一种基于视觉认知地图的智能网联汽车定位系统及方法技术方案

本发明专利技术涉及一种基于视觉认知地图的智能网联汽车定位系统及方法。本发明专利技术利用装有摄像头，高精度GPS，IMU传感器的地图采集车，采集道路上相关数据，可以实现基于视觉的认知地图的构建及基于认知地图的智能车定位功能，解决无人驾驶领域高精度地图数据量大，使用成本高等问题。本发明专利技术以视觉为主构建智能车的认知地图，并实现智能车只使用摄像头即可完成车辆定位的系统；避免了激光雷达的使用，减小了智能车的硬件成本并且地图数据量少，系统实时处理数据少，减小计算使用成本。减小计算使用成本。减小计算使用成本。

【技术实现步骤摘要】
一种基于视觉认知地图的智能网联汽车定位系统及方法


[0001]本专利技术涉及智能汽车领域，尤其是涉及一种基于视觉认知地图的智能网联汽车定位系统及方法。

技术介绍

[0002]无人驾驶系统中的关键技术：环境感知、规划决策、车辆控制。规划决策建立在环境感知之上，所以环境感知技术的研究尤为重要，环境感知包括车用地图、车辆定位。地图是车体定位的基础，地图的定位精度至少分米级才能满足智能车的驾驶需求。目前看来，地图对于无人驾驶的意义主要有以下几点：第一，降低车辆定位计算量；一般智能车完成定位通过图像查询或激光点云的配准来实现，计算量大，也提高了智能车的硬件成本，而GPS定位会在信号不好的路段失效，引发交通事故。认知地图的使用，可以只提供车辆所在位置的局部地图就可以完成智能车的定位，实现简单、数据量小、计算量小，更适合智能车的定位需求。第二，是智能车驾驶过程中的平滑性；智能车的服务对象是人类，其目的就是做出比人的判断更敏感的决策，并且控制平滑，不会出现剧烈的震动感，地图给智能车提供的就是预知能力，它可以使智能车提前知道，将要到哪里，使得智能车提前做出下一步本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于视觉认知地图的智能网联汽车定位方法，其特征在于，包括以下步骤：A1.数据收集：基于装有摄像头、高精度GPS、IMU传感器的地图采集车，采集预设道路上的相关数据；A2.数据处理：基于张正友相机标定方法对图像进行校正，并得到相机内参，再将高精度GPS接收机位置的GPS坐标转换为局部坐标系下直角坐标，并根据传感器间相对位置关系，统一所有坐标至相机坐标系；A2:在相机坐标系中，基于深度学习SSD算法检测图像中的路标信息：检测结果为路标类型及在图像中的位置，用两个像素点表达路标在图像的位置RECT(T1,T2,B1,B2)；A3:对检测到的路标区域提取ORB特征点：基于光流法进行特征点跟踪，有特征在某一帧中出现在路标检测框外，则删除该特征点；A4:对具有有效特征点的路标进行定位：从t时刻到t+N时刻连续(N+1)张图像中同一三维路标点的成像点即为路标点；A5:根据相机小孔成像原理从图像可知路标点到相机中心向量的两个角度(θ,φ)，结合GNSS，得出坐标系变换关系：x0＝zsinθ1cosφ1y0＝zsinθ1sinφ1z0＝zcosθ1其中，(x0,y0,z0)表示路标位置,利用多个图像帧观测到的同一个路标点即可计算出此路标点的位置,对同一个路标提取多个特征点进行跟踪，最终取平均值来表达此路标的位置；A6:根据获取到的路标定位信息，利用DBoW库提供的算法提取路标的图像特征用于检索匹配，并在数据库中存储相关路标的类型，位置及路标特征；A7：通过摄像头实时检测道路上路标，当有三个以上的路标和认知地图中的路标匹配时就能获得车辆的位姿信息，即需要至少三对3D
‑
2D的匹配点才能求解车辆位姿：其中，(u,v)表示路标的图像像素坐标，(X,Y,Z)表示路标的三维坐标,利用g2o库提供的非线性优化方法即可求解得到车辆位姿Pi(x
i
,y
i
,z
i
,α
i
,β
i
,γ
i
)，其中(x
i
,...

【专利技术属性】
技术研发人员：张卿，曹恺，蔡营，
申请(专利权)人：东风悦享科技有限公司，
类型：发明
国别省市：