[發(fā)明專利]毫米波雷達與高精矢量地圖匹配的車道級定位方法與系統(tǒng)

有效

• 申請?zhí)枺?/td>: 201910017200.0
• 申請日: 2019-01-08
• 公開（公告）號: CN109870689B
• 公開（公告）日: 2021-06-04
• 發(fā)明（設計）人: 楊貴;陳旭梅;施忠繼;劉奮
• 申請（專利權）人: 武漢中海庭數據技術有限公司
• 主分類號: G01S13/931
• 分類號: G01S13/931;G01C21/00
• 代理公司: 武漢藍寶石專利代理事務所(特殊普通合伙) 42242
• 代理人: 謝洋

本發(fā)明實施例提供了一種毫米波雷達與高精矢量地圖匹配的車道級定位方法與系統(tǒng)，方法包括：基于毫米波雷達測量數據，識別道路邊界；將所述道路邊界在高精矢量地圖上進行地圖匹配，得到車輛在地圖上的橫縱向位置；將所述車輛在地圖上的橫縱向位置作為當前車道的定位結果。本發(fā)明實施例提供的毫米波雷達與高精矢量地圖匹配的車道級定位方法及系統(tǒng)，基于智能汽車上毫米波雷達測量數據識別道路邊界，并與高精度地圖匹配得到車輛在地圖上的橫縱向位置，定位精度高且推廣性較強。

技術領域

本發(fā)明實施例涉及智能駕駛技術領域，尤其涉及一種毫米波雷達與高精矢量地圖匹配的車道級定位方法與系統(tǒng)。

背景技術

車道級定位是提高L2-L3級智能駕駛汽車安全性的必要手段，智能駕駛汽車需要結合自車在當前道路內的車道，完成變道、超車等功能。缺少車道級定位功能，有可能會導致智能車撞擊路側、錯過分岔路口。

現(xiàn)有較為成熟的定位方法包括GPS/RTK定位、視覺匹配定位、激光雷達匹配定位。1)GPS/RTK定位：復雜環(huán)境下存在遮擋和干擾，定位場景受限。由于地圖存在偏移，GPS/RTK定出的絕對位置無法與地圖的位置精確關聯(lián)。2)基于視覺匹配定位方式：容易受到逆光環(huán)境、雨雪的影響，對天氣的適應力不足，計算復雜。3)基于激光雷達的定位方式：需要高成本激光雷達，5年時間內很難在實際量產車上使用。且激光雷達定位圖層數據量十分龐大，難以在實際量產車中存儲和動態(tài)更新。若不高頻率更新，遇到修路等導致的場景變化時定位會失效。

因此，現(xiàn)在亟需一種新的車道級定位方法來解決上述問題。

發(fā)明內容

為了解決上述問題，本發(fā)明實施例提供一種克服上述問題或者至少部分地解決上述問題的一種毫米波雷達與高精矢量地圖匹配的車道級定位方法與系統(tǒng)

第一方面本發(fā)明實施例提供毫米波雷達與高精矢量地圖匹配的車道級定位方法，包括：

基于毫米波雷達測量數據，識別道路邊界；

將所述道路邊界在高精矢量地圖上進行地圖匹配，得到車輛在地圖上的橫縱向位置；

將所述車輛在地圖上的橫縱向位置作為當前車道的定位結果。

其中，在所述基于毫米波雷達測量數據，識別道路邊界之前，所述方法還包括：

對所述車輛進行初始標定，并根據GPS數據初步確定所述車輛的位置。

其中，所述基于毫米波雷達測量數據，識別道路邊界包括：

根據傳感器的標定參數，對一幀毫米波雷達測量數據進行校正；

根據毫米波雷達探測時刻車輛的位置姿態(tài)，對毫米波雷達測量數據進行校正；

將毫米波雷達測量數據拼接；

基于訓練后的神經網絡，對毫米波雷達測量數據進行分類，從毫米波雷達測量數據中識別出道路邊界。

其中，包括：

生成二維柵格地圖；

使用反算后2D的毫米波數據與所述二維柵格匹配，尋找每個點最近的道路邊界柵格位置，并記錄得到每一個點與最近道路邊界位置的對應集合；

基于SVD分解法，根據坐標位置和匹配位置兩組數據集，計算得到車輛在地圖中的橫縱向位置。

其中，所述方法還包括：

基于ADAS相機，識別道路交通標示；

將所述道路交通標示和所述高精矢量地圖上進行地圖匹配，提升車輛的縱向定位精度。

其中，所述基于ADAS相機，識別道路交通標示，包括：