CN114034307A - 基于车道线的车辆位姿校准方法、装置和电子设备 - Google Patents

基于车道线的车辆位姿校准方法、装置和电子设备 Download PDF

Info

Publication number
CN114034307A
CN114034307A CN202111375141.8A CN202111375141A CN114034307A CN 114034307 A CN114034307 A CN 114034307A CN 202111375141 A CN202111375141 A CN 202111375141A CN 114034307 A CN114034307 A CN 114034307A
Authority
CN
China
Prior art keywords
vehicle
lane line
information
pose
coordinate system
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.)
Granted
Application number
CN202111375141.8A
Other languages
English (en)
Other versions
CN114034307B (zh
Inventor
王林杰
张海强
李成军
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Zhidao Network Technology Beijing Co Ltd
Original Assignee
Zhidao Network Technology Beijing Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Zhidao Network Technology Beijing Co Ltd filed Critical Zhidao Network Technology Beijing Co Ltd
Priority to CN202111375141.8A priority Critical patent/CN114034307B/zh
Publication of CN114034307A publication Critical patent/CN114034307A/zh
Application granted granted Critical
Publication of CN114034307B publication Critical patent/CN114034307B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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
    • G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
    • G01C21/28—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network with correlation of data from several navigational instruments
    • G01C21/30—Map- or contour-matching
    • 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
    • G01S19/48—Determining position by combining or switching between position solutions derived from the satellite radio beacon positioning system and position solutions derived from a further system
    • G01S19/485—Determining position by combining or switching between position solutions derived from the satellite radio beacon positioning system and position solutions derived from a further system whereby the further system is an optical system or imaging system

Landscapes

  • Engineering & Computer Science (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Navigation (AREA)

Abstract

本申请涉及一种基于车道线的车辆位姿校准方法、装置和电子设备。该方法包括：获取车辆当前位置的外部环境图像中的第一车道线信息及获取车辆的当前位置在对应的高精地图中的第二车道线信息；获取第一车道线信息在车辆坐标系中对应的第一采样点及获取第二车道线信息在车辆坐标系中对应的第二采样点；将第一采样点与对应的第二采样点进行匹配，获得位姿校准量；根据位姿校准量对车辆的当前位姿信息进行校准，获得校准后的车辆位姿信息。本申请提供的方案，能够校准车辆位姿，提高车辆的定位精度和鲁棒性。

