[发明专利]基于视觉和毫米波雷达地图特征的隧道内车辆定位方法

说明书

本发明涉及一种基于视觉和毫米波雷达地图特征的隧道内车辆定位方法，将感知特征点数据集与高精度地图层数据相融合，使无人驾驶车辆在光照暗和定位信号弱的环境下行驶时，根据从地图端提取融合的数据与GPS数据，推算出精确的车身位置。与现有技术相比，本发明具有以下优点：提高在特殊环境下对于探测静态障碍物的准确性，推导出无人车在特殊场景中自身的精确位置和适用于各种受到光线明暗与定位信号强弱影响的场景。

技术领域

本发明涉及无人驾驶领域，尤其是涉及一种基于视觉和毫米波雷达地图特征的隧道内车辆定位方法。

背景技术

无人驾驶车辆技术近年来正加速发展，但应用场景大多是在比较开阔的环境下进行的，在非开阔的场景下无人驾驶的技术瓶颈还有待突破

现有的技术主要依赖于卫星导航系统/惯导系统，在非开阔场景下并不能使车辆保持精确的车身位置

自动驾驶离不开高精度地图，目前缺乏利用高精度地图并结合特征点来定位无人车自身位置的相关研究

现有技术1：GPS定位技术

技术简述：

通过接收卫星发射的信号并进行数据处理，从而求定测量点的空间位置，具有全球性、全天候、连续性和实时性的精密三维导航与定位功能。

缺点：

1、GPS系统精确定位的关键在于对卫星和接收机之间距离的精确计算，电磁波在大气层中传播，信号要受到电离层和对流层的重重干扰，GPS系统只能对此进行平均计算，这样在一些特定区域比如城市、山区等由于高层建筑物及树木对信号的影响，会导致信号的非直线传播，这样计算时会引入这些影响产生的误差；

2、GPS测量更适用于视野开阔、障碍物较少的区域，在接收不到信号的区域，处于浮动状态，得到的数据往往误差较大。

现有技术2：INS惯导定姿定位技术

技术简述：

惯性导航系统是以陀螺和加速度计为敏感器件的导航参数解算系统，系统根据陀螺的输出建立导航坐标系，根据加速度计输出解算出运载体在导航坐标系中的速度、航向角和位置等信息。

惯性导航系统属于推算导航方式，即从一已知点的位置根据连续测得的运动体航向角和速度推算出其下一点的位置，因而可连续测出运动体的当前位置。

缺点：

1、由于导航信息经过积分而产生，定位误差随时间而增大，不能单独长时间工作，必须不断加以校准；

2、每次使用之前需要较长的初始对准时间；

3、不能给出时间信息。

发明内容

本发明的目的就是为了克服上述现有技术存在的缺陷而提供基于视觉和毫米波雷达地图特征的隧道内车辆定位方法。

本发明的目的可以通过以下技术方案来实现：

一种基于视觉和毫米波雷达地图特征的隧道内车辆定位方法，将感知特征点数据集与高精度地图层数据相融合，使无人驾驶车辆在光照暗和定位信号弱的环境下行驶时，根据从地图端提取融合的数据与GPS数据，推算出精确的车身位置。

优选地，所述的感知特征点数据集为立体视觉与毫米波雷达检测出的特征点数据元经过配准融合而形成。

优选地，所述的立体视觉提取的目标包括：车道线、路沿、隧道口和信号灯柱，所述的毫米波雷达探测各种静态目标，包括：信号灯柱和路灯柱。

优选地，所述的车辆定位方法包括以下步骤：

步骤1、立体视觉相机重建场景和特征点提取；