CN113566817B - 一种车辆定位方法及装置 - Google Patents
一种车辆定位方法及装置 Download PDFInfo
- Publication number
- CN113566817B CN113566817B CN202110836947.6A CN202110836947A CN113566817B CN 113566817 B CN113566817 B CN 113566817B CN 202110836947 A CN202110836947 A CN 202110836947A CN 113566817 B CN113566817 B CN 113566817B
- Authority
- CN
- China
- Prior art keywords
- marker
- vehicle
- markers
- result
- lane line
- 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 45
- 239000003550 marker Substances 0.000 claims abstract description 290
- 238000012216 screening Methods 0.000 claims description 17
- 238000012937 correction Methods 0.000 claims description 6
- 238000005516 engineering process Methods 0.000 description 6
- 238000004364 calculation method Methods 0.000 description 4
- 238000006243 chemical reaction Methods 0.000 description 4
- 230000004807 localization Effects 0.000 description 3
- 238000001514 detection method Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000013507 mapping Methods 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 238000010187 selection method Methods 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 238000009825 accumulation Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 238000010438 heat treatment Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000010408 sweeping Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/10—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration
- G01C21/12—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning
- G01C21/16—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning by integrating acceleration or speed, i.e. inertial navigation
- G01C21/165—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning by integrating acceleration or speed, i.e. inertial navigation combined with non-inertial navigation instruments
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/20—Instruments for performing navigational calculations
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Automation & Control Theory (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Navigation (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明提供了一种车辆定位方法及装置,该方法在道路上仅有车道线标志物的情况下,能够对参考标志物确定结果和标志物识别结果中的车道线标志物进行匹配和相互参考,得到准确度较高的目标车道线标志物,然后基于目标车道线标志物中的标志点的位置信息,确定车辆定位结果,同时基于车道线标志物和其他非车道线标志物进行车辆定位的方式,该方法能够实现在仅有车道线标志物的情况下的车辆定位,保证自动驾驶功能。该方法在确定出车辆定位结果后,会在所述车辆定位结果与上一时刻的车辆定位结果的比对结果满足预设比对条件的情况下,才输出所述车辆定位结果,进一步保证车辆定位的准确性,进而提高自动驾驶的准确度。
Description
技术领域
本发明涉及车辆定位领域,更具体的说,涉及一种车辆定位方法及装置。
背景技术
随着自动驾驶技术的不断发展,对自动驾驶准确度的要求越来越高,而车辆定位是实现自动驾驶的关键技术之一,为自动驾驶中的路径规划和车辆控制提供准确的位置保障,因此,对车辆定位的准确度的要求也越来越高。
在实际应用中,通常通过道路上的车道线标志物以及非车道线标志物,如指示箭头等,来实现车辆定位。若是道路上仅有车道线标志物,但是不存在除车道线标志物之外的其他标志物,如指示箭头的情况下,无法实现车辆定位,进而无法保证自动驾驶功能的正常使用。
发明内容
有鉴于此,本发明提供一种车辆定位方法及装置,以解决若是道路上仅有车道线标志物的情况下,无法实现车辆定位,进而无法保证自动驾驶功能的正常使用的问题。
为解决上述技术问题,本发明采用了如下技术方案:
一种车辆定位方法,包括:
获取车辆前方道路的图像信息,并对所述图像信息进行标志物识别,得到所述图像信息的标志物识别结果;
确定待处理数据,其中,所述确定待处理数据包括:在所述标志物识别结果仅包括车道线标志物的情况下,从参考标志物确定结果中确定出与所述标志物识别结果中的车道线标志物匹配的目标车道线标志物,并作为待处理数据;所述参考标志物确定结果包括,对预设高精地图中与车辆初始定位位置对应的地图区域,进行标志物确定,得到的结果;
