CN113075709A - 车载卫星导航方法、装置、存储介质及处理器 - Google Patents
车载卫星导航方法、装置、存储介质及处理器 Download PDFInfo
- Publication number
- CN113075709A CN113075709A CN202110312739.6A CN202110312739A CN113075709A CN 113075709 A CN113075709 A CN 113075709A CN 202110312739 A CN202110312739 A CN 202110312739A CN 113075709 A CN113075709 A CN 113075709A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- navigation
- satellite
- image
- building
- 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.)
- Withdrawn
Links
Images
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
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Computer Networks & Wireless Communication (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Navigation (AREA)
Abstract
本发明实施例提供一种车载卫星导航方法、装置、存储介质及处理器,该车载卫星导航方法包括:接收所采集的道路周围的图像,识别所述图像中的建筑物和树木轮廓线;计算所述建筑物和树木的高度角及方位角;根据所述车辆当前坐标位置以及卫星星历轨道参数,计算当前导航卫星相对于所述车辆的高度角及方位角;判断所述导航卫星的信号是否受到遮挡;剔除受到遮挡的导航卫星或赋予其较小的权重,进行车载导航定位解算,得到车辆位置信息。该方法能够获得准确的车辆位置信息,避免了导航卫星信号由于遮挡而失锁或丢失以及由于绕射、反射以及多径效应造成的车载导航定位不准确的问题,提高了车载导航定位精度。
Description
技术领域
本发明涉及计算机视觉、卫星导航、组合导航、辅助自动驾驶、无人驾驶领域,具体地涉及一种车载卫星导航方法、装置、存储介质及处理器。
背景技术
高楼、立交桥、树木等物体产生的无线电信号遮挡仍是当前城市车载导航应用中的主要技术瓶颈。当车辆周围存在建筑物和树木等物体影响时,导航卫星信号一是会由于遮挡而导致失锁或丢失;二是会由于绕射、反射以及多径效应而产生非视距(Non-line ofSight,NLOS)测距误差。
上述两类情况对用户定位的影响方式有所不同。其中,第一种情况会使得可视卫星数量减少、卫星星座精度因子(Geometric Dilution of Precision,DOP)变差,从而导致定位精度下降甚至可视卫星数量少于4颗;但当车辆采用GNSS与惯性导航系统(InertialNavigation System,INS)进行组合导航时,短时间内的卫星信号失锁与丢失现象通常可以得到良好的克服。相比之下,第二种情况的处理更为棘手。目前,在硬件上,通常需要为终端配备扼流圈天线以抑制多径误差;在软件上,则一般采用接收机自主完好性监测(ReceiverAutonomous Integrity Monitoring,RAIM)算法对具有较大测距误差的卫星信号进行检测和剔除。然而,扼流圈天线通常成本高昂、体积较大,不利于车载导航终端的小型化低成本部署;RAIM算法则最早起源于航空导航领域中的单卫星故障条件假设,难以有效实现对多卫星故障以及较小测距误差量的检测,也无法在可视卫星数少于或等于4颗的情况下工作。
发明内容
本发明实施例的目的是提供一种车载卫星导航方法、装置、存储介质及处理器,用于解决当车辆周围存在建筑物和树木等物体影响时,车载导航定位不准确的问题。
为了实现上述目的,本发明实施例提供一种车载卫星导航方法,该车载卫星导航方法包括以下步骤:接收所采集的道路周围的图像,识别所述图像中的建筑物和树木轮廓线;根据所述建筑物和树木轮廓线,计算所述建筑物和树木的高度角及方位角;根据所述车辆当前坐标位置以及卫星星历轨道参数,计算当前导航卫星相对于所述车辆的高度角及方位角;根据所述建筑物和树木的高度角及方位角,以及所述导航卫星相对于所述车辆的高度角及方位角,判断所述导航卫星的信号是否受到遮挡;剔除受到遮挡的导航卫星或赋予其较小的权重,进行车载导航定位解算,得到车辆位置信息。
优选的,所采集的道路周围的图像为采集车辆四周360°范围内的图像,或为仅采集包括车辆或道路两侧的部分角度范围内的图像。
优选的,识别所述图像中的建筑物和树木轮廓线包括以下步骤:步骤S101,采用相机标定的畸变校正模型及标定系数,对采集的图像进行畸变校正;步骤S102,将畸变矫正后的图像转换为灰度图像;步骤S103,对灰度图像的边缘进行提取;步骤S104,利用层次聚类算法对提取的边缘信息进行聚类,剔除所述边缘信息中的一些孤点特征;步骤S105,对剔除孤点特征后的边缘信息进行膨胀、填充操作,获得闭合区域,闭合区域的轮廓为所述建筑物和树木轮廓线。
