一种基于路灯辅助的无人驾驶高精度定位方法及系统与流程

本发明涉及无人驾驶技术领域，尤其涉及一种基于路灯辅助的无人驾驶高精度定位方法及系统。

背景技术：

申请号为cn201610348334.7的国内发明专利公布了一种无人车、无人车定位方法、装置和系统，其方法具体公布了包括：获取与无人车当前位置匹配的第一激光点云反射值数据，其中，第一激光点云反射值数据包括各激光点的第一坐标以及与第一激光点云反射值数据中的各激光点对应的激光反射强度值；将第一激光点云反射值数据转化为地平面内的激光点云投影数据；以预先确定的先验定位位置在激光点云反射值地图中的位置作为初始位置，确定激光点云投影数据在激光点云反射值地图的预定范围内的第一匹配概率；以及基于第一匹配概率确定无人车在激光点云反射值地图中的位置。该实施方式实现了对无人车当前位置的准确定位。

但是在现实的不同使用情况下，由于不同的天气因素以及其他不可抗力的影响，激光反射率在不同环境下，具有不同的反射率，在使用激光点反射数据来定位，存在一定的偏差。

技术实现要素：

本申请为了解决上述技术问题，提出了一种基于路灯辅助的无人驾驶高精度定位方法及系统。

一种基于路灯辅助的无人驾驶高精度定位方法，包括：

无人车接收gps信息，与智能路灯进行短距离信息交互,上传交互数据进行定位精化计算，完成高精度定位；

其中，所述智能路灯每过一个预设自检间隔时长后执行路灯位置自检任务。

本技术方案的优点在于：

基于智能路灯与无人车短距离信息交互，获得相对位置信息，由于智能路灯位置确定，再结合无人车自带的gps接收装置获取自身的gps信息数据，进行计算后，获得更高精度的定位，可排除环境的不可抗因素影响造成的误差。

作为优选，所述路灯位置自检的方法包括以下步骤：

sa1，采集所述智能路灯自身的实时路灯位置数据；

sa2，将所述实时路灯位置数据和所述智能路灯内部存储的安装位置数据进行对比，判断所述实时路灯位置数据和所述安装位置数据是否一致，若判断结果不一致，则向上报告错误消息并且经过预设重检时间后继续执行所述步骤sa2。

作为优选，所述实时路灯位置数据包括所述智能路灯自身的经纬度数据和高程数据。

作为优选，所述智能路灯与所述无人车短距离信息交互包括：

sb1，采集与所述无人车的相对位置，获得相对位置信息并反馈；

sb2，获取当前所述无人车的状态信息，其中，所述状态信息包括车辆的当前位置信息、当前行驶方向、当前速度等数据信息；

sb3，获取gps数据，结合相对位置信息数据、状态信息数据进行计算，获得高精度位置信息。

作为优选，所述步骤sb1中需要采集所述无人车周围多个所述智能路灯的数据，获得多个所述智能路灯与所述无人车的相对位置，将多个相对位置信息反馈至计算中心。

一种基于路灯辅助的无人驾驶高精度定位系统，包括智能路灯和无人车；

所述无人车用于获取自身的gps数据同时与所述智能路灯进行短距离信息交互，进行定位精化计算，完成高精度定位；

所述智能路灯用于与所述无人车进行短距离信息交互；

其中，所述智能路灯每过一个预设自检间隔时长后执行路灯位置自检任务。

作为优选，所述智能路灯包括：

第一采集模块，用于采集所述智能路灯自身的实时路灯位置数据；

自检判断模块，用于将所述实时路灯位置数据和所述智能路灯内部存储的安装位置数据进行对比，判断所述实时路灯位置数据和所述安装位置数据是否一致，若判断结果不一致，则向上报告错误消息并且经过预设重检时间后继续执行所述自检判断模块。

作为优选，所述实时路灯位置数据包括所述智能路灯自身的经纬度数据和高程数据。

作为优选，所述智能路灯与所述无人车短距离信息交互包括：

第二采集模块，用于采集与所述无人车的相对位置，获得相对位置信息并反馈；

获取模块，用于获取当前所述无人车的状态信息，其中，所述状态信息包括车辆的当前位置信息、当前行驶方向、当前速度等数据信息；

计算模块，用于获取gps数据，结合相对位置信息数据、状态信息数据进行计算，获得高精度位置信息。

作为优选，所述第二采集模块中需要采集所述无人车周围多个所述智能路灯的数据，获得多个所述智能路灯与所述无人车的相对位置，将多个相对位置信息反馈至计算中心。

综上所述，本技术方案的有益效果为：

1、基于智能路灯与无人车短距离信息交互，获得相对位置信息，由于智能路灯位置确定，再结合无人车自带的gps接收装置获取自身的gps信息数据，进行计算后，获得更高精度的定位，可排除环境的不可抗因素影响造成的误差。

2、智能路灯自身将周期性对自己的位置进行自检，确保每个智能路灯的实时路灯位置数据完全无误，确保后续计算结果的有效性和精准性。

附图说明

图1为本发明路灯位置自检的方法流程图；

图2为本发明智能路灯与所述无人车短距离信息交互的方法流程图；

图3为本发明一种基于路灯辅助的无人驾驶高精度定位方法的流程图；

图4为本发明的侧视示意图；

图5为本发明的俯视示意图;