根据所述待处理数据中各个标志物的标志点在所述预设高精地图中的第一位置信息,以及在所述图像信息中的第二位置信息,对所述车辆初始定位位置进行修正,得到车辆定位结果;
在所述车辆定位结果与上一时刻的车辆定位结果的比对结果满足预设比对条件的情况下,输出所述车辆定位结果。
可选地,所述参考标志物确定结果的生成过程包括:
获取车辆初始定位位置;
在所述预设高精地图中,筛选出以所述车辆初始定位位置为基准点的预设范围内的地图区域;
对所述地图区域进行标志物识别,以确定所述地图区域中的各个标志物、各个所述标志物之间的拓扑关系以及所述标志物的标志点;
将所述地图区域中的各个标志物、各个所述标志物之间的拓扑关系以及所述标志物的标志点,确定为所述地图区域的参考标志物确定结果。
可选地,对所述图像信息进行标志物识别,得到所述图像信息的标志物识别结果,包括:
确定所述图像信息中的各个标志物、各个所述标志物之间的拓扑关系以及所述标志物的标志点;
将所述图像信息中的各个标志物在相机坐标系中的坐标点转换至车辆坐标系中的坐标点,并基于所述车辆初始定位位置,将车辆坐标系中的坐标点转换成全局坐标系中的位置点;
确定预设高精地图中的所述位置点是否存在所述图像信息中所述位置点对应的标志物;
若存在,则将所述图像信息中的各个标志物、各个所述标志物之间的拓扑关系以及所述标志物的标志点,确定为所述图像信息的标志物识别结果;
若不存在,则删除所述图像信息中所述位置点对应的标志物,并将所述图像信息中剩余的标志物、所述标志物之间的拓扑关系以及所述标志物的标志点确定为所述图像信息的标志物识别结果。
可选地,从参考标志物确定结果中确定出与所述标志物识别结果中的车道线标志物匹配的目标车道线标志物,并作为待处理数据,包括:
从所述地图区域中的虚线类型的车道线中,筛选出距离车辆最近的标志点,并在所述虚线类型的车道线中,确定出以所述标志点为起点,包括的标志点的数量与所述图像信息中对应的虚线类型的车道线的标志点的数量相同的,一段车道线,并作为第一目标车道线;
在所述地图区域中,确定出与所述第一目标车道线对应的实线类型的第二目标车道线,并从所述第二目标车道线中,选择出标志点的数量与所述图像信息中的实线类型的车道线的标志点数量相同的一段车道线,并作为第三目标车道线;
将所述第一目标车道线和所述第三目标车道线确定为待处理数据。
可选地,确定待处理数据还包括:
在所述标志物识别结果包括除车道线标志物之外的指定类型的标志物的情况下,基于所述图像信息中的各个标志物之间的拓扑关系以及所述标志物的标志点的数量,从所述预设高精地图中筛选出符合所述各个标志物之间的拓扑关系以及所述标志物的标志点的数量的标志物,并确定为待处理数据。
可选地,根据所述待处理数据中各个标志物的标志点在所述预设高精地图中的第一位置信息,以及在所述图像信息中的第二位置信息,对所述车辆初始定位位置进行修正,得到车辆定位结果,包括:
获取所述待处理数据中各个标志物的标志点在所述预设高精地图中的第一位置信息;
获取所述待处理数据中各个标志物的标志点在所述图像信息中的第二位置信息;
基于所述车辆初始定位位置,确定所述第二位置信息在全局坐标系中的第三位置信息;
基于所述第一位置信息以及所述第三位置信息,对所述车辆初始定位位置进行修正,得到所述车辆定位结果。
可选地,基于所述第一位置信息以及所述第三位置信息,对所述车辆初始定位位置进行修正,得到所述车辆定位结果,包括:
获取匹配目标;所述匹配目标为:
其中,J为匹配目标,Xg,n为第一位置信息,Xv,n为第二位置信息,P表示车辆实际位置,f(Xv,n,P)为第三位置信息;
将在调整车辆初始定位位置使得J最小的情况下的车辆初始定位位置作为车辆实际位置;
将所述车辆实际位置作为车辆定位结果。
可选地,在所述车辆定位结果与上一时刻的车辆定位结果的比对结果满足预设比对条件的情况下,输出所述车辆定位结果,包括:
获取上一时刻的车辆定位结果;
计算所述车辆定位结果中的纵向位置点与所述上一时刻的车辆定位结果中的纵向位置点的差值,得到纵向定位变化量;
获取基于车载位置传感器采集的数据,确定的车辆纵向行驶距离;
在所述纵向定位变化量与所述车辆纵向行驶距离的差值在预设距离范围内的情况下,输出所述车辆定位结果。
可选地,在所述纵向定位变化量与所述车辆纵向行驶距离的差值不在预设距离范围内的情况下,还包括:
调整车道线选取起点,并基于车道线标志物,从所述参考标志物确定结果中重新确定出与所述标志物识别结果中的车道线标志物匹配的目标车道线标志物,并确定为待处理数据。
一种车辆定位装置,包括:
结果确定模块,用于获取车辆前方道路的图像信息,并对所述图像信息进行标志物识别,得到所述图像信息的标志物识别结果;
数据确定模块,用于确定待处理数据,其中,所述确定待处理数据包括:在所述标志物识别结果仅包括车道线标志物的情况下,从参考标志物确定结果中确定出与所述标志物识别结果中的车道线标志物匹配的目标车道线标志物,并作为待处理数据;所述参考标志物确定结果包括,对预设高精地图中与车辆初始定位位置对应的地图区域,进行标志物确定,得到的结果;
位置修正模块,用于根据所述待处理数据中各个标志物的标志点在所述预设高精地图中的第一位置信息,以及在所述图像信息中的第二位置信息,对所述车辆初始定位位置进行修正,得到车辆定位结果;
结果输出模块,用于在所述车辆定位结果与上一时刻的车辆定位结果的比对结果满足预设比对条件的情况下,输出所述车辆定位结果。
相较于现有技术,本发明具有以下有益效果:
本发明提供了一种车辆定位方法及装置,本发明,在车辆前方道路的图像信息的标志物识别结果仅包括车道线标志物的情况下,会从基于高精地图得到的参考标志物确定结果中确定出与所述标志物识别结果中的车道线标志物匹配的目标车道线标志物,并作为待处理数据,然后根据所述待处理数据中各个标志物的标志点在所述预设高精地图中的第一位置信息,以及在所述图像信息中的第二位置信息,确定车辆定位结果。即本发明中,在道路上仅有车道线标志物的情况下,能够对参考标志物确定结果和标志物识别结果中的车道线标志物进行匹配和相互参考,得到准确度较高的目标车道线标志物,然后基于目标车道线标志物中的标志点的位置信息,确定车辆定位结果,相比于现有技术中,同时基于车道线标志物和其他非车道线标志物进行车辆定位的方式,本发明能够实现在仅有车道线标志物的情况下的车辆定位,保证自动驾驶功能。进一步,本发明中,在确定出车辆定位结果后,会在所述车辆定位结果与上一时刻的车辆定位结果的比对结果满足预设比对条件的情况下,才输出所述车辆定位结果,进一步保证车辆定位的准确性,进而提高自动驾驶的准确度。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据提供的附图获得其他的附图。
图1为本发明实施例提供的一种道路的场景示意图;
图2为本发明实施例提供的另一种道路的场景示意图;
图3为本发明实施例提供的一种车辆定位方法的方法流程图;
图4为本发明实施例提供的另一种车辆定位方法的方法流程图;
图5为本发明实施例提供的一种标志点选取的场景示意图;
