CN114396957B - 基于视觉与地图车道线匹配的定位位姿校准方法及汽车 - Google Patents
基于视觉与地图车道线匹配的定位位姿校准方法及汽车 Download PDFInfo
- Publication number
- CN114396957B CN114396957B CN202210188413.1A CN202210188413A CN114396957B CN 114396957 B CN114396957 B CN 114396957B CN 202210188413 A CN202210188413 A CN 202210188413A CN 114396957 B CN114396957 B CN 114396957B
- Authority
- CN
- China
- Prior art keywords
- vehicle
- lane
- map
- pose
- positioning
- 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
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
- 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
- G01C21/34—Route searching; Route guidance
- G01C21/3446—Details of route searching algorithms, e.g. Dijkstra, A*, arc-flags, using precalculated routes
-
- 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
- G01C21/34—Route searching; Route guidance
- G01C21/36—Input/output arrangements for on-board computers
- G01C21/3626—Details of the output of route guidance instructions
- G01C21/3658—Lane guidance
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)
- Image Processing (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明公开了一种基于视觉与地图车道线匹配的定位位姿校准方法及汽车,该方法包括:1)获取前方道路图像信息、地图数据信息和本车的初始位姿;2)根据前方道路图像信息和地图数据信息确定本车所在车道;3)根据前方道路图像信息和地图数据信息计算对本车初始位姿校准的修正量;4)根据本车的初始位姿及对本车初始位姿校准的修正量计算得到修正后本车的位姿并输出。本方法使用少量点通过迭代找到最佳的模型参数,剔除了偏差较大的数据点,避免了大偏差数据点参与运算影响匹配定位的准确度,提高了算法鲁棒性,同时本方法中定位的准确性与计算代价无明显的制约关系,不会造成计算代价的增加。
Description
技术领域
本发明涉及智能汽车技术领域,具体涉及一种基于视觉与地图车道线匹配的定位位姿校准方法及汽车。
背景技术
车辆定位是车辆导航技术和自动驾驶技术中非常重要的内容。目前,主要是基于RTK(Real-time kinematic,实时动态载波相位差分技术)和高精度GPS(全球定位系统)实现车辆定位,其精度可以达到20厘米。但是,该精度无法满足自动驾驶汽车在车道线上的定位需求。
为了解决现有技术中定位精度低的问题,在申请号为CN201811023537.4的发明专利中公开了一种基于车道线特征匹配的高精度定位装置及方法,该方法根据定位模块获取的车辆位置将高精度地图形点转换到车辆坐标系,并将车道线形点拟合成三次曲线;车载相机采集道路车道线三次曲线,根据曲线重合度和相似度估计车辆位置;然后在估计位置周围配置样本点并预测下一时刻位置,并用贝叶斯滤波提取有效样本点集;对样本点进行加权平均估计车辆的最终位置。该方法在实际应用中会存在下面的问题:由于实际车道线难以用三次曲线严格表示,将地图形点拟合为三次曲线将引入偏差进而导致部分失真现象;同时该方法估计车辆位姿的准确性与配置样本点的数量有关,样本数量较少会使偏差增大,而样本数量较多会导致计算代价增加。
发明内容
针对现有技术存在的上述不足,本发明要解决的技术问题是:如何提供一种能避免偏差数据点参与运算而影响到定位匹配准确度的问题,同时又不会造成计算代价增加的基于视觉与地图车道线匹配的定位位姿校准方法。
为了解决上述技术问题,本发明采用如下技术方案:
一种基于视觉与地图车道线匹配的定位位姿校准方法,包括以下步骤:
步骤1)获取前方道路图像信息、地图数据信息和本车的初始位姿;
步骤2)根据所述前方道路图像信息和地图数据信息确定本车所在车道;
步骤3)根据所述前方道路图像信息和地图数据信息计算对本车初始位姿校准的修正量;
步骤4)根据本车的初始位姿及对本车初始位姿校准的修正量计算得到修正后本车的位姿并输出。
优选的,本车上安装有车辆前视摄像头、定位设备和地图模块,所述地图模块内置高精地图;
步骤1)中,通过车辆前视摄像头获取前方道路图像中检测到的车道线和路沿曲线的属性信息;通过定位设备获取本车的初始位姿,所述初始位姿包括本车的经纬度及航向的定位信息;地图模块根据定位设备获取的本车定位信息提取周围设定范围内的高精地图数据,提取的高精地图数据中包含车道线和路沿曲线的地图形点及属性信息。
优选的,步骤1)中,车道线和路沿曲线的属性信息包括颜色和线型,且将车辆前视摄像头获取的车道线和路沿曲线均表示为车辆坐标系下的三次曲线:
y=C0+C1x+C2x2+C3x3:
式中:y为车辆前视摄像头获取的车道线或路沿曲线在车辆坐标系中的车辆横移方向坐标;x为车辆前视摄像头获取的车道线或路沿曲线在车辆坐标系中的车辆行进方向坐标;C0、C1、C2、C3为常数。
优选的,步骤2)中,将定位设备输出的本车的初始位姿投射到高精地图中,然后根据本车位置经纬度点和高精地图中车道线地图形点的几何位置关系,初步确定本车所在车道。
优选的,步骤2)中还包括对本车所在车道进行修正的方法,该方法包括车辆前视摄像头视角范围内所有车道线的属性信息与高精地图相应车道线属性信息的匹配、以及车辆前视摄像头检测到的本车所在车道的车道线距路沿曲线的距离与高精地图中相应车道距路沿曲线的距离的匹配。
优选的,步骤2)中,根据定位设备输出的本车位姿、定位设备的定位天线与车辆坐标系原点的位置关系,将高精地图中车道线和路沿曲线的地图形点转换到车辆坐标系下,并构成初始点集MSet:
MSet={p1,p2...,pi}
式中:pi为转换到车辆坐标系中的各地图形点,且pi=pi(xi,yi),xi为pi在车辆坐标系中的车辆行进方向坐标,yi为pi在车辆坐标系中的车辆横移方向坐标;
通过对转换到车辆坐标系中的各地图形点在车辆行进方向坐标为0即x=0处进行插值,得到各地图形点此时的车辆横移方向坐标值yl(x=0),其中l=0~lineNum,lineNum为车道线的数量;
设定本车位置为车辆坐标系的原点,即本车位置的车辆横移方向坐标值y=0,通过判断yl(x=0)与y=0的关系即可初步确定本车所在车道编号。
优选的,步骤3)中,利用车辆前视摄像头检测的车道线与高精地图提供的车道线间的匹配偏差,计算对定位设备提供的本车初始位姿进行校准的修正量。
优选的,步骤3)中包括以下步骤:
步骤3.1)设置车辆坐标系,将高精地图的车道线形点转换到车辆坐标系下,形成点集;
步骤3.2)从点集中选取N个点构成源点集,并对车辆前视摄像头获取的视觉车道线进行采样,构成源点集的对应点集即目标点集;
步骤3.3)采用两点间的距离表示偏差并构造目标函数,求解从源点集到目标点集的旋转平移变换矩阵;
步骤3.4)设定偏差的容忍值;
步骤3.5)利用旋转平移变换矩阵将点集中的所有点映射到目标点集的坐标系下新点集;
步骤3.6)计算新点集的所有点到对应的视觉车道线上最近点的偏差,找到偏差在容忍值内的点对;
步骤3.7)偏差在容忍值内的点对数量是否大于设定值,若是则利用偏差在容忍值内的点对构成新源点集和新目标点集,并重新计算从新源点集到新目标点集的旋转平移变换矩阵,该旋转平移矩阵即为修正量,并停止计算;若否则返回执行步骤3.2);
步骤3.8)设置最大迭代次数,当迭代次数达到最大迭代次数时停止迭代,并输出本车位姿及航向的修正量。
优选的,步骤4)中,根据步骤3)中求得的本车位姿的修正量和定位设备提供的本车初始位姿,计算得到修正后本车的位姿并输出。
本方案还提供一种汽车,该汽车采用如上述的基于视觉与地图车道线匹配的定位位姿校准方法。
与现有技术相比,本发明考虑了相机的感知检测易受环境的影响导致输出的特征如车道线存在较大偏差,尤其是对视觉范围远端的感知,从而导致匹配定位对偏差敏感鲁棒性差。同时,本方法使用少量点通过迭代找到最佳的模型参数,剔除了偏差较大的数据点,避免了大偏差数据点参与运算影响匹配定位的准确度,提高了算法鲁棒性,同时本方法中定位的准确性与计算代价无明显的制约关系,不会造成计算代价的增加。
附图说明
图1为本发明基于视觉与地图车道线匹配的定位位姿校准方法的流程图;
图2为本发明基于视觉与地图车道线匹配的定位位姿校准方法中计算基于的车辆坐标系。
具体实施方式
下面将结合附图及实施例对本发明作进一步说明。
如附图1所示,一种基于视觉与地图车道线匹配的定位位姿校准方法,包括以下步骤:
步骤1)获取前方道路图像信息、地图数据信息和本车的初始位姿。本车上安装有车辆前视摄像头、定位设备和地图模块,所述地图模块内置高精地图;通过车辆前视摄像头获取前方道路图像中检测到的车道线和路沿曲线的属性信息,具体的,将车辆前视摄像头获取的车道线和路沿曲线均表示为车辆坐标系下的三次曲线y=C0+C1x+C2x2+C3x3,式中:y为车辆前视摄像头获取的车道线或路沿曲线在车辆坐标系中的车辆横移方向坐标;x为车辆前视摄像头获取的车道线或路沿曲线在车辆坐标系中的车辆行进方向坐标;C0、C1、C2、C3为常数,且车道线和路沿曲线的属性信息包括但不限于颜色和线型,即每条车道都可用[id,y(x),color,type]来表示;通过定位设备获取本车的初始位姿,初始位姿包括本车的经纬度及航向的定位信息[longitude,latitude,heading];地图模块(HDmap)根据定位设备获取的本车定位信息提取周围设定范围内的高精地图数据,提取的高精地图数据中包含车道线和路沿曲线的地图形点[longitude1,latitude1]及属性信息;
步骤2)根据前方道路图像信息和地图数据信息确定本车所在车道。该步骤用于确定本车当前所在车道编号,输出车道编号(车道编号左起为1),为校准步骤提供车道线的匹配信息。
首先将定位设备输出的本车的初始位姿投射到高精地图中,然后根据本车位置经纬度点和高精地图中车道线地图形点的几何位置关系,初步确定本车所在车道;具体的,根据定位设备输出的本车的初始位姿、定位设备的定位天线与车辆坐标系原点的位置关系,将高精地图中车道线和路沿曲线的地图形点转换到车辆坐标系下(如附图2所示),并构成初始点集MSet:
MSet={p1,p2...,pi}
式中:pi为转换到车辆坐标系中的各地图形点,且pi=pi(xi,yi),xi为pi在车辆坐标系中的车辆行进方向坐标,yi为pi在车辆坐标系中的车辆横移方向坐标;
通过对转换到车辆坐标系中的各地图形点在车辆行进方向坐标为0即x=0处进行插值,得到各地图形点此时的车辆横移方向坐标值yl(x=0),其中l=0~lineNum,lineNum为车道线的数量;
设定本车位置为车辆坐标系的原点,即本车位置的车辆横移方向坐标值y=0,通过判断yl(x=0)与y=0的关系即可初步确定本车所在车道编号。
另外,由于定位设备输出的本车位姿可能存在偏差,偏离本车当前行驶车道,因此本方法中通过结合视觉信息进一步确定本车当前行驶车道。主要通过以下两个特征的匹配:(1)车辆前视摄像头视角范围内所有车道线的属性信息与高精地图相应车道线属性信息的匹配;(2)车辆前视摄像头检测到的本车所在车道的车道线距路沿曲线的距离与高精地图中相应车道距路沿曲线的距离的匹配。由于本车变道跨线时车道的判断易发生错误,可通过本车距离左右车道线的距离辅助判断,最终输出本车所在当前车道编号;具体的,先从初始车道InitialNo开始对高精地图上的车道进行搜索并进行上述匹配判断,直到匹配成功输出当前车道编号laneNo。
步骤3)根据前方道路图像信息和地图数据信息计算对本车初始位姿校准的修正量。由于车辆前视摄像头对车道线的检测偏差较大,本实施例中采用本车当前车道左右车道线进行匹配校准,利用车辆前视摄像头检测的车道线与高精地图提供的车道线间的匹配偏差,计算对定位设备提供的本车的初始位姿进行校准的修正量。
步骤3)中包括以下步骤:
步骤3.1)设置车辆坐标系(如附图2所示),将高精地图的车道线形点转换到车辆坐标系下,形成点集MSet;
步骤3.2)从点集MSet中选取N个点构成源点集sSet,并对车辆前视摄像头获取的视觉车道线进行采样,构成源点集sSet的对应点集即目标点集tSet;
步骤3.3)采用两点间的距离表示偏差并构造目标函数,求解从源点集sSet到目标点集tSet的旋转平移变换矩阵T;
步骤3.4)设定偏差的容忍值tolerance;
步骤3.5)利用旋转平移变换矩阵T将点集MSet中的所有点映射到目标点集tSet的坐标系下新点集MSet';
步骤3.6)计算新点集MSet'的所有点到对应的视觉车道线上最近点的偏差,找到偏差在容忍值tolerance内的点对;
步骤3.7)偏差在容忍值tolerance内的点对数量是否大于设定值M,若是则利用偏差在容忍值tolerance内的点对构成新源点集sSet'和新目标点集tSet',并重新计算从新源点集sSet'到新目标点集tSet'的旋转平移变换矩阵T',该旋转平移矩阵T'即为修正量,并停止计算;若否则返回执行步骤3.2);
步骤3.8)设置最大迭代次数I,当迭代次数达到最大迭代次数I时停止迭代,并输出本车位姿及航向的修正量。
下面,针对步骤3)中匹配校准修正量的计算方法做进一步的说明:根据步骤2)得到的车道编号laneNo从高精地图中提取左右车道线,并分别从左右车道线上选取两个点构成源点集sSet,同时对车辆前视摄像头采集的视觉车道线的左右车道线进行采样,采样源点集sSet等间隔的点构成目标点集tSet。
然后采用两点间的距离表示对应点间的偏差,其中R、/>分别表示从源点集sSet到目标点集tSet的旋转和平移变换,该步骤要求解的是使得地图和视觉车道线对应点集间偏差平方和最小的旋转平移变换,即求解R、/>使分别计算sSet、tSet的质心点sp、tp,然后计算sSet、tSet中每个点去质心后的坐标形成点集sSet'、tSet',该优化问题就转换为求解这个优化问题得到旋转矩阵R,然后计算平移向量就得到了旋转平移变换矩阵/>
设偏差容忍值tolerance=0.5m,通过变换T将MSet中所有点变换到目标点集坐标系下MSet'=T·MSet。
在视觉车道线曲线上找到MSet'的最近点并计算偏差,统计在偏差容忍值内的对应点对的数量N。若N>M(M为设定值,可根据点的总数量设置,如设置为总数量的90%),则用这N对对应点构成新的sSet'、tSet'点集,重新计算旋转平移变换T',即得到定位校准修正量,停止计算;若N<M,则重新选取四组对应点构成sSet、tSet进行上述计算步骤。在该步骤中同时设置最大迭代次数I,若迭代次数达到I则停止迭代。
步骤4)根据本车的初始位姿及对本车初始位姿校准的修正量计算得到修正后本车的位姿并输出。根据步骤3)中求得的本车位姿的修正量和定位设备提供的本车初始位姿,计算得到修正后本车的位姿并输出。
在本实施例中还提供一种汽车,该汽车采用如上述的基于视觉与地图车道线匹配的定位位姿校准方法。
与现有技术相比,本发明考虑了相机的感知检测易受环境的影响导致输出的特征如车道线存在较大偏差,尤其是对视觉范围远端的感知,从而导致匹配定位对偏差敏感鲁棒性差。同时,本方法使用少量点通过迭代找到最佳的模型参数,剔除了偏差较大的数据点,避免了大偏差数据点参与运算影响匹配定位的准确度,提高了算法鲁棒性,同时本方法中定位的准确性与计算代价无明显的制约关系,不会造成计算代价的增加。
最后需要说明的是,以上实施例仅用以说明本发明的技术方案而非限制技术方案,本领域的普通技术人员应当理解,那些对本发明的技术方案进行修改或者等同替换,而不脱离本技术方案的宗旨和范围,均应涵盖在本发明的权利要求范围当中。
Claims (9)
1.一种基于视觉与地图车道线匹配的定位位姿校准方法,其特征在于,包括以下步骤:
步骤1)获取前方道路图像信息、地图数据信息和本车的初始位姿;
步骤2)根据所述前方道路图像信息和地图数据信息确定本车所在车道;
步骤2)中,根据定位设备输出的本车位姿、定位设备的定位天线与车辆坐标系原点的位置关系,将高精地图中车道线和路沿曲线的地图形点转换到车辆坐标系下,并构成初始点集MSet:
MSet={p1,p2...,pi}
式中:pi为转换到车辆坐标系中的各地图形点,且pi=pi(xi,yi),xi为pi在车辆坐标系中的车辆行进方向坐标,yi为pi在车辆坐标系中的车辆横移方向坐标;
通过对转换到车辆坐标系中的各地图形点在车辆行进方向坐标为0即x=0处进行插值,得到各地图形点此时的车辆横移方向坐标值yl(x=0),其中l=0~lineNum,lineNum为车道线的数量;
设定本车位置为车辆坐标系的原点,即本车位置的车辆横移方向坐标值y=0,通过判断yl(x=0)与y=0的关系即可初步确定本车所在车道编号;
步骤3)根据所述前方道路图像信息和地图数据信息计算对本车初始位姿校准的修正量;
设定偏差的容忍值;找到偏差在容忍值内的点对;判断偏差在容忍值内的点对数量是否大于设定值,若是则停止计算;若否则重新计算,设置最大迭代次数,当迭代次数达到最大迭代次数时停止迭代,并输出本车位姿及航向的修正量;
步骤4)根据本车的初始位姿及对本车初始位姿校准的修正量计算得到修正后本车的位姿并输出。
2.根据权利要求1所述的基于视觉与地图车道线匹配的定位位姿校准方法,其特征在于,本车上安装有车辆前视摄像头、定位设备和地图模块,所述地图模块内置高精地图;
步骤1)中,通过车辆前视摄像头获取前方道路图像中检测到的车道线和路沿曲线的属性信息;通过定位设备获取本车的初始位姿,所述初始位姿包括本车的经纬度及航向的定位信息;地图模块根据定位设备获取的本车定位信息提取周围设定范围内的高精地图数据,提取的高精地图数据中包含车道线和路沿曲线的地图形点及属性信息。
3.根据权利要求2所述的基于视觉与地图车道线匹配的定位位姿校准方法,其特征在于,步骤1)中,车道线和路沿曲线的属性信息包括颜色和线型,且将车辆前视摄像头获取的车道线和路沿曲线均表示为车辆坐标系下的三次曲线:
y=C0+C1x+C2x2+C3x3:
式中:y为车辆前视摄像头获取的车道线或路沿曲线在车辆坐标系中的车辆横移方向坐标;x为车辆前视摄像头获取的车道线或路沿曲线在车辆坐标系中的车辆行进方向坐标;C0、C1、C2、C3为常数。
4.根据权利要求2所述的基于视觉与地图车道线匹配的定位位姿校准方法,其特征在于,步骤2)中,将定位设备输出的本车的初始位姿投射到高精地图中,然后根据本车位置经纬度点和高精地图中车道线地图形点的几何位置关系,初步确定本车所在车道。
5.根据权利要求4所述的基于视觉与地图车道线匹配的定位位姿校准方法,其特征在于,步骤2)中还包括对本车所在车道进行修正的方法,该方法包括车辆前视摄像头视角范围内所有车道线的属性信息与高精地图相应车道线属性信息的匹配、以及车辆前视摄像头检测到的本车所在车道的车道线距路沿曲线的距离与高精地图中相应车道距路沿曲线的距离的匹配。
6.根据权利要求5所述的基于视觉与地图车道线匹配的定位位姿校准方法,其特征在于,步骤3)中,利用车辆前视摄像头检测的车道线与高精地图提供的车道线间的匹配偏差,计算对定位设备提供的本车的初始位姿进行校准的修正量。
7.根据权利要求6所述的基于视觉与地图车道线匹配的定位位姿校准方法,其特征在于,步骤3)中包括以下步骤:
步骤3.1)设置车辆坐标系,将高精地图的车道线形点转换到车辆坐标系下,形成点集;
步骤3.2)从点集中选取N个点构成源点集,并对车辆前视摄像头获取的视觉车道线进行采样,构成源点集的对应点集即目标点集;
步骤3.3)采用两点间的距离表示偏差并构造目标函数,求解从源点集到目标点集的旋转平移变换矩阵;
步骤3.4)设定偏差的容忍值;
步骤3.5)利用旋转平移变换矩阵将点集中的所有点映射到目标点集的坐标系下新点集;
步骤3.6)计算新点集的所有点到对应的视觉车道线上最近点的偏差,找到偏差在容忍值内的点对;
步骤3.7)偏差在容忍值内的点对数量是否大于设定值,若是则利用偏差在容忍值内的点对构成新源点集和新目标点集,并重新计算从新源点集到新目标点集的旋转平移变换矩阵,该旋转平移变换矩阵即为修正量,并停止计算;若否则返回执行步骤3.2);
步骤3.8)设置最大迭代次数,当迭代次数达到最大迭代次数时停止迭代,并输出本车位姿及航向的修正量。
8.根据权利要求7所述的基于视觉与地图车道线匹配的定位位姿校准方法,其特征在于,步骤4)中,根据步骤3)中求得的本车位姿的修正量和定位设备提供的本车初始位姿,计算得到修正后本车的位姿并输出。
9.一种汽车,其特征在于,采用如权利要求1到8任一所述的基于视觉与地图车道线匹配的定位位姿校准方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210188413.1A CN114396957B (zh) | 2022-02-28 | 2022-02-28 | 基于视觉与地图车道线匹配的定位位姿校准方法及汽车 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210188413.1A CN114396957B (zh) | 2022-02-28 | 2022-02-28 | 基于视觉与地图车道线匹配的定位位姿校准方法及汽车 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114396957A CN114396957A (zh) | 2022-04-26 |
CN114396957B true CN114396957B (zh) | 2023-10-13 |
Family
ID=81235162
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210188413.1A Active CN114396957B (zh) | 2022-02-28 | 2022-02-28 | 基于视觉与地图车道线匹配的定位位姿校准方法及汽车 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114396957B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115143996B (zh) * | 2022-09-05 | 2023-01-17 | 北京智行者科技股份有限公司 | 定位信息修正方法及电子设备和存储介质 |
