距离和所述第二相对距离进行加权求和,获得所述车辆与所述强特征之间的第三相对距离,其中,所述第一相对距离对应的权重和所述第二相对距离对应的权重的和为1;
基于所述第三相对距离和所述强特征的绝对位置确定所述车辆的绝对位置。
可选的,在上述的定位方法中,所述根据所述双目相机拍摄的图像确定所述车辆与所述强特征之间的第一相对距离,包括:在所述强特征为第一类强特征的情况下,根据所述双目相机中的任意一个相机拍摄的图像确定所述车辆与所述强特征在横向的第一相对距离;
所述根据所述定位模块输出的定位信息确定所述车辆与所述强特征之间的第二相对距离,包括:在所述强特征为第一类强特征的情况下,根据所述定位模块输出的定位信息确定所述车辆与所述强特征在横向的第二相对距离、以及所述车辆与所述强特征在纵向的第二相对距离;
其中,所述第一类强特征包括车道边线。
可选的,在上述的定位方法中,所述根据所述双目相机拍摄的图像确定所述车辆与所述强特征之间的第一相对距离,包括:在所述强特征为第二类强特征的情况下,根据所述双目相机的两个相机拍摄的图像确定所述车辆与所述强特征在纵向的第一相对距离;
所述根据所述定位模块输出的定位信息确定所述车辆与所述强特征之间的第二相对距离,包括:在所述强特征为第二类强特征的情况下,根据所述定位模块输出的定位信息确定所述车辆与所述强特征在横向的第二相对距离、以及所述车辆与所述强特征在纵向的第二相对距离;
其中,所述第二类强特征包括路口停止线和路面转弯标志。
可选的,在上述的定位方法中,还包括:根据所述定位模块和所述双目相机的置信度确定所述第一相对距离对应的权重和所述第二相对距离对应的权重。
可选的,在上述的定位方法中,还包括:基于所述车辆的绝对位置在所述高精度电子地图中获取路面信息。
另一方面,本申请提供一种车辆的定位系统,包括:
定位信息获取单元,用于通过定位模块获得所述车辆的定位信息;
强特征分析单元,用于基于高精度电子地图和所述定位信息确定在所述车辆的规划路线上的前方预设范围内是否包含强特征;
第一处理单元,在确定在所述车辆的规划路线上的前方预设范围内包含强特征的情况下,如果双目相机拍摄的图像包含所述强特征并且所述强特征稳定,则根据所述双目相机拍摄的图像确定所述车辆与所述强特征之间的第一相对距离,根据所述定位模块输出的定位信息确定所述车辆与所述强特征之间的第二相对距离;
相对距离确定单元,用于对所述第一相对距离和所述第二相对距离进行加权求和,获得所述车辆与所述强特征之间的第三相对距离,其中,所述第一相对距离对应的权重和所述第二相对距离对应的权重的和为1;
车辆位置确定单元,基于所述第三相对距离和所述强特征的绝对位置确定所述车辆的绝对位置。
可选的,在上述的定位系统中,所述第一处理单元包括第一处理模块和第二处理模块;
所述第一处理模块用于在所述强特征为第一类强特征的情况下,根据所述双目相机中的任意一个相机拍摄的图像确定所述车辆与所述第一类强特征在横向的第一相对距离;
所述第二处理模块用于在所述强特征为第一类强特征的情况下,根据所述定位模块输出的定位信息确定所述车辆与所述第一类强特征在横向的第二相对距离;
其中,所述第一类强特征包括车道边线。
可选的,在上述的定位系统中,所述第一处理单元包括第三处理模块和第四处理模块;
所述第三处理模块用于在所述强特征为第二类强特征的情况下,根据所述双目相机的两个相机拍摄的图像确定所述车辆与所述第二类强特征在纵向的第一相对距离;
所述第四处理模块用于在所述强特征为第二类强特征的情况下,根据所述定位模块输出的定位信息确定所述车辆与所述第一类强特征在纵向的第二相对距离;
其中,所述第二类强特征包括路口停止线和路面转弯标志。
可选的,在上述的定位系统中,还包括:权重确定单元,用于根据所述定位模块和所述双目相机的置信度确定所述第一相对距离对应的权重和所述第二相对距离对应的权重。
可选的,在上述的定位系统中,还包括:路面信息获取单元,用于基于所述车辆的绝对位置在所述高精度电子地图中获取路面信息。
由此可见,本申请的有益效果为:
本申请公开的车辆的定位方法,通过车辆的定位模块获得车辆的定位信息,基于高精度电子地图和该定位信息确定在车辆的规划路线上的前方预设范围内是否包含强特征,如果包含强特征,则对双目相机拍摄的图像进行分析,以确定双目相机拍摄的图像中是否包含稳定的强特征,如果双目相机拍摄的图像包含稳定的强特征,则根据双目相机拍摄的图像确定车辆与该强特征之间的第一相对距离,根据定位模块输出的定位信息确定车辆与该强特征之间的第二相对距离,之后利用预设的权重对第一相对距离和第二相对距离的进行加权求和,得到车辆与该强特征之间的第三相对距离,根据该第三相对距离和该强特征的绝对位置确定车辆的绝对位置。
