[发明专利]车辆定位方法和系统

说明书

本发明公开了一种车辆定位方法，包括以下步骤：步骤1：采集路面图像信息和车辆运动信息；步骤2：将采集到的路面图像信息通过逆透视变换方法转换成俯视图；根据俯视图中的路面图像信息与矢量地图进行匹配，得到俯视图在矢量地图中的位置；步骤3：根据车辆在俯视图中的位置，得车辆在矢量地图中的位置，从而得到车辆的位姿信息；本发明提供了一种车辆定位系统。本发明不仅使用成本低，而且定位效果好，不仅能快速完成定位，而且定位精准，这个对于自动驾驶的车辆尤为重要；再者本发明提供的方法或系统对计算机算力的要求不高。

技术领域

本发明属于自动驾驶领域，特别涉及车辆定位方法和系统。

背景技术

车辆定位是自动驾驶领域的关键技术，目前常用高精度组合导航、多线激光雷达、Camera等传感器结合高精度地图实现车辆定位，主要采用卡尔曼滤波、SLAM等算法。采用高精度组合导航，整体价格较高，使用成本高；多线激光雷达定位，不仅算力大，且价格高，对计算平台资源要求高。目前还有采用价格高昂的GPS和IMU设备实现绝对定位，然而这种方法在车辆长期经过隧道等GPS信号、磁场环境不稳定地方，其定位偏差较大。

发明内容

发明目的：本发明针对现有技术存在的问题，提出了一种基于低成本传感器且定位效果精准的车辆定位方法。

技术方案：为实现上述目的，本发明提供了一种车辆定位方法，包括以下步骤：

步骤1：采集路面图像信息和车辆运动信息；

步骤2：将采集到的路面图像信息通过逆透视变换方法转换成俯视图；根据俯视图中的路面图像信息与矢量地图进行匹配，得到俯视图在矢量地图中的位置；

步骤3：根据车辆在俯视图中的位置，得车辆在矢量地图中的位置，，从而得到车辆的位姿信息；

其中，步骤3包括横向定位、纵向定位和融合定位；

所述横向定位通过俯视图得到车辆在车道中的横向偏移距离，并通过第一卡尔曼滤波器分别优化传感器采集到的车辆运动信息、车辆在车道中的横向偏移距离和融合定位得到车辆的位姿信息得到第一卡尔曼滤波器输出的状态量；其中，第一卡尔曼滤波器输出的状态量包括车辆在道路中的横向偏移距离、车辆的横向加速度、车辆的速度和车辆的横摆角；

所述纵向定位将俯视图中的路面标识和矢量地图中的路面标识进行配准，得出车辆在矢量地图中的纵向位移；并通过第二卡尔曼滤波器分别优化传感器采集到的车辆运动信息、车辆在矢量地图中的纵向位移和融合定位得到车辆的位姿信息得到第二卡尔曼滤波器输出的状态量；第二卡尔曼滤波器输出的状态量为车辆在矢量地图中的纵向位移、车辆的运行速度和车辆的横摆角；

所述融合定位包括以下步骤：

步骤301：根据横向定位子模块和纵向定位子模块输出值得到车辆在矢量地图中的位姿V^pos；

步骤302：以位姿V^pos为中心，取多个参考位姿；

步骤303：分别在矢量地图中取出位于位姿V^pos和多个参考位姿附近的车道线离散点集合表示在矢量地图中第i个位姿附近的车道线离散点集合,i∈(1、2、…、T+1)；

步骤304：分别在俯视图中取出位于位姿V^pos和多个参考位姿附近的车道线离散点集合表示在俯视图中第ii个位姿附近的车道线离散点集合

步骤305：针对每个位姿分别计算集合和集合之间的最小距离，取最小距离最小对应位姿为当前车辆的位姿；车辆的位姿包括车辆在矢量地图中的横坐标、纵坐标和车辆的航向角。

进一步，所述步骤2中得到俯视图的方法为：根据公式：