CN109815900A - 一种基于辅助定位线的车辆自定位方法及*** - Google Patents
一种基于辅助定位线的车辆自定位方法及*** Download PDFInfo
- Publication number
- CN109815900A CN109815900A CN201910069255.6A CN201910069255A CN109815900A CN 109815900 A CN109815900 A CN 109815900A CN 201910069255 A CN201910069255 A CN 201910069255A CN 109815900 A CN109815900 A CN 109815900A
- Authority
- CN
- China
- Prior art keywords
- sequence
- auxiliary positioning
- line
- road
- vehicle
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 30
- 238000013507 mapping Methods 0.000 claims abstract description 21
- 238000004364 calculation method Methods 0.000 claims description 21
- 238000009877 rendering Methods 0.000 claims description 5
- 238000012935 Averaging Methods 0.000 claims description 4
- 230000000007 visual effect Effects 0.000 abstract description 3
- 238000003672 processing method Methods 0.000 abstract description 2
- 238000010586 diagram Methods 0.000 description 10
- 238000012545 processing Methods 0.000 description 4
- 238000005311 autocorrelation function Methods 0.000 description 3
- 238000011217 control strategy Methods 0.000 description 3
- 238000012937 correction Methods 0.000 description 3
- 238000006243 chemical reaction Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 238000009434 installation Methods 0.000 description 2
- 238000007781 pre-processing Methods 0.000 description 2
- 241000251468 Actinopterygii Species 0.000 description 1
- WHGYBXFWUBPSRW-FOUAGVGXSA-N beta-cyclodextrin Chemical compound OC[C@H]([C@H]([C@@H]([C@H]1O)O)O[C@H]2O[C@@H]([C@@H](O[C@H]3O[C@H](CO)[C@H]([C@@H]([C@H]3O)O)O[C@H]3O[C@H](CO)[C@H]([C@@H]([C@H]3O)O)O[C@H]3O[C@H](CO)[C@H]([C@@H]([C@H]3O)O)O[C@H]3O[C@H](CO)[C@H]([C@@H]([C@H]3O)O)O3)[C@H](O)[C@H]2O)CO)O[C@@H]1O[C@H]1[C@H](O)[C@@H](O)[C@@H]3O[C@@H]1CO WHGYBXFWUBPSRW-FOUAGVGXSA-N 0.000 description 1
- 230000000052 comparative effect Effects 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 238000002788 crimping Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000036039 immunity Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000002773 nucleotide Substances 0.000 description 1
- 125000003729 nucleotide group Chemical group 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 230000006641 stabilisation Effects 0.000 description 1
