【技术实现步骤摘要】
本专利技术涉及车辆自动驾驶领域，尤其涉及一种全自动泊车定位与建图方法。
技术介绍
1、随着城市的快速发展和汽车保有量逐年增加，车位短缺以及复杂的泊车环境已经成为了驾驶者的一大困扰，浪费了大量的时间和精力。此外，由于停车操作需要同时兼顾车辆后方以及两侧的情况，且空间紧凑，过程中又无人指导，因此对驾驶员驾驶操作的熟练程度要求很高。即便是操作熟练的驾驶员也会被繁琐的泊车过程和找不到合适的车位等问题所困扰。基于以上需求，智能泊车技术应运而生，这项技术不仅可以解决驾驶员的烦恼，而且对于停车场空间的高效利用、泊车过程的安全性都有较大益处。
2、室内停车场自主泊车定位技术面临的主要问题包括两方面，一是受限于室内环境与gnss信号常被遮挡无法使用的问题；另一方面则是由于传感器成本较高而导致自主泊车技术普及较为困难的问题。虽然能够通过搭载如激光雷达等传感器增加精确环境感知的能力，但势必会带来成本的增加。在自动驾驶领域不断压低成本，提升产业竞争力的背景下，如何实现在有限成本下优化泊车效果，成为当前亟待解决的问题。
技术实现思路
1、本专利技术针对有限成本下泊车定位与建图优化问题，提供了一种基于环视视觉的泊车定位与建图方法，以期实现在不改变传感器配置的情况下，通过优化定位与建图来提高建图的精度，从而能保障车辆在地下停车场内安全行驶，并有助于提高泊车效率与准确度。
2、本专利技术为达到上述专利技术目的，采用如下技术方案：
3、本专利技术一种基于环视视觉的全自动泊车定位与
4、步骤1：车辆在移动过程中，通过安装在汽车前、后、左、右的鱼眼相机获取当前t时刻的环视图像后，经过相机畸变去除、逆透视变换与图像拼接的操作，得到一张t时刻的俯视图像it；
5、步骤2：采用卷积神经网络的deeplab v3+模型提取所述俯视图像it中的车道线以及障碍物信息并进行标注，得到带有车道线以及障碍物信息的图像i't；
6、步骤3：对提取的车道线以及障碍物信息进行点云转化；
7、步骤3.1、将i't中的车道线以及障碍物信息所对应的像素点转化为点云pt；
8、步骤3.2、根据t时刻的车辆imu传感器对点云pt进行水平校准，得到水平校准后的点云p′t；
9、步骤3.3、对水平校准后的点云p't进行半径滤波处理，得到精确点云p″t；
10、步骤4：融合imu传感器和里程计的数据，对t+1时刻的车辆位姿进行估算并生成全局停车场地图；
11、步骤4.1、利用式(1)计算t时刻imu估计的车辆加速度和车辆角速度
12、
13、式(1)中，i表示imu传感器坐标系，表示t时刻imu传感器输出的车辆加速度，表示t时刻车辆加速度的高斯白噪声，表示t时刻车辆加速度的随机游走噪声，表示t时刻imu传感器输出的车辆角速度；表示t时刻车辆角速度的高斯白噪声，表示t时刻车辆角速度的随机游走噪声；
14、步骤4.2、利用式(2)计算t+1时刻imu估计的车辆速度和车辆角度
15、
16、式(2)中，δt表示t时刻和t+1时刻之间的差值，δv表示速度的变化量，δθ表示角度的变化量；和分别表示t时刻imu估计的车辆速度和车辆角度；当t＝0时，令和均为零；
17、步骤4.3、利用式(3)计算t+1时刻里程计估计的车辆速度和车辆角度
18、
19、式(3)中，o表示里程计坐标系，vr,t+1和vl,t+1分别表示t+1时刻里程计输出的右轮速度和左轮速度，sr,t+1和sl,t+1分别表示δt内右轮行驶里程和左轮行驶里程，len是车身宽度，是t时刻里程计估计的车辆角度；当t＝0时，令为零；
20、步骤4.3、利用式(4)估算t+1时刻融合后的车辆速度vt+1和车辆角度θt+1：
21、
22、式(4)中，μ1表示imu传感器对应的权重，μ2表示里程计对应的权重；当车辆直行时，设置μ1＜μ2；当车辆转弯时，设置μ1＞μ2；
23、步骤4.4、以车辆的初始位置为坐标原点，车辆朝向为y轴正方向，车辆朝向沿车辆所在平面顺时针旋转90°为x轴正方向，建立二维地图坐标系；
24、定义车辆在t时刻的位姿wt＝(xt,yt,vt)，其中，xt,yt为车辆在t时刻的二维坐标，vt为在t时刻车辆朝向与x轴正方向的夹角；当t＝0时，令w0＝(0,0,90°)；
25、步骤4.5、利用式(5)计算车辆在t+1时刻的位姿wt+1＝(xt+1,yt+1,vt+1)：
26、
27、式(5)中，xt+1和yt+1表示车辆在t+1时刻的二维坐标，vt+1表示车辆在t+1时刻的车辆朝向与x轴正方向的夹角；