图6为本发明路灯位置自检的框图；

图7为本发明智能路灯与所述无人车短距离信息交互的框图。

具体实施方式

这里使用的术语仅用于描述特定实施例的目的，而不意图限制本发明。除非另外定义，否则本文使用的所有术语具有与本发明所属领域的普通技术人员通常理解的相同的含义。将进一步理解的是，常用术语应该被解释为具有与其在相关领域和本公开内容中的含义一致的含义。本公开将被认为是本发明的示例，并且不旨在将本发明限制到特定实施例。

在本发明实施例的描述中，需要说明的是，术语“第一”、“第二”等仅用于区分描述，而不能理解为指示或暗示相对重要性。

实施例1

如图3-图5所示，一种基于路灯辅助的无人驾驶高精度定位方法，包括：

无人车接收gps信息，与智能路灯进行短距离信息交互,上传交互数据进行定位精化计算，完成高精度定位。

其中，所述智能路灯每过一个预设自检间隔时长后执行路灯位置自检任务。

基于智能路灯与无人车短距离信息交互，获得相对位置信息，由于智能路灯位置确定，再结合无人车自带的gps接收装置获取自身的gps信息数据，进行计算后，获得更高精度的定位，可排除环境的不可抗因素影响造成的误差。

由于天气、人为因素等，路灯坐标可能会出现偏移，此时路灯坐标失效，需排除有故障路灯。为了及时发现故障路灯，所有的所述智能路灯要进行定期的自我故障排查，即路灯位置自检。如图1所示，所述路灯位置自检的方法包括以下步骤：

sa1，采集所述智能路灯自身的实时路灯位置数据。所述智能路灯中都放置有定位芯片，通过定位芯片采集获得所述实时路灯位置数据。

sa2，将所述实时路灯位置数据和所述智能路灯内部存储的安装位置数据进行对比，判断所述实时路灯位置数据和所述安装位置数据是否一致，若判断结果不一致，则向上报告错误消息并且经过预设重检时间后继续执行所述步骤sa2。

所述实时路灯位置数据包括所述智能路灯自身的经纬度数据和高程数据。同时获得经纬度数据和高程数据，能够在三维层面上与所述无人车进行短距离交互，更精确的得到相对位置信息。

如图2所示，所述智能路灯与所述无人车短距离信息交互包括：

sb1，采集与所述无人车的相对位置，获得相对位置信息并反馈。

sb2，获取当前所述无人车的状态信息，其中，所述状态信息包括车辆的当前位置信息、当前行驶方向、当前速度等数据信息。

sb3，获取gps数据，结合相对位置信息数据、状态信息数据进行计算，获得高精度位置信息。

所述步骤sb1中需要采集所述无人车周围多个所述智能路灯的数据，获得多个所述智能路灯与所述无人车的相对位置，将多个相对位置信息反馈至计算中心，为更进一步的提升计算精度，选取周围的多个所述智能路灯，与所述无人车进行短距离信息交互，计算相对位置后，根据现有的误差减小算法，进一步提高精度。

最后，在计算中心接收所述无人车的状态信息和所有的所述相对位置信息数据，结合车辆位置(经纬度)、方向、速度等信息，再通过gps精确定位车辆，实现高精度导航。

实施例2

与实施例1不同，实施例2为基于实施例1之上的系统。

一种基于路灯辅助的无人驾驶高精度定位系统，包括智能路灯和无人车；

所述无人车用于获取自身的gps数据同时与所述智能路灯进行短距离信息交互，进行定位精化计算，完成高精度定位。

所述智能路灯用于与所述无人车进行短距离信息交互，使得所述无人车获得与所述智能路灯之间的相对位置。

其中，所述智能路灯每过一个预设自检间隔时长后执行路灯位置自检任务。

如图6所示，所述智能路灯包括：

第一采集模块，用于采集所述智能路灯自身的实时路灯位置数据；

自检判断模块，用于将所述实时路灯位置数据和所述智能路灯内部存储的安装位置数据进行对比，判断所述实时路灯位置数据和所述安装位置数据是否一致，若判断结果不一致，则向上报告错误消息并且经过预设重检时间后继续执行所述自检判断模块。

所述实时路灯位置数据包括所述智能路灯自身的经纬度数据和高程数据。

如图7所示，所述智能路灯与所述无人车短距离信息交互包括：

第二采集模块，用于采集与所述无人车的相对位置，获得相对位置信息并反馈。

获取模块，用于获取当前所述无人车的状态信息，其中，所述状态信息包括车辆的当前位置信息、当前行驶方向、当前速度等数据信息。

计算模块，用于获取gps数据，结合相对位置信息数据、状态信息数据进行计算，获得高精度位置信息。

所述第二采集模块中需要采集所述无人车周围多个所述智能路灯的数据，获得多个所述智能路灯与所述无人车的相对位置，将多个相对位置信息反馈至计算中心。

虽然结合附图描述了本发明的实施方式，但是本领域普通技术人员可以在所附权利要求的范围内做出各种变形或修改。