CN110618434B - 一种基于激光雷达的隧道内定位系统及其定位方法 - Google Patents
一种基于激光雷达的隧道内定位系统及其定位方法 Download PDFInfo
- Publication number
- CN110618434B CN110618434B CN201911046049.XA CN201911046049A CN110618434B CN 110618434 B CN110618434 B CN 110618434B CN 201911046049 A CN201911046049 A CN 201911046049A CN 110618434 B CN110618434 B CN 110618434B
- Authority
- CN
- China
- Prior art keywords
- tunnel
- vehicle
- road signs
- road
- point cloud
- 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.)
- Active
Links
Images
Abstract
本发明提供一种基于激光雷达的隧道内定位系统及其定位方法,属于汽车自动驾驶领域。系统包括:布设于隧道两侧的路标、安装于车顶的激光雷达和安装于车辆后备箱中的图形处理器GPU计算平台;方法包括:步骤1,在隧道两侧布设路标,利用安装了激光雷达的车辆通过隧道,采集点云数据,结合隧道内的里程信息生成点云概率地图;步骤2,当车辆驶入隧道入口后,判断车辆本地是否存在所驶入隧道的点云概率地图,如果存在,配准本地存储的点云概率地图,否则根据路标数据库来对车辆进行定位。本发明通过在隧道两侧巧妙的布设路标,实现路标的差异化;采用不同的定位算法,实现在明暗对比较大的隧道中准确进行车辆定位,具有抗环境干扰能力强的优点。
Description
技术领域
本发明属于汽车自动驾驶领域,具体涉及一种基于车载激光雷达的隧道定位系统及方法。
背景技术
对于自动驾驶车辆,车辆自身的位置是整个自动驾驶系统的基础信息之一,其精确到厘米级的输入是路径规划等功能实现的保障。
目前在开阔地域,绝大多数自动驾驶车辆依靠全球导航卫星系统(GlobalNavigation Satellite System,GNSS)来获取当前位置信息,依赖载波相位差分(Real-time kinematic,RTK)技术将GNSS系统的精确度提高至厘米级;在高大建筑或林荫道等卫星信号被遮挡的情况下,自动驾驶车辆大多采用激光雷达采集环境特征信息,利用特征匹配先验地图获得自身在地图中的位置。
当前已有多种定位技术应用在隧道场景中,如采用双目相机识别路沿荧光反射以及标识牌等,其运用SLAM(Simultaneous Localization And Mapping,同步定位与地图构建)技术进行定位,但在暗光等光照条件差的环境中无法达到期望水平;另有采用摄像头与毫米波雷达识别隧道内特征与先验地图比对进行定位,这种方法在特征较少的平直隧道中不适用;除此以外,有使用光照传感器和气压计感知路灯之间的明暗变化等进行里程计算从而实现定位,但这种方法不能实现在无灯隧道中的定位。
普通激光雷达的点云配准定位算法依赖特征点和特征面,而大多数结构化隧道的墙壁平直相似,无法为雷达提供足够的几何特征信息用于匹配位置。也有在隧道壁上安装反光板为激光雷达提供定位基准的做法,这种方法通过判断反光板相对于雷达的位移获得车辆的位移信息,将位移累计为里程计,但其未能做到在定位丢失后快速准确的重新定位。
例如:公开号为CN108254776A的中国专利申请在2018年7月6日公开的基于路沿荧光反射和双目相机的隧道定位系统及方法,该系统及方法使用摄像头识别隧道内路沿和标牌等设施,将其作为路标运用VSLAM(利用视觉系统实现自主定位与地图创建)技术进行定位,该方法对光线要求极高,不适合明暗对比大的隧道等场景。公开号为CN109031304A的中国专利申请在2018年12月18日公开的基于视觉和毫米波雷达地图特征的隧道内车辆定位方法,该方法使用毫米波雷达识别特征与先验特征地图比对,辅助IMU与视觉进行定位。毫米波雷达不能识别隧道顶部的特征,而水平方向的特征过于稀疏,其定位效果的鲁棒性较差。
因此,当前缺乏一种高精度、重定位性好的适应隧道环境的定位方法。
发明内容
本发明针对目前在隧道环境下车辆定位精度不高、重定位性不好的问题,提供了一种基于激光雷达的隧道内定位系统及其定位方法。
本发明的基于激光雷达的隧道定位系统,包括:布设于隧道两侧的路标、安装于车顶的激光雷达和安装于车辆后备箱中的GPU(图形处理器)计算平台。其中,路标具有两个相同的路标反射面,用于两个相对行驶方向的车辆都能检测到反射面。路标在隧道入口处开始布设,隧道入口处的左右第一个路标对称布设,之后路标以不同间距进行布设,以使得两侧的路标错开布设。对称布设的左右路标表示同一里程位置,通过记录左右两侧相邻路标间的距离,获得隧道内的路标的里程位置。激光雷达的作用是传感器,采用多线激光雷达,并安装于车顶支架上,由于要采集路标的点云信息,需保证足够的安装高度来探测到路标。激光雷达发射的激光被路标反射面反射,激光雷达捕捉到点云数据并发送给车辆本地的GPU计算平台。车辆本地的GPU计算平台用于处理激光雷达接收的点云数据,对车辆进行隧道内的定位。