优选的,识别所述图像中的建筑物和树木轮廓线包括以下步骤:步骤S111,采用相机标定的畸变校正模型及标定系数,对采集的图像进行畸变校正;步骤S112,将畸变矫正后的图像转换为灰度图像;步骤S113,对所述灰度图像进行高斯模糊;步骤S114,对模糊后的图像进行二值化;步骤S115,对二值化的图像进行等高线轮廓提取,获得图像中的所述建筑物和树木轮廓线。
优选的,根据以下步骤计算所述建筑物和树木的高度角及方位角:步骤S201,获得相机的定标参数,所述相机的定标参数包括相机定标模型及内参参数K、相机外参参数T,即相机坐标系相对当地导航坐标系的旋转矩阵R和平移向量t;步骤S202,根据图像中像素点的齐次坐标[x,y,1]T与该像素点对应的物方点的当地导航齐次坐标[X,Y,Z,1]T之间的转换公式(1),
计算物方点在当地导航坐标系中的坐标[X,Y,Z]T;步骤S203,根据物方点在当地导航坐标系下的坐标,根据公式(2)和公式(3)计算建筑物和树木的方位角和高度角:
其中,azim为建筑物和树木的方位角,elev为建筑物和树木的高度角,所述方位角和高度角的单位为弧度。
优选的,根据所述建筑物和树木的高度角及方位角,以及所述导航卫星相对于所述车辆的高度角及方位角,判断所述导航卫星的信号是否受到遮挡包括:当所述导航卫星相对于所述车辆的方位角连线方向上,存在比所述导航卫星高度角更大的建筑物或树木高度角时,判断该导航卫星的信号存在遮挡。
另一方面,本发明还提供了一种车载卫星导航装置,该车载卫星导航装置包括:建筑物和树木轮廓识别模块,用于接收所采集的道路周围的图像,识别所述图像中的建筑物和树木轮廓线;建筑物和树木高度角和方位角计算模块,用于根据所述建筑物和树木轮廓线,计算所述建筑物和树木的高度角及方位角;导航卫星高度角和方位角计算模块,用于根据所述车辆当前坐标位置以及卫星星历轨道参数,计算当前导航卫星相对于所述车辆的高度角及方位角;信号遮挡判断模块,用于根据所述建筑物和树木的高度角及方位角,以及所述导航卫星相对于所述车辆的高度角及方位角,判断所述导航卫星的信号是否受到遮挡;定位模块,用于剔除受到遮挡的导航卫星或赋予其较小的权重,进行车载导航定位解算,得到车辆位置信息。
优选的,所述建筑物和树木轮廓模块还用于:采用相机标定的畸变校正模型及标定系数,对采集的图像进行畸变校正;将畸变矫正后的图像转换为灰度图像;对灰度图像的边缘进行提取;利用层次聚类算法对提取的边缘信息进行聚类,剔除所述边缘信息中的一些孤点特征;对剔除孤点特征后的边缘信息进行膨胀、填充操作,获得闭合区域,闭合区域的轮廓为所述建筑物和树木轮廓线。
优选的,所述建筑物和树木轮廓模块还用于:采用相机标定的畸变校正模型及标定系数,对采集的图像进行畸变校正;将畸变矫正后的图像转换为灰度图像;对所述灰度图像进行高斯模糊;对模糊后的图像进行二值化;对二值化的图像进行等高线轮廓提取,获得图像中的所述建筑物和树木轮廓线。
优选的,所述信号遮挡判断模块还用于:当所述导航卫星相对于所述车辆的方位角连线方向上,存在比所述导航卫星高度角更大的建筑物或树木高度角时,判断该导航卫星的信号存在遮挡。
再一方面,本发明提供一种机器可读存储介质,该机器可读存储介质上存储有指令,该指令用于使得机器执行本发明上述任一项车载卫星导航方法。
又一方面,本发明提供一种处理器,用于运行程序,其中,所述程序被运行时用于执行本发明上述任一项车载卫星导航方法。
通过上述技术方案,可以通过识别周围建筑物和树木的轮廓线,计算得到建筑物和树木相对于车辆的高度角和方位角,从而实时和准确地识别当前视距与非视距(遮挡)卫星信号,在此基础上,进一步剔除或抑制非视距卫星信号,获得准确的车辆位置信息,避免了导航卫星信号由于遮挡而失锁或丢失以及由于绕射、反射以及多径效应造成的车载导航定位不准确的问题,提高了车载导航定位精度。
本发明实施例的其它特征和优点将在随后的具体实施方式部分予以详细说明。
附图说明
附图是用来提供对本发明实施例的进一步理解,并且构成说明书的一部分,与下面的具体实施方式一起用于解释本发明实施例,但并不构成对本发明实施例的限制。在附图中:
图1为根据本发明的车载卫星导航方法的流程图;
图2为实际采集的道路周围的图像;
图3为识别得到的建筑物和树木轮廓线图;
图4为根据建筑物和树木轮廓线计算得到的建筑物和树木相对于车辆的高度角及方位角;
图5为图像视角范围内的4颗GNSS卫星S1、S2、S3、S4相对于建筑物和树木的空间分布。
具体实施方式
以下结合附图对本发明实施例的具体实施方式进行详细说明。应当理解的是,此处所描述的具体实施方式仅用于说明和解释本发明实施例,并不用于限制本发明实施例。
参考图1,本发明提供了一种车载卫星导航方法,其特征在于,该车载卫星导航方法包括以下步骤:
步骤S1,接收所采集的道路周围的图像,识别所述图像中的建筑物和树木轮廓线;
步骤S2,根据所述建筑物和树木轮廓线,计算所述建筑物和树木的高度角及方位角;
步骤S3,根据所述车辆当前坐标位置以及卫星星历轨道参数,计算当前导航卫星相对于所述车辆的高度角及方位角;
步骤S4,根据所述建筑物和树木的高度角及方位角,以及所述导航卫星相对于所述车辆的高度角及方位角,判断所述导航卫星的信号是否受到遮挡;
步骤S5,剔除受到遮挡的导航卫星或赋予其较小的权重,进行车载导航定位解算,得到车辆位置信息。