Description

基于车道线的车辆位姿校准方法、装置和电子设备
技术领域
本申请涉及导航技术领域，尤其涉及一种基于车道线的车辆位姿校准方法、装置和电子设备。
背景技术
车辆的自动驾驶技术的本质是一个车辆循迹的控制过程。其中车辆位置和车辆位姿对于自动驾驶的实现至关重要，是车辆感知单元和控制单元进行感知决策的先决条件，行驶过程中车辆在车道中位置的精确度即车辆的横向定位性能关系到车辆的安全行驶。
相关技术中，自动驾驶常以惯性导航、卫星导航及里程计导航进行组合定位。由于受到卫星的可用性、惯导性能和里程计累计误差等影响，该定位方法得到的车辆位姿与车辆的实际位姿存在偏差，尤其是在隧道和城市高楼等GPS信号不稳定的场景下，难以满足自动驾驶的定位需求。
发明内容
为解决或部分解决相关技术中存在的问题，本申请提供一种基于车道线的车辆位姿校准方法，能够校准车辆位姿，提高车辆的定位精度和鲁棒性。
本申请第一方面提供一种基于车道线的车辆位姿校准方法，包括：
获取车辆当前位置的外部环境图像中的第一车道线信息及获取所述车辆的当前位置在对应的高精地图中的第二车道线信息；
获取所述第一车道线信息在车辆坐标系中对应的第一采样点及获取所述第二车道线信息在所述车辆坐标系中对应的第二采样点；
将标识类型相同的所述第一采样点与所述第二采样点进行匹配，获得对应的位姿校准量；
根据所述位姿校准量对所述车辆的当前位姿信息进行校准，获得校准后的车辆位姿信息。
在一实施方式中，所述获取车辆当前位置的外部环境图像中的第一车道线信息，包括：
采集车辆当前位置的外部环境图像；
通过语义分割识别所述外部环境图像中的第一预设范围内的第一车道线信息及对应的标识类型。
在一实施方式中，所述获取所述车辆的当前位置在对应的高精地图中的第二车道线信息，包括：
根据所述车辆的当前经纬度和所述当前位姿信息，获取在高精地图中的第二预设范围内的第二车道线信息。
在一实施方式中，所述第一预设范围包括沿行驶方向距离车辆当前位置20米~30米；所述第二预设范围包括在所述高精地图中沿行驶方向距离所述当前经纬度20米~30米。
在一实施方式中，所述获取所述第一车道线信息在车辆坐标系中对应的第一采样点，包括：
将所述第一车道线信息进行点云表示，生成第一点云；
根据相机参数将所述第一点云在图像坐标系中的坐标转换为车辆坐标系中的坐标；
根据所述第一点云在所述车辆坐标系中的坐标，拟合生成第一线型；
在所述第一线型提取多个第一采样点。
在一实施方式中，所述获取第二车道线信息在所述车辆坐标系中对应的第二采样点，包括：
将所述第二车道线信息进行点云表示，生成第二点云；
根据所述当前位姿信息，将所述第二点云在大地坐标系中的坐标转换为车辆坐标系中的坐标；
根据所述第二点云在所述车辆坐标系中的坐标，拟合生成第二线型；
在所述第二线型提取多个第二采样点。
在一实施方式中，所述将所述第一采样点与对应的所述第二采样点进行匹配，获得位姿校准量，包括：
分别根据每一第一采样点与第二采样点的欧式距离误差、第一采样点与第二线型之间的垂直距离误差及第一线型与第二线型的平行度误差，获得位姿校准量。
本申请第二方面提供一种基于车道线的车辆位姿校准装置，其包括：
标识信息获取模块，用于获取车辆当前位置的外部环境图像中的第一车道线信息及获取所述车辆的当前位置在对应的高精地图中的第二车道线信息；
采样点获取模块，用于获取所述第一车道线信息在车辆坐标系中对应的第一采样点及获取所述第二车道线信息在所述车辆坐标系中对应的第二采样点；
匹配模块，用于将标识类型相同的所述第一采样点与所述第二采样点进行匹配，获得对应的位姿校准量；
校准模块，用于根据所述位姿校准量对所述车辆的当前位姿信息进行校准，获得校准后的车辆位姿信息。
本申请第三方面提供一种电子设备，包括：
处理器；以及
存储器，其上存储有可执行代码，当所述可执行代码被所述处理器执行时，使所述处理器执行如上所述的方法。
本申请第四方面提供一种计算机可读存储介质，其上存储有可执行代码，当所述可执行代码被电子设备的处理器执行时，使所述处理器执行如上所述的方法。
本申请提供的技术方案可以包括以下有益效果：
本申请的基于车道线的位姿优化方法，根据车辆的当前外部环境图像中的第一车道线信息及车辆的当前位置在对应的高精地图中的第二车道线信息，获取对应的第一采样点和第二采样点；通过匹配第一采样点和第二采样点以获得位姿校准量，从而可以根据位姿校准量以校准当前位姿信息。这样的设计，通过借助不同类型的车道线信息即可获得位姿校准量，从而可以获得精确的位姿校准量，继而可以快速且精确地获得校准后的车辆位姿信息，提高定位信息的精度和鲁棒性，从而利于在GPS信号不稳定下的辅助定位，有助于自动驾驶技术的推广。
应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本申请。
附图说明
通过结合附图对本申请示例性实施方式进行更详细地描述，本申请的上述以及其它目的、特征和优势将变得更加明显，其中，在本申请示例性实施方式中，相同的参考标号通常代表相同部件。
图1是本申请实施例示出的基于车道线的车辆位姿校准方法的流程示意图；
图2是本申请实施例示出的第一采样点与第二采样点的匹配示意图；
图3是本申请实施例示出的基于车道线的车辆位姿校准方法的另一流程示意图；
图4是本申请实施例示出的基于车道线的车辆位姿校准装置的结构示意图；
图5是本申请实施例示出的电子设备的结构示意图。
具体实施方式
下面将参照附图更详细地描述本申请的实施方式。虽然附图中显示了本申请的实施方式，然而应该理解，可以以各种形式实现本申请而不应被这里阐述的实施方式所限制。相反，提供这些实施方式是为了使本申请更加透彻和完整，并且能够将本申请的范围完整地传达给本领域的技术人员。
在本申请使用的术语是仅仅出于描述特定实施例的目的，而非旨在限制本申请。在本申请和所附权利要求书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。还应当理解，本文中使用的术语“和/或”是指并包含一个或多个相关联的列出项目的任何或所有可能组合。
应当理解，尽管在本申请可能采用术语“第一”、“第二”、“第三”等来描述各种信息，但这些信息不应限于这些术语。这些术语仅用来将同一类型的信息彼此区分开。例如，在不脱离本申请范围的情况下，第一信息也可以被称为第二信息，类似地，第二信息也可以被称为第一信息。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征。在本申请的描述中，“多个”的含义是两个或两个以上，除非另有明确具体的限定。
