一種自動(dòng)駕駛中基于城市道路標(biāo)線地圖的縱向定位系統(tǒng)及其方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及智能駕駛技術(shù)領(lǐng)域，尤其涉及一種自動(dòng)駕駛中基于城市道路標(biāo)線地圖 的縱向定位系統(tǒng)及其方法。
【背景技術(shù)】
[0002] 對于智能駕駛、輔助安全駕駛領(lǐng)域而言，車輛自身的導(dǎo)航與定位是不可缺少的基 礎(chǔ)功能。車輛自導(dǎo)航，能夠解決智能駕駛中如何自動(dòng)的、經(jīng)濟(jì)的、便捷的規(guī)劃始發(fā)地與目的 地之間的駕駛路線;車輛自定位，則決定了在導(dǎo)航規(guī)劃的路線中，能否準(zhǔn)確的、安全的、快捷 的完成自動(dòng)駕駛的行駛動(dòng)作。
[0003] 現(xiàn)階段應(yīng)用較廣泛的導(dǎo)航技術(shù)所依賴的是傳統(tǒng)的、低精度的、道路級的地圖數(shù)據(jù)， 由航空器、衛(wèi)星所采集的測繪影像數(shù)據(jù)生成，一般而言完全無法達(dá)到能夠檢測出清晰道路 標(biāo)線的地面分辨率，然而車輛的智能駕駛卻依賴著高精度的、車道級的地圖影像數(shù)據(jù)，需要 實(shí)時(shí)的對當(dāng)前行駛軌跡作出策略層上的判斷。
[0004] 對于車輛自身的定位技術(shù)，現(xiàn)階段普遍采取的是GNSS(全球?qū)Ш叫l(wèi)星系統(tǒng)，Global Navigation Satellite System)和/或 INS(慣性導(dǎo)航系統(tǒng)，Inertial Navigation System)。在室外開闊地帶GNSS定位誤差可以小于0.1M，但是由于存在NL0S(非視距，Non-Line-Of-Sight)傳播信號及信號的Multipath(多路徑）效應(yīng)對于GNSS定位信號的影響，在 城市復(fù)雜環(huán)境下GNSS定位精度將受到較大干擾;而采用INS的定位系統(tǒng)，可以連續(xù)推算移動(dòng) 目標(biāo)的運(yùn)動(dòng)速度和運(yùn)動(dòng)方向，但由于累積誤差的存在，INS的定位精度會隨著時(shí)間增長而退 化、降低。
[0005] -般的，現(xiàn)有車載導(dǎo)航設(shè)備中INS系統(tǒng)會與GNSS系統(tǒng)結(jié)合使用，依賴INS在短時(shí)間 段內(nèi)的高精度來校正GNSS的定位誤差。然而，由于車輛行駛中轉(zhuǎn)向、車輪或編碼器等出現(xiàn)滑 動(dòng)等因素的存在，集成GNSS與INS的定位系統(tǒng)仍然無法達(dá)到城市路段中的車道級別高精度 定位的需求。
[0006] 在復(fù)雜的城市環(huán)境中，只有當(dāng)車輛獲取到當(dāng)前精確的位置信息與行駛中的車道信 息，才能夠達(dá)到無人駕駛車輛的基本技術(shù)要求。

【發(fā)明內(nèi)容】

[0007] 為了克服現(xiàn)有技術(shù)的不足，本發(fā)明提供一種自動(dòng)駕駛中基于城市道路標(biāo)線地圖的 縱向定位系統(tǒng)及其方法。通過智能駕駛車輛采集到的當(dāng)前道路標(biāo)線信息，結(jié)合當(dāng)前GNSS給 出的存在誤差的定位點(diǎn)坐標(biāo)，進(jìn)一步在當(dāng)前定位點(diǎn)坐標(biāo)附近進(jìn)行基于道路標(biāo)線地圖的車輛 縱向定位，以此來校正、重定位當(dāng)前車輛的準(zhǔn)確位置。
[0008] 本發(fā)明所采用的技術(shù)方案是：
[0009] -種自動(dòng)駕駛中基于城市道路標(biāo)線地圖的縱向定位系統(tǒng)，包括：
[0010] 圖像采集模塊，用于采集車輛前方圖像；
[0011] 圖像處理模塊，用于將采集到的車輛前方圖像進(jìn)行處理，得到當(dāng)前車輛前方的鳥 瞰視圖及前方道路標(biāo)線像素分類的二值圖；
[0012] 匹配模塊，用于接收道路標(biāo)線地圖信息、當(dāng)前道路標(biāo)線像素分類的二值圖、初步定 位信息，并對三者進(jìn)行匹配，輸出精確定位信息；
[0013]地圖提供模塊，用于向匹配模塊提供道路標(biāo)線地圖信息；
[0014]車載全球?qū)Ш叫l(wèi)星系統(tǒng)GNSS，用于與INS結(jié)合向匹配模塊提供初步定位信息；
[0015]慣性導(dǎo)航系統(tǒng)INS，用于與GNSS結(jié)合向匹配模塊提供初步定位信息。
[0016] 作為優(yōu)選，所述地圖提供模塊根據(jù)圖像匹配模塊連續(xù)的匹配結(jié)果進(jìn)行地圖更新。
[0017] 作為優(yōu)選，所述車載全球?qū)Ш叫l(wèi)星系統(tǒng)GNSS和慣性導(dǎo)航系統(tǒng)INS根據(jù)匹配模塊輸 出的精確定位信息進(jìn)行定位誤差校正。
[0018] -種自動(dòng)駕駛中基于城市道路標(biāo)線地圖的縱向定位方法，包括以下步驟：
[0019] 步驟1、在智能駕駛車輛上，前向安裝圖像采集模塊，動(dòng)態(tài)的獲取到車輛前方圖像；
[0020] 步驟2、對圖像采集模塊采集到的每一幀場景圖像進(jìn)行逆透視變換，得到當(dāng)前車輛 前方的道路平面的正射投影視圖；
[0021] 步驟3、對步驟2中經(jīng)過逆透視變換得到的正射投影視圖進(jìn)行圖像閾值分割處理， 并經(jīng)過分類篩選得到正射投影圖像中屬于路面道路標(biāo)線像素分類的二值圖；
[0022]步驟4、通過GNSS系統(tǒng)和INS系統(tǒng)得到初步定位信息并結(jié)合城市道路標(biāo)線地圖確定 定位點(diǎn)周圍的道路標(biāo)線區(qū)塊；
[0023] 步驟5、對步驟3得到的車輛前方道路標(biāo)線像素分類的二值圖與步驟4得到的道路 標(biāo)線區(qū)塊進(jìn)行匹配，判定最大相似匹配點(diǎn)，即得到了當(dāng)前道路標(biāo)線的二值圖中特定道路標(biāo) 線的物理定位點(diǎn)，再結(jié)合攝像頭與車輛安裝時(shí)的位置關(guān)系，推算當(dāng)前車輛在道路平面上的 物理定位點(diǎn)；
[0024] 作為優(yōu)選，步驟1還包括記錄圖像采集模塊的參數(shù)，包括攝像頭的相機(jī)內(nèi)參數(shù)、攝 像頭安裝時(shí)距離地面的高度h、攝像頭視場角度，并以此建立逆透視變換矩陣。
[0025] 作為優(yōu)選，步驟3中通過多類別之間的類間方差，和/或KMeans聚類方法，和/或 FloodFi 11運(yùn)算得到初始分割閾值序列。
[0026] 作為優(yōu)選，該方法還包括根據(jù)最終確定的當(dāng)前車輛在道路平面上的物理定位點(diǎn)， 對GNSS系統(tǒng)進(jìn)行重新校正，消除INS系統(tǒng)中的積累誤差。
[0027] 作為優(yōu)選，該方法還包括根據(jù)步驟3中得到的道路標(biāo)線像素的二值圖進(jìn)行標(biāo)線地 圖更新，具體步驟如下：
[0028]步驟301:結(jié)合INS在短距離運(yùn)行間隔時(shí)的高精度特性，記錄每次采集與前一次采 集時(shí)，車輛的行進(jìn)軌跡、位置、速度以及方向，以便每一幀道路標(biāo)線正射二值圖能夠正確的 拼接在全局道路標(biāo)線地圖上；
[0029]步驟302:根據(jù)越靠近攝像頭所成像的道路標(biāo)線圖像像素點(diǎn)，其攜帶正確信息的概 率越大的特點(diǎn)，對閾值分割處理后的道路標(biāo)線圖像像素點(diǎn)進(jìn)行加權(quán)計(jì)算得到道路標(biāo)線正射 概率圖；
[0030] 步驟303:對步驟302得到的正射概率圖進(jìn)行信息融合，生成或更新當(dāng)前的全局道 路標(biāo)線地圖。
[0031] 作為優(yōu)選，步驟303中所采用的信息融合方法包括DS證據(jù)理論、隱馬爾科夫狀態(tài)轉(zhuǎn) 移過程。
[0032] 與現(xiàn)有技術(shù)相比，本發(fā)明具有以下優(yōu)點(diǎn)：
[0033] 1.能夠有效的在城市復(fù)雜環(huán)境下的結(jié)構(gòu)化道路上，利用靜止的道路標(biāo)線的絕對位 置，對GNSS定位進(jìn)行輔助校正、對INS系統(tǒng)進(jìn)行積累誤差的消除；
[0034] 2.定位過程實(shí)質(zhì)上是在地圖的局部搜索極大相似區(qū)域，可以通過卷積操作快速完 成;如果當(dāng)前道路標(biāo)線存在污損、殘缺，無法完整的進(jìn)行圖像閾值分割，本方法仍然能夠給 出一個(gè)近似的地圖匹配點(diǎn)，處理流程魯棒性較好，實(shí)用區(qū)域廣泛。
【附圖說明】
[0035] 圖1是根據(jù)本
【發(fā)明內(nèi)容】
實(shí)施的系統(tǒng)結(jié)構(gòu)示意圖；
[0036] 圖2是根據(jù)本
【發(fā)明內(nèi)容】
實(shí)施的方法流程圖；
[0037] 圖3是道路標(biāo)線地圖的采集與生成過程的示意圖；
[0038] 圖4表示了根據(jù)本
【發(fā)明內(nèi)容】
的實(shí)施的用于描述逆透視變換（IPM)時(shí)的攝像頭場景 示意性圖像，其中（a)是智能駕駛車輛攝像頭采集到的圖像，（b)是經(jīng)過IPM后的正射視圖， (c)說明了透視圖與正射圖在像素點(diǎn)單應(yīng)性上的區(qū)別；
[0039] 圖5是根據(jù)本發(fā)明的實(shí)施例中智能駕駛車輛車載視覺系統(tǒng)中攝像頭安裝示意性框 圖；
【具體實(shí)施方式】
[0040] 為了使本發(fā)明的上述目的、特征和優(yōu)點(diǎn)能夠更加明顯易懂，下面結(jié)合附圖對本發(fā) 明的【具體實(shí)施方式】做詳細(xì)的說明。
[0041] 參見圖1，該圖為本發(fā)明實(shí)施例提供的基于城市道路標(biāo)線地圖的縱向定位系統(tǒng)結(jié) 構(gòu)示意圖，系統(tǒng)包括：
[0042]圖像采集模塊，用于采集車輛前方圖像，該模塊中攝像頭安裝時(shí)距地高度h，攝像 頭視場與地面夾角由theta標(biāo)示，如圖5所示；
[0043]圖像處理模塊，用于將采集到的車輛前方圖像進(jìn)行處理，得到當(dāng)前車輛前方的鳥 瞰視圖及前方道路標(biāo)線像素分類的二值圖；
[0044]匹配模塊，用于接收道路標(biāo)線地圖信息、當(dāng)前道路標(biāo)線像素分類的二值圖、初步定 位信息，并對三者進(jìn)行匹配，輸出精確定位信息；
[0045]地圖提供模塊，該模塊內(nèi)預(yù)先存儲有城市道路標(biāo)線地圖，用于向匹配模塊提供道 路標(biāo)線地圖信息，并根據(jù)系統(tǒng)最終輸出的精確定位信息，重新生成或更新道路標(biāo)線地圖； [0046]車載全球?qū)Ш叫l(wèi)星系統(tǒng)GNSS和/或慣性導(dǎo)航系統(tǒng)INS，二者結(jié)合，用于向匹配模塊 提供初步定位信息，并根據(jù)系統(tǒng)最終輸出的精確定位信息，校正GNSS定位信息、消除INS積 累誤差。
[0047]圖2所示為根據(jù)本
【發(fā)明內(nèi)容】
實(shí)施的方法流程圖，一種基于城市道路標(biāo)線地圖的縱 向定位方法，包括以下步驟：
[0048] (1)智能駕駛車輛上前向安裝的攝像頭實(shí)時(shí)采集當(dāng)前前方道路場景視頻流，并獲 取當(dāng)前幀的圖像數(shù)據(jù)，通過預(yù)先標(biāo)定得到的逆透視變換矩陣，將得到此時(shí)的正射影像視圖； [0049]所述的逆透視變換矩陣依賴以下三部分參數(shù)，攝像頭的相機(jī)內(nèi)參數(shù)，攝像頭安裝 時(shí)距離地面的高度，以及攝像頭的相機(jī)視場角度；
[0050]攝像頭安裝的參數(shù)部分，由本說明書附圖5攝像頭示意性框圖所示，其中攝像頭安 裝時(shí)距地高度h，攝像頭視場與地面夾角由theta標(biāo)示；
[0051 ]通過對當(dāng)前攝像頭采集的圖像，應(yīng)用逆透視變換矩陣，可將視角轉(zhuǎn)為鳥瞰形式，即 得到當(dāng)前道路場景的正射影像。在正射視圖中，道路標(biāo)線能夠保持形狀、位置不變的平面特 性。
[0052] (2)圖像分割閾值的計(jì)算及相應(yīng)二值化操作。
[0053]在本實(shí)施例中，對于原場景彩色圖像需要首先灰度化，可以按照一般地彩色RGB圖 像灰度化方法進(jìn)行：
[0054]假定RGB彩色三通道圖像上位于某一像素點(diǎn)處的像素值為(r，g，b)，那么灰度化時(shí) 該點(diǎn)處的像素值為0.299*r+0.587*g+0.114*b。
[0055] 本實(shí)施例中所需的分割閾值即可通過可選的以下方法初步判定:多類別之間的類 間方差方法，和/或KMeans聚類方法，和/或FloodFill運(yùn)算，使得當(dāng)前道路場景圖像