CN116380107A - 一种基于高精地图对车辆进行定位的系统 - Google Patents
一种基于高精地图对车辆进行定位的系统 Download PDFInfo
- Publication number
- CN116380107A CN116380107A CN202310611251.2A CN202310611251A CN116380107A CN 116380107 A CN116380107 A CN 116380107A CN 202310611251 A CN202310611251 A CN 202310611251A CN 116380107 A CN116380107 A CN 116380107A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- positioning
- precision map
- road
- distance
- 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
Links
- 238000000034 method Methods 0.000 claims abstract description 17
- 230000010365 information processing Effects 0.000 claims abstract description 8
- 230000008569 process Effects 0.000 claims description 13
- 238000010276 construction Methods 0.000 claims description 3
- 230000000007 visual effect Effects 0.000 claims description 3
- 238000010586 diagram Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
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
- G01C21/34—Route searching; Route guidance
- G01C21/3407—Route searching; Route guidance specially adapted for specific applications
- G01C21/343—Calculating itineraries, i.e. routes leading from a starting point to a series of categorical destinations using a global route restraint, round trips, touristic trips
-
- 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
- G01C21/3635—Guidance using 3D or perspective road maps
- G01C21/3638—Guidance using 3D or perspective road maps including 3D objects and buildings
-
- 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
- G01C21/38—Electronic maps specially adapted for navigation; Updating thereof
- G01C21/3804—Creation or updating of map data
- G01C21/3807—Creation or updating of map data characterised by the type of data
- G01C21/3815—Road data
- G01C21/3822—Road feature data, e.g. slope data
-
- 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)
- Automation & Control Theory (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Navigation (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明公开了一种基于高精地图对车辆进行定位的系统，属于车辆定位系统领域，包括道路特征获取模块、高精地图获取模块、车辆定位模块、信息处理模块、路径规划模块；道路特征获取模块用于获取道路路标信息、周围车辆位置信息、两侧护栏间距信息；车辆定位模块用于初步定位车辆当前所在位置；高精地图获取模块用于获取当前车辆初步定位位置区域的高精地图；信息处理模块用于构建二次定位模型，将高精地图、道路路标信息、周围车辆位置信息以及两侧护栏间距信息导入二次定位模型。本发明，能够根据车辆实时在道路的具体位置以及与周围车辆的位置关系，对高精地图中车辆在道路上的位置进行实时修正，从而减小误差，提高车辆定位的精准性。
