CN117516527A - 一种地库定位方法、系统、车辆、存储介质及设备 - Google Patents
一种地库定位方法、系统、车辆、存储介质及设备 Download PDFInfo
- Publication number
- CN117516527A CN117516527A CN202210901696.XA CN202210901696A CN117516527A CN 117516527 A CN117516527 A CN 117516527A CN 202210901696 A CN202210901696 A CN 202210901696A CN 117516527 A CN117516527 A CN 117516527A
- Authority
- CN
- China
- Prior art keywords
- vehicle
- ground
- information
- pose
- dimensional
- 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
- 238000000034 method Methods 0.000 title claims abstract description 48
- 230000007613 environmental effect Effects 0.000 claims abstract description 12
- 230000000007 visual effect Effects 0.000 claims description 23
- 238000004364 calculation method Methods 0.000 claims description 5
- 238000003709 image segmentation Methods 0.000 claims description 5
- 238000011423 initialization method Methods 0.000 claims 1
- 230000004438 eyesight Effects 0.000 abstract description 2
- 238000010330 laser marking Methods 0.000 description 10
- 230000008569 process Effects 0.000 description 8
- 230000000694 effects Effects 0.000 description 5
- 230000009471 action Effects 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 238000006243 chemical reaction Methods 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000004590 computer program Methods 0.000 description 2
- 230000008447 perception Effects 0.000 description 2
- 241000283070 Equus zebra Species 0.000 description 1
- 238000013136 deep learning model Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000016776 visual perception Effects 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
- G01C21/20—Instruments for performing navigational calculations
- G01C21/206—Instruments for performing navigational calculations specially adapted for indoor navigation
-
- 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
- G01C21/10—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration
- G01C21/12—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning
- G01C21/16—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning by integrating acceleration or speed, i.e. inertial navigation
- G01C21/165—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning by integrating acceleration or speed, i.e. inertial navigation combined with non-inertial navigation 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
- G01C21/38—Electronic maps specially adapted for navigation; Updating thereof
- G01C21/3804—Creation or updating of map 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)
- Image Processing (AREA)
Abstract
本申请公开了一种地库定位方法、系统、车辆、存储介质及设备,属于数据处理技术领域。该方法主要包括:对多个相机实时分别拍摄到的图片进行图像拼接,获取全景拼接图,其中图片中的图像信息为同一楼层不同角度的环境信息;对全景拼接图进行全局初始化,获取实时的初始位姿;根据图片提取车辆周围地面标识对应的特征线段,建立具有特征线段的当前特征2维地图;将预建立的3维地面标识地图投影到当前特征2维地图中,获取初始位姿与3维地面标识地图中位姿信息之间的灰度误差;以及根据灰度误差对初始位姿进行优化,获取车辆的位姿信息。基于纯视觉的方式通过地面标识对3维地图的匹配,以在3维地图中对车辆定位,提高定位的准确性。
Description
技术领域
本申请涉及数据处理技术领域,特别涉及一种地库定位方法、系统、车辆、存储介质及设备。
背景技术
地面标识信息是汽车实现自动驾驶最重要的环境感知信息之一。利用地面标识信息自动驾驶汽车才能够保持安全行驶在当前空间。同时,准确平滑的地面标识能够使车辆的行驶过程中能够更加准确的进行判断,提升体验感和安全性。
在现有技术中,多采用为地面标识贴上激光标线,以使得通过激光标线的反射获取该地面标识的定位信息,或采用GPS(全球定位系统)定位的方式获取该地面标识的定位信息。
然而,对于贴激光标线的方式来说,该方式需要前期花费大量人力资源来为地面标线贴上激光标线,并且地图定位的区域非常广,人力为全部的地面标线贴上激光标线基本不能实现;而对于采用GPS定位的方式,当GPS应用于地库或高层时,往往精度受影响,因此GPS的局限性强。
发明内容
针对现有技术存在的消耗人力资源与局限性强的问题,本申请主要提供一种地库定位方法、系统、车辆、存储介质及设备。
第一方面,本申请实施例提供一种地库定位方法,其包括:对多个相机实时分别拍摄到的图片进行图像拼接,获取图片对应的全景拼接图,其中图片中的图像信息为同一楼层不同角度的环境信息,相机装载在车辆的周围;对全景拼接图进行全局初始化,获取车辆实时的初始位姿;根据图片提取车辆周围地面标识对应的特征线段,建立具有特征线段的当前特征2维地图;将预建立的3维地面标识地图投影到当前特征2维地图中,获取初始位姿与3维地面标识地图中位姿信息之间的灰度误差;以及根据灰度误差对初始位姿进行优化,获取车辆的位姿信息。本申请实施例的技术方案基于纯视觉的方式,通过地面标识对3维地面标识地图的匹配,以在3维地面标识地图中对地库中的车辆进行定位,提高定位的准确性。
可选地,根据图片提取车辆周围地面标识对应的特征线段,建立具有特征线段的当前特征2维地图,包括:对图片进行俯视拼接,获取以车辆为鸟瞰视角的俯视拼接图;提取俯视拼接图中的特征线段;以及利用特征线段建立当前特征2维地图。对图片进行俯视拼接,获取以车辆为鸟瞰视角的俯视拼接图;使得俯视拼接图与预建立的3D地面标识地图的视角一致,从而利用俯视拼接图建立的当前特征2维地图与预建立的3D地面标识地图的坐标中心一致,使得后续的投影等步骤的运算量减小,运算效率提高。
可选地,将预建立的3维地面标识地图投影到当前特征2维地图中,获取初始位姿与3维地面标识地图中位姿信息之间的灰度误差,包括:对3维地面标识地图进行图像分割,获取每一帧的3维地面标识地图,其中每一帧3维地面标识地图包含车辆在该时刻对应的位姿信息;以及将3维地面标识地图投影到当前特征2维地图中,计算位姿信息与初始位姿的重合程度,获取灰度误差。其中将局部地面标识地图分别投影当前特征2维地图中,与当前特征2维地图中地面标识进行匹配,提高后续匹配的准确率,避免由于3维地图中特征元素过多,造成混淆,使得出现匹配错误的情况。
可选地,根据灰度误差对初始位姿进行优化,获取车辆的位姿信息,包括:若位姿信息与初始位姿的重合程度大于预设重合阈值,灰度误差小于或等于预设误差值;以及将初始位姿作为车辆的位姿信息。
可选地,根据灰度误差对初始位姿进行优化,获取车辆的位姿信息,还包括:若位姿信息与初始位姿的重合程度小于或等于预设重合阈值,灰度误差大于预设误差值;以及对初始位姿进行修正,将修正后的初始位姿作为车辆的位姿信息。
可选地,利用车辆装载的位置传感器系统获取的IMU信息与轮速信息,计算获取车辆的轮速轨迹信息;根据多帧的图片获取车辆的视觉轨迹信息;对轮速轨迹信息与视觉轨迹信息进行融合,获取车辆的位姿信息。由于利用相机获取的图片对应的是视觉里程计,相对于IMU信息与轮速信息计算生成的轮速里程计而言,频率较低;若定位的时刻不是相机的拍摄时间,因此利用视觉里程计无法获得定位信息,而高频的轮速里程计存有对应时刻的定位信息,因此将视觉里程计与轮速里程计进行融合,获取定位时刻的视觉里程计对应的位姿信息,提高位姿信息的精度。
第二方面,本申请实施例提供一种地库定位系统,其包括:图片拼接模块,对多个相机实时分别拍摄到的图片进行图像拼接,获取图片对应的全景拼接图,其中图片中的图像信息为同一楼层不同角度的环境信息,相机装载在车辆的周围;初始化模块,对全景拼接图进行全局初始化,获取车辆实时的初始位姿;2维地图建立模块,根据图片提取车辆周围地面标识对应的特征线段,建立具有特征线段的当前特征2维地图;误差计算模块,将预建立的3维地面标识地图投影到当前特征2维地图中,获取初始位姿与3维地面标识地图中位姿信息之间的灰度误差;以及定位模块,根据灰度误差对初始位姿进行优化,获取车辆的位姿信息。
第三方面,本申请实施例提供一种车辆,其特征在于,车辆包括上述方案中的地库定位系统,其中地库定位系统包括:图片拼接模块,对多个相机实时分别拍摄到的图片进行图像拼接,获取图片对应的全景拼接图,其中图片中的图像信息为同一楼层不同角度的环境信息,相机装载在车辆的周围;初始化模块,对全景拼接图进行全局初始化,获取车辆实时的初始位姿;2维地图建立模块,根据图片提取车辆周围地面标识对应的特征线段,建立具有特征线段的当前特征2维地图;误差计算模块,将预建立的3维地面标识地图投影到当前特征2维地图中,获取初始位姿与3维地面标识地图中位姿信息之间的灰度误差;以及定位模块,根据灰度误差对初始位姿进行优化,获取车辆的位姿信息。
第四方面,本申请实施例提供一种计算机可读存储介质,其存储有计算机指令,该计算机指令被操作以执行上述方案中的地库定位方法。
第五方面,本申请实施例提供一种计算机设备,其包括:至少一个处理器,处理器和存储器耦合,存储器存储有计算机指令,其特征在于,计算机指令以执行方案一中的地库定位方法。
第六方面,本申请实施例提供一种计算机程序产品,其包含计算机指令,该计算机指令被操作以执行上述方案中的地库定位方法。
对于以上第二方面至第六方面对应方案的有益效果,参照前述第一方面中方案的有益效果。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作以简单地介绍,显而易见地,下面描述中的附图是本申请的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1是本申请一种地库定位方法的一个可选实施方式的示意图;
图2是本申请一种地库定位系统的一个可选实施方式的示意图;
图3是本申请一种计算机设备的一个具体实施方式示意图。
通过上述附图,已示出本申请明确的实施例,后文中将有更详细的描述。这些附图和文字描述并不是为了通过任何方式限制本申请构思的范围,而是通过参考特定实施例为本领域技术人员说明本申请的概念。
具体实施方式
下面结合附图对本申请的较佳实施例进行详细阐述,以使本申请的优点和特征能更易于被本领域技术人员理解,从而对本申请的保护范围做出更为清楚明确的界定。
需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
地面标识信息是汽车实现自动驾驶最重要的环境感知信息之一。利用地面标识信息自动驾驶汽车才能够保持安全行驶在当前空间。同时,准确平滑的地面标识能够使车辆的行驶过程中能够更加准确的进行判断,提升体验感和安全性。
在现有技术中,多采用为地面标识贴上激光标线,以使得通过激光标线的反射获取该地面标识的定位信息,或采用GPS定位的方式获取该地面标识的定位信息。
然而,对于贴激光标线的方式来说,该方式需要前期花费大量人力资源来为地面标线贴上激光标线,并且地图定位的区域非常广,人力为全部的地面标线贴上激光标线基本不能实现;而对于采用GPS定位的方式,当GPS应用于地库或高层时,往往精度受影响,因此GPS的局限性强。
针对现有技术存在的问题,本申请主要提供一种地库定位方法、系统、车辆、存储介质及设备。该方法主要包括:对多个相机实时分别拍摄到的图片进行图像拼接,获取图片对应的全景拼接图,其中图片中的图像信息为同一楼层不同角度的环境信息,相机装载在车辆的周围;对全景拼接图进行全局初始化,获取车辆实时的初始位姿;根据图片提取车辆周围地面标识对应的特征线段,建立具有特征线段的当前特征2维地图;将预建立的3维地面标识地图投影到当前特征2维地图中,获取初始位姿与3维地面标识地图中位姿信息之间的灰度误差;以及根据灰度误差对初始位姿进行优化,获取车辆的位姿信息。
本申请实施例基于纯视觉的方式,通过地面标识对3维地图的匹配,以在3维地图中对地库中的车辆进行定位,提高定位的准确性。
下面,以具体的实施例对本申请的技术方案以及本申请的技术方案如何解决上述技术问题进行详细说明。下面述及的具体的实施例可以相互结合形成新的实施例。对于在一个实施例中描述过的相同或相似的思想或过程,可能在其他某些实施例中不再赘述。下面将结合附图,对本申请的实施例进行描述。
图1示出了本申请一种地库定位方法的一个可选实施方式。
在图1所示的可选实施方式中,地库定位方法主要包括步骤S101,对多个相机实时分别拍摄到的图片进行图像拼接,获取图片对应的全景拼接图,其中图片中的图像信息为同一楼层不同角度的环境信息,相机装载在车辆的周围。
在该可选实施方式中,由于视觉的图片并不受环境、场景等外因的限制,GPS因受到高层的限制,使得在建立同一楼层的地图时,无法利用GPS获取精准的定位,因此采用利用视觉感知的相机建立该楼层的地图,以便进行定位;例如,在地下车库中对驶入车库的车辆进行实时定位时,在车辆周围安装相机,在进入车库时,各个相机实时拍摄图片;将图片进行编码,并在数据库中储存图片对应的位姿信息,优选地相机可选用鱼眼相机。为后续的检索步骤提供基础;因此,在全局初始化的过程中,首先根据多个相机实时拍摄的图片,拼接获得全景拼接图。
在图1所示的可选实施方式中,地库定位方法,还包括步骤S102,对全景拼接图进行全局初始化,获取车辆实时的初始位姿。
在该可选实施方式中,将全景拼接图输入预设的深度学习模型中,由模型输出描述该全景拼接图各个地面标识方位关系、大小形状等特性的描述信息;例如,全景拼接图的场景为地库的一个十字路口,道路上有减速带、车道线、左拐箭头、右拐箭头、斑马线、引导线等,道路两旁的车位线。根据该全景拼接图的描述信息获取车辆实时的初始位姿,为后续的重定位步骤提供基础。
在本申请的一个可选实例中,根据全景拼接图的描述信息在预建立的全局初始化模型中检索与之匹配的描述信息,将该描述信息所属类型的位姿信息作为车辆实时的初始位姿;或将在预建立的全局初始化模型中检索获取的位姿信息作为先验位姿,对预建立的3维特征点地图与该全景拼接图中的特征点进行匹配,根据匹配成功的3维特征点地图中局部特征点地图对应的位姿信息,对先验位姿进行修正,获取车辆在当前帧的初始位姿;当相机为鱼眼相机或针孔相机时,在获取先验位姿后,将全景拼接图转换为柱面全景图,利用预建立的3维特征点地图与该柱面全景图中的特征点进行匹配,根据匹配成功的3维特征点地图中局部特征点地图对应的位姿信息,对先验位姿进行修正,获取车辆实时的初始位姿。
在图1所示的可选实施方式中,地库定位方法,还包括步骤S103,根据图片提取车辆周围地面标识对应的特征线段,建立具有特征线段的当前特征2维地图。
在该可选实施方式中,分别提取各个图片中地面标识对应的特征线段,利用地面标识对应的特征线段建立具有特征线段的当前特征2维地图。其中,由于从图片中提取的特征线段具有RGB信息,为使得后续匹配对比判断过程中的效果更加准确,将特征线段转换为灰度线段后,建立当前特征2维地图,即该当前特征2维地图为灰度图。
在本申请的一个可选实施例中,根据图片提取车辆周围地面标识对应的特征线段,建立具有特征线段的当前特征2维地图,包括:对图片进行俯视拼接,获取以车辆为鸟瞰视角的俯视拼接图;提取俯视拼接图中的特征线段;以及利用特征线段建立当前特征2维地图。
在该可选实施例中,对图片进行俯视拼接,获取以车辆为鸟瞰视角的俯视拼接图;使得俯视拼接图与预建立的3维地面标识地图的视角一致,从而利用俯视拼接图建立的当前特征2维地图与预建立的3维地面标识地图的坐标中心一致,使得后续的投影等步骤的运算量减小,运算效率提高。
在图1所示的可选实施方式中,地库定位方法,还包括步骤S104,将预建立的3维地面标识地图投影到当前特征2维地图中,获取初始位姿与3维地面标识地图中位姿信息之间的灰度误差。
在该可选实施方式中,将3维地面标识地图投影当前特征2维地图中,与当前特征2维地图中地面标识进行匹配,将匹配成功的3维地面标识地图中局部地面标识地图所对应车辆的位姿信息,计算初始位姿与位姿信息之间误差,将该误差作为灰度误差,为后续利用灰度误差修正初始位姿提供重要基础。
在本申请的一个可选实施例中,将预建立的3维地面标识地图投影到当前特征2维地图中,获取初始位姿与3维地面标识地图中位姿信息之间的灰度误差,包括:对3维地面标识地图进行图像分割,获取每一帧的3维地面标识地图,其中每一帧的3维地面标识地图包含车辆在该时刻对应的位姿信息;以及将3维地面标识地图投影到当前特征2维地图中,计算位姿信息与初始位姿的重合程度,获取灰度误差。
在该可选实施例中,在利用3维地面标识地图匹配时,首先对该3维地面标识地图进行图像分割,将其他不必要的特征元素滤除,获取各个时刻下3维地面标识地图分别对应的局部地面标识地图。将局部地面标识地图分别投影当前特征2维地图中,与当前特征2维地图中地面标识进行匹配,提高后续匹配的准确率,避免由于3维地图中特征元素过多,造成混淆,使得出现匹配错误的情况。将匹配成功的局部地面标识地图所对应车辆的位姿信息与初始位姿进行对比,计算位姿信息与初始位姿的重合程度,获取灰度误差,为后续利用灰度误差修正初始位姿提供重要基础。
在图1所示的可选实施方式中,地库定位方法,还包括步骤S105,根据灰度误差对初始位姿进行优化,获取车辆的位姿信息。
在该可选实施方式中,根据前述获取的灰度误差对初始位姿进行修正,获取准确的位姿信息,提高车辆定位的精度。
在本申请的一个可选实施例中,根据灰度误差对初始位姿进行优化,获取车辆的位姿信息,包括:若位姿信息与初始位姿的重合程度大于预设重合阈值,则灰度误差小于或等于预设误差值;以及将初始位姿作为车辆的位姿信息。
在该可选实施例中,根据位姿信息与初始位姿的重合程度设置灰度误差,当位姿信息与初始位姿的重合程度大于预设重合阈值时,灰度误差小于或等于预设误差值,预设误差值即为允许的误差范围的上限阈值,即灰度误差小于或等于预设误差值,均为允许的误差,此时无需对初始位姿进行修正,将初始位姿直接作为车辆在当前帧的位姿信息。
在本申请的一个可选实例中,预先设置重合阈值,判断位姿信息对初始位姿之间的重合程度。例如,预设重合阈值为99%时,当重合程度大于99%时,表示此时的初始位姿精度非常高,无需对初始位姿进行修正,因此将灰度误差设置为小于或等于预设误差值,使得直接将初始位姿作为车辆在当前帧的位姿信息。
在本申请的一个可选实施例中,根据灰度误差对初始位姿进行优化,获取车辆的位姿信息,还包括:若位姿信息与初始位姿的重合程度小于或等于预设重合阈值,则灰度误差大于预设误差值;以及对初始位姿进行修正,将修正后的初始位姿作为车辆的位姿信息。
在该可选实施例中,根据位姿信息与初始位姿的重合程度设置灰度误差,当位姿信息与初始位姿的重合程度大于预设重合阈值时,灰度误差大于预设误差值,预设误差值即为允许的误差范围的上限阈值,即灰度误差大于预设误差值,均为需修正的误差,此时需对初始位姿进行修正,根据灰度误差将初始位姿修正到灰度误差小于或等于预设误差值,将此时修正的初始位姿作为车辆在当前帧的位姿信息。
在本申请的一个可选实施例中,地库定位方法还包括:利用车辆装载的位置传感器系统获取的IMU信息与轮速信息,计算获取车辆的轮速轨迹信息;根据多帧的图片获取车辆的视觉轨迹信息;对轮速轨迹信息与视觉轨迹信息进行融合,获取车辆的位姿信息。
在该可选实施例中,由于利用相机获取的图片对应的是视觉里程计,相对于IMU信息与轮速信息计算生成的轮速里程计而言,频率较低;若当前时刻不是相机的拍摄时间,因此利用视觉里程计无法获得定位信息,而高频的轮速里程计存有对应时刻的定位信息,因此将视觉里程计与轮速里程计进行融合,获取当前时刻的视觉里程计对应的位姿信息,提高该位姿信息的精度。
在本申请的一个可选实例中,根据当前帧之前的历史帧下,利用鱼眼相机获取的图片对应的是视觉里程计,与该历史帧的IMU信息与轮速信息计算生成的轮式里程计,计算两者之间的转换关系,利用该转换关系,将当前帧的轮式里程计对应时刻的位姿信息转换为当前帧的视觉里程计对应的位姿信息。
图2示出了本申请一种地库定位系统的一个可选实施方式。
在图2所示的可选实施方式中,地库定位系统主要包括:图片拼接模块201,对多个相机实时分别拍摄到的图片进行图像拼接,获取图片对应的全景拼接图,其中图片中的图像信息为同一楼层不同角度的环境信息,相机装载在车辆的周围;初始化模块202,对全景拼接图进行全局初始化,获取车辆实时的初始位姿;2维地图建立模块203,根据图片提取车辆周围地面标识对应的特征线段,建立具有特征线段的当前特征2维地图;误差计算模块204,将预建立的3维地面标识地图投影到当前特征2维地图中,获取初始位姿与3维地面标识地图中位姿信息之间的灰度误差;以及定位模块205,根据灰度误差对初始位姿进行优化,获取车辆的位姿信息。
在本申请的一个可选实施例中,根据图片提取车辆周围地面标识对应的特征线段,建立具有特征线段的当前特征2维地图,包括:对图片进行俯视拼接,获取以车辆为鸟瞰视角的俯视拼接图;提取俯视拼接图中的特征线段;以及利用特征线段建立当前特征2维地图。
在本申请的一个可选实施例中,将预建立的3维地面标识地图投影到当前特征2维地图中,获取初始位姿与3维地面标识地图中位姿信息之间的灰度误差,包括:对3维地面标识地图进行图像分割,获取每一帧的3维地面标识地图,其中每一帧的3维地面标识地图包含自动驾驶车辆在该时刻对应的位姿信息;以及将3维地面标识地图投影到当前特征2维地图中,计算位姿信息与初始位姿的重合程度,获取灰度误差。
在本申请的一个可选实施例中,根据灰度误差对初始位姿进行优化,获取车辆的位姿信息,包括:若位姿信息与初始位姿的重合程度大于预设重合阈值,则灰度误差小于或等于预设误差值;以及将初始位姿作为车辆的位姿信息。
在本申请的一个可选实施例中,根据灰度误差对初始位姿进行优化,获取车辆的位姿信息,还包括:若位姿信息与初始位姿的重合程度小于或等于预设重合阈值,则灰度误差大于预设误差值;以及对初始位姿进行修正,将修正后的初始位姿作为车辆的位姿信息。
在本申请的一个可选实施例中,地库定位方法还包括:利用车辆装载的位置传感器系统获取的IMU信息与轮速信息,计算获取车辆的轮速轨迹信息;根据多帧的图片获取车辆的视觉轨迹信息;对轮速轨迹信息与视觉轨迹信息进行融合,获取车辆的位姿信息。
在本申请的一个可选实施例中,本申请一种地库定位系统中各功能模块可直接在硬件中、在由处理器执行的软件模块中或在两者的组合中。
软件模块可驻留在RAM存储器、快闪存储器、ROM存储器、EPROM存储器、EEPROM存储器、寄存器、硬盘、可装卸盘、CD-ROM或此项技术中已知的任何其它形式的存储介质中。示范性存储介质耦合到处理器,使得处理器可从存储介质读取信息和向存储介质写入信息。
处理器可以是中央处理单元(英文:Central Processing Unit,简称:CPU),还可以是其他通用处理器、数字信号处理器(英文:Digital Signal Processor,简称:DSP)、专用集成电路(英文:Application Specific Integrated Circuit,简称:ASIC)、现场可编程门阵列(英文:Field Programmable Gate Array,简称:FPGA)或其它可编程逻辑装置、离散门或晶体管逻辑、离散硬件组件或其任何组合等。通用处理器可以是微处理器,但在替代方案中,处理器可以是任何常规处理器、控制器、微控制器或状态机。处理器还可实施为计算装置的组合,例如DSP与微处理器的组合、多个微处理器、结合DSP核心的一个或一个以上微处理器或任何其它此类配置。在替代方案中,存储介质可与处理器成一体式。处理器和存储介质可驻留在ASIC中。ASIC可驻留在用户终端中。在替代方案中,处理器和存储介质可作为离散组件驻留在用户终端中。
本申请提供的地库定位系统,可用于执行上述任一实施例描述的地库定位方法,其实现原理和技术效果类似,在此不再赘述。
本申请采用的可选实施方式中,一种车辆,其包括上述方案中的地库定位系统,其中地库定位系统包括:图片拼接模块,对多个相机实时分别拍摄到的图片进行图像拼接,获取图片对应的全景拼接图,其中图片中的图像信息为同一楼层不同角度的环境信息,相机装载在车辆的周围;初始化模块,对全景拼接图进行全局初始化,获取车辆实时的初始位姿;2维地图建立模块,根据图片提取车辆周围地面标识对应的特征线段,建立具有特征线段的当前特征2维地图;误差计算模块,将预建立的3维地面标识地图投影到当前特征2维地图中,获取初始位姿与3维地面标识地图中位姿信息之间的灰度误差;以及定位模块,根据灰度误差对初始位姿进行优化,获取车辆的位姿信息。
本申请提供的车辆,可用于执行上述任一实施例描述的地库定位方法,其实现原理和技术效果类似,在此不再赘述。
在本申请的另一个可选实施方式中,一种计算机可读存储介质,其存储有计算机指令,计算机指令被操作以执行上述实施例中描述的地库定位方法。
在本申请的一个可选实施方式中,如图3所示,一种计算机设备,其包括:至少一个处理器,处理器和存储器耦合,存储器存储有计算机指令,该计算机指令被处理器执行时实现上述任一方案中的地库定位方法。
在本申请的另一个具体实施方式中,一种计算机程序产品,其包含计算机指令,该计算机指令被操作以执行上述任一方案中的地库定位方法。
在本申请所提供的几个实施例中,应该理解到,所揭露的装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
以上所述仅为本申请的实施例,并非因此限制本申请的专利范围,凡是利用本申请说明书及附图内容所作的等效结构变换,或直接或间接运用在其他相关的技术领域,均同理包括在本申请的专利保护范围内。
Claims (10)
1.一种地库定位方法,其特征在于,包括:
对多个相机实时分别拍摄到的图片进行图像拼接,获取所述图片对应的全景拼接图,其中所述图片中的图像信息为同一楼层不同角度的环境信息,所述相机装载在车辆的周围;
对所述全景拼接图进行全局初始化,获取所述车辆实时的初始位姿;
根据所述图片提取所述车辆周围地面标识对应的特征线段,建立具有所述特征线段的当前特征2维地图;
将预建立的3维地面标识地图投影到所述当前特征2维地图中,获取所述初始位姿与所述3维地面标识地图中位姿信息之间的灰度误差;以及
根据所述灰度误差对所述初始位姿进行优化,获取所述车辆的位姿信息。
2.根据权利要求1所述的地库定位方法,其特征在于,所述根据所述图片提取所述车辆周围地面标识对应的特征线段,建立具有所述特征线段的当前特征2维地图,包括:
对所述图片进行俯视拼接,获取以所述车辆为鸟瞰视角的俯视拼接图;
提取所述俯视拼接图中的所述特征线段;以及
利用所述特征线段建立所述当前特征2维地图。
3.根据权利要求1所述的全局初始化方法,其特征在于,所述将预建立的3维地面标识地图投影到所述当前特征2维地图中,获取所述初始位姿与所述3维地面标识地图中位姿信息之间的灰度误差,包括:
对所述3维地面标识地图进行图像分割,获取每一帧的所述3维地面标识地图,其中所述每一帧的所述3维地面标识地图包含所述车辆在该时刻对应的位姿信息;以及
将所述3维地面标识地图投影到所述当前特征2维地图中,计算所述位姿信息与所述初始位姿的重合程度,获取所述灰度误差。
4.根据权利要求1或3所述的地库定位方法,其特征在于,所述根据所述灰度误差对所述初始位姿进行优化,获取所述车辆的位姿信息,包括:
若所述位姿信息与所述初始位姿的重合程度大于预设重合阈值,则所述灰度误差小于或等于预设误差值;以及
将所述初始位姿作为所述车辆的位姿信息。
5.根据权利要求4所述的地库定位方法,其特征在于,所述根据所述灰度误差对所述初始位姿进行优化,获取所述车辆的位姿信息,还包括:
若所述位姿信息与所述初始位姿的重合程度小于或等于所述预设重合阈值,则所述灰度误差大于所述预设误差值;以及
对所述初始位姿进行修正,将修正后的所述初始位姿作为所述车辆的位姿信息。
6.根据权利要求1所述的地库定位方法,其特征在于,还包括:
利用所述车辆装载的位置传感器系统获取的IMU信息与轮速信息,计算获取所述车辆的轮速轨迹信息;
根据多帧的图片获取所述车辆的视觉轨迹信息;
对所述轮速轨迹信息与所述视觉轨迹信息进行融合,获取所述车辆的位姿信息。
7.一种地库定位系统,其特征在于,包括:
图片拼接模块,对多个相机实时分别拍摄到的图片进行图像拼接,获取所述图片对应的全景拼接图,其中所述图片中的图像信息为同一楼层不同角度的环境信息,所述相机装载在车辆的周围;
初始化模块,对所述全景拼接图进行全局初始化,获取所述车辆实时的初始位姿;
2维地图建立模块,根据所述图片提取所述车辆周围地面标识对应的特征线段,建立具有所述特征线段的当前特征2维地图;
误差计算模块,将预建立的3维地面标识地图投影到所述当前特征2维地图中,获取所述初始位姿与所述3维地面标识地图中位姿信息之间的灰度误差;以及
定位模块,根据所述灰度误差对所述初始位姿进行优化,获取所述车辆的位姿信息。
8.一种车辆,其特征在于,所述车辆包括如权利要求7所述的地库定位系统。
9.一种计算机可读存储介质,其存储有计算机指令,其特征在于,所述计算机指令被操作以执行权利要求1-6中任一项所述的地库定位方法。
10.一种计算机设备,其特征在于,包括:
至少一个处理器,所述处理器和存储器耦合,所述存储器存储有计算机指令,其特征在于,所述计算机指令被所述处理器执行时实现如权利要求1-6中任一项所述的地库定位方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210901696.XA CN117516527A (zh) | 2022-07-28 | 2022-07-28 | 一种地库定位方法、系统、车辆、存储介质及设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210901696.XA CN117516527A (zh) | 2022-07-28 | 2022-07-28 | 一种地库定位方法、系统、车辆、存储介质及设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117516527A true CN117516527A (zh) | 2024-02-06 |
Family
ID=89748238
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210901696.XA Pending CN117516527A (zh) | 2022-07-28 | 2022-07-28 | 一种地库定位方法、系统、车辆、存储介质及设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117516527A (zh) |
-
2022
- 2022-07-28 CN CN202210901696.XA patent/CN117516527A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
KR102266830B1 (ko) | 차선 결정 방법, 디바이스 및 저장 매체 | |
EP3505869B1 (en) | Method, apparatus, and computer readable storage medium for updating electronic map | |
EP3836018B1 (en) | Method and apparatus for determining road information data and computer storage medium | |
CN109141444B (zh) | 定位方法、装置、存储介质及移动设备 | |
CN111750881B (zh) | 一种基于路灯杆的车辆位姿的修正方法和装置 | |
CN111750882B (zh) | 一种导航地图在初始化时车辆位姿的修正方法和装置 | |
CN111830953A (zh) | 车辆自定位方法、装置及系统 | |
CN111508258A (zh) | 一种定位方法及装置 | |
CN112739983B (zh) | 校正点云数据的方法和相关装置 | |
CN114663852A (zh) | 车道线图的构建方法、装置、电子设备及可读存储介质 | |
CN111754388B (zh) | 一种建图方法及车载终端 | |
CN113673288A (zh) | 空闲车位检测方法、装置、计算机设备及存储介质 | |
CN116295463A (zh) | 一种导航地图元素的自动标注方法 | |
CN117516527A (zh) | 一种地库定位方法、系统、车辆、存储介质及设备 | |
CN114964210A (zh) | 地图绘制方法、装置、计算机设备及存储介质 | |
CN113048988B (zh) | 一种导航地图对应场景的变化元素检测方法及装置 | |
CN117541465A (zh) | 一种基于特征点的地库定位方法、系统、车辆及存储介质 | |
CN115249407A (zh) | 指示灯状态识别方法、装置、电子设备、存储介质及产品 | |
CN117522969A (zh) | 一种联合地库定位方法、系统、车辆、存储介质及设备 | |
CN114531580B (zh) | 图像处理方法及装置 | |
CN117893634A (zh) | 一种同时定位与地图构建方法及相关设备 | |
CN115205828B (zh) | 一种车辆定位方法、装置、整车控制器及可读存储介质 | |
CN117541464A (zh) | 一种全局初始化方法、系统、车辆、存储介质及设备 | |
CN117570963A (zh) | 基于人行横道的地图实时更新方法、装置、设备及介质 | |
CN117373022A (zh) | 鸟瞰图静态数据标注方法、装置、车辆、设备及存储介质 |
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 |