本申请公开的车辆的定位方法中,将通过双目相机拍摄的图像所确定的车辆与强特征的第一相对距离、以及通过定位模块所确定的车辆与强特征的第二相对距离相结合,来确定车辆与强特征之间的第三相对距离,该第三相对距离具有较高的准确度,而且,高精度电子地图包含的强特征信息是具有高精度的先验知识,因此,根据该第三相对距离和强特征的绝对位置所确定的车辆的绝对位置具有较高的精度,尤其是在恶劣工况下(如周围有高大建筑、云层遮挡、车辆通过隧道或者天桥)能够显著提高车辆定位的精度,实现车辆在全工况下的高精度定位;而且,高精度电子地图包含的强特征信息是先验知识,因此在判断双目相机拍摄的图像是否包含稳定的强特征的过程中,可以极大地减少特征误检、误匹配的概率,能够提高系统的稳定性;另外,当根据高精度电子地图确定在车辆的规划路线上的前方预设范围内包含强特征时,才会对双目相机拍摄的图像进行分析,能够极大的减小计算量;另外,从硬件角度来看,在车辆原有的定位模块的基础上,仅需要设置双目相机即可,系统的硬件改造成本较低。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案,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申请的实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据提供的附图获得其他的附图。
图1为本申请公开的一种车辆的定位方法的流程图;
图2为本申请公开的另一种车辆的定位方法的流程图;
图3为基于本申请公开的车辆的定位方法产生的横向定位误差示意图;
图4为基于本申请公开的车辆的定位方法产生的纵向定位误差示意图;
图5为本申请公开的一种车辆的定位系统的结构示意图。
具体实施方式
本申请公开一种车辆的定位方法和定位系统,在车辆原有的定位模块的基础上,结合特征检测和高精度电子地图,实现车辆在全工况下的高精度定位。
下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
参见图1,图1为本申请公开的一种车辆的定位方法的流程图。该定位方法包括:
步骤S11:通过定位模块获得车辆的定位信息。
车辆安装有定位模块,利用该定位模块获得车辆的定位信息。需要说明的是,本申请中的定位模块为现有的用于定位车辆的定位模块。实施中,该定位模块可以采用融合有GPS模块的惯性导航设备。
步骤S12:基于高精度电子地图和定位信息确定在车辆的规划路线上的前方预设范围内是否包含强特征。
高精度电子地图是指:包含有路网中三维特征信息(具有高精度,例如厘米级精度)的电子地图。相较于传统的电子地图,高精度电子地图能够服务于无人驾驶车辆。高精度电子地图中的三维特征信息包括但不限于路面指示箭头信息、路口停止线信息、限速标志牌信息和交通信号灯信息。
其中,限速标志牌在高精度电子地图中的表现为标志牌边缘具有多个形点,形点中包括道路标志类型,绝对位置坐标(经度,纬度,高程),标志牌所在路段的编号,以及该标志牌到车辆的纵向距离。路口停止线与路面指示箭头同样会给出形点,关联车道的编号,距本车的距离等信息。
另外,结构化道路是指:具有明确指示标线的行车道路。结构化道路包含有大量的强特征,强特征是指易于识别且易于与高精度电子地图进行匹配的特征,例如:路面指示箭头、路口停止线、限速标志牌和交通信号灯。
在通过定位模块获得车辆的定位信息之后,将该定位信息匹配到高精度电子地图中,获得车辆周边的结构化道路信息,确定在车辆的规划路线上的前方预设范围内是否包含强特征,例如,确定在车辆前方100米内是否包含强特征。
步骤S13:在确定在车辆的规划路线上的前方预设范围内包含强特征的情况下,如果双目相机拍摄的图像包含强特征并且强特征稳定,则根据双目相机拍摄的图像确定车辆与强特征之间的第一相对距离,根据定位模块输出的定位信息确定车辆与强特征之间的第二相对距离。
车辆的前方安装有双目相机,双目相机沿车轴方向对称安装。实施中,可以将双目相机安装在车辆的前挡风玻璃上,两个相机沿车轴方向对称安装,以保证在车辆行驶过程中,双目相机能够清晰、不被遮挡地拍摄车辆行进方向上的图像。
如果确定在车辆的规划路线上的前方预设范围内包含强特征,则启动双目相机的图像处理线程。判断双目相机拍摄的图像中是否包含强特征,如果确定包括强特征且该强特征稳定(例如该强特征可被持续跟踪预设时长,如可被持续跟踪1秒以上),则根据双目相机拍摄的图像确定车辆与强特征之间的相对距离(为了便于描述,将其记为第一相对距离),根据定位模块当前输出的定位信息确定车辆与强特征之间的相对距离(为了便于描述,将其记为第二相对距离)。
作为一种实施方式,通过对双目相机拍摄的图像进行分析,确定该强特征在像平面坐标系下的坐标值,通过进行坐标转换,获得该强特征在车辆坐标系下的坐标值,即可确定车辆与该强特征之间的第一相对距离。
作为一种实施方式,在高精度电子地图中获得该强坐标的绝对位置,根据定位模块当前输出的车辆的定位信息,即可确定车辆与该强特征之间的第二相对距离。
步骤S14:对第一相对距离和第二相对距离进行加权求和,获得车辆与强特征之间的第三相对距离。
