一种基于多信息融合的无人驾驶车辆高精度定位方法技术

本发明专利技术涉及一种基于多信息融合的无人驾驶车辆高精度定位方法，可以应用在无人驾驶车辆的环境感知和智能决策当中。本发明专利技术利用离线地图和在线感知信息的配合实现高精度实时定位。离线地图记录无人驾驶车辆行驶区域的道路交通信息。在线感知信息包括车道线和道路边界。无人驾驶车辆在地图区域中行驶时，根据惯性组合导航系统给出的定位信息确定车辆的大概位置，获取位置附近的局部地图，通过车载传感器检测车辆前方的车道线和车辆两边的道路边界，确定车辆与车道线及道路边界的相对位置，对比车辆在地图中的位置，计算偏差，修正定位误差，实现高精度定位。

【技术实现步骤摘要】
一种基于多信息融合的无人驾驶车辆高精度定位方法
本专利技术属于无人驾驶车辆
，具体地涉及一种基于多信息融合的无人驾驶车辆高精度定位方法。
技术介绍
无人驾驶车辆是一种自动完成驾驶任务的智能汽车。它依靠车载传感器感知道路环境，采取合适的行驶策略，控制车辆安全可靠地到达目的地。无人驾驶车辆是计算机科学、模式识别和智能控制技术高度发展的产物，在国防和国民经济领域具有广阔的应用前景。高精度定位是实现无人驾驶的必要条件。无人驾驶车辆利用高精度定位，再配合高精度地图，能够精确判断它所在的位置，熟悉车辆附近的道路交通环境，降低感知系统对环境检测的要求。高精度定位可以帮助决策系统实时规划行驶路径，选择合适的车道，处理各种交通状况，有效提高行驶质量，增强行车的安全性和智能性。传统的定位通常由卫星定位系统(GPS、北斗等)加惯性导航系统(INS)组成。卫星定位信号在高楼林木遮挡的情况下容易受到干扰，导致信号质量下降。单独使用INS系统输出定位信息的话，误差会随着时间迅速增大。公开号为CN104089619A的专利(申请号CN201410202876.4)提供了一种无人驾驶汽车的GPS导航地图精确匹配系统及其操作方法。该方法包括定位模块、地图模块和匹配模块，定位模块获取车辆的实时定位信息和路径轨迹信息，地图模块将信息制作成KML文本地图的地图解析模块和地图加载模块，匹配模块在行驶过程中利用定位模块和地图模块的信息实时为车辆匹配最佳路线。该专利利用KML地图与GPS实时测得的经纬度进行匹配，没有利用局部的道路环境特征，由于信息来源单一、地图和GPS信息存在偏差，该专利应用范围有限，定位精度不足。采用多传感器信息融合的定位方案，可以将多种传感器组合在一起，无人驾驶车辆先接收卫星和惯导定位信号，实现粗定位，再配合环境感知系统，利用车载激光雷达、相机等传感器采集数据，构建场景的二维或三维地图，提取环境特征，借助地图特征匹配获得局部环境下的高精度定位。不同的传感器检测范围不一样，适应的环境有所差别。提供多个信息源，可以扩大检测范围，增加信息冗余度，有效增强了系统的鲁棒性和可靠性。
技术实现思路
本专利技术的技术解决问题：克服现有技术的不足，提供一种基于多信息融合的无人驾驶车辆高精度定位方法，本专利技术能够结合多种信息融合的优点，在各种道路条件下都能够持续稳定进行高精度地图匹配和修正，快速获得高精度定位结果。为了实现上述目的，本专利技术采用以下技术方案：本专利技术提供一种基于多信息融合的无人驾驶车辆高精度定位方法，融合地图模块、相机处理模块和雷达处理模块提供的信息，通过车道线校正和边界校正使车辆在地图中的位置与它在环境中的真实位置相匹配。其中：所述地图模块，根据实时定位信息绘制以车辆为中心、一定范围内的局部地图，供相机处理模块和雷达处理模块使用；所述相机处理模块，使用相机采集车辆行驶过程中的路面原始数据，提取车道线，用于地图匹配和校正；所述雷达处理模块，使用激光雷达采集车辆周围环境信息，提取道路边界，用于地图匹配和校正。其中，相机处理模块在做地图匹配和校正之前对检测的车道线进行可用性评估，评估指标包括：车道夹角angle_camera、车头夹角angle_car和车道宽度差line_width，angle_camera：表示实时检测的车道线与局部地图中车道线的夹角；angle_car：表示实时检测的车头方向与局部地图中的车道线夹角；line_width：表示实时检测的车道线与局部地图中车道线的宽度差。其中，为车道线可用性评估指标设置阈值向量任一项指标超过阈值，则车道线不具备可用性，不能用于地图校正。其中，雷达处理模块在做地图匹配和校正之前对检测的道路边界进行可用性评估，评估指标包括：角度angleDT、宽度widthDT和线形leftDDT、rightDDT，angleDT：表示局部地图中道路的偏转角；widthDT：表示道路平均宽度；leftDDT、rightDDT：分别表示左、右边界的形状偏差，边界的线形采用二次曲线拟合。其中，根据车道线检测失效次数和车辆与实际检测边界的距离，边界的可用性评估分为三个等级：普通、严格、无限制，分别对应不同的阈值向量其中，计算检测距离，即车辆与通过评估的车道线或边界的距离，对应找到显示距离，即车辆在地图中与车道线或边界的距离，检测距离和显示距离不一定相等，两者的差值即为需要校正的局部地图的定位偏差，偏差校正公式：Adjust_x+＝offset*cos(rad)；Adjust_y+＝offset*sin(rad)；(1)其中：Adjust_x：表示地图在正东方向的偏差；Adjust_y：表示地图在正北方向的偏差；offset：表示车道线或边界偏差；rad：表示地图偏转角；cos：三角函数余弦函数；sin：三角函数正弦函数；Adjust_x和Adjust_y的校正结果被永久性保留，供下一次绘制局部地图时使用。本专利技术与现有技术相比的优点在于：现有技术存在的主要问题是定位信息来源单一，信息稳定性和可靠性不足，容易受到环境影响，无法满足无人驾驶车辆车道级别的定位需求。本专利技术的创新性在于，以多个设备作为数据来源，适应不同的环境，提取并融合多种道路信息，根据检测情况分等级设计地图匹配校正算法，实现高精度定位的目标。(1)本专利技术利用包括组合定位系统、高精度地图、激光雷达、相机等多种设备作为数据来源，结合了多数据源提供的信息，能够快速提供车道级高精度定位，适用范围广泛。(2)本专利技术根据道路信息检测的情况，分别设计不同的偏差校正阈值，在车道线或者边界部分检测失效的情况下，依旧能够持续稳定的提供高精度定位结果输出，提高了系统的鲁棒性和可靠性。(3)本专利技术所设计的多模块信息融合方法既相互独立又相互联系。各模块分别负责相对独立的任务，仅在必要的时候进行相互之间的通讯，提高了系统的运行速度，保证了无人驾驶车辆对高精度定位的实时性要求。附图说明图1为本专利技术基于多信息融合的无人驾驶车辆高精度定位方法流程图；图2为车道线校正算法流程图；图3为边界校正算法流程图。具体实施方式为使本专利技术的目的、技术方案和优点更加清楚明白，以下结合具体实施步骤，并配合附图，对本专利技术进一步详细说明。以下实施例将有助于本领域的技术人员进一步理解本专利技术，但不以任何形式限制本专利技术。应当指出的是，对本领域的普通技术人员来说，在不脱离本专利技术构思的前提下，还可以做出若干变形和改进，这些都属于本专利技术的保护范围。如图1所示，本专利技术基于多信息融合的高精度定位方法，包括以下步骤：步骤1，从多数据源获取信息。包括：1)地图模块，结合高精度地图和组合定位系统，提取车辆所在区域的局部地图。地图以栅格图表示，每个栅格表示20cm*20cm大小的地块。局部地图显示了车辆位置和道路信息，包括道路宽度、道路长度、道路形态、车道宽度、车道数量、车道类型等道路属性信息。2)相机和雷达模块，基于车载相机和雷达设备，实时采集道路交通环境信息，提取出车道线和道路边界。车道线和边界检测采用业内已知的算法。步骤2，对获得的车道线和道路边界进行可用性评估。步骤3，在可用性评估通过之后，对照地图模块生成的局部地图，计算实际检测的车道线或边界与车辆的距离，与局部地图显示的结果做比较，得到定位偏差，校正之。步骤4本文档来自技高网...

【技术保护点】
一种基于多信息融合的无人驾驶车辆高精度定位方法，其特征在于：融合地图模块、相机处理模块和雷达处理模块提供的信息，通过车道线校正和边界校正使车辆在地图中的位置与它在环境中的真实位置相匹配，其中：所述地图模块，根据实时定位信息绘制以车辆为中心、一定范围内的局部地图，供相机处理模块和雷达处理模块使用；所述相机处理模块，使用相机采集车辆行驶过程中的路面原始数据，提取车道线，用于地图匹配和校正；所述雷达处理模块，使用激光雷达采集车辆周围环境信息，提取道路边界，用于地图匹配和校正。

【技术特征摘要】
1.一种基于多信息融合的无人驾驶车辆高精度定位方法，其特征在于：融合地图模块、相机处理模块和雷达处理模块提供的信息，通过车道线校正和边界校正使车辆在地图中的位置与它在环境中的真实位置相匹配，其中：所述地图模块，根据实时定位信息绘制以车辆为中心、一定范围内的局部地图，供相机处理模块和雷达处理模块使用；所述相机处理模块，使用相机采集车辆行驶过程中的路面原始数据，提取车道线，用于地图匹配和校正；所述雷达处理模块，使用激光雷达采集车辆周围环境信息，提取道路边界，用于地图匹配和校正。2.根据权利要求1所述的基于多信息融合的无人驾驶车辆高精度定位方法，其特征在于：相机处理模块在做地图匹配和校正之前对检测的车道线进行可用性评估，评估指标包括：车道夹角angle_camera、车头夹角angle_car和车道宽度差line_width，angle_camera：表示实时检测的车道线与局部地图中车道线的夹角；angle_car：表示实时检测的车头方向与局部地图中的车道线夹角；line_width：表示实时检测的车道线与局部地图中车道线的宽度差。3.根据权利要求2所述的基于多信息融合的无人驾驶车辆高精度定位方法，其特征在于：为车道线可用性评估指标设置阈值向量任一项指标超过阈值，则车道线不具备可用性，不能用于地图校正。4.根据权利要求1所述的基于多信息融合的无人驾驶车辆高精度定位方法，其特征在于：雷达处...

【专利技术属性】
技术研发人员：王智灵，崔国才，金鹏，黄俊杰，梁华为，
申请(专利权)人：中国科学院合肥物质科学研究院，
类型：发明
国别省市：安徽,34