相关技术中，当车辆在城市高楼或隧道中行驶时，GPS信号因环境因素存在不稳定的情况，导致车辆的GPS定位或里程计信息存在偏差，从而影响车辆在自动驾驶时的定位准确性。
针对上述问题，本申请实施例提供一种基于车道线的车辆位姿校准方法，能够校准车辆位姿，提高车辆的定位精度和鲁棒性。
以下结合附图详细描述本申请实施例的技术方案。
图1是本申请实施例示出的基于车道线的车辆位姿校准方法的流程示意图。
参见图1，本申请实施例示出的基于车道线的车辆位姿校准方法，包括：
步骤S110，获取车辆当前位置的外部环境图像中的第一车道线信息及获取车辆的当前位置在对应的高精地图中的第二车道线信息。
车辆在行驶的过程中，可以通过安装于车身的相机对外部环境进行拍摄，从而获得外部环境图像。其中，当检测到GPS信号强度低于预设强度阈值时，可以通过相机拍摄外部环境图像。可以理解，外部环境图像可以是车辆行驶方向前方的图像，从而可以获得车辆当前位置前方的车道图像。第一车道线信息即为外部环境图像中的各类车道线，例如实线和/或虚线。可以理解，受到车辆当前位置的影响，车辆当前位置对应的车道根据实际情况可能包含一条或多条车道线，也可能不存在任何车道线。因此，在拍摄获得的同一外部环境图像中，也可能存在车道线信息，也可能不存在任何第一车道线信息。也就是说，在同一帧外部环境图像中，如果包含一条及以上的车道线，则具有对应数量的第一车道线信息。在其他实施例中，如果外部环境图像中没有存在任何第一车道线信息，则可以通过相机按照预设周期继续拍摄，直到在该外部环境图像中能够识别获得第一车道线信息。
同理，在拍摄第一车道线信息的同时，可以同步获取车辆的当前位置在对应的高精地图中的第二车道线信息。其中，为了确保后续步骤可以匹配准确，第二车道线信息与第一车道线信息具有相同的位置信息和相同的获取范围。可以理解，高精地图即高精度地图，其不仅有高精度的坐标，同时还有准确的道路形状，并且每个车道的坡度、曲率、航向、高程，侧倾的数据也都包含在内；另外，每条车道上的车道线的标识类型、车道线的颜色、道路的隔离带、道路上的指示牌上的箭头和文字都会在高精地图中呈现。因此，获取车辆的当前位置在高精地图中的第二车道线信息，即获取在高精地图中的与第一车道线对应的车道上的车道线。可以理解，第二车道线信息的数量根据高精地图中实际存在的车道线数量对应。
步骤S120，获取第一车道线信息在车辆坐标系中对应的第一采样点及获取第二车道线信息在车辆坐标系中对应的第二采样点。
其中，车辆坐标系是以车辆本身为原点的欧式坐标系，即建立在“欧几里德几何”上的坐标系。具体地，车辆坐标系可以是以车辆后轴中心为原点，车头方向为x轴正方向，车身左侧为y轴正方向，竖直向上为z轴正方向（符合右手定则）的车身坐标系。需要理解的是，第一车道线信息来源于外部环境图像中的信息，需要将每一第一车道线信息进行坐标转换至车辆坐标系中，再进一步获取第一采样点。在一实施方式中，将第一车道线信息进行点云表示，生成第一点云；根据相机参数将第一点云在图像坐标系中的坐标转换为车辆坐标系中的坐标；根据第一点云在车辆坐标系中的坐标，拟合生成第一线型；在第一线型提取获得多个第一采样点。也就是说，通过将各个第一车道线信息采用点云表示后，分别获取各点云中的点在外部环境图像中的图像坐标系中的对应的坐标，再根据相机参数例如相机内参矩阵和相机外参矩阵，通过坐标转换至车辆坐标系中，并将各转换后的点分别在车辆坐标系中对应拟合成线，每一条外部环境图像中的第一车道线信息分别拟合成对应的第一线型，再于对应的第一线型上按照预设规则提取多个第一采样点。
进一步地，可以根据下述公式（1）将外部环境图像中的第一点云对应的坐标（u,v）转换到车辆坐标系中。
Figure 209478DEST_PATH_IMAGE001
其中
Figure 11212DEST_PATH_IMAGE003
是尺度因子，
Figure 91163DEST_PATH_IMAGE005
为车辆坐标系中的点，
Figure 818685DEST_PATH_IMAGE007
表示相机相对于车辆中心的外参矩阵，
Figure 616877DEST_PATH_IMAGE009
表示使用外参矩阵的第i行，
Figure 222302DEST_PATH_IMAGE011
表示相机的内参矩阵。
进一步地，第二车道线信息属于高精地图中的信息，第二车道线信息具有对应的GPS坐标，即位于大地坐标系（例如WGS-84坐标系）中的坐标；通过坐标转换至车辆坐标系中，再进一步获取第二采样点。在一实施方式中，将第二车道线信息进行点云表示，生成第二点云；根据当前位姿信息，将第二点云在大地坐标系中的坐标转换为车辆坐标系中的坐标；根据第二点云在车辆坐标系中的坐标，拟合生成第二线型；在第二线型提取多个第二采样点。也就是说，通过先将第二车道线信息采用点云表示后，获取各点云中的点在大地坐标系中的对应的坐标，再通过相关技术进行坐标转换至车辆坐标系中，将各转换后的点对应进行拟合成线，再于每一第二线型上按照预设规则分别对应提取多个第二采样点。同理，当第二车道线信息包括一条以上时，则在车辆坐标系中拟合生成相应数量的第二线型并在各第二线型上分别获得对应的第二采样点。
在一实施方式中，各第一采样点和第二采样点可以是在对应的线型中按照预设间隔提取的多个采样点。需要理解的是，当第一车道线信息和第二车道线信息为实线或虚线时，转换至车辆坐标系中拟合获得的第一线型和第二线型均为实线，而非虚线。各第一采样点和第二采样点在车辆坐标系中均具有对应的三维坐标，即各采样点属于车辆坐标系中的3D点。为了便于匹配，在一实施方式中，相互对应的第一线型和第二线型上的第一采样点的数量与第二采样点的提取数量相同，即在第一线型上提取的第一采样点与第二线型上提取的第二采样点的个数相同。
步骤S130，将第一采样点与对应的第二采样点进行匹配，获得位姿校准量。
