CN113156455A

CN113156455A - 基于路侧多激光雷达感知的车定位系统、方法、装置和介质

Info

Publication number: CN113156455A
Application number: CN202110279573.2A
Authority: CN
Inventors: 陈志军; 陈德鹏; 吴超仲; 黄珍
Original assignee: Wuhan University of Technology WUT
Current assignee: Wuhan University of Technology WUT
Priority date: 2021-03-16
Filing date: 2021-03-16
Publication date: 2021-07-23

Abstract

本发明公开了一种基于路侧多激光雷达感知的车定位系统、方法、装置和介质，车定位系统包括用于从路侧多个激光雷达采集转换关系信息的多激光雷达外参标定模块、用于对点云信息进行定位和重叠获得整体点云的点云生成处理模块、用于根据地理信息和整体点云生成地图的地图生成模块、用于获取车辆的位置信息的车路通信模块，以及用于确定位置信息在地图中对应的定位点的点云匹配模块。本发明能够实现激光雷达与智能车共同定位，结合智能车本身的有效定位手段来完成智能车的定位，并把智能车信息传递回智能车提供辅助驾驶信息，提升驾驶人乘坐搭载该系统智能车的安全性以及经济性，推进辅助驾驶技术的发展。本发明广泛应用于汽车辅助驾驶技术领域。

Description

基于路侧多激光雷达感知的车定位系统、方法、装置和介质

技术领域

本发明涉及汽车辅助驾驶技术领域，尤其是一种基于路侧多激光雷达感知的车定位系统、方法、计算机装置和存储介质。

背景技术

在基于网联的路侧感知方法出现之前，自动驾驶车辆定位技术多依靠车辆车轮编码计数器、全球定位系统(GPS)以及惯性导航单元(IMU)，通过车载的多种传感器共同完成定位任务。当在周围隧道、高楼遮挡等GPS信号缺失情况下，智能车无法对自身的位姿进行准确的估计，特别是在车速较高以及完全无信号路段，极其容易造成交通事故。同时车轮编码计数器里程计方法以及IMU都会在行走一段距离后产生较大误差，对智能车车辆定位造成不准的问题。

发明内容

针对上述至少一个技术问题，本发明的目的在于提供一种基于路侧多激光雷达感知的车定位系统、方法、计算机装置和存储介质。

一方面，本发明实施例包括一种基于路侧多激光雷达感知的车定位系统，包括：

多激光雷达外参标定模块，用于从设置于路侧的多个激光雷达采集点云信息；

点云生成处理模块，用于对所述点云信息进行定位和重叠，获得整体点云；

地图生成模块，用于获取地理信息，根据所述地理信息和所述整体点云生成地图；

车路通信模块，用于获取车辆的运动信息与位置信息和周围的雷达点云信息；

点云匹配模块，用于确定所述位置信息在所述地图中对应的定位点。

进一步地，所述多激光雷达外参标定模块用于采集各所述激光雷达各自的绝对位置信息以及各所述激光雷达之间的相对位置信息，根据所述绝对位置信息和所述相对位置信息获得转换关系，并生成所述点云信息。

进一步地，所述点云生成处理模块用于从所述点云信息中分离出待检测动态目标的信息以及待匹配的静态点云信息，以所述静态点云信息作为所述整体点云。

进一步地，所述地图生成模块用于以所述静态点云信息作为底图，并通过将所述地理信息添加至所述底图，从而生成所述地图。

进一步地，所述车路通信模块用通过V2X通信方式获取车辆的绝对位置信息、速度信息、加速度信息和摆角信息，根据所述绝对位置信息、所述速度信息、所述加速度信息和所述摆角信息生成所述位置信息；所述V2X通信方式为DSRC、wifi、5G中的至少一种。

进一步地，所述点云匹配模块用于对所述位置信息和所述整体点云进行目标关联匹配，从而确定所述位置信息在所述地图中对应的定位点。

进一步地，所述基于路侧多激光雷达感知的车定位系统还包括：

轨迹定位模块，用于对所述定位点进行移动跟踪，生成所述定位点的轨迹，基于历史数据修正所述轨迹。

另一方面，本发明实施例还包括一种基于路侧多激光雷达感知的车定位方法，包括：

从设置于路侧的多个激光雷达采集点云信息；

对所述点云信息进行定位和重叠，获得整体点云；

获取地理信息，根据所述地理信息和所述整体点云生成地图；

获取车辆的位置信息；

确定所述位置信息在所述地图中对应的定位点。

另一方面，本发明实施例还包括一种计算机装置，包括存储器和处理器，所述存储器用于存储至少一个程序，所述处理器用于加载所述至少一个程序以执行实施例中的基于路侧多激光雷达感知的车定位方法。

另一方面，本发明实施例还包括一种存储介质，其中存储有处理器可执行的程序，所述处理器可执行的程序在由处理器执行时用于执行实施例中的基于路侧多激光雷达感知的车定位方法。

本发明的有益效果是：实施例中的基于路侧多激光雷达感知的车定位系统能够实现激光雷达与智能车共同定位，在智能车行驶中接入路侧激光雷达时，根据路测激光雷达的驾驶地图，将智能车的信息传递到路侧激光雷达，并结合智能车本身的有效定位手段来完成智能车的定位，并把智能车信息传递回智能车提供辅助驾驶信息的方法，提升驾驶人乘坐搭载该系统智能车的安全性以及经济性，推进智能车辅助驾驶技术的发展和实用化。

附图说明

图1为实施例中基于路侧多激光雷达感知的车定位系统的结构图；

图2为实施例中基于路侧多激光雷达感知的车定位系统的工作原理图；

图3为实施例中点云生成处理模块的工作原理图；

图4为实施例中地图生成模块的工作原理图；

图5为实施例中基于路侧多激光雷达感知的车定位方法的流程图。

具体实施方式

本实施例中，参照图1，基于路侧多激光雷达感知的车定位系统，包括多激光雷达外参标定模块、点云生成处理模块、地图生成模块、车路通信模块、点云匹配模块和轨迹定位模块。基于路侧多激光雷达感知的车定位系统的工作原理如图2所示。

本实施例中，各激光雷达被设置在路侧，具体地，可以沿着路基以均匀的间距布置各激光雷达，并在每个激光雷达的旁边安装一个车路通信模块，车路通信模块既可以与旁边的激光雷达通信，又提供DSRC、wifi、5G或者更先进的无线通信协议等V2X通信方式，与在道路上行驶或停靠的车辆进行通信。

本实施例中，多激光雷达外参标定模块从设置于路侧的多个激光雷达采集点云信息。多激光雷达外参标定模块能够对路侧的多个激光雷达外参数标定，具体地，多激光雷达外参标定模块用于采集各激光雷达各自的绝对位置信息以及各激光雷达之间的相对位置信息，根据绝对位置信息和相对位置信息生成各激光雷达之间的坐标转换关系。

本实施例中，参照图3，点云生成处理模块具体包括激光雷达传感器、算法计算模块和目标点云信息输出模块，点云生成处理模块处理得到的激光雷达点云信息，将路侧周围的点云信息进行定位后的重叠得到原始的整体点云。具体地，点云生成处理模块执行关联匹配算法，根据外参标定参数，从点云信息中分离出待检测动态目标的信息以及待匹配的静态点云信息，以静态点云信息作为整体点云。根据动态目标信息可以进行点云特征匹配，根据车辆发送的信息可以进行位置特征匹配，根据点云特征匹配与位置特征匹配的结果可以进行目标定位匹配。

本实施例中，参照图4，地图生成模块根据点云生成处理模块的点云结果并结合地理信息，生成更完备的地图，也就是获取地理信息，根据地理信息和整体点云生成地图。具体地，地图生成模块用于以静态点云信息作为底图，将地理信息添加至底图，从而生成完备的地图。具体地，地图生成模块在生成地图时，对原始激光点云进行点云栅格化，根据地理地标信息进行车道线检测，根据点云栅格化的结果、车道线检测的结果以及外参标定参数可以获得静态点云信息，其中的静态点云信息可以作为底图，对底图进行地理信息添加处理，可以生成完备地图。

本实施例中，车路通信模块负责接收来自路侧的车辆的位置信息，为后续目标定位提供信息。其中，车路通信模块可以采集每辆车辆的绝对位置信息、速度信息、加速度信息和摆角信息等信息。

本实施例中，点云匹配模块根据地图生成模块的生成地图以及跟智能车通信的位置信息，进行智能车在地图上的定位，从而确定位置信息在地图中对应的定位点。具体地，点云匹配模块通过对位置信息和整体点云进行目标关联匹配，从而确定位置信息在地图中对应的定位点。

本实施例中，轨迹定位模块用于对定位点进行移动跟踪，生成定位点的轨迹，以及基于历史数据修正轨迹。

本实施例中，基于路侧多激光雷达感知的车定位系统中的各模块的一个工作流程是：

(1)在车辆行驶至道路中的预设路段之前，多激光雷达外参标定模块开始工作，通过通信方式对多激光雷达信息进行标定；

(2)点云生成处理模块进行智能车目标检测以及静态点云信息的分析；

(3)地图生成模块根据多激光雷达外参标定模块的信息以及生成的动静态两层地图信息，再输入人工标定的地理信息，获得完备的地图信息；

(4)车路通信模块位于路侧，接收来自智能车提供车辆输入的位置信息，包括速度、加减速信息，方向盘转动信息以及位置信息；同时可为智能车提供定位结果；

(5)点云匹配模块对动态信息和地图进行匹配定位的信息，对原有智能车的定位信息能够有更精准的位置校准，实现更高精度的定位；

(6)轨迹定位模块是对智能车定位的历史数据进行分析，利用卡尔曼滤波方法形成智能车定位数据，用于分析智能车行车轨迹。

本实施例中，基于路侧多激光雷达感知的车定位系统能够实现激光雷达与智能车共同定位，在智能车行驶中接入路侧激光雷达时，根据路测激光雷达的驾驶地图，通过V2X通信手段等方式将智能车的信息传递到路侧激光雷达，并结合智能车本身的有效定位手段来完成智能车的定位，并通过V2X通信手段等方式把智能车信息传递回智能车提供辅助驾驶信息的方法，提升驾驶人乘坐搭载该系统智能车的安全性以及经济性，推进智能车辅助驾驶技术的发展和实用化。

本实施例中，基于路侧多激光雷达感知的车定位系统能够实现较大的驾驶感知范围，驾驶感知范围的提升让智能车获取到全局的地图信息，尤其是根据激光雷达获取的信息，能够通过路侧提供的激光雷达点云地图信息提供定位信息。感知速度的提升和自动驾驶技术的结合让智能车更可靠进行定位，保证驾驶人的安全。

本实施例中，通过应用车与外界的信息交换(V2X)技术，通过通信方式车辆获取到更多的车辆信息，有效提升了车辆感知速度，扩大了智能车辆的感知范围。网络中车辆能够实时的通过路侧设备获取各种有效的感知信息，经过网络中5-10个节点的跳跃就可感知到一公里外的交通状态。V2X技术的使用，使驾驶人和智能车组成的系统的感知速度和感知范围得到了质的提升。

使用本实施例中的基于路侧多激光雷达感知的车定位系统，能够执行基于路侧多激光雷达感知的车定位方法。参照图5，基于路侧多激光雷达感知的车定位方法包括以下步骤：

S1.从设置于路侧的多个激光雷达采集点云信息，并进行外参数标定；

S2.对点云信息进行定位和重叠，获得整体点云；

S3.获取地理信息，根据地理信息和整体点云生成地图；

S4.获取车辆的位置信息；

S5.确定位置信息在地图中对应的定位点。

可以通过编写执行本实施例中的基于路侧多激光雷达感知的车定位方法的计算机程序，将该计算机程序写入至计算机装置或者存储介质中，当计算机程序被读取出来运行时，执行本实施例中的基于路侧多激光雷达感知的车定位方法。

需要说明的是，如无特殊说明，当某一特征被称为“固定”、“连接”在另一个特征，它可以直接固定、连接在另一个特征上，也可以间接地固定、连接在另一个特征上。此外，本公开中所使用的上、下、左、右等描述仅仅是相对于附图中本公开各组成部分的相互位置关系来说的。在本公开中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式，除非上下文清楚地表示其他含义。此外，除非另有定义，本实施例所使用的所有的技术和科学术语与本技术领域的技术人员通常理解的含义相同。本实施例说明书中所使用的术语只是为了描述具体的实施例，而不是为了限制本发明。本实施例所使用的术语“和/或”包括一个或多个相关的所列项目的任意的组合。

应当理解，尽管在本公开可能采用术语第一、第二、第三等来描述各种元件，但这些元件不应限于这些术语。这些术语仅用来将同一类型的元件彼此区分开。例如，在不脱离本公开范围的情况下，第一元件也可以被称为第二元件，类似地，第二元件也可以被称为第一元件。本实施例所提供的任何以及所有实例或示例性语言(“例如”、“如”等)的使用仅意图更好地说明本发明的实施例，并且除非另外要求，否则不会对本发明的范围施加限制。

应当认识到，本发明的实施例可以由计算机硬件、硬件和软件的组合、或者通过存储在非暂时性计算机可读存储器中的计算机指令来实现或实施。所述方法可以使用标准编程技术-包括配置有计算机程序的非暂时性计算机可读存储介质在计算机程序中实现，其中如此配置的存储介质使得计算机以特定和预定义的方式操作——根据在具体实施例中描述的方法和附图。每个程序可以以高级过程或面向对象的编程语言来实现以与计算机系统通信。然而，若需要，该程序可以以汇编或机器语言实现。在任何情况下，该语言可以是编译或解释的语言。此外，为此目的该程序能够在编程的专用集成电路上运行。

