本發(fā)明屬于無人駕駛車輛技術(shù)領(lǐng)域，具體地涉及一種基于多信息融合的無人駕駛車輛高精度定位方法。

背景技術(shù)：

無人駕駛車輛是一種自動(dòng)完成駕駛?cè)蝿?wù)的智能汽車。它依靠車載傳感器感知道路環(huán)境，采取合適的行駛策略，控制車輛安全可靠地到達(dá)目的地。無人駕駛車輛是計(jì)算機(jī)科學(xué)、模式識(shí)別和智能控制技術(shù)高度發(fā)展的產(chǎn)物，在國防和國民經(jīng)濟(jì)領(lǐng)域具有廣闊的應(yīng)用前景。

高精度定位是實(shí)現(xiàn)無人駕駛的必要條件。無人駕駛車輛利用高精度定位，再配合高精度地圖，能夠精確判斷它所在的位置，熟悉車輛附近的道路交通環(huán)境，降低感知系統(tǒng)對(duì)環(huán)境檢測(cè)的要求。高精度定位可以幫助決策系統(tǒng)實(shí)時(shí)規(guī)劃行駛路徑，選擇合適的車道，處理各種交通狀況，有效提高行駛質(zhì)量，增強(qiáng)行車的安全性和智能性。

傳統(tǒng)的定位通常由衛(wèi)星定位系統(tǒng)(GPS、北斗等)加慣性導(dǎo)航系統(tǒng)(INS)組成。衛(wèi)星定位信號(hào)在高樓林木遮擋的情況下容易受到干擾，導(dǎo)致信號(hào)質(zhì)量下降。單獨(dú)使用INS系統(tǒng)輸出定位信息的話，誤差會(huì)隨著時(shí)間迅速增大。

公開號(hào)為CN104089619A的專利(申請(qǐng)?zhí)朇N201410202876.4)提供了一種無人駕駛汽車的GPS導(dǎo)航地圖精確匹配系統(tǒng)及其操作方法。該方法包括定位模塊、地圖模塊和匹配模塊，定位模塊獲取車輛的實(shí)時(shí)定位信息和路徑軌跡信息，地圖模塊將信息制作成KML文本地圖的地圖解析模塊和地圖加載模塊，匹配模塊在行駛過程中利用定位模塊和地圖模塊的信息實(shí)時(shí)為車輛匹配最佳路線。該專利利用KML地圖與GPS實(shí)時(shí)測(cè)得的經(jīng)緯度進(jìn)行匹配，沒有利用局部的道路環(huán)境特征，由于信息來源單一、地圖和GPS信息存在偏差，該專利應(yīng)用范圍有限，定位精度不足。

采用多傳感器信息融合的定位方案，可以將多種傳感器組合在一起，無人駕駛車輛先接收衛(wèi)星和慣導(dǎo)定位信號(hào)，實(shí)現(xiàn)粗定位，再配合環(huán)境感知系統(tǒng)，利用車載激光雷達(dá)、相機(jī)等傳感器采集數(shù)據(jù)，構(gòu)建場(chǎng)景的二維或三維地圖，提取環(huán)境特征，借助地圖特征匹配獲得局部環(huán)境下的高精度定位。不同的傳感器檢測(cè)范圍不一樣，適應(yīng)的環(huán)境有所差別。提供多個(gè)信息源，可以擴(kuò)大檢測(cè)范圍，增加信息冗余度，有效增強(qiáng)了系統(tǒng)的魯棒性和可靠性。

技術(shù)實(shí)現(xiàn)要素：

本發(fā)明的技術(shù)解決問題：克服現(xiàn)有技術(shù)的不足，提供一種基于多信息融合的無人駕駛車輛高精度定位方法，本發(fā)明能夠結(jié)合多種信息融合的優(yōu)點(diǎn)，在各種道路條件下都能夠持續(xù)穩(wěn)定進(jìn)行高精度地圖匹配和修正，快速獲得高精度定位結(jié)果。

為了實(shí)現(xiàn)上述目的，本發(fā)明采用以下技術(shù)方案：

本發(fā)明提供一種基于多信息融合的無人駕駛車輛高精度定位方法，融合地圖模塊、相機(jī)處理模塊和雷達(dá)處理模塊提供的信息，通過車道線校正和邊界校正使車輛在地圖中的位置與它在環(huán)境中的真實(shí)位置相匹配。其中：

