[發(fā)明專利]一種面向動態(tài)泊車環(huán)境的同時定位及混合地圖構(gòu)建方法

有效

• 申請?zhí)枺?/td>: 201810969002.X
• 申請日: 2018-08-23
• 公開（公告）號: CN109186586B
• 公開（公告）日: 2022-03-18
• 發(fā)明（設(shè)計）人: 楊毅;王健行;蔣斯坦;唐笛;付夢印
• 申請（專利權(quán)）人: 北京理工大學(xué)
• 主分類號: G01C21/00
• 分類號: G01C21/00;G06T7/80
• 代理公司: 北京理工大學(xué)專利中心 11120
• 代理人: 李微微;仇蕾安

本發(fā)明公開了一種面向動態(tài)泊車環(huán)境的同時定位及混合地圖構(gòu)建方法，通過引入環(huán)境的語義信息進(jìn)行數(shù)據(jù)關(guān)聯(lián)，將用于定位的特征點地圖中的動態(tài)目標(biāo)進(jìn)行剔除，同時在定位時引入停車位等靜態(tài)語義信息，從而提高在動態(tài)環(huán)境下的定位精度；使用全景立體視覺平臺作為系統(tǒng)唯一環(huán)境感知來源，結(jié)合全景相機(jī)及視覺的優(yōu)點，不經(jīng)具有環(huán)境準(zhǔn)確的尺度信息，同時由于視野廣，特征點在地圖中停留時間長，因此可以提高定位精度；可以將停車位等語義信息與環(huán)境中的拓?fù)渎肪W(wǎng)結(jié)構(gòu)進(jìn)行融合，可以有效提高路徑規(guī)劃的效率，從而進(jìn)一步提高自主泊車系統(tǒng)的實時性。

技術(shù)領(lǐng)域

本發(fā)明屬于無人駕駛方面的自主泊車領(lǐng)域，涉及地面無人移動平臺在動態(tài)變化的停車場中通過同時定位與地圖構(gòu)建方法完成準(zhǔn)確定位及混合地圖構(gòu)建。

背景技術(shù)

近年來，隨著社會的發(fā)展和科學(xué)技術(shù)的進(jìn)步，全球汽車保有量及汽車產(chǎn)量不斷攀升。汽車的普及引發(fā)了交通擁堵以及停車?yán)щy等問題。此外，由于停車場的空間一般都比較擁擠狹窄，由于人為操作失誤導(dǎo)致在泊車過程中發(fā)生剮蹭乃至造成傷亡事故的案例也層出不窮。

目前智能泊車系統(tǒng)主要分為被動式泊車輔助、半自主式泊車以及全自主泊車。被動式泊車輔助系統(tǒng)通過倒車?yán)走_(dá)、攝像頭、超聲波等低成本傳感器為駕駛員提供泊車環(huán)境影像等信息。半自主式泊車在此基礎(chǔ)上添加了局部路徑規(guī)劃功能，駕駛員只需要負(fù)責(zé)油門及剎車控制。而全自主泊車需要車輛主動尋找可用車位并完成泊車操作。

本發(fā)明針對全自主泊車系統(tǒng)進(jìn)行展開。由于泊車環(huán)境存在動態(tài)變化的特點，現(xiàn)有的環(huán)境感知系統(tǒng)并不能滿足全自主泊車系統(tǒng)的需求，構(gòu)建的停車場地圖往往由于環(huán)境變化無法重復(fù)使用，因此車輛必須在每次泊車操作時重新構(gòu)建環(huán)境地圖，泊車效率極低。因此，本發(fā)明提出使用全景立體視覺感知系統(tǒng)對停車場環(huán)境進(jìn)行感知，同時準(zhǔn)確高效的實現(xiàn)車輛定位與混合地圖構(gòu)建，具有重要的研究意義和應(yīng)用前景。

發(fā)明內(nèi)容

有鑒于此，本發(fā)明針對停車場環(huán)境動態(tài)變化的特點以及自主泊車對環(huán)境感知方面的需求，通過車載全景立體視覺全面的對停車場環(huán)境進(jìn)行感知并構(gòu)建混合地圖，同時引入環(huán)境語義信息將地圖中動態(tài)的特征點進(jìn)行處理，實現(xiàn)車輛在動態(tài)環(huán)境中的準(zhǔn)確定位。此外，本發(fā)明構(gòu)建的混合地圖具有拓?fù)浣Y(jié)構(gòu)及豐富的語義信息，可用于無人車定位、導(dǎo)航及路徑規(guī)劃等操作。

本發(fā)明的一種面向動態(tài)泊車環(huán)境的同時定位與混合地圖構(gòu)建方法，使用全景立體視覺系統(tǒng)獲得環(huán)境的實時雙目全景圖像，針對獲得的每一幀雙目全景圖像，采用如下步驟進(jìn)行處理：

步驟S1：針對當(dāng)前幀的雙目全景圖像，基于視覺SLAM方法進(jìn)行相機(jī)位姿估計及環(huán)境特征點地圖的構(gòu)建；在環(huán)境特征點地圖中，基于步驟S3利用上一幀雙目全景圖像獲得的圖像語義信息對特征點賦予語義信息，并將屬于動態(tài)語義目標(biāo)的特征點剔除；最后，使用數(shù)據(jù)關(guān)聯(lián)后的特征地圖進(jìn)行匹配獲得車輛位姿；

步驟S2：利用當(dāng)前幀的雙目全景圖像通過雙目稠密匹配算法完成停車場環(huán)境的三維稠密重建，構(gòu)建三維稠密點云地圖；再通過柵格化方法對三維稠密點圖地圖進(jìn)行處理，獲得停車場環(huán)境的三維柵格地圖；最后使用體素擴(kuò)展和融合算法將柵格地圖中的自由空間聚類成多個凸集，以此提取環(huán)境拓?fù)渎肪W(wǎng)結(jié)構(gòu)，構(gòu)建環(huán)境的拓?fù)涞貓D；

步驟S3：針對當(dāng)前幀的雙目全景圖像，提取停車場環(huán)境的語義信息，并結(jié)合所述車輛位姿構(gòu)建語義地圖；將三維柵格地圖、拓?fù)涞貓D以及語義地圖進(jìn)行地圖融合，構(gòu)建用于車輛路徑規(guī)劃及導(dǎo)航的拓?fù)?語義混合地圖。

較佳的，在步驟S3中構(gòu)建拓?fù)?語義混合地圖時，將語義地圖中的停車位信息作為拓?fù)涞貓D中的節(jié)點，與拓?fù)涞貓D中的路網(wǎng)結(jié)構(gòu)進(jìn)行連通，從而構(gòu)建拓?fù)?語義混合地圖。

較佳的，步驟S1中，基于視覺SLAM方法進(jìn)行相機(jī)位姿估計及環(huán)境特征點地圖構(gòu)建的具體方法為：對圖像進(jìn)行ORB特征提取、特征匹配、相鄰幀間匹配、后端優(yōu)化以及回環(huán)檢測。

本發(fā)明具有如下有益效果：