首页 / 专利库 / 视听技术与设备 / 帧间位移误差 / 一种基于路面特征的车辆定位方法及在视觉定位中应用

一种基于路面特征的车辆定位方法及在视觉定位中应用

阅读:999发布:2020-05-08

专利汇可以提供一种基于路面特征的车辆定位方法及在视觉定位中应用专利检索,专利查询,专利分析的服务。并且本 发明 提供一种基于路面特征的车辆 定位 方法,包括以下操作步骤:A)、设备准备:在车辆底盘上安装面向地面拍摄的高速相机;B)、路面图像连续输入;C)、通过 机器视觉 算法 计算车辆位移:在输入的图像上确定特征 像素 点,通过机器视觉算法对道路图像的特征像素集合进行特征识别和匹配,计算出特性像素点在图像尺度下的位移;再由图像尺度到实际尺度的标定转化关系得出像素点的实际 位置 ,由相对运动原理得出车辆的实际位移;D)、完成。本发明通过高速相机实时采集车辆经过之处的地面图像,应用特征识别和匹配算法来估计连续两 帧 图像所对应的车辆位移,与IMU测量数据融合获得了更准确的车辆位置,获得了更高的车辆定位 精度 。,下面是一种基于路面特征的车辆定位方法及在视觉定位中应用专利的具体信息内容。

1.一种基于路面特征的车辆定位方法,其特征在于:包括以下操作步骤:
A)、设备准备:
在车辆底盘上安装面向地面拍摄的高速相机,确保其能采集高质量的路面图像信息;
B)、路面图像连续输入:
将采集的所有连续路面图像信息作为图像特征识别和匹配算法的输入;
C)、通过机器视觉算法计算车辆位移:
在输入的图像上确定特征像素点,通过机器视觉算法对道路图像的特征像素集合进行特征识别和匹配,计算出特性像素点在图像尺度下的位移;再由图像尺度到实际尺度的标定转化关系得出像素点的实际位置,由相对运动原理得出车辆的实际位移,进而得到车辆在采集到的连续两张图像这一短时间段之内的位置变化;
D)、完成。
2.根据权利要求1所述的一种基于路面特征的车辆定位方法,其特征在于:所述的步骤B)中,图像连续输入时,采集到的连续两图像有20%~50%的重叠度,即需要两张图像中有一定比例的像素点表征的是相同的路面,以便进行两帧图像的特征匹配。
3.根据权利要求1所述的一种基于路面特征的车辆定位方法,其特征在于:所述的步骤C)中,机器视觉算法采用OpenCV库中的ORB算法,对道路图像的特征像素集合进行特征识别和匹配的依据是图像上的特征像素具有不同的灰度梯度和特征点。
4.根据权利要求3所述的一种基于路面特征的车辆定位方法,其特征在于:所述的ORB算法对图像的处理具备旋转不变性、尺度不变性的突出特点,适合对道路图像的特征像素集合进行特征识别和匹配。
5.一种基于路面特征的车辆定位方法在视觉定位中应用,其特征在于:预先标定出高速相机的像素距离和实际距离的转化关系,并对高速相机安装测距传感器,通过测量高速相机与路面之间的实际距离来修正标定过的像素距离和实际距离的转化关系;采用惯性测量单元IMU的测量数据作为对实际道路存在连续的起伏、阶跃式的凸凹变化情况的修正;对于连续的起伏路面,将IMU数据的俯仰角和翻滚角作为图像算法得出的位移矢量的修正量;
对于阶跃式凹凸变化路面,采用IMU三轴加速度中的垂直于地面的加速度分量来识别;在经过连续的起伏、阶跃式的凸凹变化路况路面的时间内完全依靠IMU进行车辆位置估计,具有更少的中间待标定参数以及没有积分环节带来的原始误差被放大的问题。

说明书全文

一种基于路面特征的车辆定位方法及在视觉定位中应用

技术领域

[0001] 本发明属于车辆定位及机器视觉技术领域,特别涉及一种基于路面特征的车辆定位方法及在视觉定位中应用,应用场景是针对可行驶各类非轨道车辆的交通道路路面,例如沥青路面、泥路面、大理石路面、铺砖路面等,该路面对于目前的机器视觉算法而言具有可提取的图像特征。

