一种基于路灯辅助的无人车高精度地图匹配方法及系统与流程

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车高精度地图匹配方法及系统。

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车高精度地图匹配方法及系统。

一种基于路灯辅助的无人驾驶高精度定位方法，以装置在道理两边的智能路灯为匹配标准点，包括以下步骤：

s1，获取gps轨迹，在地图模板中匹配对应相似的所述地图模板；

s2，搜索所述无人车当前所在的gps轨迹点最近的所述匹配标准点和对应的对侧匹配标准点，获取与所述匹配标准点的匹配相对距离和与所述对侧匹配标准点的对侧匹配相对距离；

s3，判断gps轨迹点与匹配点之间的相似度是否大于预设值，若判断为是，则将轨迹点匹配到所述地图模板；若判断结果为否，则通过地图匹配算法进行位置调整后重新执行所述步骤s2。

本技术方案的优点在于：基于智能路灯，首先活动无人车的gps信息数据，大致匹配到对应的地图模板中，再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，进一步精确的在地图中进行校准，完成高精度地图匹配，可排除环境的不可抗因素影响造成的误差。

作为优选，所述步骤s2包括：

s2-1，获取所述地图模板中预设范围内所有匹配标准点的位置信息；

s2-2，根据当前的所述gps轨迹点匹配到最近的所述匹配标准点，根据所述所述匹配标准点匹配到对应的对侧匹配标准点；

s2-3，获得所述gps轨迹点到所述匹配标准点的匹配相对距离，并得到匹配相对距离范围圈；获得所述gps轨迹点到所述对侧匹配标准点的对侧匹配相对距离，并得到对侧匹配相对距离范围圈。

作为优选，所述步骤s2-2包括：

s2-21，获取最近的所述匹配标准点；

s2-22，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；

s2-23，根据所述匹配标准点和所述当前行驶方向选择对应的所述对侧匹配标准点。

作为优选，所有的匹配标准点为等价序列形式分布在地图道理的两边。

作为优选，所述步骤s3包括：

s3-1，分析比较所述匹配相对距离范围圈和所述对侧匹配相对距离范围圈，判断所述匹配相对距离范围圈是否完全落入所述对侧匹配相对距离范围圈内，若判断结果为否，则将所述轨迹点匹配到所述地图模板；若判断结果为是，则执行下一步；

s3-2，根据所述匹配相对距离范围圈，结合所述当前行驶方向信息，重新计算得到所述轨迹点在所述匹配相对距离范围圈圆周上的位置，并重新执行所述步骤s2。

作为优选，所述匹配标准点定期自检更新，所述匹配标准点定期自检更新的方法包括以下步骤：

sa1，采集所述匹配标准点自身的实时匹配标准点位置数据；

sa2，将所述实时匹配标准点位置数据和所述实时匹配标准点内部存储的安装位置数据进行对比，判断所述实时匹配标准点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。

一种基于路灯辅助的无人车高精度地图匹配系统，以装置在道理两边的智能路灯为匹配标准点，包括：

初步匹配模块，用于获取gps轨迹，在地图模板中匹配对应相似的所述地图模板；

计算匹配模块，用于搜索所述无人车当前所在的gps轨迹点最近的所述匹配标准点和对应的对侧匹配标准点，获取与所述匹配标准点的匹配相对距离和与所述对侧匹配标准点的对侧匹配相对距离；

判断匹配模块，用于判断gps轨迹点与匹配点之间的相似度是否大于预设值，若判断为是，则将轨迹点匹配到所述地图模板；若判断结果为否，则通过地图匹配算法进行位置调整后重新执行所述计算匹配模块。

作为优选，所述计算匹配模块包括：

第一获取单元，用于获取所述地图模板中预设范围内所有匹配标准点的位置信息；

对应匹配单元，用于根据当前的所述gps轨迹点匹配到最近的所述匹配标准点，根据所述匹配标准点匹配到对应的对侧匹配标准点；

第二获取单元，用于获得所述gps轨迹点到所述匹配标准点的匹配相对距离，并得到匹配相对距离范围圈；获得所述gps轨迹点到所述对侧匹配标准点的对侧匹配相对距离，并得到对侧匹配相对距离范围圈。

作为优选，所述判断匹配模块包括：

分析比较单元，用于分析比较所述匹配相对距离范围圈和所述对侧匹配相对距离范围圈，判断所述匹配相对距离范围圈是否完全落入所述对侧匹配相对距离范围圈内，若判断结果为否，则将所述轨迹点匹配到所述地图模板；若判断结果为是，则执行下一步；

修正单元，用于根据所述匹配相对距离范围圈，结合所述当前行驶方向信息，重新计算，修正得到所述轨迹点在所述匹配相对距离范围圈圆周上的位置，并重新执行所述计算匹配模块。

综上所述，本技术方案的有益效果为：

1、基于智能路灯，首先活动无人车的gps信息数据，大致匹配到对应的地图模板中，再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，进一步精确的在地图中进行校准，完成高精度地图匹配，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。

3、采用多个阵列分布在道路两旁的智能灯来进行再次的精度校准，进一步降低了误算的可能性，提高匹配精度。

附图说明

图1为本发明一种基于路灯辅助的无人车高精度地图匹配方法的流程图；

图2为本发明图1中步骤s2的流程图；

图3为本发明图2中步骤s2.2的流程图；

图4为本发明图1中步骤s3的流程图；

图5为本发明路灯位置自检的方法流程图;

