CN110044256A - 自车位置估计装置 - Google Patents
自车位置估计装置 Download PDFInfo
- Publication number
- CN110044256A CN110044256A CN201910035085.XA CN201910035085A CN110044256A CN 110044256 A CN110044256 A CN 110044256A CN 201910035085 A CN201910035085 A CN 201910035085A CN 110044256 A CN110044256 A CN 110044256A
- Authority
- CN
- China
- Prior art keywords
- mentioned
- characteristic
- point
- image
- characteristic quantity
- 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
- G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
- G01B11/00—Measuring arrangements characterised by the use of optical techniques
- G01B11/002—Measuring arrangements characterised by the use of optical techniques for measuring two or more coordinates
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
- G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
- G06T7/74—Determining position or orientation of objects or cameras using feature-based methods involving reference images or patches
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
- G01C21/28—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network with correlation of data from several navigational instruments
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/38—Electronic maps specially adapted for navigation; Updating thereof
- G01C21/3804—Creation or updating of map data
- G01C21/3807—Creation or updating of map data characterised by the type of data
- G01C21/3811—Point data, e.g. Point of Interest [POI]
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/38—Electronic maps specially adapted for navigation; Updating thereof
- G01C21/3804—Creation or updating of map data
- G01C21/3807—Creation or updating of map data characterised by the type of data
- G01C21/3815—Road data
- G01C21/3822—Road feature data, e.g. slope data
-
- 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
- G01S19/48—Determining position by combining or switching between position solutions derived from the satellite radio beacon positioning system and position solutions derived from a further system
- G01S19/485—Determining position by combining or switching between position solutions derived from the satellite radio beacon positioning system and position solutions derived from a further system whereby the further system is an optical system or imaging system
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/29—Geographical information databases
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
- G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10016—Video; Image sequence
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30244—Camera pose
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30248—Vehicle exterior or interior
- G06T2207/30252—Vehicle exterior; Vicinity of vehicle
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30248—Vehicle exterior or interior
- G06T2207/30252—Vehicle exterior; Vicinity of vehicle
- G06T2207/30261—Obstacle
Landscapes
- Engineering & Computer Science (AREA)
- Remote Sensing (AREA)
- Radar, Positioning & Navigation (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Theoretical Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Databases & Information Systems (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Navigation (AREA)
- Traffic Control Systems (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
本发明提供能够更迅速并且更精度良好地估计自车位置的自车位置估计装置、自车位置估计方法、以及自车位置估计程序。通过对多个行驶图像、和包含与多个基准图像的各个相关联的沿着规定的行驶路径的环境中的环境特征点及多个基准图像的拍摄时的拍摄单元的位置以及姿势的地图信息进行比较来估计规定的行驶路径上的自车的位置以及姿势的自车位置估计装置包含:设定单元,其估计行驶路径的路面坡度差并且根据估计出的路面坡度差设定行驶图像中的与环境特征点对应的对应特征点的检测范围;以及估计单元,其基于在检测范围检测出的对应特征点从多个基准图像选择与行驶图像最相似的基准图像并且基于环境特征点与对应特征点的对应关系估计自车的位置以及姿势。
Description
技术领域
本发明涉及自车位置估计装置、自车位置估计方法、以及自车位置估计程序。
背景技术
提出了基于通过搭载于移动体的照相机等拍摄部拍摄出的拍摄图像,估计三维空间上的移动体的位置的技术。
以往,作为自车位置的估计相关的技术,例如已知有专利文献1所公开的自动驾驶控制装置。专利文献1所涉及的自动驾驶控制装置具有:自动驾驶信息登记部,其基于在车辆被驾驶员驾驶的登记模式下拍摄车辆的周围环境的图像亦即登记时图像,生成用于自动驾驶车辆的自动驾驶信息;以及自动驾驶控制部,其基于在自动驾驶车辆的自动驾驶模式下拍摄车辆的周围环境的图像亦即自动驾驶时图像、和自动驾驶信息,自动驾驶车辆,自动驾驶信息登记部具有:候补特征点提取部,其基于登记时图像,提取存在于车辆的周围环境的候补特征点;以及自动驾驶信息生成部,其基于在车辆的移动中拍摄到的多个登记时图像,选定候补特征点中判断为固定地配置在车辆的目的地的周围的结构体的候补特征点,作为特征点,并生成相对于规定的原点坐标的特征点的位置的信息亦即自动驾驶信息,自动驾驶控制部具有:车辆位置计算部,其基于自动驾驶时图像和自动驾驶信息,计算相对于原点坐标的车辆的位置的信息亦即车辆位置信息;以及自动驾驶执行控制部,其基于车辆位置信息,将车辆自动驾驶到目的地。即,在专利文献1所涉及的自动驾驶控制装置中,通过从预先行驶时的图像提取结构体的特征点,估计其三维位置并登记于地图,在自动驾驶时从图像提取结构体的特征点,并与登记于地图的结构体的特征点进行比较来估计自车位置。
另外,已知有LAM(Simultaneous Localization and Mapping:同时定位和地图创建)。SLAM有制成环境地图的地图创建模式、和估计环境地图上的自身位置的定位模式。
另外,已知有对通过照相机等得到的图像,通过FAST进行结构体的拐角那样的特征点的检测(图19的圆圈),作为特征量记述使用ORB特征量的ORB-SLAM(非专利文献1)。
这里,对于ORB特征量来说,例如进行256次从以得到的特征点为中心的31×31像素中选择两处5×5像素的区域(图19的1a与1b的组等),并得到其平均亮度的大小关系,作为32字节的特征量进行记述(图20)。
专利文献1:日本特开2017-138664号公报
非专利文献1:Raul Mur-Artal,J.M.M.Montiel and Juan D.Tardos,"ORB-SLAM:A Versatile and Accurate Monocular SLAM System.",IEEE Transactions onRobotics,vol.31,no.5,2015,pp.1147-1163.
然而,有提取与周围的亮度差较大的点作为从图像提取的特征点的情况。该情况下,例如,有在白天和夜晚,周围的亮度变化,所以特征点的特征量变化的情况。有由于该特征量的变化,而不能够顺利地与登记于地图的特征点建立对应关系,而不能够精度良好地估计自车位置的情况。在上述专利文献1中,未考虑周围的亮度的变化,所以在这样的情况下,难以精度良好地估计自车位置。
发明内容
本发明是为了解决上述的课题而完成的,目的在于提供即使在周围的亮度变化的情况下,也能够精度良好地估计自车位置的自车位置估计装置。
为了实现上述目的,技术方案1所述的自车位置估计装置具备:拍摄部,其拍摄使自车沿着规定的行驶路径行驶的状态下的多个行驶图像、以及沿着上述规定的行驶路径的多个位置上的基准图像;检测部,其从上述行驶图像检测行驶图像的特征点,并从上述基准图像检测分别相关联的上述基准图像的各特征点;存储部,其存储包含上述基准图像的特征点的至少一个特征点和基准图像的拍摄时的上述拍摄部的位置以及姿势的地图信息;以及估计部,其从上述多个基准图像选定与上述行驶图像相似的相似图像,使上述行驶图像的特征点与上述相似图像的特征点建立对应关系,并基于对应关系的结果,估计上述规定的行驶路径上的自车的位置以及姿势。
另外,技术方案2所述的发明是在技术方案1所述的发明中,包含计算通过上述检测部检测出的上述行驶图像的特征点、以及上述基准图像的特征点的特征量的计算部,基于通过计算部计算出的特征量从上述多个基准图像选定与上述行驶图像相似的相似图像。
另外,技术方案3所述的发明是在技术方案1或者2所述的发明中,还包含将通过上述估计部与上述相似图像的特征点建立了对应关系的上述行驶图像的特征点的特征量作为是上述相似图像的基准图像的特征点的特征量追加到上述地图信息的追加部。
