CN110779511B - 位姿变化量的确定方法、装置、***和车辆 - Google Patents

位姿变化量的确定方法、装置、***和车辆 Download PDF

Info

Publication number
CN110779511B
CN110779511B CN201910900478.2A CN201910900478A CN110779511B CN 110779511 B CN110779511 B CN 110779511B CN 201910900478 A CN201910900478 A CN 201910900478A CN 110779511 B CN110779511 B CN 110779511B
Authority
CN
China
Prior art keywords
wheel
variation
vehicle
determining
pose
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.)
Active
Application number
CN201910900478.2A
Other languages
English (en)
Other versions
CN110779511A (zh
Inventor
苏冲
孟祥雨
王兰英
刘曰
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Automotive Group Co Ltd
Beijing Automotive Research Institute Co Ltd
Original Assignee
Beijing Automotive Group Co Ltd
Beijing Automotive Research Institute Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Beijing Automotive Group Co Ltd, Beijing Automotive Research Institute Co Ltd filed Critical Beijing Automotive Group Co Ltd
Priority to CN201910900478.2A priority Critical patent/CN110779511B/zh
Publication of CN110779511A publication Critical patent/CN110779511A/zh
Application granted granted Critical
Publication of CN110779511B publication Critical patent/CN110779511B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00

Landscapes

  • Engineering & Computer Science (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Automation & Control Theory (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Length Measuring Devices By Optical Means (AREA)

Abstract

本公开涉及一种位姿变化量的确定方法、装置、***和车辆，应用于车辆，该方法包括：根据该车辆的车身的不同部位设置的每个摄像头在相邻的两个时刻采集到的两个图像帧确定上述每个摄像头对应的第一位姿变化量；根据每个脉冲编码器在上述两个时刻的脉冲读数差和该车辆的车轮参数确定上述每个车轮对应的第二位姿变化量；根据上述多个第二位姿变化量对上述多个第一位姿变化量进行筛选，以根据筛选出的第三位姿变化量确定该车辆在上述两个时刻之间的实际位姿变化量。能够根据车辆脉冲读数计算出的位姿变化量对根据摄像头检测出的位姿变化量进行校验和筛选，以提高车辆在相邻两个时刻的位姿变化量的精确度。