由于第一采样点和第二采样点均位于车辆坐标系内，位于同一坐标系中的各采样点可以根据对应的车道线进行匹配。例如，当第一车道线信息包括一条实线和一条虚线，第二车道线信息也包括一条实线和一条虚线，此时将属于实线的第一采样点与同属于实线的第二采样点进行匹配，将属于虚线的第一采样点与同属于虚线的第二采样点进行匹配。进一步地，在一实施方式中，分别根据每一第一采样点与第二采样点的欧式距离误差、第一采样点与第二线型之间的垂直距离误差及第一线型与第二线型的平行度误差，获得位姿校准量。具体地，第一采样点与第二采样点的匹配方法可以通过ICP点云配准法进行匹配，并分别获得下述3个误差函数并根据3个误差函数综合获得位姿校准量。其中，误差函数具体包括：1、用于计算第一线型的每一第一采样点的三维坐标与对应的第二采样点的三维坐标之间的欧式距离误差的函数；2、用于计算第一线型的每一第一采样点与对应的第二线型之间的垂直距离误差的函数；3、用于计算获得第一线型与第二线型的平行度误差的函数。可以理解，当第一线型和第二线型的数量均包括两条及以上时，将全部第一线型上的所有第一采样点和全部第二线型上的所有第二采样点按照上述方案进行匹配，并最终获得一个位姿校准量。
为了便于理解，如图2所示，第一线型AB上提取有多个间隔第一采样点P，第二线型CD上提取有多个间隔的第二采样点Q。其中，每一第一采样点P与第二采样点Q之间的直线距离D1即为欧式距离误差；每一第一采样点P至第二线型CD的垂直距离D2即为垂直距离误差；第一线型AB与第二线型CD之间的夹角β即为平行度误差。步骤S140，根据位姿校准量对车辆的当前位姿信息进行校准，获得校准后的车辆位姿信息。
其中，车辆的当前位姿信息可以根据里程计信息获得，当前位姿信息包括位于UTM坐标系中车辆的当前位置坐标（x,y,z）和旋转角度。根据位姿校准量对当前位姿信息进行校准，即可获得校准后的车辆位姿信息。可以理解，根据校准后的车辆位姿信息，则可以实现在GPS信号不稳定或里程计信息不准确的情形下的辅助定位，从而有利于自动驾驶、无人驾驶等场景的定位。
本申请的基于车道线的位姿优化方法，根据车辆的当前外部环境图像中的第一车道线信息及车辆的当前位置在对应的高精地图中的第二车道线信息，获取对应的第一采样点和第二采样点；通过匹配第一采样点和第二采样点以获得位姿校准量，从而可以根据位姿校准量以校准当前位姿信息。这样的设计，通过借助车道线信息即可获得位姿校准量，从而可以获得精确的位姿校准量，继而可以快速且精确地获得校准后的车辆位姿信息，提高定位信息的精度和鲁棒性，从而利于在GPS信号不稳定下的辅助定位，有助于自动驾驶技术的推广。
图3是本申请实施例示出的基于车道线的车辆位姿校准方法的另一流程示意图。
参见图3，本申请实施例示出的基于车道线的车辆位姿校准方法，包括：
步骤S210，采集车辆当前位置的外部环境图像；通过语义分割识别外部环境图像中的第一预设范围内的第一车道线信息。
其中，当检测到GPS信号强度低于预设强度阈值时，可以通过安装于车身的相机实时采集车辆当前位置的沿行驶方向的正前方的外部环境图像，使得外部环境图像包含车辆所处车道的车道线。可以理解，当车辆正前方无遮挡物时，拍摄的外部环境图像中可以包含几十米以外的景象。为了提高识别结果的准确性，第一预设范围可以是沿行驶方向距离车辆20米~30米，从而可以仅识别距离车辆20米~30米以内的车道线，即第一车道线信息。可以理解，在其他实施例中，也可以采用安装于车身的相机实时采集车辆当前位置的背离行驶方向的正前方的外部环境图像。
进一步地，可以根据相关技术中语义分割方法，获得外部环境图像中的位于车道上的每一车道线。其中，通过语义分割可以识别获得各第一车道线信息，第一车道线信息包括各车道线对应的线型和位置，线型例如是双实线、单实线、双虚线、单虚线和/或虚实线；位置可以是位于车辆的左侧或右侧；根据第一车道线信息包含的具体内容，从而便于后续步骤将第一线型上的第一采样点与相同线型和位置的第二车道线信息转换获得的第二采样点进行一对一的匹配。
步骤S220，根据车辆的当前经纬度和当前位姿信息，获取在高精地图中的第二预设范围内的第二车道线信息。
当检测到GPS信号强度低于预设强度阈值时，可以实时获取高精地图中对应的第二预设范围内的第二车道线信息。其中，为了减少系统的数据处理负荷，根据车辆的当前经纬度和当前位姿信息，即可确定车辆在高精地图中的行驶方向。进一步地，可以获取以当前经纬度为起点的沿行驶方向的正前方的20米~30米范围内作为第二预设范围的车道上的各个车道线作为第二车道线信息。第二车道线信息同样包含对应的线型及位置。可以理解，当上述步骤中的第一预设范围为背离行驶方向的范围时，则第二预设范围同样为背离行驶方向的范围，从而确保后续获得相同范围内的第一采样点和第二采样点，确保匹配对象的准确性。进一步地，在高精地图中预先存储有第二车道线信息，在获取第二车道线信息的同时，即可获得各第二车道线信息对应的线型及位置。
为了确保后续步骤获得相同地理区域范围内的第一采样点和第二采样点，第二预设范围和第一预设范围相同。其中，可以将第一车道线信息和第二车道线信息的预设范围设置为相同的预设距离，例如均为以车辆当前位置为起点的30米内的各个第一车道线信息和第二车道线信息。
可以理解，上述步骤S210和步骤S220可以不分先后顺序进行或同步进行。
步骤S230，获取第一车道线信息在车辆坐标系中对应的第一采样点及获取第二车道线信息在车辆坐标系中对应的第二采样点。
本步骤的介绍可参考上述步骤S120，于此不作赘述。
步骤S240，分别将第一采样点与对应的第二采样点通过点云配准，获得位姿校准量。
在获得各个线型对应的第一采样点和第二采样点后，分别将各第一线型上的每一第一采样点和第二线型上对应的第二采样点实时进行匹配，即一对一精准匹配，从而获得位姿校准量。
其中，可以根据下述公式（2）中的ICP（Iterative Closest Point，迭代最近点来求解）位姿计算公式计算获得位姿校准量q和p。
Figure 422339DEST_PATH_IMAGE012
其中，q是四元数表示的旋转参数，p表示平移参数，R(q)表示四元数到旋转矩阵的变换关系，
Figure 681282DEST_PATH_IMAGE014
表示车辆坐标系下由外部环境图像中的第一车道线信息对应的第一采样点，
Figure 842136DEST_PATH_IMAGE016
表示车辆坐标系下高精地图中的第二车道线信息对应的第二采样点。
步骤S250，根据位姿校准量对车辆的当前位姿信息进行校准，获得校准后的车辆位姿信息。
可以理解，车辆在里程计中的当前位姿信息属于偏移位姿，即相较于真实位姿具有偏移。在通过第一采样点和第二采样点获得位姿校准量后，根据该位姿校准量对车辆的当前位姿信息进行融合，从而校准当前位姿信息，以在GPS信号弱和里程计信息不准确时的辅助定位。
进一步地，可以根据下述公式（3）和（4）根据上述（2）的位姿校准量与当前位姿信息进行计算，获得校准后的车辆位姿信息。
