基于高精度地图和场景检索的车道线辅助定位方法技术

本发明专利技术公开了一种基于高精度地图和场景检索的车道线辅助定位方法，其中，主要包括以下步骤：建立高精度车道线地图；建立车道场景库，其中，将车道场景库中的场景图像作为参考图像，且参考图像中标记有参考车道序号；车辆采集当前场景图像为当前图像，将当前图像与车道场景库中的参考图像比对，得到最接近的参考图像，并从最接近的参考图像中获取参考车道序列号；车辆采用低精度GPS获得低精度位置信息，并将低精度位置信息及参考车道序列号发送至高精度GPS，高精度GPS结合低精度位置信息与参考车道序列号，给出车辆当前正确的车道线；车辆检测当前车道线，并以正确的车道线为标准调整车辆当前的位姿，以使车辆与正确的车道线匹配。

Lane Line Aided Location Method Based on High Precision Map and Scene Retrieval

The invention discloses an auxiliary lane location method based on high-precision map and scene retrieval, which mainly includes the following steps: establishing a high-precision Lane map; establishing a lane scene library, in which the scene image in the lane scene library is taken as a reference image, and the reference Lane serial number is marked in the reference image; collecting the current scene image as the current image; By comparing the current image with the reference image in the lane scene database, the nearest reference image can be obtained, and the reference Lane serial number can be obtained from the nearest reference image. Vehicles use low-precision GPS to obtain low-precision location information, and send low-precision location information and reference Lane serial number to high-precision GPS. High-precision GPS combines low-precision location information with reference Lane serial number. The correct lane line of the vehicle is given. The vehicle detects the current lane line and adjusts the current position and posture of the vehicle according to the correct Lane line, so as to match the vehicle with the correct Lane line.

