CN113093254A - 基于多传感器融合的地图特征的高架桥中的车辆定位方法 - Google Patents

基于多传感器融合的地图特征的高架桥中的车辆定位方法 Download PDF

Info

Publication number
CN113093254A
CN113093254A CN202110390897.3A CN202110390897A CN113093254A CN 113093254 A CN113093254 A CN 113093254A CN 202110390897 A CN202110390897 A CN 202110390897A CN 113093254 A CN113093254 A CN 113093254A
Authority
CN
China
Prior art keywords
positioning
matching
data
visual
map
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
Application number
CN202110390897.3A
Other languages
English (en)
Inventor
姬炜
王李
杨选伦
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.)
Nanjing Speed Software Technology Co ltd
Original Assignee
Nanjing Speed Software Technology 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 Nanjing Speed Software Technology Co ltd filed Critical Nanjing Speed Software Technology Co ltd
Priority to CN202110390897.3A priority Critical patent/CN113093254A/zh
Publication of CN113093254A publication Critical patent/CN113093254A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S19/00—Satellite radio beacon positioning systems; Determining position, velocity or attitude using signals transmitted by such systems
    • G01S19/38—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system
    • G01S19/39—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system the satellite radio beacon positioning system transmitting time-stamped messages, e.g. GPS [Global Positioning System], GLONASS [Global Orbiting Navigation Satellite System] or GALILEO
    • G01S19/42—Determining position
    • G01S19/45—Determining position by combining measurements of signals from the satellite radio beacon positioning system with a supplementary measurement
    • 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
    • G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
    • G01C21/28—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network with correlation of data from several navigational instruments
    • G01C21/30—Map- or contour-matching
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
    • G01S17/88—Lidar systems specially adapted for specific applications
    • G01S17/93—Lidar systems specially adapted for specific applications for anti-collision purposes
    • G01S17/931—Lidar systems specially adapted for specific applications for anti-collision purposes of land vehicles
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S19/00—Satellite radio beacon positioning systems; Determining position, velocity or attitude using signals transmitted by such systems
    • G01S19/38—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system
    • G01S19/39—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system the satellite radio beacon positioning system transmitting time-stamped messages, e.g. GPS [Global Positioning System], GLONASS [Global Orbiting Navigation Satellite System] or GALILEO
    • G01S19/42—Determining position
    • G01S19/45—Determining position by combining measurements of signals from the satellite radio beacon positioning system with a supplementary measurement
    • G01S19/47—Determining position by combining measurements of signals from the satellite radio beacon positioning system with a supplementary measurement the supplementary measurement being an inertial measurement, e.g. tightly coupled inertial

Landscapes

  • Engineering & Computer Science (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Automation & Control Theory (AREA)
  • Electromagnetism (AREA)
  • Navigation (AREA)

Abstract

本发明公开了一种基于多传感器融合的地图特征的高架桥中的车辆定位方法，具体包括以下步骤：S1采用车载GPS进行预定位，进行激光雷达特征点提取，获得激光雷达数据；S2：采用视觉相机获得视觉定位图像，建立像素空间坐标系后，对视觉定位图像进行特征点提取，再将提取的特征点坐标转为世界坐标***，获得视觉图像数据；S3：将所述步骤S1中的激光雷达数据和所述步骤S2中的视觉图像数据进行匹配融合，获得匹配特征点以及纠正后的感知数据集；S4：将所述步骤S3中获得的所述匹配特征点与地图进行匹配，获得在地图上的行程特征点及行程特征点数据集；S5：根据所述步骤S4中获得的行程特征点计算得出车辆的定位。

Description

基于多传感器融合的地图特征的高架桥中的车辆定位方法
技术领域
本发明涉及自动驾驶及定位技术领域，尤其涉及一种基于多传感器融合的地图特征的高架桥中的车辆定位方法。
背景技术
无人驾驶近几年发展迅速，研究表面，无人驾驶在增强公路交通安全，缓解交通拥堵，减少空气无人方面有着颠覆性的改善。无人驾驶场景大多数用在开阔的环境下进行，在封闭、多层的环境下技术瓶颈有待提升。
现在的技术手段主要依赖于GPS加惯性导航，但受制于GPS的影响，在信号弱的环境下无法进行定位。GPS技术通过太空中的卫星，能够迅速定位出用户端在地球上的位置和海拔，GPS***精准关键在于卫星和用户端的精准计算，但是在一些城市、山区、隧道高层建筑物以及封闭环境的影响，会导致信号的非直线传播，影响精度。惯性传感主要包括加速度计和角速度计，其特点是更新频率高，可以提供实时的位置信息，但是致命缺点是它的误差会随着时间的推进而增加。当车辆处于高架桥区，因高架往往错综复杂，而高架桥上与桥下路段平行，会导致GPS不准确或者是上下垂直高架，易发生路线判断错误问题，因此，主要依靠GPS经纬度及连续的GPS位置来判断绑定高架桥中的车辆的位置比较困难。
因此，有必要开发一种基于多传感器融合的地图特征的高架桥中的车辆定位方法，利用多种传感器定位数据纠正GPS定位的误差，完成多层级精准定位，能够实现高精度车辆定位。
发明内容
本发明要解决的技术问题是提供一种基于多传感器融合的地图特征的高架桥中的车辆定位方法，利用多种传感器定位数据纠正GPS定位的误差，完成多层级精准定位，能够实现高精度车辆定位。
为了解决上述技术问题，本发明采用的技术方案是：该基于多传感器融合的地图特征的高架桥中的车辆定位方法，具体包括以下步骤：
S1：采用车载GPS进行预定位，进行激光雷达特征点提取，获得激光雷达数据；
S2：采用视觉相机获得视觉定位图像，建立像素空间坐标系后，对视觉定位图像进行特征点提取，再将提取的特征点坐标转为世界坐标***，获得视觉图像数据；
S3：将所述步骤S1中的激光雷达数据和所述步骤S2中的视觉图像数据进行匹配融合，获得匹配特征点以及纠正后的感知数据集；
S4：将所述步骤S3中获得的所述匹配特征点与地图进行匹配，获得在地图上的行程特征点及行程特征点数据集；
S5：根据所述步骤S4中获得的行程特征点计算得出车辆的定位。
采用上述技术方案，使用滤波器对惯性传感器与车载GPS数据进行融合并进行位置预测，再将GPS定位数据与激光雷达定位数据和视觉定位数据进行融合，利用多种传感器定位数据纠正GPS定位的误差，完成多层级精准定位，多传感器包括激光雷达和视觉相机，激光雷达和视觉相机提取的目标适用于多层级中定位；该基于多传感器融合的地图特征的高架桥中的车辆定位方法有效地提高复杂环境下车辆的定位准确性及可靠性，进而提升了用户体验。
作为本发明的优选技术方案，所述步骤S1中的具体步骤为：
S11：利用滤波器将惯导传感器和车载GPS的数据进行融合，得到初步的平面点位；
S12：对激光雷达发射器发射出激光射线，收集反射点距离和该反射点发生的时间和水平角度，并转换出反射点P的空间坐标Mp(Xp,Yp,Zp)。
作为本发明的优选技术方案，所述步骤S2的具体步骤为：
S21：采用视觉相机获得视觉定位图像，通过定位图像前一帧的像素求解出当前帧的像素的旋转矩阵R和平移向量T，即相对于前一帧的姿态和位移；
S22：将当前帧的像素的坐标系转化成世界坐标系，转换的公式为：
Figure BDA0003016713930000021
其中，(Xc,Yc,Zc)为像素坐标系下的像素坐标，(Xw,Yw,Zw)为像素的世界坐系，R为旋转矩阵，T为平移矢量。
作为本发明的优选技术方案，所述步骤S3的具体步骤为：
将所述步骤S1中的激光雷达数据和所述步骤S2中的视觉图像数据进行匹配融合，所述激光雷达数据的所述视觉图像数据的配准关系采用3X3的矩阵R1表示；依据相机的成像原理，若像素空间中的某一个点M在相机的像素空间坐标系下的齐次坐标为M1(X1,Y1,Z1)，同时激光雷达探测到的同一个点投影到图像坐标下的坐标为Mr(Xr,Yr,Zr)，则像素空间坐标系与激光雷达的空间坐标***存在的关系为：Mr＝R1*M1，然后根据关系式Mr＝R1*M1进行匹配融合，获得匹配特征点。
作为本发明的优选技术方案，所述步骤S4的具体步骤为：
S41：将步骤S3中获得的匹配特点的坐标作为静态坐标标记到高精地图中，若匹配特征点无效，则返回步骤S3重新进行匹配融合；若匹配特征点有效，则转至步骤S42；
S42：若匹配特征点有效，则将各个有效的匹配特征点数据抽象成地图中的元素的属性，从而获得行程特征点数据集；
S43：在每次实车测试验证时不断修正高精地图的特征数据集。
作为本发明的优选技术方案，所述步骤S5具体步骤为：
S51：调取有效探测范围内的高精度地图数据为定位基准；
S52：以GPS为初值，调取融合到高精地图里的特征数据做配准，修正车的位置和姿态信息，以完成辅助定位的功能。
与现有技术相比，本发明具有的有益效果为：
(1)该基于多传感器融合的地图特征的高架桥中的车辆定位方法将多种传感器进行了有效的融合，可方面实现高精度车辆定位；
(2)该基于多传感器融合的地图特征的高架桥中的车辆定位方法提高传统GPS的定位精度，由原来的米级定位，融合之后定位精度可到厘米级；
(3)该基于多传感器融合的地图特征的高架桥中的车辆定位方法采用激光雷达，能够判断物体远近的能力，满足无人车在实时检测障碍物的能力；
(4)该基于多传感器融合的地图特征的高架桥中的车辆定位方法采用视觉相机，结合视觉定位，从而适应恶劣的天气，不受抗悬浮物影响，进而提升了用户的体验。
附图说明
图1为本发明的基于多传感器融合的地图特征的高架桥中的车辆定位方法的流程图；
图2为本发明的基于多传感器融合的地图特征的高架桥中的车辆定位方法的坐标转换原理图。
具体实施方式
下面将结合本发明的实施例图中的附图，对本发明实施例中的技术方案进行清楚、完整的描述。
实施例：如图1所示，该基于多传感器融合的地图特征的高架桥中的车辆定位方法，具体包括以下步骤：
S1：采用车载GPS进行预定位，进行激光雷达特征点提取，获得激光雷达数据；所述步骤S1中的具体步骤为：
S11：利用滤波器将惯导传感器和车载GPS的数据进行融合，得到初步的平面点位；
S12：对激光雷达发射器发射出激光射线，收集反射点距离和该反射点发生的时间和水平角度，并转换出反射点P的空间坐标Mp(Xp,Yp,Zp)；
S2：采用视觉相机获得视觉定位图像，建立像素空间坐标系后，对视觉定位图像进行特征点提取，再将提取的特征点坐标转为世界坐标***，获得视觉图像数据；所述步骤S2的具体步骤为：
S21：采用视觉相机获得视觉定位图像，通过定位图像前一帧的像素求解出当前帧的像素的旋转矩阵R和平移向量T，即相对于前一帧的姿态和位移；
S22：将当前帧的像素的坐标系转化成世界坐标系，转换的公式为：
Figure BDA0003016713930000041
其中，(Xc,Yc,Zc)为像素坐标系下的像素坐标，(Xw,Yw,Zw)为像素的世界坐系，R为旋转矩阵，T为平移矢量；如图2所示；
S3：将所述步骤S1中的激光雷达数据和所述步骤S2中的视觉图像数据进行匹配融合，获得匹配特征点以及纠正后的感知数据集；所述步骤S3的具体步骤为：将所述步骤S1中的激光雷达数据和所述步骤S2中的视觉图像数据进行匹配融合，所述激光雷达数据的所述视觉图像数据的配准关系采用3X3的矩阵R1表示；依据相机的成像原理，若像素空间中的某一个点M在相机的像素空间坐标系下的齐次坐标为M1(X1,Y1,Z1)，同时激光雷达探测到的同一个点投影到图像坐标下的坐标为Mr(Xr,Yr,Zr)，则像素空间坐标系与激光雷达的空间坐标***存在的关系为：Mr＝R*M1，然后根据关系式Mr＝R1*M1进行匹配融合，获得匹配特征点；
S4：将所述步骤S3中获得的所述匹配特征点与地图进行匹配，获得在地图上的行程特征点及行程特征点数据集；所述步骤S4的具体步骤为：
S41：将步骤S3中获得的匹配特点的坐标作为静态坐标标记到高精地图中，若匹配特征点无效，则返回步骤S3重新进行匹配融合；若匹配特征点有效，则转至步骤S42；
S42：若匹配特征点有效，则将各个有效的匹配特征点数据抽象成地图中的元素的属性，从而获得行程特征点数据集；
S5：根据所述步骤S4中获得的行程特征点计算得出车辆的定位；
所述步骤S5根据所述步骤S4中获得的行程特征点计算得出车辆的定位的具体步骤为：
S51：调取有效探测范围内的高精度地图数据为定位基准；
S52：以GPS为初值，调取融合到高精地图里的特征数据做配准，修正车的位置和姿态信息，以完成辅助定位的功能。
以上所述仅为本发明的较佳实施例而已，并不用于限制本发明，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (6)

1.一种基于多传感器融合的地图特征的高架桥中的车辆定位方法，其特征在于，具体包括以下步骤：
S1：采用车载GPS进行预定位，进行激光雷达特征点提取，获得激光雷达数据；
S2：采用视觉相机获得视觉定位图像，建立像素空间坐标系后，对视觉定位图像进行特征点提取，再将提取的特征点坐标转为世界坐标***，获得视觉图像数据；
S3：将所述步骤S1中的激光雷达数据和所述步骤S2中的视觉图像数据进行匹配融合，获得匹配特征点以及纠正后的感知数据集；
S4：将所述步骤S3中获得的所述匹配特征点与地图进行匹配，获得在地图上的行程特征点及行程特征点数据集；
S5：根据所述步骤S4中获得的行程特征点计算得出车辆的定位。
2.根据权利要求1所述的基于多传感器融合的地图特征的高架桥中的车辆定位方法，其特征在于，所述步骤S1中的具体步骤为：
S11：利用滤波器将惯导传感器和车载GPS的数据进行融合，得到初步的平面点位；
S12：对激光雷达发射器发射出激光射线，收集反射点距离和该反射点发生的时间和水平角度，并转换出反射点P的空间坐标Mp(Xp,Yp,Zp)。
3.根据权利要求2所述的基于多传感器融合的地图特征的高架桥中的车辆定位方法，其特征在于，所述步骤S2的具体步骤为：
S21：采用视觉相机获得视觉定位图像，通过定位图像前一帧的像素求解出当前帧的像素的旋转矩阵R和平移向量T，即相对于前一帧的姿态和位移；
S22：将当前帧的像素的坐标系转化成世界坐标系，转换的公式为：
Figure FDA0003016713920000011
其中，(Xc,Yc,Zc)为像素坐标系下的像素坐标，(Xw,Yw,Zw)为像素的世界坐系，R为旋转矩阵，T为平移矢量。
4.根据权利要求3所述的基于多传感器融合的地图特征的高架桥中的车辆定位方法，其特征在于，所述步骤S3的具体步骤为：
将所述步骤S1中的激光雷达数据和所述步骤S2中的视觉图像数据进行匹配融合，所述激光雷达数据的所述视觉图像数据的配准关系采用3X3的矩阵R1表示；依据相机的成像原理，若像素空间中的某一个点M在相机的像素空间坐标系下的齐次坐标为M1(X1,Y1,Z1)，同时激光雷达探测到的同一个点投影到图像坐标下的坐标为Mr(Xr,Yr,Zr)，则像素空间坐标系与激光雷达的空间坐标***存在的关系为：Mr＝R1*M1，然后根据关系式Mr＝R1*M1进行匹配融合，获得匹配特征点。
5.根据权利要求4所述的基于多传感器融合的地图特征的高架桥中的车辆定位方法，其特征在于，所述步骤S4的具体步骤为：
S41：将步骤S3中获得的匹配特点的坐标作为静态坐标标记到高精地图中，与车道线、停止线、倒流线、路灯进行匹配，若匹配特征点无效，则返回步骤S3重新进行匹配融合；若匹配特征点有效，则转至步骤S42；
S42：若匹配特征点有效，则将各个有效的匹配特征点数据抽象成地图中的元素的属性，从而获得行程特征点数据集；
S43：在每次实车测试验证时不断修正高精地图的特征数据集。
6.根据权利要求5所述的基于多传感器融合的地图特征的高架桥中的车辆定位方法，其特征在于，所述步骤S5具体包括以下步骤：
S51：调取有效探测范围内的高精度地图数据为定位基准；
S52：以GPS为初值，调取融合到高精地图里的特征数据做配准，修正车的位置和姿态信息，以完成辅助定位的功能。
CN202110390897.3A 2021-04-12 2021-04-12 基于多传感器融合的地图特征的高架桥中的车辆定位方法 Pending CN113093254A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110390897.3A CN113093254A (zh) 2021-04-12 2021-04-12 基于多传感器融合的地图特征的高架桥中的车辆定位方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110390897.3A CN113093254A (zh) 2021-04-12 2021-04-12 基于多传感器融合的地图特征的高架桥中的车辆定位方法

Publications (1)

Publication Number Publication Date
CN113093254A true CN113093254A (zh) 2021-07-09

Family

ID=76677166

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110390897.3A Pending CN113093254A (zh) 2021-04-12 2021-04-12 基于多传感器融合的地图特征的高架桥中的车辆定位方法

Country Status (1)

Country Link
CN (1) CN113093254A (zh)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113405555A (zh) * 2021-08-19 2021-09-17 智己汽车科技有限公司 一种自动驾驶的定位传感方法、***及装置
CN113580134A (zh) * 2021-08-03 2021-11-02 湖北亿咖通科技有限公司 视觉定位方法、设备、机器人、存储介质及程序产品
CN114187365A (zh) * 2021-12-09 2022-03-15 联陆智能交通科技(上海)有限公司 路侧感知***的相机与毫米波雷达联合标定方法及***
CN115468576A (zh) * 2022-09-29 2022-12-13 东风汽车股份有限公司 一种基于多模态数据融合的自动驾驶定位方法及***
CN115597592A (zh) * 2022-09-19 2023-01-13 中国人民解放军国防科技大学（Cn） 一种应用于无人机巡检的综合定位方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109031304A (zh) * 2018-06-06 2018-12-18 上海国际汽车城（集团）有限公司 基于视觉和毫米波雷达地图特征的隧道内车辆定位方法
WO2019157925A1 (zh) * 2018-02-13 2019-08-22 视辰信息科技(上海)有限公司 视觉惯性里程计的实现方法及***
CN110727009A (zh) * 2019-10-10 2020-01-24 武汉理工大学 一种基于车载环视图像的高精视觉地图构建和定位方法
CN111045017A (zh) * 2019-12-20 2020-04-21 成都理工大学 一种激光和视觉融合的巡检机器人变电站地图构建方法
WO2020237693A1 (zh) * 2019-05-31 2020-12-03 华南理工大学 一种水面无人装备多源感知方法及***

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2019157925A1 (zh) * 2018-02-13 2019-08-22 视辰信息科技(上海)有限公司 视觉惯性里程计的实现方法及***
CN109031304A (zh) * 2018-06-06 2018-12-18 上海国际汽车城（集团）有限公司 基于视觉和毫米波雷达地图特征的隧道内车辆定位方法
WO2020237693A1 (zh) * 2019-05-31 2020-12-03 华南理工大学 一种水面无人装备多源感知方法及***
CN110727009A (zh) * 2019-10-10 2020-01-24 武汉理工大学 一种基于车载环视图像的高精视觉地图构建和定位方法
CN111045017A (zh) * 2019-12-20 2020-04-21 成都理工大学 一种激光和视觉融合的巡检机器人变电站地图构建方法

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113580134A (zh) * 2021-08-03 2021-11-02 湖北亿咖通科技有限公司 视觉定位方法、设备、机器人、存储介质及程序产品
CN113580134B (zh) * 2021-08-03 2022-11-04 亿咖通(湖北)技术有限公司 视觉定位方法、设备、机器人、存储介质及程序产品
CN113405555A (zh) * 2021-08-19 2021-09-17 智己汽车科技有限公司 一种自动驾驶的定位传感方法、***及装置
CN113405555B (zh) * 2021-08-19 2021-11-23 智己汽车科技有限公司 一种自动驾驶的定位传感方法、***及装置
CN114187365A (zh) * 2021-12-09 2022-03-15 联陆智能交通科技(上海)有限公司 路侧感知***的相机与毫米波雷达联合标定方法及***
CN115597592A (zh) * 2022-09-19 2023-01-13 中国人民解放军国防科技大学（Cn） 一种应用于无人机巡检的综合定位方法
CN115597592B (zh) * 2022-09-19 2024-04-02 中国人民解放军国防科技大学 一种应用于无人机巡检的综合定位方法
CN115468576A (zh) * 2022-09-29 2022-12-13 东风汽车股份有限公司 一种基于多模态数据融合的自动驾驶定位方法及***

Similar Documents

Publication Publication Date Title
CN110057373B (zh) 用于生成高精细语义地图的方法、装置和计算机存储介质
CN113093254A (zh) 基于多传感器融合的地图特征的高架桥中的车辆定位方法
CN109946732B (zh) 一种基于多传感器数据融合的无人车定位方法
US20210199437A1 (en) Vehicular component control using maps
US9162682B2 (en) Method and device for determining the speed and/or position of a vehicle
CN101473195B (zh) 定位装置
Brenner Extraction of features from mobile laser scanning data for future driver assistance systems
EP3825807A1 (en) Method, device and assembly for map generation
JP4897542B2 (ja) 自己位置標定装置、自己位置標定方法および自己位置標定プログラム
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
CN112074885A (zh) 车道标志定位
US20060047423A1 (en) Navigation system and method for detecting deviation of mobile objects from route using same
CN106338993A (zh) 无人配送车以及无人配送车控制方法和装置
US11920950B2 (en) System and method for generating precise road lane map data
JP4596566B2 (ja) 自車情報認識装置及び自車情報認識方法
WO2013149149A1 (en) Method to identify driven lane on map and improve vehicle position estimate
CN112904395B (zh) 一种矿用车辆定位***及方法
Shunsuke et al. GNSS/INS/on-board camera integration for vehicle self-localization in urban canyon
WO2022041706A1 (zh) 一种定位方法、定位***和车辆
WO2021240884A1 (ja) 車両制御装置、および、自車位置推定方法
CN110018503B (zh) 车辆的定位方法及定位***
CN114111811A (zh) 一种自动驾驶公交客车的导航控制***和方法
JP7203805B2 (ja) 移動体の定位誤差の分析
CN206096937U (zh) 无人配送车
JP7323146B2 (ja) 情報処理方法、プログラム、及び情報処理装置

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