此外，可按任何合适的顺序来执行本实施例描述的过程的操作，除非本实施例另外指示或以其他方式明显地与上下文矛盾。本实施例描述的过程(或变型和/或其组合)可在配置有可执行指令的一个或多个计算机系统的控制下执行，并且可作为共同地在一个或多个处理器上执行的代码(例如，可执行指令、一个或多个计算机程序或一个或多个应用)、由硬件或其组合来实现。所述计算机程序包括可由一个或多个处理器执行的多个指令。

进一步，所述方法可以在可操作地连接至合适的任何类型的计算平台中实现，包括但不限于个人电脑、迷你计算机、主框架、工作站、网络或分布式计算环境、单独的或集成的计算机平台、或者与带电粒子工具或其它成像装置通信等等。本发明的各方面可以以存储在非暂时性存储介质或设备上的机器可读代码来实现，无论是可移动的还是集成至计算平台，如硬盘、光学读取和/或写入存储介质、RAM、ROM等，使得其可由可编程计算机读取，当存储介质或设备由计算机读取时可用于配置和操作计算机以执行在此所描述的过程。此外，机器可读代码，或其部分可以通过有线或无线网络传输。当此类媒体包括结合微处理器或其他数据处理器实现上文所述步骤的指令或程序时，本实施例所述的发明包括这些和其他不同类型的非暂时性计算机可读存储介质。当根据本发明所述的方法和技术编程时，本发明还包括计算机本身。

计算机程序能够应用于输入数据以执行本实施例所述的功能，从而转换输入数据以生成存储至非易失性存储器的输出数据。输出信息还可以应用于一个或多个输出设备如显示器。在本发明优选的实施例中，转换的数据表示物理和有形的对象，包括显示器上产生的物理和有形对象的特定视觉描绘。

以上所述，只是本发明的较佳实施例而已，本发明并不局限于上述实施方式，只要其以相同的手段达到本发明的技术效果，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明保护的范围之内。在本发明的保护范围内其技术方案和/或实施方式可以有各种不同的修改和变化。

Claims

1.一种基于路侧多激光雷达感知的车定位系统，其特征在于，包括：

多激光雷达外参标定模块，用于从设置于路侧的多个激光雷达获得各所述激光雷达之间的转换关系信息；

点云生成处理模块，用于对所述点云信息进行定位和重叠，根据所述相对坐标信息和点云信息生成整体点云；

车路通信模块，用于获取车辆的运动信息、位置信息和周围的雷达点云信息；

2.根据权利要求1所述的基于路侧多激光雷达感知的车定位系统，其特征在于，所述多激光雷达外参标定模块用于采集各所述激光雷达各自的绝对位置信息以及各所述激光雷达之间的相对位置信息，根据所述绝对位置信息和所述相对位置信息获得转换关系，并生成所述点云信息。

3.根据权利要求1所述的基于路侧多激光雷达感知的车定位系统，其特征在于，所述点云生成处理模块用于从所述点云信息中分离出待检测动态目标的信息以及待匹配的静态点云信息，以所述静态点云信息作为所述整体点云。

4.根据权利要求3所述的基于路侧多激光雷达感知的车定位系统，其特征在于，所述地图生成模块用于以所述静态点云信息作为底图，并通过将所述地理信息添加至所述底图，从而生成所述地图。

5.根据权利要求1所述的基于路侧多激光雷达感知的车定位系统，其特征在于，所述车路通信模块用通过V2X通信方式获取车辆的绝对位置信息、速度信息、加速度信息和摆角信息，根据所述绝对位置信息、所述速度信息、所述加速度信息和所述摆角信息生成所述位置信息；所述V2X通信方式为DSRC、wifi、5G中的至少一种。

6.根据权利要求1所述的基于路侧多激光雷达感知的车定位系统，其特征在于，所述点云匹配模块用于对所述位置信息和所述整体点云进行目标关联匹配，从而确定所述位置信息在所述地图中对应的定位点。

7.根据权利要求1所述的基于路侧多激光雷达感知的车定位系统，其特征在于，所述基于路侧多激光雷达感知的车定位系统还包括：

8.一种基于路侧多激光雷达感知的车定位方法，其特征在于，包括：

从设置于路侧的多个激光雷达获得各所述激光雷达之间的转换关系信息；

对所述点云信息进行定位和重叠，根据所述相对坐标信息和点云信息生成整体点云；

获取车辆的位置信息；

确定所述位置信息在所述地图中对应的定位点。

9.一种计算机装置，其特征在于，包括存储器和处理器，所述存储器用于存储至少一个程序，所述处理器用于加载所述至少一个程序以执行权利要求8所述基于路侧多激光雷达感知的车定位方法。

10.一种存储介质，其中存储有处理器可执行的程序，其特征在于，所述处理器可执行的程序在由处理器执行时用于执行如权利要求8所述基于路侧多激光雷达感知的车定位方法。