CN110595492A - 园区环境下的车辆自定位系统及方法 - Google Patents

Abstract

本发明提供了一种园区环境下的车辆自定位系统及方法，包括传感器模块、用于将所述传感器模块安装于车头部的装载支架、惯性测量元件、车辆编码器、车载计算平台以及向所述传感器模块和车载计算平台提供电源的电源模块，其中：所述传感器模块用于获取园区环境的三维点云结构信息；所述惯性测量元件和所述车辆编码器用于实现定位的多传感器融合；所述车载计算平台用于对所述园区环境的三维点云结构信息进行分析处理后，结合预先创建的高精度地图来获得车辆的定位信息。本发明可实现在GNSS遮挡区或者干扰区环境下提供高精度实时车辆自定位的目的。

Description

园区环境下的车辆自定位系统及方法

技术领域

本发明涉及车辆定位技术领域，具体地，涉及一种园区环境下的车辆自定位系统及方法。

背景技术

随着我国经济水平和人们生活水平的提高，汽车拥有量也逐渐增多，交通效率低下已成为制约人们生活乃至发展的严重问题。园区环境是生活中很常见的环境，目前园区环境下的车辆系统可以完成巡逻、运输等功能，可以使用无人车辆提高效率，节省经济成本。而车辆定位导航技术将是实现车辆系统无人化的重要基础。

在园区的环境中，由于建筑墙体以及林荫遮挡，GNSS(Global NavigationSatellite System，全球导航卫星系统)信号会受干扰严重，不能采用GNSS定位方案。当前实现园区环境的定位的方法主要有磁钉定位系统和视觉定位系统。

磁钉定位系统虽然可以确保准确性，但必须要对园区环境进行改造，向地下埋入磁钉，耗资较大。普通的视觉定位系统，对光线很敏感，激光雷达定位是园区无人系统定位目前最为主流的方法。

经过专利检索，在2018年6月12日公布的公开号为CN108151766A的发明专利“磁钉的定位方法、磁钉定位导航误差修正方法及定位装置”提出了采用磁钉定位系统实现室外的车辆定位的方案，但是此方案必须要对环境进行改造，费时费力，耗资较大。

在2019年8月20日公布的公开号为CN110147705A的发明专利申请“一种基于视觉感知的车辆定位方法及电子设备”采用视觉定位系统实现室外的车辆定位，但是这种方法对光线很敏感，园区环境光线不易控制，很难应用。

在2019年7月19日公布的公开号为CN110032180A的发明专利申请“激光雷达定位”采用GPS、激光雷达实现室外的车辆定位，这种方法依赖于GPS精度，但是在园区环境下GPS容易因为受遮挡而失效。

在2019年8月30日公布的公开号为CN110187348A的发明专利申请“一种激光雷达定位的方法”采用二维码和激光雷达实现室外的车辆定位，但是这种方法依赖于二维码的指令，操作复杂。

综上，需要提出一种适合园区环境的，不需要在道路上额外安装设备，不依赖于GPS等全球导航卫星系统(GNSS)的车辆自定位系统及方法。

发明内容

针对现有技术中的缺陷，本发明的目的是提供一种园区环境下车辆定位系统及方法。

根据本发明的一个方面，提供一种园区环境下的车辆自定位系统，包括传感器模块、装载支架、惯性测量元件、车辆编码器、车载计算平台、电源模块，其中：

所述传感器模块用于获取园区环境的三维点云结构信息；

所述装载支架用于将所述传感器模块安装于车头部；

所述惯性测量元件和所述车辆编码器用于实现定位的多传感器融合；

所述车载计算平台，用于对所述园区环境的三维点云结构信息进行分析处理后，结合预先创建的高精度地图来获得车辆的定位信息；

所述电源模块用于向所述传感器模块和/或车载计算平台提供电源；

可选地，所述传感器模块为激光雷达，所述激光雷达的视野范围为360°，有效探测距离大于80米。

可选地，所述装载支架为吸盘支架，所述激光雷达通过所述吸盘支架倾斜安装于车头，所述激光雷达轴心和水平方向夹角根据车的长度调整，以保证激光雷达第一根线束不打到车引擎盖上。

可选地，所述车载计算平台用于：

对所述传感器模块采集的三维点云结构信息进行分析处理，获得车辆当前位置的三维点云结构信息；

结合预先创建的高精度地图，将所述高精度地图按照道路拓扑结构创建局部地图，所述局部地图的尺寸需要平衡计算平台的计算资源和定位的精度的影响；

根据突出高度权重的点云匹配算法，从所述园区环境的局部地图集中获取与所述车辆当前位置的三维点云信息有重叠区域的局部地图，取重叠区域最大的局部地图，作为待匹配的局部地图；

