一种基于改造车道线的高精度车辆定位系统及方法与流程

本发明属于智能交通系统领域，具体涉及一种基于改造车道线的高精度车辆定位系统及方法。

背景技术：

目前基于gps数据的车辆定位技术日趋成熟，然而在某些gps无法接收的地方，车辆定位的精度难以保证。比如目前广受关注的brt快速公交系统就有这方面的困恼，由于brt停车地点被车棚遮挡，无法接收gps信号，难以实现精准定位，导致车门无法与乘客出入口对准。在这些情况下，常用的车辆定位技术有wifi定位技术、uwb定位技术、rfid定位技术和惯性导航技术。然而wifi定位技术精度低，大约在10米左右；uwb定位技术和rfid定位技术在实现高精度定位的条件下需要布设大量的设备，设备成本高，大约在20万元以上。惯性导航技术常用的惯性传感器例如陀螺仪价格低廉且易于集成，但随着时间推移容易产生累计误差。

技术实现要素：

本发明要解决的技术问题是：提供一种基于改造车道线的高精度车辆定位系统及方法，实现高精度的车辆纵向定位。

本发明为解决上述技术问题所采取的技术方案为：一种基于改造车道线的高精度车辆定位系统，其特征在于：它包括：

数据采集模块，包括车载摄像机和wifi接收机；其中车载摄像机用于拍摄车辆当前位置的图片即图像数据，图片中包含与普通车道线有区别的改造车道线，改造车道线沿待定位路段间隔设置并对每条改造车道线进行编码；其中wifi接收机接收车辆当前位置的wifi数据，wifi数据由沿带定位路段间隔设置ap基站发射出的wifi信号组成，每个ap基站发射出的wifi信号都包括mac地址和wifi信号强度；

数据传输模块，包括图像数据传输线和wifi数据传输线；其中图像数据传输线连接车载摄像机和数据处理模块，将车载摄像机拍摄到的图像数据传输给数据处理模块；其中wifi数据传输线连接wifi接收机和数据处理模块，将wifi接收机接收到的wifi数据传输给数据处理模块；

数据处理模块，包括处理器和存储器，存储器中预存有待定位路段的高精度视觉地图，高精度视觉地图中包含每个间隔位置接收的wifi数据、人工测量的每条改造车道线的二维位置数据、分类器模板和每个间隔位置拍摄的图片及从图片中提取的图像局部特征数据，每张图片中至少包含一条改造车道线；

所述的存储器中存有计算机程序，所述的计算机程序可被所述的处理器执行以下步骤：

根据当前位置wifi接收机接收到的wifi数据与预存的高精度视觉地图中的每个间隔位置接收的wifi数据匹配，得到预存的高精度视觉地图中与当前位置接收到的wifi数据距离最近的wifi数据，在高精度视觉地图中选取含有该wifi数据对应编码前后最近2条改造车道线的图片作为wifi初定位结果；

利用分类器对当前位置车载摄像机拍摄到的图片进行改造车道线检测，如果检测到含有改造车道线，则进行下一步，否则重新采取数据；

提取当前位置图片的局部特征数据，与wifi初定位结果对应的存储在高精度视觉地图中的图像局部特征数据进行匹配，选取wifi初定位结果中特征点匹配数目最多的图片作为图像级定位结果；

结合当前位置图片的局部特征数据与图像级定位结果的局部特征数据，计算当前车辆的车载摄像机位置与拍摄图像级定位结果图片的摄像机位置之间的位姿关系，并根据图像级定位结果图片所含的改造车道线的二维位置数据和制作高精度地图车辆的车身数据与车辆距离改造车道线的横纵向距离，得到车辆当前位置即最终定位结果。

按上述系统，所述的每条改造车道线与普通车道线的长宽相同，区别在于颜色、纹理或形状不同，每隔2个普通车道线布置一条改造车道线，其中每个车道线之间的间距相同，记录每条改造车道线的准确位置即其二维位置数据并对每条改造车道线进行编码。

