[發(fā)明專利]基于視覺和毫米波雷達地圖特征的隧道內(nèi)車輛定位方法

在審

• 申請?zhí)枺?/td>: 201810575879.0
• 申請日: 2018-06-06
• 公開（公告）號: CN109031304A
• 公開（公告）日: 2018-12-18
• 發(fā)明（設計）人: 李霖;陳海林;顧磊敏;林瑜;周柳;鄭虎;李梟;金葉蒙;高瓊;王亦科;李明
• 申請（專利權）人: 上海國際汽車城（集團）有限公司;上海淞泓智能汽車科技有限公司;武漢環(huán)宇智行科技有限公司
• 主分類號: G01S13/93
• 分類號: G01S13/93;G01S13/86
• 代理公司: 上海科盛知識產(chǎn)權代理有限公司 31225
• 代理人: 應小波

1.一種基于視覺和毫米波雷達地圖特征的隧道內(nèi)車輛定位方法，其特征在于，將感知特征點數(shù)據(jù)集與高精度地圖層數(shù)據(jù)相融合，使無人駕駛車輛在光照暗和定位信號弱的環(huán)境下行駛時，根據(jù)從地圖端提取融合的數(shù)據(jù)與GPS數(shù)據(jù)，推算出精確的車身位置。

2.根據(jù)權利要求1中任一所述的基于視覺和毫米波雷達地圖特征的隧道內(nèi)車輛定位方法，其特征在于，所述的感知特征點數(shù)據(jù)集為立體視覺與毫米波雷達檢測出的特征點數(shù)據(jù)元經(jīng)過配準融合而形成。

3.根據(jù)權利要求2所述的基于視覺和毫米波雷達地圖特征的隧道內(nèi)車輛定位方法，其特征在于，所述的立體視覺提取的目標包括：車道線、路沿、隧道口和信號燈柱，所述的毫米波雷達探測各種靜態(tài)目標，包括：信號燈柱和路燈柱。

4.根據(jù)權利要求2所述的基于視覺和毫米波雷達地圖特征的隧道內(nèi)車輛定位方法，其特征在于，所述的車輛定位方法包括以下步驟：

步驟1、立體視覺相機重建場景和特征點提取；

步驟2、毫米波雷達的特征點提取；

步驟3、毫米波雷達數(shù)據(jù)與圖像數(shù)據(jù)配準；

步驟4、配準后的特征點數(shù)據(jù)集融合到地圖；

步驟5、行駛時從地圖中的特征點推導出自身位置。

5.根據(jù)權利要求4所述的基于視覺和毫米波雷達地圖特征的隧道內(nèi)車輛定位方法，其特征在于，所述的步驟1中的立體視覺相機重建場景包括：立體視覺相機重建場景采用雙目立體視覺的方案，以SLAM算法為基礎，將深度圖中的平面信息加入幀間配準算法，使用截斷符號距離函數(shù)體重建方法。

6.根據(jù)權利要求4所述的基于視覺和毫米波雷達地圖特征的隧道內(nèi)車輛定位方法，其特征在于，所述的步驟1中的特征點提取為從圖像幀數(shù)據(jù)中提取出車道線、路沿、信號燈柱和隧道口的靜態(tài)目標的角點即特征點，包括以下步驟：

步驟1.1、通過前一幀圖像求解出當前幀的旋轉矩陣R和平移向量t，即相對于前一幀的姿態(tài)和位移；

步驟1.2、像素坐標系到世界坐標系的轉換，假設空間點P在世界坐標下的齊次坐標是(Xw,Yw,Zw,1)^T，相機坐標下的齊次坐標是(Xc,Yc,Zc,1)^T，圖像坐標是(x,y),像素坐標為(u,v)，在圖像坐標系下，一個像素在x軸和y軸方向上的物理尺寸為d_x,d_y；圖像中心點為像素原點(u₀,v₀)，像素坐標與圖像坐標之間的轉換關系為：

若f為相機的焦距，則圖像坐標與相機坐標的轉換關系為；

基于R和T，相機坐標系與世界坐標系的轉換關系為；

所述的提取算法基于深度學習的框架并采用RANSAC算法加以優(yōu)化，消除掉錯誤的特征匹配點。

7.根據(jù)權利要求4所述的基于視覺和毫米波雷達地圖特征的隧道內(nèi)車輛定位方法，其特征在于，所述的步驟2為從雷達掃描幀數(shù)據(jù)中提取出信號燈柱的相對距離、角度等并解算出位置，所述的標的物的位置是一個世界坐標系下的二維坐標(X,Y)。

8.根據(jù)權利要求4所述的基于視覺和毫米波雷達地圖特征的隧道內(nèi)車輛定位方法，其特征在于，所述的步驟3具體包括：

步驟3.1、毫米波雷達數(shù)據(jù)與圖像數(shù)據(jù)的配準關系用一個2X3的矩陣R表示；

步驟3.2、依據(jù)相機的成像原理，若空間中某一個點M在相機坐標系下的齊次坐標為Mc(Xc,Yc,Zc)，雷達探測到的同一個點投影到圖像坐標下的坐標為Mr(Xr,Yr)，存在這樣的關系：Mr＝R*Mc；

步驟3.3、若已知坐標Mr和Mc，就得到毫米波雷達數(shù)據(jù)與圖像數(shù)據(jù)之間的配準關系R。