[发明专利]基于视觉筛选的无人驾驶汽车组合导航方法

说明书

技术领域

本发明涉及一种基于视觉筛选的无人驾驶汽车组合导航方法，属于组合导航相关领域。

技术背景

驾驶员的主观因素是导致许多交通事故的根本原因，约90％的交通事故源自驾驶员的错误。为提供交通安全性和运输效率，自主驾驶智能车辆的研究受到许多国家的重视，并成为研究的重要内容。继2012年谷歌公司发布第一款无人驾驶智能车后，2015年4月，由汽车配件商德尔福研发的一辆无人驾驶汽车完成了横跨美国之旅，再次说明近年来无人驾驶智能车技术的飞速发展。2009年我国国家自然科学基金委员会创办“中国智能车未来挑战赛”，并受到各大高校、科研院所及企业的重视。智能车辆实现无人驾驶控制的前提是其配备的导航系统能够实时、准确地提供车辆的状态信息。为了避免发生碰撞，需要自主导航车辆达到足够的定位精度。

现阶段导航系统不再局限于单一的传感器所提供的地理位置信息，在一台无人驾驶汽车上甚至装配二十余台传感设备，根据车载导航传感器所提供的状态信息形式的不同，可将车载传感器分为提供绝对信息的传感器包括惯性导航(INS)、全球定位系统(GPS)，与提供相对信息的传感器如视觉导航(VISION)、引导磁钉或电缆。其中INS,GPS信息更为丰富完备。不同的车载导航传感器各有优劣，且车辆运行环境复杂，依靠单一的传感器无法保证在复杂工况下的可靠导航。因此车载导航系统多采用多传感器进行组合导航，常见组合形式有INS/GPS组合导航：通过将GPS观测的姿态信息引入组合导航滤波模型中，提高组合导航系统的估计精度，但该方式并没顾及在GPS信号丢失的情况下如何确保导航精度，GPS信号易受电子干扰，在城市化道路中易受建筑群遮挡，造成信号丢失或跳变。另一种组合形式为INS/GPS/视觉的组合方式，该方法存在高程方向上的累积误差较大，且矩阵维数较高，计算时间较长，易出现数值不稳定。

基于视觉筛选的无人驾驶汽车组合导航方法首先通过摄像头采集的视觉信息对GPS接收的卫星信息进行筛选后再进行GPS/INS组合导航，并将导航数据通过改进的滤波算法进行滤波，最终为无人驾驶智能车控制模块提供稳定，精准的导航信息。

发明内容

针对无人驾驶智能车在城市道路环境中，全球定位系统(GPS)信号以非视距(NLOS)传播而造成伪距估计偏差，导致定位不准确的问题，提出了一种以视觉信息为筛选条件的组合导航方法。采用该方法的导航系统能有效控制无人驾驶智能车城市道路环境中GPS信号偏差，提高了导航信息的可靠性、准确性。

一种基于视觉筛选的无人驾驶汽车组合导航方法，包括以下步骤：

步骤1，坐标系换算。

步骤1.1：大地坐标系换算到视觉坐标系。

摄像头成像变换涉及不同坐标系之间的转换，包括大地坐标系、摄像机坐标系、成像平面坐标系和图像平面坐标系。在无人驾驶智能车导航系统的视觉系统中，需首先将摄像头在大地坐标系中的位置换算到视觉坐标系。

步骤1.2：换算视觉坐标系相对车体坐标系。

步骤1.3：将视觉、车体、大地坐标系进行统一。

GPS输出数据为ECEF坐标系统下的经度、纬度、高度，并不适合于平面运动的车辆导航。采用通用横轴墨卡托坐标系(Universal Transverse Mercator，UTM)将经纬度转化到平面坐标系并转换到“东北天”大地坐标系下，以此坐标系为主坐标系，并统一其他坐标系。

步骤2，建筑物遮挡角度识别。

步骤2.1：图像预处理。

通过摄像头采集的周围图像信息，首先提取出导航基准线，确定导航路径中的特征点。主要流程包括灰度变换、图像分割、图像去噪、提取候选点、直线拟合、确定已知点。

步骤2.2：道路识别。

步骤2.3：建筑物识别。

通过计算熵值，进行填充处理，分离出天空与遮挡建筑物。

步骤2.3：计算建筑物俯仰角

确定建筑物上隅角、下隅角坐标值，并分别与车体中心点即图像底边中心点连线，同时找到过建筑物上隅角下隅角坐标的直线段，沿直线段分别向水平中线，垂直中线做垂线。分别计算各点连线距离，并换算出建筑物俯仰角余弦值即为建筑物遮挡角度余弦值。

步骤3，非视距环境下卫星信号可用性判断。

步骤3.1：计算卫星高度与车体所在位置水平切线的夹角余弦值。

步骤3.2：判断接收的卫星信号是否被建筑物遮挡。

比较卫星夹角余弦值与建筑物遮挡角度余弦值，判断接收的卫星信号是否被建筑物遮挡，若遮挡，则将此卫星提供的GPS数据剔除。