另外,技术方案4所述的发明是在技术方案1~3中任意一项所述的发明中,上述估计部在与登记了多个特征量的上述相似图像的特征点建立对应关系时,对上述多个特征量的各个,在与上述行驶图像的特征点的特征量之间计算距离,在计算出的距离的最小值在预先决定的值以下的情况下,将上述行驶图像的特征点与上述相似图像的特征点建立对应关系。
另外,技术方案5所述的发明是在技术方案1~4中任意一项所述的发明中,上述追加部在上述相似图像的特征点所登记的多个特征点的数目达到上限数的情况下,对登记完毕的多个特征量以及追加的特征量中的特征量的每一对计算彼此的距离并删除计算出的与各特征量的距离的中值最少的特征量。
另外,技术方案6所述的发明是在技术方案1~5中任意一项所述的发明中,上述地图信息还包含从上述多个基准图像的各个检测出的特征点的上述地图信息上的位置,上述估计部通过基于建立了对应关系的上述行驶图像的特征点的位置和上述相似图像的特征点的位置,估计上述拍摄部的位置以及姿势,并将估计出的上述拍摄部的位置以及姿势换算为自车的代表点,来估计上述规定的行驶路径上的自车的位置以及姿势。
另外,技术方案7所述的发明是在技术方案6所述的发明中,上述估计部估计利用上述行驶图像的特征点的位置与基于上述相似图像的拍摄时的上述拍摄部的位置以及姿势将上述相似图像的特征点投影到上述行驶图像得到的投影点的位置之差表示的投影误差的总和最少的上述拍摄部的位置以及姿势。
另外,技术方案8所述的发明是在技术方案7所述的发明中,上述追加部有选择地将通过上述估计部建立了对应关系的上述行驶图像的特征点中,上述投影误差在预先决定的值以下的特征点的特征量追加到上述地图信息。
另外,技术方案9所述的发明是在技术方案1所述的发明中,通过上述检测部检测出的来自上述基准图像的各特征点是沿着上述规定的行驶路径的环境中的环境特征点。
另外,技术方案10所述的发明是在技术方案9所述的发明中,包含估计上述行驶路径的路面坡度差,并且根据估计出的上述路面坡度差设定上述行驶图像中的与上述环境特征点对应的对应特征点的检测范围的设定部,基于在上述检测范围检测出的上述对应特征点从上述多个基准图像选定与上述行驶图像相似的相似图像。
另外,技术方案11所述的发明是在技术方案9或者10所述的发明中,在上述地图信息包含有表示上述环境特征点各自的特征的特征量,上述估计部选择包含最多上述建立了对应关系的特征点的基准图像作为上述最相似的基准图像,并且对上述对应特征点的特征量与上述最相似的基准图像的环境特征点的特征量进行比较将上述环境特征点与上述对应特征点建立对应关系。
另外,技术方案12所述的发明是在技术方案9或者11所述的发明中,上述拍摄部以拍摄上述拍摄单元前方的预先决定的区域的方式固定在自车的预先决定的位置,上述设定部从上述多个基准图像选择与上述预先决定的区域最相似的基准图像,并且根据基于与选择的基准图像相关联的上述拍摄单元的位置以及姿势的路面坡度与基于对上一次拍摄到的行驶图像估计出的上述拍摄单元的位置以及姿势的路面坡度的差分来估计上述路面坡度差。
另外,技术方案13所述的发明是在技术方案9或者12所述的发明中,上述设定部根据上述路面坡度差使上述检测范围在上述行驶图像的上下方向移动。
另外,技术方案14所述的发明是在技术方案13所述的发明中,与上述预先决定的区域相比自车位置的路面坡度越大,上述设定部越将上述行驶图像上的上述检测范围的位置设定在上部。
另外,技术方案15所述的发明是使用储存了各自的位置已知的多个特征点的特征量的环境地图估计自车的位置的自车位置估计装置,包含:特征点提取部,其从拍摄自车的周边的图像提取多个特征点;特征量计算部,其对上述多个特征点的各个,计算基于上述特征点的亮度的特征量;光源方向估计部,其基于传感器信息,估计上述图像的拍摄时的相对于拍摄方向的光源的方向;修正系数决定部,其对上述多个特征点的各个,基于上述特征点的特征量、上述估计出的上述光源的方向、以及获取上述环境地图的特征量时的预先求出的上述光源的方向,决定用于将上述特征点的特征量修正为是获取上述环境地图的特征量时的上述光源的方向时的上述特征点的特征量的特征量修正系数;特征量修正部,其对上述多个特征点的各个,基于上述特征点的特征量、和上述特征点的特征量修正系数,修正上述特征点的特征量;以及估计部,其基于上述多个特征点各自的上述修正后的特征量、和上述环境地图的多个特征点各自的特征量,估计上述自车的位置。
另外,技术方案16所述的发明是使用储存了各自的位置已知的多个特征点的特征量的环境地图估计自车的位置的自车位置估计装置,包含:特征点提取部,其从拍摄自车的周边的图像提取多个特征点;特征量计算部,其对上述多个特征点的各个,计算基于上述特征点的亮度的特征量;光源方向估计部,其基于传感器信息,估计上述图像的拍摄时的相对于拍摄方向的光源的方向;修正系数决定部,其对上述环境地图的多个特征点的各个,基于上述特征点的特征量、上述估计出的上述光源的方向、以及获取上述环境地图的特征量时的预先求出的上述光源的方向,决定用于将上述环境地图的上述特征点的特征量修正为是获取上述环境地图的特征量时的上述光源的方向时的上述特征点的特征量的特征量修正系数;特征量修正部,其对上述环境地图的多个特征点的各个,基于上述环境地图的上述特征点的特征量、和与上述特征点对应的特征量修正系数,修正上述特征点的特征量;以及估计部,其基于上述环境地图的多个特征点各自的上述修正后的特征量、和上述多个特征点各自的特征量,估计上述自车的位置。
另外,技术方案17所述的发明是在技术方案15或者16所述的发明中,还包含基于通过传感器信息得到的亮度,估计上述车辆的日照条件的日照条件估计部,上述修正系数决定部在通过上述日照条件估计部得到的日照条件是由于上述光源的方向的差异而对特征量造成影响的日照条件的情况下,对上述多个特征点的各个,根据上述估计出的特征点、上述光源的方向、以及获取上述环境地图的特征量时的预先求出的上述光源的方向,决定修正上述特征点的特征量的特征量修正系数。
根据本发明,能够提供即使在周围的亮度变化的情况下,也能够精度良好地估计自车位置的自车位置估计装置。
附图说明
图1涉及实施方式1以及2,(a)是表示搭载了照相机的车辆的图,(b)是表示自车位置估计装置的构成的一个例子的框图。
图2涉及实施方式1以及2,(a)是表示的实施方式1、2所涉及的停车路径上的特征点的一个例子的图。(b)是表示实施方式1、2所涉及的关键帧的照相机位置与特征点的位置的一个例子的图。
图3是表示实施方式1所涉及的自车位置估计装置的功能构成的一个例子的框图。
图4是用于说明实施方式1所涉及的行驶图像的特征点与相似关键帧的特征点的对应关系的图。
图5是用于说明实施方式1所涉及的行驶图像的特征量与相似关键帧的特征量之间的距离的图。
图6是用于说明实施方式1所涉及的投影误差的说明的图。
图7是用于说明实施方式1所涉及的相似关键帧的特征点所登记的多个特征量的数目达到上限数的情况下删除的特征量的图。
图8是表示基于实施方式1所涉及的自车位置估计程序的处理的流程的一个例子的流程图。
图9涉及实施方式2,(a)是说明基于路面坡度的照相机俯仰角的不同的图,(b)是说明特征点检测范围的图,(c)是说明特征点检测范围的上端、下端与路面坡度的关系的图。
图10涉及实施方式2,(a)是表示首次的特征点检测范围的图,(b)是表示路面坡度差>0的情况下的特征点检测范围的图。
图11是表示基于实施方式2所涉及的自车位置估计程序的处理流程的流程图。
图12是说明实施方式2所涉及的投影误差的图。
图13是表示实施方式3所涉及的概略结构的框图。
图14是表示实施方式3所涉及的特征量修正系数的一个例子的图。
图15是表示实施方式3所涉及的方式中的位置估计处理例程的内容的流程图。
图16是表示实施方式3所涉及的方式中的修正系数决定处理例程的内容的流程图。
图17是表示实施方式3的变形例所涉及的方式中的概略结构的框图。
图18是表示实施方式3的变形例所涉及的方式中的修正系数决定处理例程的内容的流程图。
图19是表示现有技术(非专利文献)中的特征点的检测、和求出特征量的方法的例子的示意图。
图20是表示现有技术(非专利文献)中的特征量的例子的示意图。
图21是表示在现有技术(非专利文献)中,光线方向变化的情况下的例子的示意图。
图22是表示在现有技术(非专利文献)中,光线方向变化的情况下的特征量的例子的示意图。
具体实施方式
以下,参照附图,对本发明的实施方式1进行详细说明。此外,在以下的说明中,以作为移动体以车辆为例,将车辆估计自车的位置时的周围环境作为停车场,并例示从停车场外部到停车地点为止的路径作为行驶路径为例进行说明。
参照图1~图8,对实施方式1所涉及的自车位置估计装置、自车位置估计方法、以及自车位置估计程序进行说明。
图1(a)是表示实施方式1所涉及的搭载了照相机14的车辆50的一个例子的侧视图。如图1(a)所示,车辆50具备在实施方式1所涉及的自车位置的估计处理(以下,称为“自车位置估计处理”。)中使用的作为拍摄部的一个例子的照相机14。
实施方式1所涉及的照相机14设置在车辆50的后部的后备箱等,并拍摄车辆后方。照相机14例如设置在车宽方向的大致中央部附近,并且被配置为照相机14的光轴与水平方向相比稍微朝向下侧。此外,在实施方式1中,例示将照相机14设置在车辆50的后部的方式进行说明,但是并不限定于此,也可以根据环境等例如设置在前部。另外,在实施方式1中,例示单眼照相机作为照相机14来进行说明,但是并不限定于此,也可以是其它形式的照相机,例如立体照相机等。
图1(b)是表示实施方式1所涉及的自车位置估计装置10的电构成的一个例子的框图。如图1(b)所示,实施方式1所涉及的自车位置估计装置10构成为搭载于车辆50,并包含控制部12、照相机14、存储部16、以及显示部18。
控制部12进行用于估计自车位置的运算等。控制部12作为一个例子通过包含CPU(Central Processing Unit:中央处理器)12A、ROM(Read Only Memory:只读存储器)12B、RAM(Random Access Memory:随机存储器)12C、作为输入输出接口的I/O12D等而构成。CPU12A、ROM12B、RAM12C、以及I/O12D的各个通过总线12E相互连接。
CPU12A统一控制自车位置估计装置10的整体。ROM12B存储包含用于生成在本实施方式1使用的地图的地图生成程序、估计自车位置的自车位置估计程序的各种程序、数据等。RAM12C是作为各种程序的执行时的工作区使用的存储器。通过将存储于ROM12B的程序展开在RAM12C并由CPU12A执行,来进行地图的生成、自车位置的估计。
在控制部12,经由I/O12D,连接有照相机14、存储部16、以及显示部18。通过照相机14拍摄到的图像经由I/O12D被控制部12获取。
另外,在存储部16储存有实施方式1所涉及的自车位置估计处理所使用的地图信息等。存储部16的形态并不特别限定,但作为一个例子能够使用HDD(Hard Disk Drive:硬盘驱动器)、SSD(Solid State Drive:固态硬盘)、闪存等。此外,存储部16既可以设置在控制部12内,也可以能够进行外部连接。另外,也可以在存储部16除了通过控制部12的控制生成的地图信息之外,还代替ROM12B,存储地图生成程序、自车位置估计程序。
显示部18显示照相机14拍摄到的图像等。显示部18的形态并没有限制,但例如能够使用液晶监视器、CRT(Cathode Ray Tube:阴极射线管)监视器、FPD(Flat PanelDisplay:平板显示)监视器等。
图2(a)是表示实施方式1的停车路径上的特征点的一个例子的图。
在图2(a)中,示出在实施方式1假定的停车场的样子(以下,称为“环境”。)。
在实施方式1中,作为车辆50的行驶路径,假定图2(a)所示的从“开始”的位置(出发地点)到“终点”的位置(停车地点)为止。图2(a)所示的附图标记“FP”示出以下说明的特征点的位置。在估计车辆50的自车位置的情况下,需要预先决定具有规定的大小的车辆50内的位置(以下,称为“车辆代表点X”),但如图2(b)所示,在实施方式1中使该车辆代表点X为后轮的中央的点。然而,代表点的位置并不限定于此,例如也可以是车辆50的重心的位置。
图2(b)是表示实施方式1所涉及的关键帧的照相机位置与特征点的位置的一个例子的图,是图2(a)所示的环境的俯视图。
如图2(b)所示,搭载了照相机14的车辆50从开始地点SP行驶到终点地点GP。在实施方式1所涉及的自车位置估计处理中,在实际的行驶之前,预先利用照相机14拍摄环境,并生成与拍摄到的图像建立相关关系的规定的附加数据作为地图,附图标记“S”示出地图的生成时的车辆50的行驶轨迹。在实际的停车时,基本而言沿着行驶轨迹S进行行驶。以下,有时为了与行驶轨迹S区分,而将实际的停车时(行驶时)行驶的路径称为“行驶路径”。