CN115235500B (zh) * | 2022-09-15 | 2023-04-14 | 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 |
WO2024092559A1 (zh) * | 2022-11-02 | 2024-05-10 | 华为技术有限公司 | 一种导航方法及相应装置 |
CN116793369B (zh) * | 2023-02-10 | 2024-03-08 | 北京斯年智驾科技有限公司 | 路径规划方法、装置、设备及计算机可读存储介质 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2020030362A (ja) * | 2018-08-23 | 2020-02-27 | 三菱電機株式会社 | 地図データ、コンピュータ読取可能な記録媒体および地図データ生成装置 |
JP2020030277A (ja) * | 2018-08-21 | 2020-02-27 | 三菱電機株式会社 | 地図データ、コンピュータ読取可能な記録媒体および地図データ生成装置 |
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 |
CN111507129A (zh) * | 2019-01-31 | 2020-08-07 | 广州汽车集团股份有限公司 | 车道级定位方法及系统、计算机设备、车辆、存储介质 |
CN111639593A (zh) * | 2020-05-28 | 2020-09-08 | 东软睿驰汽车技术(沈阳)有限公司 | 车道线标签处理方法及装置 |
CN112833891A (zh) * | 2020-12-31 | 2021-05-25 | 武汉光庭信息技术股份有限公司 | 基于卫片识别的道路数据与车道级地图数据的融合方法 |
CN113701781A (zh) * | 2021-09-30 | 2021-11-26 | 重庆长安汽车股份有限公司 | 一种基于高精地图和视觉车道线的匹配车道搜索方法 |
CN113739811A (zh) * | 2021-09-03 | 2021-12-03 | 阿波罗智能技术(北京)有限公司 | 关键点检测模型的训练和高精地图车道线的生成方法设备 |
CN113971793A (zh) * | 2020-07-07 | 2022-01-25 | 蘑菇车联信息科技有限公司 | 一种高精度车道线编号方法及装置 |
CN114034307A (zh) * | 2021-11-19 | 2022-02-11 | 智道网联科技(北京)有限公司 | 基于车道线的车辆位姿校准方法、装置和电子设备 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
RU2687103C1 (ru) * | 2015-08-28 | 2019-05-07 | Ниссан Мотор Ко., Лтд. | Устройство оценки положения транспортного средства и способ оценки положения транспортного средства |
-
2022
- 2022-02-28 CN CN202210188413.1A patent/CN114396957B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2020030277A (ja) * | 2018-08-21 | 2020-02-27 | 三菱電機株式会社 | 地図データ、コンピュータ読取可能な記録媒体および地図データ生成装置 |
JP2020030362A (ja) * | 2018-08-23 | 2020-02-27 | 三菱電機株式会社 | 地図データ、コンピュータ読取可能な記録媒体および地図データ生成装置 |
CN111507129A (zh) * | 2019-01-31 | 2020-08-07 | 广州汽车集团股份有限公司 | 车道级定位方法及系统、计算机设备、车辆、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 |
CN111639593A (zh) * | 2020-05-28 | 2020-09-08 | 东软睿驰汽车技术(沈阳)有限公司 | 车道线标签处理方法及装置 |
CN113971793A (zh) * | 2020-07-07 | 2022-01-25 | 蘑菇车联信息科技有限公司 | 一种高精度车道线编号方法及装置 |
