用景象识别进行汽车的高精度定位的方法与流程

本发明涉及汽车技术领域，更具体的说，涉及自动驾驶汽车环境感知技术领域。

背景技术：

随着自动驾驶技术的快速发展，传统的通过车载传感实现自动驾驶的技术路线的弊端逐步显现，利用高精度地图和云计算为智能汽车提供传感支持，减轻车载传感的压力，将逐渐成为必然方向和研究重点。

专利文献1(CN2486402)汽车定位器，是安装在汽车上用来确定汽车与四周障碍物之间距离的仪器，它由二个对称的发光器(1)、支架(2)和转轴(3)组成，二个对称的发光器(1)的中心处均设置有激光通道孔(1－1)，激光束(1－2)设置在激光通道孔(1－1)内，在二个对称的发光器(1)的下面均固定有转轴(3)，转轴(3)的下端镶在支架(2)上的通孔(4)内。转轴(3)与通孔(4)形成转动连接。该定位器结构简单，定位准确，便于安装调整，是汽车司机的好帮手，解决了停车和进库工作效率低和停车前的安全系数低的问题。

专利文献2(CN1406787)汽车定位系统及其应用，所阐述的是一种汽车定位方法及其应用，首先确定汽车的原始坐标，再通过测量汽车的行驶距离、转向及角速度，从而确定汽车的现在位置，并通过不断校正以保证其定位精度。此方法可用于汽车防盗、救援、智能交通控制、事故处理等。

专利文献3(CN104484661A)汽车牌照号码定位系统及其方法，在一些实施例中，通过一图像采集模块取得一图像，且依据至少三边界在图像中的位置计算相应的一核心位置，且设定显示模块的一预定视野核心至此核心位置。在一些实施例中，通过一方向测试模块测试汽车牌照号码定位系统相对在一平面的一方向。依据方向与至少一计算参数计算一预测边界，且依据预测边界在显示模块中显示一边界标示。当方向改变时，依据改变的方向与至少一计算参数重新计算预测边界，且在显示模块中重新显示相应的边界标示。

专利文献1和专利文献2公开的技术，通过一种装置或初始点迭代的方法进行汽车的定位，以解决汽车的停车和防盗的定位问题。专利文献3，通过图像处理识别车牌进行汽车的定位，图像处理内容单一，且非车载技术。

技术实现要素：

本发明专利提出了用景象识别进行汽车的高精度定位的方法，提供了一种智能汽车的高精度定位方法，可用作自动驾驶汽车的高精度定位及路径规划。

汽车通过搭载的车载终端在不同位置捕捉行车环境特征目标，计算特征点(特征目标的某一位置，如几何中心等)的位置，上传至数据中心，数据中心通过同一特征点的不同捕捉位置计算其精确位置，汽车根据所述特征点的精确位置，计算汽车的精确位置。

用景象识别进行汽车的高精度定位的原理及方法的具体步骤包括：

大步骤1，特征点数据库建立：

小步骤1，特征目标图片信息获取；

小步骤2，车载终端粗略位置信息获取；

小步骤3，特征点位置信息获取；

小步骤4，特征点融合信息获取；

小步骤5，特征点精确位置计算；

小步骤6，特征点数据库建立；

大步骤2，参考特征点精确位置获取：

小步骤1，锁定区域参考特征点的获取；

小步骤2，参考特征点精确位置获取；

大步骤3，汽车位置信息计算：搭载在汽车上的车载终端在不同位置，通过无线通讯访问数据中心获取参考特征点的精确位置信息，通过几何计算得出车载终端的位置信息，即汽车的位置信息。

具体来说，大步骤1，特征点数据库建立：

所述小步骤1，特征目标图片信息获取，对图片进行基于色差的网格化处理后，应用Harr算法实现图像特征提取；

所述小步骤2，GIC粗略位置信息获取，通过GIC模块中的卫星定位终端获取车辆定位信息；

所述小步骤3，特征点位置信息获取，GIC模块通过图像处理可获得特征点距GIC模块的距离及方位信息，通过几何计算即可获得特地点的位置信息；

所述小步骤4，特征点融合信息获取，通过图像处理程序，将特征点的位置信息与特征点的图像信息融合，并通过无线通讯发送至数据中心；

所述小步骤5，特征点精确位置计算，数据中心利用GIC模块在不同捕捉点获得的特征点位置信息，采用统计算法计算特征点的精确位置；

所述小步骤6，特征点数据库建立，数据中心将众多特征点信息分类汇总，形成特征点数据库；

大步骤2，参考特征点精确位置获取：

小步骤1，锁定区域参考特征点的获取，GIC模块将位置信息通过无线通讯访问数据中心，数据中心将该位置周围一定距离范围内的参考特征点锁定，从而确定内锁定区域参考特征点融合信息；