在该车载卫星导航方法中,可以通过图像采集模块(例如车载相机)采集道路周围的图像,然后通过识别周围建筑物和树木的轮廓线,计算得到建筑物和树木相对于车辆的高度角和方位角,从而实时和准确地识别当前视距与非视距(遮挡)卫星信号,在此基础上,进一步剔除或抑制非视距卫星信号,获得准确的车辆位置信息,提高车载导航定位精度。
可以采用某视角为80°的灰度相机作为图像采集模块,也可以使用其他彩色相机、大视角相机、环景相机时(特别是360°视角的环视相机)。根据一种优选实施方式,所采集的道路周围的图像为采集车辆四周360°范围内的图像,或为仅采集包括车辆或道路两侧的部分角度范围内的图像。图2示出了一种实际采集的道路周围的图像。
在步骤S1中,参考图3和图4,图3为识别得到的建筑物和树木轮廓线图,图4为根据建筑物和树木轮廓线计算得到的建筑物和树木相对于车辆的高度角及方位角,识别所述图像中的建筑物和树木轮廓线可以采用以下两种优选实施例中的一种。
在第一种优选实施例中,步骤S1包括以下步骤:
步骤S101,采用相机标定的畸变校正模型及标定系数,对采集的图像进行畸变校正,校正的重投影误差应小于0.2像素;
步骤S102,采用OpenCV视觉开发库的颜色转换函数将畸变矫正后的图像转换为灰度图像;
步骤S103,采用OpenCV视觉开发库的Sobel、Canny等边缘检测算法对灰度图像的边缘进行提取;
步骤S104,利用层次聚类算法对提取的边缘信息进行聚类,剔除所述边缘信息中的一些孤点特征;
步骤S105,对剔除孤点特征后的边缘信息进行膨胀、填充操作,获得闭合区域,闭合区域的轮廓为所述建筑物和树木轮廓线。
采用该方法识别所述图像中的建筑物和树木轮廓线,可识别整个视场的障碍物,获得所有方位的导航卫星信号的遮挡信息。轮廓提取操作简单,识别效果好,所需计算资源少,可在嵌入式平台可靠运行。
在第二种优选实施例中,步骤S1包括以下步骤:
步骤S111,采用相机标定的畸变校正模型及标定系数,对采集的图像进行畸变校正,校正的重投影误差应小于0.2像素;
步骤S112,采用OpenCV视觉开发库的颜色转换函数将畸变矫正后的图像转换为灰度图像;
步骤S113,采用OpenCV的GaussianBlur函数对灰度图像进行高斯模糊;
步骤S114,采用OpenCV的threshold函数对模糊后图像进行二值化;
步骤S115,采用OpenCV的findContours函数对二值化图像进行等高线轮廓提取,获得图像中建筑物和树木等目标的轮廓。
采用该方法识别所述图像中的建筑物和树木轮廓线,操作较为简单,识别效果好,所需要计算资源较少,可在嵌入式平台上可靠运行。
在步骤S2中,优选根据以下步骤计算所述建筑物和树木的高度角及方位角:
步骤S201,获得相机的定标参数,所述相机的定标参数包括相机定标模型、内参参数K和相机外参参数T。相机的内参参数K包括相机焦距、光轴中心,外参参数T包括相机坐标系相对当地导航坐标系的旋转矩阵R和平移向量t。
步骤S202,根据图像中像素点的齐次坐标[x,y,1]T与该像素点对应的物方点的当地导航齐次坐标[X,Y,Z,1]T之间的转换公式(1),
计算物方点在当地导航坐标系中的坐标[X,Y,Z]T;
步骤S203,根据物方点在当地导航坐标系下的坐标,根据公式(2)和公式(3)计算建筑物和树木的方位角和高度角:
其中,azim为建筑物和树木的方位角,elev为建筑物和树木的高度角,所述方位角和高度角的单位为弧度。
在步骤S3中,可以利用车载导航终端接收到的导航卫星星历,计算得到导航卫星坐标位置;在此基础上,结合车辆自身粗略坐标位置,计算得到导航卫星相对于车辆的高度角和方位角。
在步骤S4中,当所述导航卫星相对于所述车辆的方位角连线方向上,存在比所述导航卫星高度角更大的建筑物或树木高度角时,判断该导航卫星的信号存在遮挡。例如在图5所示的一种实施例中,在相同的方位角方向上,若某颗卫星的高度角高于建筑物和树木的高度角,表明该卫星信号是从视距方向传输到达车辆的,可认为其测距值是准确的,如图5中的卫星S2和卫星S4;反之,则表明该卫星信号是从非视距方向传输到达车辆的,可认为其测距值存在因遮挡干扰而产生的误差,如图5中的卫星S1和卫星S3。
在步骤S5中,对于视距方向上未受遮挡的导航卫星(如图5中的卫星S2和S4),直接进行车载导航定位解算;对于非视距方向上受到遮挡的导航卫星(如图5中的卫星S1和S3),可将其剔除并不参与解算,或对其赋予较小的权值后再参与解算。
需要说明的是,上述步骤S1和S2与S3之间的顺序是示例性的,不用于限定本发明。本领域技术人员可以根据需要先执行S1和S2,再执行S3,也可以先执行S3,再执行S1和S2,也可以同时执行S1、S2与S3,只要能够实现本发明的目的即可。
根据本发明的另一方面,还提供了一种车载卫星导航装置,其特征在于,该车载卫星导航装置包括:
建筑物和树木轮廓识别模块,用于接收所采集的道路周围的图像,识别所述图像中的建筑物和树木轮廓线;
建筑物和树木高度角和方位角计算模块,用于根据所述建筑物和树木轮廓线,计算所述建筑物和树木的高度角及方位角;
导航卫星高度角和方位角计算模块,用于根据所述车辆当前坐标位置以及卫星星历轨道参数,计算当前导航卫星相对于所述车辆的高度角及方位角;
信号遮挡判断模块,用于根据所述建筑物和树木的高度角及方位角,以及所述导航卫星相对于所述车辆的高度角及方位角,判断所述导航卫星的信号是否受到遮挡;