Description
技术领域
本发明涉及一种车辆定位系统，具体是一种基于高精地图对车辆进行定位的系统。
背景技术
高精度定位是目前高级别自动驾驶车的关键技术，以高精度定位为基础，自动驾驶车辆可以确定自身所在地图与现实世界的位置信息，从而使得车辆可以结合路型、交规等外在驾驶必须的信息，进行实际的车辆控制，如出匝道、变道、拐弯等驾驶动作。如果车辆自身定位不准确，很容易出现错过路口、撞击护栏、违反交规等危险情况，因此，如何实现车辆自身的高精度定位，确定车辆在地图，以及现实世界中的具体位置，成为自动驾驶行业要解决的核心问题之一。
自动驾驶是一项复杂的机器人任务，需要在不断变化的环境中进行感知、规划和执行。自动驾驶汽车需要利用高精地图进行定位和规划，在已经建立高精地图以后，高进地图中对车辆在道路的具体位置以及与周围车辆的位置关系存在些许误差，若是不对车辆在道路上的位置进行实时修正，车辆真实位置还是会与高精地图中车辆定位位置存在出入，从而给自动驾驶带来危险。
因此，本领域技术人员提供了一种基于高精地图对车辆进行定位的系统，以解决上述背景技术中提出的问题。
发明内容
本发明的目的在于提供一种基于高精地图对车辆进行定位的系统，能够根据车辆实时在道路的具体位置以及与周围车辆的位置关系，对高精地图中车辆在道路上的位置进行实时修正，从而减小误差，提高车辆定位的精准性，避免给自动驾驶带来危险，以解决上述背景技术中提出的问题。
为实现上述目的，本发明提供如下技术方案：
一种基于高精地图对车辆进行定位的系统，包括道路特征获取模块、高精地图获取模块、车辆定位模块、信息处理模块、路径规划模块；
所述道路特征获取模块用于获取道路路标信息、周围车辆位置信息、两侧护栏间距信息；所述车辆定位模块用于初步定位车辆当前所在位置；所述高精地图获取模块用于获取当前车辆初步定位位置区域的高精地图；所述信息处理模块用于构建二次定位模型，将高精地图、道路路标信息、周围车辆位置信息以及两侧护栏间距信息导入二次定位模型，输出车辆二次定位结果，再以车辆二次定位结果修正高精地图；所述路径规划模块用于根据车辆二次定位结果以及对应的高精地图为车辆规划行车路线；
所述二次定位模型的具体构建过程为：
步骤一：构建道路路标子模型，将道路路标信息导入道路路标子模型，输出结果对车辆定位位置进行修正，其中，道路路标信息包括道路路标与车辆的间距、道路路标与车辆前进方向的夹角；
步骤二：构建车辆位置子模型，将高精地图、周围车辆位置信息导入车辆位置子模型，输出结果对车辆定位位置进行修正；
步骤三：构建护栏间距子模型，将两侧护栏间距信息导入护栏间距子模型，输出结果对车辆定位位置进行修正。
作为本发明进一步的方案：所述道路路标子模型的具体修正过程如下：
S101：将道路路标与车辆的间距标记为L1，再将道路路标与车辆前进方向的夹角标记为α1；
S102：计算车辆沿着当前道路方向距离道路路标的直线距离，标记为L2；
S103：以L2作为车辆与道路路标的真实距离输出；
S104：根据车辆与道路路标的真实距离对车辆定位位置进行修正。
作为本发明再进一步的方案：所述车辆位置子模型的具体修正过程如下：
S201：以车辆为原点、车辆行驶路面为平面建立平面坐标系；
S202：将周围车辆的位置依次标记为P1（X1、Y1）、P2（X2、Y2）、······Pn（Xn、Yn），再将P1、P2······Pn依次首尾串联在一起，得到图形Z1；
S203：将高精地图中周围车辆的位置依次标记为p1（x1、y1）、p2（x2、y2）、······pn（xn、yn），再将p1、p2······pn依次首尾串联在一起，得到图形Z2；
S204：将Z1与Z2进行图形比对，具体步骤为：
（1）：将Z1的原点标记为R1，再将Z2的原点标记标记为R2；
（2）：将R1与R2重合，旋转Z2使得Z2与Z1的相似度达到首次最大值；
（3）：移动Z2使得Z2与Z1的相似度达到二次最大值；
（4）：对Z2与Z1上各个边缘点进行误差计算，误差小于预设值则进入下一步骤，否则回到步骤（1）；
（5）以Z2移动后的点R2作为高精地图中车辆在周围车辆之间的真实位置；
S205：根据车辆在周围车辆之间的真实位置对车辆定位位置进行修正。
作为本发明再进一步的方案：所述Z1与Z2的相似度以二者重合的面积大小计算，重合的面积越大，相似度越高。
作为本发明再进一步的方案：所述边缘点的误差计算具体过程为：
1）：计算P1（X1、Y1）与p1（x1、y1）之间的距离，标记为L1；计算P2（X2、Y2）与p2（x2、y2）之间的距离，标记为L2······计算Pn（Xn、Yn）与pn（xn、yn）之间的距离，标记为Ln；