所述地圖模塊，根據(jù)實(shí)時(shí)定位信息繪制以車輛為中心、一定范圍內(nèi)的局部地圖，供相機(jī)處理模塊和雷達(dá)處理模塊使用；

所述相機(jī)處理模塊，使用相機(jī)采集車輛行駛過程中的路面原始數(shù)據(jù)，提取車道線，用于地圖匹配和校正；

所述雷達(dá)處理模塊，使用激光雷達(dá)采集車輛周圍環(huán)境信息，提取道路邊界，用于地圖匹配和校正。

其中，相機(jī)處理模塊在做地圖匹配和校正之前對(duì)檢測(cè)的車道線進(jìn)行可用性評(píng)估，評(píng)估指標(biāo)包括：車道夾角angle_camera、車頭夾角angle_car和車道寬度差line_width，

angle_camera：表示實(shí)時(shí)檢測(cè)的車道線與局部地圖中車道線的夾角；

angle_car：表示實(shí)時(shí)檢測(cè)的車頭方向與局部地圖中的車道線夾角；

line_width：表示實(shí)時(shí)檢測(cè)的車道線與局部地圖中車道線的寬度差。

其中，為車道線可用性評(píng)估指標(biāo)設(shè)置閾值向量任一項(xiàng)指標(biāo)超過閾值，則車道線不具備可用性，不能用于地圖校正。

其中，雷達(dá)處理模塊在做地圖匹配和校正之前對(duì)檢測(cè)的道路邊界進(jìn)行可用性評(píng)估，評(píng)估指標(biāo)包括：角度angleDT、寬度widthDT和線形leftDDT、rightDDT，

angleDT：表示局部地圖中道路的偏轉(zhuǎn)角；

widthDT：表示道路平均寬度；

leftDDT、rightDDT：分別表示左、右邊界的形狀偏差，邊界的線形采用二次曲線擬合。

其中，根據(jù)車道線檢測(cè)失效次數(shù)和車輛與實(shí)際檢測(cè)邊界的距離，邊界的可用性評(píng)估分為三個(gè)等級(jí)：普通、嚴(yán)格、無限制，分別對(duì)應(yīng)不同的閾值向量

其中，計(jì)算檢測(cè)距離，即車輛與通過評(píng)估的車道線或邊界的距離，對(duì)應(yīng)找到顯示距離，即車輛在地圖中與車道線或邊界的距離，檢測(cè)距離和顯示距離不一定相等，兩者的差值即為需要校正的局部地圖的定位偏差，偏差校正公式：

Adjust_x+＝offset*cos(rad)；

Adjust_y+＝offset*sin(rad)； (1)

其中：

Adjust_x：表示地圖在正東方向的偏差；

Adjust_y：表示地圖在正北方向的偏差；

offset：表示車道線或邊界偏差；

rad：表示地圖偏轉(zhuǎn)角；

cos：三角函數(shù)余弦函數(shù)；

sin：三角函數(shù)正弦函數(shù)；

Adjust_x和Adjust_y的校正結(jié)果被永久性保留，供下一次繪制局部地圖時(shí)使用。

本發(fā)明與現(xiàn)有技術(shù)相比的優(yōu)點(diǎn)在于：

現(xiàn)有技術(shù)存在的主要問題是定位信息來源單一，信息穩(wěn)定性和可靠性不足，容易受到環(huán)境影響，無法滿足無人駕駛車輛車道級(jí)別的定位需求。本發(fā)明的創(chuàng)新性在于，以多個(gè)設(shè)備作為數(shù)據(jù)來源，適應(yīng)不同的環(huán)境，提取并融合多種道路信息，根據(jù)檢測(cè)情況分等級(jí)設(shè)計(jì)地圖匹配校正算法，實(shí)現(xiàn)高精度定位的目標(biāo)。

(1)本發(fā)明利用包括組合定位系統(tǒng)、高精度地圖、激光雷達(dá)、相機(jī)等多種設(shè)備作為數(shù)據(jù)來源，結(jié)合了多數(shù)據(jù)源提供的信息，能夠快速提供車道級(jí)高精度定位，適用范圍廣泛。

(2)本發(fā)明根據(jù)道路信息檢測(cè)的情況，分別設(shè)計(jì)不同的偏差校正閾值，在車道線或者邊界部分檢測(cè)失效的情況下，依舊能夠持續(xù)穩(wěn)定的提供高精度定位結(jié)果輸出，提高了系統(tǒng)的魯棒性和可靠性。