定位模块,用于剔除受到遮挡的导航卫星或赋予其较小的权重,进行车载导航定位解算,得到车辆位置信息。
该车载卫星导航装置可以通过图像采集模块(例如车载相机)采集道路周围的图像,然后通过建筑物和树木轮廓识别模块识别周围建筑物和树木的轮廓线,建筑物和树木高度角和方位角计算模块和导航卫星高度角和方位角计算模块分别计算建筑物和树木相对于车辆的高度角和方位角和当前导航卫星相对于所述车辆的高度角及方位角,从而信号遮挡判断模块实时和准确地识别当前视距与非视距(遮挡)卫星信号,定位模块在此基础上剔除或抑制非视距卫星信号,获得准确的车辆位置信息,提高车载导航定位精度。
可以采用某视角为80°的灰度相机作为图像采集模块,也可以使用其他彩色相机、大视角相机、环景相机时(特别是360°视角的环视相机)。根据一种优选实施方式,所采集的道路周围的图像为采集车辆四周360°范围内的图像,或为仅采集包括车辆或道路两侧的部分角度范围内的图像。
根据一种优选实施例,所述建筑物和树木轮廓模块还用于:
采用相机标定的畸变校正模型及标定系数,对采集的图像进行畸变校正;
将畸变矫正后的图像转换为灰度图像;
对灰度图像的边缘进行提取;
利用层次聚类算法对提取的边缘信息进行聚类,剔除所述边缘信息中的一些孤点特征;
对剔除孤点特征后的边缘信息进行膨胀、填充操作,获得闭合区域,闭合区域的轮廓为所述建筑物和树木轮廓线。
采用该方法识别所述图像中的建筑物和树木轮廓线,可识别整个视场的障碍物,获得所有方位的导航卫星信号的遮挡信息。轮廓提取操作简单,识别效果好,所需计算资源少,可在嵌入式平台可靠运行。
根据一种可替换的优选实施例,所述建筑物和树木轮廓模块还用于:
采用相机标定的畸变校正模型及标定系数,对采集的图像进行畸变校正;
将畸变矫正后的图像转换为灰度图像;
对所述灰度图像进行高斯模糊;
对模糊后的图像进行二值化;
对二值化的图像进行等高线轮廓提取,获得图像中的所述建筑物和树木轮廓线。
采用该方法识别所述图像中的建筑物和树木轮廓线,操作简单,识别效果好,所需计算资源较少,可在嵌入式平台可靠运行。
在一种优选实施例中,建筑物和树木高度角及方位角计算模块还可以用于:
获得相机的定标参数,所述相机的定标参数包括相机定标模型、内参参数K和相机外参参数T。相机的内参参数K包括相机焦距、光轴中心,外参参数T包括相机坐标系相对当地导航坐标系的旋转矩阵R和平移向量t。
根据图像中像素点的齐次坐标[x,y,1]T与该像素点对应的物方点的当地导航齐次坐标[X,Y,Z,1]T之间的转换公式(1),
计算物方点在当地导航坐标系中的坐标[X,Y,Z]T;
根据物方点在当地导航坐标系下的坐标,根据公式(2)和公式(3)计算建筑物和树木的方位角和高度角:
其中,azim为建筑物和树木的方位角,elev为建筑物和树木的高度角,所述方位角和高度角的单位为弧度。
导航卫星高度角和方位角计算模块可以利用车载导航终端接收到的导航卫星星历,计算得到导航卫星坐标位置;在此基础上,结合车辆自身粗略坐标位置,计算得到导航卫星相对于车辆的高度角和方位角。
在信号遮挡判断模块中,当所述导航卫星相对于所述车辆的方位角连线方向上,存在比所述导航卫星高度角更大的建筑物或树木高度角时,判断该导航卫星的信号存在遮挡。例如在图4所示的实施例中,在相同的方位角方向上,若某颗卫星的高度角高于建筑物和树木的高度角,表明该卫星信号是从视距方向传输到达车辆的,可认为其测距值是准确的,如图4中的卫星S2和卫星S4;反之,则表明该卫星信号是从非视距方向传输到达车辆的,可认为其测距值存在因遮挡干扰而产生的误差,如图4中的卫星S1和卫星S3。
在所述定位模块中,对于视距方向上未受遮挡的导航卫星(如图4中的卫星S2和S4),直接进行车载导航定位解算;对于非视距方向上受到遮挡的导航卫星(如图4中的卫星S1和S3),可将其剔除并不参与解算,或对其赋予较小的权值后再参与解算。
所述车载卫星导航装置可以包括处理器和存储器,上述建筑物和树木轮廓识别模块、建筑物和树木高度角和方位角计算模块、导航卫星高度角和方位角计算模块、信号遮挡判断模块和定位模块等均作为程序单元存储在存储器中,由处理器执行存储在存储器中的上述程序单元来实现相应的功能。
处理器中包含内核,由内核去存储器中调取相应的程序单元。内核可以设置一个或以上,通过调整内核参数来进行车载卫星导航定位。
本发明实施例提供了一种存储介质,其上存储有程序,该程序被处理器执行时实现上述车载卫星导航方法。
本发明实施例提供了一种处理器,所述处理器用于运行程序,其中,所述程序运行时执行上述车载卫星导航方法。
本发明还提供了一种计算机程序产品,当在数据处理设备上执行时,适于执行初始化有如下方法步骤的程序:
步骤S1,接收所采集的道路周围的图像,识别所述图像中的建筑物和树木轮廓线;
步骤S2,根据所述建筑物和树木轮廓线,计算所述建筑物和树木的高度角及方位角;
步骤S3,根据所述车辆当前坐标位置以及卫星星历轨道参数,计算当前导航卫星相对于所述车辆的高度角及方位角;
步骤S4,根据所述建筑物和树木的高度角及方位角,以及所述导航卫星相对于所述车辆的高度角及方位角,判断所述导航卫星的信号是否受到遮挡;
步骤S5,剔除受到遮挡的导航卫星或赋予其较小的权重,进行车载导航定位解算,得到车辆位置信息。