【技术实现步骤摘要】
基于高精度地图和场景检索的车道线辅助定位方法
本专利技术涉及自动驾驶汽车定位
，特别涉及一种基于高精度地图和场景检索的车道线辅助定位方法。
技术介绍
目前，在自动驾驶汽车定位
，有两种最具有代表性的方案：1)使用低成本低精度的基于全球定位系统的组合导航模块(下文简称低精度GPS)；2)使用高成本高精度的基于全球定位系统的组合导航模块(下文简称高精度GPS)。方案一受GPS性能的制约，定位误差可达到几米到几十米，不能够满足自动驾驶的需求。方案二使用的高精度GPS成本往往在几十万元，高昂的价格很难实现量产，更无法被用户和市场接受。此外，方案一和方案二都是根据GPS直接给出自身的定位，而忽略了引入外界物体作为定位的参照物，而预先测量好精确位置的参照物又恰恰是车辆定位重要的先验信息。目前，还出现一种基于高精度车道线地图的低精度GPS定位技术，基本工作流程是：首先，高精度车道线地图会接收到低精度GPS发送的车辆位置，然后高精度车道线地图会基于该位置发送出参考车道线；与此同时，自动驾驶汽车上的摄像头会自动检测出当前的车道线。最后，将检测的车道线和参考的高精度车道线地图的车道线进行匹配，只有最接近真实的位置和最接近真实的姿态才能使车道线匹配成功，所以车辆的位姿得到了优化。显而易见，基于高精度车道线地图的低精度GPS定位本身也存在一个问题，那就是高精度车道线地图会接收到一个不准确的位置并基于这个位置发送参考车道线，而该参考车道线很有可能已经偏离了正确的车道，从而使当前检测到的车道线参照了错误的车道线，导致定位信息依然不可靠。基于高精度车道线地图的高精度GPS定位可以完全避免这个问题，但是又会重新面临高成本难量产的弊端。
技术实现思路
本专利技术的一个目的是解决至少上述问题，并提供至少后面将说明的优点。本专利技术还有一个目的是提供一种基于高精度地图和场景检索的车道线辅助定位方法，能够对自动驾驶汽车进行准确定位，并降低准确定位的成本。为了实现根据本专利技术的这些目的和其它优点，提供一种基于高精度地图和场景检索的车道线辅助定位方法，其中，主要包括以下步骤：步骤1、采用高精度GPS采集道路的车道线位置，建立高精度车道线地图；步骤2、采集高精度车道线地图中不同车道的不同位点的包含场景图像的场景数据，建立车道场景库，其中，将所述车道场景库中的场景图像作为参考图像，且所述参考图像中标记有参考车道序号；步骤3、车辆采集当前场景图像为当前图像，将当前图像与车道场景库中的参考图像比对，得到最接近的参考图像，并从所述最接近的参考图像中获取参考车道序列号；步骤4、车辆采用低精度GPS获得低精度位置信息，并将低精度位置信息及参考车道序列号发送至高精度GPS，高精度GPS结合低精度位置信息与参考车道序列号，给出车辆当前正确的车道线；步骤5、车辆检测当前车道线，并以正确的车道线为标准调整车辆当前的位姿，以使车辆与正确的车道线匹配。优选的是，步骤2中所述场景数据还包括：采集场景图像时车辆的位置、姿态和所在车道的序列号；采集场景图像时的天气情况和交通状况，以及场景图像的词袋向量。优选的是，同一位点的场景图像包括在不同天气情况下以及不同交通状况下采集的多个场景图像。优选的是，步骤3中，获取最接近的参考图像的具体方法主要包括以下步骤：步骤4.1、获得车辆当前场景图像，并利用低精度GPS获得当前位置；步骤4.2、查询车道场景库中在当前位置10-30米范围之内的场景图像，作为候选场景图像；步骤4.3、计算当前场景图像与候选场景图像的相似度，将候选场景图像中得分最高的作为参考场景图像，依照参考场景图像得到车辆当前的参考车道序列号。优选的是，步骤4.3通过计算当前场景图像与候选场景图像的词袋向量的相似度，得到场景图像的相似度，词袋向量的相似度计算公式为公式1：其中，s(v0，v1)表示两个词袋向量v0和v1的相似度，假设v0和v1的维度是W，||v0-v1||1表示v0和v1的曼哈顿距离，即v0和v1每一项元素的差的总和。优选的是，步骤4.2中排除所选范围内场景图像的航向角与当前场景图像的航向角差距大于5°的场景图像。优选的是，步骤5中车辆位姿调整的方法为先进行车辆的航向优化，再进行车辆的横向位置优化。优选的是，所述航向优化通过最小化正确的车道线与当前车道线的车道线夹角完成，所述车道线夹角计算公式为公式2：其中，Θ为车道线夹角；是正确车道线点的斜率；为当前车道线的斜率；在计算出正确车道线点的斜率和当前车道线的斜率后，使用Levenberg-Marquardt算法逐步优化车辆位姿中的航向角项，同时固定其他项，使Θ的值最小。优选的是，所述横向位置优化方法为：使用Levenberg-Marquardt算法，逐步用Δt补偿车辆位姿中的横向位置，使得车辆坐标系下的正确的车道线和当前车道线的距离最小化，最后，把计算得到的Δt还原回世界坐标系下，得到车辆在优化后的横向位置；将当前车道线在车辆坐标系下平移一段距离Δt，与正确的车道线匹配，即完成横向位置优化，其中，Δt表示当前车道线的平移距离，用Δt补偿车辆位姿中的横向位置的计算公式为公式3：其中，[0，1，0]T表示车辆坐标系的左向单位向量，表示该单位向量在世界坐标系下的表示，表示补偿的横向距离在世界坐标系下的表示。本专利技术至少包括以下有益效果：本专利技术通过采集高精度车道线地图中不同车道的不同位点的场景数据并建立车道场景库，将车辆拍摄的当前场景与车道场景库中的场景图像进行匹配，再将匹配得到的最接近的场景图像与高精度车道线地图结合，得到精确的车辆位置定位，解决了高精度车道线地图与低精度GPS结合易发送错误的参考车道线，以及高精度GPS使用成本高，低精度GPS难以实现精准定位等技术问题。该方案中高精度GPS仅仅用于采集车道线的标准位置和建立高精度车道线地图，作为共享资源在后台应用，而不必每辆车上都要安装高精度GPS，从而大大降低了高精度GPS的使用门槛和自动驾驶汽车的生产成本。本专利技术的其它优点、目标和特征将部分通过下面的说明体现，部分还将通过对本专利技术的研究和实践而为本领域的技术人员所理解。附图说明图1为本专利技术所述的基于高精度地图和场景检索的车道线辅助定位方法的基本工作流程图；图2为本专利技术中车道判别流程图；图3为分步优化车辆位姿流程图。具体实施方式下面结合附图对本专利技术做进一步的详细说明，以令本领域技术人员参照说明书文字能够据以实施。应当理解，本文所使用的诸如“具有”、“包含”以及“包括”术语并不排除一个或多个其它元件或其组合的存在或添加。如图1-3所示，本专利技术提供一种基于高精度地图和场景检索的车道线辅助定位方法，其中，主要包括以下步骤：步骤1、采用高精度GPS采集道路的车道线位置，建立高精度车道线地图。步骤2、采集高精度车道线地图中不同车道的不同位点的包含场景图像的场景数据，建立车道场景库，其中，将所述车道场景库中的场景图像作为参考图像，且所述参考图像中标记有参考车道序号。步骤3、车辆采集当前场景图像为当前图像，将当前图像与车道场景库中的参考图像比对，得到最接近的参考图像，并从所述最接近的参考图像中获取参考车道序列号。步骤4、车辆采用低精度GPS获得低精度位置信息，并将低精度位置信息及参考车道序列号发送至高精度GPS，高精度GPS本文档来自技高网...

