System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及智能网联车路协同,尤其是涉及一种基于复合光学模型的高精度路侧车辆测量方法、装置及系统。
技术介绍
1、近年来,自动驾驶汽车以及车联网汽车应运而生,因此而产生了自动驾驶技术、智能网联技术等。所有这些技术中的一个关键问题就是车辆如何进行精确定位。依靠车辆自身的定位系统进行定位有诸多局限性,比如传感器设备成本高、受环境干扰大、稳定性差等,利用车路协同技术辅助自动驾驶汽车定位成为新的行业趋势。目前,路侧的车路协同单元多使用以摄像头、激光雷达和毫米波雷达为主的传感器,设备成本高昂且尚没有相关的整合设备对道路上的车辆进行长距离的跟踪定位。
技术实现思路
1、鉴于以上问题,本专利技术提供了一种基于复合光学模型的高精度路侧车辆测量方法、装置及系统,不仅能够对车辆的位置信息进行跟踪和精确估算,而且对车辆的位姿进行纠正,进一步保证车辆的安全运行。
2、为了实现上述目的及其他相关目的,本专利技术提供的技术方案如下:
3、一种基于复合光学模型的高精度路侧车辆测量方法,所述方法包括:
4、u1.复合光学模型设置在路侧,对复合光学模型的摄像头和激光测距仪进行联合标定,得到从激光测距仪主光轴上经过的目标车辆在摄像头影像上的像点坐标,从而输出目标车辆的像点坐标数据信息;
5、u2.基于所述目标车辆的像点坐标数据信息,采用跟踪控制转换算法对目标车辆的位置进行推算,得到目标车辆的多个位置坐标数据信息;
6、u3.基于所述目标车辆的多个位置坐标数
7、u4.基于所述目标车辆的轨迹数据信息,建立目标车辆的位姿纠正函数z,对车辆的位姿进行纠正,得到纠正后的车辆的位姿数据信息。
8、进一步的,在步骤u1中,所述对复合光学模型的摄像头和激光测距仪进行联合标定包括:
9、u11.基于所述复合光学模型的摄像头和激光测距仪,获取激光测距仪测量的目标车辆到摄像头的距离数据信息;
10、u12.基于所述激光测距仪测量的目标车辆到摄像头的距离数据信息,建立联合标定函数f,
11、
12、其中,s为激光测距仪测量的目标车辆到摄像头的距离数据信息,k0,b0,k1和b1为摄像头和激光测距仪的联合标定参数数据信息,u为摄像头影像上的横向像素点坐标,v为摄像头影像上的纵向像素点坐标,得到从激光测距仪主光轴上经过的目标车辆在摄像头影像上的像点坐标。
13、进一步的,所述摄像头和激光测距仪的联合标定参数数据信息k0,b0,k1和b1的约束条件为,
14、
15、进一步的,在步骤u2中,所述采用跟踪控制转换算法对目标车辆的位置进行推算包括:
16、u21.基于所述车辆的像点坐标数据信息,建立摄像头的相幅中心跟踪函数g,
17、
18、其中,(xi,yi)为车辆的像点坐标数据信息,(x0,y0)为摄像头的相幅中心点坐标,l为车辆的像点坐标与摄像头相幅中心点的距离,δ为跟踪决定因子,(x,y)为车辆的特征像点坐标,对车辆的特征像点坐标进行选取,得到车辆的特征像点坐标数据信息;
19、u22.基于所述车辆的特征像点坐标数据信息,建立目标的车辆的平面坐标转换函数h,
20、
21、其中,(x,y)为车辆的特征像点坐标,b为车辆长度,θ为角度传感器提供的复合光学模型对于水平面的俯仰角,μ为角度传感器提供的复合光学模型与水平轴标准线的旋转角,(w,v)为目标车辆的摄像头相幅中心特征点的平面坐标,得到目标车辆的摄像头相幅中心特征点的平面坐标数据信息;
22、u23.基于所述目标车辆的摄像头相幅中心特征点的平面坐标数据信息,建立坐标换算函数h,
23、
24、其中,θ为角度传感器提供的复合光学模型对于水平面的俯仰角,μ为角度传感器提供的复合光学模型与水平轴标准线的旋转角,(w,v)为目标车辆的摄像头相幅中心特征点的平面坐标,ρ为转换因子,得到目标车辆的多个位置坐标数据信息。
25、进一步的,所述转换因子ρ为,
26、
27、其中,(w,v)为目标车辆的摄像头相幅中心特征点的平面坐标。
28、进一步的,在步骤u3中,所述采用改进的五次样条轨迹拟合优化算法对目标车辆的轨迹进行拟合包括:
29、u31.基于所述目标车辆的多个位置坐标数据信息,建立目标车辆的轨迹拟合函数dj,
30、dj=αj0+αj1p+αj2p2+αj3p3+αj4p4+αj5p5,
31、其中,αj0,αj1,αj2,αj3,αj4和αj5为常量参数,p为拟合函数的自变量,得到目标车辆的拟合轨迹数据信息;
32、u32.基于所述目标车辆的拟合轨迹数据信息,建立目标车辆的拟合轨迹优化函数k,
33、
34、其中,j为目标车辆拟合轨迹的样本容量,dj为目标车辆的轨迹拟合函数,βj为对应的权重系数,得到目标车辆的轨迹数据信息。
35、进一步的,在步骤u4中,所述目标车辆的位姿纠正函数z为,
36、
37、其中,ω1为目标车辆的轨迹数据信息,ω0为目标车辆的当前轨迹数据信息。
38、为了实现上述目的及其他相关目的,本专利技术还提供了一种用于实现任一项所述的基于复合光学模型的高精度路侧车辆测量方法的装置,包括摄像头和激光测距仪,所述摄像头的下方设有所述激光测距仪,所述摄像头与所述激光测距仪的主光轴在纵向上位于同一个垂直平面排列并固定,架设在数字云台的上方,所述数字云台与所述激光测距仪之间设有角度传感器。
39、为了实现上述目的及其他相关目的,本专利技术还提供了一种用于实现任一项所述的基于复合光学模型的高精度路侧车辆测量系统,所述系统包括:
40、摄像头,用于获取目标车辆的图像数据信息;
41、单点激光测距传感器,与所述摄像头连接,用于获取目标车辆与摄像头的距离数据信息;
42、计算控制单元,与所述单点激光测距传感器连接,用于采用改进的五次样条轨迹拟合优化算法对目标车辆的轨迹进行拟合,得到目标车辆的轨迹数据信息;
43、高精度数字云台,与所述计算控制单元连接,用于通过v2x系统将目标车辆的轨迹数据信息发送给自动驾驶车辆。
44、进一步的,所述高精度数字云台包括云台部分和角度传感器。
45、本专利技术具有以下积极效果:
46、1.本专利技术通过对复合光学模型的摄像头和激光测距仪进行联合标定,并结合采用跟踪控制转换算法对目标车辆的位置进行推算,得到目标车辆的多个位置坐标数据信息,不仅能够对车辆进行精确定位,而且能够对道路上的车辆进行长距离的跟踪定位。
47、2.本专利技术通过采用改进的五次样条轨迹拟合优化算法对目标车辆的轨迹进行本文档来自技高网...
【技术保护点】
1.一种基于复合光学模型的高精度路侧车辆测量方法,其特征在于,所述方法包括:
2.根据权利要求1所述的基于复合光学模型的高精度路侧车辆测量方法,其特征在于,在步骤U1中,所述对复合光学模型的摄像头和激光测距仪进行联合标定包括:
3.根据权利要求2所述的基于复合光学模型的高精度路侧车辆测量方法,其特征在于:所述摄像头和激光测距仪的联合标定参数数据信息k0,b0,k1和b1的约束条件为,
4.根据权利要求1所述的基于复合光学模型的高精度路侧车辆测量方法,其特征在于,在步骤U2中,所述采用跟踪控制转换算法对目标车辆的位置进行推算包括:
5.根据权利要求4所述的基于复合光学模型的高精度路侧车辆测量方法,其特征在于:所述转换因子ρ为,
6.根据权利要求1所述的基于复合光学模型的高精度路侧车辆测量方法,其特征在于,在步骤U3中,所述采用改进的五次样条轨迹拟合优化算法对目标车辆的轨迹进行拟合包括:
7.根据权利要求1所述的基于复合光学模型的高精度路侧车辆测量方法,其特征在于,在步骤U4中,所述目标车辆的位姿纠正函数Z为,<
...【技术特征摘要】
1.一种基于复合光学模型的高精度路侧车辆测量方法,其特征在于,所述方法包括:
2.根据权利要求1所述的基于复合光学模型的高精度路侧车辆测量方法,其特征在于,在步骤u1中,所述对复合光学模型的摄像头和激光测距仪进行联合标定包括:
3.根据权利要求2所述的基于复合光学模型的高精度路侧车辆测量方法,其特征在于:所述摄像头和激光测距仪的联合标定参数数据信息k0,b0,k1和b1的约束条件为,
4.根据权利要求1所述的基于复合光学模型的高精度路侧车辆测量方法,其特征在于,在步骤u2中,所述采用跟踪控制转换算法对目标车辆的位置进行推算包括:
5.根据权利要求4所述的基于复合光学模型的高精度路侧车辆测量方法,其特征在于:所述转换因子ρ为,
6.根据权利要求1所述的基于复合光学模型的高精度路侧车辆测量方法,其特征在...
【专利技术属性】
技术研发人员:郭晓旻,骆嫚,曹恺,熊胜健,况宗旭,
申请(专利权)人:东风悦享科技有限公司,
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。