可以采用某视角为80°的灰度相机作为图像采集模块,也可以使用其他彩色相机、大视角相机、环景相机时(特别是360°视角的环视相机)。根据一种优选实施方式,所采集的道路周围的图像为采集车辆四周360°范围内的图像,或为仅采集包括车辆或道路两侧的部分角度范围内的图像。
在步骤S1中,识别所述图像中的建筑物和树木轮廓线可以采用以下两种优选实施例中的一种。
在第一种优选实施例中,步骤S1包括以下步骤:
步骤S101,采用相机标定的畸变校正模型及标定系数,对采集的图像进行畸变校正,校正的重投影误差应小于0.2像素;
步骤S102,采用OpenCV视觉开发库的颜色转换函数将畸变矫正后的图像转换为灰度图像;
步骤S103,采用OpenCV视觉开发库的Sobel、Canny等边缘检测算法对灰度图像的边缘进行提取;
步骤S104,利用层次聚类算法对提取的边缘信息进行聚类,剔除所述边缘信息中的一些孤点特征;
步骤S105,对剔除孤点特征后的边缘信息进行膨胀、填充操作,获得闭合区域,闭合区域的轮廓为所述建筑物和树木轮廓线。
在第二种优选实施例中,步骤S1包括以下步骤:
步骤S111,采用相机标定的畸变校正模型及标定系数,对采集的图像进行畸变校正,校正的重投影误差应小于0.2像素;
步骤S112,采用OpenCV视觉开发库的颜色转换函数将畸变矫正后的图像转换为灰度图像;
步骤S113,采用OpenCV的GaussianBlur函数对灰度图像进行高斯模糊;
步骤S114,采用OpenCV的threshold函数对模糊后图像进行二值化;
步骤S115,采用OpenCV的findContours函数对二值化图像进行等高线轮廓提取,获得图像中建筑物和树木等目标的轮廓。
在步骤S2中,优选根据以下步骤计算所述建筑物和树木的高度角及方位角:
步骤S201,获得相机的定标参数,所述相机的定标参数包括相机定标模型、内参参数K和相机外参参数T。相机的内参参数K包括相机焦距、光轴中心,外参参数T包括相机坐标系相对当地导航坐标系的旋转矩阵R和平移向量t。
步骤S202,根据图像中像素点的齐次坐标[x,y,1]T与该像素点对应的物方点的当地导航齐次坐标[X,Y,Z,1]T之间的转换公式(1),
计算物方点在当地导航坐标系中的坐标[X,Y,Z]T;
步骤S203,根据物方点在当地导航坐标系下的坐标,根据公式(2)和公式(3)计算建筑物和树木的方位角和高度角:
其中,azim为建筑物和树木的方位角,elev为建筑物和树木的高度角,所述方位角和高度角的单位为弧度。
在步骤S3中,可以利用车载导航终端接收到的导航卫星星历,计算得到导航卫星坐标位置;在此基础上,结合车辆自身粗略坐标位置,计算得到导航卫星相对于车辆的高度角和方位角。
在步骤S4中,当所述导航卫星相对于所述车辆的方位角连线方向上,存在比所述导航卫星高度角更大的建筑物或树木高度角时,判断该导航卫星的信号存在遮挡。例如在图4所示的实施例中,在相同的方位角方向上,若某颗卫星的高度角高于建筑物和树木的高度角,表明该卫星信号是从视距方向传输到达车辆的,可认为其测距值是准确的,如图4中的卫星S2和卫星S4;反之,则表明该卫星信号是从非视距方向传输到达车辆的,可认为其测距值存在因遮挡干扰而产生的误差,如图4中的卫星S1和卫星S3。
在步骤S5中,对于视距方向上未受遮挡的导航卫星(如图4中的卫星S2和S4),直接进行车载导航定位解算;对于非视距方向上受到遮挡的导航卫星(如图4中的卫星S1和S3),可将其剔除并不参与解算,或对其赋予较小的权值后再参与解算。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
在一个典型的配置中,设备包括一个或多个处理器(CPU)、存储器和总线。设备还可以包括输入/输出接口、网络接口等。
存储器可能包括计算机可读介质中的非永久性存储器,随机存取存储器(RAM)和/或非易失性内存等形式,如只读存储器(ROM)或闪存(flash RAM),存储器包括至少一个存储芯片。存储器是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括,但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带,磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质,可用于存储可以被计算设备访问的信息。按照本文中的界定,计算机可读介质不包括暂存电脑可读媒体(transitory media),如调制的数据信号和载波。
还需要说明的是,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、商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、商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,并不排除在包括要素的过程、方法、商品或者设备中还存在另外的相同要素。
本领域技术人员应明白,本申请的实施例可提供为方法、系统或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
以上仅为本申请的实施例而已,并不用于限制本申请。对于本领域技术人员来说,本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等,均应包含在本申请的权利要求范围之内。
Claims (12)
1.一种车载卫星导航方法,其特征在于,该车载卫星导航方法包括以下步骤:
接收所采集的道路周围的图像,识别所述图像中的建筑物和树木轮廓线;
根据所述建筑物和树木轮廓线,计算所述建筑物和树木的高度角及方位角;
根据所述车辆当前坐标位置以及卫星星历轨道参数,计算当前导航卫星相对于所述车辆的高度角及方位角;
根据所述建筑物和树木的高度角及方位角,以及所述导航卫星相对于所述车辆的高度角及方位角,判断所述导航卫星的信号是否受到遮挡;
剔除受到遮挡的导航卫星或赋予其较小的权重,进行车载导航定位解算,得到车辆位置信息。
2.根据权利要求1所述的车载卫星导航方法,其特征在于,所采集的道路周围的图像为采集车辆四周360°范围内的图像,或为仅采集包括车辆或道路两侧的部分角度范围内的图像。
3.根据权利要求1所述的车载卫星导航方法,其特征在于,识别所述图像中的建筑物和树木轮廓线包括以下步骤:
步骤S101,采用相机标定的畸变校正模型及标定系数,对采集的图像进行畸变校正;
步骤S102,将畸变矫正后的图像转换为灰度图像;
步骤S103,对灰度图像的边缘进行提取;
步骤S104,利用层次聚类算法对提取的边缘信息进行聚类,剔除所述边缘信息中的一些孤点特征;
步骤S105,对剔除孤点特征后的边缘信息进行膨胀、填充操作,获得闭合区域,闭合区域的轮廓为所述建筑物和树木轮廓线。
4.根据权利要求1所述的车载卫星导航方法,其特征在于,识别所述图像中的建筑物和树木轮廓线包括以下步骤:
步骤S111,采用相机标定的畸变校正模型及标定系数,对采集的图像进行畸变校正;
步骤S112,将畸变矫正后的图像转换为灰度图像;
步骤S113,对所述灰度图像进行高斯模糊;
步骤S114,对模糊后的图像进行二值化;
步骤S115,对二值化的图像进行等高线轮廓提取,获得图像中的所述建筑物和树木轮廓线。
5.根据权利要求1所述的车载卫星导航方法,其特征在于,根据以下步骤计算所述建筑物和树木的高度角及方位角:
步骤S201,获得相机的定标参数,所述相机的定标参数包括相机定标模型及内参参数K、相机外参参数T,即相机坐标系相对当地导航坐标系的旋转矩阵R和平移向量t;
步骤S202,根据图像中像素点的齐次坐标[x,y,1]T与该像素点对应的物方点的当地导航齐次坐标[X,Y,Z,1]T之间的转换公式(1),
计算物方点在当地导航坐标系中的坐标[X,Y,Z]T;
步骤S203,根据物方点在当地导航坐标系下的坐标,根据公式(2)和公式(3)计算建筑物和树木的方位角和高度角:
其中,azim为建筑物和树木的方位角,elev为建筑物和树木的高度角,所述方位角和高度角的单位为弧度。
6.根据权利要求1所述的车载卫星导航方法,其特征在于,根据所述建筑物和树木的高度角及方位角,以及所述导航卫星相对于所述车辆的高度角及方位角,判断所述导航卫星的信号是否受到遮挡包括:
当所述导航卫星相对于所述车辆的方位角连线方向上,存在比所述导航卫星高度角更大的建筑物或树木高度角时,判断该导航卫星的信号存在遮挡。
7.一种车载卫星导航装置,其特征在于,该车载卫星导航装置包括:
建筑物和树木轮廓识别模块,用于接收所采集的道路周围的图像,识别所述图像中的建筑物和树木轮廓线;
建筑物和树木高度角和方位角计算模块,用于根据所述建筑物和树木轮廓线,计算所述建筑物和树木的高度角及方位角;
导航卫星高度角和方位角计算模块,用于根据所述车辆当前坐标位置以及卫星星历轨道参数,计算当前导航卫星相对于所述车辆的高度角及方位角;
信号遮挡判断模块,用于根据所述建筑物和树木的高度角及方位角,以及所述导航卫星相对于所述车辆的高度角及方位角,判断所述导航卫星的信号是否受到遮挡;
定位模块,用于剔除受到遮挡的导航卫星或赋予其较小的权重,进行车载导航定位解算,得到车辆位置信息。
8.根据权利要求7所述的车载卫星导航装置,其特征在于,所述建筑物和树木轮廓模块还用于:
采用相机标定的畸变校正模型及标定系数,对采集的图像进行畸变校正;
将畸变矫正后的图像转换为灰度图像;
对灰度图像的边缘进行提取;
利用层次聚类算法对提取的边缘信息进行聚类,剔除所述边缘信息中的一些孤点特征;
对剔除孤点特征后的边缘信息进行膨胀、填充操作,获得闭合区域,闭合区域的轮廓为所述建筑物和树木轮廓线。
9.根据权利要求7所述的车载卫星导航装置,其特征在于,所述建筑物和树木轮廓模块还用于:
采用相机标定的畸变校正模型及标定系数,对采集的图像进行畸变校正;
将畸变矫正后的图像转换为灰度图像;
对所述灰度图像进行高斯模糊;
对模糊后的图像进行二值化;
对二值化的图像进行等高线轮廓提取,获得图像中的所述建筑物和树木轮廓线。
10.一种车载卫星导航装置,其特征在于,所述信号遮挡判断模块还用于:当所述导航卫星相对于所述车辆的方位角连线方向上,存在比所述导航卫星高度角更大的建筑物或树木高度角时,判断该导航卫星的信号存在遮挡。
11.一种机器可读存储介质,该机器可读存储介质上存储有指令,该指令用于使得机器执行权利要求1-6任一项所述的车载卫星导航方法。
12.一种处理器,其特征在于,用于运行程序,其中,所述程序被运行时用于执行:如权利要求1-6任一项所述的车载卫星导航方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110312739.6A CN113075709A (zh) | 2021-03-24 | 2021-03-24 | 车载卫星导航方法、装置、存储介质及处理器 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110312739.6A CN113075709A (zh) | 2021-03-24 | 2021-03-24 | 车载卫星导航方法、装置、存储介质及处理器 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113075709A true CN113075709A (zh) | 2021-07-06 |
Family
ID=76613654
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110312739.6A Withdrawn CN113075709A (zh) | 2021-03-24 | 2021-03-24 | 车载卫星导航方法、装置、存储介质及处理器 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113075709A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116027374A (zh) * | 2023-02-22 | 2023-04-28 | 北京理工大学前沿技术研究院 | 一种卫星信号遮挡下的车辆高精度定位方法及系统 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102043950A (zh) * | 2010-12-30 | 2011-05-04 | 南京信息工程大学 | 基于canny算子和边缘点统计的车辆轮廓识别方法 |
CN103810729A (zh) * | 2014-02-20 | 2014-05-21 | 南京师范大学 | 一种基于等高线的光栅图像矢量化方法 |
CN104848867A (zh) * | 2015-05-13 | 2015-08-19 | 北京工业大学 | 基于视觉筛选的无人驾驶汽车组合导航方法 |
CN106970398A (zh) * | 2017-03-27 | 2017-07-21 | 中国电建集团西北勘测设计研究院有限公司 | 顾及卫星遮挡条件的卫星可见性分析及星历预报方法 |
CN107464264A (zh) * | 2016-06-02 | 2017-12-12 | 南京理工大学 | 一种基于gps的相机参数标定方法 |
CN108901540A (zh) * | 2018-06-28 | 2018-11-30 | 重庆邮电大学 | 基于人工蜂群模糊聚类算法的果树补光和疏果方法 |
CN109212545A (zh) * | 2018-09-19 | 2019-01-15 | 长沙超创电子科技有限公司 | 基于主动视觉的多信源目标跟踪测量系统及跟踪方法 |
CN109813306A (zh) * | 2019-01-17 | 2019-05-28 | 李子月 | 一种无人车规划轨迹卫星定位数据可信度计算方法 |
KR20200000967A (ko) * | 2018-06-26 | 2020-01-06 | 한국단자공업 주식회사 | 고정밀 지도의 건축물 데이터를 활용한 차량 위치정보 보정 방법 |
-
2021
- 2021-03-24 CN CN202110312739.6A patent/CN113075709A/zh not_active Withdrawn
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102043950A (zh) * | 2010-12-30 | 2011-05-04 | 南京信息工程大学 | 基于canny算子和边缘点统计的车辆轮廓识别方法 |
CN103810729A (zh) * | 2014-02-20 | 2014-05-21 | 南京师范大学 | 一种基于等高线的光栅图像矢量化方法 |
CN104848867A (zh) * | 2015-05-13 | 2015-08-19 | 北京工业大学 | 基于视觉筛选的无人驾驶汽车组合导航方法 |
CN107464264A (zh) * | 2016-06-02 | 2017-12-12 | 南京理工大学 | 一种基于gps的相机参数标定方法 |
CN106970398A (zh) * | 2017-03-27 | 2017-07-21 | 中国电建集团西北勘测设计研究院有限公司 | 顾及卫星遮挡条件的卫星可见性分析及星历预报方法 |
KR20200000967A (ko) * | 2018-06-26 | 2020-01-06 | 한국단자공업 주식회사 | 고정밀 지도의 건축물 데이터를 활용한 차량 위치정보 보정 방법 |
CN108901540A (zh) * | 2018-06-28 | 2018-11-30 | 重庆邮电大学 | 基于人工蜂群模糊聚类算法的果树补光和疏果方法 |
CN109212545A (zh) * | 2018-09-19 | 2019-01-15 | 长沙超创电子科技有限公司 | 基于主动视觉的多信源目标跟踪测量系统及跟踪方法 |