(3)本發(fā)明所設(shè)計(jì)的多模塊信息融合方法既相互獨(dú)立又相互聯(lián)系。各模塊分別負(fù)責(zé)相對(duì)獨(dú)立的任務(wù)，僅在必要的時(shí)候進(jìn)行相互之間的通訊，提高了系統(tǒng)的運(yùn)行速度，保證了無人駕駛車輛對(duì)高精度定位的實(shí)時(shí)性要求。

附圖說明

圖1為本發(fā)明基于多信息融合的無人駕駛車輛高精度定位方法流程圖；

圖2為車道線校正算法流程圖；

圖3為邊界校正算法流程圖。

具體實(shí)施方式

為使本發(fā)明的目的、技術(shù)方案和優(yōu)點(diǎn)更加清楚明白，以下結(jié)合具體實(shí)施步驟，并配合附圖，對(duì)本發(fā)明進(jìn)一步詳細(xì)說明。以下實(shí)施例將有助于本領(lǐng)域的技術(shù)人員進(jìn)一步理解本發(fā)明，但不以任何形式限制本發(fā)明。應(yīng)當(dāng)指出的是，對(duì)本領(lǐng)域的普通技術(shù)人員來說，在不脫離本發(fā)明構(gòu)思的前提下，還可以做出若干變形和改進(jìn)，這些都屬于本發(fā)明的保護(hù)范圍。

如圖1所示，本發(fā)明基于多信息融合的高精度定位方法，包括以下步驟：

步驟1，從多數(shù)據(jù)源獲取信息。包括：

1)地圖模塊，結(jié)合高精度地圖和組合定位系統(tǒng)，提取車輛所在區(qū)域的局部地圖。地圖以柵格圖表示，每個(gè)柵格表示20cm*20cm大小的地塊。局部地圖顯示了車輛位置和道路信息，包括道路寬度、道路長度、道路形態(tài)、車道寬度、車道數(shù)量、車道類型等道路屬性信息。

2)相機(jī)和雷達(dá)模塊，基于車載相機(jī)和雷達(dá)設(shè)備，實(shí)時(shí)采集道路交通環(huán)境信息，提取出車道線和道路邊界。車道線和邊界檢測(cè)采用業(yè)內(nèi)已知的算法。

步驟2，對(duì)獲得的車道線和道路邊界進(jìn)行可用性評(píng)估。

步驟3，在可用性評(píng)估通過之后，對(duì)照地圖模塊生成的局部地圖，計(jì)算實(shí)際檢測(cè)的車道線或邊界與車輛的距離，與局部地圖顯示的結(jié)果做比較，得到定位偏差，校正之。

步驟4，保留校正結(jié)果，供下次繪制局部地圖和校正使用。

對(duì)于步驟1，數(shù)據(jù)來源包括：

高精度地圖，用于提取無人駕駛車輛行駛目標(biāo)區(qū)域中道路的寬度、長度、形態(tài)，車道數(shù)量、寬度、類型等道路屬性信息，以及每條道路中的白色實(shí)線、白色虛線、人行道、道路隔離帶、直行箭頭、左轉(zhuǎn)箭頭等路面標(biāo)識(shí)信息。本實(shí)例采用自定義格式制作高精度地圖；

激光雷達(dá)，用于檢測(cè)道路邊界。本實(shí)例采用Velodyne公司生產(chǎn)的HDL-64E高精度激光雷達(dá)，360度實(shí)時(shí)掃描道路環(huán)境，構(gòu)建三維立體模型，然后從中提取出道路邊界信息；

相機(jī)，用于檢測(cè)車道線。本實(shí)施例中采用映美精公司生產(chǎn)的DFK 23G274工業(yè)相機(jī)，分辨率640*480，有效支持車道線檢測(cè)算法，保證檢測(cè)結(jié)果準(zhǔn)確性和魯棒性；

組合定位系統(tǒng)，用于提供車輛某一時(shí)刻的衛(wèi)星定位信息。本實(shí)例采用NovAtel公司生產(chǎn)的組合導(dǎo)航定位系統(tǒng)SPAN-CPT，該產(chǎn)品是集成GPS+INS的緊耦合系統(tǒng)，可以連續(xù)穩(wěn)定輸出定位信息，支持局部地圖的創(chuàng)建。