按上述系统，所述的高精度视觉地图通过以下方式获得：

在待定位路段上，汽车匀速行驶，记录汽车行止时间，同时用车载摄像机与wifi接收机以固定频率采集当前位置的图片和wifi数据，人工测量出每条改造车道线的二维位置数据并对每条改造车道线进行编码，提取图片中的改造车道线部分的颜色特征、纹理特征或形状特征并制作出分类器，对每张图片进行改造车道线检测并只保留含有改造车道线的图片，将每张图片重置为标准图像大小，其分辨率为m×n像素，并提取图像局部特征描述符，结合上述的wifi数据、每条改造车道线的二维位置数据及编码、分类器、图片及其局部特征数据制作高精度视觉地图。

一种利用所述的基于改造车道线的高精度车辆定位系统实现的高精度车辆定位方法，其特征在于：它包括以下步骤：

s1、wifi初定位：

车辆行驶至待定位位置时，根据wifi接收机接收到的wifi数据与预存的高精度视觉地图中的每个间隔位置接收的wifi数据匹配，得到预存的高精度视觉地图中与当前位置接收到的wifi数据距离最近的wifi数据，在高精度视觉地图中选取含有该wifi数据对应编码前后最近的2条改造车道线的图片作为wifi初定位结果；

s2、图像级定位：

利用分类器对当前位置车载摄像机拍摄到的图片进行改造车道线检测，如果检测到含有改造车道线，则进行下一步，否则重新采取数据；

提取当前位置图片的局部特征数据，与wifi初定位结果对应的存储在高精度视觉地图中的图像局部特征数据进行匹配，选取特征点匹配数目最多的高精度视觉地图中的图片作为图像级定位结果；

s3、度量级定位：

结合当前位置图片的局部特征数据与图像级定位结果的局部特征数据，计算当前车辆的车载摄像机位置与拍摄图像级定位结果图片的摄像机位置之间的位姿关系，并根据图像级定位结果图片中所含的改造车道线的二维位置数据和制作高精度地图车辆的车身数据与车辆距离改造车道线的横纵向距离，得到车辆当前位置即最终定位结果。

按上述方法，s1具体为：

每个ap基站发射出来的wifi信息具有唯一的mac地址，并且wifi的信号强度rssi随着信号传播而衰减，因此第i个地点采集到的wifi数据表示为其中m表示mac地址，r表示信号强度，mi表示第i个ap基站采集到的wifi信号总个数；

同时考虑mac地址匹配数量和rssi匹配的强弱，根据下列公式对当前位置wifi接收机接收到的wifi数据与预存的高精度视觉地图中的wifi数据进行匹配：

其中n为mac地址匹配数量，xj和yj分别为第j个匹配到的mac地址对应的接收到的wifi数据中的rssi和高精度视觉地图中wifi数据的rssi，λ为大于0的经验值；

选取l(x,y)最小时，该预存在高精度视觉地图中的wifi数据含有对应编码前后最近的2个改造车道线的图片作为wifi初定位结果进入下一步图像级定位。

按上述方法，所述的高精度视觉地图通过以下方式获得：

在待定位路段上，汽车匀速行驶，记录汽车行止时间，同时用车载摄像机与wifi接收机以固定频率采集当前位置的图片和wifi数据，人工测量出每条改造车道线的二维位置数据并对每条改造车道线进行编码，提取图片中的改造车道线部分的颜色特征、纹理特征或形状特征并制作出分类器，对每张图片进行改造车道线检测并只保留含有改造车道线的图片，将每张图片重置为标准图像大小，其分辨率为m×n像素，并提取图像局部特征描述符，结合上述的wifi数据、每条改造车道线的二维位置数据及编码、分类器、图片及其局部特征数据制作高精度视觉地图。

按上述方法，每条改造车道线与普通车道线的长宽相同，区别在于颜色、纹理或形状不同，每隔2个普通车道线布置一条改造车道线，其中每个车道线之间的间距相同，记录每条改造车道线的准确位置即其二维位置数据并对每条改造车道线进行编码；

所述的颜色分类器基于h-c颜色模型，建立方法如下：

首先从采集的图像中截取改造车道线，并将其用hsv颜色空间表达，根据下列公式求取h-c颜色模型的均值μ：

μ＝[e(h)e(s)e(v)]