图6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判断图；

图7为本发明一种基于路灯辅助的无人车高精度地图匹配系统的框图；

图8为图7中计算匹配模块的框图

图9为图7中判断匹配模块的框图。

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1和图6所示，为一种基于路灯辅助的无人车高精度地图匹配方法的流程图。

一种基于路灯辅助的无人车高精度地图匹配方法，以装置在道理两边的智能路灯为匹配标准点，包括以下步骤。

s1，获取gps轨迹，在地图模板中匹配对应相似的所述地图模板。

s2，搜索所述无人车当前所在的gps轨迹点最近的所述匹配标准点和对应的对侧匹配标准点，获取与所述匹配标准点的匹配相对距离和与所述对侧匹配标准点的对侧匹配相对距离。

s3，判断gps轨迹点与匹配点之间的相似度是否大于预设值，若判断为是，则将轨迹点匹配到所述地图模板；若判断结果为否，则通过地图匹配算法进行位置调整后重新执行所述步骤s2。

基于智能路灯，首先活动无人车的gps信息数据，大致匹配到对应的地图模板中，再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，进一步精确的在地图中进行校准，完成高精度地图匹配，可排除环境的不可抗因素影响造成的误差。

如图2所示，所述步骤s2包括：

s2-1，获取所述地图模板中预设范围内所有匹配标准点的位置信息。

s2-2，根据当前的所述gps轨迹点匹配到最近的所述匹配标准点，根据所述所述匹配标准点匹配到对应的对侧匹配标准点。

s2-3，获得所述gps轨迹点到所述匹配标准点的匹配相对距离，并得到匹配相对距离范围圈；获得所述gps轨迹点到所述对侧匹配标准点的对侧匹配相对距离，并得到对侧匹配相对距离范围圈。

进一步的，如图3所示，所述步骤s2-2包括：

s2-21，获取最近的所述匹配标准点。

s2-22，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。

s2-23，根据所述匹配标准点和所述当前行驶方向选择对应的所述对侧匹配标准点。

所有的匹配标准点为等价序列形式分布在地图道理的两边。

如图4所示，所述步骤s3包括：

s3-1，分析比较所述匹配相对距离范围圈和所述对侧匹配相对距离范围圈，判断所述匹配相对距离范围圈是否完全落入所述对侧匹配相对距离范围圈内，若判断结果为否，则将所述轨迹点匹配到所述地图模板；若判断结果为是，则执行下一步。

s3-2，根据所述匹配相对距离范围圈，结合所述当前行驶方向信息，重新计算得到所述轨迹点在所述匹配相对距离范围圈圆周上的位置，并重新执行所述步骤s2。

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。如图5所示，所述匹配标准点定期自检更新，所述匹配标准点定期自检更新的方法包括以下步骤：

sa1，采集所述匹配标准点自身的实时匹配标准点位置数据；

sa2，将所述实时匹配标准点位置数据和所述实时匹配标准点内部存储的安装位置数据进行对比，判断所述实时匹配标准点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。

实施例2

基于实施例1，与实施例不同之处在于：实施例2为基于实施例1之上的系统。

如图7所示，一种基于路灯辅助的无人车高精度地图匹配系统，以装置在道理两边的智能路灯为匹配标准点，包括：

初步匹配模块，用于获取gps轨迹，在地图模板中匹配对应相似的所述地图模板；

计算匹配模块，用于搜索所述无人车当前所在的gps轨迹点最近的所述匹配标准点和对应的对侧匹配标准点，获取与所述匹配标准点的匹配相对距离和与所述对侧匹配标准点的对侧匹配相对距离；

判断匹配模块，用于判断gps轨迹点与匹配点之间的相似度是否大于预设值，若判断为是，则将轨迹点匹配到所述地图模板；若判断结果为否，则通过地图匹配算法进行位置调整后重新执行所述计算匹配模块。

如图8所示，所述计算匹配模块包括：

第一获取单元，用于获取所述地图模板中预设范围内所有匹配标准点的位置信息；

对应匹配单元，用于根据当前的所述gps轨迹点匹配到最近的所述匹配标准点，根据所述匹配标准点匹配到对应的对侧匹配标准点；

第二获取单元，用于获得所述gps轨迹点到所述匹配标准点的匹配相对距离，并得到匹配相对距离范围圈；获得所述gps轨迹点到所述对侧匹配标准点的对侧匹配相对距离，并得到对侧匹配相对距离范围圈。

如图9所示，所述判断匹配模块包括：

分析比较单元，用于分析比较所述匹配相对距离范围圈和所述对侧匹配相对距离范围圈，判断所述匹配相对距离范围圈是否完全落入所述对侧匹配相对距离范围圈内，若判断结果为否，则将所述轨迹点匹配到所述地图模板；若判断结果为是，则执行下一步；

修正单元，用于根据所述匹配相对距离范围圈，结合所述当前行驶方向信息，重新计算，修正得到所述轨迹点在所述匹配相对距离范围圈圆周上的位置，并重新执行所述计算匹配模块。

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。