CN114593739B - 基于视觉检测与参考线匹配的车辆全局定位方法及装置 - Google Patents
基于视觉检测与参考线匹配的车辆全局定位方法及装置 Download PDFInfo
- Publication number
- CN114593739B CN114593739B CN202210265703.1A CN202210265703A CN114593739B CN 114593739 B CN114593739 B CN 114593739B CN 202210265703 A CN202210265703 A CN 202210265703A CN 114593739 B CN114593739 B CN 114593739B
- Authority
- CN
- China
- Prior art keywords
- road
- vehicle
- line
- calculating
- 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
- 238000000034 method Methods 0.000 title claims abstract description 77
- 230000000007 visual effect Effects 0.000 title claims abstract description 48
- 238000001514 detection method Methods 0.000 title claims abstract description 44
- 239000013598 vector Substances 0.000 claims description 65
- 238000005070 sampling Methods 0.000 claims description 44
- 238000004364 calculation method Methods 0.000 claims description 14
- 238000004590 computer program Methods 0.000 claims description 8
- 238000012544 monitoring process Methods 0.000 claims description 5
- 238000012806 monitoring device Methods 0.000 claims description 3
- 238000011179 visual inspection Methods 0.000 claims 6
- 230000007613 environmental effect Effects 0.000 abstract description 5
- 238000006243 chemical reaction Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 230000011218 segmentation Effects 0.000 description 2
- 238000009435 building construction Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000000126 substance Substances 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
- G01C21/26—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
-
- 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
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/10—Internal combustion engine [ICE] based vehicles
- Y02T10/40—Engine management systems
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
本发明公开一种基于视觉检测与参考线匹配的车辆全局定位方法及装置,该方法步骤包括:在车辆行驶过程中采集道路环境图像分割出道路区域,在道路区域栅格图中生成道路指引线;获取全局参考线以及车辆的GPS初始位置;计算全局参考线上距离所述GPS初始位置最近的参考点,得到最近参考点;计算道路指引线与车辆前进方向之间的夹角;根据计算的道路指引线与车辆前进方向之间的夹角,计算道路区域栅格图中车体中心与道路中心线的距离;根据夹角、距离以及最近参考点,得到大地坐标系下最终的定位信息输出。本发明具有实现方法简单、成本低、效率以及精度高且环境适应性强等优点。
Description
技术领域
本发明涉及车辆定位导航技术领域,尤其涉及一种基于视觉检测与参考线匹配的车辆全局定位方法、装置及介质。
背景技术
无人驾驶车辆或自动驾驶车辆在行驶过程中,需要自动识别出道路区域并定位出车辆在道路中的位置,进而由车辆的决策层根据车辆的位置以及道路环境规划出车辆行驶路径。全局定位即为初始位置未知,靠车辆的自身运动估计出车辆当前的位置信息。
现有技术中车辆自动驾驶通常是采用以下方式实现全局定位:
1、利用GPS信号或者组合GPS与IMU(惯导)进行全局定位,定位得到车辆当前的全局位置。但是直接使用GPS信号定位,由于地球大气层的干扰、多路径效应等会带来误差,使得定位得到的坐标与实际的坐标值之间会存在一定的偏差,且在GPS信号弱时上述偏差将更为明显,即就不适用于道路周边存在较多建筑物、树木或者隧道等GPS信号弱的环境中;组合导航定位方式需要使用多个传感器,实现成本较高且定位过程较为复杂。
2、利用高精度地图与实时的现场点云数据进行匹配定位的方法,即通过构建高精度地图,然后与实时对现场采集的点云数据进行特征匹配,得到全局坐标。但是高精度地图的制作成本高,点云数据特征匹配需要消耗大量的计算资源,且还会存在对周边环境频繁变化适应力差等问题,如当道路周围环境发生改变时(如道路附近进行建筑施工等),上述方法将无法正确的实现定位。
综上,现有技术中车辆全局定位方法实现复杂且成本高,需要复杂的制图、特征点匹配等过程,致使定位效率低、计算开销大,同时环境适应性差,且在GPS信号弱等的环境中定位会易于产生偏差,在道路周边存在较多建筑物、树木或者隧道等GPS信号弱的环境中定位精度不高。
发明内容
本发明要解决的技术问题就在于:针对现有技术存在的技术问题,本发明提供一种实现方法简单、成本低、效率以及精度高且环境适应性强的基于视觉检测与参考线匹配的车辆全局定位方法、装置及介质,能够在道路周边存在较多建筑物、树木或者隧道等各类GPS信号弱的场景中,实现精准、快速的车辆定位。
为解决上述技术问题,本发明提出的技术方案为:
一种基于视觉检测与参考线匹配的车辆全局定位方法,步骤包括:
在车辆行驶过程中采集道路环境图像分割出道路区域,在道路区域栅格图中生成道路指引线;
获取全局参考线以及车辆的GPS初始位置,所述全局参考线为预先获取的目标路线的GPS信号点集;
在所述全局参考线上定位出距离所述GPS初始位置最近的参考点,得到最近参考点;
计算所述道路指引线与车辆前进方向之间的夹角;
根据计算的所述道路指引线与车辆前进方向之间的夹角,计算所述道路区域栅格图中车体中心与道路中心线之间的距离;
根据所述道路指引线与车辆前进方向之间的夹角、所述车体中心与道路中心线之间的距离以及所述最近参考点,得到大地坐标系下最终的定位信息输出。
进一步的,所述在所述全局参考线上定位出距离所述GPS初始位置最近的参考点包括:
在所述全局参考线间隔取多个采样点;
计算第一个采样点和最后一个采样点与GPS初始位置之间的坐标差值;;
根据计算出的所述差值定位到所述全局参考线上两个以上的局部定位点;
分别将所述全局参考线上各个所述局部定位点附近指定范围内的坐标点与所述GPS初始位置进行差值比较;
取比较结果中差值最小的坐标点作为所述最近参考点。
进一步的,所述计算所述道路指引线与车辆前进方向之间的夹角包括:
以车体坐标系下车体中心坐标作为圆点,并在所述道路指引线上取两个以上的采样点;
由每两个所述采样点形成一个第一向量,以及以所述车体中心为起点朝车辆前进方向取一个第二向量,分别计算各所述第一向量与所述第二向量之间的夹角;
根据各所述第一向量与所述第二向量之间的夹角,得到所述道路指引线与车辆前进方向之间的夹角。
进一步的,所述计算所述道路指引线与车辆前进方向之间的夹角后,还包括计算所述夹角的方向,步骤包括:
以垂直于地面向上为Z轴正方向构建三维坐标系;
在构建的所述三维坐标系中,对所述第二向量和一个所述第一向量的Z轴进行赋值以扩展为三维形式,得到扩展后第一向量、扩展后第二向量;
计算所述扩展后第一向量、扩展后第二向量的叉积,根据叉积的正负判断所述偏航角的方向
进一步的,所述计算车体中心与道路中心线的距离和/或车体中心与道路左右边界的距离的步骤包括:
在车体坐标系中以车体中心点坐标作为圆点,并在车体中心正前方指定距离处取一目标点C,过所述目标点C构建一条直线LC,所述直线LC的斜率KC为-tanθ,其中θ为所述道路指引线与车辆前进方向之间的夹角;
根据道路边界点的坐标序列计算在所述直线LC上的左右道路边界点的坐标;
根据所述左右道路边界点的坐标,分别计算出所述左右道路边界点距离所述目标点C的距离;
根据所述左右道路边界点距离所述目标点C的距离,计算出所述车体中心与道路中心线之间的距离。
进一步的,分别按照下式计算得到目标点C与道路左边界之间的第一距离dl c、目标点与道路右边界之间的第二距离dr c:
其中,分别为道路左边界点的横坐标、纵坐标,xc、yc分别为目标点C的横坐标、纵坐标,/>分别为道路左边界点的横坐标、纵坐标;
使用所述第一距离dl c、离二距离dr c对车体中心距道路左右边界的距离值的误差进行补偿,按照下式计算出车体中心距道路左右边界的第三距离dl和第四距离dr:
按照式D=dl+dr计算得到道路的实际宽度D,以及按照式(DR-DL)/2计算得到车体中心离道路中心线的距离b。
进一步的,根据所述道路指引线与车辆前进方向之间的夹角、所述车体中心与道路中心线之间的距离以及所述最近参考点,得到大地坐标系下最终的定位信息输出包括:按照式计算得到大地坐标系下横坐标xv,按照式/>计算得到大地坐标系下纵坐标yv,以及按照式/>计算得到大地坐标系下偏航角/>其中xr m、yr m、/>分别为所述最近参考点的横坐标、纵坐标、大地坐标系下的偏航角,xi r,yi r,/>分别为转换前全局参考线坐标点的横坐标、纵坐标、大地坐标系下的偏航角,θ为所述转换后全局参考线与所述道路指引线之间的夹角,b为所述车体中心与道路中心线之间的距离。
一种车辆全局定位方法,步骤包括:
实时检测GPS信号的接收状态,如果检测到能够正常接收到GPS信号且GPS信号的强度大于预设阈值,则按照上述基于视觉检测与参考线匹配的车辆全局定位方法进行定位;如果检测到无法正常接收到GPS信号或接收到的GPS信号的强度低于预设阈值,则转入基于视觉检测信息的车辆定位方法以利用视觉检测信息进行车辆定位方法;
所述基于视觉检测信息的车辆定位方法的步骤具体为:
在车辆行驶过程中采集道路环境图像,分割出道路区域后生成道路指引线;
计算道路指引线与车辆前进方向之间的夹角;
根据计算的道路指引线与车辆前进方向之间的夹角,计算车体中心与道路中心线之间的距离;
根据道路指引线与车辆前进方向之间的夹角、车体中心与道路中心线之间的距离,得到大地坐标系下最终的定位信息输出。
一种基于视觉检测与参考线匹配的车辆全局定位装置,包括:
视觉检测模块,用于在车辆行驶过程中采集道路环境图像分割出道路区域,在道路区域栅格图中生成道路指引线;
获取模块,用于获取全局参考线的数据以及车辆的GPS初始位置,所述全局参考线为预先获取的目标路线的GPS信号点集;
参考点定位模块,用于计算所述全局参考线上距离所述GPS初始位置最近的参考点,得到最近参考点;
夹角计算模块,用于计算所述道路指引线与车辆前进方向之间的夹角;
距离计算模块,用于根据计算的所述道路指引线与车辆前进方向之间的夹角,计算道路区域栅格图中车体中心与道路中心线之间的距离;
定位输出模块,用于根据所述夹角、所述距离以及所述最近参考点,得到大地坐标系下最终的定位信息输出;
或者基于视觉检测与参考线匹配的车辆全局定位装置,包括处理器以及存储器,所述存储器用于存储计算机程序,所述处理器用于执行所述计算机程序,所述处理器用于执行所述计算机程序以执行如上述方法。
一种车辆全局定位系统,包括:
GPS信号状态监测装置,用于实时监测车辆上GPS信号的接收状态,如果检测到能够正常接收到GPS信号且GPS信号的强度大于预设阈值,则转入执行第一定位模块;如果检测到无法正常接收到GPS信号或接收到的GPS信号的强度低于预设阈值,则转入第二定位模块;
第一定位装置于按照上述基于视觉检测与参考线匹配的车辆全局定位方法进行车辆定位;
第二定位装置于按照上述基于视觉检测信息方法的定位步骤进行车辆定位。
与现有技术相比,本发明的优点在于:
1、本发明基于视觉检测方式,通过采集道路环境图像分割出道路区域,生成道路指引线,根据道路指引线与车辆前进方向之间的夹角,定位出车体中心在道路区域中的位置,同时结合全局参考线进行匹配,基于GPS初始位置先在全局参考线上定位最近参考点,然后基于定位出的车辆在道路区域中位置以及最近参考点来最终得到大地参考系下的定位信息,能够实现低成本、高精度的全局定位,无需复杂的制图、特征匹配等过程即可以快速的实现定位,且不会受环境变化的影响,由于不需要依赖实时的GPS信号,因而在隧道、桥下等GPS信号弱或无法获取GPS信号的场景中仍然可以实现精准定位,尤其适用于高速公路、直道较多或者曲率较小的弯道等非复杂场景下,能保持高效、稳定的定位输出。
2、本发明进一步通过采用GPS初始位置与全局参考线上采样点首尾值进行差值计算的方式,定位出全局参考线上的最近参考点,计算效率高、耗时少,可以快速定位出最近参考点,尤其适用于高速公路、直道较多或者曲率较小的弯道等非复杂场景。
3、本发明进一步通过在车体中心正前方一定距离取一目标点C构建直线,利用直线以及道路指引线与车辆行驶方向之间夹角的信息计算出左右道路边界点的坐标,进而计算出左右道路边界点距离目标点C的距离,从而计算出车体中心与道路中心线之间的距离,可以充分利用车辆前进方向与道路指引线之间的夹角、道路边界点信息快速、准确的定位出车辆在道路区域栅格图中的位置。
4、本发明进一步通过在GPS信号弱或者无法接收到GPS信号的场景下,切换直接使用视觉检测信息进行定位,即直接基于道路指引线计算与车辆前进方向之间的夹角,基于夹角定位车辆在道路区域栅格图中的位置,使得可以不依赖于GPS信号即可实现车辆定位,从而可在隧道、桥下等GPS信号弱等场景下保持稳定、精准的车辆定位输出。
附图说明
图1是本发明实施例1基于视觉检测与参考线匹配的车辆全局定位方法的实现流程示意图。
图2是本发明实施例1中实现全局定位的原理示意图。
图3是本发明实施例1中最近参考点定位的实现流程示意图。
图4是本发明实施例1中横向距离计算的原理示意图。
图5是本发明实施例1中实现车辆全局定位的详细流程示意图。
图6是本发明实施例2中实现车辆定位的流程示意图。
具体实施方式
以下结合说明书附图和具体优选的实施例对本发明作进一步描述,但并不因此而限制本发明的保护范围。
实施例1:
如图1所示,本实施例基于视觉检测与参考线匹配的车辆全局定位方法的步骤包括:
S01.在车辆行驶过程中采集道路环境图像分割出道路区域,在道路区域栅格图中生成道路指引线,道路指引线即为根据道路区域的栅格图生成的道路中心线中以作为道路指引;
S02.获取全局参考线以及车辆的GPS初始位置,全局参考线为预先获取的目标路线的GPS信号点集,GPS初始位置即为由GPS信号提供的初始位置点信息;
S03.计算全局参考线上距离GPS初始位置最近的参考点,得到最近参考点;
S04.计算道路指引线与车辆前进方向之间的夹角;
S05.根据计算的道路指引线与车辆前进方向之间的夹角,计算道路区域栅格图中车体中心与道路中心线的距离;
S06.根据夹角、距离以及最近参考点,得到大地坐标系下最终的定位信息输出。
本实施例基于视觉检测方式,通过采集道路环境图像分割出道路区域,生成道路指引线,根据道路指引线与车辆前进方向之间的夹角,定位出车体中心在道路区域中的位置,同时结合全局参考线进行匹配,基于GPS初始位置先在全局参考线上定位最近参考点,然后基于定位出的车辆在道路区域中位置(道路指引线与车辆前进方向之间的夹角、车体中心与道路中心线之间的距离)以及最近参考点来最终得到大地参考系下的定位信息,能够实现低成本、高精度的全局定位优化,无需复杂的制图、特征匹配等过程即可以快速的实现定位,提高全局优化的定位精度以及效率,且不会受环境变化的影响,由于不需要依赖实时的GPS信号,因而在隧道、桥下等GPS信号弱或无法获取GPS信号的场景中仍然可以实现精准定位,尤其适用于高速公路、直道较多或者曲率较小的弯道等非复杂场景下,能保持高效、稳定的定位输出。
本实施例步骤S01中,具体先提取道路区域的轮廓信息,将分割出的道路区域投影到车体坐标系下得到栅格图,对栅格图进行处理,获取所有的图像轮廓,取所有的图像轮廓中面积最大的轮廓包围区域作为道路区域轮廓;然后从道路区域栅格图的轮廓信息中提取道路左右边界的点集,根据道路左右边界的点集,计算多个道路中间点的坐标,再根据各个道路中间点的坐标生成视觉道路指引线,如可以采用在各道路中间点之间插入参数三次样条曲线的方式生成得到视觉道路指引线。
本实施例步骤S02中具体获取两部分信息:GPS信号以及全局参考线坐标点集/>其中xg,yg,/>confg分别表示在东-北-天(e-n-u)坐标系下位置点的横坐标、纵坐标、东-北-天(e-n-u)坐标系下的偏航角以及该信号的置信度;全局参考线也即为路线对应的历史GPS坐标点集,其中xi r,yi r,/>分别表示全局参考线上坐标点的横坐标、纵坐标、东-北-天(e-n-u)坐标系下的偏航角;具体可使用高精度的GPS定位装置提前录制相应的目标路线的GPS信号点集,得到全局参考线坐标点集/>在具体应用实施例中得到的全局参考线如图2中左侧曲线所示。
上述步骤S01、步骤S02的执行顺序也可以为同步执行,即同步获取GPS信号、全局参考线信息以及采集道路环境图像分割出道路区域并进行道路指引线生成,具体的执行时序可以根据实际配置。
如图3所示,本实施例中步骤S3在全局参考线上定位出距离GPS初始位置最近的参考点的具体步骤包括:
S301.在全局参考线间隔取多个采样点;
S302.分别计算第一个采样点、最后一个采样点与GPS初始位置之间坐标的差值;
S303.根据步骤S302计算出的差值定位到全局参考线上两个以上的局部定位点;
S304.分别将全局参考线上各个局部定位点附近指定范围内的坐标点与GPS初始位置进行差值比较;
S305.取比较结果中差值最小的坐标点作为最近参考点。
本实施例利用采样点集具有连续录取特性,通过采用GPS初始位置与全局参考线上采样点首尾值进行差值计算的方式,定位出全局参考线上的最近参考点,计算效率高、耗时少,可以快速定位出最近参考点,尤其适用于高速公路、直道较多或者曲率较小的弯道等非复杂场景。
考虑到采样坐标值可能反方向保存,因此同时取采样点集中第一个坐标点和最后一个坐标点进行最近参加点的求解。上述步骤S302中具体分别计算第一个采样点、最后一个采样点与GPS初始位置之间横、纵坐标值的差值的和,即第一个采样点与GPS初始位置之间横坐标差值与纵坐标差值的和,以及最后一个采样点与GPS初始位置之间横坐标差值与纵坐标差值的和。
上述步骤S303中,具体根据步骤S302计算出的差值和定位到全局参考线上两个局部定位点,其中由第一个坐标点与GPS初始位置的差值的和作为第一索引值定位到第一局部定位点,由最后一个采样点与GPS初始位置的差值的和定位到第二局部定位点。
在具体应用实施例中,上述定位最近参考点时,首先连续在全局参考线间隔取多个采样点构成采样点集,然后取两个局部定位点来确定最近参考点,取采样点集中第一个坐标点和最后一个坐标点,分别计算取到的两个坐标点的横纵坐标值与GPS信号给出的初始位置的横纵坐标值的差值的和,即每个坐标点分别与GPS初始位置的对应坐标值计算差值,然后取所有差值(横坐标的差值与纵坐标的差值)的和;将上述采样点集中第一个坐标点与GPS初始位置的差值的和直接作为采样点集的第一索引值,基于该第一索引值在全局参考线的点集中查找得到第一个局部定位点;然后将全局参考线采样点数量值减去采样点集中最后一个坐标点与GPS初始位置差值的和得到第二索引值,基于该第二索引值从全局参考线的点集中查找得到第二个局部定位点,至此定位到全局参考线的两个局部定位点。然后比较两个局部定位点前后多个定位点与GPS初始位置的横、纵坐标之间的差值的和,选取差值和最小的坐标点即为定位到的最近参考点。
例如,假设采样点集中第一个坐标点的坐标为(30000,6000),最后一个点的坐标为(29999,6000),GPS给出的坐标初始值为(30003,6010),则计算出的第一个坐标点与GPS初始值的差值和为13,则第一索引值为13,令索引值为13找到采样点集中第14个点(坐标为(30003,6010)),即为第一局部定位点;GPS初始值与最后一个点的坐标差值和为14,采样点集总数量为400,则第二索引值为386,在采样集中找到第387个点(坐标为(29996,6010))即为第二局部定位点。
本实施例通过上述步骤,可以适用于高速公路、直道较多或者曲率较小的弯道等非复杂场景下快速、高效的定位出最近参考点。
可以理解的是,在具体应用实施例中也可以根据实际需求取三个以上的局部定位点,以进一步提高最近参考点确定的精度。
本实施例中,步骤S04计算道路指引线与车辆前进方向之间的夹角包括:
S401.以车体坐标系下车体中心坐标作为圆点,并在道路指引线上取两个以上的采样点;
S402.由每两个采样点形成一个第一向量,以及以车体中心为起点朝车辆前进方向取一个第二向量,分别计算各第一向量与第二向量之间的夹角;
S403.根据各第一向量与第二向量之间的夹角,得到道路指引线与车辆前进方向之间的夹角。
本实施例通过道路指引线上取多个采样点所形成多个第一向量,综合各个第一向量与车辆前进方向的第二向量之间的夹角来最终确定一个夹角值作为最终夹角,可以快速、简单的计算出视觉道路指引线与车辆行驶方向之间的夹角,同时可以避免单一角度计算造成计量误差,有效提高计算精度。
本实施例步骤S04计算道路指引线与车辆前进方向之间的夹角后,还包括计算夹角的方向,步骤包括:
S411.以垂直于地面向上为Z轴正方向构建三维坐标系;
S412.在构建的三维坐标系中,对第二向量和一个第一向量的Z轴进行赋值以扩展为三维形式,得到扩展后第一向量、扩展后第二向量;
S413.计算扩展后第一向量、扩展后第二向量的叉积,根据叉积的正负判断偏航角的方向
上述步骤S413中,具体如果计算得到的叉积为正,表明道路指引线与车辆行驶方向之间的夹角θ的值为正,则判定车辆车头的朝向相对于路面为左,反之如果计算得到的叉积为负,表明道路指引线与车辆行驶方向之间的夹角θ的值为负,则判定车辆车头的朝向相对于路面为右。
在具体应用实施例中,计算道路指引线与车辆行驶方向之间的夹角θ以及方向的详细步骤为:
(a)以车体坐标系车体中心(0,0)坐标为起点,在道路指引线上取四个采样点,各采样点相对应的坐标表示为(xts1,yts1)、(xts2,yts2)、(xts3,yts3)、(xts4,yts4)。
(b)将车体坐标系点(xts1,yts1)到点(xts2,yts2)的向量表示为bts1,将车体坐标系点(xts2,yts2)到点(xts3,yts3)的向量表示为bts2,以及将车体坐标系点(xts3,yts3)到点(xts4,yts4)的向量表示为bts3,并将车辆前进方向的向量定义为am,分别计算bts1,bts2,bts3和am之间的夹角:
(c)按照式(2)计算θ1、θ2、θ3的平均值得到最终的夹角θ,即为所求的车体坐标系下道路指引线与车辆前进方向的夹角。
θ=(θ1+θ2+θ3)/3=(acrcos(co8θ1)+acrcos(cosθ2)+acrcos(cosθ3))/3 (2)
(d)以垂直于地面向上为Z轴正方向构建三维坐标系,将向量am和向量bts3的Z轴的值赋值为0从而扩展为三维形式,计算新构建的向量Am和向量Bts3叉积,计算公式具体为:
当计算得到的叉积为正时,即θ的值为正,判定车辆车头的朝向相对于路面为左,反之θ的值为负,判定车辆车头的朝向相对于路面为右。
上述采样点的取值数量、采样点的位置、车辆前进方向的向量等均可以根据实际需求配置,最终夹角也可以采用除均值外的其他统计值来计算,如方差等。
本实施例中,步骤S05计算车体中心与道路中心线之间的距离的步骤包括:
S501.在车体坐标系中以车体中心点坐标作为圆点,并在车体中心正前方指定距离处取一目标点C,过目标点C构建一条直线LC,直线LC的斜率KC为-tanθ,其中θ为道路指引线与车辆前进方向之间的夹角;
S502.根据道路边界点的坐标序列计算在直线LC上的左右道路边界点的坐标;
S503.根据左右道路边界点的坐标,分别计算出左右道路边界点距离目标点C的距离;
S504.根据左右道路边界点距离目标点C的距离,计算出车体中心与道路中心线之间的距离。
本实施例通过在车体中心正前方一定距离取一目标点C构建直线LC,利用直线LC以及道路指引线与车辆行驶方向之间夹角的信息计算出左右道路边界点的坐标,进而计算出左右道路边界点距离目标点C的距离,利用该左右道路边界点距离目标点C的距离即可计算出车体中心距离左右道路边界的距离、车体中心与道路中心线之间的距离,可以充分利用车辆前进方向与道路指引线之间的夹角、道路边界点信息快运、准确的定位出车辆在道路区域栅格图中的位置。
本实施例中,分别按照下式计算得到目标点C与道路左边界之间的第一距离dl c、目标点与道路右边界之间的第二距离dr c:
其中,分别为道路左边界点的横坐标、纵坐标,xc、yc分别为目标点C的横坐标、纵坐标,/>分别为道路左边界点的横坐标、纵坐标;
使用第一距离dl c、第二距离dr c对车体中心距道路左右边界的距离值的误差进行补偿,按照下式计算出车体中心距道路左右边界的第三距离dl和第四距离dw:
按照式D=dl+dr计算得到道路的实际宽度D,以及按照式(DR-DL)/2计算得到车体中心离道路中心线的距离b。
如图4所示,本实施例首先在车体坐标系上车体中心A点坐标为圆点(0,0),考虑到视觉摄像头的视野范围最近处在车体中心前方7米处,取车体中心正前方7米处坐标C点(0,7)作为目标点,C点平行于X坐标轴(Y轴为车辆前进方向)的直线与两侧对应左右边界的交点分别为D点(xbl 0,ybl 0)和E点(xbr 0,ybr 0),根据车辆相对道路方向的偏航角,按照公式(4)可计算得到C点距离左边界的距离为线段CF的大小,即第一dl c,根据公式(5)可求得C点距离右边界的距离为线段CG的大小,即第二距离dr c,进而对车体中心到视野范围最近处的缺失造成的车体中心距左右边界的距离值的误差进行补偿,使得B点距左右边界的距离为更为精确的估计值,按照公式(6)和公式(7)计算车体中心距左右边界的距离分别为线段BF和BG的大小,分别为第三距离d1和第四距离dr,进一步可计算得到道路的实际宽度D,以及计算车体中心离道路中心线的距离b为(DR-DL)/2。
本实施例中,步骤S06中根据道路指引线与车辆行驶方向的夹角θ、车体中心与道路中心线之间的距离b以及最近参考点,得到大地坐标系下最终的定位信息输出包括:按照式计算得到大地坐标系下横坐标xv,按照式/>计算得到大地坐标系下纵坐标yv,以及按照式/>计算得到大地坐标系下偏航角/>其中xr m、yr m、/>分别为最近参考点的横坐标、纵坐标、大地坐标系下的偏航角,xi r,yi r,/>分别为转换前全局参考线坐标点的横坐标、纵坐标、大地坐标系下的偏航角,θ为转换后全局参考线与道路指引线之间的夹角,b为车体中心离道路中心线的距离。
在具体应用实施例中,将步骤S05得到的车体坐标系的车辆的定位值转换至东-北-天(e-n-u)坐标系下,得到上述最终的定位信息输出xv,yv,/>计算方式如上所述,confv的值为道路边界点集对应在道路语义分割推理中属于道路类别的概率值集的平均值。进一步可将计算得到的道路宽度值和得到的新的定位输出/>输出至车辆规划控制层,以控制车辆进行路线规划。
本发明上述步骤S01~805之间的执行顺序可以按顺序执行,也采用其他执行顺序,如各步骤可以同步执行,也可以设置执行时序先后执行,具体可以根据实际需求配置。
以下以在具体应用实施例中采用本发明上述方法实现车辆全局定位为例对本发明进行进一步说明。
如图5所示,本实施例基于视觉检测实现车辆全局定位的详细步骤为:
步骤1:输入数据:(1)GPS信号(2)车体坐标系下包含道路区域的栅格图以及栅格图上道路边界的坐标点,以及预先生成的视觉指引线的坐标点;(3)提前录制的全局参考线坐标点集/>
步骤2:最近参考点定位:根据GPS信号给出的初始位置,计算全局参考线上距离GPS初始位置点最近的参考点。
在全局参考线上连续间隔取多个坐标点形成采样点集,取采样点集中的第一个坐标点和最后一个坐标点,分别计算这两个点的横纵坐标值与GPS初始位置点的横纵坐标值(xg,yg)的差值的和,根据差值(作为点集的索引值坐标)定位到全局参考线的两个局部定位点,然后对比两个局部定位点前后5个定位点与GPS初始位置点的横纵坐标值(xg,yg)的差值,选出误差最小的一个点,即为全局参考线上离GPS初始位置点最近的参考点,表示为(xr m,yr m)。
步骤3:夹角计算:按照式(1)~(3)计算道路指引线与车辆前进方向向量的夹角以及夹角θ的方向。
步骤4:距离计算:在车体坐标系下使用栅格地图中的道路区域(道路区域栅格图)计算道路宽度和车体中心至左右边界的距离、车体中心与道路中心线之间的距离。
在车体坐标系上车体中心A点坐标为(0,0),取车体中心正前方7米处坐标C点(0,7)平行于X坐标轴(Y轴为车辆前进方向)的直线与两侧对应左右边界的交点D点(xbl 0,ybl 0)和E点(xbr 0,ybr 0),根据公式(4)求得C点距离左边界的距离为线段CF的大小为根据公式(5)求得C点距离右边界的距离为线段CG的大小为dr c,进而对车体中心到视野范围最近处的缺失造成的车体中心距左右边界的距离值的误差进行补偿,由公式(6)和公式(7)计算车体中心距左右边界的距离分别为线段BF和BG的大小分别为dl和dr,进而计算得到道路的实际宽度为D,以及车体中心离道路中心线的距离b为(DR-DL)/2。
步骤5:定位输出:将车体坐标系的相应值转换至东-北-天(e-n-u)坐标系计算输出新的定位输出
根据计算得到的夹角θ值和b值,计算输出的xv为计算输出的yv为/>计算输出的/>的值为/>输出的confv的值为道路边界点集对应在道路语义分割推理中属于道路类别的概率值集的平均值。
步骤6:将步骤4得到的道路宽度值和步骤5得到的新的定位输出输出至规划层。
实施例2:
如图6所示,本实施例与实施例基本相同,不同之处在于本实施例步骤S01前还包括实时监测车辆内GPS信号的接收状态,如果监测到能够正常接收到GPS信号且GPS信号的强度大于预设阈值,则按照实施例1中基于视频检测与参考线匹配的车辆全局定位方法进行车辆定位,即转入步骤S01以按照步骤S01~步骤S06实现车辆全局定位;如果检测到无法正常接收到GPS信号或接收到的GPS信号的强度低于预设阈值(即GPS信号较弱),则直接转入基于视觉检测信息的车辆定位方法。
本实施例中,基于视觉检测信息的车辆定位方法的步骤具体为:
在车辆行驶过程中采集道路环境图像,分割出道路区域后生成道路指引线;
计算道路指引线与车辆前进方向之间的夹角;
根据计算的道路指引线与车辆前进方向之间的夹角,计算车体中心与道路中心线之间的距离;
根据道路指引线与车辆前进方向之间的夹角、车体中心与道路中心线之间的距离,得到大地坐标系下最终的定位信息输出。
本实施例通过在GPS信号弱或者无法接收到GPS信号的场景下,切换直接基于道路指引线来计算与车辆前进方向之间的夹角以及定位车辆在道路区域栅格图中的位置,使得可以不依赖于GPS信号即可实现车辆定位,从而可在隧道、桥下等GPS信号弱等场景下保持稳定的车辆定位。
本实施例中,计算道路指引线与车辆前进方向之间的夹角步骤可采用与实施例1中相同的方式实现,即:
以车体坐标系下车辆的车体中心坐标作为圆点,并在视觉道路指引线上取两个以上的采样点;
由每两个采样点形成一个第一向量,以及以车体中心为起点朝车辆前进方向取一个第二向量,分别计算各第一向量与第二向量之间的夹角;
根据各第一向量与第二向量之间的夹角,得到道路指引线与车辆行驶方向之间的夹角θ。
夹角的方向也可以采用与实施例1中相同的方式,即:
以垂直于地面向上为Z轴正方向构建三维坐标系;
在构建的三维坐标系中,对第二向量和一个第一向量的Z轴进行赋值以扩展为三维形式,得到扩展后第一向量、扩展后第二向量;
计算扩展后第一向量、扩展后第二向量的叉积,根据叉积的正负判断偏航角的方向。
本实施例中,车体中心与道路中心线之间的距离采用与实施例1中相同方式,即:
在车体坐标系中以车辆中车体中心点坐标作为圆点,并在车体中心正前方指定距离处取一目标点C,过目标点C构建一条直线LC,直线LC的斜率KC为-tanθ,其中θ为道路指引线与车辆行驶方向之间的夹角;
根据道路边界点的坐标序列计算在直线LC上的左右道路边界点的坐标;
根据左右道路边界点的坐标,分别计算出左右道路边界点距离目标点C的距离;
根据左右道路边界点距离目标点C的距离,计算出车体中心距离左右道路边界的距离、车体中心离道路中心线的距离。
上述夹角与方向的计算以及车体中心与道路中心线之间的距离具体如实施例1所述。
本实施例中,根据上述计算出的夹角θ以及距离定位出车辆在道路区域的位置,具体按照(DCL+yc*sinθ)计算得到车体中心距离左道路边界的第一距离DL,按照(DCR-yc*sinθ)计算得到车体中心距离右道路边界的第二距离DR,其中DCL为左道路边界点距离目标点C的距离,DCR为右道路边界点距离目标点C的距离,yc为目标点C距离车体中心的距离;根据第一距离DL、第二距离DR,计算得到道路宽度D(D=DR+DL)以及车体中心距离道路中心线的距离为(DR-DL)/2。
本实施例按照上述方式可以在GPS信号弱或者缺失的场景下采用纯视觉检测方式仍然保持稳定的定位输出,在GPS信号良好的场景下,则采用视觉检测与全局参考线匹配的定位方式以实现更为精准的定位输出,从而能够在车辆行驶至各类环境过程中持续保持稳定可靠的定位输出。
实施例3:
本实施例基于视觉检测与参考线匹配的车辆全局定位装置包括:
视觉检测模块,用于在车辆行驶过程中采集道路环境图像分割出道路区域,在道路区域栅格图中生成道路指引线;
获取模块,用于获取全局参考线的数据以及车辆的GPS初始位置,全局参考线为预先获取的目标路线的GPS信号点集;
参考点定位模块,用于在全局参考线上定位出距离GPS初始位置最近的参考点,得到最近参考点;
夹角计算模块,用于计算道路指引线与车辆前进方向之间的夹角;
距离计算模块,用于根据计算的道路指引线与车辆前进方向之间的夹角,计算车体中心与道路中心线的距离和/或车体中心与道路左右边界的距离;
定位输出模块,用于根据夹角、距离以及最近参考点,得到大地坐标系下最终的定位信息输出。
本实施例基于视觉检测与参考线匹配的车辆全局定位装置与实施例1中基于视觉检测与参考线匹配的车辆全局定位方法为一一对应,在此不再一一赘述。
本实施例还提供基于视觉检测与参考线匹配的车辆全局定位装置还可以为:包括处理器以及存储器,存储器用于存储计算机程序,处理器用于执行计算机程序,处理器用于执行计算机程序以执行如上述方法。
本实施例还提供车辆全局定位系统,包括:
GPS信号状态监测装置,用于实时监测车辆上GPS信号的接收状态,如果检测到能够正常接收到GPS信号且GPS信号的强度大于预设阈值,则转入执行第一定位模块;如果检测到无法正常接收到GPS信号或接收到的GPS信号的强度低于预设阈值,则转入第二定位模块;
第一定位装置,即为上述基于视觉检测与参考线匹配的车辆全局定位装置,用于按照如实施例1方法(基于视觉检测与参考线匹配的车辆全局定位方法)进行车辆定位;
第二定位装置,用于按照如实施例2中基于视觉检测信息的车辆定位的步骤进行定位。
上述第二定位装置即为基于视觉检测信息的车辆定位装置,包括:
道路指引线生成模块,在车辆行驶过程中采集道路环境图像,分割出道路区域后生成道路指引线;
计算模块,用于计算道路指引线与车辆前进方向之间的夹角;以及根据计算的道路指引线与车辆前进方向之间的夹角,计算车体中心与道路中心线之间的距离;
定位结果输出模块,用于根据道路指引线与车辆前进方向之间的夹角、车体中心与道路中心线之间的距离,得到大地坐标系下最终的定位信息输出。
上述只是本发明的较佳实施例,并非对本发明作任何形式上的限制。虽然本发明已以较佳实施例揭露如上,然而并非用以限定本发明。因此,凡是未脱离本发明技术方案的内容,依据本发明技术实质对以上实施例所做的任何简单修改、等同变化及修饰,均应落在本发明技术方案保护的范围内。
Claims (11)
1.一种基于视觉检测与参考线匹配的车辆全局定位方法,其特征在于,步骤包括:
在车辆行驶过程中采集道路环境图像分割出道路区域,在道路区域栅格图中生成道路指引线,所述道路指引线为根据道路区域的栅格图生成的道路中心线以作为道路指引;
获取全局参考线以及车辆的GPS初始位置,所述全局参考线为预先获取的目标路线的GPS信号点集;
在所述全局参考线上定位出距离所述GPS初始位置最近的参考点,得到最近参考点;
计算所述道路指引线与车辆前进方向之间的夹角;
根据计算的所述道路指引线与车辆前进方向之间的夹角,计算所述道路区域栅格图中车体中心与道路中心线之间的距离;
根据所述道路指引线与车辆前进方向之间的夹角、所述车体中心与道路中心线之间的距离以及所述最近参考点,得到大地坐标系下最终的定位信息输出。
2.根据权利要求1所述的基于视觉检测与参考线匹配的车辆全局定位方法,其特征在于,所述在所述全局参考线上定位出距离所述GPS初始位置最近的参考点包括:
在所述全局参考线间隔取多个采样点;
计算第一个采样点和最后一个采样点与GPS初始位置之间的坐标差值;
根据计算出的所述差值定位到所述全局参考线上两个以上的局部定位点;
分别将所述全局参考线上各个所述局部定位点附近指定范围内的坐标点与所述GPS初始位置进行差值比较;
取比较结果中差值最小的坐标点作为所述最近参考点。
3.根据权利要求1所述的基于视觉检测与参考线匹配的车辆全局定位方法,其特征在于,所述计算所述道路指引线与车辆前进方向之间的夹角包括:
以车体坐标系下车体中心坐标作为圆点,并在所述道路指引线上取两个以上的采样点;
由每两个所述采样点形成一个第一向量,以及以所述车体中心为起点朝车辆前进方向取一个第二向量,分别计算各所述第一向量与所述第二向量之间的夹角;
根据各所述第一向量与所述第二向量之间的夹角,得到所述道路指引线与车辆前进方向之间的夹角。
4.根据权利要求3所述的基于视觉检测与参考线匹配的车辆全局定位方法,其特征在于,所述计算所述道路指引线与车辆前进方向之间的夹角后,还包括计算所述夹角的方向,步骤包括:
以垂直于地面向上为Z轴正方向构建三维坐标系;
在构建的所述三维坐标系中,对所述第二向量和一个所述第一向量的Z轴进行赋值以扩展为三维形式,得到扩展后第一向量、扩展后第二向量;
计算所述扩展后第一向量、扩展后第二向量的叉积,根据叉积的正负判断偏航角的方向。
5.根据权利要求1所述的基于视觉检测与参考线匹配的车辆全局定位方法,其特征在于,计算所述道路区域栅格图中车体中心与道路中心线之间的距离的步骤包括:
在车体坐标系中以车体中心点坐标作为圆点,并在车体中心正前方指定距离处取一目标点C,过所述目标点C构建一条直线LC,所述直线LC的斜率KC为-tanθ,其中θ为所述道路指引线与车辆前进方向之间的夹角;
根据道路边界点的坐标序列计算在所述直线LC上的左右道路边界点的坐标;
根据所述左右道路边界点的坐标,分别计算出所述左右道路边界点距离所述目标点C的距离;
根据所述左右道路边界点距离所述目标点C的距离,计算出车体中心离道路中心线的距离。
6.根据权利要求5所述的基于视觉检测与参考线匹配的车辆全局定位方法,其特征在于,分别按照下式计算得到目标点C与道路左边界之间的第一距离dl c、目标点与道路右边界之间的第二距离dr c:
其中,分别为道路左边界点的横坐标、纵坐标,xc、yc分别为目标点C的横坐标、纵坐标,/>分别为道路右边界点的横坐标、纵坐标;
使用所述第一距离dl c、第二距离dr c对车体中心距道路左右边界的距离值的误差进行补偿,按照下式计算出车体中心距道路左右边界的第三距离dl和第四距离dr:
按照式D=dl+dr计算得到道路的实际宽度D,以及按照式(dr-dl)/2计算得到车体中心离道路中心线的距离b。
7.根据权利要求1~6中任意一项所述的基于视觉检测与参考线匹配的车辆全局定位方法,其特征在于,所述根据所述道路指引线与车辆前进方向之间的夹角、所述车体中心与道路中心线之间的距离以及所述最近参考点,得到大地坐标系下最终的定位信息输出包括:按照式计算得到大地坐标系下横坐标xv,按照式/>计算得到大地坐标系下纵坐标yv,以及按照式/>计算得到大地坐标系下偏航角/>其中xr m、yr m、/>分别为所述最近参考点的横坐标、纵坐标、大地坐标系下的偏航角,θ为道路指引线与车辆前进方向之间的夹角,b为所述车体中心与道路中心线之间的距离。
8.一种车辆全局定位方法,其特征在于,步骤包括:
实时监测车辆上GPS信号的接收状态,如果检测到能够正常接收到GPS信号且GPS信号的强度大于预设阈值,则按照权利要求1~7中任意一项所述的定位方法进行定位;如果检测到无法正常接收到GPS信号或接收到的GPS信号的强度低于预设阈值,则转入基于视觉检测信息的车辆定位方法的步骤以利用视觉检测信息进行车辆定位;
所述基于视觉检测信息的车辆定位方法的步骤具体为:
在车辆行驶过程中采集道路环境图像,分割出道路区域后生成道路指引线;
计算道路指引线与车辆前进方向之间的夹角;
根据计算的道路指引线与车辆前进方向之间的夹角,计算车体中心与道路中心线之间的距离;
根据道路指引线与车辆前进方向之间的夹角、车体中心与道路中心线之间的距离,得到大地坐标系下最终的定位信息输出。
9.一种基于视觉检测与参考线匹配的车辆全局定位装置,其特征在于,包括:
视觉检测模块,用于在车辆行驶过程中采集道路环境图像分割出道路区域,在道路区域栅格图中生成道路指引线,所述道路指引线为根据道路区域的栅格图生成的道路中心线以作为道路指引;
获取模块,用于获取全局参考线的数据以及车辆的GPS初始位置,所述全局参考线为预先获取的目标路线的GPS信号点集;
参考点定位模块,用于计算所述全局参考线上距离所述GPS初始位置最近的参考点,得到最近参考点;
夹角计算模块,用于计算所述道路指引线与车辆前进方向之间的夹角;
距离计算模块,用于根据计算的所述道路指引线与车辆前进方向之间的夹角,计算车体中心与道路中心线之间的距离;
定位输出模块,用于根据所述道路指引线与车辆前进方向之间的夹角、所述车体中心与道路中心线之间的距离以及所述最近参考点,得到大地坐标系下最终的定位信息输出。
10.一种基于视觉检测与参考线匹配的车辆全局定位装置,包括处理器以及存储器,所述存储器用于存储计算机程序,其特征在于,所述处理器用于执行所述计算机程序以执行如权利要求1~7中任意一项所述方法。
11.一种车辆全局定位系统,其特征在于,包括:
GPS信号状态监测装置,用于实时监测车辆上GPS信号的接收状态,如果检测到能够正常接收到GPS信号且GPS信号的强度大于预设阈值,则转入执行第一定位模块;如果检测到无法正常接收到GPS信号或接收到的GPS信号的强度低于预设阈值,则转入第二定位模块;
第一定位装置,用于按照权利要求1~7中任意一项所述的基于视觉检测与参考线匹配的车辆全局定位方法进行车辆定位;
第二定位装置,用于按照权利要求8中基于视觉检测信息的车辆定位方法进行车辆定位。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210265703.1A CN114593739B (zh) | 2022-03-17 | 2022-03-17 | 基于视觉检测与参考线匹配的车辆全局定位方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210265703.1A CN114593739B (zh) | 2022-03-17 | 2022-03-17 | 基于视觉检测与参考线匹配的车辆全局定位方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114593739A CN114593739A (zh) | 2022-06-07 |
CN114593739B true CN114593739B (zh) | 2023-11-21 |
Family
ID=81819677
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210265703.1A Active CN114593739B (zh) | 2022-03-17 | 2022-03-17 | 基于视觉检测与参考线匹配的车辆全局定位方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114593739B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116495000B (zh) * | 2023-06-28 | 2023-09-01 | 交通运输部公路科学研究所 | 极低能见度条件下的车辆偏航检测方法和辅助驾驶系统 |
CN116972870B (zh) * | 2023-09-21 | 2023-12-15 | 南京遇简信息科技有限公司 | 基于计算机图像识别的道路导航增强方法、系统及介质 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108253975A (zh) * | 2017-12-29 | 2018-07-06 | 驭势(上海)汽车科技有限公司 | 一种建立地图信息及车辆定位的方法与设备 |
CN108759823A (zh) * | 2018-05-28 | 2018-11-06 | 浙江大学 | 基于图像匹配的指定道路上低速自动驾驶车辆定位及纠偏方法 |
CN108845343A (zh) * | 2018-07-03 | 2018-11-20 | 河北工业大学 | 一种基于视觉、gps与高精度地图融合的车辆定位方法 |
CN111311675A (zh) * | 2020-02-11 | 2020-06-19 | 腾讯科技(深圳)有限公司 | 车辆定位方法、装置、设备和存储介质 |
CN112684483A (zh) * | 2021-01-22 | 2021-04-20 | 浙江理工大学 | 基于卫星和视觉融合的导航偏差感知及其信息获取方法 |
EP3901826A2 (en) * | 2020-11-17 | 2021-10-27 | Beijing Baidu Netcom Science Technology Co., Ltd. | Vehicle position determining method, apparatus and electronic device |
CN113815646A (zh) * | 2021-09-14 | 2021-12-21 | 上汽通用五菱汽车股份有限公司 | 车辆的智能驾驶方法、车辆和可读存储介质 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8712691B2 (en) * | 2011-12-19 | 2014-04-29 | Ford Global Technologies | Fusion of road geometry model information gathered from disparate sources |
-
2022
- 2022-03-17 CN CN202210265703.1A patent/CN114593739B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108253975A (zh) * | 2017-12-29 | 2018-07-06 | 驭势(上海)汽车科技有限公司 | 一种建立地图信息及车辆定位的方法与设备 |
CN108759823A (zh) * | 2018-05-28 | 2018-11-06 | 浙江大学 | 基于图像匹配的指定道路上低速自动驾驶车辆定位及纠偏方法 |
CN108845343A (zh) * | 2018-07-03 | 2018-11-20 | 河北工业大学 | 一种基于视觉、gps与高精度地图融合的车辆定位方法 |
CN111311675A (zh) * | 2020-02-11 | 2020-06-19 | 腾讯科技(深圳)有限公司 | 车辆定位方法、装置、设备和存储介质 |
EP3901826A2 (en) * | 2020-11-17 | 2021-10-27 | Beijing Baidu Netcom Science Technology Co., Ltd. | Vehicle position determining method, apparatus and electronic device |
CN112684483A (zh) * | 2021-01-22 | 2021-04-20 | 浙江理工大学 | 基于卫星和视觉融合的导航偏差感知及其信息获取方法 |
CN113815646A (zh) * | 2021-09-14 | 2021-12-21 | 上汽通用五菱汽车股份有限公司 | 车辆的智能驾驶方法、车辆和可读存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN114593739A (zh) | 2022-06-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6197393B2 (ja) | レーン地図生成装置及びプログラム | |
US10240934B2 (en) | Method and system for determining a position relative to a digital map | |
CN114593739B (zh) | 基于视觉检测与参考线匹配的车辆全局定位方法及装置 | |
CN108645420B (zh) | 一种基于差分导航的自动驾驶车辆多路径地图的创建方法 | |
JP2001331787A (ja) | 道路形状推定装置 | |
CN112904395B (zh) | 一种矿用车辆定位系统及方法 | |
WO2021021862A1 (en) | Mapping and localization system for autonomous vehicles | |
JP2022542289A (ja) | 地図作成方法、地図作成装置、電子機器、記憶媒体及びコンピュータプログラム製品 | |
CN112346463B (zh) | 一种基于速度采样的无人车路径规划方法 | |
US11754415B2 (en) | Sensor localization from external source data | |
US20230071794A1 (en) | Method and system for building lane-level map by using 3D point cloud map | |
CN114114367A (zh) | Agv室外定位切换方法、计算机装置及程序产品 | |
KR20220013439A (ko) | 고정밀지도생성장치 및 고정밀지도생성방법 | |
CN114509065B (zh) | 地图构建方法、系统、车辆终端、服务器端及存储介质 | |
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 | |
CN115930977A (zh) | 特征退化场景的定位方法、系统、电子设备和可读存介质 | |
CN113447949B (zh) | 一种基于激光雷达和先验地图的实时定位系统及方法 | |
Yu et al. | Monocular visual localization using road structural features | |
WO2020118623A1 (en) | Method and system for generating an environment model for positioning | |
Elfring et al. | Vehicle localization using a traffic sign map | |
WO2022021209A1 (zh) | 电子地图生成方法、装置、计算机设备和存储介质 | |
Li et al. | Advanced mapping using planar features segmented from 3d point clouds | |
Mao et al. | Decentralized Training of 3D Lane Detection with Automatic Labeling Using HD Maps | |
CN114563006B (zh) | 基于参考线匹配的车辆全局定位方法及装置 | |
JP7308772B2 (ja) | データ処理装置、データ処理方法及びデータ処理プログラム |
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 |