Figure DEST_PATH_IMAGE017
其中，
Figure DEST_PATH_IMAGE019
表示旋转矩阵到四元数的转换关系，
Figure DEST_PATH_IMAGE021
和p c表示公式（2）中计算的[q p]，
Figure DEST_PATH_IMAGE023
表示当前里程计的位姿，
Figure DEST_PATH_IMAGE025
表示校准后的车辆位姿信息，即精确位姿。c表示current（当前）的缩写，g表示global（里程计）的缩写
从上述示例可知，本申请的基于车道线的车辆位姿校准方法，通过获取相同预设范围内的第一车道线信息和第二车道线信息，从而可以将相同预设范围内的全部第一采样点和全部第二采样点进行一对一的实时匹配，并通过计算获得位姿校准量，从而可以将车辆的当前位姿信息根据位姿校准量进行校准，从而增加校准的鲁棒性和提高车辆定位的精度。
与前述应用功能实现方法实施例相对应，本申请还提供了一种基于车道线的车辆位姿校准装置、电子设备及相应的实施例。
图4是本申请实施例示出的基于车道线的车辆位姿校准装置的结构示意图。
参见图4，本申请实施例示出的基于车道线的车辆位姿校准装置，包括标识信息获取模块310、采样点获取模块320、匹配模块330及校准模块340，其中：
标识信息获取模块310用于获取车辆当前位置的外部环境图像中的第一车道线信息及获取车辆的当前位置在对应的高精地图中的第二车道线信息。
采样点获取模块320用于获取第一车道线信息在车辆坐标系中对应的第一采样点及获取第二车道线信息在车辆坐标系中对应的第二采样点。
匹配模块330用于将第一采样点与对应的第二采样点进行匹配，获得位姿校准量。
校准模块340用于根据位姿校准量对车辆的当前位姿信息进行校准，获得校准后的车辆位姿信息。
进一步地，标识信息获取模块310用于采集车辆当前位置的外部环境图像；通过语义分割识别外部环境图像中的第一预设范围内的第一车道线信息及对应的标识类型。标识信息获取模块310用于根据车辆的当前经纬度和当前位姿信息，获取在高精地图中的第二预设范围内的第二车道线信息。采样点获取模块320用于将第一车道线信息进行点云表示，生成第一点云；根据相机参数将第一点云在图像坐标系中的坐标转换为车辆坐标系中的坐标；根据第一点云在车辆坐标系中的坐标，拟合生成第一线型；在第一线型提取多个第一采样点。采样点获取模块320用于将第一车道线信息进行点云表示，生成第二点云；根据当前位姿信息，将第二点云在大地坐标系中的坐标转换为车辆坐标系中的坐标；根据第二点云在车辆坐标系中的坐标，拟合生成第二线型；在第二线型提取多个第二采样点。匹配模块330用于分别根据每一第一采样点与第二采样点的欧式距离误差、第一采样点与第二线型之间的垂直距离误差及第一线型与第二线型的平行度误差，获得位姿校准量。
从该示例可以看出，本申请的基于车道线的车辆位姿校准装置，通过借助不同类型的车道线信息即可获得位姿校准量，从而可以获得精确的位姿校准量，继而可以快速且精确地获得校准后的车辆位姿信息，提高定位信息的精度和鲁棒性，从而利于在GPS信号不稳定下的辅助定位，有助于自动驾驶技术的推广。
关于上述实施例中的装置，其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述，此处将不再做详细阐述说明。
图5是本申请实施例示出的电子设备的结构示意图。
参见图5，电子设备1000包括存储器1010和处理器1020。
处理器1020可以是中央处理单元（Central Processing Unit，CPU），还可以是其他通用处理器、数字信号处理器（Digital Signal Processor，DSP）、专用集成电路（Application Specific Integrated Circuit，ASIC）、现场可编程门阵列（Field-Programmable Gate Array，FPGA）或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
存储器1010可以包括各种类型的存储单元，例如系统内存、只读存储器（ROM）和永久存储装置。其中，ROM可以存储处理器1020或者计算机的其他模块需要的静态数据或者指令。永久存储装置可以是可读写的存储装置。永久存储装置可以是即使计算机断电后也不会失去存储的指令和数据的非易失性存储设备。在一些实施方式中，永久性存储装置采用大容量存储装置（例如磁或光盘、闪存）作为永久存储装置。另外一些实施方式中，永久性存储装置可以是可移除的存储设备（例如软盘、光驱）。系统内存可以是可读写存储设备或者易失性可读写存储设备，例如动态随机访问内存。系统内存可以存储一些或者所有处理器在运行时需要的指令和数据。此外，存储器1010可以包括任意计算机可读存储媒介的组合，包括各种类型的半导体存储芯片（例如DRAM，SRAM，SDRAM，闪存，可编程只读存储器），磁盘和/或光盘也可以采用。在一些实施方式中，存储器1010可以包括可读和/或写的可移除的存储设备，例如激光唱片（CD）、只读数字多功能光盘（例如DVD-ROM，双层DVD-ROM）、只读蓝光光盘、超密度光盘、闪存卡（例如SD卡、min SD卡、Micro-SD卡等）、磁性软盘等。计算机可读存储媒介不包含载波和通过无线或有线传输的瞬间电子信号。
存储器1010上存储有可执行代码，当可执行代码被处理器1020处理时，可以使处理器1020执行上文述及的方法中的部分或全部。
此外，根据本申请的方法还可以实现为一种计算机程序或计算机程序产品，该计算机程序或计算机程序产品包括用于执行本申请的上述方法中部分或全部步骤的计算机程序代码指令。
或者，本申请还可以实施为一种计算机可读存储介质（或非暂时性机器可读存储介质或机器可读存储介质），其上存储有可执行代码（或计算机程序或计算机指令代码），当可执行代码（或计算机程序或计算机指令代码）被电子设备（或服务器等）的处理器执行时，使处理器执行根据本申请的上述方法的各个步骤的部分或全部。
以上已经描述了本申请的各实施例，上述说明是示例性的，并非穷尽性的，并且也不限于所披露的各实施例。在不偏离所说明的各实施例的范围和精神的情况下，对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。本文中所用术语的选择，旨在最好地解释各实施例的原理、实际应用或对市场中的技术的改进，或者使本技术领域的其他普通技术人员能理解本文披露的各实施例。