在车辆的GPU计算平台内存储有路标数据库以及生成的隧道点云概率地图;当接收到激光雷达的点云数据后,若存储有车辆所驶入的隧道的点云概率地图,则通过点云配准进行车辆定位,否则利用路标数据库进行路标基点算法对车辆定位。所述的隧道的点云概率地图是预先利用安装了激光雷达的车辆通过隧道,采集点云数据,结合隧道内的里程信息生成的。所述的路标数据库中存储路标设置的位置、设置的路标间距、左右相邻路标的标准差值以及路标所属的里程段,同一个里程段内的路标间距是一样的。所述的路标基点算法集成在GPU计算平台上,包括:根据车辆采集的点云数据,识别隧道内左右两侧的路标,然后根据识别出的路标的间距确定车辆所处的里程段,计算左右相邻两个路标之间的纵向距离差值ΔD,遍历所处里程段中左右相邻路标的标准差值,找到与ΔD最相近的一组路标,根据所找到的路标来定位车辆的当前位置。相应地,本发明提供了一种基于激光雷达的隧道定位方法,包括:
步骤1,在隧道两侧布设路标,利用安装了激光雷达的车辆通过隧道,采集点云数据,结合隧道内的里程信息生成点云概率地图;
所述的路标具有两个相同的路标反射面,以使得两个相对行驶方向的车辆都能检测到反射面;路标在隧道入口处开始布设,在隧道入口处的左右第一个路标对称布设,表示同一里程位置,之后左右两侧的路标以不同间距进行布设;通过记录左右两侧相邻路标间的距离,获得隧道内的路标的里程位置;
步骤2,当车辆驶入隧道入口后,判断车辆本地是否存在所驶入隧道的点云概率地图,如果存在,则执行步骤3,否则执行步骤4;
步骤3,根据车辆采集的当前时刻的激光雷达点云数据,配准本地存储的点云概率地图,对车辆进行定位;
步骤4,根据车辆采集的点云数据,识别隧道内左右两侧的路标,然后根据路标数据库来对车辆进行定位。所述的路标数据库中存储路标设置的位置、设置的路标间距、相邻路标的标准差值以及路标所属的里程段;同一个里程段内的路标间距是一样的。在识别出路标后,首先根据路标间距确定车辆所处的里程段,然后计算左右相邻两个路标之间的纵向距离差值ΔD,遍历所处里程段中左右相邻路标的标准差值,找到与ΔD最相近的一组路标,根据所找到的路标来定位车辆的当前位置。
本发明提供了一种新的路标布设方案,所述路标布设于隧道两侧的墙壁上,两侧的路标布设间距不相同。在隧道入口处两侧进行路标对称布设,表示同一里程位置,此后左右两侧分别以不同间距进行布设,经过若干里程后两侧路标可再次实现对齐,在这一段隧道中,通过记录左右两侧相邻路标间的距离,实现对隧道位置的标定。在接下来的一段隧道中,改变两侧路标的布设间距后重复上述布设。在以后的隧道中以此类推,直到隧道结束。
本发明的定位系统及定位方法与现有技术相比,具有以下优势和积极效果:
(1)本发明只使用了激光雷达一种传感器,实现了精度高、重定位性好的隧道内定位,定位系统的复杂性较低,定位的鲁棒性和稳定性较强;
(2)本发明的定位效果不受恶劣天气和环境影响,例如在明暗对比较大的隧道中,依然能稳定的实现定位,抗环境干扰能力极为优秀;
(3)本发明通过巧妙地安排路标的布设位置实现了路标的差异化,降低了工程的复杂性,同时降低了生产成本;
(4)本发明可以自动识别先验地图是否存在,并智能选择不同的定位算法,对不存在先验点云地图时,采用新的路标基点算法进行定位,因此在不同情况下,使用本发明方法均能在较短的处理时间内输出高频率的精准车辆位置,满足一般自动驾驶车辆对定位周期的最低需求。
附图说明
图1是本发明定位系统中激光雷达及GPU计算平台的安装位置示意图;
图2是本发明具体实施例中设计的在隧道两侧墙壁上布设的路标示意图;
图3是在隧道两侧墙壁上布设路标的位置俯视示意图;
图4是定位系统根据有无先验地图,自动选择不同算法的流程框图;
图5在本发明方法中使用点云配准定位算法进行车辆定位的流程框图;
图6在本发明方法中使用的路标基点定位算法的流程框图;
图7在本发明方法中使用的路标基点定位算法中识别路标的流程框图;
图8在本发明方法中使用的路标基点定位算法中拟合地平面的流程框图。
图中:
101-激光雷达;102-GPU计算平台;200-路标;201-路标上半部分的反射面;202-路标下半部分的反射面;301-隧道内道路的边沿;302-隧道两侧的墙壁;303-布设路标的位置;304-隧道的入口。
具体实施方式
为了便于本领域普通技术人员理解和实施本发明,下面结合附图对本发明作进一步的详细和深入描述。
本发明提供了一种基于激光雷达的隧道内定位系统及其定位方法,通过在隧道两侧巧妙的布设路标,实现路标的差异化,降低工程复杂性;采用本发明可以自动识别先验地图是否存在,并智能地选择不同的定位算法,实现在明暗对比较大的隧道中准确进行车辆定位,该定位系统具有抗环境干扰能力极强的优点。
本发明提供的一种基于激光雷达的隧道内定位系统,如图1和图2所示,包括:激光雷达101、GPU计算平台102和布设于隧道两侧的路标200;激光雷达101安装于车顶,GPU计算平台102安装于车辆后备箱中;路标200包括:路标上半部分的反射面201和路标下半部分的反射面202。GPU计算平台102,主要包括:GPU计算芯片、显示屏、键盘和鼠标。