Description

位姿变化量的确定方法、装置、***和车辆
技术领域
本公开涉及定位导航领域，具体地，涉及一种位姿变化量的确定方法、装置、***和车辆。
背景技术
车辆在行驶过程中，位置随时间不断地产生变化。为了确定车辆在每个时刻所处的位置，以及根据车辆在每个时刻所处的位置确定车辆是否偏离预设行驶计划中的路线，需要对车辆进行实时、准确的定位。将SLAM(Simultaneous Localization And Mapping，视觉同步定位与地图创建)技术应用在车辆的定位导航技术中，可以提高定位的维度和精度，即将车辆定位的维度从二维平面拓展到三维空间(以应对上坡下坡或小范围挪车时的定位需求)。在通过SLAM进行车辆定位的相关技术中，可以通过视觉传感器(例如：摄像头)确定车辆的位姿变化，进而确定车辆的位置。具体地，在通过视觉传感器确定车辆位姿变化的过程中，可以通过车身上设置的一个或多个视觉传感器不断采集车辆周围环境的图像信息，并将车辆启动后的每个时刻采集的图像信息与上一时刻采集的图像信息进行比对，进而通过视觉定位算法确定每个时刻相对于上一时刻的位姿变化量。如此，就可以根据该位姿变化量确定车辆在三维空间的实时位置变化。但是，上述方法受到视觉传感器采集的画面精度的限制，导致检测出的每个时刻相对于上一时刻的位姿变化量与该车辆实际的位姿变化量都存在一定偏差。随着时间的推移，累积的位姿变化量偏差会越来越大，进而严重影响车辆定位的精确度。
发明内容
为克服相关技术中存在的问题，本公开提供一种位姿变化量的确定方法、装置、***和车辆。
根据本公开实施例的第一方面，提供一种位姿变化量的确定方法，应用于车辆，所述车辆的车身的不同部位设置有多个摄像头，所述车辆的每个车轮上设置有脉冲编码器，所述方法包括：
根据每个所述摄像头在相邻的两个时刻采集到的两个图像帧确定每个所述摄像头对应的第一位姿变化量；
根据每个所述脉冲编码器在所述两个时刻的脉冲读数差和所述车辆的车轮参数确定每个所述车轮对应的第二位姿变化量；
根据多个所述第二位姿变化量对多个所述第一位姿变化量进行筛选，以根据筛选出的第三位姿变化量确定所述车辆在所述两个时刻之间的实际位姿变化量。
可选的，位姿变化量包括：位移量和纵向角度差，所述根据多个所述第二位姿变化量对多个所述第一位姿变化量进行筛选，以根据筛选出的第三位姿变化量确定所述车辆在所述两个时刻之间的实际位姿变化量，包括：
从多个所述第一位姿变化量中确定一个或多个所述第三位姿变化量；其中，所述第三位姿变化量包含的位移量与任一所述第二位姿变化量包含的位移量相同，并且所述第三位姿变化量包含的纵向角度差与任一所述第二位姿变化量包含的纵向角度差相同；
通过预设的定位算法，根据一个或多个所述第三位姿变化量，以及每个所述第三位姿变化量对应的摄像头相对于所述车辆的位置，确定所述实际位姿变化量。
可选的，所述根据每个所述脉冲编码器在所述两个时刻的脉冲读数差和所述车辆的车轮参数确定每个所述车轮对应的第二位姿变化量，包括：
根据所述脉冲读数差和所述车轮参数，确定每个所述车轮在所述两个时刻之间的移动距离和航向角；
通过预设的位移量计算公式，根据所述移动距离和所述航向角，确定每个所述车轮的位移量；
通过预设的纵向角度差计算公式，根据所述航向角，确定每个所述车轮的纵向角度差；
根据每个所述车轮的位移量和纵向角度差，确定所述第二位姿变化量。
可选的，所述根据每个所述车轮的位移量和纵向角度差，确定所述第二位姿变化量，包括：
将所述移动距离和每个所述车轮的位移量，作为第一代价函数的输入，以获取所述第一代价函数输出的第一代价函数值；
将所述航向角和每个所述车轮的纵向角度差，作为第二代价函数的输入，以获取所述第二代价函数输出的第二代价函数值；
获取目标车轮的位移量和纵向角度差，作为所述第二位姿变化量；其中，所述目标车轮的位移量对应的第一代价函数值和所述目标车轮的纵向角度差对应的第二代价函数值均满足预设的函数值条件。
根据本公开实施例的第二方面，提供一种位姿变化量的确定装置，应用于车辆，所述车辆的车身的不同部位设置有多个摄像头，所述车辆的每个车轮上设置有脉冲编码器，所述装置包括：
第一变化量确定模块，用于根据每个所述摄像头在相邻的两个时刻采集到的两个图像帧确定每个所述摄像头对应的第一位姿变化量；
