本發(fā)明涉及汽車技術(shù)領(lǐng)域，更具體的說，涉及自動駕駛汽車環(huán)境感知技術(shù)領(lǐng)域。

背景技術(shù)：

隨著自動駕駛技術(shù)的快速發(fā)展，傳統(tǒng)的通過車載傳感實現(xiàn)自動駕駛的技術(shù)路線的弊端逐步顯現(xiàn)，利用高精度地圖和云計算為智能汽車提供傳感支持，減輕車載傳感的壓力，將逐漸成為必然方向和研究重點。

專利文獻1(CN2486402)汽車定位器，是安裝在汽車上用來確定汽車與四周障礙物之間距離的儀器，它由二個對稱的發(fā)光器(1)、支架(2)和轉(zhuǎn)軸(3)組成，二個對稱的發(fā)光器(1)的中心處均設(shè)置有激光通道孔(1－1)，激光束(1－2)設(shè)置在激光通道孔(1－1)內(nèi)，在二個對稱的發(fā)光器(1)的下面均固定有轉(zhuǎn)軸(3)，轉(zhuǎn)軸(3)的下端鑲在支架(2)上的通孔(4)內(nèi)。轉(zhuǎn)軸(3)與通孔(4)形成轉(zhuǎn)動連接。該定位器結(jié)構(gòu)簡單，定位準(zhǔn)確，便于安裝調(diào)整，是汽車司機的好幫手，解決了停車和進庫工作效率低和停車前的安全系數(shù)低的問題。

專利文獻2(CN1406787)汽車定位系統(tǒng)及其應(yīng)用，所闡述的是一種汽車定位方法及其應(yīng)用，首先確定汽車的原始坐標(biāo)，再通過測量汽車的行駛距離、轉(zhuǎn)向及角速度，從而確定汽車的現(xiàn)在位置，并通過不斷校正以保證其定位精度。此方法可用于汽車防盜、救援、智能交通控制、事故處理等。

專利文獻3(CN104484661A)汽車牌照號碼定位系統(tǒng)及其方法，在一些實施例中，通過一圖像采集模塊取得一圖像，且依據(jù)至少三邊界在圖像中的位置計算相應(yīng)的一核心位置，且設(shè)定顯示模塊的一預(yù)定視野核心至此核心位置。在一些實施例中，通過一方向測試模塊測試汽車牌照號碼定位系統(tǒng)相對在一平面的一方向。依據(jù)方向與至少一計算參數(shù)計算一預(yù)測邊界，且依據(jù)預(yù)測邊界在顯示模塊中顯示一邊界標(biāo)示。當(dāng)方向改變時，依據(jù)改變的方向與至少一計算參數(shù)重新計算預(yù)測邊界，且在顯示模塊中重新顯示相應(yīng)的邊界標(biāo)示。

專利文獻1和專利文獻2公開的技術(shù)，通過一種裝置或初始點迭代的方法進行汽車的定位，以解決汽車的停車和防盜的定位問題。專利文獻3，通過圖像處理識別車牌進行汽車的定位，圖像處理內(nèi)容單一，且非車載技術(shù)。

技術(shù)實現(xiàn)要素：

本發(fā)明專利提出了用景象識別進行汽車的高精度定位的方法，提供了一種智能汽車的高精度定位方法，可用作自動駕駛汽車的高精度定位及路徑規(guī)劃。

汽車通過搭載的車載終端在不同位置捕捉行車環(huán)境特征目標(biāo)，計算特征點(特征目標(biāo)的某一位置，如幾何中心等)的位置，上傳至數(shù)據(jù)中心，數(shù)據(jù)中心通過同一特征點的不同捕捉位置計算其精確位置，汽車根據(jù)所述特征點的精確位置，計算汽車的精確位置。