2）：将预设值标记为L预设，再将L预设与L1、L2······Ln进行比对，若L1、L2······Ln中任意一个大于L预设，则输出Z2与Z1的边缘点误差不合格，反之进入下一步骤；
3）：计算L1、L2······Ln的平均值，标记为Li，Li=（L1+L2+···+Ln）/n，n为正整数；
4）：若Li＞70%L预设，则输出Z2与Z1的边缘点误差不合格，反之，输出Z2与Z1的边缘点误差合格。
作为本发明再进一步的方案：所述护栏间距子模型的具体修正过程如下：
S301：将车辆距离左侧护栏的间距标记为K1，再将车辆距离右侧护栏的间距标记为K2，车辆自身宽度标记为K3，道路宽度标记为K4；
S302：当95%K4≤K1+K2+K3≤K4，进入下一步骤开始车辆定位位置的修正，否则不进行修正；
S303：根据K1与K2的大小确定车辆在道路宽度上的真实位置；
S304：根据车辆在道路宽度上的真实位置对车辆定位位置进行修正。
作为本发明再进一步的方案：所述护栏间距子模型在对车辆定位位置进行修正时若是道路两侧没有护栏，则以路基与车道分割线作为护栏。
作为本发明再进一步的方案：所述获取道路路标信息、周围车辆位置信息以及两侧护栏间距信息通过车辆上设置的视觉传感器采集。
与现有技术相比，本发明的有益效果是：
1、本申请能够根据车辆实时在道路的具体位置以及与周围车辆的位置关系，对高精地图中车辆在道路上的位置进行实时修正，从而减小误差，提高车辆定位的精准性，避免给自动驾驶带来危险。
2、本申请通过道路路标子模型确定车辆在道路前后方向的具体位置，再通过护栏间距子模型确定车辆在道路左右方向的具体位置，配合车辆位置子模型能够根据定位车辆与周围车辆的位置关系，从而进一步确定定位车辆在道路上的精准位置。
3、本申请在构建车辆位置子模型对车辆位置进行修正时，通过设置边缘点的误差计算来确保Z2与Z1差距不大的情况下才能进行比对，避免Z2丢失或出现重大失误时还继续与Z1比对造成的修正误差较大，从而确保车辆定位的精准性。
附图说明
图1为一种基于高精地图对车辆进行定位的系统的结构框图；
图2为一种基于高精地图对车辆进行定位的系统中道路路标与定位车辆的实时位置图；
图3为一种基于高精地图对车辆进行定位的系统中定位车辆与周围车辆的实时位置图；
图4为一种基于高精地图对车辆进行定位的系统中定位车辆与周围车辆在高精地图中的位置图；
图5为一种基于高精地图对车辆进行定位的系统中定位车辆与护栏间距的结构示意图。
具体实施方式
为了更好的理解上述技术方案，下面将结合说明书附图以及具体的实施方式对上述技术方案进行详细的说明。
请参阅图1～5，本发明实施例中，一种基于高精地图对车辆进行定位的系统，包括道路特征获取模块、高精地图获取模块、车辆定位模块、信息处理模块、路径规划模块；道路特征获取模块用于获取道路路标信息、周围车辆位置信息、两侧护栏间距信息；车辆定位模块用于初步定位车辆当前所在位置；高精地图获取模块用于获取当前车辆初步定位位置区域的高精地图；信息处理模块用于构建二次定位模型，将高精地图、道路路标信息、周围车辆位置信息以及两侧护栏间距信息导入二次定位模型，输出车辆二次定位结果，再以车辆二次定位结果修正高精地图；路径规划模块用于根据车辆二次定位结果以及对应的高精地图为车辆规划行车路线；
二次定位模型的具体构建过程为：步骤一：构建道路路标子模型，将道路路标信息导入道路路标子模型，输出结果对车辆定位位置进行修正，其中，道路路标信息包括道路路标与车辆的间距、道路路标与车辆前进方向的夹角；步骤二：构建车辆位置子模型，将高精地图、周围车辆位置信息导入车辆位置子模型，输出结果对车辆定位位置进行修正；步骤三：构建护栏间距子模型，将两侧护栏间距信息导入护栏间距子模型，输出结果对车辆定位位置进行修正。本申请能够根据车辆实时在道路的具体位置以及与周围车辆的位置关系，对高精地图中车辆在道路上的位置进行实时修正，从而减小误差，提高车辆定位的精准性，避免给自动驾驶带来危险。
在本实施例中：道路路标子模型的具体修正过程如下：S101：将道路路标与车辆的间距标记为L1，再将道路路标与车辆前进方向的夹角标记为α1；S102：计算车辆沿着当前道路方向距离道路路标的直线距离，标记为L2；S103：以L2作为车辆与道路路标的真实距离输出；S104：根据车辆与道路路标的真实距离对车辆定位位置进行修正。道路路标子模型的设置能够根据道路路标与车辆的位置关系，确定定位车辆在道路上的准确位置。