第二变化量确定模块，用于根据每个所述脉冲编码器在所述两个时刻的脉冲读数差和所述车辆的车轮参数确定每个所述车轮对应的第二位姿变化量；
变化量筛选模块，用于根据多个所述第二位姿变化量对多个所述第一位姿变化量进行筛选，以根据筛选出的第三位姿变化量确定所述车辆在所述两个时刻之间的实际位姿变化量。
可选的，位姿变化量包括：位移量和纵向角度差，所述变化量筛选模块，用于：
从多个所述第一位姿变化量中确定一个或多个所述第三位姿变化量；其中，所述第三位姿变化量包含的位移量与任一所述第二位姿变化量包含的位移量相同，并且所述第三位姿变化量包含的纵向角度差与任一所述第二位姿变化量包含的纵向角度差相同；
通过预设的定位算法，根据一个或多个所述第三位姿变化量，以及每个所述第三位姿变化量对应的摄像头相对于所述车辆的位置，确定所述实际位姿变化量。
可选的，所述第二变化量确定模块，用于：
根据所述脉冲读数差和所述车轮参数，确定每个所述车轮在所述两个时刻之间的移动距离和航向角；
通过预设的位移量计算公式，根据所述移动距离和所述航向角，确定每个所述车轮的位移量；
通过预设的纵向角度差计算公式，根据所述航向角，确定每个所述车轮的纵向角度差；
根据每个所述车轮的位移量和纵向角度差，确定所述第二位姿变化量。
可选的，所述所述第二变化量确定模块，用于：
将所述移动距离和每个所述车轮的位移量，作为第一代价函数的输入，以获取所述第一代价函数输出的第一代价函数值；
将所述航向角和每个所述车轮的纵向角度差，作为第二代价函数的输入，以获取所述第二代价函数输出的第二代价函数值；
获取目标车轮的位移量和纵向角度差，作为所述第二位姿变化量；其中，所述目标车轮的位移量对应的第一代价函数值和所述目标车轮的纵向角度差对应的第二代价函数值均满足预设的函数值条件。
根据本公开实施例的第三方面，提供一种位姿变化量的确定***，所述***包括：
本公开实施例第二方面所述的位姿变化量的确定装置；
设置于所述车辆的车身不同部位的多个摄像头；以及，
设置于所述车辆的每个车轮上的脉冲编码器。
根据本公开实施例的第四方面，提供一种车辆，所述车辆包括本公开实施例第三方面所述的位姿变化量的确定***。
综上所述，本发明提供一种位姿变化量的确定方法、装置、***和车辆，能够根据该车辆的车身的不同部位设置的每个摄像头在相邻的两个时刻采集到的两个图像帧确定上述每个摄像头对应的第一位姿变化量；根据每个脉冲编码器在上述两个时刻的脉冲读数差和该车辆的车轮参数确定上述每个车轮对应的第二位姿变化量；根据上述多个第二位姿变化量对上述多个第一位姿变化量进行筛选，以根据筛选出的第三位姿变化量确定该车辆在上述两个时刻之间的实际位姿变化量。能够根据车辆脉冲读数计算出的位姿变化量对根据摄像头检测出的位姿变化量进行校验和筛选，以提高车辆在相邻两个时刻的位姿变化量的精确度。
本公开的其他特征和优点将在随后的具体实施方式部分予以详细说明。
附图说明
附图是用来提供对本公开的进一步理解，并且构成说明书的一部分，与下面的具体实施方式一起用于解释本公开，但并不构成对本公开的限制。在附图中：
图1是根据一示例性实施例示出的一种位姿变化量的确定方法的流程图；
图2是根据图1示出的一种位姿变化量的筛选方法的流程图；
图3是根据图2示出的另一种位姿变化量的确定方法的流程图；
图4是根据图3示出的一种位姿变化量的调整方法的流程图；
图5是根据一示例性实施例示出的一种位姿变化量的确定装置的框图。
具体实施方式
以下结合附图对本公开的具体实施方式进行详细说明。应当理解的是，此处所描述的具体实施方式仅用于说明和解释本公开，并不用于限制本公开。
图1是根据一示例性实施例示出的一种位姿变化量的确定方法的流程图，如图1所示，应用于车辆，该车辆的车身的不同部位设置有多个摄像头，该车辆的每个车轮上设置有脉冲编码器，该方法包括以下步骤：
在步骤110中，根据上述每个摄像头在相邻的两个时刻采集到的两个图像帧确定上述每个摄像头对应的第一位姿变化量。
示例地，车身的不同部位的摄像头通常以固定的频率采集包含该车辆周围图像信息的图像帧。根据相邻的两个时刻的两个图像帧，通过SLAM算法，可以测定每个摄像头在上述相邻的两个时刻之间的位姿变化量(即第一位姿变化量)。
在步骤120中，根据上述每个脉冲编码器在上述两个时刻的脉冲读数差和该车辆的车轮参数确定上述每个车轮对应的第二位姿变化量。