對(duì)于步驟2，包括車道線評(píng)估和道路邊界評(píng)估：

車道線評(píng)估，包括三項(xiàng)指標(biāo)：車道夾角angle_camera、車頭夾角angle_car、車道寬度差line_width。angle_camera表示實(shí)時(shí)檢測(cè)的車道線與局部地圖中車道線的夾角，angle_car表示實(shí)時(shí)檢測(cè)的車頭方向與局部地圖中的車道線夾角，line_width表示實(shí)時(shí)檢測(cè)的車道線與局部地圖中車道線的寬度差。

為車道線可用性評(píng)估指標(biāo)設(shè)置閾值向量任一項(xiàng)指標(biāo)超過閾值如angle_camera大于5，則車道線不具備可用性，不能用于地圖校正。

道路邊界采用二次曲線擬合，可用性評(píng)估指標(biāo)包括角度angleDT、寬度widthDT和線形leftDDT、rightDDT。angleDT表示局部地圖中道路的偏轉(zhuǎn)角，widthDT表示道路平均寬度，leftDDT和rightDDT分別表示左邊界、右邊界形狀偏差。

根據(jù)車道線檢測(cè)失效次數(shù)和車輛與實(shí)際檢測(cè)邊界的距離，邊界的可用性評(píng)估分為三個(gè)等級(jí)：普通、嚴(yán)格、無限制，分別對(duì)應(yīng)不同的閾值。如果相機(jī)處理模塊連續(xù)10個(gè)周期內(nèi)沒有檢測(cè)到車道線，則進(jìn)行嚴(yán)格評(píng)估，閾值向量否則進(jìn)行普通評(píng)估，閾值向量在嚴(yán)格評(píng)估條件下，如果實(shí)際檢測(cè)道路左邊界或右邊界到車輛的距離小于7，進(jìn)行無限制評(píng)估。

對(duì)于步驟3，

計(jì)算檢測(cè)距離，即車輛與通過評(píng)估的車道線或邊界的距離，對(duì)應(yīng)找到顯示距離，即車輛在地圖中與車道線或邊界的距離。檢測(cè)距離和顯示距離不一定相等，兩者的差值即為需要校正的局部地圖的定位偏差。偏差校正方法是：如果車道線偏差小于等于閾值10，或者邊界偏差大于等于閾值y，用上文公式(1)進(jìn)行校正。校正結(jié)果被永久性保留，并在下一次繪制局部地圖時(shí)使用。閾值y根據(jù)不同的評(píng)估等級(jí)，有不同的取值。無限制評(píng)估y＝0,嚴(yán)格評(píng)估y＝3,普通評(píng)估y＝5。

地圖模塊、相機(jī)處理模塊和雷達(dá)處理模塊相互之間是并行關(guān)系，分別在三個(gè)線程中運(yùn)行，它們之間通過公有數(shù)據(jù)存儲(chǔ)空間通信。

圖2是相機(jī)處理模塊車道線校正算法的流程圖，圖3是雷達(dá)處理模塊邊界校正算法的流程圖。

總之，本發(fā)明涉及一種基于多信息融合的無人駕駛車輛高精度定位方法，可以應(yīng)用在無人駕駛車輛環(huán)境感知和智能決策中。本發(fā)明通過衛(wèi)星定位獲得車輛行駛區(qū)域的局部地圖，利用激光雷達(dá)和相機(jī)在線檢測(cè)道路邊界和車道線，對(duì)獲取的邊界信息和車道線信息做可用性評(píng)估，確定可用后計(jì)算實(shí)際檢測(cè)結(jié)果與地圖顯示結(jié)果的距離偏差。校正偏差得到新的局部地圖，將校正后的局部地圖通過網(wǎng)絡(luò)發(fā)送給決策系統(tǒng)并保留校正結(jié)果，供下次校正使用。本方法充分利用了多信息融合的優(yōu)點(diǎn)，滿足了無人駕駛車輛對(duì)高精度定位的實(shí)時(shí)性和精度要求，系統(tǒng)具有魯棒性，能有效適應(yīng)環(huán)境的變化。

本發(fā)明未詳細(xì)闡述部分屬于本領(lǐng)域技術(shù)人員的公知技術(shù)。

以上內(nèi)容是結(jié)合具體的實(shí)施方式對(duì)本發(fā)明進(jìn)行的詳細(xì)說明，但并不能認(rèn)定本發(fā)明的具體實(shí)施只限于這些內(nèi)容。在不脫離本發(fā)明的原理和精神的前提下，本領(lǐng)域技術(shù)人員可以對(duì)這些實(shí)施進(jìn)行若干調(diào)整、修改，本發(fā)明的保護(hù)范圍有所附權(quán)利要求及其等同內(nèi)容限定。