用景象識別進行汽車的高精度定位的原理及方法的具體步驟包括：

大步驟1，特征點數(shù)據(jù)庫建立：

小步驟1，特征目標(biāo)圖片信息獲取；

小步驟2，車載終端粗略位置信息獲?。?/p>

小步驟3，特征點位置信息獲??；

小步驟4，特征點融合信息獲?。?/p>

小步驟5，特征點精確位置計算；

小步驟6，特征點數(shù)據(jù)庫建立；

大步驟2，參考特征點精確位置獲?。?/p>

小步驟1，鎖定區(qū)域參考特征點的獲取；

小步驟2，參考特征點精確位置獲??；

大步驟3，汽車位置信息計算：搭載在汽車上的車載終端在不同位置，通過無線通訊訪問數(shù)據(jù)中心獲取參考特征點的精確位置信息，通過幾何計算得出車載終端的位置信息，即汽車的位置信息。

具體來說，大步驟1，特征點數(shù)據(jù)庫建立：

所述小步驟1，特征目標(biāo)圖片信息獲取，對圖片進行基于色差的網(wǎng)格化處理后，應(yīng)用Harr算法實現(xiàn)圖像特征提?。?/p>

所述小步驟2，GIC粗略位置信息獲取，通過GIC模塊中的衛(wèi)星定位終端獲取車輛定位信息；

所述小步驟3，特征點位置信息獲取，GIC模塊通過圖像處理可獲得特征點距GIC模塊的距離及方位信息，通過幾何計算即可獲得特地點的位置信息；

所述小步驟4，特征點融合信息獲取，通過圖像處理程序，將特征點的位置信息與特征點的圖像信息融合，并通過無線通訊發(fā)送至數(shù)據(jù)中心；

所述小步驟5，特征點精確位置計算，數(shù)據(jù)中心利用GIC模塊在不同捕捉點獲得的特征點位置信息，采用統(tǒng)計算法計算特征點的精確位置；

所述小步驟6，特征點數(shù)據(jù)庫建立，數(shù)據(jù)中心將眾多特征點信息分類匯總，形成特征點數(shù)據(jù)庫；

大步驟2，參考特征點精確位置獲?。?/p>

小步驟1，鎖定區(qū)域參考特征點的獲取，GIC模塊將位置信息通過無線通訊訪問數(shù)據(jù)中心，數(shù)據(jù)中心將該位置周圍一定距離范圍內(nèi)的參考特征點鎖定，從而確定內(nèi)鎖定區(qū)域參考特征點融合信息；

小步驟2，參考特征點精確位置獲取，GIC模塊將捕獲的特征點融合信息發(fā)送至數(shù)據(jù)中心，數(shù)據(jù)中心將鎖定區(qū)域參考特征點融合信息與其進行位置和圖像信息匹配，獲得參考特征點精確位置；

本發(fā)明使用集成攝像頭、慣性單元和衛(wèi)星定位單元的車載終端獲取汽車的行車特征目標(biāo)，進行圖像特征點提取和信息融合，并可根據(jù)特征目標(biāo)的位置計算汽車的位置，通過數(shù)據(jù)服務(wù)中心進行特征點位置計算，通過無線通訊實現(xiàn)車載模塊與數(shù)據(jù)服務(wù)中心的數(shù)據(jù)傳輸。

本發(fā)明為智能汽車提供了低成本高精度的定位方法，為智能汽車的駕駛輔助和自動駕駛功能開發(fā)提供可靠的高精度定位信息，并可大大降低智能汽車傳感器的成本壓力。