如图1所示,为激光雷达101及GPU计算机平台102的安装位置示意图。激光雷达101安装于车顶支架上,由于要采集路标的点云信息,需保证激光雷达101足够的安装高度来探测到路标200。激光雷达101为多线激光雷达。GPU计算平台102安装在车辆后备箱内,用于处理激光雷达接收的数据、并进行计算和定位车辆。GPU计算芯片内嵌入点云配准算法和路标基点算法,进行车辆定位。显示屏主要用于显示点云地图和车辆位置以及用于调试。键盘和鼠标用于输入信息,启动和调试本系统。
本实施例中采用32线激光雷达,用于采集隧道两侧的点云信息;车辆上还搭载12V稳定供电且功率不小于200W的供电电源,为GPU计算平台以及激光雷达供电。作为传感器,该多线激光雷达传感器具有精度高、重定位性好等优点。
本发明系统中的GPU计算芯片内集成了两种定位算法:点云配准定位算法以及路标基点定位算法。当在车辆定位前已经获得隧道内的点云概率地图并存储在本地时,对接收到的激光雷达的点云数据,使用点云配准定位算法来进行车辆定位。隧道的点云概率地图是预先利用安装了激光雷达的车辆通过隧道,采集点云数据,结合隧道内的里程信息生成的。当车辆并没有存储隧道内的先验获得的点云概率地图时,使用路标基点定位算法,利用路标数据库进行车辆定位。具体定位算法在下面对应的方法中的步骤3和4中说明。
如图2所示,在本发明实施例中布设于隧道两侧墙壁上的路标200包括:路标上半部分的反射面201和路标下半部分的反射面202两部分,两部分是一体结构,但两者形状并不完全相同。路标200近似为一个三棱柱的形状,上下两个底面为等腰三角形或等边三角形,如果是等腰三角形,则腰长于底边,上下两个底面的两个等腰边和三棱柱的两个棱长围成的四边形是路标反射面,路标反射面分为上下两半部分。路标上半部分的反射面201包括四个区域,中间两个区域为两个四边形凸起;中间两区域突起高度不同、颜色不同。路标下半部分的反射面202包括三个区域,中间一个区域为四边形凸起。路标上半部分的反射面201中间两个凸起区域比路标下半部分的反射面202中间四边形凸起宽。路标反射面的各区域颜色不同,同时这些长方体区域表面的激光反射率也不一样,越接近于黑色的颜色反射率越低,越接近白色的反射率越高,由于颜色不同导致反射率不同。这样采集到的点云信息具有差异化的位置和反射率特征,便于与其他环境点区分开。因为考虑到需要两个方向的车辆都能检测到反射面,所以本发明将路标200设计为三棱柱形状。三菱柱上下底面的两个底边所在平面固定在隧道两侧墙壁上,三菱柱上下底面的两个腰长与三棱柱棱长所形成的两侧的四边形具有相同的路标反射面,以用于两个方向的车辆。本发明所采用的路标200为几何特征与反射率特征较为明显、与环境噪声区别较大的路标,路标200还可以采用其他几何特征,图2只是其中一种设计。这种路标200容易被激光雷达所识别。本发明中的路标几何特征明显,是指其具有容易被激光雷达识别的表面形状,该表面可以被上述多线激光雷达精准捕捉为点云位置信息。本发明中路标200反射率特征较为明显,是指其表面能够反射激光雷达所发出的大部分激光。这种设计可以在雷达捕捉到的点云中形成一片反射率比较高的点云集,易于识别。激光反射率是指激光雷达接收到的激光强度与发射的激光强度的比值,反射率越高说明物体反射激光的能力越强。
本发明提供了一种基于激光雷达的隧道内定位方法,包括如下三个步骤:
步骤一、在隧道两侧布设路标,并采集点云信息,形成点云地图;
如图3所示,本发明实施例在隧道两侧墙壁上布设路标200,路标200安装高度为2米。车辆在隧道的道路边界301内行驶,路标200布设道路两边的隧道墙壁302上,本发明实施例布设路标的位置303在从隧道入口304开始的,左右两侧的第一个路标200对称布设,表示同一里程位置,此后两侧分别以不同间距进行布设,经过若干里程后两侧路标可再次实现对齐,在这一段隧道中,通过记录左右两侧相邻路标间的距离,实现对隧道位置的标定。
本发明实施例中,若某一车辆从隧道的入口304驶入,其左侧路标200布设间隔为10米,其第nL个的里程位置为Ln=10×nL;nL表示隧道左侧墙壁上的路标序号。车辆右侧的路标200布设间隔为9.4米,其第nR个的里程位置为Rn=9.4×nR;nR表示隧道右侧墙壁上的路标序号。左右两侧的第一个路标对称布设在隧道的入口304处的起始位置,标记为L0和R0,隧道入口304两侧的第二个路标里程相差L1-R1=0.6米,两侧的第三个路标里程相差L2-R2=1.2米,以此类推,两侧第n个路标的里程差值为:
Δd=Ln-Rn=0.6n
当里程为两侧路标间距的最小公倍数时,两侧路标再度处于同一里程位置,本发明实施例中在左侧第47个路标和右侧第50个路标处于同一里程位置,这时里程为470米。在这470米的里程中两侧路标200的相对位置及里程差值在理论上均存在唯一性,即可以通过感知两侧路标200的相对位置来确定车辆所在的里程位置。如果隧道长度超过470米则更换路标布设的间距。同时,也可以跟换路标反射面的特征,使得路标类型改变。本发明实施例中将路标规律安装,只要道路两边路标错开就可以,后续按照两侧间距互质,且最小公倍数较大为佳,做到隧道两侧路标200的相对位置及里程差值处处存在唯一性。本发明实施例中根据设置的路标间距标记隧道里的里程段,当左右路标位置对称,改变路标设置的间距,开始下一个里程段。根据布设的路标信息来形成路标数据库,其中存储路标设置的里程位置、设置的路标间距、左右相邻路标的标准差值以及路标所属的里程段。