- 238000011105 stabilization Methods 0.000 description 1
Landscapes
- Traffic Control Systems (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种基于辅助定位线的车辆自定位方法及***,属于自动驾驶技术领域,包括在具有完整车道线信息的道路路面上增设辅助定位线,其中辅助定位线为与码元序列具有映射关系的物理线长;获取道路路面上车道线和辅助定位线的图像信息;对车道线和辅助定位线的图像进行识别,并根据识别结果定位车辆在道路中的位置。本发明利用视觉处理方法对包含辅助定位线的图像进行处理,保证了车辆自定位的准确性,同时只需在路面上增设定位辅助线,成本较低。
Description
技术领域
本发明涉及自动驾驶技术领域,特别涉及一种基于辅助定位线的车辆自定位方法及***。
背景技术
在汽车自动驾驶技术领域,车辆的定位问题一直是行业深度研究的关键技术,现有的自动驾驶车辆定位***借助于全球定位***(GPS)、北斗卫星导航***等,可全天候的为各类用户提供定位、导航等服务。由于这类***本身具有一定幅度的误差,导致输出的定位信息也存在一定误差。自动驾驶车辆定位方案还有融合全球导航卫星***(GlobalNavigation Satellite System,GNSS)、惯导、视觉、激光雷达以及高精度地图数据库等方法,可以达到较高的精度,但是成本较高,难以普及使用。
发明内容
本发明的目的在于提供一种基于辅助定位线的车辆自定位方法及***,以在保证车辆自定位精度前提下,降低成本。
为实现以上目的,本发明采用一种基于辅助定位线的车辆自定位方法,包括:
在具有完整车道线信息的道路路面上增设辅助定位线,其中:辅助定位线包含有与物理线长存在映射关系的码元序列;
获取道路路面上车道线和辅助定位线的图像信息;
对车道线和辅助定位线的图像进行识别,并根据识别结果定位车辆在道路中的位置。
优选地,所述码元序列为典型序列或具有抗噪性能的编码序列。
优选地,所述码元序列包括x个且长度为n的具有抗噪性能的编码序列,该x个具有抗噪性能的编码序列相同。
优选地,所述码元序列包括x个且长度为n的具有抗噪性能的编码序列,该x个具有抗噪性能的编码序列中的每个编码序列与其他编码序列正交。
优选地,所述在具有完整车道线信息的道路路面上增设辅助定位线,包括:
在所述道路路面上绘制所述辅助定位线;
利用定位设备对所述辅助定位线中每个码元所对应的道路坐标进行采集;
根据码元映射成的物理长度,将码元边界匹配到所采集到的道路坐标信息中,得到码元与道路位置坐标间的对应关系查找表。
优选地,还包括:
重复利用所述定位设备对所述辅助定位线中每个码元所对应的道路坐标进行采集,得到码元与道路位置坐标间的对应关系表;
对多次得到的码元与道路位置坐标间的对应关系表求平均,得到所述码元与道路位置坐标间的对应关系查找表。
优选地,所述对车道线和辅助定位线的图像进行识别,并根据识别结果定位车辆在道路中的位置,包括:
对所述车道线和辅助定位线的图像进行预处理,得到预处理后的车道线图像和辅助定位线图像;
根据所述预处理后的车道线图像,识别出车辆当前时刻与车道线的横向距离;
根据所述预处理后的辅助定位线图像,识别出码元序列中的码元;
根据识别出的车辆当前时刻与车道线的横向距离,更新车辆的横向位置;
根据当前识别出的码元,在所述对应关系查找表中查找该码元边界对应的坐标位置;
根据该码元边界对应的坐标位置,更新车辆在道路中的坐标位置。
优选地,在所述码元序列包括x个且长度为n的具有抗噪性能的编码序列,该x个具有抗噪性能的编码序列相同时,还包括:
对识别出的码元进行统计,在识别出的码元数量大于设定数量值时,将所识别出的码元构成识别序列;
计算识别序列与所述具有抗噪性能的编码序列的相关度量;
将相关度量与设定的阈值进行比较,将高于设定的阈值的相关度量作为识别序列的边界;
在所述对应关系查找表中查找该识别序列的边界所对应的坐标位置;
根据所述码元边界对应的坐标位置和识别序列的边界所对应的坐标位置,更新车辆在道路中的坐标位置。
优选地,在所述码元序列包括x个且长度为n的具有抗噪性能的编码序列,该x个具有抗噪性能的编码序列中的每个编码序列与其他编码序列正交时,还包括:
对识别出的码元进行统计,在识别出的码元数量大于设定数量值时,将所识别出的码元构成识别序列;
分别计算识别序列与所述x个具有抗噪性能的编码序列的相关度量;
将计算得到的各相关度量中最大值所对应的编码序列,作为识别序列的相似序列;
在所述对应关系查找表中查找相似序列的边界所对应的坐标位置;
根据所述码元边界对应的坐标位置和相似序列的边界所对应的坐标位置,更新车辆在道路中的坐标位置。
优选地,在所述对车道线和辅助定位线的图像进行识别,并根据识别结果定位车辆在道路中的位置之后,还包括:
根据更新后的车辆横向位置和车辆在道路中的坐标位置,制定车辆当前行驶控制策略。
另一方面,提供一种基于辅助定位线的车辆自定位***,包括:绘制设备、视觉模组和运算控制器;