图2(b)所示的小圆表示特征点FP的位置。在实施方式1中,“特征点”是指基于建筑物的凹凸的阴影、壁面的纹路等在拍摄图像中亮度的浓淡差比规定值大的点。因此,如图2(b)所示,特征点出现在环境中的建筑物30的壁面WS,或者建筑物30的角部的情况较多,另外,在一个地图中选定多个特征点FP。并且,在实施方式1中,为了区分多个特征点FP的各个,将“特征量”与各个特征点FP建立对应关系。实施方式1所涉及的“特征量”作为一个例子是指特征点附近的亮度的浓淡差的图案。
图2(b)中的附图标记“CP”表示在生成地图时,进行了通过照相机14的拍摄的多个(在图2(b)的例子中为十二个)拍摄点。在实施方式1中,将在该多个拍摄点CP拍摄到的图像称为“关键帧”,和特征点FP以及与特征点FP建立相关关系的信息一起构成生成地图时的数据。这里所说的“关键帧”是“基准图像”的一个例子。即,关键帧是预先在多个拍摄点CP拍摄到的多个图像,特征点相关的信息与该关键帧建立相关关系。此外,在以下的说明中,将生成地图时的拍摄点称为“地图拍摄点CP”,将实际的停车时的拍摄点称为“行驶拍摄点”。另外,将在行驶拍摄点拍摄到的图像称为“行驶图像”。
如上述那样,实施方式1所涉及的CPU12A通过将存储于ROM12B的自车位置估计程序写出到RAM12C并执行,作为图3所示的各部发挥作用。
图3是表示实施方式1所涉及的自车位置估计装置10的功能构成的一个例子的框图。如图3所示,实施方式1所涉及的自车位置估计装置10的CPU12A作为检测部20、计算部22、估计部24、以及追加部26发挥作用。另外,地图信息16A预先存储于存储部16。
对实施方式1所涉及的地图信息16A进行说明。在地图信息16A包含有以下的信息。
(1)各特征点FP的以三维显示的坐标(三维位置坐标(Xp,Yp,Zp))。
(2)各关键帧中的照相机的三维位置坐标(Xc,Yc,Zc)和姿势(侧倾角、俯仰角、横摆角)。
(3)各关键帧上的各特征量。
对于地图的生成来说,预先由人进行驾驶在行驶轨迹S上行驶,并根据行驶时的照相机14的拍摄图像估计特征点的坐标(三维位置)和关键帧上的照相机14的位置。例如能够使用Visual SLAM(Simultaneous定位and地图创建:同时定位和映射)进行这些估计。即,根据拍摄图像,使用Visual SLAM估计特征点的三维位置和关键帧的照相机位置,并将这些估计值和关键帧上的特征点的特征量登记于地图信息16A。
更详细而言,作为特征点的检测方法,例如能够应用ORB(Oriented FAST andRotated BRIEF)-SLAM。ORB-SLAM检测拐角作为特征点,检测方法使用FAST(Featuresfrom Accelerated Segment Test)。另外,对于ORB-SLAM来说,特征量的记述使用ORB。ORB以BRIEF(Binary Robust Independent Elementary Features:二进制独立鲁棒特征)为基础,发展为具有尺度不变性和旋转不变性。ORB-SLAM被非专利文献公开,所以省略详细的说明。
对以上进行总结,将在地图生成时在地图拍摄点CP拍摄到的多个图像亦即关键帧被拍摄时的特征点的坐标、对各特征点登记的至少一个特征量、照相机14的位置以及姿势建立相关关系,并作为地图信息16A储存于存储部16。另外,在后述的自车位置估计处理中参照储存于存储部16的地图信息16A。
实施方式1所涉及的检测部20根据在使自车沿着行驶路径行驶的状态下由照相机14拍摄到的行驶图像检测特征点。如上述那样,该特征点的检测作为一个例子使用FAST等。
实施方式1所涉及的计算部22计算表示由检测部20检测出的特征点的特征的特征量。如上述那样,该特征量作为一个例子使用ORB等。
实施方式1所涉及的估计部24基于由计算部22计算出的特征量,从多个关键帧选定与行驶图像相似的相似关键帧。这里所说的相似关键帧是“相似图像”的一个例子。此外,在行驶图像为首次(换句话说,第一帧)的情况下,作为一个例子,使用Bag of VisualWords等,根据行驶图像的特征点的特征量,选定与行驶图像最相似的相似关键帧。该Bagof Visual Words是将图像中的许多的局部特征进行矢量量子化为直方图的工具,是判定图像彼此的相似的程度的工具。基于Bag of Visual Words的关键帧的提取需要一定的时间,但在停车到开始地点SP时的首次的行驶图像中,即使使用处理时间比较长的Bag ofVisual Words也无妨。另一方面,行驶图像的第二次以后选定距离上一次估计出的照相机位置最近的关键帧作为相似关键帧。
接下来,估计部24通过对行驶图像的特征点的特征量与相似关键帧的特征点的特征量进行比较,使行驶图像的特征点与相似关键帧的特征点建立对应关系。
图4是用于说明实施方式1所涉及的行驶图像的特征点与相似关键帧的特征点的对应关系的图。
如图4所示,将行驶图像的特征点P1~P6与相似关键帧的特征点R1~R6建立对应关系。具体而言在使用ORB作为特征量的情况下,对行驶图像的ORB特征量与相似关键帧的ORB特征量进行比较,计算ORB特征量间的距离。作为该ORB特征量间的距离,作为一个例子使用海明距离进行计算。
图5是用于说明实施方式1所涉及的行驶图像的特征量与相似关键帧的特征量之间的距离的图。
在图5中,为了使说明变得简单,作为一个例子以八位示出行驶图像的某个特征点的ORB特征量、以及相似关键帧的某个特征点的多个ORB特征量的各个。此外,ORB特征量的位数并不特别限定。对多个ORB特征量的各个分配有用于识别的索引1、2、···。以在行驶图像的ORB特征量与相似关键帧的各ORB特征量(索引1、2、···)之间值不同的位的数目来表示这里所说的海明距离。在图5的例子中,在各索引1、2、···中对值不同的位附加下划线。换句话说,索引1的海明距离为“4”,索引2的海明距离为“2”。该情况下,采用海明距离的最小值作为特征量间的距离。
这里,在行驶图像为首次的情况下,对相似关键帧的各特征点仅登记一个特征量。换句话说,在首次,表示各特征点的特征量的索引数为“1”。另一方面,在行驶图像的第二次以后的情况下,如图5所示,通过后述的追加部26追加登记特征量,所以有登记的特征量的索引数成为“2”以上的情况。因此,在第二次以后,采用在特征量间计算出的海明距离的最小值作为特征量间的距离。
换句话说,在相似关键帧的特征点登记了多个特征量(作为一个例子是ORB特征量)的情况下,估计部24在与登记多个特征量的相似关键帧的特征点建立对应关系时,对多个特征量的各个,在与行驶图像的特征点的特征量之间计算距离(作为一个例子是海明距离),并在计算出的距离的最小值在规定值以下的情况下,使行驶图像的特征点与相似关键帧的特征点建立对应关系。由此,容易将特征量间的距离限制在规定值以下,即使在根据周围的亮度的变化而行驶图像的特征点的特征量变化的情况下,也能够建立对应关系。此外,也可以代替ORB,而应用特征点间的矢量,作为特征量。该情况下,代替海明距离,应用欧几里得距离。
接下来,估计部24基于上述的对应关系的结果,估计行驶路径上的自车的位置以及姿势。具体而言,估计部24基于建立了对应关系的行驶图像的特征点的位置和相似关键帧的特征点的位置,估计照相机14的位置以及姿势。实施方式1估计以行驶图像的特征点的位置与基于相似关键帧的拍摄时的照相机14的位置以及姿势将相似关键帧的特征点投影到行驶图像得到的投影点的位置之差表示的投影误差的总和最小的照相机14的位置以及姿势。
图6是用于说明实施方式1所涉及的投影误差的图。在图6中,示出行驶图像的特征点R1~R6的位置、与地图建立对应关系的地图坐标系CM上的特征点P1~P6的位置(三维位置)、以及将与地图建立对应关系的特征点P1~P6的位置投影到行驶图像的投影点V1~V6的位置。此外,在地图坐标系CM上,X轴表示水平方向,Y轴表示进深方向,Z轴表示垂直方向。此时,对于特征点P1的位置的投影误差ε1成为特征点R1的位置与投影点V1的位置之差。对于特征点P2~P6各自的位置也相同。根据实施方式1所涉及的特征点的对应,误对应较少,所以能够更正确地估计照相机14的位置以及姿势。
接下来,估计部24通过将在上述估计出的照相机14的位置以及姿势换算为自车的代表点,估计行驶路径上的自车的位置以及姿势。这里所说的自车的位置是指车辆代表点X的地图上的位置。实施方式1预先明确车辆代表点X与照相机14的相对位置,所以基于相对位置关系将照相机14的位置以及姿势换算为车辆代表点X的位置。
实施方式1所涉及的追加部26将通过估计部24与相似关键帧的特征点建立了对应关系的行驶图像的特征点的特征量作为作为相似关键帧的关键帧的特征点的特征量追加登记到地图信息16A。例如,追加部26也可以有选择地将通过估计部24建立了对应关系的行驶图像的特征点中的、投影误差在规定值以下的特征点(也将这些特征点称为“内点”。)的特征量追加登记到地图信息16A。在图6的例子中,追加登记行驶图像的特征点R1、R2、R3、R6的特征量。由此,能够防止登记投影误差较大的特征点的特征量。
此外,为了抑制登记数,追加部26也可以在相似关键帧的特征点所登记的多个特征量的数目达到上限数的情况下,对登记完毕的多个特征量以及追加的特征量中的特征量的每一对计算相互的距离(作为一个例子为海明距离),并删除计算出的与各特征量的距离的中值最小的特征量。
图7是用于说明实施方式1所涉及的相似关键帧的特征点所登记的多个特征量的数目达到上限数的情况下删除的特征量的图。
在图7的例子中,上限数为“4”,对于某个特征点对登记完毕的特征量分配索引1~4。而且,将追加给该特征点的特征量的索引设为索引5。对于索引1,作为一个例子得到(0、15、9、13、20)作为在与索引1~5的各个之间计算海明距离的计算结果。该情况下,海明距离的中值为“13”(带下划线的值)。同样地,对于索引2,作为一个例子得到(15、0、10、5、29)作为计算结果。该情况下,海明距离的中值为“10”。对于索引3,作为一个例子得到(9、10、0、7、12)作为计算结果。该情况下,海明距离的中值为“9”。对于索引4,作为一个例子得到(13、5、7、0、31)作为计算结果。该情况下,海明距离的中值为“7”。对于索引5,作为一个例子得到(20、29、12、31、0)作为计算结果。该情况下,海明距离的中值为“20”。
根据上述,各索引1~5的海明距离的中值为(13、10、9、7、20)。由此,海明距离的中值的最小值为“7”。该情况下,删除对应的索引4的特征量。
接下来,参照图8,对本实施方式1所涉及的自车位置估计装置10的作用进行说明。此外,图8是表示基于本实施方式1所涉及的自车位置估计程序的处理的流程的一个例子的流程图。
若进行了执行开始的指示,则实施方式1所涉及的自车位置估计程序随着图2(b)所示的人从停车到开始地点SP的状态朝向终点地点GP驾驶车辆50,执行自车位置估计处理。但是,并不限定于此,例如也可以将本自车位置估计程序应用于从开始地点SP到终点地点GP自动驾驶车辆50的情况。在实施方式1中,预先生成地图信息16A,并储存于存储部16。
此外,在本实施方式1中,设为使自车位置估计程序预先存储于ROM12B等的方式,但并不限定于此。例如,本自车位置估计程序也可以应用以存储于能够由计算机进行读取的便携式存储介质的状态提供的方式、经由未图示的网络接口等通信单元分发的方式等。此外,作为便携式存储介质,作为一个例子能够列举CD-ROM(Compact Disk Read OnlyMemory:光盘只读存储器)、DVD-ROM(Digital Versatile Disk Read Only Memory:数字通用盘只读存储器)、以及USB(Universal Serial Bus:通用串行总线)存储器等。
在图8的步骤100中,检测部20获取在使车辆50行驶的状态下由照相机14拍摄到的行驶图像。对于该行驶图像的获取来说,在车辆50从开始地点SP出发后每隔预先决定的时间,例如每隔作为一般的视频码率的33ms(毫秒)获取。
在步骤102中,检测部20根据行驶图像检测特征点。作为一个例子特征点的检测使用FAST。
在步骤104中,计算部22计算表示在上述步骤102检测出的特征点的特征量。作为一个例子特征量的计算使用ORB。
在步骤106中,估计部24判定行驶图像的获取是否为首次(第一次)。在本实施方式1所涉及的自车位置估计处理中,根据是首次还是第二次以后,而改变以后的处理中的相似关键帧的搜索方法。在判定为行驶图像的获取为首次的情况下(肯定判定的情况下),移至步骤108,在判定为行驶图像的获取不为首次,换句话说判定为第二次以后的情况下(否定判定的情况下),移至步骤110。
在步骤108中,估计部24根据在上述步骤104计算出的特征量,并作为一个例子使用Bag of Visual Words等选定与行驶图像最相似的关键帧作为相似关键帧。
另一方面,在步骤110中,估计部24选定最接近上一次估计出的照相机位置的关键帧作为相似关键帧。
在步骤112中,如图4以及图5所示,估计部24在相似关键帧与行驶图像之间比较特征量使特征点建立对应关系(配对)。