路标200安装完毕后,首先要使用目标车辆即特定车辆,即所述的安装激光雷达101和GPU计算平台102的车辆,采集隧道内的点云地图,并在离线的工作站计算机上进行离群点去除和下采样后,使用基于ICP(Iterative Closest Point,迭代最近点)的建图算法拼合每一帧点云,之后将点云网格化,对于每一个网格,用y∈R3表示网格内的所有点,R3表示点的位置用三维坐标表示,计算每个网格的概率密度函数并使用其近似代替网格:
是概率化的地图,上述公式计算得到加入与之对应的隧道里程信息后制作成高精度点云概率地图。本发明实施例中的隧道里程信息是指路标的里程位置。本发明方法中的数据采集是在目标车辆的计算平台上进行的,后续的建图和地图概率化由于计算量较大,是在离线的工作站上进行的,在得到点云概率地图后导入本发明搭载的车载定位系统中备用。点云概率地图,也简称为点云地图。
步骤二、当车辆驶入隧道入口后,判断是否存在点云概率地图;
如图4所示,当车辆驶入隧道入口后,定位系统内GPU计算平台开始工作,首先判断本地是否存在当前隧道的点云地图,如果存在点云地图,执行步骤三;如果不存在,则执行步骤四。
步骤三、使用点云配准算法来对车辆定位。
如图5所示,若存在先验点云地图,则使用点云配准定位算法进行车辆定位,具体是指通过采集当前时刻的激光雷达点云信息,配准车辆GPU计算平台数据库中已经存储的点云地图即可获知当前位置。由于路标200在点云中提供了足够多的位置特征,这种定位方式能够达到良好的重定位效果,同时也可以保证良好的连续定位精度。
点云配准定位算法具体步骤如下:
步骤301、当点云配准定位算法识别到点云地图后,即开始点云地图的配准工作,其配准的目标是步骤一中制作完毕的带有里程信息的高精度点云概率地图。
首先,对点云进行下采样并去除离群点,设得到点云集 表示网格中点k的坐标列向量,并设定一个变换参数用空间变换函数来表示使用来变换点n表示采样点的数量;将变换函数带入高精度点云概率地图的概率密度函数后即可知最优的变换参数最优的变换参数就是最大化似然函数Likelihood:Ψ的姿态变换:
那么,最大化似然也就相当于最小化负对数-logΨ的似然:
以上公式求得最小化配准的误差。
接下来使用牛顿法对进行优化使得负对数似然最小化,得到当前点云帧和地图间的最优的变换参数依照图5中显示进行误差补偿的流程,进行误差补偿,误差主要来源于每个计算循环中车辆的位移,因此还需要通过车辆系统,如在车辆can总线中,获得当时的车速信息,对车速进行积分后得到计算耗时中的车辆位移,对最终的定位结果进行补偿以消除误差。如果变换后得到的配准误差在阈值以内,输出此时配准后所在的位置信息;如果变换后得到的配准误差在阈值以外,返回接收点云阶段重新进行点云的处理和配准。阈值可根据经验来设定和调整。
步骤302、当点云配准定位算法检测到车辆即将抵达地图边缘,即驶出隧道时,会通知定位系统隧道即将结束,并在点云概率地图结束后3秒内结束定位信息的输出。
步骤四:不存在点云地图,使用路标基点定位算法进行车辆定位。
车辆捕获当前时刻点云数据后,路标基点定位算法首先识别路标,然后计算两侧最近路标之间的距离差值,将路标距离差值与预先存储在车内的路标数据库对比后即可计算出当前车辆位置。这种定位方法同样能够实现快读准确的重定位。本发明即使在没有先验点云地图的场景下仍然可以保持一个较短的处理时间,也可以保证定位信息最少以10Hz的频率输出,满足一般自动驾驶车辆对定位周期的最低需求。
如图6所示,本发明使用路标基点定位算法对车辆定位,首先装备在车辆上的GPU计算平台接收雷达激光的点云数据,然后执行如下步骤:
步骤401、对收到的每一帧点云进行处理,识别路标,具体流程如图7所示。
(a)去除原始点云中远离点云集群的野点,利用体素网格滤波(Voxel GridFilter,VGF)下采样算法减少点云数量加快运算速度。VGF方法首先计算一个能够刚好包裹住该点云的立方体,然后根据设定的分辨率,将该大立方体分割成不同的小立方体。对于每一个小立方体内的点,计算它们的质心,并用该质心的坐标来近似该立方体内的若干点。
(b)对下采样后得到的点云进行地面平面的拟合,如图8所示,具体为:
先通过若干个最低高度点的平均值计算出最低点代表(Lowest PointRepresentative,LPR)的高度,选取和LPR高度差值在一定范围内的点纳入种子点集S∈R3,计算种子点的平均值及其协方差矩阵C:
其中,|S|表示种子点集中种子点的数量,si表示第i个种子点的三维坐标。
将C进行奇异值分解后得到三个奇异向量,这三个奇异向量描述了点集在三个主要方向的散布情况,垂直于平面的法向量n表示具有最小方差的方向,可以通过计算具有最小奇异值的奇异向量来求得,则平面的高度值d可通过下式计算:
将与上述平面的投影距离小于一定阈值的点再次纳入种子点集,并重复上述过程即可连续求得地面高度,即地面所在的平面Z值。此处的阈值根据经验来设置。
(c)将点云进一步通过直通滤波,直接过滤出距离地平面高度为1.5米至2.5米的点云,即路标所在的高度。
(d)创建点云的K维树(KD-tree)以便快速索引,设定半径阈值,将欧氏距离在半径内的点聚类成一个点云簇,划分聚类区域后标识该区域的中心位置和索引值。
(e)在每一个聚类区域内,使用随机抽样一致算法(RANSAC)来拟合横向的平面,判断聚类内所拟合的这些平面是否近似平行,如存在平面近似平行则计算出这些平面在法向上的差值,否则认为该聚类所对应的路标损坏,或者不是路标,放弃该聚类区域,不需要进一步计算。