绘制设备用于在具有完整车道线信息的道路路面上增设辅助定位线,其中:辅助定位线为与码元序列具有映射关系的物理线长;
视觉模组用于获取道路路面上车道线和辅助定位线的图像信息;
运算控制器用于对车道线和辅助定位线的图像进行识别,并根据识别结果定位车辆在道路中的位置。
与现有技术相比,本发明存在以下技术效果:本发明在现有道路路面车道线信息完整的基础上,在路面增设一条具有相对距离编码信息的辅助定位线,在车辆定位过程中,采集路面车道线和辅助定位线的图像,并对路面车道线和辅助定位线的图像进行识别处理,根据车道线计算车辆与车道线的横向距离,对辅助定位线中的距离编码信息进行解码,得到车辆在路面上的坐标位置,最后再根据车辆在路面上的横向位置和坐标位置,实现车辆的自定位。本发明利用视觉处理方法对包含辅助定位线的图像进行处理,保证了车辆自定位的准确性,同时只需在路面上增设定位辅助线,成本较低。
附图说明
下面结合附图,对本发明的具体实施方式进行详细描述:
图1是一种基于辅助定位线的车辆自定位方法的流程示意图;
图2是码元定义与物理映射关系示意图;
图3是线性反馈移位寄存器的结构示意图;
图4是重复排列序列示意图;
图5是重复排列序列和正交排列序列对比示意图;
图6是离线准备过程示意图;
图7是车辆在线自定位流程示意图。
图8是识别得到序列正确时,得到的相关度量示意图;
图9是识别得到序列出现错误时,得到的相关度量示意图;
图10是一种基于辅助定位线的车辆自定位***的结构示意图。
具体实施方式
为了更进一步说明本发明的特征,请参阅以下有关本发明的详细说明与附图。所附图仅供参考与说明之用,并非用来对本发明的保护范围加以限制。
如图1所示,本实施例公开了一种基于辅助定位线的车辆自定位方法,包括如下步骤S1至S3:
S1、在具有完整车道线信息的道路路面上增设辅助定位线,其中:辅助定位线为与码元序列具有映射关系的物理线长;
需要说明的是,车道线包括但不限于白实线、白虚线、双黄线等。码元序列中每个码元与物理线长的映射关系可以调整,线条的颜色可任意选取,只需与路面颜色有对比度即可,线条的宽度在正产道路用线线宽范围内。
S2、获取道路路面上车道线和辅助定位线的图像信息;
需要说明的是,可通过现有的采集设备比如常用的单目、双目和鱼眼镜头模组、前视、后视以及环视***等对车道线和辅助定位线的视频图像进行采集。
S3、对车道线和辅助定位线的图像进行识别,并根据识别结果定位车辆在道路中的位置。
需要说明的是,本实施例通过定义码元与物理线长的映射关系,在码元定位完成之后,将码元序列映射成物理世界中的线长,并绘制在无人驾驶车道的车道线内,整条道路从起点到终点按码元序列映射的线长排列方式进行绘制,即可得到整条辅助定位线。
在车辆自定位过程中,采集路面上车道线的图像和辅助定位线的图像,对车道线图像识别得到车辆与车道线的横向距离,得到车辆的横线位置,并根据车辆的横向位置,实现车辆的防车道偏离控制,使得车身稳定在车道线中间行驶,不越线、不压线。通过对辅助定位线图像的识别处理,对辅助定位线所映射的码元序列进行识别,得到车辆位置处所对应的码元,通过计算该码元所在的绝对坐标位置,即可得知车辆所在位置。根据车辆横向距离和车辆在道路上的位置,实现车辆自定位。
优选地,码元序列为典型序列或具有抗噪性能的编码序列。
其中,如图2所示,定义码元与物理线长的映射关系可为:将码元“0”定义为0.5米长的短线间隔0.5米长的空白,并交替出现两次,共2m长;将码元“1”定义为1.5米长的长线间隔0.5米长的空白,共2m长。码元“0”和“1”具有相同的物理长度属性,然而却具有极大的视觉图像特征差异,有利于通过图像处理的方式进行识别和区分。
在码元定义完成后,典型码字序列如“1111”、“0000”和“1010”的物理映射线长表示如图2所示,由此,可以将任何二进制序列与物理世界中的线长序列进行映射。
需要说明的是,本实施例中定义码元映射的物理线长和排布形式仅为举例说明。在实际应用中,本领域技术人员可根据实际场景对物理线长进行调整。
在实际应用中,由于受环境、天气等因素影响,对当前道路图像的处理可能存在干扰,从码元识别的结果来看,即可能出现误检和漏检。本实施例使用具有一定抗噪性能的编码序列来组成完整的序列N。具有抗噪性能的编码方式有很多,包括分组码、卷积码等。
具体地,本实施例以采用m序列作为抗噪性能的编码序列来进行编码为例,m序列即为最长线性反馈移位寄存器的结构如图3所示:
如图4所示,将原序列N改由重复排列的x个长度为n个码元的序列a组成,序列a为m序列,m序列具有很强的自相关性同时有很弱的互相关性。在对车道图像处理结果的基础上,在识别出码元数量大于x个码元后,将识别出的码元组成码元序列an,并进行相关运算即利用m序列的自相关函数来计算,得到相关峰位置。根据相关峰位置来进一步确认序列a的边界位置,从而既从码元尺度获得定位信息,又从序列尺度获得定位信息,保证了码元识别的准确性。
在实际应用中,虽然在上述双尺度(码元尺度、序列尺度)作用下,从起点出发的车辆通过统计码元边界和计算相关峰统计序列边界可以实现全程定位,但是从中途进入该路段的车辆由于不知起点信息,将不具备定位能力。如图5所示,将图4中重复的序列a,替换成不重复的序列b1、b2……bx,序列b1、b2……bx均为m序列。且该组序列b1、b2……bx满足:(1)每个序列与其他序列正交(相关度量极小);(2)每个序列长度一致;(3)每个序列生成多项式可以不同。