其中e(h)是改造车道线的所有h分量的均值，e(s)是改造车道线的所有是s分量的均值,e(v)是改造车道线的

所有v分量的均值；

根据下列公式求取h-c颜色模型的均方差c：

其中矩阵中的每个元素的计算方法为：

cov(h,h)＝e[(h-e(h))(h-e(h))^t]

根据下列公式建立改造车道线的h-c颜色模型：

其中x是图像中每个点的hsv值，将上式简化为：

p(x)＝(x-μ)^tinv(c)(x-μ)

其中inv(c)是均方差c矩阵的逆；

h-c颜色模型即为所述的分类器，建立改造车道线的h-c颜色模型后，取h-c颜色模型的阈值k，并用h-c颜色模型区分图片中的改造车道线像素点和非改造车道线像素点；用h-c颜色模型检测当前位置图片，如果图片中的改造车道线像素点数目大于n，则认为当前位置图片中含有改造车道线，反之则不含。

按上述方法，所述的s2中，计算图像级定位结果的方法具体为：

首先利用分类器对当前位置图片进行改造车道线检测，若当前位置图片不含改造车道线编码，则重新拍摄；

将当前位置图片重置为标准图像大小，其分辨率为m×n像素，然后提取当前位置图片局部特征描述符和保存在视觉地图中wifi初定位结果的局部特征描述符并匹配，用ransac算法去除错误匹配，最后用k最近邻分类方法(knn)选取特征匹配数目最多的那张作为图像级定位结果。

按上述方法，所述的s3中，计算最终定位结果的方法具体为：

已知图像级定位结果图片中改造车道线的编码，进而获得该改造车道线的二维位置数据，结合当前位置图片和图像级定位结果图片中的局部特征数据，计算当前车辆的车载摄像头与拍摄图像级定位结果图片的摄像机位置之间的位姿关系，然后通过已知图像级定位结果图片中所含改造车道线的二维位置数据和制作高精度地图车辆的车身数据与车辆距离改造车道线的横纵向距离换算得到当前车辆位置，即最终定位结果。

本发明的有益效果为：以高精度视觉地图为基础，首先进行wifi信息匹配的初步定位，其次基于改造车道线检测进行局部特征匹配的图像级定位，最后结合当前位置图像与图像级定位结果图片的局部特征数据计算当前车辆的车载摄像机与拍摄图像级定位结果图片的摄像机位置之间的位姿关系，根据图像级定位结果图片中所含改造车道线的二维位置数据和制作高精度地图车辆的车身数据与车辆距离改造车道线的横纵向距离换算得到车辆当前位置即最终定位结果。与现有技术相比较，本发明在wifi初步定位后，增加了改造车道线检测、图像级定位和测量级定位从而实现精确定位，改造成本低，同时实现了在无法接收gps信号的情况下的高精度车辆定位。

附图说明

图1为本发明一实施例的系统结构示意图。

图2为本发明一实施例的方法流程图。

图中：1.计算机；2.车载摄像机；3.wifi接收机；4.稳压直流电源；5.图像数据传输；6.wifi数据传输线；7.电源线；8.改造车道线；9.普通车道线；10.当前车辆；11.ap基站。