图6为本发明实施例提供的再一种车辆定位方法的方法流程图;
图7为本发明实施例提供的又一种车辆定位方法的方法流程图;
图8为本发明实施例提供的第五种车辆定位方法的方法流程图;
图9为本发明实施例提供的一种车辆定位装置的结构示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
随着自动驾驶技术的发展,在封闭区域中实现不同特定任务(如园区物流、清扫、港口货物运输等)的低速自动驾驶较逐步成为一个优先落地的场景。高精定位是车辆实现自动驾驶的关键技术之一,为规划和控制提供准确的位置保障。
在低速自动驾驶场景的封闭区域中,如公园、工业园区或港口等,常有大量遮挡物,如树木、隧道、大型建筑等,卫星信号受到多径效应的影响,质量较差,降低了GNSS全局定位性能。另外对于采用IMU和轮速进行航迹推算的方法,在连续推算车辆位置的过程中存在误差累积,长时间未校准时递推精度降低,无法做到自动驾驶所需的厘米级精度。激光雷达或视觉的同时定位与地图构建(simultaneous localization and mapping,slam)技术可实现车辆的相对定位,不过所构建地图中需要存储大量的特征数据,同时计算量相对较大,且激光雷达价格较高。
为此,为了避免上述问题,可以基于高精地图进行车辆定位。目前基于高精地图的匹配定位技术中,主要是利用车道线实现车辆的横向定位,利用指示箭头等稀疏标志物实现车辆的纵向定位(参照图1);但是在一些场景中,如非车道线的标志物不明显,或者没有(参考图2),此时仅利用车道线无法实现车辆的纵向定位。
为了解决这一技术问题,本公开实施例提供一种车辆定位方法,该方法能够在采集车辆的前方道路的图像信息,得到该图像信息的标志物识别结果,参考高精地图中,与该车辆的当前初始定位位置对应的区域的标志物的参考确定结果,二者相互参考,确定出最终的车辆位置。
具体的,在车辆前方道路的图像信息的标志物识别结果仅包括车道线标志物的情况下,会从基于高精地图得到的参考标志物确定结果中确定出与所述标志物识别结果中的车道线标志物匹配的目标车道线标志物,并作为待处理数据,然后根据所述待处理数据中各个标志物的标志点在所述预设高精地图中的第一位置信息,以及在所述图像信息中的第二位置信息,确定车辆定位结果。即本公开实施例中,在道路上仅有车道线标志物的情况下,能够对参考标志物确定结果和标志物识别结果中的车道线标志物进行匹配和相互参考,得到准确度较高的目标车道线标志物,然后基于目标车道线标志物中的标志点的位置信息,确定车辆定位结果,相比于现有技术中,同时基于车道线标志物和其他非车道线标志物进行车辆定位的方式,本发明能够实现在仅有车道线标志物的情况下的车辆定位,保证自动驾驶功能。进一步,本公开实施例中,在确定出车辆定位结果后,会在所述车辆定位结果与上一时刻的车辆定位结果的比对结果满足预设比对条件的情况下,才输出所述车辆定位结果,进一步保证车辆定位的准确性,进而提高自动驾驶的准确度。
例如,在一些实施例中,本发明实施例提供的车辆定位方法,应用于车辆的定位控制器。参照图3,该方法可以包括:
S11、获取车辆前方道路的图像信息,并对所述图像信息进行标志物识别,得到所述图像信息的标志物识别结果。
例如,在一些实施例中,可以通过视觉传感器,如摄像头,采集车辆前方道路的图像信息。本公开实施例中,主要是采集车辆前方道路上的标志物,如车道线实线、虚线、箭头、停止线、人行横道等。
在得到图像信息之后,识别视觉传感器所采图像中的地面标志物,在进行标志物识别时,需要识别出各个标志物、各个所述标志物之间的拓扑关系以及所述标志物的标志点,这些组成了标志物识别结果。其中,标志点是在相机坐标系下的坐标点。各个所述标志物之间的拓扑关系,是指各个标志物之间的相对位置关系,如左边是实线、右边是虚线、指示箭头的箭头向左,且位于中间的虚线车道线和最右边的实线车道线之间。
识别的标志物是由点序列(即上述的标志点)组成,如车道线虚线采用每个线段的起终点表示。
S12、确定待处理数据。
其中,确定待处理数据,可以包括:
在所述标志物识别结果仅包括车道线标志物的情况下,从参考标志物确定结果中确定出与所述标志物识别结果中的车道线标志物匹配的目标车道线标志物,并作为待处理数据。
具体的,高精地图是预先制作,存储在车端控制器中,可通过地图引擎实时访问地图数据,高精地图制作格式符合常规的规范,如NDS、OpenDrive等。
在得到标志物识别结果之后,确定该标志物识别结果是否仅包括车道线标志物,若是,则获取从参考标志物确定结果中确定出与所述标志物识别结果中的车道线标志物匹配的目标车道线标志物,并作为待处理数据。
其中,所述参考标志物确定结果包括,对预设高精地图中与车辆初始定位位置对应的地图区域,进行标志物确定,得到的结果。
S13、根据所述待处理数据中各个标志物的标志点在所述预设高精地图中的第一位置信息,以及在所述图像信息中的第二位置信息,对所述车辆初始定位位置进行修正,得到车辆定位结果。
S14、在所述车辆定位结果与上一时刻的车辆定位结果的比对结果满足预设比对条件的情况下,输出所述车辆定位结果。
上述得到的车辆实际位置也可能存在错误的情况,所以,在基于车辆定位结果进行路径规划之前,还需要进一步确定上述的车辆实际位置是否准确。
本实施例中,在车辆前方道路的图像信息的标志物识别结果仅包括车道线标志物的情况下,会从基于高精地图得到的参考标志物确定结果中确定出与所述标志物识别结果中的车道线标志物匹配的目标车道线标志物,并作为待处理数据,然后根据所述待处理数据中各个标志物的标志点在所述预设高精地图中的第一位置信息,以及在所述图像信息中的第二位置信息,确定车辆定位结果。即本发明中,在道路上仅有车道线标志物的情况下,能够对参考标志物确定结果和标志物识别结果中的车道线标志物进行匹配和相互参考,得到准确度较高的目标车道线标志物,然后基于目标车道线标志物中的标志点的位置信息,确定车辆定位结果,相比于现有技术中,同时基于车道线标志物和其他非车道线标志物进行车辆定位的方式,本发明能够实现在仅有车道线标志物的情况下的车辆定位,保证自动驾驶功能。进一步,本发明中,在确定出车辆定位结果后,会在所述车辆定位结果与上一时刻的车辆定位结果的比对结果满足预设比对条件的情况下,才输出所述车辆定位结果,进一步保证车辆定位的准确性,进而提高自动驾驶的准确度。
另外,本发明可实现在仅有车道线实线和虚线的道路中,使用GPS、IMU和轮速传感器和高精地图的自动驾驶车辆定位,成本低,解决封闭区域运行中GPS信号差时无法准确定位的问题。
具体的,本发明的另一实现方式中,参照图4,参考标志物确定结果的生成过程包括:
S21、获取车辆初始定位位置。
具体的,可以依据GPS(Global Positioning System,全球定位系统)、IMU(Inertial Measurement Unit,惯性测量单元)、轮速传感器的检测结果,融合计算得到存在定位误差的车辆位置,作为匹配定位的车辆初始定位位置P0。在GPS信号质量不高情况下,可利用IMU和轮速递推获取匹配定位的初始值P0。