在步骤114中,如图6所示,估计部24以利用行驶图像的特征点的位置与将相似关键帧的特征点投影到行驶图像得到的投影点的位置之差表示的投影误差最小的方式估计照相机14的位置以及姿势。
在步骤116中,估计部24将在上述步骤114估计出的照相机14的位置以及姿势换算为自车的位置以及姿势。如上述那样,这里所说的自车的位置是指车辆代表点X的地图上的位置。在本实施方式中,预先明确车辆代表点X与照相机14的相对位置,所以基于相对位置关系将照相机的位置以及姿势换算为车辆代表点X的位置。该换算为简单的运算,所以能够在短时间估计出行驶中的自车位置,能够减小车辆运动控制的延迟时间。其结果,能够高精度地将车辆引导至目标路径,所以例如能够在狭窄的位置进行停车,能够使停车空间省空间化。
在步骤118中,追加部26将在上述步骤112与相似关键帧的特征点建立了对应关系的行驶图像的特征点中的、投影误差在规定值以下的特征点(内点)的特征量作为作为相似关键帧的关键帧的特征点的特征量追加登记到地图信息16A。
在步骤120中,追加部26判定是否在全部的行驶拍摄点结束图像的获取。此外,在首次的情况下本判定成为否定判定所以返回到步骤100,继续行驶图像的获取。另一方面,在第二次以后的情况下本判定成为肯定判定,所以结束基于本自车位置估计程序的一系列的处理。
这样根据实施方式1,建立了对应关系的行驶图像的特征点的特征量被追加为到上一前次位置的基准图像的特征点的特征量,下次以后的行驶图像的特征点的特征量也与基准图像的追加的特征量进行比较。由此,判断为相似的特征量的范围变宽,所以即使在由于周围的亮度的变化而特征量变化的情况下,也能够使特征点建立对应关系,能够精度良好地估计自车位置。并且,在应用于自动停车系统的情况下,能够高精度地将车辆引导至目标路径,所以能够在狭窄的位置进行停车,能够使停车空间省空间化。
以上,作为实施方式1例示自车位置估计装置进行了说明。实施方式也可以是用于使计算机作为位置姿势估计装置具备的各部发挥作用的程序的方式。实施方式也可以是存储了该程序的计算机能够读取的存储介质的方式。
除此之外,上述实施方式1所说明的自车位置估计装置的构成是一个例子,也可以在不脱离主旨的范围内根据状况进行变更。
另外,上述实施方式1所说明的程序的处理的流程也是一个例子,也可以在不脱离主旨的范围内删除不需要的步骤,或者追加新的步骤,或者更换处理顺序。
另外,在上述实施方式1中,对通过执行程序,从而利用计算机通过软件构成实现实施方式的处理的情况进行了说明,但并不限定于从。例如也可以通过硬件构成,或者硬件构成与软件构成的组合实现实施方式。
接下来对实施方式2进行说明。此外,对与实施方式1所涉及车辆位置估计装置10相同的构成附加相同的附图标记并省略详细的说明。在实施方式2中,“关键帧”相当于“基准图像”,与关键帧建立相关关系的图2(b)的特征点FP相当于本发明所涉及的“环境特征点”。与此相对,与行驶图像建立相关关系的特征点FP相当于本发明所涉及的“对应特征点”。
这里,参照图9、图10对本实施方式2所涉及的特征点检测范围的设定进行说明。如上述那样,有伴随车辆50的行驶由照相机14拍摄到的图像(关键帧、行驶图像)上的特征点FP的分布根据车辆50行驶的路面的状态等重要因素而变化的情况。在本实施方式2中,作为对拍摄图像整体的特征点的分布造成影响的重要因素,假定成为自车位置的估计的对象的车辆50行驶的路面的坡度。即,构成为在起因于路面坡度而拍摄图像整体的特征点的分布产生偏差的可能性较高的情况下,变更特征点的检测范围。
图9(a)示出在有坡度的路面R上行驶的车辆50。图9(a)所示的例子是自车前方为上坡的例子,但当然在自车前方为下坡的情况下考虑方法也相同。在图9(a)中,位置P0表示基准位置,位置P1表示登攀中途的位置,车辆50位于各个位置。这里,将处于位置P0的车辆50的照相机14的俯仰角设为θf,并将处于位置P1的车辆的照相机14的俯仰角设为θ1。实施方式2所涉及的俯仰角θ是指从水平方向测量到的照相机14的光轴的倾斜角度,将从水平方向接近地面的方向定义为正向。并且,以(θ1-θf)定义路面坡度差Δθ(Δθ=(θ1-θf))。在该定义的基础上,路面坡度差Δθ与图3(a)所示的角度相等。此外,如上述那样,在实施方式2中配置为照相机14的光轴与水平方向相比稍微朝向下侧,但从理解的容易度触发,以下设为平坦的路面R上的照相机14的光轴的方向为水平方向来进行说明。
图9(b)示意地示出拍摄到的图像G上的特征点检测范围As。本实施方式2所涉及的特征点检测范围As是指图像G中被指定为特征点FP的搜索范围的区域。即,特征点FP的检测不在图像G的整体,而在被指定并被限定的区域进行。如图9(b)所示,在本实施方式2中,指定图像G的上下位置的上端Gu以及下端Gd来进行特征点检测范围As的指定。此外,特征点检测范围As的指定方法并不限定于此,例如也可以利用上端Gu与下端Gd的中点Gc、和图像宽度Ws来进行指定。图9(b)示出在车辆50处于大致平坦的路面的基准位置的情况下的特征点检测范围As0,上端为Gu0,下端为Gd0。
图9(c)示出路面坡度差Δθ与特征点检测范围As的关系。图9(c)示出自车前方为上坡的情况下的、路面坡度差Δθ为Δθ1~Δθ2的范围的特征点检测范围。路面坡度差Δθ=0的点表示路面坡度差大致为零而路面R平坦的位置。即,以Δθ=0为界切换路面坡度差Δθ的正负(换句话说,Δθ1<0,Δθ2>0)。路面坡度差Δθ=0时的特征点检测范围As0为上端Gu0与下端Gd0之间的范围。此外,在图9(c)中,例示了在路面坡度差Δθ为Δθ1~Δθ2的范围,特征点检测范围As的范围的宽度恒定的情况,但当然也可以根据路面坡度差Δθ改变特征点检测范围As的宽度。
图10示出实际的图像上的特征点检测范围As的一个例子。图10(a)是车辆50例如位于路面坡度差Δθ大致为零的平坦的路面R的情况下的特征点检测范围的例子。如图10(a)所示,该情况下的特征点检测范围As0的上端Gu0为距离图像G的上端预先决定的长度的位置,下端Gd0为距离图像G的下端预先决定的长度的位置。换句话说,在特征点检测范围As0,在图像G的上端的预先决定的区域、和下端的预先决定的区域进行特征点FP的检测。
另一方面,图10(b)是车辆50位于路面坡度差Δθ为Δθ>0的路面R的情况下的特征点检测范围As1的例子。如图10(b)所示,该情况下的特征点检测范围As1的上端Gu1几乎为图像G的上端,下端Gd1上升到图像G的上下方向的中央位置附近。换句话说,在特征点检测范围As1,在从图像G的上端到上端Gu1的范围、从下端Gd1到图像G的下端的范围不进行特征点FP的检测。此外,若使用图9(a)对特征点检测范围As0与As1的关系进行说明,则能够考虑车辆50处于位置P0的情况下的特征点检测范围为特征点检测范围As0,车辆50处于位置P1的情况下的特征点检测范围为特征点检测范围As1。
接下来,参照图11,对实施方式2所涉及的自车位置估计方法进行说明。图10是表示估计自车位置的自车位置估计处理程序的流程的流程图。对于图11所示的自车位置估计处理程序来说,若进行执行开始的指示,则控制部12的CPU12A从ROM12B等存储单元读入本自车位置估计处理程序,展开在RAM12C等存储单元并执行。在本实施方式中,预先生成地图,并储存于存储部16。另外,随着图2(b)所示的人从停车到开始地点SP的状态朝向终点地点GP驾驶车辆50,执行自车位置估计处理。但是,并不限定于此,例如也可以将本自车位置估计处理程序应用于从开始地点SP到终点地点GP自动驾驶车辆50的情况。
此外,在本实施方式2中,设为使自车位置估计处理程序预先存储于ROM12B等的方式,但并不限定于此。例如,本自车位置估计处理程序也可以应用以存储于能够由计算机进行读取的便携式存储介质的状态提供的方式、经由未图示的网络接口等通信单元分发的方式等。
在步骤S100中,通过照相机14进行拍摄,获取行驶图像。对于该行驶图像的获取来说,在车辆50从开始地点SP出发后每隔预先决定的时间,例如每隔作为一般的视频码率的33ms(毫秒)获取。
在步骤S102中,判定行驶图像的获取是否为首次(第一次)。在本实施方式2所涉及的自车位置估计处理中,根据是首次还是第二次以后,而改变以后的处理中的特征点检测范围设定方法和关键帧搜索方法。在步骤S102为肯定判定的情况下移至步骤S104,在否定判定的情况下移至步骤S112。
在步骤S104中,将特征点检测范围As设定为预先决定的初始特征点检测范围。这是因为在首次的行驶图像获取中,还未估计出路面坡度差Δθ。虽然初始特征点检测范围的设定方法并没有限制,但作为一个例子设为图3(c)所示的配置在图像G的上下位置中央的特征点检测范围As0。如上述那样,特征点检测范围As0限制图像G上的检测范围。通过像这样限定初始特征点检测范围,能够抑制检测路面上等的相互不容易区别的特征点,能够更多地检测建筑物上等的相互容易区别的特征点。
在步骤S106中,执行特征点的检测、检测出的特征点的特征量的计算。特征点的检测使用上述的FAST,特征量的计算使用ORB即可。
在步骤S108中,根据在步骤S106计算出的特征量,并例如使用Bag of VisualWords等选定与行驶图像最相似的关键帧KF0。Bag of Visual Words是将图像中的许多的局部特征矢量量子化为直方图的工具,是判定图像彼此的相似的程度的工具。虽然基于Bagof Visual Words的关键帧的提取需要一定的时间,但本处理由于是停车到开始地点SP时的首次的行驶图像的获取,所以即使使用处理时间比较长的Bag of Visual Words也无妨。
在步骤S110中,在关键帧KF0与行驶图像之间比较特征量将特征点建立对应关系(配对)。由于从特征点检测范围As0检测出的特征点较多地包含容易相互区分的特征点,所以能够更正确地建立对应关系。
在接下来的步骤S124中,根据在行驶图像和关键帧KF0建立了对应关系的特征点的三维位置(地图上的位置)和行驶图像上的位置,以投影误差最小的方式估计照相机的位置以及姿势。这里,参照图12,对本实施方式所涉及的投影误差进行说明。图12所示的a、b、c表示行驶图像上的特征点的位置,A、B、C表示在地图上建立了对应关系的地图坐标系CM上的特征点的位置,a’、b’、c’表示将在地图上建立了对应关系的特征点的位置A、B、C投影到行驶图像后的位置。此时对于位置A的投影误差εa为位置a与位置a’的差分。对于位置B、C也相同。根据本实施方式所涉及的特征点的对应,误对应较少,所以能够更正确地估计照相机的位置以及姿势。
在接下来的步骤S126中,将在步骤S124估计出的照相机的位置以及姿势换算为自车的位置以及姿势。自车的位置是指车辆代表点X的地图上的位置。在本实施方式中,由于预先明确车辆代表点X与照相机14的相对位置,所以基于该相对位置关系将照相机的位置以及姿势换算为车辆代表点X的位置。该换算为简单的运算,所以能够在短时间估计出行驶中的自车位置,能够减小车辆运动控制的延迟时间。其结果,能够高精度地将车辆引导至目标路径,所以例如能够在狭窄的位置进行停车,能够使停车空间省空间化。
在步骤S128中,判定是否在全部的行驶拍摄点结束图像的获取。在首次的情况下本判定为否定判定所以返回到步骤S100,继续行驶图像的获取。
另一方面,在步骤S112中,在距离上一次估计出的照相机14的位置规定的距离,例如前方5m的位置搜索并选定最近的关键帧KFf。更具体而言,由于根据照相机14的安装角度预先明确到图像中心部所映现的路面R为止的距离,所以在该位置选定最近的关键帧。
在步骤S114中,将关键帧KFf的照相机俯仰角θf与上次估计出的照相机俯仰角θ1的偏差(θ1-θf)作为路面坡度差Δθf。
在步骤S116中,根据在步骤S114设定的路面坡度差Δθf,使用图9(c)所示的图设定特征点检测范围As。即,根据路面坡度差Δθf的大小设定特征点检测范围As的上端Gu、下端Gd。因此,能够不管路面坡度差Δθ,而抑制检测路面上等的相互不容易区分的特征点,并更多地检测建筑物上等的相互容易区分的特征点(参照图10(b))。另外,通过限定特征点检测范围As,能够抑制特征点的检测数,所以能够减少特征量的计算和特征点的建立对应关系所需要的计算量。因此,即使在计算资源有限的系统中,也能够在短时间进行自车位置的估计。
在步骤S118中,利用与步骤S106相同的方法,执行特征点的检测、检测出的特征点的特征量的计算。
在步骤S120中,选定包含最多在上一次建立了对应关系的特征点的关键帧KF1。
在步骤S122中,在关键帧KF1与行驶图像之间比较特征量将特征点建立对应关系(配对)。在本实施方式中,不管路面坡度差Δθ,而较多地包含相互容易区分的特征点作为比较对象的特征点,所以能够更正确地建立对应关系。
接下来,执行上述说明的步骤S124~S128。但是,在步骤S124中将关键帧KF0替换为KF1。其后,在步骤S128为肯定判定的情况下,结束本自车位置估计处理程序。
