基于顶视图的停车场车辆自定位及地图构建方法技术

一种基于顶视图的停车场车辆自定位及地图构建方法，以低成本的鱼眼相机组成的环视系统作为信息采集系统，基于所述环视系统生成顶视图，鲁棒性地提取车辆附近车位线的角线特征，进行跟踪和建图；利用图匹配技术实时生成角线地图，并利用局部地图优化和全局地图优化，对车辆进行实时高精度定位和地图构建。所述方法从原理上避免了单目SLAM的尺度漂移问题，并利用现有的车载系统，以低成本传感器、在低功耗的车载处理器上完成实时、高精度车辆自定位和地图构建工作，来辅助自主泊车任务的完成。本公开还提供了一种构建装置、构建系统、自动驾驶车辆及自主泊车系统。

【技术实现步骤摘要】
基于顶视图的停车场车辆自定位及地图构建方法
本专利技术涉及无人驾驶行业中的自主泊车
以及计算机视觉
，具体涉及驾驶车辆在停车场范围内进行停车场地图构建以及车辆自定位的方法和装置。
技术介绍
近年来，自动驾驶技术发展迅猛，而解决停车难的问题也是自动驾驶领域研发的重点之一。由以倒车雷达为代表的辅助泊车系统、以超声波雷达为基础的双边障碍自动泊车技术发展到现在，自动泊车技术已经不仅仅限于泊车入库这一操作，而是扩展成包含自主低速巡航、寻车位、泊车以及召唤响应的综合泊车系统。其中，对于停车场的地图构建、地图自定位等技术作为新增的技术要点，是自动泊车研究的重点之一。现有的技术中，大部分技术仅针对或室内或室外一种场景进行研究；部分研究在室内停车场中部署WIFI或UWB等无线设备，需要大量的基站设备，成本昂贵，同时定位精度低，不满足自主泊车需求。在以SLAM算法为基础的地图构建与自定位技术中，按照传感器不同可分为激光雷达SLAM、双目SLAM、单目SLAM等技术：其中激光SLAM受到激光设备成本的制约，难以部署在量产车型中；双目SLAM无法解决室内场景纹理稀疏问题，无法保证精度与稳定性，且双目视差计算复杂度高，车载低功耗处理器难以达到实时处理；单目SLAM受到尺度漂移问题的影响，难以获得停车场环境的绝对尺度，无法辅助车辆进行自主泊车。为了解现有技术的发展状况，本专利技术对已有的专利和论文进行了检索、比较和分析：技术方案1：专利文献专利CN104077809B(“基于结构性线条的视觉SLAM方法”)利用建筑的结构型线条作为特征线条来实现实时定位和地图的实时构建；利用特征线条与其对应的参考平面的从属关系，将特征线条参数化，并使用卡尔曼滤波器更新特征线条、摄像设备的位姿状态。该方法对建筑的结构性线条进行描述，能够在缺乏点特征的室内场景完成建图。但是，该方法仅适用于室内场景，对室外停车场的适用性不强，不能满足室外使用需求。技术方案2：专利文献CN107180215B(“基于库位和二维码的停车场自动建图与高精度定位方法”)，使用车辆的前视相机与四周的鱼眼相机组成的环视系统，对预先布置好的二维码进行鲁棒性识别，并使用深度学习的方法对车位、车位号进行检测，同时利用惯性导航设备估算自车速度与航向角，以SLAM算法实现车库平面图的构建，利用建图结果实现高精度定位。然而，由于深度学习对车位、车位号的定位与其真实位置存在一定角度的偏差，使得重建地图与真实地图有着一定的差异，需要通过二维码来辅助实现重定位，而由于二维码的部署问题，该方法仅适用于室内停车场；此外，图优化算法计算复杂度高，低功耗的车载嵌入式设备无法实时建图。技术方案3：专利文献EP3057061B1“Methodanddevicefortheestimationofcaregomotionfromsurroundviewimages”对车辆前后左右四个相机获取图像进行处理，生成顶视图。在顶视图上，利用光流，确定车辆的自我状态。使用阿克曼转向模型从车轮速度和转向角得出车辆围绕顺势曲率中心的角速度。将光流和车辆角速度得出的运动姿态进行融合，更新、预测车辆的运动状态。然而，无论室内停车场还是室外停车场，光照对顶视图的影响是不可避免的，而在这种情况下，在顶视图上使用光流的方法对车辆位姿的估计是不准确的。技术方案4：论文“HoubenS,NeuhausenM,MichaelM,etal.Parkmarking-basedvehicleself-localizationwithafisheyetopviewsystem[J].JournalofReal-TimeImageProc16,289–304(2019).”，采用四个鱼眼相机组成的环视系统，独立地将每个相机采集到的图像投影到鸟瞰图中，检测明亮的直线并聚类作为停车场特征，随后用卡尔曼滤波算法将初始的粗略位姿与特征进行融合，计算精确且置信程度高的位姿与车身运动。然而，论文中提出的算法独立地计算每个镜头中的特征，增大了计算量和功耗，难以部署在车载设备上；并且该方法依赖于其它方法给出的一个较好的初始位姿，并不能单独完成重定位。技术方案5：论文“J.Ma,X.Wang,Y.He,X.MeiandJ.Zhao,"Line-BasedStereoSLAMbyJunctionMatchingandVanishingPointAlignment,"inIEEEAccess,vol.7,pp.181800-181811(2019).”以平面上相交直线作为基本结构，在交点处提取描述子用于线关系的匹配，通过建立线段和消失点的观测模型，优化相机位姿和线的位置，构建了可以在便携式电脑上实时运行的双目slam系统。但是，双目图像计算像素距离消耗计算力，难以适用于低功耗的车载处理器。可见，自主泊车中，现有的方法在定位精度、稳定性和实时性上难以获得满意的综合效果。因此，需要研究新的停车场车辆自定位及地图构建方法，既能保证定位精度，又能适应室内、室外的背景环境，又不增加额外的计算开销，可用于低功耗车载处理器，同时无需高成本传感器系统支持。
技术实现思路
本专利技术致力于使得自主泊车技术普适于室内、室外停车场，并以低成本的传感器系统，在低功耗的车载处理器上可以实时地完成高精度的车辆自定位与停车场地图构建工作，以辅助自主泊车任务的完成。基于上述专利技术目的，本专利技术主要在以环视系统为基础的停车场车辆自定位及地图构建技术上提出了新的方法，基于利用车载环视系统生成顶视图，在顶视图中使用角线特征作为基本特征，通过对车位线、车位角点的识别和定位，进行高精度的车辆自定位和地图构建工作。该方法从原理上避免了单目slam的尺度漂移问题，并利用现有的车载系统，以低成本传感器、在低功耗的车载处理器上完成实时、高精度车辆自定位和地图构建工作，来辅助自主泊车任务的完成。为解决上述技术问题，根据本专利技术的一个方面，提供了一种基于顶视图的停车场车辆自定位及地图构建方法，包括如下步骤：步骤1)、采集相机图像；步骤2)、根据所述相机图像进行车辆顶视图的拼接；步骤3)、对拼接的所述车辆顶视图提取并匹配角线特征；步骤4)、基于所述角线特征计算车辆位姿，生成角线地图；步骤5)、根据生成的所述角线地图匹配所述角线特征；步骤6)、输出车辆位姿。优选地，所述相机为鱼眼相机或所述相机为多个工业小孔相机组合而成。优选地，所述鱼眼相机有四个，分辨率在720P或以上，分别布置于汽车前后保险杠以及左右后视镜下边沿。优选地，对所述鱼眼相机进行标定，得到相机的内参和相机到地面靶标的外参。优选地，标定时，车辆静止在平整路面上，采用标定板直接获取从鱼眼相机图像到顶视图坐标系的对应关系，计算生成各相机的原始图像与顶视图像素的映射表。优选地，所述顶视图坐标系位于车底平面上，以车辆后轴中心为原点，水平向前和水平向右分别为坐标轴正方向。优选地，所述顶视图坐标系与地面平行。优选地，所述映射表表示所本文档来自技高网...

