[发明专利]基于车载环视图像与毫米波雷达融合的智能车定位方法

说明书

本发明公开了一种基于车载环视图像与毫米波雷达融合的智能车定位方法，包括以下步骤：1)通过车载装置采集GPS信息、车载环视图像、毫米波雷达数据和UWB数据，并根据采集的数据生成高精度地图；2)根据待定位车辆采集的GPS数据和地图中每个节点存储的GPS数据进行粗定位；3)根据GPS精度和所在节点确定选取节点的区域范围进行图像级定位；4)计算待定位车辆和制图车辆的位姿关系，确定待定位车辆的位姿；5)将毫米波雷达数据得到的位姿和步骤4)中得到的位姿采用卡尔曼滤波融合，将其结果作为最终定位结果。本发明方法在不增加额外硬件成本的基础上，实现配置有环视图像和毫米波雷达的车辆定位方法，提高定位精度和鲁棒性。

技术领域

本发明涉及智能汽车技术，尤其涉及一种基于车载环视图像与毫米波雷达融合的智能车定位方法。

背景技术

GPS(Global Positioning System)经过近60年的发展，其定位范围和精度在室外环境下已占据绝对优势，但室内环境特别是地下停车场环境，其性能受到严重的制约。随着城市的发展，地下停车场的不断扩大，基于室内的智能车定位系统被广泛需求。目前，常用的室内定位技术有：RFID射频标识定位、WIFI定位、蓝牙定位、ZigBee定位、超声波定位。其中RFID定位和WIFI定位易受干扰，稳定性差，蓝牙定位和毫米波雷达定位距离比较短，ZigBee定位成本相对较高，不适大规模应用。

目前，国内主流车型已配置环视图像和毫米波雷达，可以为本发明提供实施载体。UWB技术是一种新型的无线通信技术，具有抗干扰性强、多径分辨率高、低功耗等特点，具有广阔的发展前景。随着计算机视觉技术的不断发展，基于该技术的车辆定位技术被广泛应用于智能车定位，虽其信息丰富，但定位误差较大，故可通过融合于其他定位方法实行分级定位，提高定位效率和稳定性。

发明内容

本发明要解决的技术问题在于针对现有技术中的缺陷，提供一种基于车载环视图像与毫米波雷达融合的智能车定位方法。

本发明解决其技术问题所采用的技术方案是：基于车载环视图像与毫米波雷达融合的智能车定位方法，包括以下步骤：

1)通过车载装置采集GPS信息、车载环视图像、毫米波雷达数据和UWB数据，并根据采集的数据生成高精度地图；所述高精度地图是节点化的，每个节点存储该节点所在位置对应的GPS位置信息、环视图像信息、毫米波雷达数据；

2)将待定位车辆开至已完成高精地图采集和制作的路段，选择任意位置作为起点，计算待定位车辆采集的GPS数据和地图中每个节点存储的GPS数据之间的欧氏距离，选取距离最小值作为粗定位的结果；

3)根据GPS精度和所在节点确定选取节点的区域范围，将区域中的所有节点作为图像级定位候选节点，利用ORB描述符提取环视图像的全局特征点，将环视图像全局描述符与图像级定位候选节点的全局描述符进行匹配，选择与待定位图像有最小汉明距离的节点作为预测结果；

由于GPS在室内环境下的精度为10m左右，根据节点之间的间距，为了满足系统的鲁棒性，选取粗定位结果所在节点序列前后各10个节点作为图像级定位候选，利用ORB描述符提取环视图像的全局特征点，将环视图像全局描述符与21个候选节点的全局描述符进行匹配，选择与待定位图像有最小汉明距离的节点作为预测结果；

3.1)提取待定位车辆采集的环视图像，并将所得图像重置为63*63(pixel)大小，图像大小是根据OpenCV中ORB特征点提取的尺寸确定的。

3.2)对每一帧重置后的图像进行灰度化与直方图均衡化处理，然后计算图像的全局特征τ，作为整幅图像的描述。其中，在Brief的论文原文中被证明τ为256位是效果是最好的，故本文选取τ＝256。

3.3)环视图像全局描述符与21个候选节点的全局描述符进行匹配，选择与待定位图像有最小汉明距离的节点；