Claims (10)

1.一种基于车道线的车辆位姿校准方法，其特征在于：
获取车辆当前位置的外部环境图像中的第一车道线信息及获取所述车辆的当前位置在对应的高精地图中的第二车道线信息；
获取所述第一车道线信息在车辆坐标系中对应的第一采样点及获取所述第二车道线信息在所述车辆坐标系中对应的第二采样点；
将所述第一采样点与对应的所述第二采样点进行匹配，获得位姿校准量；
根据所述位姿校准量对所述车辆的当前位姿信息进行校准，获得校准后的车辆位姿信息。
2.根据权利要求1所述的方法，其特征在于，所述获取车辆当前位置的外部环境图像中的第一车道线信息，包括：
采集车辆当前位置的外部环境图像；
通过语义分割识别所述外部环境图像中的第一预设范围内的第一车道线信息。
3.根据权利要求2所述的方法，其特征在于，所述获取所述车辆的当前位置在对应的高精地图中的第二车道线信息，包括：
根据所述车辆的当前经纬度和所述当前位姿信息，获取在高精地图中的第二预设范围内的第二车道线信息。
4.根据权利要求3所述的方法，其特征在于，
所述第一预设范围包括沿行驶方向距离车辆当前位置20米~30米；
所述第二预设范围包括在所述高精地图中沿行驶方向距离所述当前经纬度20米~30米。
5.根据权利要求1所述的方法，其特征在于，所述获取所述第一车道线信息在车辆坐标系中对应的第一采样点，包括：
将所述第一车道线信息进行点云表示，生成第一点云；
根据相机参数将所述第一点云在图像坐标系中的坐标转换为车辆坐标系中的坐标；
根据所述第一点云在所述车辆坐标系中的坐标，拟合生成第一线型；
在所述第一线型提取多个第一采样点。
6.根据权利要求1所述的方法，其特征在于，所述获取第二车道线信息在所述车辆坐标系中对应的第二采样点，包括：
将所述第二车道线信息进行点云表示，生成第二点云；
根据所述当前位姿信息，将所述第二点云在大地坐标系中的坐标转换为车辆坐标系中的坐标；
根据所述第二点云在所述车辆坐标系中的坐标，拟合生成第二线型；
在所述第二线型提取多个第二采样点。
7.根据权利要求1至6中任一项所述的方法，其特征在于，所述将所述第一采样点与对应的所述第二采样点进行匹配，获得位姿校准量，包括：
分别根据每一第一采样点与第二采样点的欧式距离误差、第一采样点与第二线型之间的垂直距离误差及第一线型与第二线型的平行度误差，获得位姿校准量。
8.一种基于车道线的车辆位姿校准装置，其特征在于：
标识信息获取模块，用于获取车辆当前位置的外部环境图像中的第一车道线信息及获取所述车辆的当前位置在对应的高精地图中的第二车道线信息；
采样点获取模块，用于获取所述第一车道线信息在车辆坐标系中对应的第一采样点及获取所述第二车道线信息在所述车辆坐标系中对应的第二采样点；
匹配模块，用于将标识类型相同的所述第一采样点与所述第二采样点进行匹配，获得对应的位姿校准量；
校准模块，用于根据所述位姿校准量对所述车辆的当前位姿信息进行校准，获得校准后的车辆位姿信息。
9.一种电子设备，其特征在于，包括：
处理器；以及
存储器，其上存储有可执行代码，当所述可执行代码被所述处理器执行时，使所述处理器执行如权利要求1-7中任一项所述的方法。
10.一种计算机可读存储介质，其上存储有可执行代码，当所述可执行代码被电子设备的处理器执行时，使所述处理器执行如权利要求1-7中任一项所述的方法。
CN202111375141.8A 2021-11-19 2021-11-19 基于车道线的车辆位姿校准方法、装置和电子设备 Active CN114034307B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111375141.8A CN114034307B (zh) 2021-11-19 2021-11-19 基于车道线的车辆位姿校准方法、装置和电子设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111375141.8A CN114034307B (zh) 2021-11-19 2021-11-19 基于车道线的车辆位姿校准方法、装置和电子设备