28、步骤4.6、在t时刻的位姿wt上添加精确点云信息p″t，以构成t时刻的局部点云地图mp,t；根据t+1时刻的位姿wt+1，使用正态分布变换算法计算t+1时刻的精确点云信息p″t+1与mp,t之间的旋转矩阵rt+1、平移矩阵tt+1，从而利用式(6)对t+1时刻的点云p″t+1进行变换操作，得到t+1时刻的局部点云地图mp,t+1，进而得到t+1时刻的全局地图mg,t+1＝mp,t+mp,t+1：
29、mp,t+1＝rt+1*p″t+1+tt+1 (6)
30、步骤5：通过回环检测对全局地图进行优化，生成栅格地图用于路径导航规划；
31、步骤5.1、获取初始时刻到t时刻的精确点云集合p”＝{p”m|m＝0,1,2,3,…t}，其中，p”m表示第m时刻的精确点云；
32、步骤5.2、在t+1时刻对精确点云集合p”进行回环检测，得到t+1时刻更新后的全局地图m′g,t+1：
33、步骤5.3、将t+1时刻更新后的全局地图m'h,t+1转化为t+1时刻的栅格地图gt+1并保存后，用于车辆的全自动泊车。
34、本专利技术所述的基于环视视觉的全自动泊车定位与建图方法的特点也在于，步骤3.2中根据t时刻的车辆imu传感器对点云pt进行水平校准，得到水平校准后的点云p't。包括：
35、步骤3.2.1、定义车辆imu传感器的平面方程为：ax+by+cz+d＝0，其中，x、y、z分别是车辆imu传感器平面的x轴、y轴、z轴，a、b、c分别是x、y、z的法向量，d为所述车辆imu传感器平面相对于自身坐标原点的偏移量；
36、步骤3.2.2、定义车辆坐标系中的竖直向量为l，将所述车辆imu平面的法向量a、b、c通过所述竖直向量l进行旋转，得到旋转矩阵mr；
37、步骤3.2.3、根据所述旋转矩阵mr，利用点云旋转函数对pt进行处理，得到旋转后的点云，将旋转后的点云的z轴高度值设置为0，从而得到水平校准后的点云p't。
38、步骤3.3中对水平校准后的点云p't进行半径滤波处理，得到精本文档来自技高网...
【技术保护点】
1.一种基于环视视觉的全自动泊车定位与建图方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于环视视觉的全自动泊车定位与建图方法，其特征在于，步骤3.2中根据t时刻的车辆IMU传感器对点云Pt进行水平校准，得到水平校准后的点云P't。包括：
3.根据权利要求2所述的基于环视视觉的全自动泊车定位与建图方法，其特征在于，步骤3.3中对水平校准后的点云P't进行半径滤波处理，得到精确点云P″t，包括：
4.根据权利要求3所述的基于环视视觉的全自动泊车定位与建图方法，其特征在于，步骤4.6中的正态分布变换算法是按如下步骤进行：
5.根据权利要求4所述的基于环视视觉的全自动泊车定位与建图方法，其特征在于，步骤5.2是按如下步骤进行：
6.根据权利要求5所述的基于环视视觉的全自动泊车定位与建图方法，其特征在于，步骤5.3是按如下步骤进行：
7.一种电子设备，包括存储器以及处理器，其特征在于，所述存储器用于存储支持处理器执行权利要求1-6中任一所述全自动泊车定位与建图方法的程序，所述处理器被配置为用于执行所述存储
8.一种计算机可读存储介质，计算机可读存储介质上存储有计算机程序，其特征在于，所述计算机程序被处理器运行时执行权利要求1-6中任一所述全自动泊车定位与建图方法的步骤。
...【技术特征摘要】
1.一种基于环视视觉的全自动泊车定位与建图方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于环视视觉的全自动泊车定位与建图方法，其特征在于，步骤3.2中根据t时刻的车辆imu传感器对点云pt进行水平校准，得到水平校准后的点云p't。包括：
3.根据权利要求2所述的基于环视视觉的全自动泊车定位与建图方法，其特征在于，步骤3.3中对水平校准后的点云p't进行半径滤波处理，得到精确点云p″t，包括：
4.根据权利要求3所述的基于环视视觉的全自动泊车定位与建图方法，其特征在于，步骤4.6中的正态分布变换算法是按如下步骤进行：
5.根据权利...
【专利技术属性】
技术研发人员：张炳力，米向东，郑达，王焱辉，刘中正，张羊阳，
申请(专利权)人：合肥工业大学，
类型：发明
国别省市：
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。