根据预设的权重对第一相对距离和第二相对距离进行加权求和,计算得到的和值作为车辆与强特征之间的第三相对距离,其中,第一相对距离对应的权重和第二相对距离对应的权重的和为1。
步骤S15:基于第三相对距离和强特征的绝对位置确定车辆的绝对位置。
在高精度电子地图中获得该强特征的绝对位置,基于车辆与强特征之间的第三相对距离和强特征的绝对位置,即可确定车辆的绝对位置。
也就是说,在双目相机拍摄的图像包含强特征并且强特征稳定的情况下,根据双目相机拍摄的图像确定车辆与该强特征之间的第一相对距离,根据定位模块输出的车辆的定位信息确定车辆与该强特征之间的第二相对距离,之后结合第一相对距离和第二相对距离以及该强特征的绝对位置计算车辆的绝对位置。在定位模块出现偏差(例如GPS信号较弱导致定位出现偏差)的情况下,通过对第一相对距离和第二相对距离进行加权求和得到的第三相对距离具有较高的准确度,基于该第三相对距离和强特征的绝对位置计算得到的车辆的绝对位置具有较高的准确度。
本申请上述公开的车辆的定位方法,通过车辆的定位模块获得车辆的定位信息,基于高精度电子地图和该定位信息确定在车辆的规划路线上的前方预设范围内是否包含强特征,如果包含强特征,则对双目相机拍摄的图像进行分析,以确定双目相机拍摄的图像中是否包含稳定的强特征,如果双目相机拍摄的图像包含稳定的强特征,则根据双目相机拍摄的图像确定车辆与该强特征之间的第一相对距离,根据定位模块输出的定位信息确定车辆与该强特征之间的第二相对距离,之后利用预设的权重对第一相对距离和第二相对距离的进行加权求和,得到车辆与该强特征之间的第三相对距离,根据该第三相对距离和该强特征的绝对位置确定车辆的绝对位置。
可以看到,本申请公开的车辆的定位方法中,将通过双目相机拍摄的图像所确定的车辆与强特征的第一相对距离、以及通过定位模块所确定的车辆与强特征的第二相对距离相结合,来确定车辆与强特征之间的第三相对距离,该第三相对距离具有较高的准确度,而且,高精度电子地图包含的强特征信息是具有高精度的先验知识,因此,根据该第三相对距离和强特征的绝对位置所确定的车辆的绝对位置具有较高的精度,尤其是在恶劣工况下(如周围有高大建筑、云层遮挡、车辆通过隧道或者天桥)能够显著提高车辆定位的精度,实现车辆在全工况下的高精度定位;而且,高精度电子地图包含的强特征信息是先验知识,因此在判断双目相机拍摄的图像是否包含稳定的强特征的过程中,可以极大地减少特征误检、误匹配的概率,能够提高系统的稳定性;另外,当根据高精度电子地图确定在车辆的规划路线上的前方预设范围内包含强特征时,才会对双目相机拍摄的图像进行分析,能够极大的减小计算量;另外,从硬件角度来看,在车辆原有的定位模块的基础上,仅需要设置双目相机即可,系统的硬件改造成本较低。
可选的,在图1所示的车辆的定位方法的基础上,还包括:根据定位模块和双目相机的置信度确定第一相对距离对应的权重和第二相对距离对应的权重。
作为一种实施方式,定位模块和双目相机的置信度的大小与相应的权重的大小呈正相关关系。也就是说,如果定位模块的置信度高于双目相机的置信度,则第二相对距离对应的权重大于第一相对距离对应的权重;如果双目相机的置信度高于定位模块的置信度,则第一相对距离对应的权重大于第二相对距离对应的权重。实施中,可以根据实际路面的测试情况确定定位模块和双目相机的置信度。
可选的,在本申请上述公开的车辆的定位方法的基础上,还包括:基于车辆的绝对位置在高精度电子地图中获取路面信息。路面信息包括但不限于:车道线信息、车道信息和护栏信息。之后,可以根据获取到的路线信息优化车辆的行为,如优化车辆的行车路径。
结构化道路包含有多种不同类型的强特征,相应的,步骤S13中“根据双目相机拍摄的图像确定车辆与强特征之间的第一相对距离,根据定位模块输出的定位信息确定车辆与强特征之间的第二相对距离”具有多种不同的具体方式。
作为一个示例,根据双目相机拍摄的图像确定车辆与强特征之间的第一相对距离,包括:在强特征为第一类强特征的情况下,根据双目相机中的任意一个相机拍摄的图像确定车辆与该强特征在横向的第一相对距离。
根据定位模块输出的定位信息确定车辆与强特征之间的第二相对距离,包括:在强特征为第一类强特征的情况下,根据定位模块输出的定位信息确定车辆与该强特征在横向的第二相对距离、以及车辆与该强特征在纵向的第二相对距离。
其中,第一类强特征包括车道边线。
也就是说,如果双目相机拍摄的图像中包含的稳定的强特征为第一类强特征,则根据任意一个或多个相机拍摄的图像确定车辆与该强特征在横向的第一相对距离。根据定位模块输出的定位信息确定车辆与该强特征在横向和纵向的第二相对距离。相应的,车辆与该强特征在横向的第三相对距离为:对车辆与该强特征在横向的第一相对距离、车辆与该强特征在横向的第二相对距离进行加权求和,计算得到的和值。车辆与该强特征在纵向的第三相对距离为:车辆与该强特征在纵向的第二相对距离。