【技术保护点】
1.一种基于高精度地图和场景检索的车道线辅助定位方法，其中，主要包括以下步骤：步骤1、采用高精度GPS采集道路的车道线位置，建立高精度车道线地图；步骤2、采集高精度车道线地图中不同车道的不同位点的包含场景图像的场景数据，建立车道场景库，其中，将所述车道场景库中的场景图像作为参考图像，且所述参考图像中标记有参考车道序号；步骤3、车辆采集当前场景图像为当前图像，将当前图像与车道场景库中的参考图像比对，得到最接近的参考图像，并从所述最接近的参考图像中获取参考车道序列号；步骤4、车辆采用低精度GPS获得低精度位置信息，并将低精度位置信息及参考车道序列号发送至高精度GPS，高精度GPS结合低精度位置信息与参考车道序列号，给出车辆当前正确的车道线；步骤5、车辆检测当前车道线，并以正确的车道线为标准调整车辆当前的位姿，以使车辆与正确的车道线匹配。

【技术特征摘要】
1.一种基于高精度地图和场景检索的车道线辅助定位方法，其中，主要包括以下步骤：步骤1、采用高精度GPS采集道路的车道线位置，建立高精度车道线地图；步骤2、采集高精度车道线地图中不同车道的不同位点的包含场景图像的场景数据，建立车道场景库，其中，将所述车道场景库中的场景图像作为参考图像，且所述参考图像中标记有参考车道序号；步骤3、车辆采集当前场景图像为当前图像，将当前图像与车道场景库中的参考图像比对，得到最接近的参考图像，并从所述最接近的参考图像中获取参考车道序列号；步骤4、车辆采用低精度GPS获得低精度位置信息，并将低精度位置信息及参考车道序列号发送至高精度GPS，高精度GPS结合低精度位置信息与参考车道序列号，给出车辆当前正确的车道线；步骤5、车辆检测当前车道线，并以正确的车道线为标准调整车辆当前的位姿，以使车辆与正确的车道线匹配。2.如权利要求1所述的基于高精度地图和场景检索的车道线辅助定位方法，其中，步骤2中所述场景数据还包括：采集场景图像时车辆的位置、姿态和所在车道的序列号；采集场景图像时的天气情况和交通状况，以及场景图像的词袋向量。3.如权利要求2所述的基于高精度地图和场景检索的车道线辅助定位方法，其中，同一位点的场景图像包括在不同天气情况下以及不同交通状况下采集的多个场景图像。4.如权利要求1所述的基于高精度地图和场景检索的车道线辅助定位方法，其中，步骤3中，获取最接近的参考图像的具体方法主要包括以下步骤：步骤4.1、获得车辆当前场景图像，并利用低精度GPS获得当前位置；步骤4.2、查询车道场景库中在当前位置10-30米范围之内的场景图像，作为候选场景图像；步骤4.3、计算当前场景图像与候选场景图像的相似度，将候选场景图像中得分最高的作为参考场景图像，依照参考场景图像得到车辆当前的参考车道序列号。5.如权利要求4所述的基于高精度地图和场景检索的车道线辅助定位方法，其中，步...

【专利技术属性】
技术研发人员：袁帅，骆沛，李超，
申请(专利权)人：禾多科技北京有限公司，
类型：发明
国别省市：北京,11