S22、在所述预设高精地图中,筛选出以所述车辆初始定位位置为基准点的预设范围内的地图区域。
具体的,以车辆初始定位位置P0为中心,从高精地图中搜索一定范围内(如半径为10米)的地图区域。
S23、对所述地图区域进行标志物识别,以确定所述地图区域中的各个标志物、各个所述标志物之间的拓扑关系以及所述标志物的标志点。
对上述的地图区域进行标志物识别,得到地图区域的道路地面标志物的数据,包括车道线实线、虚线、箭头、停止线、人行横道等;各标志物的位置是由点序列(如标志点)组成,如虚线采用每个线段的起终点表示,由高精地图中获取的标志物数据主要包括各个标志物(具体是哪一类型的标志物,如是车道线、指示箭头等)、各个所述标志物之间的拓扑关系以及所述标志物的标志点,该标志点以绝对坐标的形式表示。
S24、将所述地图区域中的各个标志物、各个所述标志物之间的拓扑关系以及所述标志物的标志点,确定为所述地图区域的参考标志物确定结果。
对上述的各个标志物、各个所述标志物之间的拓扑关系以及所述标志物的标志点进行汇总,即可得到参考标志物确定结果。
在得到上述的参考标志物确定结果之后,从参考标志物确定结果中,筛选出与标志物识别结果中的车道线标志物对应的车道线标志物,本实施例中,称为目标车道线标志物,并作为待处理数据。
其中,与标志物识别结果中的车道线标志物对应的车道线标志物,是指与标志物识别结果中的车道线标志物的标志物类型相同,且标志物的拓扑关系相同、以及标志物上的标志点的数量相同。
更具体的,从参考标志物确定结果中确定出与所述标志物识别结果中的车道线标志物匹配的目标车道线标志物,并作为待处理数据,包括:
1)从所述地图区域中的虚线类型的车道线中,筛选出距离车辆最近的标志点,并在所述虚线类型的车道线中,确定出以所述标志点为起点,包括的标志点的数量与所述图像信息中对应的虚线类型的车道线的标志点的数量相同的,一段车道线,并作为第一目标车道线。
参照图5b,与所述标志物识别结果中的车道线标志物一般来说,包括虚线类型的车道线(也称为虚线车道线、或车道线虚线)以及实线类型的车道线(也称为实线车道线、或车道线实线)。本实施例中,即确定出包括标志物识别结果中的车道线标志物中的各个车道线以及车道线上的各个标志点。
仅存在车道线实线和虚线时,由于虚线段具有重复性,无明显特征,无法准确选取与识别结果中相对应的数据。故设计如下的选取方法:虚线从第一个点开始选,实线从与其(虚线的第一个点)相近的点开始选,地图数据点存储顺序与车辆行驶方向一致,选择出识别结果中相同个数的标志点,如图5(b)。
按照上述的选取方式,首先确定出地图区域中的虚线类型的车道线,车道线是一条较长的、且由多个虚线段组成,本实施例中,就是为了高精地图中的多个虚线段中,选择出与基于车辆前方的图像信息的识别结果中的虚线类型的车道线所对应的部分。
具体的,从虚线类型的车道线中筛选出距离车辆最近的标志点,以所述标志点为起点,沿着车辆行驶方向选取出包括的标志点的数量与所述图像信息中对应的虚线类型的车道线的标志点的数量相同的,一段车道线,并作为第一目标车道线。
由于在车辆低速行驶中(小于30km/h),车辆在相邻两个时刻的纵向行驶距离较小,如间隔时间为0.1s,行驶距离约为83cm,而车道线虚线段+中间间隔的长度远大于83cm,车辆不会超过一个虚线段+中间间隔距离。因此,利用此特性,使用虚线段的起终点和实线点序列,实现车辆定位。
2)在所述地图区域中,确定出与所述第一目标车道线对应的实线类型的第二目标车道线,并从所述第二目标车道线中,选择出标志点的数量与所述图像信息中的实线类型的车道线的标志点数量相同的一段车道线,并作为第三目标车道线。
确定出虚线车道线后,实线车道线位于虚线车道线的左右两侧,对于实线车道线,本实施例中称为地热目标车道线,选择距离虚线车道线上的第一个点距离最近的点,然后从该点开始,沿着车辆行驶方向,选取出与所述图像信息中的实线类型的车道线的标志点数量相同的一段车道线,并作为第三目标车道线。
3)将所述第一目标车道线和所述第三目标车道线确定为待处理数据。
上述实施例中,介绍了在所述标志物识别结果仅包括车道线标志物的情况下的待处理数据的确定方法,在实际应用中,在所述标志物识别结果包括除车道线标志物之外的指定类型(如指示箭头、停止线、人行横道等至少一个非车道线标志物)的标志物的情况下,此时,确定待处理数据可以包括:
基于所述图像信息中的各个标志物之间的拓扑关系以及所述标志物的标志点的数量,从所述预设高精地图中筛选出符合所述各个标志物之间的拓扑关系以及所述标志物的标志点的数量的标志物,并确定为待处理数据。
参照图5a,在存在箭头等非车道线标志物时,首先选择标志物,然后依据标志物和车道线的相对位置关系,在所述预设高精地图中选择车道线数据。
在选择车道线数据时,不仅考虑标志物之间的拓扑关系,还需要考虑标志物的标志点的数量,标志物类型、拓扑结构、数据点个数均应一致。
首先,从高精地图中,筛选出满足图像信息中的各个标志物之间的拓扑关系的标志物,然后从筛选出的标志物中,确定出图像信息中的各个标志物的标志点的数量的标志物,并作为待处理数据。
在实际应用中,步骤S13可以包括:
S31、获取所述待处理数据中各个标志物的标志点在所述预设高精地图中的第一位置信息。
具体的,高精地图中标注有各个位置的位置信息,该位置信息以绝对坐标,即全局坐标系的形式展示。
本实施例中,在高精地图中,获取各个标志物的标志点的位置信息,并作为第一位置信息。
S32、获取所述待处理数据中各个标志物的标志点在所述图像信息中的第二位置信息。
具体的,待处理数据中各个标志物的标志点在所述图像信息中的第二位置信息是以图像坐标系的形式展示。
S33、基于所述车辆初始定位位置,确定所述第二位置信息在全局坐标系中的第三位置信息。
具体的,利用车辆初始定位位置P0将第二位置信息的坐标点转换至全局坐标系下,得到第三位置信息。
S34、基于所述第一位置信息以及所述第三位置信息,对所述车辆初始定位位置进行修正,得到车辆定位结果。
具体的,获取匹配目标;所述匹配目标为:
其中,J为匹配目标,Xg,n为第一位置信息,Xv,n为第二位置信息,P表示车辆实际位置,f(Xv,n,P)为第三位置信息;
将在调整车辆初始定位位置使得J最小的情况下的车辆初始定位位置作为车辆实际位置;
将所述车辆实际位置作为车辆定位结果。
详细来说,使用如下的匹配目标,采用非线性优化计算方法,如高斯牛顿或Levenberg-Marquardt等,计算车辆定位结果,即车辆实际位置Pt(x,y,yaw),匹配目标是:
其中,Xg,n表示待处理数据中的第n个标志点在全局坐标系中的位置坐标,即第一位置信息,Xv,n表示标志物识别结果中第n个数据点在车辆坐标系中的位置坐标,即第二位置信息,P表示车辆实际位置,f(Xv,n,P)表示将车辆坐标系转换至全局坐标系,即第三位置信息。
本实施例中,匹配目标是,使得待处理数据中的各个标志点的位置,以及标志物识别结果中的相应标志点的位置之和最小。
也即是说,使得待处理数据中的各个标志点的位置,以及标志物识别结果中的相应标志点的位置无限接近,保证了车辆在高精地图中的车辆位置精准。