附圖說明

圖1為特征目標(biāo)定位流程。

圖2為特征點位置信息計算方法流程。

圖3為特征目標(biāo)計算。

圖4為汽車位置計算。

具體實施方案

結(jié)合圖1說明用景象識別進行汽車的高精度定位的具體實施方式。

步驟1，特征點數(shù)據(jù)庫的建立

(1)特征目標(biāo)圖片信息獲取，車載終端(GIC模塊)包括衛(wèi)星定位單元、慣性單元和攝像頭，用攝像頭在不同位置拍攝特征目標(biāo)的照片，如交通設(shè)施、交通標(biāo)牌、道路標(biāo)線和路側(cè)設(shè)施建筑等，車載終端中集成的處理器，通過圖像處理將特征目標(biāo)從整張圖片中截取出來，對圖片進行基于色差的網(wǎng)格化處理后，應(yīng)用Haar算法(輸入圖像的矩形特征)實現(xiàn)圖像特征提取，并將特征目標(biāo)的某些點(如幾何中心等)作為特征點。

(2)車載終端粗略位置信息獲取，通過車載終端中的衛(wèi)星定位終端獲取車載終端的位置信息，即經(jīng)緯度和海拔高度，定位精度要求≤10m(1σ)。

(3)車載終端粗略位置信息補償，利用車載終端中的慣性單元補償衛(wèi)星定位模塊定位信息不足和缺失，衛(wèi)星信號接收終端信號輸出頻率通常為1Hz，慣性單元根據(jù)當(dāng)前位置，計算下個數(shù)據(jù)輸出時間的位置信息，間隔時間視慣性單元(IMU)數(shù)據(jù)輸出頻率而定，此處慣性單元的數(shù)據(jù)輸出頻率≥50Hz，若衛(wèi)星定位終端的位置信息偏離正常范圍或無輸出時，車載終端的位置信息可由慣性單元優(yōu)化或補償。

(4)特征點位置信息獲取，如圖2所示攝像頭特征點定位信息計算方法流程如圖，攝像頭的圖像經(jīng)過圖像處理，提取特征點信息后，即可獲得特征點相對于攝像頭的位置坐標(biāo)和三個方向的朝向角，經(jīng)過幾何計算，可獲得特征點的位置信息。

(5)將特征點的位置信息與特征點信息通過融合算法進行數(shù)據(jù)融合，形成特征點的融合信息。

(6)經(jīng)車載終端獲取特征點融合信息后，將特征點融合信息通過無線通訊(3G/4G)發(fā)送至數(shù)據(jù)中心中心；

(7)如圖3所示攝像頭在不同位置多次拍攝特征點，每個拍攝位置獲取特征點不同。將各個拍攝位置獲取的特征點位置，經(jīng)數(shù)據(jù)中心進行統(tǒng)計計算，即可獲得特征點的高精度位置信息；

(8)將某一區(qū)域的特征點高精度位置信息存儲于數(shù)據(jù)中心的數(shù)據(jù)庫中，特征點數(shù)據(jù)庫建立完成。

步驟2，參考特征點精確位置獲取

(1)利用車載車載終端的衛(wèi)星定位終端，獲取汽車的粗略位置(定位精度≤10m)，鎖定范圍為半徑200m的區(qū)域；

(2)車載終端通過無線通訊(3G/4G)訪問數(shù)據(jù)中心，獲取鎖定范圍內(nèi)的所有特征點的精確位置信息，通訊延遲時間≤100ms；

(3)將步驟1獲取的特征點融合信息與鎖定范圍內(nèi)的特征點位置和特征點所屬特征目標(biāo)的圖像信息進行對比，若二者位置誤差小于等于某一特定值(如5米)，且經(jīng)Haar算法處理的圖像信息相似度大于某一值(如80％)，將該點定義為參考特征點，即可獲得參考特征點的高精度位置信息。

步驟3，汽車位置信息計算

(1)，經(jīng)過步驟1、步驟2，獲取多個參考特征點的精確位置信息。

(2)，如圖4所示，根據(jù)不同參考特征點與汽車(車載終端)的位置關(guān)系，車載終端的計算程序通過幾何運算，即可計算出汽車的高精度位置信息(以參考目標(biāo)1為例，參考目標(biāo)1的坐標(biāo)已知，通過圖像處理可知距離R₁及方向角θ₁、z₁＝z₀+R₁cosθ₁)。