小步骤2，参考特征点精确位置获取，GIC模块将捕获的特征点融合信息发送至数据中心，数据中心将锁定区域参考特征点融合信息与其进行位置和图像信息匹配，获得参考特征点精确位置；

本发明使用集成摄像头、惯性单元和卫星定位单元的车载终端获取汽车的行车特征目标，进行图像特征点提取和信息融合，并可根据特征目标的位置计算汽车的位置，通过数据服务中心进行特征点位置计算，通过无线通讯实现车载模块与数据服务中心的数据传输。

本发明为智能汽车提供了低成本高精度的定位方法，为智能汽车的驾驶辅助和自动驾驶功能开发提供可靠的高精度定位信息，并可大大降低智能汽车传感器的成本压力。

附图说明

图1为特征目标定位流程。

图2为特征点位置信息计算方法流程。

图3为特征目标计算。

图4为汽车位置计算。

具体实施方案

结合图1说明用景象识别进行汽车的高精度定位的具体实施方式。

步骤1，特征点数据库的建立

(1)特征目标图片信息获取，车载终端(GIC模块)包括卫星定位单元、惯性单元和摄像头，用摄像头在不同位置拍摄特征目标的照片，如交通设施、交通标牌、道路标线和路侧设施建筑等，车载终端中集成的处理器，通过图像处理将特征目标从整张图片中截取出来，对图片进行基于色差的网格化处理后，应用Haar算法(输入图像的矩形特征)实现图像特征提取，并将特征目标的某些点(如几何中心等)作为特征点。

(2)车载终端粗略位置信息获取，通过车载终端中的卫星定位终端获取车载终端的位置信息，即经纬度和海拔高度，定位精度要求≤10m(1σ)。

(3)车载终端粗略位置信息补偿，利用车载终端中的惯性单元补偿卫星定位模块定位信息不足和缺失，卫星信号接收终端信号输出频率通常为1Hz，惯性单元根据当前位置，计算下个数据输出时间的位置信息，间隔时间视惯性单元(IMU)数据输出频率而定，此处惯性单元的数据输出频率≥50Hz，若卫星定位终端的位置信息偏离正常范围或无输出时，车载终端的位置信息可由惯性单元优化或补偿。

(4)特征点位置信息获取，如图2所示摄像头特征点定位信息计算方法流程如图，摄像头的图像经过图像处理，提取特征点信息后，即可获得特征点相对于摄像头的位置坐标和三个方向的朝向角，经过几何计算，可获得特征点的位置信息。

(5)将特征点的位置信息与特征点信息通过融合算法进行数据融合，形成特征点的融合信息。

(6)经车载终端获取特征点融合信息后，将特征点融合信息通过无线通讯(3G/4G)发送至数据中心中心；

(7)如图3所示摄像头在不同位置多次拍摄特征点，每个拍摄位置获取特征点不同。将各个拍摄位置获取的特征点位置，经数据中心进行统计计算，即可获得特征点的高精度位置信息；

(8)将某一区域的特征点高精度位置信息存储于数据中心的数据库中，特征点数据库建立完成。

步骤2，参考特征点精确位置获取

(1)利用车载车载终端的卫星定位终端，获取汽车的粗略位置(定位精度≤10m)，锁定范围为半径200m的区域；

(2)车载终端通过无线通讯(3G/4G)访问数据中心，获取锁定范围内的所有特征点的精确位置信息，通讯延迟时间≤100ms；

(3)将步骤1获取的特征点融合信息与锁定范围内的特征点位置和特征点所属特征目标的图像信息进行对比，若二者位置误差小于等于某一特定值(如5米)，且经Haar算法处理的图像信息相似度大于某一值(如80％)，将该点定义为参考特征点，即可获得参考特征点的高精度位置信息。

步骤3，汽车位置信息计算

(1)，经过步骤1、步骤2，获取多个参考特征点的精确位置信息。

(2)，如图4所示，根据不同参考特征点与汽车(车载终端)的位置关系，车载终端的计算程序通过几何运算，即可计算出汽车的高精度位置信息(以参考目标1为例，参考目标1的坐标已知，通过图像处理可知距离R₁及方向角θ₁、z₁＝z₀+R₁cosθ₁)。