CN112833891A (zh) * | 2020-12-31 | 2021-05-25 | 武汉光庭信息技术股份有限公司 | 基于卫片识别的道路数据与车道级地图数据的融合方法 |
CN113739811A (zh) * | 2021-09-03 | 2021-12-03 | 阿波罗智能技术(北京)有限公司 | 关键点检测模型的训练和高精地图车道线的生成方法设备 |
CN113701781A (zh) * | 2021-09-30 | 2021-11-26 | 重庆长安汽车股份有限公司 | 一种基于高精地图和视觉车道线的匹配车道搜索方法 |
CN114034307A (zh) * | 2021-11-19 | 2022-02-11 | 智道网联科技(北京)有限公司 | 基于车道线的车辆位姿校准方法、装置和电子设备 |
Non-Patent Citations (2)
Title |
---|
单目视觉车道偏离报警系统;祝莹莹;周荣政;;数字技术与应用(08);全文 * |
基于单目视觉的智能车路口实时定位方法;郑永荣;袁家政;刘宏哲;李超;;计算机工程(09);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN114396957A (zh) | 2022-04-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114396957B (zh) | 基于视觉与地图车道线匹配的定位位姿校准方法及汽车 | |
CN108802785B (zh) | 基于高精度矢量地图和单目视觉传感器的车辆自定位方法 | |
CN109166140B (zh) | 一种基于多线激光雷达的车辆运动轨迹估计方法及系统 | |
CN109752701A (zh) | 一种基于激光点云的道路边沿检测方法 | |
CN105676253A (zh) | 一种自动驾驶中基于城市道路标线地图的纵向定位系统及其方法 | |
CN107328423B (zh) | 基于地图数据的弯道识别方法及其系统 | |
CN110766760B (zh) | 用于相机标定的方法、装置、设备和存储介质 | |
CN112347205B (zh) | 一种车辆误差状态的更新方法和装置 | |
Shunsuke et al. | GNSS/INS/on-board camera integration for vehicle self-localization in urban canyon | |
CN112819711B (zh) | 一种基于单目视觉的利用道路车道线的车辆反向定位方法 | |
CN110728720B (zh) | 用于相机标定的方法、装置、设备和存储介质 | |
CN113920198B (zh) | 一种基于语义边缘对齐的由粗到精的多传感器融合定位方法 | |
CN115265493B (zh) | 一种基于非标定相机的车道级定位方法及装置 | |
CN112136021A (zh) | 用于构建基于地标的高清地图的系统和方法 | |
CN113740871A (zh) | 一种在高动态环境下的激光slam方法、系统设备及存储介质 | |
JP2023164553A (ja) | 位置推定装置、推定装置、制御方法、プログラム及び記憶媒体 | |
CN115792894A (zh) | 一种多传感器融合车辆目标跟踪方法、系统及存储介质 | |
CN115063465A (zh) | 一种基于激光雷达的无人车行驶路况建模方法 | |
CN113566817B (zh) | 一种车辆定位方法及装置 | |
JP7203805B2 (ja) | 移動体の定位誤差の分析 | |
WO2021063756A1 (en) | Improved trajectory estimation based on ground truth | |
CN116704458A (zh) | 一种自动驾驶商用车横向定位方法 | |
CN114705199A (zh) | 一种车道级融合定位方法及系统 | |
US11477371B2 (en) | Partial image generating device, storage medium storing computer program for partial image generation and partial image generating method | |
WO2022133986A1 (en) | Accuracy estimation method and system |
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 |