CN109813306A (zh) * | 2019-01-17 | 2019-05-28 | 李子月 | 一种无人车规划轨迹卫星定位数据可信度计算方法 |
Non-Patent Citations (1)
Title |
---|
刘歆等: "基于等高线的车型轮廓提取方法研究", 《计算机工程与设计》 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116027374A (zh) * | 2023-02-22 | 2023-04-28 | 北京理工大学前沿技术研究院 | 一种卫星信号遮挡下的车辆高精度定位方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111947671B (zh) | 用于定位的方法、装置、计算设备和计算机可读存储介质 | |
US11506769B2 (en) | Method and device for detecting precision of internal parameter of laser radar | |
CN108225346B (zh) | 车辆定位装置和方法 | |
US20220276360A1 (en) | Calibration method and apparatus for sensor, and calibration system | |
CN114111774B (zh) | 车辆的定位方法、系统、设备及计算机可读存储介质 | |
CN110962844A (zh) | 一种车辆航向角修正方法及系统、存储介质及终端 | |
CN111788498A (zh) | 移动体定位系统、方法和程序 | |
CN112307810A (zh) | 一种视觉定位效果自检方法及车载终端 | |
CN114730472A (zh) | 车载相机的外部参数的标定方法及相关装置 | |
CN115077541A (zh) | 自动驾驶车辆的定位方法、装置及电子设备、存储介质 | |
CN112381026A (zh) | 航道岸线检测方法、系统、装置和存储介质 | |
Bhamidipati et al. | Integrity monitoring of Graph‐SLAM using GPS and fish‐eye camera | |
CN113075709A (zh) | 车载卫星导航方法、装置、存储介质及处理器 | |
CN114764885A (zh) | 障碍物的检测方法、装置、计算机可读存储介质和处理器 | |
CN113284194A (zh) | 多rs设备的标定方法、装置及设备 | |
CN116429090A (zh) | 基于线激光的同步定位和建图方法、装置、移动机器人 | |
JP2023068009A (ja) | 地図情報作成方法 | |
CN116051812A (zh) | 目标检测方法、装置及电子设备、存储介质 | |
KR102381013B1 (ko) | 다중 정합 기반 실시간 영상항법 수행 방법, 장치 및 컴퓨터 프로그램 | |
CN114926551A (zh) | 参数标定方法、装置、车辆及存储介质 | |
CN114677448A (zh) | 车载相机的外参校正方法、装置及电子设备、存储介质 | |
CN112050830B (zh) | 一种运动状态估计方法及装置 | |
CN116597168B (zh) | 车载激光点云与全景影像的匹配方法、装置、设备及介质 | |
CN116027374A (zh) | 一种卫星信号遮挡下的车辆高精度定位方法及系统 | |
CN115128655B (zh) | 自动驾驶车辆的定位方法和装置、电子设备和存储介质 |
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 | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20221104 Address after: Room 5002, 5th Floor, Building 1, No. 2 Wanhong West Street, Chaoyang District, Beijing 100015 Applicant after: Beijing Muxing Technology Co.,Ltd. Address before: 100013, No. 14 East Third Ring Road, Chaoyang District, Beijing Applicant before: Liu Cheng |
|
TA01 | Transfer of patent application right | ||
WW01 | Invention patent application withdrawn after publication |
Application publication date: 20210706 |
|
WW01 | Invention patent application withdrawn after publication |