需要说明的是,由于多组序列相互正交,即正交序列,当车辆从中间任意位置开始识别时,通过行驶一段距离,接收到一段未知序列bn,可以通过相关运算找相关峰来确认bn与b1、b2……bx中那个序列最相似,从而确认车辆的位置。本实施例中通过对序列组的灵活选择可以实现任意位置快速定位。
优选地,如图6所示,在有按国标绘制车道线的道路路面上绘制辅助定位线,包括如下步骤S11至S15:
S11、选择、确认并生成m序列来作为编码辅助定位线的映射序列,可根据实际使用场景选择使用典型码元序列、重复排列序列或正交排列序列;
S12、根据码元序列将其中的每个码元映射为定义的长短辅助线,将所有长短辅助线绘制在无人驾驶道路的车道线内,整条道路从起点到终点按序列排列方式绘制,该线可以在车道边界绘制,由此得到整条具有编码辅助线的道路;
S13、使用高精定位设备如高精GPS(厘米级精度)等对该编码辅助线进行人工坐标采集,可以慢速驾驶车辆沿着编码辅助线行驶,采集整条道路坐标信息;
需要说明的是,地面铺设的编码辅助线是包含码元信息的,那么通过对整个无人驾驶道路进行铺设该种编码辅助线,可以预先得知整个道路的完整码字序列的排列顺序,如典型码字序列N,同时可以预先用其他手段(如高精GPS)得知序列N中每个码元的绝对坐标位置。
S14、在使用典型码元序列映射得到的辅助定位线进行绘制时,根据码元在物理映射成长短线后所具有的长度属性,将所***元边界配准到采集的道路坐标信息中,完成码元与绝对坐标间的对应关系表;
在使用重复排列序列或正交排列序列映射得到的辅助定位线进行绘制时,根据码元和序列在物理映射成长短线后所具有的长度属性,将所***元边界和序列a边界配准到采集的道路坐标信息中,完成码元、序列与绝对坐标间的对应关系表;
S15、多次重复S13~S14,并求平均,生成码元边界、序列边界与位置坐标的对应关系查找表T1,并进行存储。通过多次配准求平均,提高了查找表的准确性。
优选地,在使用典型码元序列映射得到的辅助定位线进行绘制时,上述步骤S3:对车道线和辅助定位线的图像进行识别,并根据识别结果定位车辆在道路中的位置,具体包括如下步骤S31至S36:
S31、对所述车道线和辅助定位线的图像进行预处理,得到预处理后的车道线图像和辅助定位线图像;
需要说明的是,本实施例对图像预处理过程为现有技术,对图像预处理的过程包括对图像进行畸变矫正、去噪、颜色空间转换以及滤波等处理,预处理后得到经过畸变矫正的二值图较为清晰,其形式可为左边两条白实线为车道线,右边长短不一的线为编码辅助线。
S32、根据所述预处理后的车道线图像,识别出车辆当前时刻与车道线的横向距离,主要方法为处理预处理后的二值图像,拟合直线或曲线,若已知最左边两条为真实车道线,则计算最左侧两条线在图像中的像素坐标,与离线标定的镜头真实位置进行计算,其中涉及的摄像机安装几何模型及相关物理参数标定过程为比较成熟技术,不展开介绍,最终通过查表2等方法可以得出左边两条线分别相对于摄像机安装位置的真实距离,即可得到车辆与车道线的横向距离关系。
需要说明的是,本实施例中的表2是像素坐标和车辆距车道线横向距离的对应关系表。表2形成的基本原理是:在摄像机安装和标定完成后,将车辆放置在车道线正中间,按S32中的预处理完成后,可以得到车道线此时在二值图中的像素坐标,将其作为中心参考坐标值,然后分别将车辆人为地往两个车道线横向靠近,比如依次靠近5厘米,这样每次都可以在二值图中得到一组新的像素坐标,重复多次后,将中心参考坐标和所有的横向移动后测得的坐标存成一个表,即像素坐标和横向位置的关系表。由此,在车辆运动中,计算得到某车道线二值图及像素坐标后,可以将其输入表中查找出车辆距离车道线的横向距离。
需要说明的是,这种查表法为工程中的一种普遍方法,可以用于任何需要简化计算的过程中。
S33、根据所述预处理后的辅助定位线图像,识别出码元序列中的码元,主要方法为处理预处理后的二值图像,拟合直线或曲线,若已知最右边一条为实际的编码辅助线,则只对最右侧的线进行处理,通过像素值来判断该条线的通断,同时记录连通(连续为白色)像素点的长度,若连通像素长度超过一定阈值(该阈值对应真实场景中约1米)则标记为“长”,反之标记为“短”,根据之前的码元定义,出现1次标记“长”则视为检测到码元“1”,连续出现2次标记“短”则视为检测到码元“0”,由此完成码元识别。
S34、根据识别出的车辆当前时刻与车道线的横向距离,更新车辆的横向位置;
S35、根据当前识别出的码元,在所述对应关系查找表中查找该码元边界对应的坐标位置;
S36、根据该码元边界对应的坐标位置,更新车辆在道路中的坐标位置。
需要说明的是,无人驾驶车辆在该路段行驶时,通过对辅助定位线图像进行处理可以完成对码元“0”和“1”的提取,如某时刻提取到了码元c,通过比对计算和跟踪计算整条道路的码元序列,可统计得出码元c是第t次出现,在序列N中找到第t个码元c及其对应绝对坐标,从而得知车辆自身所处在道路的具体坐标位置。
