CN111238472A - 一种用于全自动泊车的实时高精度定位方法及装置 - Google Patents

Abstract

本发明公开了一种用于全自动泊车的实时高精度定位方法及装置，方法包括：设置停车位原点，将原点作为坐标系原点构建坐标系；获取传感器数据，对传感器数据进行数据融合处理，得到定位可利用的数据；基于定位可利用的数据中的车辆里程、速度、方向盘转角、档位、陀螺仪数据和加速度，推导出当前的车辆位置；基于定位可利用的数据中的摄像头识别的车位信息和超声波雷达识别的障碍物信息在坐标系下的位置，对推导出的当前的车辆位置进行补正，输出当前的车辆精确位置。本发明能够通过图像识别以及超声波识别技术，识别出车位信息以及周边障碍物等信息，在定位时再和其他传感器数据进行融合，实现实时高精度定位。

Description

一种用于全自动泊车的实时高精度定位方法及装置

技术领域

本发明涉及全自动泊车技术领域，尤其涉及一种用于全自动泊车的实时高精度定位方法及装置。

背景技术

目前，在自动泊车领域的厘米级的高精度定位的实现，主要有以下几种方式：

RTK(Real Time Kinematic，实时动态)载波相位差分技术：是一种新的常用的卫星定位测量方法，利用GPS(Global Positioning System，全球定位***)载波相位观测值进行实时动态相对定位的技术，RTK的工作原理是基准站通过数据链将其观测值和测站坐标信息一起传送给流动站。流动站不仅通过数据链接收来自基准站的数据，还要采集GPS观测数据，并在***内组成差分观测值进行实时处理，同时给出厘米级定位结果，在室外开阔区域能够实时得到厘米级定位精度。

UWB(Ultra Wide Band，超宽带)技术：一种无线载波通信技术，UWB是一种传输速率高，发射功率较低，穿透能力较强的无线定位技术，可在室内和地下进行精确定位。UWB定位技术利用事先布置好的已知位置的锚节点和桥节点，与新加入的盲节点进行通讯，并利用TDOA(到达时间差)定位算法，通过测量出不同基站与移动终端的传输时延差来进行定位。

基于蓝牙的定位技术：蓝牙定位基于RSSI(Received Signal StrengthIndication，信号场强指示)定位原理实现的，蓝牙室内技术是利用在室内安装的若干个蓝牙局域网接入点，把网络维持成基于多用户的基础网络连接模式，并保证蓝牙局域网接入点始终是这个微微网的主设备，然后通过测量信号强度获得用户的位置信息。

激光雷达定位：通过SLAM(simultaneous localization and mapping，同步定位与建图)技术构建环境模型并利用该模型确定车辆所在的位置。

由此可以看出，现有的RTK定位技术的重要前提是要保证在GPS信号覆盖区域内，由于室内停车场是无法接收GPS信号的，所以在室内提车场自动泊车时是无法使用RTK定位技术进行定位。UWB技术和蓝牙定位技术虽然可以在室内实现高精度定位，但是需要提前部署基站网络，这样不仅增加了投入成本，而且只能基站网络覆盖的区域实现高精度定位，有一定的局限性。激光雷达定位目前还未完全普及，设备昂贵而且有使用寿命的局限性。

因此，如何有效的在室内以及室外停车场都可以实现高精度定位，是一项亟待解决的问题。

发明内容

有鉴于此，本发明提供了一种用于全自动泊车的实时高精度定位方法，通过图像识别以及超声波识别技术，识别出车位信息以及周边障碍物等信息，在定位时再和其他传感器数据进行融合，实现实时高精度定位，有效解决了现有技术依赖GPS信号，在室内区域不可用，或者依赖基站网络，网络覆盖不到的区域无法使用，或者成本较高的问题。

本发明提供了一种用于全自动泊车的实时高精度定位方法，包括：

设置停车位原点；

将所述原点作为坐标系原点构建坐标系；

获取传感器数据，其中，所述传感器数据包括：车辆里程、速度、方向盘转角、档位、陀螺仪数据、加速度，以及摄像头识别的车位信息和超声波雷达识别的障碍物信息；

对所述传感器数据进行数据融合处理，得到定位可利用的数据；

基于定位可利用的数据中的车辆里程、速度、方向盘转角、档位、陀螺仪数据和加速度，推导出当前的车辆位置；

基于定位可利用的数据中的摄像头识别的车位信息和超声波雷达识别的障碍物信息在所述坐标系下的位置，对推导出的所述当前的车辆位置进行补正，输出当前的车辆精确位置。

优选地，所述设置停车位原点，包括：

将停车位的其中一个顶点设置为原点。

优选地，对所述传感器数据进行数据融合处理，得到定位可利用的数据，包括：

基于所述传感器数据的时间、连续性以及更新状态，利用融合算法，得到定位可利用的数据。

优选地，所述基于定位可利用的数据中的车辆里程、速度、方向盘转角、档位、陀螺仪数据和加速度，推导出当前的车辆位置，包括：

基于所述车辆里程、速度以及加速度推导出车辆行驶的距离；

基于所述档位和方向盘转角推导出车辆的行驶方向；

基于所述陀螺仪数据推导出车辆的角度；

基于车辆行驶的距离、车辆的行驶方向和车辆的角度推导出当前的车辆位置。

一种用于全自动泊车的实时高精度定位装置，包括：

设置模块，用于设置停车位原点；

构建模块，用于将所述原点作为坐标系原点构建坐标系；

获取模块，用于获取传感器数据，其中，所述传感器数据包括：车辆里程、速度、方向盘转角、档位、陀螺仪数据、加速度，以及摄像头识别的车位信息和超声波雷达识别的障碍物信息；

融合处理模块，用于对所述传感器数据进行数据融合处理，得到定位可利用的数据；

推导模块，用于基于定位可利用的数据中的车辆里程、速度、方向盘转角、档位、陀螺仪数据和加速度，推导出当前的车辆位置；

定位模块，用于基于定位可利用的数据中的摄像头识别的车位信息和超声波雷达识别的障碍物信息在所述坐标系下的位置，对推导出的所述当前的车辆位置进行补正，输出当前的车辆精确位置。

优选地，所述设置模块具体用于：

将停车位的其中一个顶点设置为原点。

优选地，所述融合处理模块具体用于：

基于所述传感器数据的时间、连续性以及更新状态，利用融合算法，得到定位可利用的数据。

优选地，所述推导模块具体用于：

基于所述车辆里程、速度以及加速度推导出车辆行驶的距离；

基于所述档位和方向盘转角推导出车辆的行驶方向；

基于所述陀螺仪数据推导出车辆的角度；

基于车辆行驶的距离、车辆的行驶方向和车辆的角度推导出当前的车辆位置。

综上所述，本发明公开了一种用于全自动泊车的实时高精度定位方法，当需要实现全自动泊车的实时高精度定位时，首先设置停车位原点，然后将原点作为坐标系原点构建坐标系，获取传感器数据，其中，传感器数据包括：车辆里程、速度、方向盘转角、档位、陀螺仪数据、加速度，以及摄像头识别的车位信息和超声波雷达识别的障碍物信息；对传感器数据进行数据融合处理，得到定位可利用的数据，基于定位可利用的数据中的车辆里程、速度、方向盘转角、档位、陀螺仪数据和加速度，推导出当前的车辆位置；基于定位可利用的数据中的摄像头识别的车位信息和超声波雷达识别的障碍物信息在坐标系下的位置，对推导出的当前的车辆位置进行补正，输出当前的车辆精确位置。本发明通过图像识别以及超声波识别技术，识别出车位信息以及周边障碍物等信息，在定位时再和其他传感器数据进行融合，实现实时高精度定位，有效解决了现有技术依赖GPS信号，在室内区域不可用，或者依赖基站网络，网络覆盖不到的区域无法使用，或者成本较高的问题。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本发明公开的一种用于全自动泊车的实时高精度定位方法实施例的流程图；

图2为本发明公开的一种用于全自动泊车的实时高精度定位方法应用实例的示意图；

图3为本发明公开的一种用于全自动泊车的实时高精度定位方法应用实例的示意图；

图4为本发明公开的一种用于全自动泊车的实时高精度定位方法应用实例的示意图；

图5为本发明公开的一种用于全自动泊车的实时高精度定位方法装置实施例的结构示意图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

如图1所示，为本发明公开的一种用于全自动泊车的实时高精度定位方法实施例1的方法流程图，所述方法可以包括以下步骤：

S101、设置停车位原点；

当需要实现全自动泊车的实时高精度定位时，首先在定位处理之前设置停车位原点。其中，设置的停车位原点可以是车辆的质心，也可以是车位中的任意顶点，如，车位的右上角顶点。在设置停车位原点时，无需依赖GPS以及基站网络。

S102、将原点作为坐标系原点构建坐标系；

在设置好停车位原点后，以此原点建立坐标系。其中，定位处理输出的位置信息，都是在构建的此坐标系下的点；摄像头以及超声波雷达识别车位、障碍物信息也在此坐标系下。在构建坐标系的其中一种实现方式可以是，将车位的最远端的其中一个顶点作为原点，以此建立坐标系，定位方法提供的位置是此坐标系下的位置。

S103、获取传感器数据，其中，传感器数据包括：车辆里程、速度、方向盘转角、档位、陀螺仪数据、加速度，以及摄像头识别的车位信息和超声波雷达识别的障碍物信息；

在构建出坐标系后，当需要对车辆进行实时高精度定位时，进一步获取各个传感器的数据。其中，获取到的传感器数据包括：车辆里程、速度、方向盘转角、档位、陀螺仪数据、加速度，以及摄像头识别的车位信息和超声波雷达识别的障碍物信息。

S104、对传感器数据进行数据融合处理，得到定位可利用的数据；

在获取到传感器数据后，进一步对各个传感器获取到的数据进行融合处理，得到可用于定位的数据。

具体的，根据各传感器数据的时间、连续性以及更新状态，利用融合算法，得到定位可利用的数据。主要包括两方面的处理，其一是判断单一传感器数据的是否可用，每种传感器都有各自的更新频率，每一帧数据，都带有时间戳信息，以陀螺仪为例，观察连续5帧数据，如果相邻2帧数据的时间戳间隔在10ms以内，认为陀螺仪数据可用，否则认为不可用。其二是判断多传感器识别同一物***置的使用优先级，例如，车辆左侧5米有一个柱子，摄像头连续几帧数据识别出的车辆离柱子的距离抖动不大，都在5米左右，超声波雷达连续几帧数据识别的距离波动较大，可能是6米、也可能是7米，此时将摄像头识别的数据作为定位可利用的数据。

S105、基于定位可利用的数据中的车辆里程、速度、方向盘转角、档位、陀螺仪数据和加速度，推导出当前的车辆位置；

在确定出定位可利用的数据后，进一步根据定位可利用的数据中的车辆里程、速度、方向盘转角、档位、陀螺仪数据和加速度，推导出当前的车辆位置。

具体的，基于车辆里程、速度以及加速度推导出车辆行驶的距离，基于档位和方向盘转角推导出车辆的行驶方向，基于陀螺仪数据推导出车辆的角度，然后基于车辆行驶的距离、车辆的行驶方向和车辆的角度推导出当前的车辆位置。需要说明的是，车辆的传感数据更新也是有周期的，在车辆的传感数据没有更新时，可利用历史车辆的传感数据，即上一周期的传感数据，推算出当前的车辆位置。

S106、基于定位可利用的数据中的摄像头识别的车位信息和超声波雷达识别的障碍物信息在坐标系下的位置，对推导出的当前的车辆位置进行补正，输出当前的车辆精确位置。

推导当前的车辆位置是利用车辆传感数据推导出来的，随着时间的增加存在累积误差，为更加精确的定位车辆的位置，进一步利用摄像头和超声波识别的车位顶点以及障碍物在坐标系下的位置，对推导出来的车辆位置进行补正，主要参考车位顶点以及障碍物的可信度进行补正，最后输出当前的车辆的精确位置。

综上所述，在上述实施例中，当需要实现全自动泊车的实时高精度定位时，首先设置停车位原点，然后将原点作为坐标系原点构建坐标系，获取传感器数据，其中，传感器数据包括：车辆里程、速度、方向盘转角、档位、陀螺仪数据、加速度，以及摄像头识别的车位信息和超声波雷达识别的障碍物信息；对传感器数据进行数据融合处理，得到定位可利用的数据，基于定位可利用的数据中的车辆里程、速度、方向盘转角、档位、陀螺仪数据和加速度，推导出当前的车辆位置；基于定位可利用的数据中的摄像头识别的车位信息和超声波雷达识别的障碍物信息在坐标系下的位置，对推导出的当前的车辆位置进行补正，输出当前的车辆精确位置。本发明通过图像识别以及超声波识别技术，识别出车位信息以及周边障碍物等信息，在定位时再和其他传感器数据进行融合，实现实时高精度定位，有效解决了现有技术依赖GPS信号，在室内区域不可用，或者依赖基站网络，网络覆盖不到的区域无法使用，或者成本较高的问题。

为进一步更加详细的说明本发明提供的技术方案，下面以具体的实例为例进行说明：

如图2所示，选定P2为目标停车位，以P2的端点O作为原点建立坐标系，设定汽车以及隔离柱在此坐标系下的初始位置。

如图3所示，在泊车过程中根据里程和方向信息，推算汽车在停车位坐标系下的位置，当接近隔离柱时，图像识别以及超声波雷达会识别出隔离柱与汽车之间的位置关系，根据此关系能计算车辆的位置，当发现此位置与推算出来的车辆位置存在较大偏差时，修正推算出来的车辆位置。

如图4所示，当接近停车位端点时，图像识别出停车位端点与汽车之间的位置关系，根据此关系能计算车辆的位置，当发现此位置与推算出来的车辆位置存在较大偏差时，修正推算出来的车辆位置。

如图5所示，为本发明公开的一种用于全自动泊车的实时高精度定位装置实施例1的结构示意图，所述装置可以包括以下步骤：

设置模块501，用于设置停车位原点；

当需要实现全自动泊车的实时高精度定位时，首先在定位处理之前设置停车位原点。其中，设置的停车位原点可以是车辆的质心，也可以是车位中的任意顶点，如，车位的右上角顶点。在设置停车位原点时，无需依赖GPS以及基站网络。

构建模块502，用于将原点作为坐标系原点构建坐标系；

在设置好停车位原点后，以此原点建立坐标系。其中，定位处理输出的位置信息，都是在构建的此坐标系下的点；摄像头以及超声波雷达识别车位、障碍物信息也在此坐标系下。在构建坐标系的其中一种实现方式可以是，将车位的最远端的其中一个顶点作为原点，以此建立坐标系，定位方法提供的位置是此坐标系下的位置。

获取模块503，用于获取传感器数据，其中，传感器数据包括：车辆里程、速度、方向盘转角、档位、陀螺仪数据、加速度，以及摄像头识别的车位信息和超声波雷达识别的障碍物信息；

在构建出坐标系后，当需要对车辆进行实时高精度定位时，进一步获取各个传感器的数据。其中，获取到的传感器数据包括：车辆里程、速度、方向盘转角、档位、陀螺仪数据、加速度，以及摄像头识别的车位信息和超声波雷达识别的障碍物信息。

融合处理模块504，用于对传感器数据进行数据融合处理，得到定位可利用的数据；

在获取到传感器数据后，进一步对各个传感器获取到的数据进行融合处理，得到可用于定位的数据。

具体的，根据各传感器数据的时间、连续性以及更新状态，利用融合算法，得到定位可利用的数据。主要包括两方面的处理，其一是判断单一传感器数据的是否可用，每种传感器都有各自的更新频率，每一帧数据，都带有时间戳信息，以陀螺仪为例，观察连续5帧数据，如果相邻2帧数据的时间戳间隔在10ms以内，认为陀螺仪数据可用，否则认为不可用。其二是判断多传感器识别同一物***置的使用优先级，例如，车辆左侧5米有一个柱子，摄像头连续几帧数据识别出的车辆离柱子的距离抖动不大，都在5米左右，超声波雷达连续几帧数据识别的距离波动较大，可能是6米、也可能是7米，此时将摄像头识别的数据作为定位可利用的数据。

推导模块505，用于基于定位可利用的数据中的车辆里程、速度、方向盘转角、档位、陀螺仪数据和加速度，推导出当前的车辆位置；

在确定出定位可利用的数据后，进一步根据定位可利用的数据中的车辆里程、速度、方向盘转角、档位、陀螺仪数据和加速度，推导出当前的车辆位置。

具体的，基于车辆里程、速度以及加速度推导出车辆行驶的距离，基于档位和方向盘转角推导出车辆的行驶方向，基于陀螺仪数据推导出车辆的角度，然后基于车辆行驶的距离、车辆的行驶方向和车辆的角度推导出当前的车辆位置。需要说明的是，车辆的传感数据更新也是有周期的，在车辆的传感数据没有更新时，可利用历史车辆的传感数据，即上一周期的传感数据，推算出当前的车辆位置。

定位模块506，用于基于定位可利用的数据中的摄像头识别的车位信息和超声波雷达识别的障碍物信息在坐标系下的位置，对推导出的当前的车辆位置进行补正，输出当前的车辆精确位置。

推导当前的车辆位置是利用车辆传感数据推导出来的，随着时间的增加存在累积误差，为更加精确的定位车辆的位置，进一步利用摄像头和超声波识别的车位顶点以及障碍物在坐标系下的位置，对推导出来的车辆位置进行补正，主要参考车位顶点以及障碍物的可信度进行补正，最后输出当前的车辆的精确位置。

本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例公开的装置而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。

专业人员还可以进一步意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、计算机软件或者二者的结合来实现，为了清楚地说明硬件和软件的可互换性，在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。

结合本文中所公开的实施例描述的方法或算法的步骤可以直接用硬件、处理器执行的软件模块，或者二者的结合来实施。软件模块可以置于随机存储器(RAM)、内存、只读存储器(ROM)、电可编程ROM、电可擦除可编程ROM、寄存器、硬盘、可移动磁盘、CD-ROM、或技术领域内所公知的任意其它形式的存储介质中。

对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。

Claims (8)

1.一种用于全自动泊车的实时高精度定位方法，其特征在于，包括：

设置停车位原点；

将所述原点作为坐标系原点构建坐标系；

获取传感器数据，其中，所述传感器数据包括：车辆里程、速度、方向盘转角、档位、陀螺仪数据、加速度，以及摄像头识别的车位信息和超声波雷达识别的障碍物信息；

对所述传感器数据进行数据融合处理，得到定位可利用的数据；

基于定位可利用的数据中的车辆里程、速度、方向盘转角、档位、陀螺仪数据和加速度，推导出当前的车辆位置；

基于定位可利用的数据中的摄像头识别的车位信息和超声波雷达识别的障碍物信息在所述坐标系下的位置，对推导出的所述当前的车辆位置进行补正，输出当前的车辆精确位置。

2.根据权利要求1所述的方法，其特征在于，所述设置停车位原点，包括：

将停车位的其中一个顶点设置为原点。

3.根据权利要求1所述的方法，其特征在于，对所述传感器数据进行数据融合处理，得到定位可利用的数据，包括：

基于所述传感器数据的时间、连续性以及更新状态，利用融合算法，得到定位可利用的数据。

4.根据权利要求1所述的方法，其特征在于，所述基于定位可利用的数据中的车辆里程、速度、方向盘转角、档位、陀螺仪数据和加速度，推导出当前的车辆位置，包括：

基于所述车辆里程、速度以及加速度推导出车辆行驶的距离；

基于所述档位和方向盘转角推导出车辆的行驶方向；

基于所述陀螺仪数据推导出车辆的角度；

基于车辆行驶的距离、车辆的行驶方向和车辆的角度推导出当前的车辆位置。

5.一种用于全自动泊车的实时高精度定位装置，其特征在于，包括：

设置模块，用于设置停车位原点；

构建模块，用于将所述原点作为坐标系原点构建坐标系；

获取模块，用于获取传感器数据，其中，所述传感器数据包括：车辆里程、速度、方向盘转角、档位、陀螺仪数据、加速度，以及摄像头识别的车位信息和超声波雷达识别的障碍物信息；

融合处理模块，用于对所述传感器数据进行数据融合处理，得到定位可利用的数据；

推导模块，用于基于定位可利用的数据中的车辆里程、速度、方向盘转角、档位、陀螺仪数据和加速度，推导出当前的车辆位置；

定位模块，用于基于定位可利用的数据中的摄像头识别的车位信息和超声波雷达识别的障碍物信息在所述坐标系下的位置，对推导出的所述当前的车辆位置进行补正，输出当前的车辆精确位置。

6.根据权利要求5所述的装置，其特征在于，所述设置模块具体用于：

将停车位的其中一个顶点设置为原点。

7.根据权利要求5所述的装置，其特征在于，所述融合处理模块具体用于：

基于所述传感器数据的时间、连续性以及更新状态，利用融合算法，得到定位可利用的数据。

8.根据权利要求5所述的装置，其特征在于，所述推导模块具体用于：

基于所述车辆里程、速度以及加速度推导出车辆行驶的距离；

基于所述档位和方向盘转角推导出车辆的行驶方向；

基于所述陀螺仪数据推导出车辆的角度；

基于车辆行驶的距离、车辆的行驶方向和车辆的角度推导出当前的车辆位置。

Images