[发明专利]基于顶视图的停车场车辆自定位及地图构建方法

说明书

一种基于顶视图的停车场车辆自定位及地图构建方法，包括实时建图和自定位两部分。该方法直接在四幅鱼眼相机投影拼接形成的顶视图中检测停车场特征，无需在原始鱼眼相机图像或者矫正后的图像上进行车位检测，计算成本低，能满足实时性需求；使用增强的车位信息作为特征描述，结合轮速计对多种场景下的车位追踪问题进行处理，具有普适性；引入车位之间的位置关系约束，保证类型相同且位置相近的车位的边界保持平行，增强优化约束，提升了建图效果。该方法普适于室内、室外停车场，并且以低成本的传感器系统，在低功耗的车载处理器上可以实时地实现车辆自定位及地图构建。本公开还提供了一种构建装置、构建系统、自动驾驶车辆及自主泊车系统。

技术领域

本发明涉及无人驾驶行业中的自主泊车技术领域以及计算机视觉技术领域，具体涉及驾驶车辆在停车场范围内进行停车场地图构建以及车辆自定位的方法和装置。

背景技术

近年来，自动驾驶技术发展迅猛，而解决停车难的问题也是自动驾驶领域研发的重点之一。由以倒车雷达为代表的辅助泊车系统、以超声波雷达为基础的双边障碍自动泊车技术发展到现在，自动泊车技术已经不仅仅限于泊车入库这一操作，而是扩展成包含自主低速巡航、寻车位、泊车以及召唤响应的综合泊车系统。其中，对于停车场的地图构建、地图自定位等技术作为新增的技术要点，是自动泊车研究的重点之一。

现有的技术中，大部分技术仅针对或室内或室外一种场景进行研究；部分研究在室内停车场中部署WIFI或UWB等无线设备，需要大量的基站设备，成本昂贵，同时定位精度低，不满足自主泊车需求。在以SLAM算法为基础的地图构建与自定位技术中，按照传感器不同可分为激光雷达SLAM、双目SLAM、单目SLAM等技术：其中激光SLAM受到激光设备成本的制约，难以部署在量产车型中；双目SLAM无法解决室内场景纹理稀疏问题，无法保证精度与稳定性，且双目视差计算复杂度高，车载低功耗处理器难以达到实时处理；单目SLAM受到尺度漂移问题的影响，难以获得停车场环境的绝对尺度，无法辅助车辆进行自主泊车。

为了解现有技术的发展状况，本发明对已有的专利和论文进行了检索、比较和分析：

技术方案1：专利文献CN107180215A(“基于库位和二维码的停车场自动建图与高精度定位方法”)，通过对于布置在停车场内的二维码以及车库进行检测，同时利用惯性导航设备估算自车速度与航向角，以SLAM算法实现车库平面图的构建，利用建图结果实现高精度定位。然而，由于二维码的部署问题，该方法仅适用于室内停车场；此外，图优化算法计算复杂度高，车载嵌入式设备无法实时建图。

技术方案2：专利文献CN108959321A(“停车场地图构建方法、系统、移动终端及存储介质”)，提出了基于SLAM算法，通过深度学习算法对于五个车载摄像头(一个前视相机和四个环视相机)输出的视频进行语义分割，提取地标信息和可行驶区域；利用里程计计算自车速度与航向角，进一步生成地标地图和车辆行驶轨迹；并利用可行驶区域以及行驶轨迹生成栅格地图。但是，该方法在五路摄像头上分别进行语义分割等视觉感知任务，计算复杂程度高，很难适用于低功耗的车载处理器。

技术方案3：论文“Houben S,Neuhausen M,Michael M,et al.Park marking-based vehicle self-localization with a fisheye topview system[J].Journal ofReal-Time Image Processing,2019,16(2):289-304.”，采用四个鱼眼相机组成的环视系统，独立地将每个相机采集到的图像投影到鸟瞰图中，检测明亮的直线并聚类作为停车场特征，随后用卡尔曼滤波算法将初始的粗略位姿与特征进行融合，计算精确且置信程度高的位姿与车身运动。然而，论文中提出的算法独立地计算每个镜头中的特征，增大了计算量和功耗，难以部署在车载设备上；同时在估计自车的姿态与运动的算法中，以检测到的停车场特征为主，难以应对停车场中车位消失或者断裂带来的影响，实际应用意义受到影响。