根据所述当前测量到的周围环境的三维结构特征信息，与待匹配的局部地图实现点云配准，获得车辆定位信息。

可选地，所述预先创建的高精度地图是根据点云地图创建算法生成的园区环境的三维点云地图，对于点云进行栅格化，栅格尺寸由定位精度和环境结构决定，栅格化后的点云按照z方向排布的栅格压缩为最高和最低点进行信息压缩，获得栅格图作为高精度地图的信息，所述栅格图中突出有园区环境中的三维结构特征信息，所述三维结构特征信息包括建筑物、标志牌或路沿。

可选地，所述点云配准，包括以下步骤：

地面剔除步骤，用于分析环境的三维结构特征信息，将当前激光雷达获取数据中的属于地面信息的点根据几何方法剔除；

点云配准步骤，使用基于高度权重的点云配准方法实现当前车辆附近的环境结构和已有的局部环境地图完成匹配；

多传感器融合步骤，使用贝叶斯滤波方法，对点云配准结果进行滤波平滑。

可选地，所述电源模块将220v电源转化为传感器模块和车载计算平台能用的电压，用于为所述传感器模块和车载计算平台提供持续电源。

可选地，所述惯性测量元件、车辆编码器与激光雷达定位结果进行滤波融合。

可选地，还包括计算平台底座，所述计算平台底座用于安装所述车载计算平台和/或所述电源模块，所述计算平台底座与车体通过机械结构连接。

根据本发明的另一个方面，本发明还提供了一种园区环境下的车辆自定位方法，包括以下步骤：

获取园区环境的三维点云地图，并将所述园区环境的三维点云地图保存成离线地图文件；

车载计算平台读取所述离线地图文件，对点云地图进行栅格化，栅格化对点云信息压缩，获得高精度地图的信息；

将高精度地图按照道路环境拓扑关系划分为局部地图集；

传感器模块获得园区环境的三维环境结构信息，寻找重合区域最大的局部地图；

车载计算平台基于高度权重的点云配准算法获得车辆在对应局部地图上的定位结果；

惯性测量元件、车辆编码器进行多传感器融合步骤，使用贝叶斯滤波方法，对点云配准结果进行滤波平滑，获得车辆最终的定位结果。

与现有技术相比，本发明具有如下至少一种有益效果：

本发明上述系统及方法适合园区环境，不需要在道路上安装设备、不依赖于GPS等全球导航卫星系统(GNSS)，就能实现车辆自定位。

在本发明的优选实施例中，选用激光雷达作为传感器，更适合园区道路交通的应用环境，定位精度更高；预先创建园区环境的高精度地图作为先验信息，充分利用园区环境下建筑物、标志牌、路沿等三维结构特征信息进行定位匹配，更适合园区道路交通的应用环境，鲁棒性更强，可实现在园区环境中GNSS受遮挡受干扰的环境下提供高精度的实时定位结果。

本发明上述系统相对其他定位装置，精度较高，操作简单，易于安装。

附图说明

通过阅读参照以下附图对非限制性实施例所作的详细描述，本发明的其它特征、目的和优点将会变得更明显：

图1为本发明一实施例的园区环境车辆定位系统的结构示意图；

图2为本发明一实施例的园区环境车辆定位系统的结构框图；

图3为本发明一实施例的园区环境下车辆定位系统方法的流程图。

图中：

1-传感器模块；

2-装载支架；

3-惯性测量元件；

4-车辆编码器；

5-车载计算平台；

6-电源模块；

7-计算平台底座。

具体实施方式

下面结合具体实施例对本发明进行详细说明。以下实施例将有助于本领域的技术人员进一步理解本发明，但不以任何形式限制本发明。应当指出的是，对本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变化和改进。这些都属于本发明的保护范围。

图1为本发明一实施例提供的园区环境下的车辆定位系统的结构示意图，图2为本发明实施例提供的园区环境车辆定位系统的另一角度结构示意图。参见图1和图2，本实施例中的园区环境下车辆自定位系统100包括：传感器模块1、装载支架2、惯性测量元件3、车辆编码器4、车载计算平台5、电源模块6，其中：传感器模块1用于获取园区环境的三维点云结构信息。装载支架2，用于将传感器模块1安装于车头部。激光雷达通过吸盘支架倾斜安装于车头，激光雷达轴心和水平方向夹角根据车的长度调整，以保证激光雷达第一根线束不打到车引擎盖上为宜。惯性测量元件3和车辆编码器4用于实现定位的多传感器融合，惯性测量元件3和车辆编码器4用于将激光雷达获得的定位结果进行滤波融合。车载计算平台5用于对园区环境的三维点云结构信息进行分析处理后，结合预先创建的高精度地图来获得车辆的定位信息。电源模块6，用于向传感器模块1和/或车载计算平台5提供电源。