如以上所详述的那样,根据实施方式2所涉及的自车位置估计装置,自车位置估计方法、以及自车位置估计程序,即使在计算资源有限的系统中,也能够在短时间估计自车位置。这是因为在实施方式2中,限定图像的特征点的检测范围,所以能够减少检测时间。并且,由于能够抑制特征点的检测数,所以能够减少特征量的计算和特征点的建立对应关系所需要的计算量。因此,即使在计算资源有限的系统中,也能够在短时间进行自车位置的估计。
另外,根据实施方式2所涉及的自车位置估计装置、自车位置估计方法、以及自车位置估计程序,即使在有路面坡度变化的情况下,也能够高精度地估计自车位置。这是因为在本实施方式2中,通过根据与照相机前方比较的自车位置的路面坡度变更行驶图像中的特征点检测范围,更多地检测建筑物上等的相互容易区分的特征点,并且更少地检测路面上等的相互不容易区分的特征点,所以能够更正确地在关键帧与行驶图像之间将特征点建立对应关系。因此,即使在有路面坡度变化的情况下,也能够利用需要最小限度的检测数更高精度地估计自车位置。
并且,在应用于自动停车系统的情况下,能够高精度地将车辆引导至目标路径,所以能够在狭窄的位置进行停车,能够使停车空间省空间化。在本实施方式2中,能够在短时间估计行驶中的自车位置,所以能够减小车辆运动控制的延迟时间。因此,能够高精度地将车辆引导至目标路径,所以能够在狭窄的位置进行停车,能够使停车空间省空间化。
接下来,对实施方式3所涉及的车辆位置估计装置的构成进行说明。
如图13所示,本发明的实施方式所涉及的车辆位置估计装置10通过具备拍摄装置210、传感器220、以及车辆位置估计装置300而构成。
拍摄装置210是固定于车辆,并拍摄相对于该车辆的规定方向的照相机。
具体而言,拍摄装置210例如是拍摄车辆的前方的道路的车载单眼照相机等,作为车辆行驶的行驶路线的图像的一个例子,拍摄车辆的前方的道路图像。
这里,拍摄的图像并不限定于车辆的前方,也可以是车辆的后方或者左右。
传感器220由分别具有一个以上的照度计等获取亮度的传感器、获取时刻的传感器、以及GPS或者磁传感器等获取三维测位信息或者方位的传感器的多个传感器构成。此外,也可以在其它的装置构成这些传感器。此外,在实施方式3中,对传感器220由照度计和GPS构成的情况进行说明。
车辆位置估计装置300是使用储存了各自的位置已知的多个特征点上的特征量的环境地图估计车辆的位置的车辆位置估计装置,具备CPU、RAM、以及存储了用于执行后述的状态估计处理例程的程序的ROM,且在功能上如以下所示那样构成。
车辆位置估计装置300通过具备图像输入部310、特征点提取部320、特征量计算部330、传感器信息输入部340、光源方向估计部350、日照条件估计部360、修正系数决定部370、修正系数保管部380、特征量修正部390、估计部400、环境地图特征量保管部410、以及驾驶辅助系统500而构成。
图像输入部310从拍摄装置100受理图像的输入。
具体而言,图像输入部310从拍摄装置100受理拍摄图像的输入,并将该图像交给特征点提取部320。
特征点提取部320根据拍摄了车辆的前方的图像,提取多个特征点。
具体而言,特征点提取部320使用特征点提取算法(例如,FAST),从图像提取多个特征点。
然后,特征点提取部320将提取出的特征点交给特征量计算部330以及修正系数决定部370。
特征量计算部330对多个特征点的各个,计算基于该特征点的亮度的特征量。
具体而言,特征量计算部330对通过特征点提取部320得到的多个特征点的各个,计算特征量。例如,特征量计算部330使用ORB特征量,计算32字节的特征量。
然后,特征量计算部330将计算出的特征量交给特征量修正部390。
传感器信息输入部340从传感器200受理通过照度计得到的亮度、通过GPS得到的三维测位信息、以及该时刻的输入。
然后,传感器信息输入部340将三维测位信息以及该时刻交给光源方向估计部350,并将亮度交给日照条件估计部360。
光源方向估计部350基于传感器信息,估计图像的拍摄时的相对于拍摄方向的光源的方向。
具体而言,光源方向估计部350根据GPS的测位时刻,估计光源的方向(例如,以北为基准的太阳的方向)。在本实施方式中,对光源为太阳的情况进行说明。例如,光源方向估计部350针对测位时刻,根据该时刻的日期的平均的日出、日落、中天时刻等,估计该时刻的太阳的方位、高度。
另外,光源方向估计部350根据用于计算车辆的方向的传感器信息,估计拍摄方向的朝向。例如,使用基于GPS的纬度经度、和在前面的时刻获取的基于GPS的纬度经度,估计以北为基准的车辆的方向,由于车辆的方向与拍摄方向一致,所以将估计出的车辆的方向估计为拍摄方向。此外,在车辆的方向与拍摄方向偏离的情况下,考虑该偏离来估计拍摄方向即可。
光源方向估计部350基于估计出的光源的方向、和拍摄方向的方向,估计图像的拍摄时的相对于拍摄方向的光源的方向。然后,光源方向估计部350将估计出的相对于拍摄方向的光源的方向交给修正系数决定部370。
日照条件估计部360基于根据传感器信息得到的亮度,估计车辆的日照条件。
具体而言,日照条件估计部360根据照度计的照度信息,估计云量,并估计是否形成影子。例如,若通过照度计测量出的亮度在规定的值以下,则估计为阴天,并估计为不形成影子。
然后,日照条件估计部360将是否形成影子交给修正系数决定部370。
修正系数决定部370对多个特征点的各个,基于该特征点的特征量、估计出的相对于拍摄方向的光源的方向、以及获取了环境地图的特征量时的预先求出的相对于拍摄方向的光源的方向,决定用于将该特征点的特征量修正为获取了环境地图的特征量时的光源的方向时的该特征点的特征量的特征量修正系数。
具体而言,修正系数决定部370首先从环境地图特征量保管部410获取环境地图制成时的日照条件,并判定通过日照条件估计部360估计出的日照条件是否对环境地图制成时的日照条件的情况造成影响。
根据通过日照条件估计部360估计出的影子的有无、通过光源方向估计部350估计出的太阳的方向与环境地图的特征量获取时的太阳的方向的差异、以及估计出的太阳的方向是否为前方(即,是否相对于照相机逆光)判断日照条件的影响的有无。
例如,在环境地图制成时的日照条件中,没有影子的情况下,能够估计为云量较多。因此,修正系数决定部370在估计出的日照条件也不形成影子的情况下,判定为不对环境地图制成时的日照条件的情况造成影响。
另外,修正系数决定部370在判定为对环境地图制成时的日照条件的情况造成影响的情况下,判定环境地图制成时的相对于拍摄方向的太阳的方向与图像的拍摄时的相对于拍摄方向的太阳的方向是否一致。
修正系数决定部370在通过光源方向估计部350估计出的相对于拍摄方向的太阳的方向与环境地图的特征量获取时的相对于拍摄方向的太阳的方向一致的情况下,判定为不造成影响。
另外,即使在通过光线方向估计部350估计出的相对于拍摄方向的太阳的方向与环境地图的特征量获取时的相对于拍摄方向的太阳的方向不一致的情况下,若为太阳的方向是前方的情况,即从前方照射光的情况则为逆光,亮度一样地降低,所以也判定为没有日照条件的影响。
另一方面,若为来自后方的照射,则修正系数决定部370判定通过光线方向估计部350估计出的相对于拍摄方向的太阳的方向与环境地图制成时的太阳的方向相比是右侧还是左侧。
这里,修正系数决定部370估计特征点是凸形还是凹形。例如,有对特征点求出左右的平均亮度的方法。具体而言,在以特征点为中心的范围(例如±15像素)内,分为左半部和右半部求出平均亮度,在相对于特征点太阳光线照到左侧,并且,左侧的平均亮度较高的情况下估计为凸形,在右侧的平均亮度较高的情况下估计为凹形。另外,在太阳光线从右侧照射的情况下,在右侧的平均亮度较高的情况下估计为凸形,在左侧的平均亮度较高的情况下估计为凹形。
除此之外,也可以使用将以特征点为中心的某个范围(例如±16像素)划分区域为网格状,或者以特征点为中心的放射状,并对各区域的平均亮度进行计算、比较的方法,作为估计特征点的凹凸的方法。
这样,修正系数决定部370对全部的特征点求出凹凸。
然后,修正系数决定部370基于通过光源方向估计部估计出的相对于拍摄方向的太阳的方向与环境地图制成时的太阳的方向相比为右侧还是左侧、和特征点的凹凸形状,决定特征量修正系数。
首先,修正系数决定部370在判定为估计出的日照条件不对环境地图制成时的日照条件的情况造成影响的情况下,不需要修正特征量,所以将特征量修正系数全部为0的特征量修正系数A(图14)决定为特征量修正系数。
另外,修正系数决定部370在通过光线方向估计部350估计出的相对于拍摄方向的太阳的方向与环境地图制成时的太阳的方向相比为右侧,并且,特征点的形状为凸形的情况下,将特征量修正系数B(图14)决定为特征量修正系数。另外,在通过光线方向估计部350估计出的相对于拍摄方向的太阳的方向与环境地图制成时的太阳的方向相比为右侧,并且,特征点的形状为凹形的情况下,将特征量修正系数B’(图14)决定为特征量修正系数。
另外,修正系数决定部370在通过光线方向估计部350估计出的相对于拍摄方向的太阳的方向与环境地图制成时的太阳的方向相比为左侧,并且,特征点的形状为凸形的情况下,将特征量修正系数C(图14)决定为特征量修正系数。另外,在通过光线方向估计部350估计出的相对于拍摄方向的太阳的方向与环境地图制成时的太阳的方向相比为左侧,并且,特征点的形状为凹形的情况下,将特征量修正系数C’(图14)决定为特征量修正系数。
然后,修正系数决定部370若对全部的特征点决定出特征量修正系数,则将决定的特征量修正系数交给特征量修正部390。
修正系数保管部380针对环境地图的特征点的各个的该特征点的特征量保管预先决定的各种模式的特征量修正系数。
特征量修正系数根据日照条件的影响的有无、环境地图的特征量获取时的相对于特征点的太阳的方向的差异、特征点的凹凸、以及相对于拍摄方向的太阳的方向决定分情况的值。
特征量修正系数的一个例子如图14所示。在图14中,特征量修正系数是具有{+1,0,-1}的任意一个值的具有与特征量对应的长度的系数(在图14的例子中是256列的系数)。由于特征量的各位列以{1,0}表示,所以特征量修正系数{+1,0,-1}分别表示将对应的特征量的各位列“变更为1”、“无变更”、“变更为0”。
作为决定特征量修正系数的方法,假定与环境地图制成时的日照条件的影响的有无、特征点的凹凸、以及相对于拍摄方向的太阳的方向对应的各种情况,决定与特征量的各位对应的各种模式的特征量修正系数。
由于在没有日照条件的影响的情况下,不需要修正特征量,所以决定各位列全部为0的特征量修正系数(图14的特征量修正系数A)。
另外,在有日照条件的影响的情况下,即、在形成影子的情况下,对环境地图的特征点的特征量的每一位,决定假定了图像拍摄时的相对于拍摄方向的太阳的方向与环境地图制成时的太阳的方向相比为右侧,并且,特征点的形状为凸形的情况下的特征量修正系数(图2的特征量修正系数B)。
该情况下,根据在求出环境地图的特征点的特征量的各位时进行比较的、与该位对应的进行亮度计算的两点(例如,图21中的1a以及1b两点等)是否相对于该环境地图的特征点位于左右任意的相同侧,来对该环境地图的特征点的特征量的每一位决定特征量修正系数。
在这两点相对于特征点位于相同侧的情况下,即使在对特征点形成影子的情况下,也认为对对应的特征量位没有影响,所以使对应的特征量修正系数的位为0。
例如,能够使用在求出特征量的第x位时比较的进行亮度计算的5×5像素的区域两点(xa,xb)进行判断。在该区域两点均位于特征点的左侧或右侧的情况下,使该特征点的特征量修正系数的第x位为0。
另外,在进行亮度计算的区域xa位于右侧,且xb位于左侧的情况下(例如图21的1a和1b),若图像拍摄时的相对于拍摄方向的太阳的方向与环境地图制成时的太阳的方向相比为右侧,并且,特征点的形状为凸形,则在特征点的左侧形成影子,所以左侧应该变暗(亮度变低)。即,xa>xb,所以受到日照条件的影响的特征量的第x位为1。
此时,若该环境地图的特征点的特征量的第x位为1,则不需要修正,所以使特征量修正系数的第x位为0。另一方面,若该环境地图的特征点的特征量的第x位为0,则应该将提取出的特征量的第x位修正为0,所以使特征量修正系数的第x位为-1。
相反,在xa位于左侧,且xb位于右侧的情况下,若图像拍摄时的相对于拍摄方向的太阳的方向与环境地图制成时的太阳的方向相比为右侧,并且,特征点的形状为凸形,则xa<xb,所以受到日照条件的影响的特征量的第x位为0。
此时,若该环境地图的特征点的特征量的第x位为0,则不需要进行修正,所以使特征量修正系数的第x位为0。另一方面,若该环境地图的特征点的特征量的第x位为1,则应该将提取出的特征量的第x位修正为1,所以使特征量修正系数的第x位为+1。
通过对全部的位进行该处理,预先决定特征量修正系数B。
同样地,预先对图像拍摄时的相对于拍摄方向的太阳的方向与环境地图制成时的太阳的方向为右侧,并且,特征点的形状为凹形的情况决定特征量修正系数B’。预先对图像拍摄时的相对于拍摄方向的太阳的方向与环境地图制成时的太阳的方向相比为左侧,并且,特征点的形状为凸形的情况决定特征量修正系数C。预先对图像拍摄时的相对于拍摄方向的太阳的方向与环境地图制成时的太阳的方向相比为左侧,并且,特征点的形状为凹形的情况决定特征量修正系数C’。
