CN113447023A - 一种基于吊灯的室内视觉定位方法 - Google Patents

Abstract

本发明涉及一种基于吊灯的室内视觉定位方法，用于实现可移动物体在目标室内区域内的定位，目标室内区域顶部安装有用于实现照明的灯，可移动物体具有计算单元，本发明利用安装在可移动物体上的向上拍摄的相机，利用灯实现定位。本发明具有较高的定位精度，且具有较强的实时性，其硬件成本也相对较为便宜。

Description

一种基于吊灯的室内视觉定位方法

技术领域

本发明涉及一种对位于室内空间的可移动物体进行定位的方法。

背景技术

在没有GNSS信号的条件下，实现车辆在室内的高精度定位是一个工程难题，被中国科协评为10大工程难题之一。目前为实现车辆在室内的高精度定位，需要进行场端改造，或者需要建立高精度场端地图。与此同时，还需要结合车端传感器和计算单元完成和高精度场端地图的匹配，以达到定位效果。

目前通常采用以下技术实现车辆在室内的高精度定位：1)采用激光雷达，激光雷达虽然定位精度高，且在室内外都能用，但成本较高，不适宜普及。2)利用视觉朝下的相机实现定位，需要多个相机向下进行拍摄，若地面表示线破损、被遮挡，或者地面反光都会造成定位的不够准确甚至定位失效。3)采用毫米波雷达进行定位，由于毫米波雷达测距不精确，因此定位精度低，适用场景有限。4)采用地面二维码方式实现定位，其定位稳定性和精度都很高，且成本低。但需要在地面高精度地布设二维码。同时，已布设的二维码也会发生磨损。5)UWB技术的定位精度勉强能够达到汽车自动驾驶的要求，但是需要依赖于场端布设基站，且基站不能有遮挡。6)蓝牙5.0aoa定位技术的问题同UWB技术，而且还需要依赖于阵列天线。7)WiFi定位方式的精度误差在3米，不适用于汽车地下车库的自动循迹功能实现。8)地磁定位方式的精度太低，且容易受到其他车辆影响。9)基于语义特征实现车辆定位，其依赖于计算机检测语义(车库里的标识牌等)，依赖于包含语义位置信息的高精度地图。而检测语义需要消耗较高的计算资源，不利于实时性。10)基于视觉特征实现车辆定位，依赖于计算机检测视觉特征，依赖于包含特征位置的高精度地图。视觉特征相对于语义而言虽然消耗的计算资源较少，但是受光线变化影响非常大。11)基于前视车道线实现定位，但该种定位方式大多用于高速公路，在道路拥堵的工况下，前向视觉容易被遮挡，导致定位不准确，甚至失效。

发明内容

本发明的目的是：提供一种实现汽车或机器人在室内实时高精度定位的方法。

为了达到上述目的，本发明的技术方案是提供了一种基于吊灯的室内视觉定位方法，用于实现可移动物体在目标室内区域内的定位，目标室内区域顶部安装有用于实现照明的灯，可移动物体具有计算单元，其特征在于，包括以下步骤：

步骤1、在汽车或机器人上安装相机，相机向上进行拍摄；

目标室内区域顶部装有用于照明的灯；

步骤2、在每个计算周期，由计算单元得到当前计算周期的汽车或机器人的最优估计位置和航向，计算单元再基于最优估计位置和航向得到汽车或机器人在当前计算周期的当前位置和航向，其中：

获得第k个计算周期的汽车或机器人的当前位置和航向包括以下步骤：

步骤201、汽车或机器人处于当前位置时，利用其固有的计算单元采集相机拍摄得到的图像，图像中包含安装在目标室内区域顶部的灯；

步骤202、计算单元基于汽车或机器人的运动信息结合第k-1次计算周期得到的当前位置随机生成M₁个新的位置和航向，每个新的位置和航向作为一个新的粒子，则随机生成的M₁个新粒子与第k-1次计算周期保留下来的M₂个已有粒子共同形成用于当前计算周期的N个粒子，N＝M₁+M₂；

当k＝1时，则计算单元基于假设的位置随机生成N个新的位置和航向，每个新的位置和航向作为一个新的粒子，则共得到用于当前计算周期的N个粒子；

步骤203、计算单元从N个粒子中筛选出最优的一个粒子，将粒子所对应的位置和航向作为第k个计算周期的最优估计位置和航向，具体包括以下步骤：

步骤2031、检测出步骤201所获得图像中的灯，并将灯抽象为间隔一定距离的M个点，M≥3，同时计算得到灯在相机上的投影线段；；

步骤2032、遍历步骤202得到N个粒子，对于每一个粒子，依据与当前粒子对应的可移动物体位置和航向、相机的安装角度、相机的安装位置，将步骤2031抽象得到的点投影至当前粒子所在的2D平面，获得在2D平面上的投影点，计算投影点到步骤2031得到的投影线段之间的距离，依据距离来计算每一个粒子的匹配度，距离越小，则匹配度越高，将具有最高匹配度的粒子作为最终得到的最优的一个粒子；