背景技术

[0002] 目前在乘用车、商用车等领域所使用车载导航芯片一般集成MEMS(Micro-Electro-Mechanical Systems)惯性导航单元IMU(Inertial Measurement Unit),以保证在GNSS(Global Navigation Satellite System)信号不良的情况下可持续获得车辆位置解。同时也往往会集成车辆的轮速、转向等参数作为车辆里程计模型的输入,来获得车辆位置的估计。具体而言,在常规车辆组合定位(GNSS卫星导航+IMU惯性导航+里程计)的方案下,如果处于GNSS信号不良的环境(例如城市建筑物、树木等对信号的遮挡)中,车辆主要依靠惯性导航和常规里程计的组合形式实现定位。这里所说的常规里程计输出的信息一般包括轮速和转向角,在已知必要的车辆运动学模型参数后,可通过常规里程计实现对车辆位置的估计,并与IMU的测量数据结合,应用各种传感器融合算法实现更佳的车辆位置估计。
[0003] 目前,车载导航方案采用惯性导航单元和里程计作为GNSS定位的辅助定位,这种组合定位方法的不足是,MEMS类型的低成本惯导单元和常规的里程计均具有对车辆位置估计的累积误差。具体来说,对于MEMS类型的低成本IMU,其测量加速度并对其作两次积分获得位移的方式会形成累积误差,即随时间(或者车辆行驶距离)增加而累积形成很大的位置估计误差。对于里程计而言,由于车辆运动学模型通常并不精确(例如胎压和车辆负载等等因素的变化),以及车辆轮胎打滑、侧滑等难以建模的因素也影响着车辆运动,所以常规里程计的车辆航迹推算往往只能短距离使用,可信度不佳。
[0004] 在车辆需要持续保持高精度定位(例如“车道级”定位精度),在GNSS卫星导航信号不佳导致定位解不可用的情况下,如何提高惯性导航单元的定位精度是重要的考虑因素,这种场景下需要车辆在相当长一段行驶距离内保持车道级定位,这往往需借助造价高昂的高精度惯导单元(所谓的“战术级”精度,tactical grade)。
[0005] 如何提供一种基于路面特征的车辆定位方法及在视觉定位中应用,如何与IMU测量数据融合获得更准确的车辆位置,如何获得更高的车辆定位精度,成为急需解决的问题。

发明内容

[0006] 鉴于以上所述现有技术的缺点,本发明的目的在于提供一种基于路面特征的车辆定位方法及在视觉定位中应用,用于解决现有技术中低成本惯导单元和常规的里程计均具有对车辆位置估计的累积误差,车辆位置不准确,车辆定位精度差的问题。
[0007] 为实现上述目的,本发明提供一种基于路面特征的车辆定位方法,其特征在于:包括以下操作步骤:A)、设备准备:
在车辆底盘上或者其他合适位置安装面向地面拍摄的高速相机,确保其能采集高质量的路面图像信息;
B)、路面图像连续输入:
将采集的所有连续路面图像信息作为图像特征识别和匹配算法的输入;
C)、通过机器视觉算法计算车辆位移:
在输入的图像上确定特征像素点,通过机器视觉算法对道路图像的特征像素集合进行特征识别和匹配,计算出特性像素点在图像尺度下的位移;再由图像尺度到实际尺度的标定转化关系得出像素点的实际位置,由相对运动原理得出车辆的实际位移,进而得到车辆在采集到的连续两张图像这一短时间段之内的位置变化;
D)、完成。
[0008] 于本发明的一实施例中,所述的步骤B)中,图像连续输入时,采集到的连续两图像有20%~50%的重叠度,即需要两张图像中有一定比例的像素点表征的是相同的路面,以便进行两帧图像的特征匹配。
[0009] 于本发明的一实施例中,所述的步骤C)中,机器视觉算法采用OpenCV库中的ORB算法,对道路图像的特征像素集合进行特征识别和匹配的依据是图像上的特征像素具有不同的灰度梯度和特征角点;就人类视觉认知而言,近距离观察这类路面,其纹理和斑点等细微特征具有唯一性;对于机器视觉算法而言,这些特征像素具有较大的灰度梯度和所谓的“特征角点”。
[0010] 于本发明的一实施例中,所述的ORB算法对图像的处理具备旋转不变性、尺度不变性等突出特点,适合在这种场景下对道路图像的特征像素集合进行特征识别和匹配。
[0011] 本发明提供一种基于路面特征的车辆定位方法在视觉定位中应用,其特征在于:预先标定出高速相机的像素距离和实际距离的转化关系,并对高速相机安装测距传感器,通过测量高速相机与路面之间的实际距离来修正标定过的像素距离和实际距离的转化关系;由于基于上述方案的机器视觉算法输出的将是以像素单位的位移矢量,而车辆定位需要以长度为单位的位移量,因此预先标定出高速相机的像素距离和实际距离的转化关系是必需的。另外,考虑到车辆动态的悬挂系统会使安装于车辆的高速相机与路面之间的距离发生变化,即光学意义上的物距的变化,因此针对高速相机安装某一种类型的测距传感器也是必要的,也就是可通过测量高速相机与路面之间的实际距离来修正标定过的像素距离和实际距离的转化关系;
采用惯性测量单元IMU的测量数据作为对实际道路存在连续的起伏、阶跃式的凸凹变化情况的修正;对于连续的起伏路面,将IMU数据的俯仰角和翻滚角作为图像算法得出的位移矢量的修正量;对于阶跃式凹凸变化路面,采用IMU三轴加速度中的垂直于地面的加速度分量来识别;在经过连续的起伏、阶跃式的凸凹变化路况路面的时间内完全依靠IMU进行车辆位置估计,具有更少的中间待标定参数以及没有积分环节带来的原始误差被放大的问题;由于通过两帧图像求得的车辆位移是基于如下的前提假设:该车辆在拍摄两张图像的这样一个短时间内是行驶在理想平面的道路上,而实际道路存在连续的起伏、阶跃式的凸凹变化等情况,因此采用惯性测量单元IMU的测量数据作为修正是必需的;对于连续的起伏而言,将IMU数据的俯仰角和翻滚角作为图像算法得出的位移矢量的修正量;对于阶跃式凹凸变化路面,需采用IMU三轴加速度中的垂直于地面的加速度分量来识别这一路况,因为显然由于上述基于图像的导航算法会在此种情况下失效,因此在经过这个路况的这样一段短时间内需要完全依靠IMU进行车辆位置估计。
[0012] 如上所述,本发明的一种基于路面特征的车辆定位方法及在视觉定位中应用,具有以下有益效果:工艺合理,通过高速相机实时采集车辆经过之处的地面图像,应用特征识别和匹配算法来估计连续两帧图像所对应的车辆位移,与IMU测量数据融合获得了更准确的车辆位置,获得了更高的车辆定位精度;在现有的GNSS+IMU的常规定位方案中引入面向路面特征识别和匹配的视觉定位方案,以实现在借助低成本惯导(例如MEMS惯导单元)的情况下即可达到高精度的定位效果,例如车道级定位,进而满足车辆在GNSS信号不佳的城市环境中的高精定位需求,推广应用具有良好的经济效益和社会效益。附图说明
[0013] 图1是本发明的高速相机在车辆上的布置示例示意图。
[0014] 图2是图1中高速相机实时采集的两帧图像具有一定比例重叠区的示例示意图。
[0015] 图3是本发明在沥青路面上连续两帧图像的同一特征示例示意图。
[0016] 图4是本发明的系统流程图

具体实施方式

[0017] 以下通过特定的具体实例说明本发明的实施方式,本领域技术人员可由本说明书所揭露的内容轻易地了解本发明的其他优点与功效。本发明还可以通过另外不同的具体实施方式加以实施或应用,本说明书中的各项细节也可以基于不同观点与应用,在没有背离本发明的精神下进行各种修饰或改变。需说明的是,在不冲突的情况下,以下实施例及实施例中的特征可以相互组合。
[0018] 需要说明的是,以下实施例中所提供的图示仅以示意方式说明本发明的基本构想,遂图式中仅显示与本发明中有关的组件而非按照实际实施时的组件数目、形状及尺寸绘制,其实际实施时各组件的型态、数量及比例可为一种随意的改变,且其组件布局型态也可能更为复杂。
[0019] 请参阅图4,本发明提供一种基于路面特征的车辆定位方法,其特征在于:包括以下操作步骤:A)、设备准备:
请参阅图1,在车辆底盘上安装面向地面拍摄的高速相机,确保其能采集高质量的路面图像信息;
B)、路面图像连续输入:
请参阅图2,将采集的所有连续路面图像信息作为图像特征识别和匹配算法的输入;
C)、通过机器视觉算法计算车辆位移:
请参阅图3,在输入的图像上确定特征像素点,通过机器视觉算法对道路图像的特征像素集合进行特征识别和匹配,计算出特性像素点在图像尺度下的位移;再由图像尺度到实际尺度的标定转化关系得出像素点的实际位置,由相对运动原理得出车辆的实际位移,进而得到车辆在采集到的连续两张图像这一短时间段之内的位置变化;
D)、完成;
所述的步骤B)中,图像连续输入时,采集到的连续两帧图像有20%~50%的重叠度,即需要两张图像中有一定比例的像素点表征的是相同的路面,以便进行两帧图像的特征匹配;
所述的步骤C)中,机器视觉算法采用OpenCV库中的ORB算法,对道路图像的特征像素集合进行特征识别和匹配的依据是图像上的特征像素具有不同的灰度梯度和特征角点;
所述的ORB算法对图像的处理具备旋转不变性、尺度不变性的突出特点,适合在这种场景下对道路图像的特征像素集合进行特征识别和匹配。
[0020] 本发明提供一种基于路面特征的车辆定位方法在视觉定位中应用,其特征在于:预先标定出高速相机的像素距离和实际距离的转化关系,并对高速相机安装测距传感器,通过测量高速相机与路面之间的实际距离来修正标定过的像素距离和实际距离的转化关系;采用惯性测量单元IMU的测量数据作为对实际道路存在连续的起伏、阶跃式的凸凹变化情况的修正;对于连续的起伏路面,将IMU数据的俯仰角和翻滚角作为图像算法得出的位移矢量的修正量;对于阶跃式凹凸变化路面,采用IMU三轴加速度中的垂直于地面的加速度分量来识别;在经过连续的起伏、阶跃式的凸凹变化路况路面的时间内完全依靠IMU进行车辆位置估计,具有更少的中间待标定参数以及没有积分环节带来的原始误差被放大的问题。
[0021] 具体实施时,本发明中对连续两帧图像的处理可采用机器视觉算法中的ORB算法,用于对各种路面特征的关键像素点进行提取和匹配,从而计算出特性像素点在图像尺度下的位移,再由图像尺度到实际尺度的标定转化关系得出像素点的实际位置,由相对运动原理即可得出车辆的实际位移。
[0022] 该视觉定位方案相对于里程计定位和惯导定位而言,在获得车辆位置信息的原理上存在如下差异:里程计通过采集车辆轮速、转向角信息,并结合车辆运动学模型推算车辆位移,IMU通过测量车辆加速度并对其两次积分获得车辆位移,而该视觉定位方案通过对路面特征作图像处理,经过一步图像像素距离到实际距离的转换即可得出车辆位移,因此相对于里程计和惯导这两种定位方式,该视觉方案具有更少的中间待标定参数以及没有积分环节带来的原始误差被放大的问题。
[0023] 综上所述,本发明的一种基于路面特征的车辆定位方法及在视觉定位中应用,具有以下有益效果:工艺合理,通过高速相机实时采集车辆经过之处的地面图像,应用特征识别和匹配算法来估计连续两帧图像所对应的车辆位移,与IMU测量数据融合获得了更准确的车辆位置,获得了更高的车辆定位精度;在现有的GNSS+IMU的常规定位方案中引入面向路面特征识别和匹配的视觉定位方案,以实现在借助低成本惯导(例如MEMS惯导单元)的情况下即可达到高精度的定位效果,例如车道级定位,进而满足车辆在GNSS信号不佳的城市环境中的高精定位需求。所以,本发明有效克服了现有技术中的种种缺点而具高度产业利用价值。
[0024] 上述实施例仅例示性说明本发明的原理及其功效,而非用于限制本发明。任何熟悉此技术的人士皆可在不违背本发明的精神及范畴下,对上述实施例进行修饰或改变。因此,举凡所属技术领域中具有通常知识者在未脱离本发明所揭示的精神与技术思想下所完成的一切等效修饰或改变,仍应由本发明的权利要求所涵盖。
高效检索全球专利

专利汇是专利免费检索,专利查询,专利分析-国家发明专利查询检索分析平台,是提供专利分析,专利查询,专利检索等数据服务功能的知识产权数据服务商。

我们的产品包含105个国家的1.26亿组数据,免费查、免费专利分析。

申请试用

分析报告

专利汇分析报告产品可以对行业情报数据进行梳理分析,涉及维度包括行业专利基本状况分析、地域分析、技术分析、发明人分析、申请人分析、专利权人分析、失效分析、核心专利分析、法律分析、研发重点分析、企业专利处境分析、技术处境分析、专利寿命分析、企业定位分析、引证分析等超过60个分析角度,系统通过AI智能系统对图表进行解读,只需1分钟,一键生成行业专利分析报告。

申请试用

QQ群二维码
意见反馈