在本实施例中：车辆位置子模型的具体修正过程如下：S201：以车辆为原点、车辆行驶路面为平面建立平面坐标系；S202：将周围车辆的位置依次标记为P1（X1、Y1）、P2（X2、Y2）、······Pn（Xn、Yn），再将P1、P2······Pn依次首尾串联在一起，得到图形Z1；S203：将高精地图中周围车辆的位置依次标记为p1（x1、y1）、p2（x2、y2）、······pn（xn、yn），再将p1、p2······pn依次首尾串联在一起，得到图形Z2；S204：将Z1与Z2进行图形比对，具体步骤为：（1）：将Z1的原点标记为R1，再将Z2的原点标记标记为R2；（2）：将R1与R2重合，旋转Z2使得Z2与Z1的相似度达到首次最大值；（3）：移动Z2使得Z2与Z1的相似度达到二次最大值；（4）：对Z2与Z1上各个边缘点进行误差计算，误差小于预设值则进入下一步骤，否则回到步骤（1）；（5）以Z2移动后的点R2作为高精地图中车辆在周围车辆之间的真实位置；S205：根据车辆在周围车辆之间的真实位置对车辆定位位置进行修正。车辆位置子模型能够根据定位车辆与周围车辆的位置关系，从而进一步确定定位车辆在道路上的精准位置。
在本实施例中：Z1与Z2的相似度以二者重合的面积大小计算，重合的面积越大，相似度越高。
在本实施例中：边缘点的误差计算具体过程为：1）：计算P1（X1、Y1）与p1（x1、y1）之间的距离，标记为L1；计算P2（X2、Y2）与p2（x2、y2）之间的距离，标记为L2······计算Pn（Xn、Yn）与pn（xn、yn）之间的距离，标记为Ln；2）：将预设值标记为L预设，再将L预设与L1、L2······Ln进行比对，若L1、L2······Ln中任意一个大于L预设，则输出Z2与Z1的边缘点误差不合格，反之进入下一步骤；3）：计算L1、L2······Ln的平均值，标记为Li，Li=（L1+L2+···+Ln）/n，n为正整数；4）：若Li＞70%L预设，则输出Z2与Z1的边缘点误差不合格，反之，输出Z2与Z1的边缘点误差合格。该设置确保Z2与Z1差距不大的情况下才能进行比对，避免Z2丢失或出现重大失误时还继续与Z1比对造成的修正误差较大，从而确保车辆定位的精准性。
在本实施例中：护栏间距子模型的具体修正过程如下：S301：将车辆距离左侧护栏的间距标记为K1，再将车辆距离右侧护栏的间距标记为K2，车辆自身宽度标记为K3，道路宽度标记为K4；S302：当95%K4≤K1+K2+K3≤K4，进入下一步骤开始车辆定位位置的修正，否则不进行修正；S303：根据K1与K2的大小确定车辆在道路宽度上的真实位置；S304：根据车辆在道路宽度上的真实位置对车辆定位位置进行修正。护栏间距子模型能够实时检测车辆在道路宽度上的准确位置，不仅能够确定车辆与护栏的间距，还能确定车辆在道路上具体哪条车道。
在本实施例中：护栏间距子模型在对车辆定位位置进行修正时若是道路两侧没有护栏，则以路基与车道分割线作为护栏。
在本实施例中：获取道路路标信息、周围车辆位置信息以及两侧护栏间距信息通过车辆上设置的视觉传感器采集。
本发明能够根据车辆实时在道路的具体位置以及与周围车辆的位置关系，对高精地图中车辆在道路上的位置进行实时修正，从而减小误差，提高车辆定位的精准性，避免给自动驾驶带来危险。其中，本申请先通过道路路标子模型确定车辆在道路前后方向的具体位置，再通过护栏间距子模型确定车辆在道路左右方向的具体位置，配合车辆位置子模型能够根据定位车辆与周围车辆的位置关系，从而进一步确定定位车辆在道路上的精准位置。此外，本申请在构建车辆位置子模型对车辆位置进行修正时，通过设置边缘点的误差计算来确保Z2与Z1差距不大的情况下才能进行比对，避免Z2丢失或出现重大失误时还继续与Z1比对造成的修正误差较大，从而确保车辆定位的精准性。
显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。
以上所述的，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，根据本发明的技术方案及其发明构思加以等同替换或改变，都应涵盖在本发明的保护范围之内。
Claims (8)
1.一种基于高精地图对车辆进行定位的系统，其特征在于，包括道路特征获取模块、高精地图获取模块、车辆定位模块、信息处理模块、路径规划模块；
所述道路特征获取模块用于获取道路路标信息、周围车辆位置信息、两侧护栏间距信息；所述车辆定位模块用于初步定位车辆当前所在位置；所述高精地图获取模块用于获取当前车辆初步定位位置区域的高精地图；所述信息处理模块用于构建二次定位模型，将高精地图、道路路标信息、周围车辆位置信息以及两侧护栏间距信息导入二次定位模型，输出车辆二次定位结果，再以车辆二次定位结果修正高精地图；所述路径规划模块用于根据车辆二次定位结果以及对应的高精地图为车辆规划行车路线；
所述二次定位模型的具体构建过程为：
步骤一：构建道路路标子模型，将道路路标信息导入道路路标子模型，输出结果对车辆定位位置进行修正，其中，道路路标信息包括道路路标与车辆的间距、道路路标与车辆前进方向的夹角；
步骤二：构建车辆位置子模型，将高精地图、周围车辆位置信息导入车辆位置子模型，输出结果对车辆定位位置进行修正；
步骤三：构建护栏间距子模型，将两侧护栏间距信息导入护栏间距子模型，输出结果对车辆定位位置进行修正。
2.根据权利要求1所述的一种基于高精地图对车辆进行定位的系统，其特征在于，所述道路路标子模型的具体修正过程如下：
S101：将道路路标与车辆的间距标记为L1，再将道路路标与车辆前进方向的夹角标记为α1；
S102：计算车辆沿着当前道路方向距离道路路标的直线距离，标记为L2；
S103：以L2作为车辆与道路路标的真实距离输出；
S104：根据车辆与道路路标的真实距离对车辆定位位置进行修正。
3.根据权利要求1所述的一种基于高精地图对车辆进行定位的系统，其特征在于，所述车辆位置子模型的具体修正过程如下：
S201：以车辆为原点、车辆行驶路面为平面建立平面坐标系；
S202：将周围车辆的位置依次标记为P1（X1、Y1）、P2（X2、Y2）、······Pn（Xn、Yn），再将P1、P2······Pn依次首尾串联在一起，得到图形Z1；
S203：将高精地图中周围车辆的位置依次标记为p1（x1、y1）、p2（x2、y2）、······pn（xn、yn），再将p1、p2······pn依次首尾串联在一起，得到图形Z2；
S204：将Z1与Z2进行图形比对，具体步骤为：
（1）：将Z1的原点标记为R1，再将Z2的原点标记标记为R2；
（2）：将R1与R2重合，旋转Z2使得Z2与Z1的相似度达到首次最大值；
（3）：移动Z2使得Z2与Z1的相似度达到二次最大值；
（4）：对Z2与Z1上各个边缘点进行误差计算，误差小于预设值则进入下一步骤，否则回到步骤（1）；
（5）以Z2移动后的点R2作为高精地图中车辆在周围车辆之间的真实位置；
S205：根据车辆在周围车辆之间的真实位置对车辆定位位置进行修正。
4.根据权利要求3所述的一种基于高精地图对车辆进行定位的系统，其特征在于，所述Z1与Z2的相似度以二者重合的面积大小计算，重合的面积越大，相似度越高。
5.根据权利要求3所述的一种基于高精地图对车辆进行定位的系统，其特征在于，所述边缘点的误差计算具体过程为：
1）：计算P1（X1、Y1）与p1（x1、y1）之间的距离，标记为L1；计算P2（X2、Y2）与p2（x2、y2）之间的距离，标记为L2······计算Pn（Xn、Yn）与pn（xn、yn）之间的距离，标记为Ln；
2）：将预设值标记为L预设，再将L预设与L1、L2······Ln进行比对，若L1、L2······Ln中任意一个大于L预设，则输出Z2与Z1的边缘点误差不合格，反之进入下一步骤；
3）：计算L1、L2······Ln的平均值，标记为Li，Li=（L1+L2+···+Ln）/n，n为正整数；
4）：若Li＞70%L预设，则输出Z2与Z1的边缘点误差不合格，反之，输出Z2与Z1的边缘点误差合格。
6.根据权利要求1所述的一种基于高精地图对车辆进行定位的系统，其特征在于，所述护栏间距子模型的具体修正过程如下：
S301：将车辆距离左侧护栏的间距标记为K1，再将车辆距离右侧护栏的间距标记为K2，车辆自身宽度标记为K3，道路宽度标记为K4；
S302：当95%K4≤K1+K2+K3≤K4，进入下一步骤开始车辆定位位置的修正，否则不进行修正；
S303：根据K1与K2的大小确定车辆在道路宽度上的真实位置；
S304：根据车辆在道路宽度上的真实位置对车辆定位位置进行修正。
7.根据权利要求6所述的一种基于高精地图对车辆进行定位的系统，其特征在于，所述护栏间距子模型在对车辆定位位置进行修正时若是道路两侧没有护栏，则以路基与车道分割线作为护栏。
8.根据权利要求1所述的一种基于高精地图对车辆进行定位的系统，其特征在于，所述获取道路路标信息、周围车辆位置信息以及两侧护栏间距信息通过车辆上设置的视觉传感器采集。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310611251.2A CN116380107B (zh) | 2023-05-29 | 2023-05-29 | 一种基于高精地图对车辆进行定位的系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310611251.2A CN116380107B (zh) | 2023-05-29 | 2023-05-29 | 一种基于高精地图对车辆进行定位的系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116380107A true CN116380107A (zh) | 2023-07-04 |
| CN116380107B CN116380107B (zh) | 2023-08-22 |
Family
ID=86965980
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310611251.2A Active CN116380107B (zh) | 2023-05-29 | 2023-05-29 | 一种基于高精地图对车辆进行定位的系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116380107B (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117191072A (zh) * | 2023-11-07 | 2023-12-08 | 山东高速信息集团有限公司 | 一种高速公路道路实景导航系统 |
Citations (20)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| TW201501979A (zh) * | 2013-07-08 | 2015-01-16 | Kang Li | 基於電子地圖、全球導航衛星系統及車輛動態偵測技術之車道辨識方法 |
| CN106441213A (zh) * | 2016-10-31 | 2017-02-22 | 北京仿真中心 | 一种用于夜间的激光角度标定装置及方法 |
| EP3279611A1 (en) * | 2015-03-19 | 2018-02-07 | Clarion Co., Ltd. | Information processing device, and vehicle position detecting method |
| DE102018115813A1 (de) * | 2017-06-30 | 2019-01-03 | GM Global Technology Operations LLC | Verfahren und systeme zum lokalisieren eines fahrzeugs |
| CN109547925A (zh) * | 2018-12-07 | 2019-03-29 | 纳恩博（北京）科技有限公司 | 位置更新方法、位置及导航路线的显示方法、车辆和系统 |
| CN109581449A (zh) * | 2018-12-14 | 2019-04-05 | 安徽江淮汽车集团股份有限公司 | 一种自动驾驶汽车的定位方法及系统 |
| US20200370894A1 (en) * | 2018-01-04 | 2020-11-26 | Samsung Electronics Co., Ltd. | Electronic device and method for correcting vehicle location on map |
| CN112071092A (zh) * | 2020-09-21 | 2020-12-11 | 汪秒 | 一种基于云计算的道路交通智能缓解控制系统 |
| CN112444251A (zh) * | 2019-08-29 | 2021-03-05 | 长沙智能驾驶研究院有限公司 | 车辆行车位置确定方法、装置、存储介质及计算机设备 |
| CN112590816A (zh) * | 2020-12-21 | 2021-04-02 | 东风汽车集团有限公司 | 一种基于四轮转向汽车的自动驾驶往返切换方法及装置 |
| CN112837365A (zh) * | 2019-11-25 | 2021-05-25 | 北京初速度科技有限公司 | 一种基于图像的车辆定位方法及装置 |
| CN113759903A (zh) * | 2021-08-23 | 2021-12-07 | 东莞职业技术学院 | 无人驾驶车辆及其转向控制方法、电子设备及存储介质 |
| CN114383620A (zh) * | 2021-11-30 | 2022-04-22 | 江铃汽车股份有限公司 | 车辆精准位置获取方法、系统、可读存储介质及车辆 |
| US20220307860A1 (en) * | 2021-03-25 | 2022-09-29 | Honda Motor Co., Ltd. | Map creation device, map creation system, map creation method, and storage medium |
| EP4099048A1 (en) * | 2021-06-04 | 2022-12-07 | Kabushiki Kaisha Toshiba | Position information calculation device and position information calculation method |
| WO2023273780A1 (zh) * | 2021-06-28 | 2023-01-05 | 驭势（上海）汽车科技有限公司 | 车辆定位方法、装置、电子设备和存储介质 |
| CN115667847A (zh) * | 2020-05-26 | 2023-01-31 | 日立安斯泰莫株式会社 | 车辆控制装置和本车位置推算方法 |
| CN115683141A (zh) * | 2022-10-12 | 2023-02-03 | 中国科学院合肥物质科学研究院 | 一种未知环境下用于自动驾驶的局部参考路径生成方法 |