在使得位置之和最小时,第三位置信息是基于车辆初始定位位置P0转换得到,所以在使位置之和最小时,即是不断调整P0的过程,在位置之和最小时,P0的值即为车辆实际位置。
具体的,参照图7,步骤S14可以包括:
S41、获取上一时刻的车辆定位结果。
本实施例中,上一时刻的车辆定位结果即是通过上述步骤计算得到的上一时刻的车辆实际位置。
S42、计算所述车辆定位结果中的纵向位置点与所述上一时刻的车辆定位结果中的纵向位置点的差值,得到纵向定位变化量。
由于虚线段具有重复性,纵向上无明显特征,仅依靠地图信息与识别结果进行匹配,可能出现纵向定位偏差,偏差是虚线端长度与中间间隔距离之和的整数倍,则导致计算得到的定位结果准确度较低。因此,引入其它传感器的测距信息,作为辅助参考。
由当前时刻的车辆实际位置Pt和上一时刻的车辆实际位置Pt-1,计算在相邻两时刻,车辆的纵向位置变化,即纵向定位变化量ΔLc。
S43、获取基于车载位置传感器采集的数据,确定的车辆纵向行驶距离。
利用IMU和轮速检测结果,使用常用估计方法递推出车辆在当前时刻和上一时刻间的纵向行驶距离ΔLp。
S44、在所述纵向定位变化量与所述车辆纵向行驶距离的差值在预设距离范围内的情况下,输出所述车辆定位结果。
计算ΔLc和ΔLp的差值绝对值。如果小于δ,则输出匹配定位结果,完成定位。δ值的设计与IMU和轮速的估算精度、最终定位精度有关,依据实际情况设置。
若比对差值的绝对值大于δ,说明选取的虚线段不合理,此时,调整车道线选取起点,并基于车道线标志物,从所述参考标志物确定结果中重新确定出与所述标志物识别结果中的车道线标志物匹配的目标车道线标志物,并确定为待处理数据。
具体的,重新从地图数据中选择待匹配的虚线段数据,上述实施例,从虚线段的第一个点开始选,此时需要从虚线点序列的第二个点开始选(如图5(c)),重复后续步骤,直到满足该条件输出最终定位结果。
此外,上述实施例提及了“对所述图像信息进行标志物识别,得到所述图像信息的标志物识别结果”,现对其具体实现过程进行介绍,参照图8,可以包括:
S51、确定所述图像信息中的各个标志物、各个所述标志物之间的拓扑关系以及所述标志物的标志点。
具体的,标志物的识别过程,与上述的在高精地图中识别标志物的过程类似,请参照上述相应说明。
S52、将所述图像信息中的各个标志物在相机坐标系中的坐标点转换至车辆坐标系中的坐标点,并基于所述车辆初始定位位置,将车辆坐标系中的坐标点转换成全局坐标系中的位置点。
具体的,将标志物的坐标点Xc从相机坐标系转换至车辆坐标系Xv,依据车辆初始定位位置置P0,将车辆坐标系下所有识别结果Xv转换至全局坐标系下Xg。
S53、确定预设高精地图中的所述位置点是否存在所述图像信息中所述位置点对应的标志物;若存在,执行步骤S54;若不存在,执行步骤S55。
具体的,高精地图是基于原始道路数据生成的,若是在道路后期使用过程中,添加了某一高精地图中没有的标志物,此时为了与高精地图中的标志物一致,会只保留采集的图像信息中与高精地图一致的标志物。
进而,本实施例,需要与高精地图中的道路地面标志物数据进行比对,如果地面标志物数据中在Xg位置附近没有相应的标志物,则该识别结果是错误的,将其去除。若有,则保留。
S54、将所述图像信息中的各个标志物、各个所述标志物之间的拓扑关系以及所述标志物的标志点,确定为所述图像信息的标志物识别结果。
S55、删除所述图像信息中所述位置点对应的标志物,并将所述图像信息中剩余的标志物、所述标志物之间的拓扑关系以及所述标志物的标志点确定为所述图像信息的标志物识别结果。
本实施例中,通过高精地图中已有的标志物,来对实时采集的前方道路上的标志物进行修正,保证了标志物的一致性和可参考性。
可选地,在上述车辆定位方法的实施例的基础上,本发明的另一实施例提供了一种车辆定位装置,包括:
结果确定模块11,用于获取车辆前方道路的图像信息,并对所述图像信息进行标志物识别,得到所述图像信息的标志物识别结果;
数据确定模块12,用于确定待处理数据,其中,所述确定待处理数据包括:在所述标志物识别结果仅包括车道线标志物的情况下,从参考标志物确定结果中确定出与所述标志物识别结果中的车道线标志物匹配的目标车道线标志物,并作为待处理数据;所述参考标志物确定结果包括,对预设高精地图中与车辆初始定位位置对应的地图区域,进行标志物确定,得到的结果;
位置修正模块13,用于根据所述待处理数据中各个标志物的标志点在所述预设高精地图中的第一位置信息,以及在所述图像信息中的第二位置信息,对所述车辆初始定位位置进行修正,得到车辆定位结果;
结果输出模块14,用于在所述车辆定位结果与上一时刻的车辆定位结果的比对结果满足预设比对条件的情况下,输出所述车辆定位结果。
进一步,还包括:参考数据生成模块,所述参考数据生成模块包括:
位置获取子模块,用于获取车辆初始定位位置;
区域筛选子模块,用于在所述预设高精地图中,筛选出以所述车辆初始定位位置为基准点的预设范围内的地图区域;
标志物识别子模块,用于对所述地图区域进行标志物识别,以确定所述地图区域中的各个标志物、各个所述标志物之间的拓扑关系以及所述标志物的标志点;
第一结果确定子模块,用于将所述地图区域中的各个标志物、各个所述标志物之间的拓扑关系以及所述标志物的标志点,确定为所述地图区域的参考标志物确定结果。
进一步,结果确定模块11包括:
第一标志物确定子模块,用于确定所述图像信息中的各个标志物、各个所述标志物之间的拓扑关系以及所述标志物的标志点;
坐标系转换子模块,用于将所述图像信息中的各个标志物在相机坐标系中的坐标点转换至车辆坐标系中的坐标点,并基于所述车辆初始定位位置,将车辆坐标系中的坐标点转换成全局坐标系中的位置点;
第二标志物确定子模块,用于确定预设高精地图中的所述位置点是否存在所述图像信息中所述位置点对应的标志物;
第二结果确定子模块,用于若存在,则将所述图像信息中的各个标志物、各个所述标志物之间的拓扑关系以及所述标志物的标志点,确定为所述图像信息的标志物识别结果;若不存在,则删除所述图像信息中所述位置点对应的标志物,并将所述图像信息中剩余的标志物、所述标志物之间的拓扑关系以及所述标志物的标志点确定为所述图像信息的标志物识别结果。
进一步,数据确定模块12包括:
第一筛选子模块,用于从所述地图区域中的虚线类型的车道线中,筛选出距离车辆最近的标志点,并在所述虚线类型的车道线中,确定出以所述标志点为起点,包括的标志点的数量与所述图像信息中对应的虚线类型的车道线的标志点的数量相同的,一段车道线,并作为第一目标车道线;
第二筛选子模块,用于在所述地图区域中,确定出与所述第一目标车道线对应的实线类型的第二目标车道线,并从所述第二目标车道线中,选择出标志点的数量与所述图像信息中的实线类型的车道线的标志点数量相同的一段车道线,并作为第三目标车道线;
数据确定子模块,用于将所述第一目标车道线和所述第三目标车道线确定为待处理数据。
进一步,数据确定模块12还用于:
在所述标志物识别结果包括除车道线标志物之外的指定类型的标志物的情况下,基于所述图像信息中的各个标志物之间的拓扑关系以及所述标志物的标志点的数量,从所述预设高精地图中筛选出符合所述各个标志物之间的拓扑关系以及所述标志物的标志点的数量的标志物,并确定为待处理数据。
进一步,位置修正模块13包括:
第一位置信息获取子模块,用于获取所述待处理数据中各个标志物的标志点在所述预设高精地图中的第一位置信息;
第二位置信息获取子模块,用于获取所述待处理数据中各个标志物的标志点在所述图像信息中的第二位置信息;
第三位置信息获取子模块,用于基于所述车辆初始定位位置,确定所述第二位置信息在全局坐标系中的第三位置信息;
位置修正子模块,用于基于所述第一位置信息以及所述第三位置信息,对所述车辆初始定位位置进行修正,得到所述车辆定位结果。
进一步,位置修正子模块具体用于:
获取匹配目标;所述匹配目标为:
其中,J为匹配目标,Xg,n为第一位置信息,Xv,n为第二位置信息,P表示车辆实际位置,f(Xv,n,P)为第三位置信息;
将在调整车辆初始定位位置使得J最小的情况下的车辆初始定位位置作为车辆实际位置;
将所述车辆实际位置作为车辆定位结果。
进一步,结果输出模块14包括:
结果获取子模块,用于获取上一时刻的车辆定位结果;
变化量计算子模块,用于计算所述车辆定位结果中的纵向位置点与所述上一时刻的车辆定位结果中的纵向位置点的差值,得到纵向定位变化量;
距离获取子模块,用于获取基于车载位置传感器采集的数据,确定的车辆纵向行驶距离;
结果输出子模块,用于在所述纵向定位变化量与所述车辆纵向行驶距离的差值在预设距离范围内的情况下,输出所述车辆定位结果。
进一步,数据确定模块12还用于:
调整车道线选取起点,并基于车道线标志物,从所述参考标志物确定结果中重新确定出与所述标志物识别结果中的车道线标志物匹配的目标车道线标志物,并确定为待处理数据。
本实施例中,在车辆前方道路的图像信息的标志物识别结果仅包括车道线标志物的情况下,会从基于高精地图得到的参考标志物确定结果中确定出与所述标志物识别结果中的车道线标志物匹配的目标车道线标志物,并作为待处理数据,然后根据所述待处理数据中各个标志物的标志点在所述预设高精地图中的第一位置信息,以及在所述图像信息中的第二位置信息,确定车辆定位结果。即本发明中,在道路上仅有车道线标志物的情况下,能够对参考标志物确定结果和标志物识别结果中的车道线标志物进行匹配和相互参考,得到准确度较高的目标车道线标志物,然后基于目标车道线标志物中的标志点的位置信息,确定车辆定位结果,相比于现有技术中,同时基于车道线标志物和其他非车道线标志物进行车辆定位的方式,本发明能够实现在仅有车道线标志物的情况下的车辆定位,保证自动驾驶功能。进一步,本发明中,在确定出车辆定位结果后,会在所述车辆定位结果与上一时刻的车辆定位结果的比对结果满足预设比对条件的情况下,才输出所述车辆定位结果,进一步保证车辆定位的准确性,进而提高自动驾驶的准确度。
对所公开的实施例的上述说明,使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的,本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下,在其它实施例中实现。因此,本发明将不会被限制于本文所示的这些实施例,而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
Claims (9)
1.一种车辆定位方法,其特征在于,包括:
获取车辆前方道路的图像信息,并对所述图像信息进行标志物识别,得到所述图像信息的标志物识别结果;
确定待处理数据,其中,所述确定待处理数据包括:在所述标志物识别结果仅包括车道线标志物的情况下,从参考标志物确定结果中确定出与所述标志物识别结果中的车道线标志物匹配的目标车道线标志物,并作为待处理数据;所述参考标志物确定结果包括,对预设高精地图中与车辆初始定位位置对应的地图区域,进行标志物确定,得到的结果;
根据所述待处理数据中各个标志物的标志点在所述预设高精地图中的第一位置信息,以及在所述图像信息中的第二位置信息,对所述车辆初始定位位置进行修正,得到车辆定位结果;
在所述车辆定位结果与上一时刻的车辆定位结果的比对结果满足预设比对条件的情况下,输出所述车辆定位结果;
其中,从参考标志物确定结果中确定出与所述标志物识别结果中的车道线标志物匹配的目标车道线标志物,并作为待处理数据,包括:
从所述地图区域中的虚线类型的车道线中,筛选出距离车辆最近的标志点,并在所述虚线类型的车道线中,确定出以所述标志点为起点,包括的标志点的数量与所述图像信息中对应的虚线类型的车道线的标志点的数量相同的,一段车道线,并作为第一目标车道线;
在所述地图区域中,确定出与所述第一目标车道线对应的实线类型的第二目标车道线,并从所述第二目标车道线中,选择出标志点的数量与所述图像信息中的实线类型的车道线的标志点数量相同的一段车道线,并作为第三目标车道线;
将所述第一目标车道线和所述第三目标车道线确定为待处理数据。
2.根据权利要求1所述的车辆定位方法,其特征在于,所述参考标志物确定结果的生成过程包括:
获取车辆初始定位位置;
在所述预设高精地图中,筛选出以所述车辆初始定位位置为基准点的预设范围内的地图区域;
对所述地图区域进行标志物识别,以确定所述地图区域中的各个标志物、各个所述标志物之间的拓扑关系以及所述标志物的标志点;
将所述地图区域中的各个标志物、各个所述标志物之间的拓扑关系以及所述标志物的标志点,确定为所述地图区域的参考标志物确定结果。
3.根据权利要求1所述的车辆定位方法,其特征在于,对所述图像信息进行标志物识别,得到所述图像信息的标志物识别结果,包括:
确定所述图像信息中的各个标志物、各个所述标志物之间的拓扑关系以及所述标志物的标志点;
将所述图像信息中的各个标志物在相机坐标系中的坐标点转换至车辆坐标系中的坐标点,并基于所述车辆初始定位位置,将车辆坐标系中的坐标点转换成全局坐标系中的位置点;
确定预设高精地图中的所述位置点是否存在所述图像信息中所述位置点对应的标志物;
若存在,则将所述图像信息中的各个标志物、各个所述标志物之间的拓扑关系以及所述标志物的标志点,确定为所述图像信息的标志物识别结果;
若不存在,则删除所述图像信息中所述位置点对应的标志物,并将所述图像信息中剩余的标志物、所述标志物之间的拓扑关系以及所述标志物的标志点确定为所述图像信息的标志物识别结果。
4.根据权利要求1所述的车辆定位方法,其特征在于,确定待处理数据还包括:
在所述标志物识别结果包括除车道线标志物之外的指定类型的标志物的情况下,基于所述图像信息中的各个标志物之间的拓扑关系以及所述标志物的标志点的数量,从所述预设高精地图中筛选出符合所述各个标志物之间的拓扑关系以及所述标志物的标志点的数量的标志物,并确定为待处理数据。
5.根据权利要求1所述的车辆定位方法,其特征在于,根据所述待处理数据中各个标志物的标志点在所述预设高精地图中的第一位置信息,以及在所述图像信息中的第二位置信息,对所述车辆初始定位位置进行修正,得到车辆定位结果,包括:
获取所述待处理数据中各个标志物的标志点在所述预设高精地图中的第一位置信息;
