[发明专利]一种运动约束下基于设定路牌的车辆位置估计方法

说明书

本发明涉及一种运动约束下基于设定路牌的车辆位置估计方法，首先，获取车辆前方的含有设定路牌的视频流图像。之后在一帧图像中检测设定路牌，如未检测到指示牌即处理下一帧图像。检测得到设定路牌后，提取指示牌的4个控制点坐标，再获取数据库中预存的该指示牌的4个正交控制点坐标，4对控制点之间一一对应，计算由输入图像中设定路牌位置到数据库正交位置的平面投影变换矩阵，并在平面投影变换矩阵中添加限制条件进行运动约束，利用添加约束条件后的矩阵解算得到车辆在交通指示牌坐标系下的精确位置。当车辆在设有设定路牌的道路上行驶时，本发明能够快速定位车辆在设定路牌坐标系下的位置，具有实时性高，成本低廉，易于推广的优点。

技术领域

本发明涉及一种运动约束下基于设定路牌的车辆位置估计方法，属于计算机视觉和图像处理领域。

背景技术

随着自动驾驶和高级辅助驾驶(ADAS)的快速发展，部分自动驾驶试验车已经进入实际道路测试阶段，预示着在不久的将来无人驾驶汽车将进入大众的生活，并改变人们的出行方式。

车辆自定位作为自动驾驶和高级辅助驾驶(ADAS)的基础，已成为该领域的关键技术。基于多传感器级联的车辆定位技术相对较为成熟，能够满足高精度和实时性的要求，但部分传感器设备成本昂贵，其中常用的激光雷达扫描系统，价格昂贵，阻碍了该系统的大规模产品化。同时，大多数依靠传感器级联的定位系统，在复杂的城市环境和拥堵的道路状况下，定位会出现累积误差并导致较大的定位误差。基于计算机视觉技术的定位方法能极大降低定位系统的成本，常用的视觉定位技术主要包括双目相机和单目相机，双目相机面临相机同步和立体匹配的难题，而基于单目相机的视觉定位技术大多依赖于复杂庞大的数据库系统，前期数据库构建工作繁重，但成本相对于多传感器级联的定位系统已经大大降低。

单目视觉定位技术大致可以分为三类：一是基于路面特征(包括车道线、路面导向标志和路面纹理)检测，二是基于3D城市模型和实际场景匹配，三是融合前两类的定位系统。第一和第三类定位方法受限于地面纹理的清晰度，尤其是在车流量大且经常拥堵的城市交通路口，路面车道线和导向标志被密集车流遮挡，无法检测，因此，在城市交通路口无法很好的完成车辆自定位；同时遇到雨、雪天气，路面纹理被覆盖时，该类方法也无法实现车辆定位。第二类需要构建的数据库及其复杂和庞大，且城市建筑物建设和更新速度较快，数据库后期维护的难度也较大。

由于车辆行驶速度快、室外环境复杂、光照变换大，常见的用于增强虚拟现实的视觉定位方法不适用运动车辆自定位。现有技术中存在采用普通交通路牌提取的特征信息，普通的交通指示牌四个顶点坐标较难提取，提取的准确性难以得到保证。求取的初始平面投影变换矩阵中参数存在接近于零的干扰，这些接近于零的干扰会影响计算结果的准确性。

发明内容

针对现有技术的不足，本发明提供了一种运动约束下基于设定路牌的车辆位置估计方法。本发明可以在运动约束条件下实现准确的车辆车道级别定位。

本发明计算机视觉定位方法成本低、精度高、简便易行，能够有效解决城市复杂交通路口和拥堵路段的车辆位置估计问题，使定位精度达到车道级，与车载导航系统相结合，可以准确判断车辆所在的车道信息。

术语解释：

1、RGB颜色空间，以R(Red:红)、G(Green:绿)、B(Blue:蓝)三种基本色为基础，进行不同程度的叠加，产生丰富而广泛的颜色，所以俗称三基色模式。

2、HSV颜色空间，HSV(Hue,Saturation,Value)是根据颜色的直观特性由A.R.Smith在1978年创建的一种颜色空间,也称六角锥体模型(Hexcone Model)。

3、warpPerspective函数，可以利用平面投影变换矩阵将两张图像配准，实现两张图像的重合，并且能够达到像素级别的配准。