在优选实施例中，传感器模块1可以是激光雷达，激光雷达的视野范围为360°，有效探测距离大于80米。

在优选实施例中，装载支架2为吸盘支架。吸盘支架不会对车体产生损坏，可方便拆卸与安装。当然，在其他实施例中，也可以是其他类型的支架，并不仅限于吸盘支架。

在优选实施例中，激光雷达轴心方向和水平方向夹角为12.5°。当然，在其他实施例中，也可以是其他角度，并不仅限于该优选角度。

在优选实施例中，车载计算平台5具体可以用于：对传感器模块1采集的三维点云结构信息进行分析处理，获得车辆当前位置的三维点云结构信息；结合预先创建的高精度地图，将高精度地图按照道路拓扑结构创建局部地图，局部地图的尺寸需要平衡计算平台的计算资源和定位的精度的影响；根据突出高度权重的点云匹配算法，从园区环境的局部地图集中获取与车辆当前位置的三维点云信息有重叠区域的局部地图，取重叠区域最大的局部地图，作为待匹配的局部地图；根据当前测量到的周围环境的三维结构特征信息，与待匹配的局部地图实现点云配准，获得车辆定位信息。

上述的预先创建的高精度地图，是根据点云地图创建算法生成的园区环境的三维点云地图，对于点云进行栅格化，栅格尺寸由定位精度和环境结构决定，栅格化后的点云按照z方向排布的栅格压缩为最高和最低点进行信息压缩，进而获得栅格图作为高精度地图的信息，栅格图中突出环境中的三维结构特征信息，三维结构特征信息包括但不限于园区环境中的建筑物、标志牌、路沿等有利于提高定位精度和鲁棒性的特征(比如墙面、柱状物等)。园区环境的高精度地图可预先创建，存储于所述车载计算平台5中，并可以在后续进行车辆定位的时候离线获取。预先创建的高精度地图是后续定位的先验信息，主要是与环境感知地图实现点云配准获取最终定位结果。

在优选实施例中，点云配准可以按照以下方式实现：

地面剔除步骤，用于分析环境的三维结构特征信息，将当前激光雷达获取数据中的属于地面信息的点根据几何方法剔除；

点云配准步骤，使用基于高度权重的点云配准方法实现当前车辆附近的环境结构和已有的局部环境地图完成匹配；

多传感器融合步骤，使用贝叶斯滤波方法，对点云配准结果进行滤波平滑。

在上述实施例中，电源模块6将车上220v电源转化为传感器模块1和车载计算平台5能用的电压，用于为传感器模块1和车载计算平台5提供持续电源。

如图1和图2所示，在优选实施例中，所述园区环境下车辆自定位系统100还包括计算平台底座7，用于安装车载计算平台5和/或电源模块6，所述计算平台底座7与车体通过机械结构连接。

在另一实施例中，还提供了一种园区环境下的车辆定位方法，应用上述记载的园区环境下的车辆定位系统100，执行对园区环境下的车辆进行定位，图3为本发明一实施例的园区环境下的车辆定位方法的流程图，如图3所示，园区环境下的车辆定位方法包括如下步骤：

步骤S01：获取园区环境的三维点云地图，并将园区环境的三维点云地图保存成离线地图文件。

步骤S02：车载计算平台5读取离线地图文件，对点云地图进行栅格化，栅格化对点云信息压缩，获得高精度地图的信息。

步骤S03：将高精度地图按照道路环境拓扑关系划分为局部地图集。

步骤S04：传感器模块1获得园区环境的三维环境结构信息，寻找重合区域最大的局部地图。

步骤S05：车载计算平台5基于高度权重的点云配准算法获得车辆在对应局部地图上的定位结果。

步骤S06：惯性测量元件3、车辆编码器4进行多传感器融合步骤，使用贝叶斯滤波方法，对点云配准结果进行滤波平滑，获得车辆最终的定位结果。

本发明实施例提供的园区环境的车辆定位系统，充分利用园区环境的丰富的三维结构特征信息，选用激光雷达作为传感器，更适合园区的的应用环境，鲁棒性更强，可实现在无GNSS的环境下提供高精度的实时定位结果。而且，在保证精度的情况下，操作简单，易于安装。