(f)将同一聚类内的相邻平面间的法向上的差值与布设路标的距离差值作对比,如果二者差值在误差范围内,近似相同,则认为该聚类为路标,输出该聚类的中心位置与路标类型,聚类的中心位置就是路标的坐标,路标类型是指当隧道内采用不同特征的路标时需要输出,如果采用相同路标,则可不输出路标类型;如果差值在误差范围之外,则认为该聚类不是路标,继续查找下一个聚类。
(g)当本帧点云的所有聚类对比完成后,返回步骤a,等待新的点云信息开始下一个循环。
步骤402、在得到路标的坐标后,首先通过路标间距确定车辆所处的里程段,本发明实施例中就是判断车辆是处于第几个470米中,计算左右两个相邻路标中心的纵向距离差值ΔD,并从里程段开始处依次遍历比对相邻路标的标准差值,找到差值与ΔD最相近的一组路标,作为此时识别到的路标。根据所识别的路标可以对车辆当前在隧道内的位置进行定位。
在通过以上计算可知目前识别到的路标的里程位置,通过路标与车辆的相对坐标可以进一步反推计算出车辆的当前里程位置和横向位置。组合同一时间的横纵向位置信息,随着车辆向前行驶,继续识别左右侧路标;本发明还对计算的车辆位置进行误差补偿,输出更加精确的车辆位置信息。
步骤3和步骤4的两种定位算法中的误差主要来源于每个计算循环中车辆的位移,因此本发明还进一步的通过车辆CAN总线,来获得当时的车速信息,对车速进行积分后得到计算耗时中的车辆位移,对所识别的车辆定位结果进行补偿以消除误差。
以上仅是本发明的一个实施方式,应当指出:对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以轻易做出若干改进和润饰,但这些改进和润饰也应视为本发明的保护范围。
Claims (6)
1.一种基于激光雷达的隧道定位系统,包括:布设于隧道两侧墙壁的路标、安装于车顶的激光雷达和安装于车辆后备箱中的图形处理器GPU计算平台;其特征在于:
所述的路标具有两个相同的路标反射面,用于两个相对行驶方向的车辆都能检测到反射面;所述的路标在隧道入口处开始布设,隧道入口处的左右第一个路标对称布设,之后路标以不同间距进行布设,以使得两侧的路标错开布设;通过记录左右两侧相邻路标间的距离,获得隧道内的路标的里程位置;所述的路标在布设时,当左右两侧路标再次对齐时,改变两侧路标的布设间距再进行布设,或者,改变路标反射面的特征及布设间距,再继续进行布设,以使得隧道两侧路标的相对位置及里程差值处处存在唯一性;
所述的激光雷达发射的激光被路标反射面反射,激光雷达捕捉到点云数据并发送给车辆本地的GPU计算平台;
所述的GPU计算平台内存储有路标数据库以及生成的隧道点云概率地图;当接收到激光雷达的点云数据后,若存储有车辆所驶入的隧道的点云概率地图,则通过点云配准进行车辆定位,否则利用路标数据库进行路标基点定位算法对车辆定位;
所述的隧道的点云概率地图是预先利用安装了激光雷达的车辆通过隧道,采集点云数据,结合隧道内的里程信息生成;
所述的路标数据库中存储路标设置的里程位置、设置的路标间距、左右相邻路标的标准差值以及路标所属的里程段,同一个里程段内的路标间距是一样的;所述的路标基点定位算法集成在GPU计算平台上,包括:根据车辆采集的点云数据,识别隧道内左右两侧的路标,然后根据识别出的路标的间距确定车辆所处的里程段,计算左右相邻两个路标之间的纵向距离差值ΔD,遍历所处里程段中左右相邻路标的标准差值,找到与ΔD最相近的一组路标,根据所找到的路标来定位车辆的当前位置。
2.根据权利要求1所述的系统,其特征在于,所述的路标反射面,分为上下两半部分,上半部分的反射面竖直分为四个区域,中间两个区域均为四边形凸起,并且凸起的突起高度不同,区域颜色不同,下半部分的反射面竖直分为三个区域,中间区域为四边形凸起;上半部分的中间两个凸起区域比下半部分的中间凸起区域宽;路标反射面的各区域颜色不同,从而各区域表面的激光反射率不同。
3.一种基于激光雷达的隧道内定位方法,其特征在于,包括:
步骤1,在隧道两侧布设路标,利用安装了激光雷达的车辆通过隧道,采集点云数据,结合隧道内的里程信息生成点云概率地图;
所述的路标具有两个相同的路标反射面,以使得两个相对行驶方向的车辆都能检测到反射面;路标在隧道入口处开始布设,在隧道入口处的左右第一个路标对称布设,表示同一里程位置,之后左右两侧的路标以不同间距进行布设;通过记录左右两侧相邻路标间的距离,获得隧道内的路标的里程位置;
所述的路标在隧道两侧的布设间距不相同,但当左右两侧路标对齐时,改变两侧路标的布设间距,或者也改变路标反射面的特征,继续进行布设,以使得隧道两侧路标的相对位置及里程差值处处存在唯一性;
步骤2,当车辆驶入隧道入口后,判断车辆本地是否存在所驶入隧道的点云概率地图,如果存在,则执行步骤3,否则执行步骤4;
步骤3,根据车辆采集的当前时刻的激光雷达点云数据,配准本地存储的点云概率地图,对车辆进行定位;
步骤4,根据车辆采集的点云数据,识别隧道内左右两侧的路标,然后根据路标数据库来对车辆进行定位;所述的路标数据库中存储路标的里程位置、设置的路标间距、相邻路标的标准差值以及路标所属的里程段;同一个里程段内的路标间距是一样的;
在识别出路标后,首先根据路标间距确定车辆所处的里程段,然后计算左右相邻两个路标之间的纵向距离差值ΔD,遍历所处里程段中左右相邻路标的标准差值,找到与ΔD最相近的一组路标,根据所找到的路标来定位车辆的当前位置。
4.根据权利要求3所述的方法,其特征在于,所述的步骤4中,识别路标包括:
(a)通过采集的点云数据进行下采样,去除远离点云集群的野点;
(b)对下采样后得到的点云进行地面平面的拟合;
(c)对下采样后得到的点云通过直通滤波,过滤出路标所在的高度的点云;
(d)创建点云的K维树,对点云进行欧式聚类,标识各聚类区域的中心位置和索引值;
(e)在每一个聚类区域内,使用随机抽样一致算法来拟合横向的平面,判断聚类内是否存在近似平行的平面,若存在,计算出平面在法向上的差值,否则,放弃该聚类;
(f)对同一个聚类区域内的相邻平面间的法向上的差值与路标间的距离差值做比较,如果差值在误差范围内,则认为该聚类为路标,输出该聚类的中心位置与路标类型,聚类的中心位置为路标的坐标;如果差值在误差范围之外,则认为该聚类不是路标,继续查找下一个聚类。
5.根据权利要求3或4所述的方法,其特征在于,所述的步骤4中,在找到与ΔD最相近的一组路标后,得到路标的里程位置,通过路标与车辆的相对坐标推算出车辆的当前里程位置和横向位置,组合同一时间的横纵向位置信息,随着车辆向前行驶,继续识别左右侧路标。
6.根据权利要求3或4所述的方法,其特征在于,所述的步骤3和步骤4中,还对识别的车辆位置进行误差补偿,通过车辆CAN总线获得车辆的车速,对车速进行积分计算耗时中的车辆位移,然后对所识别的车辆定位结果进行误差补偿。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911046049.XA CN110618434B (zh) | 2019-10-30 | 2019-10-30 | 一种基于激光雷达的隧道内定位系统及其定位方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911046049.XA CN110618434B (zh) | 2019-10-30 | 2019-10-30 | 一种基于激光雷达的隧道内定位系统及其定位方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110618434A CN110618434A (zh) | 2019-12-27 |
CN110618434B true CN110618434B (zh) | 2021-11-16 |
Family
ID=68927041
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911046049.XA Active CN110618434B (zh) | 2019-10-30 | 2019-10-30 | 一种基于激光雷达的隧道内定位系统及其定位方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110618434B (zh) |
Families Citing this family (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113138594B (zh) * | 2020-01-20 | 2024-04-19 | 北京四维图新科技股份有限公司 | 自动驾驶方法及装置 |
CN110926383B (zh) * | 2020-02-18 | 2020-05-19 | 长沙瑞感电子科技有限公司 | 基于毫米波传感器的隧道管片错台检测装置及检测方法 |
CN111429528A (zh) * | 2020-04-07 | 2020-07-17 | 高深智图(广州)科技有限公司 | 大型分布式高精地图数据处理系统 |
CN111812674B (zh) * | 2020-06-08 | 2024-04-05 | 北京经纬恒润科技股份有限公司 | 激光雷达仿真方法及装置 |
CN114063090A (zh) * | 2020-07-29 | 2022-02-18 | 北京图森未来科技有限公司 | 一种可移动设备的定位方法、装置及可移动设备 |
CN112132896A (zh) * | 2020-09-16 | 2020-12-25 | 北京埃福瑞科技有限公司 | 一种轨旁设备状态检测方法及系统 |
CN112406964B (zh) * | 2020-11-10 | 2022-12-02 | 北京埃福瑞科技有限公司 | 一种列车定位方法及系统 |
CN112925000B (zh) * | 2021-01-25 | 2022-05-17 | 东南大学 | 基于可见光通信和惯性导航的隧道环境下车辆定位方法 |
CN113156455A (zh) * | 2021-03-16 | 2021-07-23 | 武汉理工大学 | 基于路侧多激光雷达感知的车定位系统、方法、装置和介质 |
CN113252042B (zh) * | 2021-05-18 | 2023-06-13 | 杭州迦智科技有限公司 | 一种隧道内基于激光和uwb定位方法、装置 |
TWI807548B (zh) * | 2021-10-18 | 2023-07-01 | 國立陽明交通大學 | 利用重覆特徵物件進行車輛定位的方法及系統、電腦可讀取的記錄媒體 |
US20230211798A1 (en) * | 2022-01-06 | 2023-07-06 | GM Global Technology Operations LLC | Motion monitor using lidar registration |