Publications (2)

Publication Number Publication Date
CN114034307A true CN114034307A (zh) 2022-02-11
CN114034307B CN114034307B (zh) 2024-04-16

Family

ID=80138297

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111375141.8A Active CN114034307B (zh) 2021-11-19 2021-11-19 基于车道线的车辆位姿校准方法、装置和电子设备

Country Status (1)

Country Link
CN (1) CN114034307B (zh)

Cited By (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114252082A (zh) * 2022-03-01 2022-03-29 苏州挚途科技有限公司 车辆定位方法、装置和电子设备
CN114396957A (zh) * 2022-02-28 2022-04-26 重庆长安汽车股份有限公司 基于视觉与地图车道线匹配的定位位姿校准方法及汽车
CN114526746A (zh) * 2022-03-15 2022-05-24 智道网联科技(北京)有限公司 高精地图车道线的生成方法、装置、设备及存储介质
CN114608591A (zh) * 2022-03-23 2022-06-10 小米汽车科技有限公司 车辆定位方法、装置、存储介质、电子设备、车辆及芯片
CN114812575A (zh) * 2022-03-15 2022-07-29 中汽创智科技有限公司 一种修正参数的确定方法、装置、电子设备及存储介质
CN114910083A (zh) * 2022-04-22 2022-08-16 智道网联科技(北京)有限公司 定位方法以及定位装置、电子设备、存储介质
CN115235500A (zh) * 2022-09-15 2022-10-25 北京智行者科技股份有限公司 基于车道线约束的位姿校正方法及装置、全工况静态环境建模方法及装置
CN115265553A (zh) * 2022-07-11 2022-11-01 重庆长安汽车股份有限公司 地图数据的处理方法、装置、车辆及存储介质
CN115388906A (zh) * 2022-08-24 2022-11-25 上海安亭地平线智能交通技术有限公司 位姿的确定方法、装置、电子设备和存储介质
CN117782114A (zh) * 2024-02-28 2024-03-29 福瑞泰克智能系统有限公司 车辆定位校正方法、装置、计算机设备和存储介质

Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2019060814A (ja) * 2017-09-28 2019-04-18 株式会社Ｓｕｂａｒｕ 自動運転の自車位置検出装置
CN110567480A (zh) * 2019-09-12 2019-12-13 北京百度网讯科技有限公司 车辆定位的优化方法、装置、设备及存储介质
CN111220164A (zh) * 2020-01-21 2020-06-02 北京百度网讯科技有限公司 定位方法、装置、设备及存储介质
CN111242031A (zh) * 2020-01-13 2020-06-05 禾多科技（北京）有限公司 基于高精度地图的车道线检测方法
CN111750878A (zh) * 2019-03-28 2020-10-09 北京初速度科技有限公司 一种车辆位姿的修正方法和装置
CN111750881A (zh) * 2019-03-29 2020-10-09 北京初速度科技有限公司 一种基于路灯杆的车辆位姿的修正方法和装置
CN111998860A (zh) * 2020-08-21 2020-11-27 北京百度网讯科技有限公司 自动驾驶定位数据校验方法、装置、电子设备及存储介质
CN112284416A (zh) * 2020-10-19 2021-01-29 武汉中海庭数据技术有限公司 一种自动驾驶定位信息校准装置、方法及存储介质
CN112284400A (zh) * 2020-12-24 2021-01-29 腾讯科技（深圳）有限公司 车辆的定位方法、装置、电子设备及计算机可读存储介质
US20210319584A1 (en) * 2020-04-09 2021-10-14 Tusimple, Inc. Camera pose estimation techniques
CN113607185A (zh) * 2021-10-08 2021-11-05 禾多科技（北京）有限公司 车道线信息显示方法、装置、电子设备和计算机可读介质