进一步地,如图7所示,在码元序列为重复排列序列方式时,对车道线和辅助定位线的图像进行识别,定位车辆在道路中的位置,包括如下步骤:
(1)车道线图像和辅助定位线图像采集,完成畸变矫正、去噪、颜色空间转换、滤波等预处理;
(2)车道线与编码辅助线识别,分别计算车辆与车道线的横向距离,在辅助定位线图像识别出码元;
(3)更新车辆横向位置;
(4)更新码元统计值,在对应关系查找表中查找码元边界对应的位置坐标;
(5)重复(1)~(4),当识别出码元数量大于设定值时(设定值可设为x),将识别出的码元组成识别序列,并与已知序列进行相关度量计算,在计算出的相关度量高于阈值th时,将该相关度量作为识别序列的边界,并在表T1中查找序列边界对应的位置坐标;
(6)根据码元边界查找的位置坐标和序列边界查找的位置坐标综合更新车辆在道路中的位置;
(7)重复(1)~(6),根据更新的横向位置和道路中绝对坐标,完成车辆控制策略计算,生成油门、档位、转向、刹车等控制指令;
(8)发送指令到车身CAN网络给对应执行部件;
(9)完成车辆自动控制。
需要说明的是,利用具体应用来举例说明使用m序列可以得到一定的抗噪性:已知序列a为长度为15的m序列“110001001101011”,按(1)中码元映射成辅助线,绘制于地面,无人驾驶车辆经过采集并分析图像,识别到的序列为an,an与a的比对错误数量如下表1所示:
表1
识别错误情况 | 序列an数值 |
没有错误 | 110001001101011 |
任意指定两位识别出错(第3位和第7位) | 111001101101011 |
使用m序列的自相关函数来计算序列a与序列an的相关度量,高于一定阈值的相关峰值即为序列边界,结果如图8、图9所示,其中自相关函数为:
式中:j为序列中码元的位移次数,ai和aj+1表示序列中特定位置的码元,i表示码元在序列中的顺序即特定位置,p表示序列码元长度。
由图8和图9可见,长度为15的序列,即使有2处识别出错,依然可以计算出良好的相关峰值,通过设置一定的阈值th>0.7,可以确认该峰值出现在第15个码元处,从而确定了序列a的边界,进一步车辆即可以确定该点对应的具体物理绝对坐标,该应用中的抗噪性能大大降低了视频图像识别码元的准确率,在该案例中,准确率达到13/15即86.6%则可满足***定位准确性需求。
进一步地,在上述公开的码元序列为重复排列序列方式时,车辆的自定位过程的基础上,在码元序列为正交排列序列方式时,车辆自定位过程还包括如下步骤:
对识别出的码元进行统计,在识别出的码元数量大于设定数量值时,将所识别出的码元构成识别序列;
分别计算识别序列与所述x个具有抗噪性能的编码序列的相关度量;
将计算得到的各相关度量中最大值所对应的编码序列,作为识别序列的相似序列;
在所述对应关系查找表中查找相似序列的边界所对应的坐标位置;
根据所述码元边界对应的坐标位置和相似序列的边界所对应的坐标位置,更新车辆在道路中的坐标位置。
本实施例通过对正交排列的码元序列映射得到的辅助定位线进行识别定位,由于多组序列相互正交,当车辆从中间任意位置开始识别时,通过行驶一段距离,接收到一段未知序列bn,可以通过相关运算找相关峰来确认bn与哪一个序列最相似,从而确认车辆的位置,实现任意位置快速定位。
如图10所示,本实施例公开了一种基于辅助定位线的车辆自定位***,包括:绘制设备10、图像采集设备20和运算控制器30;
绘制设备10用于在具有完整车道线信息的道路路面上增设辅助定位线,其中:辅助定位线为与码元序列具有映射关系的物理线长;
图像采集设备20用于获取道路路面上车道线和辅助定位线的图像信息;
运算控制器30用于对车道线和辅助定位线的图像进行识别,并根据识别结果定位车辆在道路中的位置。
需要说明的是,运算控制器30中存储有上述对应关系查找表T1,运算控制器30根据更新后的车辆横向位置和车辆在道路中的坐标位置,制定车辆当前行驶控制策略,包括生成油门、档位、转向、刹车等控制指令,并发送指令到车身CAN网络给对应执行部件,该执行部件包括转向、刹车、油门、档位以及其它执行机构。
应当理解的是,本实施例中的运算控制器30用于执行上述方法中的步骤S3,对车道线和辅助定位线的图像进行识别,并根据识别结果定位车辆在道路中的位置,并生成行驶控制策略。
以上所述仅为本发明的较佳实施例,并不用以限制本发明,凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种基于辅助定位线的车辆自定位方法,其特征在于,包括:
在具有完整车道线信息的道路路面上增设辅助定位线,其中:辅助定位线为与码元序列具有映射关系的物理线长;
获取道路路面上车道线和辅助定位线的图像信息;
对车道线和辅助定位线的图像进行识别,并根据识别结果定位车辆在道路中的位置。
2.如权利要求1所述的基于辅助定位线的车辆自定位方法,其特征在于,所述码元序列为典型序列或具有抗噪性能的编码序列。
3.如权利要求2所述的基于辅助定位线的车辆自定位方法,其特征在于,所述码元序列包括x个且长度为n的具有抗噪性能的编码序列,该x个具有抗噪性能的编码序列相同。
4.如权利要求2所述的基于辅助定位线的车辆自定位方法,其特征在于,所述码元序列包括x个且长度为n的具有抗噪性能的编码序列,该x个具有抗噪性能的编码序列中的每个编码序列与其他编码序列正交。