具体实施方式

下面结合具体实施例和附图对本发明做进一步说明。

本发明提供一种基于改造车道线的高精度车辆定位系统，如图1所示，它包括：数据采集模块，包括车载摄像机2和wifi接收机3；其中所诉的车载摄像机2用于采集当前车辆10当前位置的图片，图片中包含与普通车道线9有区别的改造车道线8，改造车道线8沿待定位路段间隔设置并对每条改造车道线8进行编码；其中所诉的wifi接收机3接收当前车辆10当前位置的wifi数据，wifi数据由沿带定位路段间隔设置ap基站11发射出的wifi信号组成，每个ap基站11发射出的wifi信号都包括mac地址和wifi信号强度；数据传输模块，包括图像数据传输线5和wifi数据传输线6；其中图像数据传输线5连接车载摄像机2和数据处理模块，将车载摄像机2拍摄到的图像数据传输给数据处理模块；其中wifi数据传输线6连接wifi接收机3和数据处理模块，将wifi接收机3接收到的wifi数据传输给数据处理模块；数据处理模块，本实施例中为计算机1，包括处理器和存储器，存储器中预存有待定位路段的高精度视觉地图，高精度视觉地图中包含每个间隔位置接收的wifi数据、人工测量的每条改造车道线8的二维位置数据、分类器模板和每个间隔位置拍摄的图片及从图片中提取的图像局部特征数据，每张图片中至少包含一条改造车道线8。本实施例中，更为细节的，计算机1与车载摄像机2之间通过图像数据传输线5连接，计算机1与wifi接收机3通过wifi数据传输线6连接，另外还有电源模块，本实施例电源模块为稳压直流电源4，可以为车载电瓶，分别通过电源线7与wifi接收机3、车载摄像机2和计算机1连接供电。所述的改造车道线8与普通车道线9均长2米、宽15厘米，每条车道线之间间距2米，每隔两条普通车道线9铺设一条改造车道线8，改造车道线8与普通车道线9的区别在于颜色、纹理或形状不同，利用所述的区别对改造车道线8进行编码，记录每条改造车道线8的准确位置即其二维位置数据并对每条改造车道线8进行编码。本实施例中，采用的是颜色区别。二维位置数据是指改造车道线的位置，由于都是在地面上，所以是二维的。

所述的存储器中存有计算机程序，如图2所示，所述的计算机程序可被所述的处理器执行以下步骤：

根据接收到的wifi数据与预存的高精度视觉地图中的每个间隔位置接收的wifi数据匹配，得到预存的高精度视觉地图中与当前位置接收到的wifi数据距离最近的wifi数据，在高精度视觉地图中选取含有该wifi数据对应编码前后最近的2条改造车道线的图片作为wifi初定位结果。所述的高精度视觉地图通过以下方式获得：在待定位路段上，汽车匀速行驶，记录汽车行止时间，同时用车载摄像机与wifi接收机以固定频率采集图片和wifi数据，人工测量出每条改造车道线的二维位置数据并对每条改造车道线进行编码，提取图片中的改造车道线部分的颜色特征、纹理特征或形状特征并制作出分类器，对每张图片进行改造车道线检测并只保留含有改造车道线的图片，将每张图片重置为标准图像大小，其分辨率为m×n像素，并提取图像局部特征描述符，结合上述的wifi数据、每条改造车道线的二维位置数据及编码、分类器、图片及其局部特征数据制作高精度视觉地图。

利用分类器对当前位置车载摄像机拍摄到的图片进行改造车道线检测，如果检测到含有改造车道线，则进行下一步，否则重新采取数据；提取当前位置图片的局部特征数据，与wifi初定位结果对应的存储在高精度视觉地图中的图像局部特征数据进行匹配，选取特征点匹配数目最多的高精度视觉地图中的图片作为图像级定位结果；

结合当前位置图片的局部特征数据与图像级定位结果的局部特征数据，计算当前车辆的车载摄像机位置与拍摄图像级定位结果图片的摄像机位置之间的位姿关系，并根据图像级定位结果图片中所含的改造车道线的二维位置数据和制作高精度地图车辆的车身数据与车辆距离改造车道线的横纵向距离，得到车辆当前位置即最终定位结果。在图像处理中图片具有图像特征，有多种方法来提取图片的特征，可以不用细说。另外图像特征数据与改造车道线无关，改造车道线只是用来定位的。

利用所述的基于改造车道线的高精度车辆定位系统实现的高精度车辆定位方法，如图2所示，它包括以下步骤：

s1、wifi初定位：

车辆行驶至待定位位置时，根据wifi接收机接收到的wifi数据与预存的高精度视觉地图中的每个间隔位置接收的wifi数据匹配，得到预存的高精度视觉地图中与当前位置接收到的wifi数据距离最近的wifi数据，在高精度视觉地图中选取含有该wifi数据对应编码前后最近的2条改造车道线的图片作为wifi初定位结果；

s1具体为：

每个ap基站发射出来的wifi信息具有唯一的mac地址，并且wifi的信号强度rssi随着信号传播而衰减，因此第i个地点采集到的wifi数据表示为其中m表示mac地址，r表示信号强度，mi表示第i个地点采集到的wifi信号总个数；所述的地点为高精度地图中间隔采集数据的地点；