| CN116112543A (zh) * | 2023-02-13 | 2023-05-12 | 华人运通(上海)自动驾驶科技有限公司 | 车道定位方法、电子设备及计算机程序产品 |
| EP4184479A1 (en) * | 2020-07-20 | 2023-05-24 | Hitachi Astemo, Ltd. | Information processing device |
-
2023
- 2023-05-29 CN CN202310611251.2A patent/CN116380107B/zh active Active
Patent Citations (20)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| TW201501979A (zh) * | 2013-07-08 | 2015-01-16 | Kang Li | 基於電子地圖、全球導航衛星系統及車輛動態偵測技術之車道辨識方法 |
| EP3279611A1 (en) * | 2015-03-19 | 2018-02-07 | Clarion Co., Ltd. | Information processing device, and vehicle position detecting method |
| CN106441213A (zh) * | 2016-10-31 | 2017-02-22 | 北京仿真中心 | 一种用于夜间的激光角度标定装置及方法 |
| DE102018115813A1 (de) * | 2017-06-30 | 2019-01-03 | GM Global Technology Operations LLC | Verfahren und systeme zum lokalisieren eines fahrzeugs |
| US20200370894A1 (en) * | 2018-01-04 | 2020-11-26 | Samsung Electronics Co., Ltd. | Electronic device and method for correcting vehicle location on map |
| CN109547925A (zh) * | 2018-12-07 | 2019-03-29 | 纳恩博（北京）科技有限公司 | 位置更新方法、位置及导航路线的显示方法、车辆和系统 |
| CN109581449A (zh) * | 2018-12-14 | 2019-04-05 | 安徽江淮汽车集团股份有限公司 | 一种自动驾驶汽车的定位方法及系统 |
| CN112444251A (zh) * | 2019-08-29 | 2021-03-05 | 长沙智能驾驶研究院有限公司 | 车辆行车位置确定方法、装置、存储介质及计算机设备 |
| CN112837365A (zh) * | 2019-11-25 | 2021-05-25 | 北京初速度科技有限公司 | 一种基于图像的车辆定位方法及装置 |
| CN115667847A (zh) * | 2020-05-26 | 2023-01-31 | 日立安斯泰莫株式会社 | 车辆控制装置和本车位置推算方法 |
| EP4184479A1 (en) * | 2020-07-20 | 2023-05-24 | Hitachi Astemo, Ltd. | Information processing device |
| CN112071092A (zh) * | 2020-09-21 | 2020-12-11 | 汪秒 | 一种基于云计算的道路交通智能缓解控制系统 |
| CN112590816A (zh) * | 2020-12-21 | 2021-04-02 | 东风汽车集团有限公司 | 一种基于四轮转向汽车的自动驾驶往返切换方法及装置 |
| US20220307860A1 (en) * | 2021-03-25 | 2022-09-29 | Honda Motor Co., Ltd. | Map creation device, map creation system, map creation method, and storage medium |
| EP4099048A1 (en) * | 2021-06-04 | 2022-12-07 | Kabushiki Kaisha Toshiba | Position information calculation device and position information calculation method |
| WO2023273780A1 (zh) * | 2021-06-28 | 2023-01-05 | 驭势（上海）汽车科技有限公司 | 车辆定位方法、装置、电子设备和存储介质 |