作为另一个示例,根据双目相机拍摄的图像确定车辆与强特征之间的第一相对距离,包括:在强特征为第二类强特征的情况下,根据双目相机的两个相机拍摄的图像确定车辆与该强特征在纵向的第一相对距离。
根据定位模块输出的定位信息确定车辆与强特征之间的第二相对距离,包括:在强特征为第二类强特征的情况下,根据定位模块输出的定位信息确定车辆与该强特征在横向的第二相对距离、以及车辆与该强特征在纵向的第二相对距离。
其中,第二类强特征包括路口停止线和路面转弯标志。
也就是说,如果双目相机拍摄的图像中包含的稳定的强特征为第二类强特征,则根据两个相机拍摄的图像确定车辆与该强特征在纵向的第一相对距离。根据定位模块输出的定位信息确定车辆与该强特征在横向和纵向的第二相对距离。相应的,车辆与该强特征在纵向的第三相对距离为:对车辆与该强特征在纵向的第一相对距离、车辆与该强特征在纵向的第二相对距离进行加权求和,计算得到的和值。车辆与该强特征在横向的第三相对距离为:车辆与该强特征在横向的第二相对距离。
作为另一个示例,根据双目相机拍摄的图像确定车辆与强特征之间的第一相对距离,包括:在强特征为第三类强特征的情况下,根据双目相机的两个相机拍摄的图像确定车辆与该强特征在横向的第一相对距离、以及车辆与该强特征在纵向的第一相对距离。
根据定位模块输出的定位信息确定车辆与强特征之间的第二相对距离,包括:在强特征为第三类强特征的情况下,根据定位模块输出的定位信息确定车辆与该强特征在横向的第二相对距离、以及车辆与该强特征在纵向的第二相对距离。
其中,第三类强特征包括交通信号灯和限速标志牌。
也就是说,如果双目相机拍摄的图像中包含的稳定的强特征为第三类强特征,则根据两个相机拍摄的图像确定车辆与该强特征在横向和纵向的第一相对距离。根据定位模块输出的定位信息确定车辆与该强特征在横向和纵向的第二相对距离。相应的,车辆与该强特征在横向的第三相对距离为:对车辆与该强特征在横向的第一相对距离、车辆与该强特征在横向的第二相对距离进行加权求和,计算得到的和值。车辆与该强特征在纵向的第三相对距离为:对车辆与该强特征在纵向的第一相对距离、车辆与该强特征在纵向的第二相对距离进行加权求和,计算得到的和值。
下面结合一个实例对本申请公开的车辆的定位方法进行说明。请参见图2,包括:
步骤S21:对惯性导航设备进行初始化,以使得惯性导航设备处于正常工作状态。其中,惯性导航设备融合有GPS模块。
步骤S22:惯性导航设备输出当前的定位信息。
步骤S23:将该定位信息匹配到高精度电子地图上,判断在规划路线上车辆前方预设范围内(如100米内)是否有强特征,如果判断结果为是,则执行步骤S24,否则执行步骤S29。
步骤S24:判断双目相机拍摄的图像中是否包含强特征,如果判断结果为是,则执行步骤S25,否则执行步骤S29。
步骤S25:判断该强特征是否稳定,如果判断结果为是,则执行步骤S26,否则执行步骤S29。
步骤S26:根据双目相机拍摄的图像确定车辆与该强特征之间的第一相对距离,根据定位模块输出的定位信息确定车辆与该强特征之间的第二相对距离。
步骤S27:根据定位模块和双目相机的置信度确定对应的权重,对第一相对距离和第二相对距离进行加权求和,获得车辆与强特征之间的第三相对距离。
步骤S28:根据第三相对距离和该强特征的绝对位置计算车辆的绝对位置,对惯性导航设备的定位信息进行修正。
步骤S29:确定修正量为0,执行步骤S210。
步骤S210:将惯性导航设备输出的定位信息用于后续处理。
也就是说,如果在规划路线上车辆前方预设范围内没有强特征,则将惯性导航设备输出的定位信息作为车辆的绝对位置,即仅采用惯性导航设备进行定位,基于惯性导航设备输出的定位信息执行后续的操作(如导航操作和无人驾驶操作);如果双目相机拍摄的图像中不包含强特征,或者双目相机拍摄的图像包含强特征但该强特征不稳定,则将惯性导航设备输出的定位信息作为车辆的绝对位置,即仅采用惯性导航设备进行定位,基于惯性导航设备输出的定位信息执行后续的操作(如导航操作和无人驾驶操作)。
基于本申请公开的车辆的定位方法进行试验,车辆在横向的定位误差如图3所示,车辆在纵向的定位误差如图4所示。在图3和图4中,横轴为时间,纵轴为定位的偏差量,单位为米。可以看到,基于本申请公开的车辆的定位方法,车辆在横向的定位误差在0.5米范围内,车辆在纵向的定位误差在1.5米范围内。
本申请上述公开了车辆的定位方法,相应的,本申请公开一种车辆的定位系统。下文中关于定位系统的描述与上文中关于定位方法的描述,可以相互参见。
参见图5,图5为本申请公开的一种车辆的定位系统的结构示意图。该定位系统包括定位信息获取单元10、强特征分析单元20、第一处理单元30、相对距离确定单元40和车辆位置确定单元50。
其中:
定位信息获取单元10,用于通过定位模块获得所述车辆的定位信息。
强特征分析单元20,用于基于高精度电子地图和所述定位信息确定在所述车辆的规划路线上的前方预设范围内是否包含强特征。
第一处理单元30,在确定在所述车辆的规划路线上的前方预设范围内包含强特征的情况下,如果双目相机拍摄的图像包含所述强特征并且所述强特征稳定,则根据所述双目相机拍摄的图像确定所述车辆与所述强特征之间的第一相对距离,根据所述定位模块输出的定位信息确定所述车辆与所述强特征之间的第二相对距离。
相对距离确定单元40,用于对所述第一相对距离和所述第二相对距离进行加权求和,获得所述车辆与所述强特征之间的第三相对距离。其中,所述第一相对距离对应的权重和所述第二相对距离对应的权重的和为1。
车辆位置确定单元50,基于所述第三相对距离和所述强特征的绝对位置确定所述车辆的绝对位置。
本申请公开的车辆的定位系统,将通过双目相机拍摄的图像所确定的车辆与强特征的第一相对距离、以及通过定位模块所确定的车辆与强特征的第二相对距离相结合,来确定车辆与强特征之间的第三相对距离,该第三相对距离具有较高的准确度,而且,高精度电子地图包含的强特征信息是具有高精度的先验知识,因此,根据该第三相对距离和强特征的绝对位置所确定的车辆的绝对位置具有较高的精度,尤其是在恶劣工况下(如周围有高大建筑、云层遮挡、车辆通过隧道或者天桥)能够显著提高车辆定位的精度,实现车辆在全工况下的高精度定位;而且,高精度电子地图包含的强特征信息是先验知识,因此在判断双目相机拍摄的图像是否包含稳定的强特征的过程中,可以极大地减少特征误检、误匹配的概率,能够提高系统的稳定性;另外,当根据高精度电子地图确定在车辆的规划路线上的前方预设范围内包含强特征时,才会对双目相机拍摄的图像进行分析,能够极大的减小计算量;另外,从硬件角度来看,在车辆原有的定位模块的基础上,仅需要设置双目相机即可,系统的硬件改造成本较低。
可选的,在图5所示定位系统的基础上,进一步设置权重确定单元。权重确定单元用于:根据定位模块和双目相机的置信度确定第一相对距离对应的权重和第二相对距离对应的权重。
作为一种实施方式,定位模块和双目相机的置信度的大小与相应的权重的大小呈正相关关系。也就是说,如果定位模块的置信度高于双目相机的置信度,则第二相对距离对应的权重大于第一相对距离对应的权重;如果双目相机的置信度高于定位模块的置信度,则第一相对距离对应的权重大于第二相对距离对应的权重。
可选的,在本申请上述公开的定位系统的基础上,进一步设置路面信息获取单元。路面信息获取单元用于:基于车辆的绝对位置在电子地图中获取路面信息。
作为一个示例,第一处理单元30包括第一处理模块和第二处理模块。
第一处理模块,用于在强特征为第一类强特征的情况下,根据双目相机中的任意一个相机拍摄的图像确定车辆与所述强特征在横向的第一相对距离。第二处理模块,用于在强特征为第一类强特征的情况下,根据定位模块输出的定位信息确定车辆与所述强特征在横向的第二相对距离、以及车辆与所述强特征在纵向的第二相对距离。其中,第一类强特征包括车道边线。
作为另一个示例,第一处理单元30包括第三处理模块和第四处理模块。
第三处理模块,用于在强特征为第二类强特征的情况下,根据双目相机的两个相机拍摄的图像确定车辆与所述强特征在纵向的第一相对距离。第四处理模块,用于在强特征为第二类强特征的情况下,根据定位模块输出的定位信息确定车辆与所述强特征在横向的第二相对距离、以及车辆与所述强特征在纵向的第二相对距离。其中,第二类强特征包括路口停止线和路面转弯标志。
作为另一个示例,第一处理单元30包括第五处理模块和第六处理模块。
第五处理模块,用于在强特征为第三类强特征的情况下,根据双目相机的两个相机拍摄的图像确定车辆与该强特征在横向的第一相对距离、以及车辆与该强特征在纵向的第一相对距离。第六处理模块,用于在强特征为第三类强特征的情况下,根据定位模块输出的定位信息确定车辆与该强特征在横向的第二相对距离、以及车辆与该强特征在纵向的第二相对距离。其中,第三类强特征包括交通信号灯和限速标志牌。
最后,还需要说明的是,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。而且,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、物品或者设备不仅包括那些要素,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、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
本说明书中各个实施例采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似部分互相参见即可。对于实施例公开的定位系统而言,由于其与实施例公开的定位方法相对应,所以描述的比较简单,相关之处参见方法部分说明即可。