同时考虑mac地址匹配数量和rssi匹配的强弱，根据下列公式对当前位置wifi接收机接收到的wifi数据与预存的高精度视觉地图中的wifi数据进行匹配：

其中n为mac地址匹配数量，xj和yj分别为第j个匹配到的mac地址对应的接收到的wifi数据中的rssi和高精度视觉地图中wifi数据的rssi，λ为大于0的经验值；

选取l(x,y)最小时，该预存在高精度视觉地图中的wifi数据含有对应编码前后最近的2个改造车道线的图片作为wifi初定位结果进入下一步图像级定位。

所述的高精度视觉地图通过以下方式获得：

在待定位路段上，汽车匀速行驶，记录汽车行止时间，同时用车载摄像机与wifi接收机以固定频率采集当前位置的图片和wifi数据，人工测量出每条改造车道线的二维位置数据并对每条改造车道线进行编码，提取图片中的改造车道线部分的颜色特征、纹理特征或形状特征并制作出分类器，对每张图片进行改造车道线检测并只保留含有改造车道线的图片，将每张图片重置为标准图像大小，其分辨率为m×n像素，并提取图像局部特征描述符，结合上述的wifi数据、每条改造车道线的二维位置数据及编码、分类器、图片及其局部特征数据制作高精度视觉地图。

所述的每条改造车道线与普通车道线的长宽相同，本实例中均长2米、宽15厘米；改造车道线与普通车道线的区别在于颜色、纹理或形状不同，本实施例中，采用的是颜色区别；每隔2个普通车道线布置一条改造车道线，其中每个车道线之间的间距相同，本实例中每条车道线之间间距2米，每隔两条普通车道线铺设一条改造车道线，记录每条改造车道线的准确位置即其二维位置数据并对每条改造车道线进行编码；

所述的分类器基于h-c颜色模型，建立方法如下：

首先从采集的图像中截取改造车道线，并将其用hsv颜色空间表达，根据下列公式求取h-c颜色模型的均值μ：

μ＝[e(h)e(s)e(v)]

其中e(h)是改造车道线的所有h分量的均值，e(s)是改造车道线的所有是s分量的均值,e(v)是改造车道线的所有v分量的均值；

根据下列公式求取h-c颜色模型的均方差c：

其中矩阵中的每个元素的计算方法为：

cov(h,h)＝e[(h-e(h))(h-e(h))^t]

根据下列公式建立改造车道线的h-c颜色模型：

其中x是图像中每个点的hsv值，将上式简化为：

p(x)＝(x-μ)^tinv(c)(x-μ)

其中inv(c)是均方差c矩阵的逆；

h-c颜色模型即为所述的分类器，建立改造车道线的h-c颜色模型后，取h-c颜色模型的阈值k，并用h-c颜色模型区分图片中的改造车道线像素点和非改造车道线像素点；用h-c颜色模型检测当前位置图片，如果图片中的改造车道线像素点数目大于n，则认为当前位置图片中含有改造车道线，反之则不含。

本实施例中，由于改造车道线的颜色为黄色，建立改造车道线的h-c颜色模型后，取颜色模型的阈值200，并用颜色模型区分图片中的改造车道线像素点和非改造车道线像素点。用h-c颜色模型检测当前位置图片，如果图片中的改造车道线像素点数目大于100，则认为当前位置图片中含有改造车道线，反之则不含。

s2、图像定位：

利用分类器对当前位置车载摄像机拍摄到的图片进行改造车道线检测，如果检测到含有改造车道线，则进行下一步，否则重新采取数据；

提取当前位置图片的局部特征数据，与wifi初定位结果对应的存储在高精度视觉地图中的图像局部特征数据进行匹配，选取特征点匹配数目最多的高精度视觉地图中的图片作为图像级定位结果；

