发明内容
基于上述情况,本发明提出了一种基于车辆高精度定位的路政设施坐标标定方法,利用了车辆高精度定位的设备,在车辆行驶期间,通过服务器对路旁设置的路政设施进行坐标标定。这样,一方面减少在道路大量设置路政设施时的坐标测量;另一方面也可以为无人驾驶技术提供更准确可靠的坐标依据。
本发明提供了一种基于车辆高精度定位的路政设施坐标标定方法,在道路一旁设置路政设施,路政设施包含特征部分以及特征部分面积;在第一车辆上设置高精度定位装置及第一摄像单元;根据高精度定位装置获取第一车辆的第一坐标,通过第一摄像单元获取所述特征部分并通过服务器获取特征部分面积;根据特征部分在第一摄像单元中的第一成像位置、第一成像特征部分面积及第一坐标对路政设施进行坐标标定。
对路政设施进行坐标标定的步骤包括:根据路政设施面积及第一成像路政设施面积来获取第一车辆与路政设施的第一距离;根据路政设施在第一摄像单元中的成像的位置来获取第一车辆与路政设施的第一角度;利用第一距离、第一角度及第一坐标计算生成路政设施的坐标。
当第一成像特征部分面积小于预设阈值时,车辆可设置第二摄像单元;第一摄像单元及第二摄像单元设置间距;获取第一摄像单元与路政设施所成夹角的第一角度以及获取第二摄像单元与路政设施所成夹角的第二角度,根据间距、第一角度及第二角度计算获取车辆与路政设施的相对位置信息,根据第一坐标及相对位置信息计算路政设施坐标。
第一车辆在第一时刻获取路政设施在第一摄像单元中的第一成像位置及第一成像路政设施面积;在第二时刻获取路政设施在摄像单元中的第二成像位置及第二成像路政设施面积;根据第一成像位置及第二成像位置计算汽车的偏移角度,根据第一成像路政设施面积及第二成像路政设施面积计算汽车的偏移距离;根据第一时刻与第二时刻的时间差;计算获得第一车辆的角加速度、线加速度;对第一车辆的IMU数据进行校正。
路政设施还可以包括特征线段及特征线段长度;当车辆通过第一摄像单元获取所述特征部分,并通过服务器获取所述特征线段及特征线段长度时;用特征线段代替特征部分以及用特征线段长度代替特征部分面积。
该路政设施坐标、特征部分及特征部分面积上传到云服务器。
同时本发明也提供了一种基于车辆高精度定位的路政设施坐标标定装置,其特征在于:包括:第一车辆摄像模块、高精度定位模块以及路政设施坐标标定模块,各个模块数据连接;
第一车辆摄像模块,至少包括第一摄像单元,安装在第一车辆上;用于通过所述第一摄像单元拍摄道路一旁设置的路政设施并获取路政设施的特征部分;所述路政设施包含特征部分以及特征部分面积;高精度定位模块,用于根据所述高精度定位装置获取第一车辆的第一坐标;路政设施坐标标定模块,用于根据路政设施的特征部分在所述第一摄像单元中的第一成像位置、第一成像特征部分面积及第一坐标对路政设施进行坐标标定。
本公开的一些技术效果在于:利用了车辆高精度定位的设备,在车辆行驶期间,通过云服务器对路旁设置的路政设施进行高精度坐标标定。这样,一方面减少在道路大量设置路政设施时的坐标测量;另一方面也可以为自动驾驶技术提供更准确可靠的坐标依据。同时还可以对未进行高精度定位的车辆进行高精度定位及IMU数据进行校正。
具体实施方式
下文将对本公开涉及的技术手段或技术效果作进一步的展开描述,显然,所提供的实施例仅是本公开的部分实施方式,而并非全部。基于本公开中的实施例以及图文的明示或暗示,本领域技术人员在没有作出创造性劳动的前提下所能获得的所有其他实施例,都将在本公开保护的范围之内。
如图1所示,本实施例中的方法包括步骤:
S1:在道路一旁设置路政设施,路政设施包含特征部分以及特征部分面积。
当前普通道路及高速公路周边(包括道路左右两边或在道路上方,也有一些为了做好更好的区分,设置在道路上,如印字体或路标)都会设置一些路政设施,根据路政设施发挥的作用及使用的常规图形,在布置的时候就可以知道该路政设施的特征部分以及对应的特征部分面积;将该路政设置的特征部分、对应的特征部分面积以及对应的第一坐标上传到服务器上,这样每个路政设施都会有一个特征部分、特征部分面积。如图2所述,路政设施一般包括交通标志物、路灯、交通灯;常规的路政设施都有显著特征,通过图像识别技术即可识别特征部分及对应的特征部分面积。路政设施以交通标志物设置在路边,常规的特征部分包括圆、三角形、四方形或者梯形等常规图形(当然正三角形、正方形或等腰梯形的更好),特征部分面积则可以在布置之前测量出来,或者让生产商生产完后给出对应标的面积;另外一些路政设施的特征部分识别并不能变成较为容易换算为常规图形。则可以利用识别的特征部分的最边缘处点作为特征点,虚拟构建新的常规图形(如三角形、正方形或者梯形),布置时给出虚拟构建后的常规图形面积;并在服务器中进行该虚拟面积数据存储及标记。即用户通过特征部分可以识别到该不具备常规图形的路政设施,在计算距离时采用虚拟构建的面积比对来进行计算。在进行特征识别的时候,由于车辆与图形会存在一定的角度,这样图形可能出现一定的畸变,通过图形在摄像单元中的成像位置,可以知道图形与车辆的拍摄角度;通过拍摄角度可以对图形进行畸变校正及畸变矫正补偿;由于此技术相对成熟,本实施例在此不进行展开描述。
S2:在第一车辆上设置高精度定位装置及第一摄像单元;根据高精度定位装置获取第一车辆的第一坐标,第一摄像单元获取特征部分并通过服务器获取特征部分面积。
当卫星信号非常好,设置专用的高精度定位设备在第一车辆内,可以得到持续地高精度定位(厘米级别),这种定位的准确度、可信度都比较高;第一车辆在道路上行驶,持续获得高精度定位的第一坐标并通过第一摄像单元拍摄道路前方;当检测到路政设施时,对路政设施的特别部分进行识别。
作为特殊的情况,一种路政设施的特征部分只对应一个特征部分面积,这种情况只需要在服务器中存储好路政设施的一组数据即可。
而在大规模使用的情况下,不可避免会出现很多路政设施使用一样的特征部分,而对应的第一坐标不同的情况。这时候第一摄像单元获取特征部分并通过服务器获取特征部分面积有两种方式:第一种是上传车辆当前第一坐标,获取第一坐标在预设范围内路政设施的特征部分,通过预存在服务器中的数据就可以准确知道当前拍摄到的路政设施是服务器中存储的哪个路政设施,进而确定获得对应路政设施的特征部分面积。这种方式适合在用于定位的路政设施特别多的情况,可以大大减少服务器的数据负担。第二种是获取所有第一摄像单元所获取特征部分对应的所有路政设施,并根据该特征获取对应的特征部分面积;再通过车辆上传的第一坐标,判断是否在第一坐标的预设范围之内,若是,筛选出当前第一摄像单元所拍摄到的路政设施;并获得对应的特征部分面积,这种方式一般是通过大数据云计算后再把结果传给车辆。本实施例所说的摄像单元可以采用高清摄像设备或泛指所有可以进行拍摄的器材。
S3:根据所述路政设施的特征部分在第一摄像单元中的第一成像位置、第一成像所述特征部分面积及第一坐标对路政设施进行坐标标定。
第一车辆拍摄到路政设施的特征部分后,在第一摄像单元中有路政设施的特征部分的第一成像位置及第一成像特征部分面积。一般来说,摄像单元获取到路政设施的第一成像都会在当前拍摄的图片中,车辆离路政设施越近其在摄像单元中的面积会越大。利用第一车辆在拍摄到路政设施特征部分的行驶过程中面积变化的情况做经验值,就可以算出第一车辆与路政设施的第一距离;通过这样的经验值可以列一个参照列表,特征部分面积与第一成像路政设施面积具备参照关系。具体可以在试验路段,通过1000次(试验次数越多越准确)拍摄第一车辆距离路政设施1-200米时的面积变化情况及第一成像位置情况,记录下当前的面积,当提取相同的面积且第一成像位置相同时,即可知道第一车辆与路政设施的距离。通过车辆在不同车道形成的角度及拍摄面积,反复多次的记录可以得到一系列对应的数值,服务器记录这些数值则可以实现通过第一车辆的高精度定位来对路政设施的进行准确定位。第一成像特征部分面积是指路政设施特征部分的第一成像在摄像单元的面积,其变化也可以通过定义面积变化的相关算法来进行计算,现有技术有相关的记载(视觉SLAM、PnP技术),此处不展开描述。拍摄识别时,可以以路政设施图像的对角线交点作为摄像单元采集到的点。根据路政设施在拍摄的图片中的位置形成路政设施的第一成像位置,就可以获得路政设施与第一车辆所形成的第一角度。如图2所示,以摄像单元的平面延长线与摄像单元连接路政设施的直线形成的夹角定义为第一角度。然后利用所述第一距离、第一角度及所述第一坐标计算生成所述路政设施坐标。由于第一坐标是高精度定位值,路政设施与车辆的距离是经验或计算换算值,都有较高的数据可靠度。依据第一距离、第一角度及第一坐标就可以建立一个简单的坐标系,通过进行坐标换算就可以计算出对应的路政设施坐标。另外,关于第一距离,第一角度根据面积及对应成像面积来定义及计算的方式相对比较多,可以有不一样的定义及不同的计算方式(视觉SLAM、PnP技术),但应当理解成为计算出对应的数值及坐标关系的方式均在此基础上进行了更换或修改,本实施例在此不展开进行叙述。
由于车辆在行驶过程中,通过普通导航地图配合第一摄像单元,在较远的地方可以大致识别是路政设施但路政设施特征部分面积过小,在图形上显示出来的较小的点。大于预设阈值则直接用第一摄像单元执行即可。当所述第一成像特征部分面积小于预设阈值时,此时可将路政设施特征部分视为一个点,可以在第一车辆设置上第二摄像单元;第一摄像单元及第二摄像单元设置间距。获取第一摄像单元与路政设施特征部分所成夹角的第一角度以及获取第二摄像单元与路政设施特征部分所成夹角的第二角度,根据间距、第一角度及第二角度采用余弦定理相关方法(需要一些简单的角度换算,此处不展开描述),即可计算获取第一车辆与路政设施特征部分的相对位置信息;并根据第一坐标及相对位置信息计算路政设施的坐标。
当第一车辆通过高精度定位设备及上述方法计算获取到路政设施坐标信息时,这个坐标信息是相对准确的,将此坐标信息上传到服务器;可以使得后续没有高精度定位车辆识别路政设施的特征部分即可获得相应的路政设施坐标信息以及特征部分面积信息;通过该信息让原本没有高精度定位的第二车辆也获得高精度定位的坐标,进而实现与有高精度定位设备相同的高精度定位效果。
具体可以是,第二车辆上传粗略坐标并获取其在预设距离范围内路政设施信息。第二车辆本身通过粗略定位信息与云服务器的定位信息就能找到预设范围内(大概是0-2000米)的路政设施。从云服务器中获得对应的路政设施坐标及特征部分面积;当第二车辆通过第三摄像单元获取这个路政设施的特征部分时,根据特征部分在第三摄像单元中的第三成像位置及第三成像路政设施面积来对第二车辆进行定位(这个定位方式可以采用经验值的方式或PnP的计算方式);对车辆进行定位的步骤包括:根据路政设施面积及第三成像路政设施面积来获取第二车辆与路政设施的第二距离;根据路政设施在第三摄像单元中的成像的位置来获取第二车辆与路政设施的第三角度;利用第二距离、第三角度及路政设施坐标计算生成第二车辆位置坐标。
同时,所述第二车辆设置第四摄像单元;第三摄像单元及第四摄像单元设置第二间距;若第二车辆未能解析获取路政设施面积,获取第三摄像单元与路政设施所成夹角的第三角度以及获取第四摄像单元与所述路政设施所成夹角的第四角度,根据第二间距、第三角度及第四角度计算获取第二车辆与路政设施的相对位置信息;并根据路政设施坐标及相对位置信息计算第二车辆的高精度定位坐标。
由于惯性/轮速计融合定位的定位误差会随着第一车辆行驶里程的增加而累积,使定位结果逐渐偏移车辆的真实位置。这时候需要对惯性/轮速计融合定位的数据进行定期的校正。为了进一步给车辆的IMU数据提供更准确的校正数据。第一车辆在第一时刻获取路政设施在第一摄像单元中的第一成像位置及第一成像特征部分面积;在第二时刻获取路政设施在第一摄像单元中的第二成像位置及第二成像特征部分面积;根据第一成像位置及第二成像位置计算汽车的偏移角度,根据第一成像特征部分面积及第二成像特征部分面积计算汽车的偏移距离;根据第一时刻与第二时刻的时间差;计算获得第一车辆的角加速度、线加速度;对第一车辆的IMU数据进行校正。在融合定位技术领域,技术人员可以利用现有的融合定位技术(如粒子滤波、卡尔曼滤波技术等)对这三种位置信息(惯导、卫星及视觉)进行融合,通过多个车辆的数据采集,进行大数据统计并修正(即获得大部分车辆都比较接近的平均值),最终得到修正的位置信息,输出定位结果。
作为另外的实施例子,路政设施上传的信息还可以包括特征线段及特征线段长度;当车辆通过第一摄像单元获取所述特征部分,并通过服务器获取所述特征线段及特征线段长度时;用特征线段代替上面例子路政设施的特征部分、用特征线段长度来代替上面例子路政设施的特征部分面积。这样只要服务器预留相关信息与车辆所需要计算的信息进行匹配,即可同样实现较好的定位效果。
作为另外的实施例子,当车辆通过第一摄像单元获取特征部分,通过服务器获得路政设施的特征线段及特征线段长度信息。摄像单元拍摄并识别到特征部分后,可以提取其特征点,这里的特征点可以是路政设施的角点,也可以某个线段的中点。选取其中两个特征点进行连接形成特征连接线段,得到对应的特征线段。在第一摄像单元拍摄到路政设施的特征线段后,在摄像单元中形成第一成像特征线段以及第一成像特征线段长度(这里越规则的图形,定义提取的特征线段就越容易识别;如三角形、正方形、梯形可以直接知道一边边长的成像位置及成像的长度;不规则则可以识别角点及连线,通过实际测量获得对应的数据,图形数据则可以通过图形比例获得)。然后根据特征线段长度及第一成像特征线段长度来获取车辆与二维码的第一距离;根据特征线段在第一摄像单元中的成像位置(即第一成像特征线段)来获取车辆与路政设施的第一角度;最后利用第一距离、第一角度及二维码的第一坐标计算生成车辆位置坐标。这里通过摄像头成像原理的相关知识就可以进行计算,也可以采用上面例子提到的经验值方法进行多次记录,此处不展开描述。
如图3所示,本实施例中还包括一种基于车辆高精度定位的路政设施坐标标定装置,包括:第一车辆摄像模块、高精度定位模块以及路政设施坐标标定模块,各个模块数据连接。
第一车辆摄像模块,至少包括第一摄像单元,安装在第一车辆上;用于通过所述第一摄像单元获取道路一旁设置的路政设施;所述路政设施包含路政设施面积;高精度定位模块,用于根据所述高精度定位装置获取第一车辆的第一坐标;路政设施坐标标定模块,用于根据路政设施在第一摄像单元中的第一成像位置、第一成像路政设施面积及第一坐标对路政设施进行坐标标定;对路政设施进行坐标标定的步骤包括:根据路政设施面积及第一成像路政设施面积的参数关系来获取第一车辆与所述路政设施的第一距离;路政设施在第一摄像单元中的成像的位置来获取第一车辆与路政设施的第一角度;利用第一距离、第一角度及第一坐标计算生成路政设施坐标。
与方法实施例描述一致。由于车辆在行驶过程中,较远的地方是没有办法扫描解析出路政设施的信息(通过高精度地图数据匹配,是能知道路政设施在地图的大概位置)。若第一车辆未能解析获取路政设施面积,可以在第一车辆上设置第二摄像单元;第一摄像单元及第二摄像单元设置间距。然后获取第一摄像单元与路政设施所成夹角的第一角度以及获取第二摄像单元与路政设施所成夹角的第二角度,根据间距、第一角度及第二角度采用余弦定理相关方法,即可计算获取第一车辆与路政设施的相对位置信息;并根据第一坐标及相对位置信息计算路政设施坐标。第一车辆在第一时刻获取所述路政设施在所述第一摄像单元中的第一成像位置及第一成像特征部分面积;在第二时刻获取所述路政设施在所述摄像单元中的第二成像位置及第二成像路政设施面积;根据所述第一成像位置及第二成像位置计算汽车的偏移角度,根据所述第一成像特征部分面积及第二成像特征部分面积计算汽车的偏移距离;根据所述第一时刻与所述第二时刻的时间差;计算获得所述第一车辆的角加速度、线加速度;对所述第一车辆的IMU数据进行校正。路政设施坐标及路政设施特征部分面积上传到云服务器,并将链接到云服务器地址设置于路政设施信息中,通过此装置也可以得到对应的一种基于路政设施的车辆融合定位装置。
本领域技术人员可以理解的是,实施例中的全部或部分步骤,可以通过计算机程序来指令相关的硬件实现,该程序可以存储于计算机可读介质中,可读介质可以包括闪存盘、移动硬盘、只读存储器、随机存取器、磁盘或光盘等各种可以存储程序代码的介质。在一个实施例中,本公开提出了一种计算机可读介质,所述计算机可读介质中存储有计算机程序,所述计算机程序由处理模块加载并执行以实现路政设施坐标标定。
在符合本领域技术人员的知识和能力水平范围内,本文提及的各种实施例或者技术特征在不冲突的情况下,可以相互组合而作为另外一些可选实施例,这些并未被一一罗列出来的、由有限数量的技术特征组合形成的有限数量的可选实施例,仍属于本公开揭露的技术范围内,亦是本领域技术人员结合附图和上文所能理解或推断而得出的。
另外,多数实施例的描述是基于不同的重点而展开的,未详述之处,可参见现有技术的内容或本文的其他相关描述进行理解。
再次强调,上文所列举的实施例,为本公开较为典型的、较佳实施例,仅用于详细说明、解释本公开的技术方案,以便于读者理解,并不用以限制本公开的保护范围或者应用。在本公开的精神和原则之内所作的任何修改、等同替换、改进等而获得的技术方案,都应被涵盖在本公开的保护范围之内。