【技术实现步骤摘要】
用于低速泊车驾驶场景的多传感融合定位方法
本专利技术涉及车载电子
，尤其是涉及一种能够控制系统成本，提升系统可行性和定位精确度高的用于低速泊车驾驶场景的多传感融合定位方法。
技术介绍
目前，自动驾驶技术与系统的研究与开发大多基于高速公路与泊车两种应用场景，其系统组成通常包括感知、定位、规划以及决策控制等子模块。相较于辅助驾驶系统，定位是高等级自动驾驶系统中不可或缺的组成模块，也是区别二者的主要壁垒。根据自动驾驶应用的不同需求，定位模块所采用的方法与装置也不完全相同。现有车载系统定位方式较单一，多基于GPS信号，鲜有符合自动驾驶场景应用需求的定位方案。已有方案定位精度较低，仅适用于车载导航应用，且在隧道、地下车库等场景无法使用，无法满足自动驾驶典型场景应用需求。因此，设计一种能够解决自动泊车或代客泊车应用场景下的系统定位问题以及能够控制系统成本，提升系统可行性和定位精确度高的车载系统定位方法，就显得十分必要。
技术实现思路
本专利技术是为了克服现有技术中，现有车载系统定位方式单一，精度较低，仅适用于车载导航应用，且在隧道、地下车库等场景无法使用，无法满足自动驾驶典...
【技术保护点】
1.一种用于低速泊车驾驶场景的多传感融合定位方法，其特征是，包括如下步骤：(1‑1)语义地图定义：针对泊车应用场景，基于定位算法能力与接口，定义离线地图数据格式，主要包括全局路由所需的道路数据以及定位所需的路标数据；(1‑2)多感知融合里程计：主要包括视觉以及轮速计或惯性导航传感器数据融合，基于运动学卡尔曼滤波的车辆行驶里程估算；(1‑3)视觉路标检测与匹配：主要包括提取离线语义地图所包含的先验路标信息，构造相应的场景语义描述，以匹配地图语义信息；(1‑4)定位修正：根据视觉路标匹配信息，进行定位里程修正，形成里程与定位信息的闭环修正。
【技术特征摘要】
1.一种用于低速泊车驾驶场景的多传感融合定位方法，其特征是，包括如下步骤：(1-1)语义地图定义：针对泊车应用场景，基于定位算法能力与接口，定义离线地图数据格式，主要包括全局路由所需的道路数据以及定位所需的路标数据；(1-2)多感知融合里程计：主要包括视觉以及轮速计或惯性导航传感器数据融合，基于运动学卡尔曼滤波的车辆行驶里程估算；(1-3)视觉路标检测与匹配：主要包括提取离线语义地图所包含的先验路标信息，构造相应的场景语义描述，以匹配地图语义信息；(1-4)定位修正：根据视觉路标匹配信息，进行定位里程修正，形成里程与定位信息的闭环修正。2.根据权利要求1所述的用于低速泊车驾驶场景的多传感融合定位方法，其特征是，步骤(1-3)还包括如下步骤：(1-3-1)场景定位路标提取：主干特征与视觉感知模块复用，输入为3通道RGB图像，输出为场景语义信息mask；训练采用softmaxloss损失函数；(1-3-2)场景定位路标聚类与识别：主干特征与视觉感知模块复用，输入为3通道RGB图像，输出为关联语义信息聚类mask；训练采用hingeloss损失函数；设置聚类容差阈值，提取待分类语义目标ROI，通过深度卷积神经网络场景描述进行定位语义标识分类，输出为该ROI对应的语义类别信息；(1-3-3)定位路标相对位置估算：主要包括路面语义定位标识相对位置估算和空间定位标识相对位置估算。3.根据权利要求2所述的用于低速泊车驾驶场景的多传感融合定位方法，其特征是，步骤(1-3-3)还包括如下步骤：(1-3-3-1)路面语义定位标识相对位置估算：对于路面语义定位信息，基于离线标定相机参数，即焦距、光心、分辨率、高度以及俯仰角等，与先验路面模型假设可得路面区域逆透视变换矩阵H，通过图像坐标系下定位路标基点位置[u,v,1]T可计算出该定位路标与自身车辆的相对位置信息[X，Y,1]T，即[X，Y,1]T＝H[u,v,1]T路面定位基点主要包含两类：1.类为定位点，包括泊车位id，泊车位角点，可用于二维位置修正，即纵向与侧向修正；2.类为定位边界，包括泊车位边界，道路截止边界以及车道边界，可用于一维位置修正，即纵向或侧向修正；(1-3-3-2)...
【专利技术属性】
技术研发人员：缪其恒，杜卓，闫坤，王江明，许炜，
申请(专利权)人：浙江零跑科技有限公司，
类型：发明
国别省市：浙江,33
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。