【技术保护点】
1.一种基于顶视图的停车场车辆自定位及地图构建方法，其特征在于，包括如下步骤：/n步骤1)、采集相机图像；/n步骤2)、根据所述相机图像进行车辆顶视图的拼接；/n步骤3)、对拼接的所述车辆顶视图提取并匹配角线特征；/n步骤4)、基于所述角线特征计算车辆位姿，生成角线地图；/n步骤5)、根据生成的所述角线地图匹配所述角线特征；/n步骤6)、输出车辆位姿。/n

【技术特征摘要】
1.一种基于顶视图的停车场车辆自定位及地图构建方法，其特征在于，包括如下步骤：
步骤1)、采集相机图像；
步骤2)、根据所述相机图像进行车辆顶视图的拼接；
步骤3)、对拼接的所述车辆顶视图提取并匹配角线特征；
步骤4)、基于所述角线特征计算车辆位姿，生成角线地图；
步骤5)、根据生成的所述角线地图匹配所述角线特征；
步骤6)、输出车辆位姿。


2.根据权利要求1所述的基于顶视图的停车场车辆自定位及地图构建方法，其特征在于，所述相机为鱼眼相机或所述相机为多个工业小孔相机组合而成。


3.根据权利要求2所述的基于顶视图的停车场车辆自定位及地图构建方法，其特征在于，所述鱼眼相机有四个，分辨率在720P或以上，分别布置于汽车前后保险杠以及左右后视镜下边沿。


4.根据权利要求2或3所述的基于顶视图的停车场车辆自定位及地图构建方法，其特征在于，
对所述鱼眼相机进行标定，得到相机的内参和相机到地面靶标的外参。


5.根据权利要求4所述的基于顶视图的停车场车辆自定位及地图构建方法，其特征在于，
标定时，车辆静止在平整路面上，采用标定板直接获取从鱼眼相机图像到顶视图坐标系的对应关系，计算生成各...

【专利技术属性】
技术研发人员：李一龙，陈禹行，范圣印，李雪，
申请(专利权)人：北京易航远智科技有限公司，
类型：发明
国别省市：北京;11