车辆自定位方法、装置及系统制造方法及图纸

本发明专利技术提供一种车辆自定位方法、装置及系统，该方法，包括：获取车辆周围的道路图像，以及道路图像采集时刻对应的车辆初始位置和车辆的姿态信息；获取高精度地图中车辆在前向预设距离范围内的参照物；将从所述道路图像中识别出的目标物和所述参照物在道路图像上的投影进行匹配；根据匹配结果解算车辆相机坐标；其中，所述车辆相机坐标用以表征所述车辆的位置，车辆相机安装在车辆的预设位置。本发明专利技术可以仅依赖单目相机完成对环境的感知，并将感知的目标物直接与高精度地图中参照物从3D到2D的映射点做匹配，快速实现车辆的自定位，在保证定位精度的前提下，极大地降低了硬件成本。

【技术实现步骤摘要】
车辆自定位方法、装置及系统
本专利技术涉及电子地图
，尤其涉及一种车辆自定位方法、装置及系统。
技术介绍
近年来，自动驾驶技术得到了飞速发展，自动驾驶系统通常包含自定位、环境感知、决策规划和运动控制几大模块。其中自定位技术是所有自动驾驶系统的基础。自动驾驶系统对自定位的要求比较高，要求横向定位精度在20厘米之内，纵向定位精度在2米之内。目前，自定位技术一般是通过视觉感知来识别各种参照物，如交通标志牌，地面箭头和文字，然后基于模糊全球定位系统(GlobalPositioningSystem，GPS)和惯性测量单元(Inertialmeasurementunit，IMU)获取车辆初始位置和姿态信息，配合双目或激光雷达来获取周边点云，最后将周边点云与高精度地图上的参照点进行匹配，完成车辆自定位。但是，这种方式对硬件设备的要求较高，需要车辆配备双目相机或者激光雷达，生产成本高，不利于在自动驾驶车辆上大范围推广使用。
技术实现思路
本专利技术提供一种车辆自定位方法、装置及系统，可以仅依赖单目相机完成对环境的感知，并将感知的目标物直接与高精度地图中参照物从3D到2D的映射点做匹配，快速实现车辆的自定位，在保证定位精度的前提下，极大地降低了硬件成本。第一方面，本专利技术实施例提供一种车辆自定位方法，包括：获取车辆周围的道路图像，以及所述道路图像采集时刻对应的车辆初始位置和车辆的姿态信息；根据所述车辆初始位置和车辆的姿态信息，获取高精度地图中所述车辆在前向预设距离范围内的参照物；将从所述道路图像中识别出的目标物和所述参照物在道路图像上的投影进行匹配；根据匹配结果解算车辆相机坐标；其中，所述车辆相机坐标用以表征所述车辆的位置，车辆相机安装在车辆的预设位置。第二方面，本专利技术实施例提供一种车辆自定位装置，包括：第一获取模块，用于获取车辆周围的道路图像，以及所述道路图像采集时刻对应的车辆初始位置和车辆的姿态信息；第二获取模块，用于根据所述车辆初始位置和车辆的姿态信息，获取高精度地图中所述车辆在前向预设距离范围内的参照物；匹配模块，用于将从所述道路图像中识别出的目标物和所述参照物在道路图像上的投影进行匹配；解算模块，用于根据匹配结果解算车辆相机坐标；其中，所述车辆相机坐标用以表征所述车辆的位置，车辆相机安装在车辆的预设位置。第三方面，本专利技术实施例提供一种车辆自定位系统，包括：GPS、IMU、高精度地图提供设备、存储器、处理器，以及安装在车辆预设位置的相机；其中：相机，用于获取车辆周围的道路图像；GPS，用于获取所述道路图像采集时刻对应的车辆初始位置；IMU，用于获取所述道路图像采集时刻对应的车辆的姿态信息；高精度地图提供设备，用于提供高精度地图；存储器，用于存储程序；处理器，用于执行所述存储器存储的所述程序，当所述程序被执行时，所述处理器用于执行如第一方面中任一项所述的方法。第四方面，本专利技术实施例提供一种计算机可读存储介质，包括：计算机程序，当其在计算机上运行时，使得计算机执行第一方面中任一所述的方法。本专利技术提供的车辆自定位方法、装置及系统，通过获取车辆周围的道路图像，以及所述道路图像采集时刻对应的车辆初始位置和车辆的姿态信息；根据所述车辆初始位置和车辆的姿态信息，获取高精度地图中所述车辆在前向预设距离范围内的参照物；将从所述道路图像中识别出的目标物和所述参照物在道路图像上的投影进行匹配；根据匹配结果解算车辆相机坐标；其中，所述车辆相机坐标用以表征所述车辆的位置，车辆相机安装在车辆的预设位置。本专利技术可以仅依赖单目相机完成对环境的感知，并将感知的目标物直接与高精度地图中参照物从3D到2D的映射点做匹配，快速实现车辆的自定位，在保证定位精度的前提下，极大地降低了硬件成本。附图说明为了更清楚地说明本专利技术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一简单地介绍，显而易见地，下面描述中的附图是本专利技术的一些实施例，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为本专利技术一应用场景的原理示意图；图2为本专利技术实施例一提供的车辆自定位方法的流程图；图3为本专利技术实施例二提供的车辆自定位方法的流程图；图4为在参照物消失后进行持续定位的原理示意图；图5为本专利技术实施例三提供的车辆自定位装置的结构示意图；图6为本专利技术实施例四提供的车辆自定位装置的结构示意图；图7为本专利技术实施例五提供的车辆自定位系统的结构示意图。具体实施方式为使本专利技术实施例的目的、技术方案和优点更加清楚，下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。本专利技术的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”“第四”等(如果存在)是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本专利技术的实施例例如能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。下面以具体地实施例对本专利技术的技术方案进行详细说明。下面这几个具体的实施例可以相互结合，对于相同或相似的概念或过程可能在某些实施例不再赘述。图1为本专利技术一应用场景的原理示意图，如图1所示，通过安装在自动驾驶车辆上的相机11(单目相机或双目相机)获取车辆周围的道路图像，并通过全球定位系统12、惯性测量单元13得到该道路图像采集时刻对应的车辆初始位置和车辆的姿态信息。基于车辆初始位置和车辆的姿态信息，获取车辆在高精度地图15上的粗略位置，然后以该粗略位置为圆心，预设距离为半径，获取车辆在高精度地图15的前向预设距离范围内的所有参照物(可以是车道线、路面箭头、路面提示文字、标示牌、信号灯、路灯等等)。将参照物的3D坐标投影到道路图像上，得到参照物在道路图像上的投影。然后，通过目标深度学习网络14识别出道路图像中的目标物(可以是车道线、路面箭头、路面提示文字、标示牌、信号灯、路灯等等)。将目标物与参照物在道路图像上的投影进行匹配，若匹配成功，则记录与参照物匹配成功的目标物的2D坐标，以及参照物在高精度地图上的3D坐标。最后，基于参照物的3D坐标，以及与所述参照物匹配成功的目标物的2D坐标，解算车辆相机坐标；车辆相机坐标即可以表征车辆在高精度地图15上的位置。本专利技术提供的车载本文档来自技高网...