| CN113759903A (zh) * | 2021-08-23 | 2021-12-07 | 东莞职业技术学院 | 无人驾驶车辆及其转向控制方法、电子设备及存储介质 |
| CN114383620A (zh) * | 2021-11-30 | 2022-04-22 | 江铃汽车股份有限公司 | 车辆精准位置获取方法、系统、可读存储介质及车辆 |
| CN115683141A (zh) * | 2022-10-12 | 2023-02-03 | 中国科学院合肥物质科学研究院 | 一种未知环境下用于自动驾驶的局部参考路径生成方法 |
| CN116112543A (zh) * | 2023-02-13 | 2023-05-12 | 华人运通(上海)自动驾驶科技有限公司 | 车道定位方法、电子设备及计算机程序产品 |
Non-Patent Citations (1)
| Title |
|---|
| 周雄: "多尺度组分特征和位点关联特征相融合的剪接位点识别", 计算机工程与应用, vol. 50, no. 10, pages 120 - 123 * |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117191072A (zh) * | 2023-11-07 | 2023-12-08 | 山东高速信息集团有限公司 | 一种高速公路道路实景导航系统 |
| CN117191072B (zh) * | 2023-11-07 | 2024-01-26 | 山东高速信息集团有限公司 | 一种高速公路道路实景导航系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116380107B (zh) | 2023-08-22 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107121980B (zh) | 一种基于虚拟约束的自动驾驶车辆路径规划方法 | |
| CN113447033B (zh) | 一种车道级地图匹配方法及系统 | |
| CN107085938B (zh) | 基于车道线与gps跟随的智能驾驶局部轨迹容错规划方法 | |
| CN108388641B (zh) | 一种基于深度学习的交通设施地图生成方法与系统 | |
| KR20200101855A (ko) | 차량의 주행 궤적 예측 방법 및 장치 | |
| TWI742554B (zh) | 定位方法、路徑確定方法、機器人及儲存介質 | |
| US20170343374A1 (en) | Vehicle navigation method and apparatus | |
| CN109946732A (zh) | 一种基于多传感器数据融合的无人车定位方法 | |
| CN116380107B (zh) | 一种基于高精地图对车辆进行定位的系统 | |
| CN101660908B (zh) | 基于单个路标的视觉定位与导航方法 | |
| CN110850859B (zh) | 一种机器人及其避障方法和避障系统 | |
| CN107328423B (zh) | 基于地图数据的弯道识别方法及其系统 | |
| CN105869638A (zh) | 一种操作指令提示方法及系统 | |
| CN109325390B (zh) | 一种基于地图与多传感器检测相结合的定位方法及系统 | |
| CN101866017B (zh) | 基于移位循环唯一码的交通车辆磁定位方法 | |
| CN112748421A (zh) | 一种基于直行路段自动驾驶的激光雷达校准方法 | |
| CN106203341A (zh) | 一种无人车的车道线识别方法及装置 | |
| CN113375685A (zh) | 基于子轨迹相交的城市路口中心识别及路口转弯规则提取方法 | |
| CN114396958B (zh) | 基于多车道多传感器的车道定位方法、系统及车辆 | |
| CN101145240A (zh) | 摄像机图像对道路场景多点高精度标定方法 | |
| CN106843206A (zh) | 基于已有路网的辅助定位方法 | |
| CN111179632B (zh) | 一种停车机器人定位导航方法 | |
| CN112699575A (zh) | 一种虚拟车辆测试平台中相对位置测算方法及系统 | |
| Xi et al. | Map matching algorithm and its application | |
| Yuan et al. | Estimation of vehicle pose and position with monocular camera at urban road intersections |
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 |