[发明专利]基于GNSS和VO融合的无人驾驶车辆导航定位精度矫正方法

说明书

技术领域

本发明涉及基于GNSS和VO融合的无人驾驶车辆导航定位精度矫正方法，属于无人驾驶车载组合导航技术领域。

背景技术

随着汽车的普及和使用频率的上升，道路拥堵、环境污染与交通事故已经成为人们不得不面对的问题。发展无人驾驶车辆及研究车辆的自主行驶系统是目前实现安全、高效交通的最佳选择。定位作为无人驾驶车辆的关键技术，是目前车载导航系统亟待解决的问题。早期的车辆定位系统中常使用的是全球卫星导航系统GNSS(GPS,GLONASS,Galileo,BeiDou)。GNSS可以提供全球性的、高精度的定位服务，但是受到卫星轨道误差、时钟误差以及信号传播误差等的影响，GNSS的定位精度只能达到米级。虽然通过载波相位差分技术可以将定位精度提高到厘米级，但是在建筑物密集的城市区域，由于卫星信号受到阻挡以及多路径效应等因素的干扰，GNSS往往无法满足无人驾驶汽车的定位需求。

为了弥补GNSS的缺陷，通常采用组合导航的方式来提高车载导航系统的精度与鲁棒性。例如自主导航系统，基于车辆的相对运动模型，可以由车辆的上一个位置信息计算出车辆当前的位置。早期车辆自主定位系统常使用轮速编码器来进行航迹推算。然而，轮速编码器存在原理性的累积误差，并且在某些特殊环境下(如土质疏松、轮胎打滑等)会出现失误，不能确保得到精确的车辆位置与姿态估计。另一种常用的基于航位推算的自主定位方法是惯性导航系统(Inertial Navigation System，INS)，通过测量载体相对于惯性空间的角速度和加速度，再对测量的值进行积分来推算而获得载体的导航参数并实时输出。但是，在GNSS信号受干扰区域，GNSS/INS组合系统的误差会随着时间而逐渐积累，无法完成无人驾驶汽车的精准定位；且高精度的惯性传感器价格昂贵，不利于无人驾驶汽车的产业化发展。

发明内容

本发明所要解决的技术问题是：提供基于GNSS和VO融合的无人驾驶车辆导航定位精度矫正方法，解决了现有组合导航系统价格昂贵、精度低、可靠性差的问题。

本发明为解决上述技术问题采用以下技术方案：

基于GNSS和VO融合的无人驾驶车辆导航定位精度矫正方法，包括如下步骤：

步骤1，实时获取车辆正前方的图像，对图像中的车道线进行检测，提取车辆在道路坐标系下的航向角和横向位置；

步骤2，基于视觉里程计方法求解车辆运动的6自由度运动参数，利用车辆在道路坐标系下的航向角和横向位置修正6自由度运动参数，得到车辆的视觉定位坐标；

步骤3，根据全球卫星导航系统获取车辆的GNSS定位坐标，利用卡尔曼滤波器将车辆的视觉定位坐标与GNSS定位坐标进行融合矫正，得到车辆矫正后的定位坐标。

作为本发明的一种优选方案，步骤1所述具体过程如下：

利用摄像机实时获取车辆正前方的图像，对图像逐行进行处理：首先对图像中各行，采用对水平方向敏感的Sobel算法增强边缘，然后对行信息进行二值化处理，对二值化后行信息采用车道线内边缘提取算法，提取车道线内边缘点，并采用hough变换拟合车道线，得到车道线极坐标参数，进而提取车辆在道路坐标系下的航向角和横向位置。

作为本发明的一种优选方案，步骤2所述视觉里程计包括依次连接的图像采集模块、特征检测与关联模块、位姿估计模块。

作为本发明的一种优选方案，步骤2所述基于视觉里程计方法求解车辆运动的6自由度运动参数，具体过程为：

利用图像采集模块采集车辆图像，相邻两帧图像之间存在重合区域，对每一时刻的单帧图像采用尺度不变特征转换算法进行特征点检测，并对特征点进行描述生成特征描述子，然后采用基于匹配的方法对相邻两帧图像的特征描述子进行关联，生成特征关联集合作为位姿估计模块的输入，利用随机采样一致性方法以及图像匹配求解得到车辆运动的6自由度运动参数。

作为本发明的一种优选方案，步骤2所述6自由度运动参数包括3自由度的旋转参数和3自由度的平移参数。

本发明采用以上技术方案与现有技术相比，具有以下技术效果：

1、本发明利用车道线辅助视觉里程计，然后与GNSS定位进行融合以提高车辆定位系统的可靠性。视觉里程计(VO)是利用车载相机采集到的图像信息来恢复车体本身的6自由度信息，包括3自由度的旋转和3自由度的平移。视觉传感器可以提供丰富的感知信息，既可以满足车辆的自定位需求，同时可以为其它功能提供信息，如车道线检测、避障、路标识别等。而且，视觉传感器还具有成本低、体积小等优点。