Patent Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2019060814A (ja) * 2017-09-28 2019-04-18 株式会社Ｓｕｂａｒｕ 自動運転の自車位置検出装置
CN111750878A (zh) * 2019-03-28 2020-10-09 北京初速度科技有限公司 一种车辆位姿的修正方法和装置
CN111750881A (zh) * 2019-03-29 2020-10-09 北京初速度科技有限公司 一种基于路灯杆的车辆位姿的修正方法和装置
CN110567480A (zh) * 2019-09-12 2019-12-13 北京百度网讯科技有限公司 车辆定位的优化方法、装置、设备及存储介质
CN111242031A (zh) * 2020-01-13 2020-06-05 禾多科技（北京）有限公司 基于高精度地图的车道线检测方法
CN111220164A (zh) * 2020-01-21 2020-06-02 北京百度网讯科技有限公司 定位方法、装置、设备及存储介质
US20210319584A1 (en) * 2020-04-09 2021-10-14 Tusimple, Inc. Camera pose estimation techniques
CN111998860A (zh) * 2020-08-21 2020-11-27 北京百度网讯科技有限公司 自动驾驶定位数据校验方法、装置、电子设备及存储介质
CN112284416A (zh) * 2020-10-19 2021-01-29 武汉中海庭数据技术有限公司 一种自动驾驶定位信息校准装置、方法及存储介质
CN112284400A (zh) * 2020-12-24 2021-01-29 腾讯科技（深圳）有限公司 车辆的定位方法、装置、电子设备及计算机可读存储介质
CN113607185A (zh) * 2021-10-08 2021-11-05 禾多科技（北京）有限公司 车道线信息显示方法、装置、电子设备和计算机可读介质

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
陆逸适 等: "基于视觉、轮速和单轴陀螺仪的清扫车定位", 同济大学学报(自然科学版), no. 1, 31 December 2019 (2019-12-31), pages 205 - 212 *

Cited By (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114396957A (zh) * 2022-02-28 2022-04-26 重庆长安汽车股份有限公司 基于视觉与地图车道线匹配的定位位姿校准方法及汽车
CN114396957B (zh) * 2022-02-28 2023-10-13 重庆长安汽车股份有限公司 基于视觉与地图车道线匹配的定位位姿校准方法及汽车
CN114252082A (zh) * 2022-03-01 2022-03-29 苏州挚途科技有限公司 车辆定位方法、装置和电子设备
CN114526746A (zh) * 2022-03-15 2022-05-24 智道网联科技(北京)有限公司 高精地图车道线的生成方法、装置、设备及存储介质
CN114812575A (zh) * 2022-03-15 2022-07-29 中汽创智科技有限公司 一种修正参数的确定方法、装置、电子设备及存储介质
CN114608591A (zh) * 2022-03-23 2022-06-10 小米汽车科技有限公司 车辆定位方法、装置、存储介质、电子设备、车辆及芯片
CN114910083A (zh) * 2022-04-22 2022-08-16 智道网联科技(北京)有限公司 定位方法以及定位装置、电子设备、存储介质
CN115265553A (zh) * 2022-07-11 2022-11-01 重庆长安汽车股份有限公司 地图数据的处理方法、装置、车辆及存储介质
CN115388906A (zh) * 2022-08-24 2022-11-25 上海安亭地平线智能交通技术有限公司 位姿的确定方法、装置、电子设备和存储介质
CN115235500A (zh) * 2022-09-15 2022-10-25 北京智行者科技股份有限公司 基于车道线约束的位姿校正方法及装置、全工况静态环境建模方法及装置
CN117782114A (zh) * 2024-02-28 2024-03-29 福瑞泰克智能系统有限公司 车辆定位校正方法、装置、计算机设备和存储介质
CN117782114B (zh) * 2024-02-28 2024-06-25 福瑞泰克智能系统有限公司 车辆定位校正方法、装置、计算机设备和存储介质

Also Published As

Publication number Publication date
CN114034307B (zh) 2024-04-16

Similar Documents

Publication Publication Date Title
CN114034307B (zh) 基于车道线的车辆位姿校准方法、装置和电子设备
AU2018282302B2 (en) Integrated sensor calibration in natural scenes
CN114088114B (zh) 车辆位姿校准方法、装置和电子设备
CN111065043B (zh) 一种基于车路通信的隧道内车辆融合定位系统及方法
CN111947671A (zh) 用于定位的方法、装置、计算设备和计算机可读存储介质
EP3842735B1 (en) Position coordinates estimation device, position coordinates estimation method, and program
EP3637308A1 (en) Method and device for positioning vehicle, device, and computer readable storage medium
CN112034431B (zh) 一种雷达和rtk的外参标定方法及装置
CN113012197A (zh) 一种适用于动态交通场景的双目视觉里程计定位方法
CN113139031B (zh) 用于自动驾驶的交通标识的生成方法及相关装置
CN113580134B (zh) 视觉定位方法、设备、机器人、存储介质及程序产品
CN116097128A (zh) 用于对车辆位置进行确定的方法和设备
KR20170083662A (ko) 센서 오차에 강건한 지도 작성 장치
EP4070039A1 (en) Method for generating 3d reference points in a map of a scene
CN114485698A (zh) 一种交叉路口引导线生成方法及系统
JP2006284281A (ja) 自車情報認識装置及び自車情報認識方法
CN115077541A (zh) 自动驾驶车辆的定位方法、装置及电子设备、存储介质
CN115127543A (zh) 一种激光建图优化中异常边剔除方法及系统
CN115790613A (zh) 一种视觉信息辅助的惯性/里程计组合导航方法及装置
CN112424568B (zh) 构建高清地图的系统和方法
CN112967393B (zh) 车辆移动轨迹的修正方法、装置、电子设备及存储介质
CN112964261B (zh) 一种车辆定位校验方法、系统及装置
CN112595335A (zh) 一种智慧交通行车停止线的生成方法及相关装置
CN114993324B (zh) 一种车辆定位方法、装置及设备
CN114248782B (zh) 无人车俯仰角确定方法、装置和计算机可读存储介质

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