对所公开的实施例的上述说明,使本领域专业技术人员能够实现或使用本申请。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的,本文中所定义的一般原理可以在不脱离本申请的精神或范围的情况下,在其它实施例中实现。因此,本申请将不会被限制于本文所示的这些实施例,而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
Claims (10)
1.一种车辆的定位方法,其特征在于,包括:
通过定位模块获得所述车辆的定位信息;
基于高精度电子地图和所述定位信息确定在所述车辆的规划路线上的前方预设范围内是否包含强特征;
在确定在所述车辆的规划路线上的前方预设范围内包含强特征的情况下,如果双目相机拍摄的图像包含所述强特征并且所述强特征稳定,则根据所述双目相机拍摄的图像确定所述车辆与所述强特征之间的第一相对距离,根据所述定位模块输出的定位信息确定所述车辆与所述强特征之间的第二相对距离;
对所述第一相对距离和所述第二相对距离进行加权求和,获得所述车辆与所述强特征之间的第三相对距离,其中,所述第一相对距离对应的权重和所述第二相对距离对应的权重的和为1;
基于所述第三相对距离和所述强特征的绝对位置确定所述车辆的绝对位置。
2.根据权利要求1所述的定位方法,其特征在于,
所述根据所述双目相机拍摄的图像确定所述车辆与所述强特征之间的第一相对距离,包括:在所述强特征为第一类强特征的情况下,根据所述双目相机中的任意一个相机拍摄的图像确定所述车辆与所述强特征在横向的第一相对距离;
所述根据所述定位模块输出的定位信息确定所述车辆与所述强特征之间的第二相对距离,包括:在所述强特征为第一类强特征的情况下,根据所述定位模块输出的定位信息确定所述车辆与所述强特征在横向的第二相对距离、以及所述车辆与所述强特征在纵向的第二相对距离;
其中,所述第一类强特征包括车道边线。
3.根据权利要求1所述的定位方法,其特征在于,
所述根据所述双目相机拍摄的图像确定所述车辆与所述强特征之间的第一相对距离,包括:在所述强特征为第二类强特征的情况下,根据所述双目相机的两个相机拍摄的图像确定所述车辆与所述强特征在纵向的第一相对距离;
所述根据所述定位模块输出的定位信息确定所述车辆与所述强特征之间的第二相对距离,包括:在所述强特征为第二类强特征的情况下,根据所述定位模块输出的定位信息确定所述车辆与所述强特征在横向的第二相对距离、以及所述车辆与所述强特征在纵向的第二相对距离;
其中,所述第二类强特征包括路口停止线和路面转弯标志。
4.根据权利要求1、2或3所述的定位方法,其特征在于,还包括:根据所述定位模块和所述双目相机的置信度确定所述第一相对距离对应的权重和所述第二相对距离对应的权重。
5.根据权利要求1、2或3所述的定位方法,其特征在于,还包括:基于所述车辆的绝对位置在所述高精度电子地图中获取路面信息。
6.一种车辆的定位系统,其特征在于,包括:
定位信息获取单元,用于通过定位模块获得所述车辆的定位信息;
强特征分析单元,用于基于高精度电子地图和所述定位信息确定在所述车辆的规划路线上的前方预设范围内是否包含强特征;
第一处理单元,在确定在所述车辆的规划路线上的前方预设范围内包含强特征的情况下,如果双目相机拍摄的图像包含所述强特征并且所述强特征稳定,则根据所述双目相机拍摄的图像确定所述车辆与所述强特征之间的第一相对距离,根据所述定位模块输出的定位信息确定所述车辆与所述强特征之间的第二相对距离;
相对距离确定单元,用于对所述第一相对距离和所述第二相对距离进行加权求和,获得所述车辆与所述强特征之间的第三相对距离,其中,所述第一相对距离对应的权重和所述第二相对距离对应的权重的和为1;
车辆位置确定单元,基于所述第三相对距离和所述强特征的绝对位置确定所述车辆的绝对位置。
7.根据权利要求6所述的定位系统,其特征在于,所述第一处理单元包括:
第一处理模块,用于在所述强特征为第一类强特征的情况下,根据所述双目相机中的任意一个相机拍摄的图像确定所述车辆与所述强特征在横向的第一相对距离;
第二处理模块,用于在所述强特征为第一类强特征的情况下,根据所述定位模块输出的定位信息确定所述车辆与所述强特征在横向的第二相对距离、以及所述车辆与所述强特征在纵向的第二相对距离;
其中,所述第一类强特征包括车道边线。
8.根据权利要求6所述的定位系统,其特征在于,所述第一处理单元包括:
第三处理模块,用于在所述强特征为第二类强特征的情况下,根据所述双目相机的两个相机拍摄的图像确定所述车辆与所述强特征在纵向的第一相对距离;
第四处理模块,用于在所述强特征为第二类强特征的情况下,根据所述定位模块输出的定位信息确定所述车辆与所述强特征在横向的第二相对距离、以及所述车辆与所述强特征在纵向的第二相对距离;
其中,所述第二类强特征包括路口停止线和路面转弯标志。
9.根据权利要求6、7或8所述的定位系统,其特征在于,还包括:权重确定单元,用于根据所述定位模块和所述双目相机的置信度确定所述第一相对距离对应的权重和所述第二相对距离对应的权重。
10.根据权利要求6、7或8所述的定位系统,其特征在于,还包括:路面信息获取单元,用于基于所述车辆的绝对位置在所述高精度电子地图中获取路面信息。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810023287.8A CN110018503B (zh) | 2018-01-10 | 2018-01-10 | 车辆的定位方法及定位系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810023287.8A CN110018503B (zh) | 2018-01-10 | 2018-01-10 | 车辆的定位方法及定位系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110018503A true CN110018503A (zh) | 2019-07-16 |
CN110018503B CN110018503B (zh) | 2023-04-14 |
Family
ID=67188124
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810023287.8A Active CN110018503B (zh) | 2018-01-10 | 2018-01-10 | 车辆的定位方法及定位系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110018503B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110658809A (zh) * | 2019-08-15 | 2020-01-07 | 北京致行慕远科技有限公司 | 可移动设备行进的处理方法、装置及存储介质 |
CN110826743A (zh) * | 2019-10-23 | 2020-02-21 | 上海能塔智能科技有限公司 | 基于定位的预约取车方法及装置、存储介质、终端 |
WO2023029367A1 (zh) * | 2021-09-03 | 2023-03-09 | 博泰车联网科技(上海)股份有限公司 | 用于车辆定位的方法、车载uwb设备、路侧uwb设备和介质 |
CN116061807A (zh) * | 2023-03-06 | 2023-05-05 | 北京理工大学前沿技术研究院 | 一种基于车路信息融合的盲区预警方法及系统 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2000059764A (ja) * | 1998-08-07 | 2000-02-25 | Mazda Motor Corp | 車両の位置検出装置 |
CN201269758Y (zh) * | 2008-09-22 | 2009-07-08 | 交通部公路科学研究所 | 一种交通标志车载全自动检测记录系统 |
CN105674993A (zh) * | 2016-01-15 | 2016-06-15 | 武汉光庭科技有限公司 | 基于双目相机的高精度视觉定位地图生成系统及方法 |
CN105718865A (zh) * | 2016-01-15 | 2016-06-29 | 武汉光庭科技有限公司 | 一种自动驾驶中基于双目摄像头的道路安全检测系统及其方法 |
CN105718860A (zh) * | 2016-01-15 | 2016-06-29 | 武汉光庭科技有限公司 | 基于驾驶安全地图及双目交通标志识别的定位方法及系统 |
WO2016148237A1 (ja) * | 2015-03-19 | 2016-09-22 | クラリオン株式会社 | 情報処理装置、及び、車両位置検出方法 |
CN106842269A (zh) * | 2017-01-25 | 2017-06-13 | 北京经纬恒润科技有限公司 | 定位方法及系统 |
-
2018
- 2018-01-10 CN CN201810023287.8A patent/CN110018503B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2000059764A (ja) * | 1998-08-07 | 2000-02-25 | Mazda Motor Corp | 車両の位置検出装置 |
CN201269758Y (zh) * | 2008-09-22 | 2009-07-08 | 交通部公路科学研究所 | 一种交通标志车载全自动检测记录系统 |
WO2016148237A1 (ja) * | 2015-03-19 | 2016-09-22 | クラリオン株式会社 | 情報処理装置、及び、車両位置検出方法 |
CN105674993A (zh) * | 2016-01-15 | 2016-06-15 | 武汉光庭科技有限公司 | 基于双目相机的高精度视觉定位地图生成系统及方法 |
CN105718865A (zh) * | 2016-01-15 | 2016-06-29 | 武汉光庭科技有限公司 | 一种自动驾驶中基于双目摄像头的道路安全检测系统及其方法 |
CN105718860A (zh) * | 2016-01-15 | 2016-06-29 | 武汉光庭科技有限公司 | 基于驾驶安全地图及双目交通标志识别的定位方法及系统 |
CN106842269A (zh) * | 2017-01-25 | 2017-06-13 | 北京经纬恒润科技有限公司 | 定位方法及系统 |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110658809A (zh) * | 2019-08-15 | 2020-01-07 | 北京致行慕远科技有限公司 | 可移动设备行进的处理方法、装置及存储介质 |
CN110826743A (zh) * | 2019-10-23 | 2020-02-21 | 上海能塔智能科技有限公司 | 基于定位的预约取车方法及装置、存储介质、终端 |
WO2023029367A1 (zh) * | 2021-09-03 | 2023-03-09 | 博泰车联网科技(上海)股份有限公司 | 用于车辆定位的方法、车载uwb设备、路侧uwb设备和介质 |
CN116061807A (zh) * | 2023-03-06 | 2023-05-05 | 北京理工大学前沿技术研究院 | 一种基于车路信息融合的盲区预警方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN110018503B (zh) | 2023-04-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110631593B (zh) | 一种用于自动驾驶场景的多传感器融合定位方法 | |
CN105667518B (zh) | 车道检测的方法及装置 | |
CN110018503A (zh) | 车辆的定位方法及定位系统 | |
CN106407315B (zh) | 一种基于街景图像数据库的车辆自主定位方法 | |
WO2021017212A1 (zh) | 一种多场景高精度车辆定位方法、装置及车载终端 | |
EP3989170A1 (en) | Vehicle position and posture determination method and apparatus, and electronic device | |
CN102208012B (zh) | 风景匹配参考数据生成系统及位置测量系统 | |
JP6169945B2 (ja) | ナビゲーション装置および高架上下道判定方法 | |
CN107643086A (zh) | 一种车辆定位方法、装置及系统 | |
CN107339996A (zh) | 车辆自定位方法、装置、设备及存储介质 | |
CN113447033B (zh) | 一种车道级地图匹配方法及系统 | |
CN109031304A (zh) | 基于视觉和毫米波雷达地图特征的隧道内车辆定位方法 | |
CN103162689B (zh) | 辅助车载定位系统及车辆的辅助定位方法 | |
CN104677361B (zh) | 一种综合定位的方法 | |
CN110608746B (zh) | 用于确定机动车的位置的方法和装置 | |
CN105606102A (zh) | 一种基于格网模型的pdr室内定位方法及系统 | |
CN104949673B (zh) | 一种基于非视觉感知信息的目标定位方法及装置 | |
CN110119138A (zh) | 用于自动驾驶车辆的自定位方法、系统和机器可读介质 | |
CN108919320A (zh) | 一种基于v2x的自动驾驶车辆定位方法及装置 | |
CN110906953A (zh) | 一种自动驾驶定位的相对位置精度评估方法及装置 | |
CN106443742A (zh) | 一种基于惯性组合导航的精度指示方法及装置、车辆 | |
CN110794828A (zh) | 一种融合语义信息的路标定位方法 | |
CN111507204A (zh) | 倒计时信号灯的检测方法、装置、电子设备及存储介质 | |
CN104913775A (zh) | 无人机对地高度的测量方法、无人机定位方法及装置 | |
CN110243364A (zh) | 无人机航向确定方法、装置、无人机及存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |