CN113343830B - 一种地下停车场车辆快速重定位的方法 - Google Patents
一种地下停车场车辆快速重定位的方法 Download PDFInfo
- Publication number
- CN113343830B CN113343830B CN202110609533.XA CN202110609533A CN113343830B CN 113343830 B CN113343830 B CN 113343830B CN 202110609533 A CN202110609533 A CN 202110609533A CN 113343830 B CN113343830 B CN 113343830B
- Authority
- CN
- China
- Prior art keywords
- information
- vehicle
- point cloud
- area
- obstacle
- 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
- 238000000034 method Methods 0.000 title claims abstract description 21
- 239000003550 marker Substances 0.000 claims description 8
- 241000283070 Equus zebra Species 0.000 claims description 3
- 238000007781 pre-processing Methods 0.000 claims description 3
- 241000894007 species Species 0.000 claims description 3
- 230000008447 perception Effects 0.000 abstract description 6
- 238000005457 optimization Methods 0.000 abstract description 2
- 230000001174 ascending effect Effects 0.000 description 2
- 230000004888 barrier function Effects 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
Classifications
-
- 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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Computational Biology (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Databases & Information Systems (AREA)
- Remote Sensing (AREA)
- Traffic Control Systems (AREA)
- Image Analysis (AREA)
Abstract
本发明提供了一种地下停车场车辆快速重定位的方法，属于自动驾驶定位及自主泊车定位领域，该快速重定位的方法针对封闭场景，由车载环视系统采集车辆周边图像信息，提取外部环境感知信息，并将环境感知信息与地图内的数据进行比对，判断环境感知信息是否存在与地图内数据匹配的唯一匹配点，若存在则输出该匹配点位置作为车辆定位结果；若未存在则输出少量匹配候选区域，再将环境感知信息与地图内少数候选区域的数据进行比对，迭代优化输出获取车辆定位结果。该车辆快速重定位的方法能够有效的节省场端设备的成本，更快的收敛车辆的准确位置甚至直接获取重定位结果，可有效的解决现有技术方案缺少语义信息无法快速收敛的问题。
Description
技术领域
本发明属于自动驾驶定位及自主泊车定位技术领域，尤其涉及一种地下停车场车辆快速重定位的方法。
背景技术
现有的封闭场景如地下停车场环境中，常用以下重定位方法:
一、通过场端建设UWB或激光设备与车辆进行通信告知车辆位置。
二、通过建立高精度地图或稠密的激光点云，通过匹配场景中的结构化道路标识物或匹配点云特征，给出多个候选的位置通过滤波器收敛在运动中到合适的位置。
但通过场端建设UWB或激光设备与车辆进行通信告知车辆位置需要投入很大的建设与后续维护成本。而通过建立高精度地图或稠密的激光点云，通过匹配场景中的结构化道路标识物或匹配点云特征，给出多个候选的位置通过滤波器收敛在运动中到合适的位置在缺少明确语义时无法使用；同时，道路标识物语义信息在地下停车场中具有很高的重复率，在大型场景中收敛速度很慢，影响用户体验，且点云特征需要较长时间的匹配、存储空间有较大的需求。
发明内容
本发明实施例提供一种地下停车场车辆快速重定位的方法，旨在解决背景技术中提出的问题。
本发明实施例是这样实现的，一种地下停车场车辆快速重定位的方法，该重定位的方法包括如下步骤；
S1、建立至少包括场景分类信息、障碍物形态信息、路面标识物信息和点云特征信息的停车场电子地图；
S2、实时获取车辆周边图像信号，并对图像信号进行预处理；
S3、从预处理后的图像信号内提取车辆周边的场景分类信息、障碍物形态信息、路面标识物信息和点云特征信息；
S4、将提取的车辆周边场景分类信息、障碍物形态信息、路面标识物信息和点云特征信息分别与停车场电子地图的场景分类信息、障碍物形态信息、路面标识物信息和点云特征信息进行比对匹配；
S5、判断是否存在唯一定位结果，若是则执行S6，否则执行S7；
S6、获取唯一定位结果，输出车辆位置；
S7、根据车辆周边场景分类信息、障碍物形态信息、路面标识物信息和点云特征信息的匹配结果，生成少数候选区域；
S8、将车辆周边场景分类信息、障碍物形态信息、路面标识物信息和点云特征信息与停车场电子地图内少数候选区域的场景分类信息、障碍物形态信息、路面标识物信息和点云特征信息进行比对匹配，迭代优化获取唯一定位给结果，输出车辆位置。
优选的，所述车辆周边图像信号通过车载环视系统获取。
优选的，所述场景分类信息至少包括闸机区域、上坡区域、下坡区域、左车道、右车道、调头区域、入口区域、出口区域、十字路口、T字入口、停车位区域以及电梯口区域。
优选的，所述障碍物形态信息至少包括障碍物种类信息以及障碍物形状信息。
优选的，所述障碍物种类至少包括墙壁、过道、狭窄通道以及立柱型突出物。
优选的，所述路面标识物信息至少包括停车位、字符、减速带、车道分割线、道钉、斑马线、地面箭头、地面立柱以及禁停标识线。
优选的，所述字符为停车位编号。
优选的，所述点云特征信息为ORB特征点。
优选的，所述点云特征信息至少包括停车频率高的下客区、出入口以及相对危险的转弯区域。
该车辆快速重定位的方法能够有效的节省场端设备的成本，更快的收敛车辆的准确位置甚至直接获取重定位结果，可有效的解决现有技术方案缺少语义信息无法快速收敛的问题。
附图说明
图1是一种地下停车场车辆快速重定位的方法的重定位流程图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
本发明提供一种地下停车场车辆快速重定位的方法，如图1所示，该重定位的方法包括如下步骤；
S1、建立至少包括场景分类信息、障碍物形态信息、路面标识物信息和点云特征信息的停车场电子地图；
S2、通过车载环视系统实时获取车辆周边图像信号，并对图像信号进行预处理；
S3、从预处理后的图像信号内提取车辆周边的场景分类信息、障碍物形态信息、路面标识物信息和点云特征信息；
S4、将提取的车辆周边场景分类信息、障碍物形态信息、路面标识物信息和点云特征信息分别与停车场电子地图的场景分类信息、障碍物形态信息、路面标识物信息和点云特征信息进行比对匹配；
S5、判断是否存在唯一定位结果，若是则执行S6，否则执行S7；
S6、获取唯一定位结果，输出车辆位置；
S7、根据车辆周边场景分类信息、障碍物形态信息、路面标识物信息和点云特征信息的匹配结果，生成少数候选区域；
S8、将车辆周边场景分类信息、障碍物形态信息、路面标识物信息和点云特征信息与停车场电子地图内少数候选区域的场景分类信息、障碍物形态信息、路面标识物信息和点云特征信息进行比对匹配，迭代优化获取唯一定位给结果，输出车辆位置。
其中：
所述场景分类信息至少包括闸机区域、上坡区域、下坡区域、左
车道、右车道、调头区域、入口区域、出口区域、十字路口、T字入
口、停车位区域以及电梯口区域。
所述障碍物形态信息至少包括障碍物种类信息以及障碍物形状信息；所述障碍物种类至少包括墙壁、过道、狭窄通道以及立柱型突出物。
所述路面标识物信息至少包括停车位、字符、减速带、车道分割线、道钉、斑马线、地面箭头、地面立柱以及禁停标识线；所述字符为停车位编号。
所述点云特征信息为ORB特征点；所述点云特征信息至少包括停车频率高的下客区、出入口以及相对危险的转弯区域。
该快速重定位的方法针对封闭场景，由车载环视系统采集车辆周边图像信息，提取外部环境感知信息，并将环境感知信息与地图内的数据进行比对，判断环境感知信息是否存在与地图内数据匹配的唯一匹配点，若存在则输出该匹配点位置作为车辆定位结果；若未存在则输出少量匹配候选区域，再将环境感知信息与地图内少数候选区域的数据进行比对，迭代优化输出获取车辆定位结果。
以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。
Claims (9)
1.一种地下停车场车辆快速重定位的方法，其特征在于，包括如下步骤；
S1、建立至少包括场景分类信息、障碍物形态信息、路面标识物信息和点云特征信息的停车场电子地图；
S2、实时获取车辆周边图像信号，并对图像信号进行预处理；
S3、从预处理后的图像信号内提取车辆周边的场景分类信息、障碍物形态信息、路面标识物信息和点云特征信息；
S4、将提取的车辆周边场景分类信息、障碍物形态信息、路面标识物信息和点云特征信息分别与停车场电子地图的场景分类信息、障碍物形态信息、路面标识物信息和点云特征信息进行比对匹配；
S5、判断是否存在唯一定位结果，若是则执行S6，否则执行S7；
S6、获取唯一定位结果，输出车辆位置；
S7、根据车辆周边场景分类信息、障碍物形态信息、路面标识物信息和点云特征信息的匹配结果，生成少数候选区域；
S8、将车辆周边场景分类信息、障碍物形态信息、路面标识物信息和点云特征信息与停车场电子地图内少数候选区域的场景分类信息、障碍物形态信息、路面标识物信息和点云特征信息进行比对匹配，迭代优化获取唯一定位给结果，输出车辆位置。
2.如权利要求1所述的地下停车场车辆快速重定位的方法，其特征在于，所述车辆周边图像信号通过车载环视系统获取。
3.如权利要求1所述的地下停车场车辆快速重定位的方法，其特征在于，所述场景分类信息至少包括闸机区域、上坡区域、下坡区域、左车道、右车道、调头区域、入口区域、出口区域、十字路口、T字入口、停车位区域以及电梯口区域。
4.如权利要求1所述的地下停车场车辆快速重定位的方法，其特征在于，所述障碍物形态信息至少包括障碍物种类信息以及障碍物形状信息。
5.如权利要求4所述的地下停车场车辆快速重定位的方法，其特征在于，所述障碍物种类至少包括墙壁、过道、狭窄通道以及立柱型突出物。
6.如权利要求1所述的地下停车场车辆快速重定位的方法，其特征在于，所述路面标识物信息至少包括停车位、字符、减速带、车道分割线、道钉、斑马线、地面箭头、地面立柱以及禁停标识线。
7.如权利要求6所述的地下停车场车辆快速重定位的方法，其特征在于，所述字符为停车位编号。
8.如权利要求1所述的地下停车场车辆快速重定位的方法，其特征在于，所述点云特征信息为ORB特征点。
9.如权利要求8所述的地下停车场车辆快速重定位的方法，其特征在于，所述点云特征信息至少包括停车频率高的下客区、出入口以及相对危险的转弯区域。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110609533.XA CN113343830B (zh) | 2021-06-01 | 2021-06-01 | 一种地下停车场车辆快速重定位的方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110609533.XA CN113343830B (zh) | 2021-06-01 | 2021-06-01 | 一种地下停车场车辆快速重定位的方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113343830A CN113343830A (zh) | 2021-09-03 |
| CN113343830B true CN113343830B (zh) | 2024-05-24 |
Family
ID=77472646
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110609533.XA Active CN113343830B (zh) | 2021-06-01 | 2021-06-01 | 一种地下停车场车辆快速重定位的方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113343830B (zh) |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105946853A (zh) * | 2016-04-28 | 2016-09-21 | 中山大学 | 基于多传感器融合的长距离自动泊车的系统及方法 |
| CN107600067A (zh) * | 2017-09-08 | 2018-01-19 | 中山大学 | 一种基于多视觉惯导融合的自主泊车系统及方法 |
| CN109186586A (zh) * | 2018-08-23 | 2019-01-11 | 北京理工大学 | 一种面向动态泊车环境的同时定位及混合地图构建方法 |
| CN110765224A (zh) * | 2019-10-25 | 2020-02-07 | 驭势科技（北京）有限公司 | 电子地图的处理方法、车辆视觉重定位的方法和车载设备 |
| CN111351493A (zh) * | 2018-12-24 | 2020-06-30 | 上海欧菲智能车联科技有限公司 | 一种定位方法和系统 |
| CN111435538A (zh) * | 2019-01-14 | 2020-07-21 | 上海欧菲智能车联科技有限公司 | 定位方法、定位系统和计算机可读存储介质 |
| WO2021017212A1 (zh) * | 2019-07-26 | 2021-02-04 | 魔门塔(苏州)科技有限公司 | 一种多场景高精度车辆定位方法、装置及车载终端 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106323288A (zh) * | 2016-08-01 | 2017-01-11 | 杰发科技（合肥）有限公司 | 一种交通工具的定位和搜寻方法、装置以及移动终端 |
-
2021
- 2021-06-01 CN CN202110609533.XA patent/CN113343830B/zh active Active
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105946853A (zh) * | 2016-04-28 | 2016-09-21 | 中山大学 | 基于多传感器融合的长距离自动泊车的系统及方法 |
| CN107600067A (zh) * | 2017-09-08 | 2018-01-19 | 中山大学 | 一种基于多视觉惯导融合的自主泊车系统及方法 |
| CN109186586A (zh) * | 2018-08-23 | 2019-01-11 | 北京理工大学 | 一种面向动态泊车环境的同时定位及混合地图构建方法 |