计算图像级定位结果的方法具体为：首先利用分类器对当前位置图片进行改造车道线检测，若当前位置图片不含改造车道线编码，则重新拍摄；

本实施例中，将当前位置图片重置为标准图像大小，其分辨率为640×480像素。然后提取当前位置图片orb局部特征描述符和wifi初定位结果图片保存匹配在视觉地图中的orb局部特征描述符并匹配，并用ransac算法去除错误匹配，最后用k最近邻分类方法(knn)选取特征匹配数目最多的那张作为图像级定位结果。

s3、位姿定位：

结合接收到的图像数据中的改造车道线特征，提取图像级定位结果中的改造车道线二维位置数据，作为图像级定位结果的地点，计算当前车辆与图像级定位结果的地点之间的位姿，得到车辆的最终定位结果。

计算最终定位结果的方法具体为：

已知图像级定位结果图片中改造车道线的编码，进而获得该改造车道线的二维位置数据，结合当前位置图片和图像级定位结果图片中的局部特征数据，计算当前车辆的车载摄像头与拍摄图像级定位结果图片的摄像机位置之间的位姿关系，然后通过已知图像级定位结果图片中所含改造车道线的二维位置数据和制作高精度地图车辆的车身数据与车辆距离改造车道线的横纵向距离可以换算得到当前车辆位置，即最终定位结果。

本实施例中，根据图像级定位结果可知当前位置图片中改造车道线的编码，进而获得相邻的普通车道线的二维数据，提取当前位置图片和地图图片中相对应的n(n>＝4)对匹配点，计算车载摄像头与改造车道线之间的位姿关系，如下式所示：

其中[aqbq1]^t是n(n>＝4)个匹配点在当前位置图片中的坐标，[xiyi1]^t是相对应的n(n>＝4)个匹配点在地图图片中的坐标，hqw是当前位置图片与地图图片之间的单应矩阵。已知车载摄像机的内参k，根据hqw可以获得当前车辆的车载摄像头与拍摄图像级定位结果图片的摄像机位置之间的位姿关系，如下式所示：

hqw＝k[rt]^t

然后通过已知的图像级定位结果图片中所含改造车道线的二维位置数据和制作高精度地图车辆的车身数据与车辆距离车道线的横向距离可以换算得到车辆当前位置，即最终定位结果。首先提取图像级定位结果存储在视觉地图中的相对应的二维数据。

在实际应用中，wifi定位精度在10m左右，基于车道线检测的车辆定位目前只能实现高精度的横向定位，难以实现高精度的纵向定位，使得brt在进站停车时不能使车门对准乘车通道。本发明所述的基于改造车道线的高精度车辆定位方法，以高精度地图为基础，根据定位系统数据采集模块所采集的信息，可以将定位过程分为三部分：(1)通过wifi数据与高精度地图中wifi数据匹配实现初步定位，(2)改造进行车道线检测，通过当前位置图像局部特征与初步定位结果相邻2个改造车道线编码对应的地图图像相匹配实现图像级定位，(3)通过当前位置图像与地图图像的相对应的匹配点坐标及地图图片中所含的改造车道线的二维位置信息实现测量级定位。

因此，本发明能够在wifi初步定位后利用计算机视觉技术进一步定位，将车辆定位精度提高至亚米级。

本发明提出的基于改造车道线的高精度车辆定位系统及方法，该方法将计算机视觉技术与wifi定位相结合，在改造成本和设备部署成本低的情况下，在车道线检测的基础上利用多尺度匹配实现高精度的车辆纵向定位。具体而言，以高精度视觉地图为基础，首先进行wifi信息匹配的初步定位，其次基于改造车道线检测进行局部特征匹配的图像级定位，最后根据当前位置图像与图像级定位结果中匹配点及地图图片中所含的改造车道线的二维位置信息计算当前车辆的车载摄像头与拍摄图像级定位结果图片的摄像机位置之间的位姿关系，换算得到车辆当前位置即最终定位结果。由于仅需对车道线进行改造，改造成本低，设备仅需普通的wifi发射器和接收器以及车载摄像头，成本低，有利于在各个brt停车站点普及本发明。

以上实施例仅用于说明本发明的设计思想和特点，其目的在于使本领域内的技术人员能够了解本发明的内容并据以实施，本发明的保护范围不限于上述实施例。所以，凡依据本发明所揭示的原理、设计思路所作的等同变化或修饰，均在本发明的保护范围之内。