示例地，根据车辆的每个车轮上设置的脉冲编码器的在相邻的两个时刻的读数，通过预设的位姿计算公式，可计算出该车轮在相邻的两个时刻之间的位姿变化量(即第二位姿变化量)。通过上述方法得出的第二位姿变化量是较为精确的理想值，可用于校验上述第一位姿变化量的准确性。
在步骤130中，根据上述多个第二位姿变化量对上述多个第一位姿变化量进行筛选，以根据筛选出的第三位姿变化量确定该车辆在上述两个时刻之间的实际位姿变化量。
示例地，通常情况下，在车辆的车身上设置有4个摄像头，这4个摄像头分别分布在该车辆的两个后视镜附近和该车辆尾部的左右两侧，SLAM算法根据每个摄像头在相邻的两个时刻采集到的两个图像帧确定每个摄像头对应的第一位姿变化量后，结合上述4个摄像头的位置计算该车辆在上述相邻的两个时刻之间的位姿变化量。通过上述步骤120计算出的每个车轮(通常包括4个车轮)在相同的两个时刻之间的第二位姿变化量，并将多个车轮的第二位姿变化量组成的集合与上述多个第一位姿变化量组成的集合相比对，将两个集合中相交的部分(即相等的位姿变化量)作为该第三位姿变化量，并根据一个或多个第三位姿变化量确定该车辆在上述两个时刻之间的实际位姿变化量。通过多个时刻的实际位姿变化量的累计，可以在三维空间中对车辆进行定位。
综上所述，本发明提供的位姿变化量的确定方法，能够根据该车辆的车身的不同部位设置的每个摄像头在相邻的两个时刻采集到的两个图像帧确定上述每个摄像头对应的第一位姿变化量；根据每个脉冲编码器在上述两个时刻的脉冲读数差和该车辆的车轮参数确定上述每个车轮对应的第二位姿变化量；根据上述多个第二位姿变化量对上述多个第一位姿变化量进行筛选，以根据筛选出的第三位姿变化量确定该车辆在上述两个时刻之间的实际位姿变化量。能够根据车辆脉冲读数计算出的位姿变化量对根据摄像头检测出的位姿变化量进行校验和筛选，以提高车辆在相邻两个时刻的位姿变化量的精确度。
图2是根据图1示出的一种位姿变化量的筛选方法的流程图，如图2所示，位姿变化量包括：位移量和纵向角度差，该步骤130包括：
在步骤131中，从上述多个第一位姿变化量中确定一个或多个第三位姿变化量。
其中，该第三位姿变化量包含的位移量与任一第二位姿变化量包含的位移量相同，并且该第三位姿变化量包含的纵向角度差与任一第二位姿变化量包含的纵向角度差相同。
示例地，上述多个第一位姿变化量组成的集合包括第一位移量集合和第一纵向角度差集合，且该第一位移量组成的集合中的每一个位移量与该第一纵向角度差集合中的每一个纵向角度差一一对应。同样的，上述多个第二位姿变化量组成的集合包括第二位移集合和第二纵向角度差集合，该第二位移量组成的集合中的每一个位移量与该第二纵向角度差集合中的每一个纵向角度差一一对应。在根据上述多个第二位姿变化量(即第二位姿变化量组成的集合)对上述多个第一位姿变化量(即第一位姿变化量所组成的集合)进行筛选时，可以先筛选出该第一位移量集合与该第二位移量集合的位移量交集部分(一个或多个位移量)，再筛选出该第一纵向角度差集合与该第二纵向角度差集合的纵向角度差交集部分(一个或多个纵向角度差)。之后，再将上述位移量交集部分与纵向角度差交集部分中存在对应关系的一组或多组目标位移量与目标纵向角度差筛选出来，该一组或多组目标位移量与纵向角度差即为一个或多个第三位姿变化量。
在步骤132中，通过预设的定位算法，根据一个或多个第三位姿变化量，以及上述每个第三位姿变化量对应的摄像头相对于该车辆的位置，确定该实际位姿变化量。
示例地，在确定一个或多个第三位姿变化量之后，相应地可以确定采集该第三位姿变化量对应的图像帧的摄像头。之后，再通过预设的SLAM算法根据上述一个或多个第三位姿变化量以及每个第三位姿变化量对应的摄像头相对于该车辆的位置确定该车辆在上述两个时刻之间的实际位姿变化量。
图3是根据图2示出的另一种位姿变化量的确定方法的流程图，如图3所示，该步骤120包括：
在步骤121中，根据该脉冲读数差和该车轮参数，确定上述每个车轮在上述两个时刻之间的移动距离和航向角。
示例地，分别读取每个车轮上的脉冲编码器在上述两个时刻(即i时刻和j时刻，其中，i时刻和j时刻为任意的相邻的两个时刻，且j时刻在i时刻之后)的脉冲读数并计算该脉冲读数差，将该脉冲读数差和该车轮的半径作为预设的确定车轮行驶长度公式(1)的输入，以获取该车轮在上述两个时刻之间行驶的长度，其中，该定车轮行驶长度公式(1)可以表示为：