这样,通过预先决定各种模式的特征量修正系数,即使在日照条件例如给予基于影子的影响的情况下,也能够根据进行比较的两点、太阳光线的方向、特征点的形状(凹凸),修正考虑了该影响的提取出的特征点的特征量。
特征量修正部390对多个特征点的各个,基于该特征点的特征量、和针对符合该特征点的模式的特征量修正系数,修正该特征点的特征量。
具体而言,特征量修正部390通过将特征量的各位列与针对符合该特征点的模式的特征量修正系数的各位列的各值相加,修正特征量。此时,特征量修正部390在相加得到的特征量中有超过+1的位的情况下,将该位修正为1,在有在0以下的位的情况下,将该位修正为0。
例如,在图21的情况下,如图22所示特征量为“1、0、0、…、1”,但若特征量修正系数为“-1、1、1、…、0”,则修正后的值为“0、1、1、…、1”,与图19的情况下的特征量(图20)一致。
然后,特征量修正部390将对全部的特征点的特征量修正后的特征量交给估计部400。
估计部400基于对多个特征点的各个的修正后的特征量、和环境地图的多个特征点各自的特征量,估计车辆的位置。
具体而言,估计部400使修正特征量与环境地图的特征量匹配,估计车辆位于环境地图的哪个位置。例如,将相当于环境地图上的多个特征点的特征量中与修正特征量相似度最高的特征量的位置估计为环境地图上的车辆的位置。
然后,估计部400将估计出的车辆的位置输出给驾驶辅助系统500。
环境地图特征量保管部410存储预先制成的环境地图、环境地图的特征量、以及环境地图制成时的日照条件。环境地图例如在SLAM的地图创建模式中制成。
驾驶辅助系统500基于估计出的车辆的位置,进行驾驶辅助。
接下来,参照图15对实施方式所涉及的车辆位置估计装置的动作进行说明。图5示出本实施方式3的车辆位置估计装置300的位置估计处理例程。
首先,在步骤T100中,修正系数决定部370以及估计部400从环境地图特征量保管部410获取环境地图的特征量。另外,修正系数决定部370从环境地图特征量保管部410获取环境地图制成时的日照条件。
在步骤T110中,传感器信息输入部340从传感器200受理通过照度计得到的亮度、通过GPS得到的三维测位信息、以及该时刻的输入。
在步骤T120中,图像输入部310从拍摄装置100受理图像的输入。
在步骤T130中,特征点提取部320从拍摄了车辆的前方的图像提取多个特征点。
在步骤T140中,特征量计算部330对多个特征点的各个,计算基于该特征点的亮度的特征量。
在步骤T150中,修正系数决定部370对多个特征点的各个,基于该特征点的特征量、估计出的相对于拍摄方向的光源的方向、获取环境地图的特征量时的预先求出的相对于拍摄方向的光源的方向,决定用于将该特征点的特征量修正为获取环境地图的特征量时的光源的方向时的该特征点的特征量的特征量修正系数。
在步骤T160中,特征量修正部390对多个特征点的各个,基于该特征点的特征量、和针对符合该特征点的模式的特征量修正系数,修正该特征点的特征量。
在步骤T170中,估计部400基于对多个特征点的各个的修正后的特征量、和环境地图的多个特征点各自的特征量,估计车辆的位置。
在步骤T180中,估计部400将估计出的车辆的位置输出给驾驶辅助系统500,并返回到步骤T110,反复步骤T110~步骤T180的处理。
另外,通过图16所示的修正系数决定处理例程实现上述步骤T150。
在步骤T200中,日照条件估计部360基于根据传感器信息得到的亮度,估计车辆的日照条件。
在步骤T210中,光源方向估计部350基于传感器信息,估计图像的拍摄时的光源的位置和车辆的方向。
在步骤T220中,光源方向估计部350基于通过上述步骤T210估计出的光源的方向、和拍摄方向的朝向,估计图像的拍摄时的相对于拍摄方向的光源的方向。
在步骤T230中,修正系数决定部370选择第一个特征点。
在步骤T240中,修正系数决定部370判定通过步骤T200估计出的日照条件是否对环境地图制成时的日照条件的情况造成影响。
在没有基于日照条件的影响的情况下(步骤T240的否),在步骤T250中,修正系数决定部370将特征量修正系数A决定为特征量修正系数,并进入步骤T330。
另一方面,在有基于日照条件的影响的情况下(步骤T240的是),在步骤T260中,修正系数决定部370判定通过步骤T220估计出的相对于拍摄方向的太阳的方向与环境地图制成时的太阳的方向相比右侧还是左侧。
在相对于拍摄方向的太阳的方向与环境地图制成时的太阳的方向相比为右侧的情况下(步骤T260的否),在步骤T270中,修正系数决定部370判定特征点的形状是否为凹形。
在特征点的形状为凸形的情况下(步骤T270的否),在步骤T280中,修正系数决定部370将特征量修正系数B决定为特征量修正系数,并进入步骤T330。
另一方面,在特征点的形状为凹形的情况下(步骤T270的是),在步骤T290中,修正系数决定部370将特征量修正系数B’决定为特征量修正系数,并进入步骤T330。
另外,在相对于拍摄方向的太阳的方向与环境地图制成时的太阳的方向相比为左侧的情况下(步骤T260的是),在步骤T300中,修正系数决定部370判定特征点的形状是否为凹形。
在特征点的形状为凸形的情况下(步骤T300的否),在步骤T310中,修正系数决定部370将特征量修正系数C决定为特征量修正系数,并进入步骤T330。
另一方面,在特征点的形状为凹形的情况下(步骤T300的是),在步骤T320中,修正系数决定部370将特征量修正系数C’决定为特征量修正系数,并进入步骤T330。
在步骤T330中,修正系数决定部370判定是否对全部的特征点决定了特征量修正系数。
在还存在未决定特征量修正系数的特征点的情况下(步骤T330的否),选择下一个特征点,并返回到步骤T240。
另一方面,在对全部的特征点决定了特征量修正系数的情况下(步骤T330的是),返回。
如以上所说明的那样,根据本发明的实施方式3所涉及的车辆位置估计装置,对多个特征点的各个,基于该特征点的特征量、估计出的光源的方向、获取环境地图的特征量时的预先求出的光源的方向,决定用于将该特征点的特征量修正为获取环境地图的特征量时的光源的方向时的该特征点的特征量的特征量修正系数,并基于根据该特征点的特征量和该特征点的特征量修正系数对该特征点的特征量进行修正后的特征量、和环境地图的多个特征点各自的特征量,估计车辆的位置,从而即使在光源的方向与环境地图的特征量获取时不同的情况下,也能够精度良好地估计车辆的位置。
在实施方式3中,构成为修正提取的图像的特征量,但作为实施方式3的变形例,对修正环境地图的特征点的特征量的构成进行说明。
在实施方式3的变形例中,特征量修正系数在没有日照条件的影响的情况下与实施方式3相同地决定,但在其它的情况下,如以下那样决定。
即,在有日照条件的影响的情况下,对环境地图的特征点的特征量的每一位,决定假定了与环境地图制成时的太阳的方向相比为右侧还是左侧、和特征点为凹形还是凸形的情况的特征量修正系数。
例如,对环境地图的特征点的特征量的每一位,决定假定了图像拍摄时的相对于拍摄方向的太阳的方向与环境地图制成时的太阳的方向相比为右侧,并且,特征点的形状为凸形的情况的特征量修正系数(图14的特征量修正系数B)。
在求出特征量的第x位时进行比较的进行亮度计算的5×5像素的区域两点(xa,xb)均位于特征点的左侧或右侧的情况下,使该特征点的特征量修正系数的第x位为0。
另外,在进行亮度计算的区域xa位于右侧,且xb位于左侧的情况下,若图像拍摄时的相对于拍摄方向的太阳的方向与环境地图制成时的太阳的方向相比为右侧,并且,特征点的形状为凸形,则在特征点的左侧形成影子,所以左侧应该变暗(亮度变低)。即,xa>xb,所以受到日照条件的影响的特征量的第x位为1。
此时,若该环境地图的特征点的特征量的第x位为1,则不需要进行修正,所以使特征量修正系数的第x位为0。另一方面,若该环境地图的特征点的特征量的第x位为0,则应该将该环境地图的特征点的特征量的第x位修正为1,所以使特征量修正系数的第x位为+1。
相反,在xa位于左侧,且xb位于右侧的情况下,若图像拍摄时的相对于拍摄方向的太阳的方向与环境地图制成时的太阳的方向相比为右侧,并且,特征点的形状为凸形,则xa<xb,所以受到日照条件的影响的特征量的第x位为0。
此时,若该环境地图的特征点的特征量的第x位为0,则不需要进行修正,所以使特征量修正系数的第x位为0。另一方面,若该环境地图的特征点的特征量的第x位为1,则应该将该环境地图的特征点的特征量的第x位修正为0,所以使特征量修正系数的第x位为-1。
通过对全部的位进行该处理,预先决定特征量修正系数。
同样地,预先对图像拍摄时的相对于拍摄方向的太阳的方向与环境地图制成时的太阳的方向相比为右侧,并且,特征点的形状为凹形的情况决定特征量修正系数B’。预先对图像拍摄时的相对于拍摄方向的太阳的方向与环境地图制成时的太阳的方向相比为左侧,并且,特征点的形状为凸形的情况决定特征量修正系数C。预先对图像拍摄时的相对于拍摄方向的太阳的方向与环境地图制成时的太阳的方向相比为左侧,并且,特征点的形状为凹形的情况决定特征量修正系数C’。
这样,通过预先决定各种模式的特征量修正系数,即使在日照条件例如给予基于影子的影响的情况下,也能够根据进行比较的两点、太阳光线的方向、特征点的形状(凹凸),修正考虑了该影响的环境地图的特征点的特征量。
接下来,对实施方式3的变形例所涉及的车辆位置估计装置60的构成进行说明。
图17是表示实施方式3的变形例所涉及的车辆位置估计装置300的构成的框图。
特征量计算部330对多个特征点的各个,计算基于该特征点的亮度的特征量。
具体而言,特征量计算部330对通过特征点提取部320得到的多个特征点的各个,计算特征量。例如,特征量计算部330使用ORB特征量,计算32字节的特征量。
然后,特征量计算部330将计算出的特征量交给估计部400。
特征量修正部390对环境地图的多个特征点的各个,基于环境地图的该特征点的特征量、和符合该特征点的对应的特征量修正系数,修正该特征点的特征量。
然后,特征量修正部390将修正的环境地图的特征量交给估计部400。
估计部400基于环境地图的多个特征点各自的修正后的特征量、和多个特征点各自的特征量,估计车辆的位置。
具体而言,估计部400使环境地图的多个特征点各自的修正后的特征量、和提取出的多个特征点各自的特征量匹配,估计车辆位于环境地图的哪个位置。例如,将相当于多个特征点的特征量中与修正后的环境地图的特征量相似度最高的特征量的位置估计为环境地图上的车辆的位置。
然后,估计部400将估计出的车辆的位置输出给驾驶辅助系统500。
对实施方式3的变形例所涉及的车辆位置估计装置的动作进行说明。图18是表示本发明的实施方式3的变形例所涉及的车辆位置估计处理例程的流程图。
在步骤T460中,特征量修正部390对环境地图的多个特征点的各个,基于环境地图的该特征点的特征量、和符合该特征点的对应的特征量修正系数,修正该特征点的特征量。
如以上所说明的那样,根据实施方式3的变形例所涉及的车辆位置估计装置,对该环境地图的多个特征点的各个,基于该特征点的特征量、估计出的光源的方向、以及获取了环境地图的特征量时的预先求出的光源的方向,决定用于将该特征点的特征量修正为获取了环境地图的特征量时的光源的方向时的特征点的特征量的特征量修正系数,并基于根据该特征点的特征量和与该特征点对应的特征量修正系数,对该特征点的特征量进行了修正后的特征量、和多个特征点各自的特征量,估计车辆的位置,从而即使在光源的方向与环境地图的特征量获取时不同的情况下,也能够精度良好地估计车辆的位置。
此外,本发明并不限定于上述的实施方式,能够在不脱离该发明的主旨的范围内进行各种变形、应用。
在上述的实施方式中,日照条件估计部360通过照度计估计是否形成影子,但也可以基于输入的拍摄图像进行估计。该情况下,能够考虑在某个区域中影子的区域的平均亮度与其以外的区域的平均亮度之间没有预先决定的阈值以上的差的情况下,估计为没有影子的方法等。
另外,在本申请说明书中,对预先安装程序的实施方式进行了说明,但也能够将该程序储存于计算机能够读取的记录介质进行提供。
附图标记说明
10…自车位置估计装置,12…控制部,12A…CPU,12B…ROM,12C…RAM,12D…I/O,12E…总线,14…照相机,16…存储部,16A…地图信息,18…显示部,20…检测部,22…计算部,24…估计部,26…追加部,30…建筑物,50…车辆,CP…地图拍摄点,FP…特征点,G…图像,R…路面,S…行驶轨迹,SP…开始地点,GP…终点地点,WS…壁面,X…车辆代表点,θf、θ…俯仰角,Δθ…路面坡度差,210…拍摄装置,220…传感器,300…车辆位置估计装置,310…图像输入部,320…特征点提取部,330…特征量计算部,340…传感器信息输入部,350…光源方向估计部,360…日照条件估计部,370…修正系数决定部,380…修正系数保管部,390…特征量修正部,400…估计部,410…环境地图特征量保管部,500…驾驶辅助系统。