步骤2033、计算步骤2032得到的所有粒子的匹配度的均值，将匹配度小于该均值的所有粒子从N个粒子中删除，保留剩余的粒子用于第k+1个计算周期的计算；

步骤204、计算单元对汽车或机器人的位置航向信息进行追踪，并且在收到最优估计的位置和航向时，将其与追踪的位置航向信息进行融合从而得到第k个计算周期的位置和航向的最终估计；

将获得的最终估计结果作为第k个计算周期的汽车或机器人的当前位置和航向。

优选地，步骤2中，所述计算单元采用粒子滤波器方法得到当前计算周期的最优估计的位置和航向。

优选地，步骤2中，所述计算单元通过EKF融合器基于最优估计的位置和航向得到当前计算周期的所述可移动物体的当前位置和航向。

优选地，步骤2中，基于获得的所述汽车或机器人的当前位置和当前航向进行可移动物体循迹控制。

优选地，步骤2032中，采用以下方法计算投影点到投影线段之间的距离：若投影点在投影线段的侧面，则距离为投影点到投影线段的垂直距离；若投影点在投影线段的两端，则距离为投影点到投影线段上距离该点较近的端点的距离。

相比于激光雷达方式，本发明的硬件成本更便宜。

相比于利用视觉朝下的相机实现定位的方式，本发明只需要一个相机，比较精简。且灯一般寿命很长，且即使坏掉一两个灯，本发明也能正常工作，不必担心地面表示破损和反光的问题。

相比于毫米波雷达定位方式，本发明精度更高、成本更便宜。

相比于采用地面二维码方式实现定位的方式，本发明无需担心磨损问题。

相比于UWB技术以及蓝牙5.0技术，本发明无需依赖于基站。

相比于WiFi定位方式，本发明精度更高。

相比于地磁定位方式，本发明精度更高，且不用担心其他车辆对磁场环境的影响。

相比于语义视觉定位方式，本发明不用很高的算力就能检出灯。

相比于视觉特征定位方式，本发明对环境光线变化不敏感。

相比于基于前视车道线实现定位的方式，由于本发明中的相机朝上看，即使在高峰期，前车贴得很近，也不容易受到遮挡。

具体实施方式

下面结合具体实施例，进一步阐述本发明。应理解，这些实施例仅用于说明本发明而不用于限制本发明的范围。此外应理解，在阅读了本发明讲授的内容之后，本领域技术人员可以对本发明作各种改动或修改，这些等价形式同样落于本申请所附权利要求书所限定的范围。

本实施例以实现对自动驾驶车辆在室内停车场的定位为例对本发明提供的方法做进一步说明，包括以下步骤：

步骤1、在自动驾驶车辆上安装相机，相机向上进行拍摄。目标室内停车场顶部装有用于照明的灯。

步骤2、在每个计算周期，由粒子滤波器方法得到当前计算周期的最优估计的车辆位置和航向，再由EKF融合器基于最优估计的车辆位置和航向得到当前计算周期的自动驾驶车辆的当前车辆位置和航向，其中：

获得第k个计算周期的自动驾驶车辆的当前车辆位置和航向包括以下步骤：

步骤201、自动驾驶车辆处于当前位置时，利用其固有的计算单元采集相机拍摄得到的图像，图像中包含安装在目标室内停车场顶部的灯。

步骤202、计算单元基于车辆运动信息结合第k-1次计算周期得到的当前车辆位置随机生成M₁个新的车辆位置和航向，每个新的车辆位置和航向作为一个新的粒子，则随机生成的M₁个新粒子与第k-1次计算周期保留下来的M₂个已有粒子共同形成用于当前计算周期的N个粒子，N＝M₁+M₂；

当k＝1时，则计算单元基于车辆运动信息随机生成N个新的车辆位置和航向，每个新的车辆位置和航向作为一个新的粒子，则共得到用于当前计算周期的N个粒子；

步骤203、采用粒子滤波器方法从N个粒子中筛选出最优的一个粒子，将粒子所对应的车辆位置和航向作为第k个计算周期的最优估计的车辆位置和航向，具体包括以下步骤：

步骤2031、检测出步骤201所获得图像中的灯，并将灯抽象为间隔一定距离的M个点，M≥3，本实施例中，可以将一根长1.25米的灯管抽象成5个间隔0.25米的点；同时还计算得到灯在相机上的投影线段；

步骤2032、遍历步骤202得到N个粒子，对于每一个粒子，依据与当前粒子对应的可移动物体位置和航向、相机的安装角度、相机的安装位置，将步骤2031抽象得到的点投影至当前粒子所在的2D平面，获得在2D平面上的投影点，计算投影点到步骤2031得到的投影线段之间的距离；

采用以下方法计算投影点到投影线段之间的距离：若投影点在投影线段的侧面，则距离为投影点到投影线段的垂直距离；若投影点在投影线段的两端，则距离为投影点到投影线段上距离该点较近的端点的距离；