【技术保护点】
1.一种车辆自定位方法，其特征在于，包括：/n获取车辆周围的道路图像，以及所述道路图像采集时刻对应的车辆初始位置和车辆的姿态信息；/n根据所述车辆初始位置和车辆的姿态信息，获取高精度地图中所述车辆在前向预设距离范围内的参照物；/n将从所述道路图像中识别出的目标物和所述参照物在道路图像上的投影进行匹配；/n根据匹配结果解算车辆相机坐标；其中，所述车辆相机坐标用以表征所述车辆的位置，车辆相机安装在车辆的预设位置。/n

【技术特征摘要】
1.一种车辆自定位方法，其特征在于，包括：
获取车辆周围的道路图像，以及所述道路图像采集时刻对应的车辆初始位置和车辆的姿态信息；
根据所述车辆初始位置和车辆的姿态信息，获取高精度地图中所述车辆在前向预设距离范围内的参照物；
将从所述道路图像中识别出的目标物和所述参照物在道路图像上的投影进行匹配；
根据匹配结果解算车辆相机坐标；其中，所述车辆相机坐标用以表征所述车辆的位置，车辆相机安装在车辆的预设位置。


2.根据权利要求1所述的方法，其特征在于，将从所述道路图像中识别出的目标物和所述参照物在道路图像上的投影进行匹配，包括：
通过目标深度学习网络识别出所述道路图像中的目标物；
将所述目标物与所述参照物在道路图像上的投影进行匹配；
若匹配成功，则记录与所述参照物匹配成功的目标物的2D坐标，以及所述参照物在高精度地图上的3D坐标。


3.根据权利要求1所述的方法，其特征在于，获取高精度地图中所述车辆在前向预设距离范围内的参照物，包括：
在高精度地图上找到车辆初始位置所对应的定位点，并以所述定位点为圆心，以预设距离为半径的范围内，查找所述车辆前向的参照物，所述参照物包括：车道线、路面箭头、路面提示文字、标示牌、信号灯、路灯。


4.根据权利要求1所述的方法，其特征在于，该方法还包括：
构建初始深度学习网络；
采集不同城市道路的道路图像，并在所述道路图像上绘制包围参照物的候选框，得到标注后的道路图像；
对所述标注后的道路图像进行裁剪和归一化处理，得到训练图像；
将所述训练图像作为所述初始深度学习网络的输入，以包围参照物的候选框作为目标输出，训练所述初始深度学习网络，以得到目标深度学习网络。


5.根据权利要求1所述的方法，其特征在于，所述从所述道路图像中识别出的目标物为：通过目标深度学习网络从所述道路图像中识别出的目标物；所述目标物包括：车道线、路面箭头、路面提示文字、标示牌、信号灯、路灯。


6.根据权利要求1-5中任一项所述的方法，其特征在于，在根据匹配结果解算车辆相机坐标之后，还包括：
若所述参照物从道路图像中消失，则以消失前的最后一帧道路图像对应的车辆相机坐标为起始点，基于特征点法对后续每一帧道路图像中的车辆相机坐标进行姿态解算，以完成对车辆的持续定位。


7.一种车辆自定位装置，其特征在于，包括：
第一获取模块，用于获取车辆周围的道...

【专利技术属性】
技术研发人员：马海军，
申请(专利权)人：北京四维图新科技股份有限公司，
类型：发明
国别省市：北京;11