| CN111351493A (zh) * | 2018-12-24 | 2020-06-30 | 上海欧菲智能车联科技有限公司 | 一种定位方法和系统 |
| CN111435538A (zh) * | 2019-01-14 | 2020-07-21 | 上海欧菲智能车联科技有限公司 | 定位方法、定位系统和计算机可读存储介质 |
| WO2021017212A1 (zh) * | 2019-07-26 | 2021-02-04 | 魔门塔(苏州)科技有限公司 | 一种多场景高精度车辆定位方法、装置及车载终端 |
| CN110765224A (zh) * | 2019-10-25 | 2020-02-07 | 驭势科技（北京）有限公司 | 电子地图的处理方法、车辆视觉重定位的方法和车载设备 |
Non-Patent Citations (2)
| Title |
|---|
| Shaojiang Zhang ; Yanning Guo ; Qiang Zhu ; Zhiyuan Liu.Lidar-IMU and Wheel Odometer Based Autonomous Vehicle Localization System.2019 Chinese Control And Decision Conference (CCDC).2019,全文. * |
| 曹文冠,黄孝慈,舒方林,孙昊,刘景锋.面向地下停车场的无人车视觉语义建图与定位.智能计算机与应用.2021,全文. * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113343830A (zh) | 2021-09-03 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109242251B (zh) | 行车行为安全性检测方法、装置、设备及存储介质 | |
| CN110118564B (zh) | 一种高精度地图的数据管理系统、管理方法、终端和存储介质 | |
| CN107272687A (zh) | 一种自动驾驶公交车辆的驾驶行为决策系统 | |
| EP2372310B1 (en) | Image processing system and position measurement system | |
| RU2766038C1 (ru) | Способ и устройство для генерирования информации о среде передвижения для транспортного средства, а также способ управления движением для транспортного средства | |
| RU2719080C2 (ru) | Способ и устройство помощи при вождении | |
| CN113065685B (zh) | 基于自动驾驶应用场景的高精地图交通规则模型及其实现方法 | |
| CN102208013A (zh) | 风景匹配参考数据生成系统和位置测量系统 | |
| JP2019105789A (ja) | 道路構造データ生成装置、道路構造データベース | |
| CN110751847A (zh) | 一种自动驾驶车辆行为决策方法及系统 | |
| CN104317583A (zh) | 基于网格原理的道路拥堵优化算法 | |
| CN112418081B (zh) | 一种空地联合快速勘察交通事故的方法及系统 | |
| CN110765224A (zh) | 电子地图的处理方法、车辆视觉重定位的方法和车载设备 | |
| CN113759391A (zh) | 一种基于激光雷达的可通行区域检测方法 | |
| CN113936461A (zh) | 一种信号控制交叉口车辆混行的仿真方法和系统 | |
| CN116434523A (zh) | 信息感知场景下基于约束度的车辆主动安全管控方法及装置 | |
| CN113343830B (zh) | 一种地下停车场车辆快速重定位的方法 | |
| CN215341427U (zh) | 一种地下停车场车辆快速重定位的系统 | |
| EP3391356A1 (de) | Verfahren zur erkennung von falschparkern | |
| CN113689718A (zh) | 智能信号灯与车道匹配系统及匹配方法 | |
| EP3781906B1 (de) | Verfahren und vorrichtung zum bestimmen einer hochgenauen position eines fahrzeugs | |
| CN116048067A (zh) | 停车路径规划方法、装置、车辆以及存储介质 | |
| CN113108807B (zh) | 一种自动驾驶路径规划方法及其可读存储介质 | |
| CN113178081B (zh) | 一种车辆汇入预警方法、装置及电子设备 | |
| CN115064003A (zh) | 基于车联网的车载显示设备控制方法与装置、车载设备 |
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 |