CN115311867B (zh) * | 2022-10-11 | 2023-01-10 | 腾讯科技(深圳)有限公司 | 隧道场景的定位方法、装置、计算机设备、存储介质 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102053249A (zh) * | 2009-10-30 | 2011-05-11 | 吴立新 | 基于激光扫描和序列编码图形的地下空间高精度定位方法 |
CN102518028A (zh) * | 2011-10-25 | 2012-06-27 | 中交第二公路勘察设计研究院有限公司 | 一种激光雷达扫描测量平面坐标精密修正方法 |
CN105531601A (zh) * | 2013-09-20 | 2016-04-27 | 卡特彼勒公司 | 定位系统 |
KR101754739B1 (ko) * | 2016-12-26 | 2017-08-08 | 대한민국(방위사업청장) | 전장상황 배치 방법 |
CN107918940A (zh) * | 2017-10-09 | 2018-04-17 | 北京奇虎科技有限公司 | 外接设备识别方法和装置、标识装置、外接设备、系统 |
CN109085821A (zh) * | 2018-06-22 | 2018-12-25 | 苏州上善知源汽车电子有限公司 | 自动驾驶车辆定位方法 |
CN110196429A (zh) * | 2018-04-02 | 2019-09-03 | 北京航空航天大学 | 车辆目标识别方法、存储介质、处理器以及系统 |
CN110244321A (zh) * | 2019-04-22 | 2019-09-17 | 武汉理工大学 | 一种基于三维激光雷达的道路可通行区域检测方法 |
CN110376605A (zh) * | 2018-09-18 | 2019-10-25 | 北京京东尚科信息技术有限公司 | 地图构建方法、导航方法和装置 |
CN110389590A (zh) * | 2019-08-19 | 2019-10-29 | 杭州电子科技大学 | 一种融合2d环境地图和稀疏人工地标的agv定位系统及方法 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6720920B2 (en) * | 1997-10-22 | 2004-04-13 | Intelligent Technologies International Inc. | Method and arrangement for communicating between vehicles |
US6768944B2 (en) * | 2002-04-09 | 2004-07-27 | Intelligent Technologies International, Inc. | Method and system for controlling a vehicle |
US7629899B2 (en) * | 1997-10-22 | 2009-12-08 | Intelligent Technologies International, Inc. | Vehicular communication arrangement and method |
CN105203551A (zh) * | 2015-09-11 | 2015-12-30 | 尹栋 | 车载激光雷达隧道检测系统、基于隧道检测系统的自主定位方法及隧道灾害检测方法 |
CN106087621B (zh) * | 2016-05-31 | 2017-11-24 | 中铁第四勘察设计院集团有限公司 | 一种基于车载激光雷达技术的铁路既有线复测方法 |
US20170374342A1 (en) * | 2016-06-24 | 2017-12-28 | Isee, Inc. | Laser-enhanced visual simultaneous localization and mapping (slam) for mobile devices |
-
2019
- 2019-10-30 CN CN201911046049.XA patent/CN110618434B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102053249A (zh) * | 2009-10-30 | 2011-05-11 | 吴立新 | 基于激光扫描和序列编码图形的地下空间高精度定位方法 |
CN102518028A (zh) * | 2011-10-25 | 2012-06-27 | 中交第二公路勘察设计研究院有限公司 | 一种激光雷达扫描测量平面坐标精密修正方法 |
CN105531601A (zh) * | 2013-09-20 | 2016-04-27 | 卡特彼勒公司 | 定位系统 |
KR101754739B1 (ko) * | 2016-12-26 | 2017-08-08 | 대한민국(방위사업청장) | 전장상황 배치 방법 |