Claims (17)
1.一种自车位置估计装置,其中,具备:
拍摄部,其拍摄使自车沿着规定的行驶路径行驶的状态下的多个行驶图像、以及沿着上述规定的行驶路径的多个位置上的基准图像;
检测部,其从上述行驶图像检测行驶图像的特征点,并从上述基准图像检测分别相关联的上述基准图像的各特征点;
存储部,其存储包含上述基准图像的特征点的至少一个特征点和基准图像的拍摄时的上述拍摄部的位置以及姿势的地图信息;以及
估计部,其从上述多个基准图像选定与上述行驶图像相似的相似图像,使上述行驶图像的特征点与上述相似图像的特征点建立对应关系,并基于对应关系的结果,估计上述规定的行驶路径上的自车的位置以及姿势。
2.根据权利要求1所述的自车位置估计装置,其中,
还包含计算通过上述检测部检测出的上述行驶图像的特征点、以及上述基准图像的特征点的特征量的计算部,
基于通过计算部计算出的特征量从上述多个基准图像选定与上述行驶图像相似的相似图像。
3.根据权利要求1或者2所述的自车位置估计装置,其中,
还包含将通过上述估计部与上述相似图像的特征点建立了对应关系的上述行驶图像的特征点的特征量作为是上述相似图像的基准图像的特征点的特征量追加到上述地图信息的追加部。
4.根据权利要求1~3中任意一项所述的自车位置估计装置,其中,
上述估计部在与登记了多个特征量的上述相似图像的特征点建立对应关系时,对上述多个特征量的各个,在与上述行驶图像的特征点的特征量之间计算距离,在计算出的距离的最小值在预先决定的值以下的情况下,将上述行驶图像的特征点与上述相似图像的特征点建立对应关系。
5.根据权利要求1~4中任意一项所述的自车位置估计装置,其中,
上述追加部在上述相似图像的特征点所登记的多个特征点的数目达到上限数的情况下,对登记完毕的多个特征量以及追加的特征量中的特征量的每一对计算彼此的距离并删除计算出的与各特征量的距离的中值最少的特征量。
6.根据权利要求1~5中任意一项所述的自车位置估计装置,其中,
上述地图信息还包含从上述多个基准图像的各个检测出的特征点的上述地图信息上的位置,
上述估计部基于建立了对应关系的上述行驶图像的特征点的位置和上述相似图像的特征点的位置,估计上述拍摄部的位置以及姿势,并将估计出的上述拍摄部的位置以及姿势换算为自车的代表点,由此估计上述规定的行驶路径上的自车的位置以及姿势。
7.根据权利要求6所述的自车位置估计装置,其中,
上述估计部估计利用上述行驶图像的特征点的位置与基于上述相似图像的拍摄时的上述拍摄部的位置以及姿势将上述相似图像的特征点投影到上述行驶图像得到的投影点的位置之差表示的投影误差的总和最少的上述拍摄部的位置以及姿势。
8.根据权利要求7所述的自车位置估计装置,其中,
上述追加部有选择地将通过上述估计部建立了对应关系的上述行驶图像的特征点中,上述投影误差在预先决定的值以下的特征点的特征量追加到上述地图信息。
9.根据权利要求1所述的自车位置估计装置,其中,
通过上述检测部检测出的来自上述基准图像的各特征点是沿着上述规定的行驶路径的环境中的环境特征点。
10.根据权利要求9所述的自车位置估计装置,其中,
包含估计上述行驶路径的路面坡度差,并且根据估计出的上述路面坡度差设定上述行驶图像中的与上述环境特征点对应的对应特征点的检测范围的设定部,
基于在上述检测范围检测出的上述对应特征点从上述多个基准图像选定与上述行驶图像相似的相似图像。
11.根据权利要求9或者10所述的自车位置估计装置,其中,
在上述地图信息包含有表示上述环境特征点各自的特征的特征量,上述估计部选择包含最多上述建立了对应关系的特征点的基准图像作为上述最相似的基准图像,并且对上述对应特征点的特征量与上述最相似的基准图像的环境特征点的特征量进行比较来将上述环境特征点与上述对应特征点建立对应关系。
12.根据权利要求9~11中任意一项所述的自车位置估计装置,其中,
上述拍摄部以拍摄上述拍摄单元前方的预先决定的区域的方式固定在自车的预先决定的位置,
上述设定部从上述多个基准图像选择与上述预先决定的区域最相似的基准图像,并且根据基于与选择的基准图像相关联的上述拍摄单元的位置以及姿势的路面坡度与基于对上一次拍摄到的行驶图像估计出的上述拍摄单元的位置以及姿势的路面坡度的差分来估计上述路面坡度差。
13.根据权利要求9~12中任意一项所述的自车位置估计装置,其中,
上述设定部根据上述路面坡度差使上述检测范围向上述行驶图像的上下方向移动。
14.根据权利要求13所述的自车位置估计装置,其中,
与上述预先决定的区域相比自车位置的路面坡度越大,上述设定部越将上述行驶图像上的上述检测范围的位置设定在上部。
15.一种自车位置估计装置,是使用储存了各自的位置已知的多个特征点的特征量的环境地图估计自车的位置的自车位置估计装置,其中,包含:
特征点提取部,其从拍摄自车的周边的图像提取多个特征点;
特征量计算部,其对上述多个特征点的各个,计算基于上述特征点的亮度的特征量;
光源方向估计部,其基于传感器信息,估计上述图像的拍摄时的相对于拍摄方向的光源的方向;
修正系数决定部,其对上述多个特征点的各个,基于上述特征点的特征量、上述估计出的上述光源的方向、以及获取上述环境地图的特征量时的预先求出的上述光源的方向,决定用于将上述特征点的特征量修正为是获取上述环境地图的特征量时的上述光源的方向时的上述特征点的特征量的特征量修正系数;
特征量修正部,其对上述多个特征点的各个,基于上述特征点的特征量、和上述特征点的特征量修正系数,修正上述特征点的特征量;以及
估计部,其基于上述多个特征点各自的上述修正后的特征量、和上述环境地图的多个特征点各自的特征量,估计上述自车的位置。
16.一种自车位置估计装置,是使用储存了各自的位置已知的多个特征点的特征量的环境地图估计自车的位置的自车位置估计装置,其中,包含:
特征点提取部,其从拍摄自车的周边的图像提取多个特征点;
特征量计算部,其对上述多个特征点的各个,计算基于上述特征点的亮度的特征量;
光源方向估计部,其基于传感器信息,估计上述图像的拍摄时的相对于拍摄方向的光源的方向;
修正系数决定部,其对上述环境地图的多个特征点的各个,基于上述特征点的特征量、上述估计出的上述光源的方向、以及获取上述环境地图的特征量时的预先求出的上述光源的方向,决定用于将上述环境地图的上述特征点的特征量修正为是获取上述环境地图的特征量时的上述光源的方向时的上述特征点的特征量的特征量修正系数;
特征量修正部,其对上述环境地图的多个特征点的各个,基于上述环境地图的上述特征点的特征量、和与上述特征点对应的特征量修正系数,修正上述特征点的特征量;以及
估计部,其基于上述环境地图的多个特征点各自的上述修正后的特征量、和上述多个特征点各自的特征量,估计上述自车的位置。
17.根据权利要求15或者16所述的自车位置估计装置,其中,
还包含基于通过传感器信息得到的亮度,估计上述车辆的日照条件的日照条件估计部,
上述修正系数决定部在通过上述日照条件估计部得到的日照条件是由于上述光源的方向的差异而对特征量造成影响的日照条件的情况下,对上述多个特征点的各个,根据上述估计出的特征点、上述光源的方向、以及获取上述环境地图的特征量时的预先求出的上述光源的方向,决定修正上述特征点的特征量的特征量修正系数。
Applications Claiming Priority (6)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2018005012A JP7056840B2 (ja) | 2018-01-16 | 2018-01-16 | 自車位置推定装置、自車位置推定方法、および自車位置推定プログラム |
JP2018-005012 | 2018-01-16 | ||
JP2018013946A JP7036400B2 (ja) | 2018-01-30 | 2018-01-30 | 自車位置推定装置、自車位置推定方法、及び自車位置推定プログラム |
JP2018-013946 | 2018-01-30 | ||
JP2018023303A JP7010536B2 (ja) | 2018-02-13 | 2018-02-13 | 車両位置推定装置及びプログラム |
JP2018-023303 | 2018-02-13 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110044256A true CN110044256A (zh) | 2019-07-23 |
CN110044256B CN110044256B (zh) | 2022-02-08 |
Family
ID=67068910
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910035085.XA Active CN110044256B (zh) | 2018-01-16 | 2019-01-15 | 自车位置估计装置 |
Country Status (3)
Country | Link |
---|---|
US (1) | US10949996B2 (zh) |
CN (1) | CN110044256B (zh) |
DE (1) | DE102019100885A1 (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113030960A (zh) * | 2021-04-06 | 2021-06-25 | 陕西国防工业职业技术学院 | 一种基于单目视觉slam的车辆定位方法 |
CN115050205A (zh) * | 2021-03-09 | 2022-09-13 | 本田技研工业株式会社 | 地图生成装置以及位置识别装置 |
Families Citing this family (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2019183393A1 (en) * | 2018-03-21 | 2019-09-26 | Lei Zhou | Controlling movement of an automated guided vehicle |
US11551552B2 (en) * | 2018-07-30 | 2023-01-10 | GM Global Technology Operations LLC | Distributing processing resources across local and cloud-based systems with respect to autonomous navigation |
JP7212486B2 (ja) * | 2018-09-26 | 2023-01-25 | フォルシアクラリオン・エレクトロニクス株式会社 | 位置推定装置 |
US10922845B2 (en) * | 2018-12-21 | 2021-02-16 | Here Global B.V. | Apparatus and method for efficiently training feature detectors |
JP7256463B2 (ja) * | 2019-10-11 | 2023-04-12 | トヨタ自動車株式会社 | 車両駐車支援装置 |
JP7160014B2 (ja) * | 2019-10-11 | 2022-10-25 | トヨタ自動車株式会社 | 駐車支援装置 |
JP7221897B2 (ja) * | 2020-03-03 | 2023-02-14 | 株式会社東芝 | 推定装置、移動体、推定方法及びプログラム |
JP7331769B2 (ja) * | 2020-04-30 | 2023-08-23 | トヨタ自動車株式会社 | 位置推定システム、及び位置推定方法 |
JP2022114526A (ja) * | 2021-01-27 | 2022-08-08 | トヨタ自動車株式会社 | 駐車支援装置 |
CN113989450B (zh) * | 2021-10-27 | 2023-09-26 | 北京百度网讯科技有限公司 | 图像处理方法、装置、电子设备和介质 |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1134546A2 (de) * | 2000-03-14 | 2001-09-19 | DaimlerChrysler AG | Anlage zur messtechnischen räumlichen 3D-Lageerfassung von Oberflächenpunkten |
CN101424535A (zh) * | 2007-10-30 | 2009-05-06 | 武汉大学 | 一种车辆定位方法及装置 |
CN102207389A (zh) * | 2010-03-31 | 2011-10-05 | 爱信艾达株式会社 | 车辆位置识别系统 |
