一种用于智能车辆的基于视觉信息与GIS信息融合的方法技术

本发明专利技术属于智能交通技术领域，具体涉及一种用于智能车辆的基于视觉信息与GIS信息融合的方法，通过视觉信息与GIS信息融合的方式实现车辆在多车道的定位、路口信号灯检测、路口定位及车辆导航三个方面。本发明专利技术以期实现GIS提供全局路径信息引导车辆行驶，并且提供车载传感器感知范围外的先知信息指导车辆局部信息检测，减少系统信息处理量，提高智能车辆安全运行的准确性和实时性。

A Method of Intelligent Vehicle Information Fusion Based on Visual Information and GIS

The invention belongs to the field of intelligent transportation technology, and specifically relates to a method based on visual information and GIS information fusion for intelligent vehicles, which realizes vehicle multi-lane positioning, intersection signal detection, intersection positioning and vehicle navigation by means of visual information and GIS information fusion. The invention aims to realize that GIS can provide global path information to guide vehicle driving, and provide prophetic information outside the sensing range of vehicle sensors to guide vehicle local information detection, reduce system information processing amount, and improve the accuracy and real-time performance of intelligent vehicle safe operation.

【技术实现步骤摘要】
一种用于智能车辆的基于视觉信息与GIS信息融合的方法
本专利技术属于智能交通
，具体涉及一种用于智能车辆的基于视觉信息与GIS信息融合的方法。
技术介绍
随着汽车工业高速发展，世界汽车保有量不断攀升，与之而来的能源短缺、环境污染、交通拥堵等问题逐渐凸显。伴随着计算机、通信、自动控制等技术的提升，智能交通系统(Intelligenttransportationsystem,ITS)应运而生，传感器技术、信息融合技术和控制算法的不断改进大大提升了车辆的智能化程度，智能汽车将改善道路交通环境。智能车辆获取交通环境和自车状态信息是车辆运动控制的前提和基础，车载传感器在信息获取中有着不可或缺的地位。目前智能车辆主要通过摄像机和雷达等传感器获取道路信息。摄像机可以获取道路环境的图像信息，然后通过图像处理技术提取所需信息，但是容易受光照等条件的影响。车辆需要获取交通环境中的车道、信号灯和车距等信息，因此多传感器融合的车辆感知方案成为研究热点。车辆定位导航系统由GPS和GIS组成，GPS通过卫星定位可以获取车辆位置坐标信息，GIS的电子地图数据库中存储着城市交通道路信息。因此车辆定位导航系统可以获取当前车辆位置信息，根据用户给出目的地，利用路径规划策略得到行驶路径，并且在行驶过程中实时提供车辆全局位置信息。智能车辆是智能交通系统的重要组成部分，车辆控制既要考虑局部交通环境，又要考虑城市道路交通系统的全局交通环境，从而保证车辆安全、高效的在道路上行驶。
技术实现思路
根据以上现有技术的不足，本专利技术提供一种用于智能车辆的基于视觉信息与GIS信息融合的方法，以期实现GIS提供全局路径信息引导车辆行驶，并且提供车载传感器感知范围外的先知信息指导车辆局部信息检测，减少系统信息处理量，提高智能车辆安全运行的准确性和实时性。本专利技术所述的一种用于智能车辆的基于视觉信息与GIS信息融合的方法，其特征在于：通过视觉信息与GIS信息融合的方式实现车辆在多车道的定位、路口信号灯检测、路口定位及车辆导航三个方面。其中，优选方案如下：所述的视觉信息首先要对图像进行预处理，包括相近标定、感兴趣区域划分、图像灰度化处理以及边缘检测；其中感兴趣区域划分是根据图像信息分布特点和所要提取的信息，图像划分为不同的感兴趣区域，即图像下半部分为检测车道线、交通标线感兴趣区域；图像上半部分为检测信号灯感兴趣区域；将感兴趣区域又划分为近区域和远区域。