CN107918940A (zh) * | 2017-10-09 | 2018-04-17 | 北京奇虎科技有限公司 | 外接设备识别方法和装置、标识装置、外接设备、系统 |
CN110196429A (zh) * | 2018-04-02 | 2019-09-03 | 北京航空航天大学 | 车辆目标识别方法、存储介质、处理器以及系统 |
CN109085821A (zh) * | 2018-06-22 | 2018-12-25 | 苏州上善知源汽车电子有限公司 | 自动驾驶车辆定位方法 |
CN110376605A (zh) * | 2018-09-18 | 2019-10-25 | 北京京东尚科信息技术有限公司 | 地图构建方法、导航方法和装置 |
CN110244321A (zh) * | 2019-04-22 | 2019-09-17 | 武汉理工大学 | 一种基于三维激光雷达的道路可通行区域检测方法 |
CN110389590A (zh) * | 2019-08-19 | 2019-10-29 | 杭州电子科技大学 | 一种融合2d环境地图和稀疏人工地标的agv定位系统及方法 |
Non-Patent Citations (2)
Title |
---|
《基于无人机航拍序列的建筑三维模型重建》;黄佳彪等;《湖南工业大学学报》;20170930;第31卷(第5期);第6-10页 * |
《托卡马克部件转运车的定位与导航方法研究》;石飞;《中国优秀硕士学位论文全文数据库 信息科技辑》;20150615;第36-39页 * |
Also Published As
Publication number | Publication date |
---|---|
CN110618434A (zh) | 2019-12-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110618434B (zh) | 一种基于激光雷达的隧道内定位系统及其定位方法 | |
CN109791052B (zh) | 使用数字地图对点云的数据点进行分类的方法和系统 | |
CN110531376B (zh) | 用于港口无人驾驶车辆的障碍物检测和跟踪方法 | |
CN109849922B (zh) | 一种用于智能车辆的基于视觉信息与gis信息融合的方法 | |
US8180100B2 (en) | Plane detector and detecting method | |
US9064418B2 (en) | Vehicle-mounted environment recognition apparatus and vehicle-mounted environment recognition system | |
CN111815776A (zh) | 综合机载和车载三维激光点云及街景影像的三维建筑物精细几何重建方法 | |
EP2551794A2 (en) | Onboard environment recognition system | |
CN109752701A (zh) | 一种基于激光点云的道路边沿检测方法 | |
CN108280840B (zh) | 一种基于三维激光雷达的道路实时分割方法 | |
CN111537994B (zh) | 一种无人矿卡障碍物检测方法 | |
JP2011511281A (ja) | センサにより検出されたオブジェクトとマップマッチングする方法 | |
CN111325138B (zh) | 一种基于点云局部凹凸特征的道路边界实时检测方法 | |
JP7232946B2 (ja) | 情報処理装置、情報処理方法及びプログラム | |
CN114119998B (zh) | 一种车载点云地面点提取方法及存储介质 | |
CN112673280A (zh) | 用于装配有lidar传感器的机动车辆的道路检测方法 | |
Schlichting et al. | Vehicle localization by lidar point correlation improved by change detection | |
EP2047213A1 (en) | Generating a map | |
CN110717007A (zh) | 应用路侧特征辨识的图资定位系统及方法 | |
CN116299313A (zh) | 一种基于激光雷达的智能车辆可通行区域检测方法 | |
CN115575962A (zh) | 一种基于多线激光雷达的井下矿道内定位方法 | |
CN116129137A (zh) | 隧道点云特征的处理方法、装置、设备及存储介质 | |
CN112989946B (zh) | 一种车道线的确定方法、装置、设备及车辆 | |
US20230266469A1 (en) | System and method for detecting road intersection on point cloud height map | |
Li et al. | A Ground Segmentation Method Based on Point Cloud Map for Unstructured Roads |
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 |