Figure BDA0002211666290000091
其中，针对于任一车轮，l为该车轮行驶长度，Lij为该车轮上的脉冲编码器在i时刻和j时刻之间的脉冲读数差，r为该车轮的半径(即该车轮参数)，PPR为预设的车轮半径与行驶长度的对应关系标定系数。在确定该车轮在上述两个时刻之间的行驶长度后，再根据预设公式确定该车轮在上述i时刻和j时刻之间的移动距离dij和航向角yaw。
在步骤122中，通过预设的位移量计算公式，根据该移动距离和该航向角，确定上述每个车轮的位移量。
示例地，将上述每个车轮在i时刻和j时刻之间的航向角和移动距离作为预设的位移量确定公式(2)的输入，以获取该位移量确定公式(2)输出的每个车轮的位移量；其中，该位移量确定公式(2)可以表示为：
Figure BDA0002211666290000092
其中，Tij为任一车轮在i时刻和j时刻之间的位移量，yaw为该车轮在i时刻和j时刻之间的航向角，dij为该车轮在i时刻和j时刻之间的移动距离，T1、T2和R均为预设的标定系数。
在步骤123中，通过预设的纵向角度差计算公式，根据该航向角，确定上述每个车轮的纵向角度差。
示例地，将上述每个车轮在i时刻和j时刻之间的航向角作为预设的纵向角度差确定公式(3)的输入，以获取该纵向角度差确定公式(3)输出的该车轮在i时刻和j时刻之间的纵向角度差；其中，该纵向角度差确定公式(3)可以表示为：
Figure BDA0002211666290000101
其中，Rij为任一车轮在i时刻和j时刻之间的纵向角度差，yaw为该车轮在i时刻和j时刻之间的航向角，R为预设的标定系数。
在步骤124中，根据上述每个车轮的位移量和纵向角度差，确定该第二位姿变化量。
图4是根据图3示出的一种位姿变化量的调整方法的流程图，如图4所示，该步骤124包括：
在步骤1241中，将该移动距离和上述每个车轮的位移量，作为第一代价函数的输入，以获取该第一代价函数输出的第一代价函数值。
在步骤1242中，将该航向角和上述每个车轮的纵向角度差，作为第二代价函数的输入，以获取该第二代价函数输出的第二代价函数值。
在步骤1243中，获取目标车轮的位移量和纵向角度差，作为该第二位姿变化量。
其中，该目标车轮的位移量对应的第一代价函数值和该目标车轮的纵向角度差对应的第二代价函数值均满足预设的函数值条件。
示例地，在通过上述多个第二位姿变化量对上述多个第一位姿变化量进行筛选之前，首先对根据每个脉冲编码器读数差确定的每个车轮对应的第二位姿变化量进行初步筛选，以得到一个或多个目标车轮对应的第二位姿变化量。因此，构建用于筛选一个或多个目标第二位移量的第一代价函数(4)和用于筛选一个或多个目标第二纵向角度差的第二代价函数(5)。
示例地，将每个车轮的移动距离和根据该车轮的移动距离确定的该车轮的位移量作为该第一代价函数(4)的输入，以得到第一代价函数(4)输出的函数值，该第一代价函数(4)可以表示为：
Figure BDA0002211666290000111
其中，dij为任一车轮在i时刻和j时刻之间的移动距离，Tij为根据该车轮在i时刻和j时刻的移动距离dij确定的该车轮在i时刻和j时刻的位移量，σ1为预设的权重因子，当该第一代价函数输出的函数值f(Tij,dij)满足预设的函数值条件时，与该函数值对应的一个或多个位移量Tij即为上述一个或多个目标第二位移量。
将每个车轮的航向角和根据该车轮的航向角确定的该车轮的纵向角度差作为该第二代价函数(5)的输入，以得到第二代价函数(5)输出的函数值，该第二代价函数(5)可以表示为：
Figure BDA0002211666290000112
其中，yaw任一车轮在i时刻和j时刻之间的航向角，Rij为根据该车轮在i时刻和j时刻之间的航向角yaw确定的该车轮在i时刻和j时刻之间的纵向角度差，σ2为预设的权重因子，当该第二代价函数输出的函数值f(Rij,yaw)满足预设的函数值条件时，与该函数值对应的一个或多个纵向角度差Rij即为上述一个或多个目标第二纵向角度差。
在上述一个或多个目标第二位移量与目标第二纵向角度差中筛选出同一个轮胎的位移量和纵向角度差，该轮胎(可以为一个或多个轮胎)为该目标轮胎，该目标车轮的位移量和纵向角度差即为该第二位姿变化量。
综上所述，本发明提供的位姿变化量的确定方法，能够根据该车辆的车身的不同部位设置的每个摄像头在相邻的两个时刻采集到的两个图像帧确定上述每个摄像头对应的第一位姿变化量；根据每个脉冲编码器在上述两个时刻的脉冲读数差和该车辆的车轮参数确定上述每个车轮对应的第二位姿变化量；根据上述多个第二位姿变化量对上述多个第一位姿变化量进行筛选，以根据筛选出的第三位姿变化量确定该车辆在上述两个时刻之间的实际位姿变化量。能够根据车辆脉冲读数计算出的位姿变化量对根据摄像头检测出的位姿变化量进行校验和筛选，以提高车辆在相邻两个时刻的位姿变化量的精确度，进而提高车辆定位的精度。
图5是根据一示例性实施例示出的一种位姿变化量的确定装置的框图，如图5所示，应用于车辆，该车辆的车身的不同部位设置有多个摄像头，该车辆的每个车轮上设置有脉冲编码器，该装置500包括：
第一变化量确定模块510，用于根据上述每个摄像头在相邻的两个时刻采集到的两个图像帧确定上述每个摄像头对应的第一位姿变化量；
第二变化量确定模块520，用于根据上述每个脉冲编码器在上述两个时刻的脉冲读数差和该车辆的车轮参数确定上述每个车轮对应的第二位姿变化量；
变化量筛选模块530，用于根据上述多个第二位姿变化量对上述多个第一位姿变化量进行筛选，以根据筛选出的第三位姿变化量确定该车辆在上述两个时刻之间的实际位姿变化量。
可选的，位姿变化量包括：位移量和纵向角度差，该变化量筛选模块530，用于：
从上述多个第一位姿变化量中确定一个或多个第三位姿变化量；其中，该第三位姿变化量包含的位移量与任一该第二位姿变化量包含的位移量相同，并且该第三位姿变化量包含的纵向角度差与任一该第二位姿变化量包含的纵向角度差相同；
通过预设的定位算法，根据一个或多个第三位姿变化量，以及上述每个第三位姿变化量对应的摄像头相对于该车辆的位置，确定该实际位姿变化量。
可选的，该第二变化量确定模块520，用于：
根据该脉冲读数差和该车轮参数，确定上述每个车轮在上述两个时刻之间的移动距离和航向角；
通过预设的位移量计算公式，根据该移动距离和该航向角，确定上述每个车轮的位移量；
通过预设的纵向角度差计算公式，根据该航向角，确定上述每个车轮的纵向角度差；
根据上述每个车轮的位移量和纵向角度差，确定该第二位姿变化量。
可选的，该第二变化量确定模块520，用于：
将该移动距离和上述每个车轮的位移量，作为第一代价函数的输入，以获取该第一代价函数输出的第一代价函数值；
将该航向角和上述每个车轮的纵向角度差，作为第二代价函数的输入，以获取该第二代价函数输出的第二代价函数值；
获取目标车轮的位移量和纵向角度差，作为该第二位姿变化量；其中，该目标车轮的位移量对应的第一代价函数值和该目标车轮的纵向角度差对应的第二代价函数值均满足预设的函数值条件。
本公开还提供一种位姿变化量的确定***，该***包括：
至少一个本公开实施例所提供的位姿变化量的确定装置500；
设置于该车辆的车身不同部位的多个摄像头；以及，
设置于该车辆的每个车轮上的脉冲编码器。
本公开还提供一种车辆，该车辆包括至少一个本公开实施例所提供的位姿变化量的确定***。
综上所述，本发明提供的位姿变化量的确定方法、装置、***和车辆，能够根据该车辆的车身的不同部位设置的每个摄像头在相邻的两个时刻采集到的两个图像帧确定上述每个摄像头对应的第一位姿变化量；根据每个脉冲编码器在上述两个时刻的脉冲读数差和该车辆的车轮参数确定上述每个车轮对应的第二位姿变化量；根据上述多个第二位姿变化量对上述多个第一位姿变化量进行筛选，以根据筛选出的第三位姿变化量确定该车辆在上述两个时刻之间的实际位姿变化量。能够根据车辆脉冲读数计算出的位姿变化量对根据摄像头检测出的位姿变化量进行校验和筛选，以提高车辆在相邻两个时刻的位姿变化量的精确度，进而提高车辆定位的精度。
以上结合附图详细描述了本公开的优选实施方式，但是，本公开并不限于上述实施方式中的具体细节，在本公开的技术构思范围内，可以对本公开的技术方案进行多种简单变型，这些简单变型均属于本公开的保护范围。
另外需要说明的是，在上述具体实施方式中所描述的各个具体技术特征，在不矛盾的情况下，可以通过任何合适的方式进行组合，为了避免不必要的重复，本公开对各种可能的组合方式不再另行说明。
此外，本公开的各种不同的实施方式之间也可以进行任意组合，只要其不违背本公开的思想，其同样应当视为本公开所公开的内容。

Claims (8)

1.一种位姿变化量的确定方法，其特征在于，应用于车辆，所述车辆的车身的不同部位设置有多个摄像头，所述车辆的每个车轮上设置有脉冲编码器，所述方法包括：
根据每个所述摄像头在相邻的两个时刻采集到的两个图像帧确定每个所述摄像头对应的第一位姿变化量；
根据每个所述脉冲编码器在所述两个时刻的脉冲读数差和所述车辆的车轮参数确定每个所述车轮对应的第二位姿变化量；
根据多个所述第二位姿变化量对多个所述第一位姿变化量进行筛选，以根据筛选出的第三位姿变化量确定所述车辆在所述两个时刻之间的实际位姿变化量；
位姿变化量包括：位移量和纵向角度差，所述根据多个所述第二位姿变化量对多个所述第一位姿变化量进行筛选，以根据筛选出的第三位姿变化量确定所述车辆在所述两个时刻之间的实际位姿变化量，包括：
从多个所述第一位姿变化量中确定一个或多个所述第三位姿变化量；其中，所述第三位姿变化量包含的位移量与任一所述第二位姿变化量包含的位移量相同，并且所述第三位姿变化量包含的纵向角度差与任一所述第二位姿变化量包含的纵向角度差相同；
通过预设的定位算法，根据一个或多个所述第三位姿变化量，以及每个所述第三位姿变化量对应的摄像头相对于所述车辆的位置，确定所述实际位姿变化量。
2.根据权利要求1所述的方法，其特征在于，所述根据每个所述脉冲编码器在所述两个时刻的脉冲读数差和所述车辆的车轮参数确定每个所述车轮对应的第二位姿变化量，包括：
根据所述脉冲读数差和所述车轮参数，确定每个所述车轮在所述两个时刻之间的移动距离和航向角；
通过预设的位移量计算公式，根据所述移动距离和所述航向角，确定每个所述车轮的位移量；
通过预设的纵向角度差计算公式，根据所述航向角，确定每个所述车轮的纵向角度差；
根据每个所述车轮的位移量和纵向角度差，确定所述第二位姿变化量。
3.根据权利要求2所述的方法，其特征在于，所述根据每个所述车轮的位移量和纵向角度差，确定所述第二位姿变化量，包括：
将所述移动距离和每个所述车轮的位移量，作为第一代价函数的输入，以获取所述第一代价函数输出的第一代价函数值；
将所述航向角和每个所述车轮的纵向角度差，作为第二代价函数的输入，以获取所述第二代价函数输出的第二代价函数值；
获取目标车轮的位移量和纵向角度差，作为所述第二位姿变化量；其中，所述目标车轮的位移量对应的第一代价函数值和所述目标车轮的纵向角度差对应的第二代价函数值均满足预设的函数值条件。
4.一种位姿变化量的确定装置，其特征在于，应用于车辆，所述车辆的车身的不同部位设置有多个摄像头，所述车辆的每个车轮上设置有脉冲编码器，所述装置包括：
第一变化量确定模块，用于根据每个所述摄像头在相邻的两个时刻采集到的两个图像帧确定每个所述摄像头对应的第一位姿变化量；
第二变化量确定模块，用于根据每个所述脉冲编码器在所述两个时刻的脉冲读数差和所述车辆的车轮参数确定每个所述车轮对应的第二位姿变化量；
变化量筛选模块，用于根据多个所述第二位姿变化量对多个所述第一位姿变化量进行筛选，以根据筛选出的第三位姿变化量确定所述车辆在所述两个时刻之间的实际位姿变化量；
位姿变化量包括：位移量和纵向角度差，所述变化量筛选模块，用于：
从多个所述第一位姿变化量中确定一个或多个所述第三位姿变化量；其中，所述第三位姿变化量包含的位移量与任一所述第二位姿变化量包含的位移量相同，并且所述第三位姿变化量包含的纵向角度差与任一所述第二位姿变化量包含的纵向角度差相同；
通过预设的定位算法，根据一个或多个所述第三位姿变化量，以及每个所述第三位姿变化量对应的摄像头相对于所述车辆的位置，确定所述实际位姿变化量。
5.根据权利要求4所述的装置，其特征在于，所述第二变化量确定模块，用于：
根据所述脉冲读数差和所述车轮参数，确定每个所述车轮在所述两个时刻之间的移动距离和航向角；
通过预设的位移量计算公式，根据所述移动距离和所述航向角，确定每个所述车轮的位移量；
通过预设的纵向角度差计算公式，根据所述航向角，确定每个所述车轮的纵向角度差；
根据每个所述车轮的位移量和纵向角度差，确定所述第二位姿变化量。
6.根据权利要求5所述的装置，其特征在于，所述第二变化量确定模块，用于：
将所述移动距离和每个所述车轮的位移量，作为第一代价函数的输入，以获取所述第一代价函数输出的第一代价函数值；
将所述航向角和每个所述车轮的纵向角度差，作为第二代价函数的输入，以获取所述第二代价函数输出的第二代价函数值；
获取目标车轮的位移量和纵向角度差，作为所述第二位姿变化量；其中，所述目标车轮的位移量对应的第一代价函数值和所述目标车轮的纵向角度差对应的第二代价函数值均满足预设的函数值条件。
7.一种位姿变化量的确定***，其特征在于，所述***包括：
权利要求4-6中任一项所述的位姿变化量的确定装置；
设置于所述车辆的车身不同部位的多个摄像头；以及，
设置于所述车辆的每个车轮上的脉冲编码器。
8.一种车辆，其特征在于，所述车辆包括权利要求7所述的位姿变化量的确定***。
CN201910900478.2A 2019-09-23 2019-09-23 位姿变化量的确定方法、装置、***和车辆 Active CN110779511B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910900478.2A CN110779511B (zh) 2019-09-23 2019-09-23 位姿变化量的确定方法、装置、***和车辆

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910900478.2A CN110779511B (zh) 2019-09-23 2019-09-23 位姿变化量的确定方法、装置、***和车辆

Publications (2)

Publication Number Publication Date
CN110779511A CN110779511A (zh) 2020-02-11
CN110779511B true CN110779511B (zh) 2021-09-21

Family

ID=69383656

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910900478.2A Active CN110779511B (zh) 2019-09-23 2019-09-23 位姿变化量的确定方法、装置、***和车辆

Country Status (1)

Country Link
CN (1) CN110779511B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113739819B (zh) * 2021-08-05 2024-04-16 上海高仙自动化科技发展有限公司 校验方法、装置、电子设备、存储介质及芯片

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106123908A (zh) * 2016-09-08 2016-11-16 北京京东尚科信息技术有限公司 车辆导航方法和***
CN108279014A (zh) * 2017-01-05 2018-07-13 武汉四维图新科技有限公司 自动驾驶地图数据采集装置及***、地图智能生产***
CN108665488A (zh) * 2018-04-27 2018-10-16 北京汽车集团有限公司 全局运动估计方法和装置
CN108733039A (zh) * 2017-04-18 2018-11-02 广东工业大学 一种机器人室内导航定位的方法与装置
CN109579844A (zh) * 2018-12-04 2019-04-05 电子科技大学 定位方法及***
CN109710724A (zh) * 2019-03-27 2019-05-03 深兰人工智能芯片研究院（江苏）有限公司 一种构建点云地图的方法和设备
CN109900264A (zh) * 2017-12-08 2019-06-18 浙江师范大学 一种室外slam智能小车

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20150186004A1 (en) * 2012-08-17 2015-07-02 Google Inc. Multimode gesture processing
CN109087359B (zh) * 2018-08-30 2020-12-08 杭州易现先进科技有限公司 位姿确定方法、位姿确定装置、介质和计算设备
CN109900274B (zh) * 2019-03-25 2022-09-16 哈尔滨工业大学 一种图像匹配方法及***

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106123908A (zh) * 2016-09-08 2016-11-16 北京京东尚科信息技术有限公司 车辆导航方法和***
CN108279014A (zh) * 2017-01-05 2018-07-13 武汉四维图新科技有限公司 自动驾驶地图数据采集装置及***、地图智能生产***
CN108733039A (zh) * 2017-04-18 2018-11-02 广东工业大学 一种机器人室内导航定位的方法与装置
CN109900264A (zh) * 2017-12-08 2019-06-18 浙江师范大学 一种室外slam智能小车
CN108665488A (zh) * 2018-04-27 2018-10-16 北京汽车集团有限公司 全局运动估计方法和装置
CN109579844A (zh) * 2018-12-04 2019-04-05 电子科技大学 定位方法及***
CN109710724A (zh) * 2019-03-27 2019-05-03 深兰人工智能芯片研究院（江苏）有限公司 一种构建点云地图的方法和设备

Also Published As

Publication number Publication date
CN110779511A (zh) 2020-02-11

Similar Documents

Publication Publication Date Title
JP6821712B2 (ja) 自然光景中での統合センサの較正
CN111033176B (zh) 地图信息提供***
Gehrig et al. Dead reckoning and cartography using stereo vision for an autonomous car
CN108886606B (zh) 车载照相机的安装角度检测装置、安装角度校准装置、以及安装角度检测方法
US20180150976A1 (en) Method for automatically establishing extrinsic parameters of a camera of a vehicle
CN107567412A (zh) 利用汽车相机使用车辆运动数据的对象位置测量
WO2019116687A1 (ja) 道路地図生成システム及び道路地図生成方法
US11662741B2 (en) Vehicle visual odometry
KR102542377B1 (ko) 자동차의 글로벌 경사를 결정하기 위한 자율 방법 및 장치
CN111060946A (zh) 用于估计位置的方法和装置
WO2012129421A2 (en) Dynamic stereo camera calibration system and method
CN111336951A (zh) 用于校准图像传感器的外部参数的方法和设备
CN114167470A (zh) 一种数据处理方法和装置
CN108445866B (zh) 基于卷积神经网络的ldw误漏报测试方法及测试***
CN111902700A (zh) 用于对车辆中的位置传感器进行校准的方法、计算机程序、存储装置、控制设备和校准路段
CN112629544A (zh) 一种基于车道线的车辆定位方法及装置
CN114764138A (zh) 多传感器顺序校准***
CN113805145A (zh) 动态激光雷达对准
CN110779511B (zh) 位姿变化量的确定方法、装置、***和车辆
CN114943952A (zh) 多相机重叠视域下障碍物融合方法、***、设备和介质
CN114889606B (zh) 一种基于多传感融合的低成本高精定位方法
EP3155454B1 (de) Verfahren und system zur anpassung eines navigationssystems
CN114841188A (zh) 一种基于二维码的车辆融合定位方法及装置
CN112577479A (zh) 基于地图元素数据的多传感器融合车辆定位方法及装置
CN106796126A (zh) 用于实时地提供动态测量值的动态误差值的方法和***

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
GR01 Patent grant
GR01 Patent grant