所述的车辆在多车道的定位具体实现过程如下：(1)设定车道线包含实现和虚线的路段称为常规路段，车道线均为实线的路段称为非常规路段；(2)根据GPS定位和电子地图确定车辆所在道路；(3)根据定位、位置匹配，确定车辆所在路段是否为常规路段；当车辆在非常规路段时，分别检测本车道两侧是否存在车道线，根据检测结果判断车辆所在车道；当车辆在常规路段时，利用视觉信息判断车辆所在车道的两侧车道线类型，根据检测结果判断车辆所在车道。若车道左侧为实线右侧为虚线，则车辆在左侧车道，若车道左、右侧均为虚线，则车辆在中间车道；若车道左侧为虚线右侧为实线，则车辆在右侧车道。所述过程(3)中，当车辆处于非常规路段，受周围车辆影响可能导致无法检测到相邻车道或者车道数量多于3时，无法判断车辆在车道中的具体位置，需要根据GPS位置坐标计算车辆与道路边缘的距离，根据距离辅助定位车辆所在车道，具体过程如下：假设车辆位置坐标为Gi，车辆与道路左、右边缘最近点距离表示为dli(Gi，Li)，dri(Gi，Ri)，则取n个采样点计算车辆位置与道路左、右边缘最近点平均距离：记车辆位置与道路左、右边缘最近点平均距离比值为：Ra的值反映了车辆在道路中的相对位置。所述过程(3)中利用视觉信息技术判断车辆所在车道的两侧车道线类型根据以下方法实现：车道线存在于感兴趣区域，所以只需在感兴趣区域检测直线，因此对车道线所在的感兴趣区域的近、远区域分别执行Hough变换；Hough变换检测到图像中存在的线段，获得的线段参数包括起点、终点、长度，因为检测的对象为车道两侧的车道线，根据车道线平行的特点，计算每条线段的斜率，并计算两条线段之间的距离，由于我国规定了车道的宽度，根据距离排除不是车道线的线段，得到数量较少的候选车道线，候选车道线包括实线与虚线，先设定两个阈值Lmax，Lmin分别为线段长度上限阈值和下限阈值，当车道线长度大于上限阈值Lmax时，则判断为实线；当车道线长度大于下限阈值Lmin且小于上限阈值Lmax时，判断车道线为虚线；当车道线长度小于下限阈值Lmin时，重新获取车道线在按照上述步骤进行比较，结果比例较大者为最终结果，从而判断车道线为实线或虚线。所述的路口信号灯检测具体实现过程如下：(a)通过GPS获取车辆地理位置，计算车辆距离路口距离，当距离大于100米时，信号灯检测程序不启动；距离小于100米时，启动信号灯检测程序，进入步骤(b)；(b)对车辆进行车道中的定位，确定车辆所在车道；(c)确定车辆所在车道信号灯检测感兴趣区域；(d)通过电子地图获取信号灯类型和安装方式；(e)通过视觉信息对信号灯检测，输出车辆所在车道信号灯状态。所述步骤(e)中视觉信息对信号灯检测根据以下方法实现：a)车辆行驶至路口时，一是正常行驶通过路口，二是在路口处减速停车，两种工况受交通流和信号灯的影响，因此通过路口时，需要对停车线以及交通信号灯进行检测。b)检测停车线时，考虑到停车线有两个特征，一是停车线存在于两车道线之间且与之垂直，二是停车线在车辆前方基本呈水平方向。在感兴趣区域内利用hough变换方法进行直线检测，通过对直线角度约束会检测到满足停车线特征的所有直线，然后，由国标可知车道宽度Lr，停车线长度不大于车道宽度，设置停车线长度下限阈值Ls，当检测到的线段长度L满足条件Ls＜L＜Lr时，即判断为停车线；c)检测信号灯时，基于颜色和形状特征相结合的方法检测信号灯。具体为：根据信号灯三通道分布范围可得到阈值分割范围：20＜r-g＜150&20＜r-b＜120为红色区域；20＜g-r＜150&10＜g-b＜50为绿色区域；20＜r-g＜80&0＜g-b＜90为黄色区域。通过颜色分割之后图形中仍有大量干扰因素，为了排除干扰因素缩小信号灯检测范围，利用形状特征进一步过滤图像。以绿灯为例，当信号灯排列顺序为纵向时，从上到下排列顺序为红、黄、绿；当信号灯排列顺序为横向时，从左到右排列顺序为红、黄、绿。由此可以得到信号灯和背板的相对位置；检测信号灯背板，当检测到信号板且满足与信号灯的关系，则认为该区域为信号灯区域。当信号灯为圆形信号灯时，上述过程即可满足信号灯检测需求，但是信号灯为箭头型信号灯时，还需要判断箭头的方向。观察该箭头型信号灯可以发现其上下对称左右不对称的特点，将该信号灯区域分为上下两部分和左右两部分，且上下相等左右相等。然后统计各部分信号灯像素个数，上部分像素个数记为Au，下部分像素个数记为Ad，左部分像素个数记为A1，右部分像素个数记为Ar。以上述信号灯为例，记科判断箭头方向的方法如下：0.9＜Pud＜1.1&Plr＞Pud箭头方向向左0.9＜Pud＜1.1&Plr＜Pud箭头方向向右0.9＜Plr＜1.1&Pud＞Plr箭头本文档来自技高网...

