CN114910085A - 一种基于路政设施识别的车辆融合定位方法及装置 - Google Patents
一种基于路政设施识别的车辆融合定位方法及装置 Download PDFInfo
- Publication number
- CN114910085A CN114910085A CN202210209464.8A CN202210209464A CN114910085A CN 114910085 A CN114910085 A CN 114910085A CN 202210209464 A CN202210209464 A CN 202210209464A CN 114910085 A CN114910085 A CN 114910085A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- characteristic part
- road administration
- area
- imaging
- 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.)
- Pending
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
Abstract
本发明公开了一种基于路政设施识别的车辆融合定位方法,在道路周边设置路政设施,路政设施包括特征部分、特征部分面积以及第一坐标;车辆通过第一摄像单元获取特征部分,根据特征部分获取特征部分面积以及第一坐标;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来对车辆进行定位。还公开了车辆融合定位装置及计算机可读介质。利用了道路上的高精度定位的路政设施,让使用普通地图定位的车辆行驶期间,识别路政设施就可以得到高精度定位数据。同时也为无人驾驶技术提供更准确可靠的坐标依据。
Description
技术领域
本发明涉及大数据车辆融合定位的技术领域,特别涉及一种基于路政设施识别的车辆融合定位方法及装置。
背景技术
在车辆定位技术中,采用惯性导航、卫星导航与轮速计组成融合定位系统是一种十分通用的手段,很多场景下都能够获得较为满意的定位性能。相比于采用单一导航设备,具有全自主,全天候,不受外界信息干扰的优点。但是,自动驾驶技术的发展对融合定位系统的性能提出了更高的要求,融合定位设备需要实现实时不间断的全场景厘米级定位,采用惯性导航、卫星导航与轮速计组成的融合定位设备很难满足上述要求。在卫星信号长时间丢失的情况下,特别是隧道或高架桥等地方,惯性/轮速计融合定位的定位误差会随着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,从而导致自动驾驶无法继续进行。
为解决这一问题,通常采用的技术方案包括增加地图匹配、增加激光雷达定位、增加视觉导航等技术手段或几种手段的叠加。但是,地图匹配的连续高精度定位需要行驶路线有明显的几何特征,车辆实际行驶路线难以保证特征需求;激光雷达相对定位同样具有误差累积的问题,绝对定位需要事先进行建图;视觉导航同样具有误差累积的问题,需要闭环路径通过回环校验才能消除累积误差,车辆实际行驶路线难以保证闭环路径。同时,现有的定位校正手段有限,很难让原本低精度定位的车辆获得高精度定位数据。
发明内容
基于上述情况,本发明提出了一种基于路政设施识别的车辆融合定位方法,利用了道路上的高精度定位的路政设施,让非使用普通地图定位的车辆行驶期间,识别出路政设施就可以得到高精度定位数据。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,及时对惯导参数进行调整。
本发明提供了一种基于路政设施识别的车辆融合定位方法,在道路周边设置路政设施,所述路政设施包括特征部分、特征部分面积以及第一坐标;车辆通过第一摄像单元获取所述特征部分,根据所述特征部分获取所述特征部分面积以及所述第一坐标;根据所述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所述第一坐标来对所述车辆进行定位。
车辆获得所述特征部分面积以及第一坐标过程包括:上传车辆当前的粗略坐标,获取第一坐标在所述粗略坐标周围路政设施的特征部分,根据所述特征部分从服务器中获得所述特征部分面积以及所述第一坐标。
所述对车辆进行定位的步骤包括:根据所述特征部分面积及所述第一成像特征部分面积的数值来计算所述车辆与所述路政设施的第一距离;根据所述特征部分在所述第一摄像单元中的成像位置来获取所述车辆与所述路政设施的第一角度;利用所述第一距离、所述第一角度及所述路政设施的第一坐标计算所述车辆位置坐标。
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二特征部分面积;在第二时刻获取所述二维码在所述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;计算获得所述车辆的角加速度、线加速度,并对车辆的IMU数据进行校正。
当所述第一成像特征部分面积小于预设阈值时,所述车辆可设置第二摄像单元;所述第一摄像单元及所述第二摄像单元设置间距;获取第一摄像单元与所述路政设施所成夹角的第一角度以及获取第二摄像单元与所述路政设施所成夹角的第二角度,根据所述间距、所述第一角度及所述第二角度计算获取所述车辆与所述路政设施的相对位置信息,通过所述第一坐标与所述相对位置信息计算所述车辆位置坐标。
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;用所述特征线段代替所述特征部分以及用所述特征线段长度代替特征部分面积。
同时本发明也提供了一种基于路政设施识别的车辆融合定位装置,其特征在于:包括:车辆摄像模块、服务器以及定位模块,各个模块数据连接;
车辆摄像模块,至少包括第一摄像单元,安装在车辆上;用于通过第一摄像单元获取在道路一旁设置路政设施的特征部分;路政设施包括特征部分、特征部分面积以及第一坐标;
服务器,用于存储路政设施的特征部分、特征部分面积以及第一坐标信息;当所述车辆摄像模块获取路政设施的特征部分时,根据所述特征部分获取特征部分面积以及路政设施对应的第一坐标;定位模块,用于根据路政设施在第一摄像单元中的第一成像位置、第一成像特征部分面积及第一坐标来对车辆进行定位。
另外,本公开提出了计算机可读介质,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车辆融合定位方法。
本公开的一些技术效果在于:通过在路旁高精度定位后的路政设施,在车辆行驶期间,让车辆通过扫描获得路政设施后计算获得自己的高精度定位信息。这样,一方面可以让车辆在不采用高精度设备时能获得高精度定位数据,另一方面可以为无人驾驶技术提供更准确可靠的坐标依据。
附图说明
为更好地理解本公开的技术方案,可参考下列的、用于对现有技术或实施例进行辅助说明的附图。这些附图将对现有技术或本公开部分实施例中,涉及到的产品或方法有选择地进行展示。这些附图的基本信息如下:
图1是本发明的一种基于路政设施识别的车辆融合定位方法实施例的流程示意图。
图2是本发明实施例中的路政设施常规对应的特征部分示意图。
图3是本发明实施例中的第一角度示意图。
图4是本发明的一种基于路政设施识别的车辆融合定位装置实施例的流程示意图。
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:在道路周边设置路政设施,所述路政设施包括特征部分、特征部分面积以及第一坐标。
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,这些路政设施在布置的时候可以先经过高精度定位设备对其进行定位,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、特征部分面积以及唯一的坐标。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。
一般来说,一个距离范围内只设置一个有坐标标识的路政设施,这样可以避免车辆获得太多数据导致混乱。当然为了弥补可能错过的情况,一个距离范围内可以设置多个有不同特征部分的路政设施,当然成本也会高一些,但给到车辆的定位信息则会更多一些,进而减少后续惯导装置产生的误差。
S2:第一车辆通过第一摄像单元获取路政设施的特征部分,根据所述特征部分获取特征部分面积以及路政设施对应的第一坐标。
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以及第一坐标,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个一样的特征部分,而对应的第一坐标不同的情况。这时候获得第一坐标有两种方式:第一种是上传车辆当前的粗略坐标,获取第一坐标在所述粗略坐标向前的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比对,将特征部分与车辆通过摄像单元获取路政设施的特征部分相同的提取出来,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以及第一坐标。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以及第一坐标;再通过车辆上传的当前粗略坐标,判断第一坐标是否在当前粗略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以及第一坐标。这种方式一般是通过云计算后再把结果传给车辆。
第一车辆通过定位设备定位后获得其粗略坐标后,上传到服务器中。在服务器(导航地图)中可以获得第一车辆前进方向向前范围内(即摄像单元安装在车辆前面的可拍摄范围,当然若摄像单元安装在车辆左右或者后方也可以)的路政设施的特征部分、对应的特征部分面积以及路政设施对应的坐标。第一车辆通过第一摄像单元识别出路政设施相应的特征部分后,可以在服务器中获取该路政设施对应的特征部分面积以及路政设施对应的坐标。路政设施特征部分的面积,可以取路政设施特征部分的重心(若是圆则采用圆心)作为摄像单元采集到的点。作为日常的实施例子,车辆道路前方出现交通红绿灯,交通灯其中一个被做了高精度定位坐标标识(即路政设施为交通红绿灯,其特征部分为灯的圆形区域,特征部分面积为灯的圆形面积)。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。而如果是交通标志牌的话,使用标志牌中的常规图形,对应的数字可以作为识别不同路政设施的依据。部分形状规则的路灯也可以作为坐标标识的的依据。总之,只要有较为明显的特征且容易识别的交通设施都可以作为本发明实施例的坐标标定物。
S3:根据路政设施在第一摄像单元中的第一成像位置、第一成像特征部分面积及第一坐标来对第一车辆进行定位。
第一车辆通过第一摄像单元拍摄到特征部分面积后,在第一摄像单元中有路政设施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特征部分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。利用第一车辆在行驶过程中拍摄到路政设施特征部分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,是的特征部分面积与第一成像特征部分面积具备参照关系。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路政设施的定位来对第一车辆的进行准确定位。另外,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,其变化是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,具体可以参考一些现有的视觉SLAM、PnP相关技术的书籍,本实施例在此不展开进行叙述。
根据路政设施特征部分在拍摄的图片中的位置形成路政设施特征部分的第一成像位置,就可以获得路政设施与第一车辆所形成的第一角度。对第一车辆进行定位的步骤包括:根据所述路政设施特征部分面积及所述第一成像特征部分面积的比例来获取所述车辆与所述路政设施的第一距离;根据所述路政设施特征部分在第一摄像单元中的成像位置来获取所述车辆与路政设施的第一角度;利用第一距离、第一角度及路政设施的第一坐标计算生成第一车辆位置坐标。
如图3所示,以第一摄像单元的平面延长线与第一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第一车辆坐标。由于第一坐标是高精度定位值,路政设施与第一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第一车辆高精度定位坐标。另外,关于第一距离,第一角度根据面积及对应成像面积比例来定义及计算的方式相对比较多(视觉SLAM、PnP技术都有相关记载),可以有不一样的定义及不同的计算方式,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。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,根据所述间距、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车辆的坐标。当然,无论特征部分面积的大小是怎样,提取其中的特征点或者也可以作将特征部分视为一个点,继续使用双夹角加线段的方式进行计算,其最后的计算结果与只有第一摄像单元理相同,在这里是多种方式进行定位的一种。在实际车辆行驶中,为了确保全程都能进行准确定位,用双目摄像头定位的效果会好一些,但硬件成本会高很多。单目摄像头在有路政设施特征部分设定的配合下,性价比高一些且定位效果也不差。
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二维码在第一摄像单元中的第一成像位置及路政设施的第一成像特征部分面积;在第二时刻获取二维码在第一摄像单元中的第二成像位置及路政设施的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,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。
在一个实施例中,如图4所示,本公开提出了一种基于路政设施识别的车辆融合定位,包括:车辆摄像模块、服务器以及定位模块,各个模块网络连接;车辆摄像模块,至少包括第一摄像单元,安装在车辆上;用于通过第一摄像单元获取在道路一旁设置路政设施的特征部分;路政设施包括特征部分、特征部分面积以及第一坐标;服务器,用于存储路政设施的特征部分、特征部分面积以及第一坐标信息;当所述车辆摄像模块获取路政设施的特征部分时,根据所述特征部分获取特征部分面积以及路政设施对应的第一坐标。
具体根据特征部分获取特征部分面积以及路政设施第一坐标的过程包括:上传车辆当前的粗略坐标,获取第一坐标在所述粗略坐标向前的预设范围内路政设施的特征部分,特征部分与车辆通过摄像单元获取路政设施的特征部分相同;这样就能通过特征部分来识别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以及第一坐标。
第一车辆通过第一摄像单元拍摄到特征部分面积后,在第一摄像单元中有路政设施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特征部分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。利用第一车辆在行驶过程中拍摄到路政设施特征部分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;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,通过服务器记录这些大数据则可以实现通过路政设施的定位来对第一车辆的进行准确定位。另外,路政设施特征部分的第一成像在摄像单元的面积变化是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,具体可以参考一些现有的视觉SLAM、PnP相关技术的书籍,本实施例在此不展开进行叙述。
根据路政设施特征部分在拍摄的图片中的位置形成路政设施特征部分的第一成像位置,就可以获得路政设施与第一车辆所形成的第一角度。对第一车辆进行定位的步骤包括:根据所述路政设施特征部分面积及所述第一成像特征部分面积的比例来获取所述车辆与所述路政设施的第一距离;根据所述路政设施特征部分在第一摄像单元中的成像位置来获取所述车辆与路政设施的第一角度;利用第一距离、第一角度及路政设施的第一坐标计算生成第一车辆位置坐标。
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的一种基于二维码的车辆融合定位方法。
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。
Claims (10)
1.一种基于路政设施识别的车辆融合定位方法,其特征在于:
在道路周边设置路政设施,所述路政设施包括特征部分、特征部分面积以及第一坐标;车辆通过第一摄像单元获取所述特征部分,根据所述特征部分获取所述特征部分面积以及所述第一坐标;根据所述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所述第一坐标来对所述车辆进行定位。
2.根据权利要求1所述的车辆融合定位方法,车辆获得所述特征部分面积以及第一坐标过程包括:上传车辆当前的粗略坐标,获取第一坐标在所述粗略坐标周围路政设施的特征部分,根据所述特征部分从服务器中获得所述特征部分面积以及所述第一坐标。
3.根据权利要求1所述的车辆融合定位方法,其特征在于:所述对车辆进行定位的步骤包括:根据所述特征部分面积及所述第一成像特征部分面积来获取所述车辆与所述路政设施的第一距离;根据所述特征部分在所述第一摄像单元中的第一成像位置来获取所述车辆与所述路政设施的第一角度;利用所述第一距离、所述第一角度及所述路政设施的第一坐标计算所述车辆位置坐标。
4.根据权利要求3所述的车辆融合定位方法,其特征在于:在第一时刻获取所述特征部分在所述第一摄像单元中的第一成像位置及第一成像二特征部分面积;在第二时刻获取所述特征部分在所述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;计算获得所述车辆的角加速度、线加速度,对车辆的IMU数据进行校正。
5.根据权利要求1所述的车辆融合定位方法,其特征在于:所述车辆可设置第二摄像单元;所述第一摄像单元及所述第二摄像单元设置间距;获取第一摄像单元与所述路政设施所成夹角的第一角度以及获取第二摄像单元与所述路政设施所成夹角的第二角度,根据所述间距、所述第一角度及所述第二角度计算获取所述车辆与所述路政设施的相对位置信息,通过所述第一坐标与所述相对位置信息计算所述车辆位置坐标。
6.根据权利要求1-5任一所述的车辆融合定位方法,其特征在于:所述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;用所述特征线段代替所述特征部分以及用所述特征线段长度代替所述特征部分面积。
7.一种基于路政设施识别的车辆融合定位装置,其特征在于:包括:车辆摄像模块、服务器以及定位模块,各个模块数据连接;
所述车辆摄像模块,至少包括第一摄像单元,安装在车辆上;用于通过第一摄像单元获取在道路一旁设置路政设施的特征部分;路政设施包括特征部分、特征部分面积以及第一坐标;
所述服务器,用于存储路政设施的特征部分、特征部分面积以及第一坐标信息;当所述车辆摄像模块获取路政设施的特征部分时,根据所述特征部分获取特征部分面积以及路政设施对应的第一坐标;
所述定位模块,用于根据路政设施在第一摄像单元中的第一成像位置、第一成像特征部分面积及第一坐标来对车辆进行定位。
8.根据权利要求7所述的车辆融合定位装置,其特征在于:所述对车辆进行定位的步骤包括:根据所述特征部分面积及所述第一成像特征部分面积的参照关系来获取所述车辆与所述路政设施的第一距离;根据所述特征部分在所述第一摄像单元中的成像位置来获取所述车辆与所述路政设施的第一角度;利用所述第一距离、所述第一角度及所述路政设施的第一坐标计算所述车辆位置坐标。
9.根据权利要求7所述的车辆融合定位装置,其特征在于:当所述第一成像特征部分面积小于预设阈值时,所述车辆可设置第二摄像单元;所述第一摄像单元及所述第二摄像单元设置间距;获取第一摄像单元与所述路政设施所成夹角的第一角度以及获取第二摄像单元与所述路政设施所成夹角的第二角度,根据所述间距、所述第一角度及所述第二角度计算获取所述车辆与所述路政设施的相对位置信息,通过所述第一坐标与所述相对位置信息计算所述车辆位置坐标。
10.计算机可读介质,其特征在于:
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如权利要求1至6任一所述的车辆融合定位方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210209464.8A CN114910085A (zh) | 2022-03-04 | 2022-03-04 | 一种基于路政设施识别的车辆融合定位方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210209464.8A CN114910085A (zh) | 2022-03-04 | 2022-03-04 | 一种基于路政设施识别的车辆融合定位方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114910085A true CN114910085A (zh) | 2022-08-16 |
Family
ID=82763004
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210209464.8A Pending CN114910085A (zh) | 2022-03-04 | 2022-03-04 | 一种基于路政设施识别的车辆融合定位方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114910085A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116972749A (zh) * | 2023-07-31 | 2023-10-31 | 神思电子技术股份有限公司 | 一种基于视觉差分的设施定位方法、设备及介质 |
-
2022
- 2022-03-04 CN CN202210209464.8A patent/CN114910085A/zh active Pending
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116972749A (zh) * | 2023-07-31 | 2023-10-31 | 神思电子技术股份有限公司 | 一种基于视觉差分的设施定位方法、设备及介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CA3027921C (en) | Integrated sensor calibration in natural scenes | |
CN109931939B (zh) | 车辆的定位方法、装置、设备及计算机可读存储介质 | |
CN110322702A (zh) | 一种基于双目立体视觉系统的车辆智能测速方法 | |
CN108896994A (zh) | 一种无人驾驶车辆定位方法及设备 | |
CN108303103A (zh) | 目标车道的确定方法和装置 | |
CN109949594A (zh) | 实时的交通灯识别方法 | |
CN108196285A (zh) | 一种基于多传感器融合的精确定位系统 | |
CN106019264A (zh) | 一种基于双目视觉的无人机危险车距识别系统及方法 | |
CN110135323A (zh) | 图像标注方法、装置、系统及存储介质 | |
KR100663836B1 (ko) | 항공사진 촬영용 카메라의 중심 초점 매칭을 위한 모터의제어 시스템 | |
CN114841188A (zh) | 一种基于二维码的车辆融合定位方法及装置 | |
CN111640062A (zh) | 一种车载环视图像的自动拼接方法 | |
CN112446915B (zh) | 一种基于图像组的建图方法及装置 | |
CN111982132B (zh) | 数据处理方法、装置和存储介质 | |
CN114910085A (zh) | 一种基于路政设施识别的车辆融合定位方法及装置 | |
CN114820769A (zh) | 车辆定位方法、装置、计算机设备、存储介质及车辆 | |
CN114820793A (zh) | 基于无人机的目标检测及目标点定位方法及系统 | |
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 | |
DE102006051539A1 (de) | Verfahren und Vorrichtung zur luftbildgestützten Umgebungserfassung bei Kraftfahrzeugen | |
CN110539748A (zh) | 基于环视的拥堵跟车系统和终端 | |
CN112113580A (zh) | 车辆定位的方法、装置和汽车 | |
CN113513984B (zh) | 一种车位识别精度检测方法、装置、电子设备和存储介质 | |
CN111292382B (zh) | 车载图像采集设备标定的方法和装置、电子设备、介质 | |
CN113048988B (zh) | 一种导航地图对应场景的变化元素检测方法及装置 | |
CN113469045A (zh) | 无人集卡的视觉定位方法、系统、电子设备和存储介质 |
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 |