获取所述待处理数据中各个标志物的标志点在所述图像信息中的第二位置信息;
基于所述车辆初始定位位置,确定所述第二位置信息在全局坐标系中的第三位置信息;
基于所述第一位置信息以及所述第三位置信息,对所述车辆初始定位位置进行修正,得到所述车辆定位结果。
6.根据权利要求5所述的车辆定位方法,其特征在于,基于所述第一位置信息以及所述第三位置信息,对所述车辆初始定位位置进行修正,得到所述车辆定位结果,包括:
获取匹配目标;所述匹配目标为:
其中,J为匹配目标,Xg,n为第一位置信息,Xv,n为第二位置信息,P表示车辆实际位置,f(Xv,n,P)为第三位置信息;
将在调整车辆初始定位位置使得J最小的情况下的车辆初始定位位置作为车辆实际位置;
将所述车辆实际位置作为车辆定位结果。
7.根据权利要求1所述的车辆定位方法,其特征在于,在所述车辆定位结果与上一时刻的车辆定位结果的比对结果满足预设比对条件的情况下,输出所述车辆定位结果,包括:
获取上一时刻的车辆定位结果;
计算所述车辆定位结果中的纵向位置点与所述上一时刻的车辆定位结果中的纵向位置点的差值,得到纵向定位变化量;
获取基于车载位置传感器采集的数据,确定的车辆纵向行驶距离;
在所述纵向定位变化量与所述车辆纵向行驶距离的差值在预设距离范围内的情况下,输出所述车辆定位结果。
8.根据权利要求7所述的车辆定位方法,其特征在于,在所述纵向定位变化量与所述车辆纵向行驶距离的差值不在预设距离范围内的情况下,还包括:
调整车道线选取起点,并基于车道线标志物,从所述参考标志物确定结果中重新确定出与所述标志物识别结果中的车道线标志物匹配的目标车道线标志物,并确定为待处理数据。
9.一种车辆定位装置,其特征在于,包括:
结果确定模块,用于获取车辆前方道路的图像信息,并对所述图像信息进行标志物识别,得到所述图像信息的标志物识别结果;
数据确定模块,用于确定待处理数据,其中,所述确定待处理数据包括:在所述标志物识别结果仅包括车道线标志物的情况下,从参考标志物确定结果中确定出与所述标志物识别结果中的车道线标志物匹配的目标车道线标志物,并作为待处理数据;所述参考标志物确定结果包括,对预设高精地图中与车辆初始定位位置对应的地图区域,进行标志物确定,得到的结果;
位置修正模块,用于根据所述待处理数据中各个标志物的标志点在所述预设高精地图中的第一位置信息,以及在所述图像信息中的第二位置信息,对所述车辆初始定位位置进行修正,得到车辆定位结果;
结果输出模块,用于在所述车辆定位结果与上一时刻的车辆定位结果的比对结果满足预设比对条件的情况下,输出所述车辆定位结果;
其中,数据确定模块中用于从参考标志物确定结果中确定出与所述标志物识别结果中的车道线标志物匹配的目标车道线标志物,并作为待处理数据,包括:
从所述地图区域中的虚线类型的车道线中,筛选出距离车辆最近的标志点,并在所述虚线类型的车道线中,确定出以所述标志点为起点,包括的标志点的数量与所述图像信息中对应的虚线类型的车道线的标志点的数量相同的,一段车道线,并作为第一目标车道线;
在所述地图区域中,确定出与所述第一目标车道线对应的实线类型的第二目标车道线,并从所述第二目标车道线中,选择出标志点的数量与所述图像信息中的实线类型的车道线的标志点数量相同的一段车道线,并作为第三目标车道线;
将所述第一目标车道线和所述第三目标车道线确定为待处理数据。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110836947.6A CN113566817B (zh) | 2021-07-23 | 2021-07-23 | 一种车辆定位方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110836947.6A CN113566817B (zh) | 2021-07-23 | 2021-07-23 | 一种车辆定位方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113566817A CN113566817A (zh) | 2021-10-29 |
CN113566817B true CN113566817B (zh) | 2024-03-08 |
Family
ID=78166839
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110836947.6A Active CN113566817B (zh) | 2021-07-23 | 2021-07-23 | 一种车辆定位方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113566817B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115046562B (zh) * | 2022-04-15 | 2024-05-07 | 公安部交通管理科学研究所 | 一种低成本高精度自动驾驶汽车定位方法 |
CN115326079B (zh) * | 2022-10-11 | 2023-01-13 | 禾多科技(北京)有限公司 | 车辆车道级定位方法、装置、设备和计算机可读介质 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2009237901A (ja) * | 2008-03-27 | 2009-10-15 | Zenrin Co Ltd | 路面標示地図生成方法 |
US8755967B1 (en) * | 2012-03-23 | 2014-06-17 | Google Inc. | Estimating road lane geometry using lane marker observations |
JP2016172531A (ja) * | 2015-03-18 | 2016-09-29 | トヨタ自動車株式会社 | 車両制御装置 |
CN106610294A (zh) * | 2015-10-27 | 2017-05-03 | 高德信息技术有限公司 | 定位方法及装置 |
CN110597252A (zh) * | 2019-09-03 | 2019-12-20 | 安徽江淮汽车集团股份有限公司 | 自动驾驶汽车融合定位控制方法、装置、设备及存储介质 |
CN110794844A (zh) * | 2019-11-18 | 2020-02-14 | 北京百度网讯科技有限公司 | 自动驾驶方法、装置、电子设备及可读存储介质 |
CN111750882A (zh) * | 2019-03-29 | 2020-10-09 | 北京初速度科技有限公司 | 一种导航地图在初始化时车辆位姿的修正方法和装置 |
CN111830953A (zh) * | 2019-04-12 | 2020-10-27 | 北京四维图新科技股份有限公司 | 车辆自定位方法、装置及系统 |