5.如权利要求1-4任一项所述的基于辅助定位线的车辆自定位方法,其特征在于,所述在具有完整车道线信息的道路路面上增设辅助定位线,包括:
在所述道路路面上绘制所述辅助定位线;
利用定位设备对所述辅助定位线中每个码元所对应的道路坐标进行采集;
根据码元映射成的物理长度,将码元边界匹配到所采集到的道路坐标信息中,得到码元与道路位置坐标间的对应关系查找表。
6.如权利要求5所述的基于辅助定位线的车辆自定位方法,其特征在于,还包括:
重复利用所述定位设备对所述辅助定位线中每个码元所对应的道路坐标进行采集,得到码元与道路位置坐标间的对应关系表;
对多次得到的码元与道路位置坐标间的对应关系表求平均,得到所述码元与道路位置坐标间的对应关系查找表。
7.如权利要6所述的基于辅助定位线的车辆自定位方法,其特征在于,所述对车道线和辅助定位线的图像进行识别,并根据识别结果定位车辆在道路中的位置,包括:
对所述车道线和辅助定位线的图像进行预处理,得到预处理后的车道线图像和辅助定位线图像;
根据所述预处理后的车道线图像,识别出车辆当前时刻与车道线的横向距离;
根据所述预处理后的辅助定位线图像,识别出码元序列中的码元;
根据识别出的车辆当前时刻与车道线的横向距离,更新车辆的横向位置;
根据当前识别出的码元,在所述对应关系查找表中查找该码元边界对应的坐标位置;
根据该码元边界对应的坐标位置,更新车辆在道路中的坐标位置。
8.如权利要7所述的基于辅助定位线的车辆自定位方法,其特征在于,在所述码元序列包括x个且长度为n的具有抗噪性能的编码序列,该x个具有抗噪性能的编码序列相同时,还包括:
对识别出的码元进行统计,在识别出的码元数量大于设定数量值时,将所识别出的码元构成识别序列;
计算识别序列与所述具有抗噪性能的编码序列的相关度量;
将相关度量与设定的阈值进行比较,将高于设定的阈值的相关度量作为识别序列的边界;
在所述对应关系查找表中查找该识别序列的边界所对应的坐标位置;
根据所述码元边界对应的坐标位置和识别序列的边界所对应的坐标位置,更新车辆在道路中的坐标位置。
9.如权利要7所述的基于辅助定位线的车辆自定位方法,其特征在于,在所述码元序列包括x个且长度为n的具有抗噪性能的编码序列,该x个具有抗噪性能的编码序列中的每个编码序列与其他编码序列正交时,还包括:
对识别出的码元进行统计,在识别出的码元数量大于设定数量值时,将所识别出的码元构成识别序列;
分别计算识别序列与所述x个具有抗噪性能的编码序列的相关度量;
将计算得到的各相关度量中最大值所对应的编码序列,作为识别序列的相似序列;
在所述对应关系查找表中查找相似序列的边界所对应的坐标位置;
根据所述码元边界对应的坐标位置和相似序列的边界所对应的坐标位置,更新车辆在道路中的坐标位置。
10.一种基于辅助定位线的车辆自定位***,其特征在于,包括:绘制设备、图像采集设备和运算控制器;
绘制设备用于在具有完整车道线信息的道路路面上增设辅助定位线,其中:辅助定位线为与码元序列具有映射关系的物理线长;
图像采集设备用于获取道路路面上车道线和辅助定位线的图像信息;
运算控制器用于对车道线和辅助定位线的图像进行识别,并根据识别结果定位车辆在道路中的位置。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910069255.6A CN109815900A (zh) | 2019-01-24 | 2019-01-24 | 一种基于辅助定位线的车辆自定位方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910069255.6A CN109815900A (zh) | 2019-01-24 | 2019-01-24 | 一种基于辅助定位线的车辆自定位方法及*** |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109815900A true CN109815900A (zh) | 2019-05-28 |
Family
ID=66603717
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910069255.6A Pending CN109815900A (zh) | 2019-01-24 | 2019-01-24 | 一种基于辅助定位线的车辆自定位方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109815900A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110455298A (zh) * | 2019-08-14 | 2019-11-15 | 灵动科技(北京)有限公司 | 车辆用定位方法及定位*** |
CN111274923A (zh) * | 2020-01-17 | 2020-06-12 | 同济大学 | 基于路面编码的车辆定位方法、***、介质及设备 |
CN111524380A (zh) * | 2020-04-21 | 2020-08-11 | 大连理工大学 | 虚线交通标线表征车辆定位及道路交通设施信息的方法 |
CN112689241A (zh) * | 2019-10-18 | 2021-04-20 | 华为技术有限公司 | 一种车辆定位校准方法及装置 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH10153435A (ja) * | 1996-11-21 | 1998-06-09 | Mitsubishi Heavy Ind Ltd | 車両走行位置検出システム |
JPH10160485A (ja) * | 1996-11-28 | 1998-06-19 | Sumitomo Electric Ind Ltd | 道路位置検出システム |
FR2837599A1 (fr) * | 2002-03-21 | 2003-09-26 | Peugeot Citroen Automobiles Sa | Systeme de lecture d'informations routieres pour vehicule routier |
CN1641712A (zh) * | 2004-01-15 | 2005-07-20 | 于君 | 车辆定位***及其专用的车载装置和路边设施 |
US20100328054A1 (en) * | 2009-06-30 | 2010-12-30 | Raymond Yim | Method and System for Coding Digital Information in Lane Markings |
US20140253345A1 (en) * | 2000-09-08 | 2014-09-11 | Intelligent Technologies International, Inc. | Travel information sensing and communication method and system |
CN106056100A (zh) * | 2016-06-28 | 2016-10-26 | 重庆邮电大学 | 一种基于车道检测与目标跟踪的车辆辅助定位方法 |
CN106223148A (zh) * | 2016-07-22 | 2016-12-14 | 金陵科技学院 | 一种全程带有车道中心标识的交通路口及使用方法 |
CN107886752A (zh) * | 2017-11-08 | 2018-04-06 | 武汉理工大学 | 一种基于改造车道线的高精度车辆定位***及方法 |
US20180282955A1 (en) * | 2017-03-28 | 2018-10-04 | Uber Technologies, Inc. | Encoded road striping for autonomous vehicles |
-
2019
- 2019-01-24 CN CN201910069255.6A patent/CN109815900A/zh active Pending
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH10153435A (ja) * | 1996-11-21 | 1998-06-09 | Mitsubishi Heavy Ind Ltd | 車両走行位置検出システム |
JPH10160485A (ja) * | 1996-11-28 | 1998-06-19 | Sumitomo Electric Ind Ltd | 道路位置検出システム |
US20140253345A1 (en) * | 2000-09-08 | 2014-09-11 | Intelligent Technologies International, Inc. | Travel information sensing and communication method and system |
FR2837599A1 (fr) * | 2002-03-21 | 2003-09-26 | Peugeot Citroen Automobiles Sa | Systeme de lecture d'informations routieres pour vehicule routier |
CN1641712A (zh) * | 2004-01-15 | 2005-07-20 | 于君 | 车辆定位***及其专用的车载装置和路边设施 |
US20100328054A1 (en) * | 2009-06-30 | 2010-12-30 | Raymond Yim | Method and System for Coding Digital Information in Lane Markings |
CN106056100A (zh) * | 2016-06-28 | 2016-10-26 | 重庆邮电大学 | 一种基于车道检测与目标跟踪的车辆辅助定位方法 |
CN106223148A (zh) * | 2016-07-22 | 2016-12-14 | 金陵科技学院 | 一种全程带有车道中心标识的交通路口及使用方法 |