CN102782720A (zh) * | 2009-12-25 | 2012-11-14 | 株式会社理光 | 对象识别装置、移动主体控制装置及信息提供装置 |
DE102012009155A1 (de) * | 2012-05-08 | 2013-01-03 | Daimler Ag | Verfahren und Analyseanordnung zum Ermitteln von Abweichungen eines Bauteils von einem Referenzbauteil |
CN103389488A (zh) * | 2013-07-30 | 2013-11-13 | 中国科学院深圳先进技术研究院 | 一种基于光强度的多光源室内定位装置与方法 |
WO2014039747A1 (en) * | 2012-09-07 | 2014-03-13 | Harsco Corporation | Reference measurement system for rail applications |
EP2833096A1 (en) * | 2013-08-02 | 2015-02-04 | Connaught Electronics Ltd. | Method for determining a current distance and/or a current speed of a target object based on a reference point in a camera image, camera system and motor vehicle |
CN105416294A (zh) * | 2015-12-26 | 2016-03-23 | 吉林大学 | 一种重型汽车列车参数估计方法 |
CN106970354A (zh) * | 2017-04-10 | 2017-07-21 | 南京邮电大学 | 一种基于多光源和光传感器阵列的三维定位方法 |
JP2017138664A (ja) * | 2016-02-01 | 2017-08-10 | 三菱重工業株式会社 | 自動運転制御装置、車両及び自動運転制御方法 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP4406381B2 (ja) * | 2004-07-13 | 2010-01-27 | 株式会社東芝 | 障害物検出装置及び方法 |
JP3937414B2 (ja) * | 2004-08-11 | 2007-06-27 | 本田技研工業株式会社 | 平面検出装置及び検出方法 |
CN103123722B (zh) * | 2011-11-18 | 2016-04-27 | 株式会社理光 | 道路对象检测方法和系统 |
US10127461B2 (en) * | 2016-08-12 | 2018-11-13 | Here Global B.V. | Visual odometry for low illumination conditions using fixed light sources |
-
2019
- 2019-01-15 DE DE102019100885.9A patent/DE102019100885A1/de active Pending
- 2019-01-15 CN CN201910035085.XA patent/CN110044256B/zh active Active
- 2019-01-15 US US16/248,191 patent/US10949996B2/en active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1134546A2 (de) * | 2000-03-14 | 2001-09-19 | DaimlerChrysler AG | Anlage zur messtechnischen räumlichen 3D-Lageerfassung von Oberflächenpunkten |
CN101424535A (zh) * | 2007-10-30 | 2009-05-06 | 武汉大学 | 一种车辆定位方法及装置 |
CN102782720A (zh) * | 2009-12-25 | 2012-11-14 | 株式会社理光 | 对象识别装置、移动主体控制装置及信息提供装置 |
CN102207389A (zh) * | 2010-03-31 | 2011-10-05 | 爱信艾达株式会社 | 车辆位置识别系统 |
DE102012009155A1 (de) * | 2012-05-08 | 2013-01-03 | Daimler Ag | Verfahren und Analyseanordnung zum Ermitteln von Abweichungen eines Bauteils von einem Referenzbauteil |
WO2014039747A1 (en) * | 2012-09-07 | 2014-03-13 | Harsco Corporation | Reference measurement system for rail applications |
CN103389488A (zh) * | 2013-07-30 | 2013-11-13 | 中国科学院深圳先进技术研究院 | 一种基于光强度的多光源室内定位装置与方法 |
EP2833096A1 (en) * | 2013-08-02 | 2015-02-04 | Connaught Electronics Ltd. | Method for determining a current distance and/or a current speed of a target object based on a reference point in a camera image, camera system and motor vehicle |
CN105416294A (zh) * | 2015-12-26 | 2016-03-23 | 吉林大学 | 一种重型汽车列车参数估计方法 |
JP2017138664A (ja) * | 2016-02-01 | 2017-08-10 | 三菱重工業株式会社 | 自動運転制御装置、車両及び自動運転制御方法 |
CN106970354A (zh) * | 2017-04-10 | 2017-07-21 | 南京邮电大学 | 一种基于多光源和光传感器阵列的三维定位方法 |
Non-Patent Citations (3)
Title |
---|
CHIH-JENWU等: "Location estimation for indoor autonomous vehicle navigation by omni-directional vision using circular landmarks on ceilings", 《ROBOTICS AND AUTONOMOUS SYSTEMS》 * |
俞毓锋等: "基于道路结构特征的智能车单目视觉定位", 《自动化学报》 * |
曹立波等: "基于RFID、视觉和UWB的车辆定位系统", 《汽车工程》 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115050205A (zh) * | 2021-03-09 | 2022-09-13 | 本田技研工业株式会社 | 地图生成装置以及位置识别装置 |
CN115050205B (zh) * | 2021-03-09 | 2024-02-27 | 本田技研工业株式会社 | 地图生成装置以及位置识别装置 |
CN113030960A (zh) * | 2021-04-06 | 2021-06-25 | 陕西国防工业职业技术学院 | 一种基于单目视觉slam的车辆定位方法 |
CN113030960B (zh) * | 2021-04-06 | 2023-07-04 | 陕西国防工业职业技术学院 | 一种基于单目视觉slam的车辆定位方法 |
Also Published As
Publication number | Publication date |
---|---|
DE102019100885A1 (de) | 2019-07-18 |
US10949996B2 (en) | 2021-03-16 |
CN110044256B (zh) | 2022-02-08 |
US20190220997A1 (en) | 2019-07-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110044256A (zh) | 自车位置估计装置 | |
KR102003152B1 (ko) | 정보 처리 방법, 디바이스, 및 단말기 | |
CN109931939A (zh) | 车辆的定位方法、装置、设备及计算机可读存储介质 | |
JP2019215853A (ja) | 測位のための方法、測位のための装置、デバイス及びコンピュータ読み取り可能な記憶媒体 | |
US20210232845A1 (en) | Information processing apparatus, information processing method, and storage medium | |
US8854453B2 (en) | Determining geographic position information from a single image | |
JP7036400B2 (ja) | 自車位置推定装置、自車位置推定方法、及び自車位置推定プログラム | |
EP2458405A1 (en) | Graphics-aided remote position measurement with handheld geodesic device | |
CN111174799A (zh) | 地图构建方法及装置、计算机可读介质、终端设备 | |
US20190385324A1 (en) | Three-dimensional measurement apparatus | |
CN112363158B (zh) | 机器人的位姿估计方法、机器人和计算机存储介质 | |
WO2020133172A1 (zh) | 图像处理方法、设备及计算机可读存储介质 | |
CN110132242B (zh) | 多摄像机即时定位与地图构建的三角化方法及其运动体 | |
US11295142B2 (en) | Information processing apparatus, information processing method, and non-transitory computer-readable storage medium | |
WO2021212477A1 (zh) | 校正点云数据的方法和相关装置 | |
CN109564682A (zh) | 路面估计装置、车辆控制装置、路面估计方法以及程序 | |
CN113012224B (zh) | 定位初始化方法和相关装置、设备、存储介质 | |
CN111340890A (zh) | 相机外参标定方法、装置、设备和可读存储介质 | |
KR102559203B1 (ko) | 포즈 정보를 출력하는 방법 및 장치 | |
JP2018077162A (ja) | 車両位置検出装置、車両位置検出方法及び車両位置検出用コンピュータプログラム | |
JP4986883B2 (ja) | 標定装置、標定方法および標定プログラム | |
CN110503684A (zh) | 相机位姿估计方法和装置 | |
CN113340272B (zh) | 一种基于无人机微群的地面目标实时定位方法 | |
JP7056840B2 (ja) | 自車位置推定装置、自車位置推定方法、および自車位置推定プログラム | |
CN113063434B (zh) | 卫星指向恒星的精度评估方法及系统 |
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 | ||
CP03 | Change of name, title or address |
Address after: Kariya City, Aichi Prefecture, Japan Patentee after: AISIN Co.,Ltd. Address before: Aichi Patentee before: AISIN SEIKI Kabushiki Kaisha |
|
CP03 | Change of name, title or address |