【技术实现步骤摘要】
本专利技术属于自动驾驶，涉及一种半静态室内泊车场景视觉定位方法。
技术介绍
1、自主代客泊车是指车辆自动搜索合适的停车位并泊入，能提高车辆的停车效率并避免碰撞风险，受到国内外学者的广泛关注。其中，精确的定位信息是汽车能否准确、安全完成自主代客泊车任务的重要前提，不准确的位姿估计将很可能使得车辆与周围环境发生碰撞，也无法让车辆成功泊入停车位，直接关系到自主代客泊车的安全性和效率。因此如何使得车辆在泊车场景下具备精确的定位能力，是目前自主代客泊车研究的难点。
2、全球导航卫星系统(global navigation satellite system，gnss)通过多卫星组网无线电测距的方式，能全天候提供近地空间的位置信息，并且经过实时动态载波相位差分技术能够将定位精度提升到厘米级，足以满足车辆在泊车时的定位需求。但在室内泊车场景中，gnss的卫星信号会受到建筑物遮挡和传播过程干扰等因素的影响，导致卫星定位精度急剧下降，甚至失效。惯性导航系统利用惯性传感器进行位置和姿态估算，可在卫星信号不可用的情况下提供定位信息，但在长时间应用中易产生较大定位误差。
3、针对室内停车场这类需长期重复行驶且环境特征丰富的场景，利用视觉同时定位与建图(simultaneous localization and mapping，slam)技术建立先验地图进行定位，具有成本低且定位高效的特点。但停车场中其他车辆停放位置会发生改变，这种半静态特性导致先验地图与实际场景不符，从而产生误匹配，降低自车定位精度。
1、有鉴于此，本专利技术的目的在于针对受车辆停放位置变化影响最显著的停车位线提出停车位线段特征，并基于路面标记点云的视觉定位方案，设计了融合停车位线段的建图定位方法。
2、为达到上述目的，本专利技术提供如下技术方案：
3、一种半静态室内泊车场景视觉定位方法，包括以下步骤：
4、s1：提取鸟瞰图停车位端点，通过对停车位端点跟踪优化得到其世界坐标系下的位置；再结合相关车位信息在地图中构建停车位线段；对于其他路面标记点云，使用点云的方式建图并用于估计车辆位姿；将停车位端点作为地图信息和关键帧绑定，实现回环检测；
5、s2：加载先验地图，通过语义分割获取鸟瞰图中的路面标记点云，将停车位线点云和地图中最近停车位线段匹配，其他路面标记点云和地图中最近点匹配；建立匹配关系后分别通过点到线的距离和点到点的距离构建残差，将两种残差相加并迭代优化求解车辆位姿；根据优化完成后每个匹配点的平均距离残差构建协方差矩阵，引入惯性测量单元实现误差卡尔曼滤波传感器融合定位。
6、进一步，步骤s1具体包括以下步骤：
7、s11：利用路面标记点云匹配得到的车辆位姿和鸟瞰图内参计算停车位端点世界坐标系下的位置；
8、s12：通过停车位端点的k维树(k-dimensional tree，kd-tree)判断一定半径范围内是否有其他的停车位端点，若有，则将其作为已有停车位端点的一次观测，记录此时停车位端点的位置和车辆位姿；若没有，则认为是新的停车位端点，将其加入到地图与kd-tree当中；
9、s13：当某个停车位端点已经连续三帧没有新的观测时，利用记录的所有观测信息优化求解停车位端点的位置；
10、s14：得到停车位端点世界坐标系下位置后，再结合相关车位信息在地图中构建停车位线段，其他路面标记点云仍使用点云的方式建图并提供车辆位姿估计；将停车位端点作为地图信息和关键帧绑定，实现回环检测以提升地图准确性。
11、进一步，步骤s11中，停车位端点相机坐标系下的位置与停车位端点世界坐标系下的位置关系如下：
12、λkxk＝pky
13、其中pk＝[rk，tk]表示世界坐标系到第k帧相机坐标系的变化矩阵，通过车辆位姿取逆得到，包括旋转矩阵rk和平移向量tk；xk＝[uk，vk，1]表示相机坐标系下某个停车位端点的坐标；y＝[u，v，1，1]表示世界坐标系下某个停车位端点的坐标，是齐次坐标的形式；λk＝1表示停车位端点的深度值；k表示观测到该停车位端点的图像帧对应的序号，k＝1，··，n。
14、进一步，停车位端点优化求解的计算公式如下式：
15、
16、其中为pk的第1行，为pk的第2行，为pk的第3行，k＝1，··，n，表示观测到该停车位端点的图像帧序号，y表示世界坐标系下某个停车位端点的坐标。
17、进一步，步骤s2中，点到最近停车位线段匹配的过程如下：
18、s21：利用地图中所有停车位端点建立kd-tree，并将每个停车位端点和经过该端点的线段建立查找表；
19、s22：匹配点首先通过kd-tree检索最近停车位端点，再通过查找表找到经过该端点的所有线段；
20、s23：得到候选匹配线段后，利用点到线段的距离计算匹配点到所有候选匹配线段的距离，并选取距离最近的线段建立匹配关系；
21、s24：建立匹配关系后分别通过点到线的距离和点到点的距离构建残差，将两种残差相加并迭代优化求解车辆位姿；
22、s25：根据优化完成后每个匹配点的平均距离残差构建协方差矩阵，引入惯性测量单元实现误差卡尔曼滤波传感器融合定位。
23、本专利技术的有益效果在于：停车位线段建图仅利用停车位端点和车位信息，提升了停放车辆遮挡停车位线情况下先验地图的完整性；建图时对停车位端点跟踪优化，提升先验地图准确性；定位时利用停车位线的几何结构，将停车位线点云和停车位线段匹配，完成匹配后再通过点到线的距离优化匹配结果，这使得停车位线点云在优化完成后总是分布在停车位线两侧，实现正确匹配并输出准确的车辆位姿；在点到最近停车位线段匹配时通过最近停车位端点查找最近停车位线段，相较于直接通过线段建立空间结构进行检索，最近点查找不需要考虑线段的结构和方向信息，提升匹配效率。
24、本专利技术的其他优点、目标和特征在某种程度上将在随后的说明书中进行阐述，并且在某种程度上，基于对下文的考察研究对本领域技术人员而言将是显而易见的，或者可以从本专利技术的实践中得到教导。本专利技术的目标和其他优点可以通过下面的说明书来实现和获得。
本文档来自技高网...【技术保护点】
1.一种半静态室内泊车场景视觉定位方法，其特征在于：包括以下步骤：
2.根据权利要求1所述的半静态室内泊车场景视觉定位方法，其特征在于：步骤S1具体包括以下步骤：
3.根据权利要求2所述的半静态室内泊车场景视觉定位方法，其特征在于：步骤S11中，停车位端点相机坐标系下的位置与停车位端点世界坐标系下的位置关系如下：
4.根据权利要求2所述的半静态室内泊车场景视觉定位方法，其特征在于：停车位端点优化求解的计算公式如下式：
5.根据权利要求1所述的半静态室内泊车场景视觉定位方法，其特征在于：步骤S2中，点到最近停车位线段匹配的过程如下：
【技术特征摘要】
1.一种半静态室内泊车场景视觉定位方法，其特征在于：包括以下步骤：
2.根据权利要求1所述的半静态室内泊车场景视觉定位方法，其特征在于：步骤s1具体包括以下步骤：
3.根据权利要求2所述的半静态室内泊车场景视觉定位方法，其特征在于：步骤s11中，停车位端点相机坐标系下...
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。