【技术保护点】
1.一种用于智能车辆的基于视觉信息与GIS信息融合的方法，其特征在于：通过视觉信息与GIS信息融合的方式实现车辆在多车道的定位、路口信号灯检测、路口定位及车辆导航三个方面。

【技术特征摘要】
1.一种用于智能车辆的基于视觉信息与GIS信息融合的方法，其特征在于：通过视觉信息与GIS信息融合的方式实现车辆在多车道的定位、路口信号灯检测、路口定位及车辆导航三个方面。2.根据权利要求1所述的一种用于智能车辆的基于视觉信息与GIS信息融合的方法，其特征在于所述的视觉信息首先要对图像进行预处理，包括相近标定、感兴趣区域划分、图像灰度化处理以及边缘检测；其中感兴趣区域划分是根据图像信息分布特点和所要提取的信息，图像划分为不同的感兴趣区域，即图像下半部分为检测车道线、交通标线感兴趣区域；图像上半部分为检测信号灯感兴趣区域；将感兴趣区域又划分为近区域和远区域。3.根据权利要求2所述的一种用于智能车辆的基于视觉信息与GIS信息融合的方法，其特征在于所述的车辆在多车道的定位具体实现过程如下：(1)设定车道线包含实现和虚线的路段称为常规路段，车道线均为实线的路段称为非常规路段；(2)根据GPS定位和电子地图确定车辆所在道路；(3)根据定位、位置匹配，确定车辆所在路段是否为常规路段；当车辆在非常规路段时，分别检测本车道两侧是否存在车道线，根据检测结果判断车辆所在车道；当车辆在常规路段时，利用视觉信息判断车辆所在车道的两侧车道线类型，根据检测结果判断车辆所在车道。4.根据权利要求3所述的一种用于智能车辆的基于视觉信息与GIS信息融合的方法，其特征在于：所述过程(3)中，当车辆处于非常规路段，受周围车辆影响可能导致无法检测到相邻车道或者车道数量多于3时，无法判断车辆在车道中的具体位置，需要根据GPS位置坐标计算车辆与道路边缘的距离，根据距离辅助定位车辆所在车道，具体过程如下：假设车辆位置坐标为Gi，车辆与道路左、右边缘最近点距离表示为dli(Gi，Li)，dri(Gi，Ri)，则取n个采样点计算车辆位置与道路左、右边缘最近点平均距离：记车辆位置与道路左、右边缘最近点平均距离比值为：Ra的值反映了车辆在道路中的相对位置。5.根据权利要求3所述的一种用于智能车辆的基于视觉信息与GIS信息融合的方法，其特征在于：所述过程(3)中利用视觉信息技术判断车辆所在车道的两侧车道线类型根据以下方法实现：车道线存在于感兴趣区域，所以只需在感兴趣区域检测直线，因此对车道线所在的感兴趣区域的近、远...

【专利技术属性】
技术研发人员：纪建奕，王丰元，纪奕春，纪国清，周冬生，杨朝会，张明杰，纪文涛，
申请(专利权)人：青岛中汽特种汽车有限公司，
类型：发明
国别省市：山东,37