依据距离来计算每一个粒子的匹配度，距离越小，则匹配度越高，将具有最高匹配度的粒子作为最终得到的最优的一个粒子；

在计算匹配度时，可以将距离小于4个像素的粒子的匹配度记为4分，将距离小于8个像素的粒子的匹配度记为8分，……，匹配度分值可以由本领域技术人员根据需要设定。

步骤2033、计算步骤2032得到的所有粒子的匹配度的均值，将匹配度小于该均值的所有粒子从N个粒子中删除，保留剩余的粒子用于第k+1个计算周期的计算；

步骤204、将粒子滤波器方法得到的最优估计的车辆位置和航向发送给EKF融合器。

步骤205、EKF融合器对自动驾驶车辆的车辆位置航向信息进行追踪，并且在收到最优估计的车辆位置和航向时，将其与追踪的车辆位置航向信息进行融合从而得到第k个计算周期的车辆位置和航向的最终估计。将EKF融合器输出的最终估计结果作为第k个计算周期的自动驾驶车辆的当前车辆位置和航向，其可以被用于车辆循迹控制。

Claims (5)

1.一种基于吊灯的室内视觉定位方法，用于实现可移动物体在目标室内区域内的定位，目标室内区域顶部安装有用于实现照明的灯，可移动物体具有计算单元，其特征在于，包括以下步骤：

步骤1、在汽车或机器人上安装相机，相机向上进行拍摄；

目标室内区域顶部装有用于照明的灯；

步骤2、在每个计算周期，由计算单元得到当前计算周期的汽车或机器人的最优估计位置和航向，计算单元再基于最优估计位置和航向得到汽车或机器人在当前计算周期的当前位置和航向，其中：

获得第k个计算周期的汽车或机器人的当前位置和航向包括以下步骤：

步骤201、汽车或机器人处于当前位置时，利用其固有的计算单元采集相机拍摄得到的图像，图像中包含安装在目标室内区域顶部的灯；

步骤202、计算单元基于汽车或机器人的运动信息结合第k-1次计算周期得到的当前位置随机生成M₁个新的位置和航向，每个新的位置和航向作为一个新的粒子，则随机生成的M₁个新粒子与第k-1次计算周期保留下来的M₂个已有粒子共同形成用于当前计算周期的N个粒子，N＝M₁+M₂；

当k＝1时，则计算单元基于假设的位置随机生成N个新的位置和航向，每个新的位置和航向作为一个新的粒子，则共得到用于当前计算周期的N个粒子；

步骤203、计算单元从N个粒子中筛选出最优的一个粒子，将粒子所对应的位置和航向作为第k个计算周期的最优估计位置和航向，具体包括以下步骤：

步骤2031、检测出步骤201所获得图像中的灯，并将灯抽象为间隔一定距离的M个点，M≥3，同时计算得到灯在相机上的投影线段；；

步骤2032、遍历步骤202得到N个粒子，对于每一个粒子，依据与当前粒子对应的可移动物体位置和航向、相机的安装角度、相机的安装位置，将步骤2031抽象得到的点投影至当前粒子所在的2D平面，获得在2D平面上的投影点，计算投影点到步骤2031得到的投影线段之间的距离，依据距离来计算每一个粒子的匹配度，距离越小，则匹配度越高，将具有最高匹配度的粒子作为最终得到的最优的一个粒子；

步骤2033、计算步骤2032得到的所有粒子的匹配度的均值，将匹配度小于该均值的所有粒子从N个粒子中删除，保留剩余的粒子用于第k+1个计算周期的计算；

步骤204、计算单元对汽车或机器人的位置航向信息进行追踪，并且在收到最优估计的位置和航向时，将其与追踪的位置航向信息进行融合从而得到第k个计算周期的位置和航向的最终估计；

将获得的最终估计结果作为第k个计算周期的汽车或机器人的当前位置和航向。

2.如权利要求1所述的一种基于吊灯的室内视觉定位方法，其特征在于，步骤2中，所述计算单元采用粒子滤波器方法得到当前计算周期的最优估计的位置和航向。

3.如权利要求1所述的一种基于吊灯的室内视觉定位方法，其特征在于，步骤2中，所述计算单元通过EKF融合器基于最优估计的位置和航向得到当前计算周期的所述可移动物体的当前位置和航向。

4.如权利要求1所述的一种基于吊灯的室内视觉定位方法，其特征在于，步骤2中，基于获得的所述汽车或机器人的当前位置和当前航向进行可移动物体循迹控制。

5.如权利要求1所述的一种基于吊灯的室内视觉定位方法，其特征在于，步骤2032中，采用以下方法计算投影点到投影线段之间的距离：若投影点在投影线段的侧面，则距离为投影点到投影线段的垂直距离；若投影点在投影线段的两端，则距离为投影点到投影线段上距离该点较近的端点的距离。