CN112902973A (zh) * | 2021-01-22 | 2021-06-04 | 上海博泰悦臻电子设备制造有限公司 | 车辆定位信息修正方法及相关设备 |
CN112964260A (zh) * | 2021-02-01 | 2021-06-15 | 东风商用车有限公司 | 自动驾驶定位方法、装置、设备及存储介质 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106092121B (zh) * | 2016-05-27 | 2017-11-24 | 百度在线网络技术(北京)有限公司 | 车辆导航方法和装置 |
-
2021
- 2021-07-23 CN CN202110836947.6A patent/CN113566817B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2009237901A (ja) * | 2008-03-27 | 2009-10-15 | Zenrin Co Ltd | 路面標示地図生成方法 |
US8755967B1 (en) * | 2012-03-23 | 2014-06-17 | Google Inc. | Estimating road lane geometry using lane marker observations |
JP2016172531A (ja) * | 2015-03-18 | 2016-09-29 | トヨタ自動車株式会社 | 車両制御装置 |
CN106610294A (zh) * | 2015-10-27 | 2017-05-03 | 高德信息技术有限公司 | 定位方法及装置 |
CN111750882A (zh) * | 2019-03-29 | 2020-10-09 | 北京初速度科技有限公司 | 一种导航地图在初始化时车辆位姿的修正方法和装置 |
CN111830953A (zh) * | 2019-04-12 | 2020-10-27 | 北京四维图新科技股份有限公司 | 车辆自定位方法、装置及系统 |
CN110597252A (zh) * | 2019-09-03 | 2019-12-20 | 安徽江淮汽车集团股份有限公司 | 自动驾驶汽车融合定位控制方法、装置、设备及存储介质 |
CN110794844A (zh) * | 2019-11-18 | 2020-02-14 | 北京百度网讯科技有限公司 | 自动驾驶方法、装置、电子设备及可读存储介质 |
CN112902973A (zh) * | 2021-01-22 | 2021-06-04 | 上海博泰悦臻电子设备制造有限公司 | 车辆定位信息修正方法及相关设备 |
CN112964260A (zh) * | 2021-02-01 | 2021-06-15 | 东风商用车有限公司 | 自动驾驶定位方法、装置、设备及存储介质 |
Non-Patent Citations (3)
Title |
---|
Lien-Wu Chen ; Hsiang-Wei Shih.Design and Analysis of an Infrastructure-Less Framework for Lane Positioning, Tracking, and Requesting through Vehicular Sensor Networks.IEEE Communications Letters.2016,全文. * |
基于DDPG的无人车智能避障方法研究;徐国艳,宗孝鹏,余贵珍,苏鸿杰;汽车工程;20190228;第41卷(第2期);全文 * |
基于汽车雷达的弯道行驶车辆防撞算法;胡晨曦;杜自成;张博;李飞;;火控雷达技术;20150930;44(03);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN113566817A (zh) | 2021-10-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11629962B2 (en) | Methods and systems for generating and using localization reference data | |
CN109084782B (zh) | 基于摄像头传感器的车道线地图构建方法以及构建系统 | |
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 | |
US10240934B2 (en) | Method and system for determining a position relative to a digital map | |
US10552982B2 (en) | Method for automatically establishing extrinsic parameters of a camera of a vehicle | |
CN107167826B (zh) | 一种自动驾驶中基于可变网格的图像特征检测的车辆纵向定位系统及方法 | |
CN110530372B (zh) | 定位方法、路径确定方法、装置、机器人及存储介质 | |
US8824741B2 (en) | Method for estimating the roll angle in a travelling vehicle | |
US9291462B2 (en) | Method for position determination for a motor vehicle | |
CN113566817B (zh) | 一种车辆定位方法及装置 | |
CN113701781B (zh) | 一种基于高精地图和视觉车道线的匹配车道搜索方法 | |
KR20220013439A (ko) | 고정밀지도생성장치 및 고정밀지도생성방법 | |
US11327155B2 (en) | Radar sensor misalignment detection for a vehicle | |
CN117824667B (zh) | 一种基于二维码和激光的融合定位方法及介质 | |
EP2047213B1 (en) | Generating a map | |
CN114358038A (zh) | 一种基于车辆高精度定位的二维码坐标标定方法及装置 | |
JPWO2018212280A1 (ja) | 測定装置、測定方法およびプログラム | |
CN118089754A (zh) | 用于为车辆导航创建道路交通网地图表示的方法和计算单元 | |
CN114791282A (zh) | 一种基于车辆高精度定位的路政设施坐标标定方法及装置 | |
CN113390422A (zh) | 汽车的定位方法、装置及计算机存储介质 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |