[发明专利]基于车道线检测和GIS地图信息开发的视觉导航方法

说明书

技术领域

本发明属于无人驾驶智能控制领域，涉及一种车辆智能驾驶的视觉导航方法，尤其是一种基于车道线检测和地理信息系统（Geographic InformationSystem，GIS）地图信息相结合所开发的视觉导航方法，用于实时评价和校验传统车道线检测结果的可靠性，提高智能驾驶视觉导航的精度。

背景技术

视觉导航是智能驾驶以及辅助驾驶中的关键技术步骤，是通过对视觉数据的处理(一般为图像数据)，提取环境中有用的信息，为驾驶决策提供可靠依据。车道线检测是其中一个重要方面，一般通过前视相机采集图像进行图像处理，获得路面情况的信息，包括在城市、乡村及高速等不同场景下车道线的数量、位置、宽度和交汇分叉等。车道线检测主要分为以下几个模块：图像预处理，特征提取，车道模型拟合，时域关联以及图像和世界坐标的转换。目前的车道线检测系统能满足在基本场景下的要求，但基于视觉的方法会受到多种因素的影响，比如道路多障碍物，路面标记不清，天气影响以及光照变化等。这些因素会导致系统出现误检和漏检，而且系统缺少对检测结果的校验和可信度的评价。另一方面，地理信息系统（GIS），GPS以及惯性测量单元（IMU）也开始广泛运用于自动驾驶及辅助驾驶的定位和导航中。其测量和定位的精度是关键问题。目前的商业用途的GPS能达到5-10m的精度范围，结合惯性导航单元可以提高到1-2m，但是对车道精度下车的导航行驶则需要对精度提出更高的要求。如何设计实现对车道检测进行校验和评价，使检测方法适应不同的复杂环境，增强算法的鲁棒性，提高检测结果可信度，同时提高定位和导航的精度的方法已成为汽车自动驾驶及辅助驾驶的研究热点之一。

发明内容

本发明的目的在于克服上述的技术缺陷，提供一种基于车道线检测和GIS地图信息开发的视觉导航方法，该视觉导航方法既能通过地理信息系统对车道线检测结果进行可信度评价，在出现误检或漏检时进行校正，扩大车道检测算法的适用范围，又能通过视觉信息提高地图定位的精度，从而提高整个视觉导航系统的性能。

为达到上述目的，本发明采用了以下技术方案。

本发明假设初始状态时车体定位在给出的GIS地图中，得到初始化数据后，实时更新局部地图，然后和车道线检测结果进行匹配校验。

为了保证本发明的稳定性和适用性，该方法基于如下几个假设：1.已经将GIS地图信息经过预处理，给出车将要行驶路段的道路边缘点以及相应的路口点作为先验信息；2.给出的GPS道路边缘点与路口点均为顺序存储结构，依次对应于车辆行驶的路段并指导车辆按该路径行驶；3.由GPS及惯性导航单元定位的误差及精度在可接受范围（半个车道宽度约2m）以内。

本发明所述方法主要包括以下步骤：

1）预先采集GIS地图信息并进行预处理；

2）实时采集图像并进行车道线检测；

3）实时生成GIS局部地图；

4）将车道线检测结果与GIS局部地图进行匹配校验；

5）根据匹配结果生成可信度高的车道线结果。

所述步骤1）中，通过位姿测量设备预先采集全局地图的道路边缘数据，并对道路边缘数据进行光滑滤波处理，得到全局地图的道路边缘点集。

所述步骤2）中，通过图像采集设备（包括车载数字相机和固定焦距镜头等），采用基于单目视觉的、时域关联下进行特征提取以及车道模型拟合的检测方法实时检测路面车道线。

所述步骤3）中，通过位姿测量设备（包括惯性组合导航系统，光纤陀螺，车载里程计和前轮转角测量计等），实时获得当前车体位置，并在GIS全局地图中定位，然后按照局部地图模型生成局部环境地图。

所述步骤4）中，结合步骤2）与步骤3）的结果，在相同尺度下运用迭代最近点（Iterative Closest Point，ICP）算法对车道线检测结果与GIS局部道路边缘进行滑动匹配校验，获得最佳匹配位置及最大匹配误差，匹配时根据车道线模型以及局部地图模型分组匹配，选择匹配最优的一组。

所述步骤5）中，根据步骤4）得到的匹配结果，将最佳匹配位置下的最大匹配误差与阈值相比较，确定车道线检测结果的可信度，然后修正平移距离及定位的位置信息。

若检测结果不可信，则按照道路边缘线生成虚拟车道线。

通过车道线位置约束提高检测结果的正确性和稳定性，最终选择相应方案生成精确度高的车道线结果。

本发明的有益效果体现在：