US20180282955A1 (en) * | 2017-03-28 | 2018-10-04 | Uber Technologies, Inc. | Encoded road striping for autonomous vehicles |
CN107886752A (zh) * | 2017-11-08 | 2018-04-06 | 武汉理工大学 | 一种基于改造车道线的高精度车辆定位***及方法 |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110455298A (zh) * | 2019-08-14 | 2019-11-15 | 灵动科技(北京)有限公司 | 车辆用定位方法及定位*** |
CN110455298B (zh) * | 2019-08-14 | 2022-02-08 | 灵动科技(北京)有限公司 | 车辆用定位方法及定位*** |
CN112689241A (zh) * | 2019-10-18 | 2021-04-20 | 华为技术有限公司 | 一种车辆定位校准方法及装置 |
CN112689241B (zh) * | 2019-10-18 | 2022-03-25 | 华为云计算技术有限公司 | 一种车辆定位校准方法及装置 |
CN111274923A (zh) * | 2020-01-17 | 2020-06-12 | 同济大学 | 基于路面编码的车辆定位方法、***、介质及设备 |
CN111274923B (zh) * | 2020-01-17 | 2023-03-14 | 同济大学 | 基于路面编码的车辆定位方法、***、介质及设备 |
CN111524380A (zh) * | 2020-04-21 | 2020-08-11 | 大连理工大学 | 虚线交通标线表征车辆定位及道路交通设施信息的方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109815900A (zh) | 一种基于辅助定位线的车辆自定位方法及*** | |
CN109154506B (zh) | 用于确定第一地标的全局位置的方法和*** | |
CN107886477B (zh) | 无人驾驶中立体视觉与低线束激光雷达的融合矫正方法 | |
CN111912416B (zh) | 用于设备定位的方法、装置及设备 | |
CN111006655B (zh) | 机场巡检机器人多场景自主导航定位方法 | |
CN107084727A (zh) | 一种基于高精度三维地图的视觉定位***及方法 | |
CN110530372B (zh) | 定位方法、路径确定方法、装置、机器人及存储介质 | |
CN104864889B (zh) | 一种基于视觉的机器人里程计校正***及方法 | |
CN108845343A (zh) | 一种基于视觉、gps与高精度地图融合的车辆定位方法 | |
US11231283B2 (en) | Localization with neural network based image registration of sensor data and map data | |
CN109031304A (zh) | 基于视觉和毫米波雷达地图特征的隧道内车辆定位方法 | |
CN108303103A (zh) | 目标车道的确定方法和装置 | |
CN107909614B (zh) | 一种gps失效环境下巡检机器人定位方法 | |
CN106407315A (zh) | 一种基于街景图像数据库的车辆自主定位方法 | |
CN110332945B (zh) | 基于交通道路标线视觉识别的车载导航方法和装置 | |
CN102519481A (zh) | 一种双目视觉里程计实现方法 | |
CN112904395B (zh) | 一种矿用车辆定位***及方法 | |
CN107451593A (zh) | 一种基于图像特征点的高精度gps定位方法 | |
CN105973265B (zh) | 一种基于激光扫描传感器的里程估计方法 | |
CN110018688B (zh) | 基于视觉的自动引导车定位方法 | |
CN101509782A (zh) | 一种小型地标捕获定位方法 | |
CN112017238A (zh) | 一种线状物体的空间位置信息确定方法及装置 | |
CN105444741A (zh) | 基于双视野窗口的路径特征识别、偏差测量与精确定位方法 | |
CN110018503B (zh) | 车辆的定位方法及定位*** | |
CN117824666B (zh) | 融合定位用二维码对、二维码标定方法及融合定位方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
AD01 | Patent right deemed abandoned | ||
AD01 | Patent right deemed abandoned |
Effective date of abandoning: 20240319 |