以上对本发明的具体实施例进行了描述。需要理解的是，本发明并不局限于上述特定实施方式，本领域技术人员可以在权利要求的范围内做出各种变化或修改，这并不影响本发明的实质内容。在不冲突的情况下，本申请的实施例和实施例中的特征可以任意相互组合。

Claims (10)

1.一种园区环境下的车辆自定位系统，其特征在于，包括传感器模块、装载支架、惯性测量元件、车辆编码器、车载计算平台、电源模块，其中：

所述传感器模块用于获取园区环境的三维点云结构信息；

所述装载支架用于将所述传感器模块安装于车头部；

所述惯性测量元件和所述车辆编码器用于实现定位的多传感器融合；

所述车载计算平台，用于对所述园区环境的三维点云结构信息进行分析处理后，结合预先创建的高精度地图来获得车辆的定位信息；

所述电源模块用于向所述传感器模块和/或车载计算平台提供电源。

2.根据权利要求1所述的园区环境下的车辆自定位系统，其特征在于，所述传感器模块为激光雷达，所述激光雷达的视野范围为360°，有效探测距离大于80米。

3.根据权利要求2所述的园区环境下的车辆自定位系统，其特征在于，所述装载支架为吸盘支架，所述激光雷达通过所述吸盘支架倾斜安装于车头，所述激光雷达轴心和水平方向夹角根据车的长度调整，以保证激光雷达第一根线束不打到车引擎盖上。

4.根据权利要求1～3任一项所述的园区环境下的车辆自定位系统，其特征在于，所述车载计算平台用于：

对所述传感器模块采集的三维点云结构信息进行分析处理，获得车辆当前位置的三维点云结构信息；

结合预先创建的高精度地图，将所述高精度地图按照道路拓扑结构创建局部地图，所述局部地图的尺寸需要平衡计算平台的计算资源和定位的精度的影响；

根据突出高度权重的点云匹配算法，从所述园区环境的局部地图集中获取与所述车辆当前位置的三维点云信息有重叠区域的局部地图，取重叠区域最大的局部地图，作为待匹配的局部地图；

根据所述当前测量到的周围环境的三维结构特征信息，与待匹配的局部地图实现点云配准，获得车辆定位信息。

5.根据权利要求4所述的园区环境下的车辆自定位系统，其特征在于，所述预先创建的高精度地图，是根据点云地图创建算法生成的园区环境的三维点云地图，对于点云进行栅格化，栅格尺寸由定位精度和环境结构决定，栅格化后的点云按照z方向排布的栅格压缩为最高和最低点进行信息压缩，获得栅格图作为高精度地图的信息，所述栅格图中突出园区环境中的三维结构特征信息，所述三维结构特征信息包括建筑物、标志牌、路沿的一种或多种。

6.根据权利要求4所述的园区环境下的车辆自定位系统，其特征在于，所述点云配准，包括：

地面剔除步骤，用于分析环境的三维结构特征信息，将当前激光雷达获取数据中的属于地面信息的点根据几何方法剔除；

点云配准步骤，使用基于高度权重的点云配准方法实现当前车辆附近的环境结构和已有的局部环境地图完成匹配；

多传感器融合步骤，使用贝叶斯滤波方法，对点云配准结果进行滤波平滑。

7.根据权利要求1所述的园区环境下的车辆自定位系统，其特征在于，所述电源模块将220v电源转化为传感器模块和车载计算平台能用的电压，用于为所述传感器模块和车载计算平台提供持续电源。

8.根据权利要求1所述的园区环境下的车辆自定位系统，其特征在于，所述惯性测量元件、车辆编码器与激光雷达定位结果进行滤波融合。

9.根据权利要求1所述的园区环境下的车辆自定位系统，其特征在于，还包括计算平台底座，所述计算平台底座用于安装所述车载计算平台和/或所述电源模块，所述计算平台底座与车体通过机械结构连接。

10.一种园区环境下的车辆自定位方法，其特征在于，包括：

获取园区环境的三维点云地图，并将所述园区环境的三维点云地图保存成离线地图文件；

车载计算平台读取所述离线地图文件，对点云地图进行栅格化，栅格化对点云信息压缩，获得高精度地图的信息；

将高精度地图按照道路环境拓扑关系划分为局部地图集；

传感器模块获得园区环境的三维环境结构信息，寻找重合区域最大的局部地图；

车载计算平台基于高度权重的点云配准算法获得车辆在对应局部地图上的定位结果；

惯性测量元件、车辆编码器进行多传感器融合步骤，使用贝叶斯滤波方法，对点云配准结果进行滤波平滑，获得车辆最终的定位结果。