[发明专利]自动驾驶中结合低精度GPS的视觉定位方法及系统

权利要求书

1.一种自动驾驶中结合低精度GPS的视觉定位方法，其特征在于，所述自动驾驶中结合低精度GPS的视觉定位方法包括以下步骤：

S1、检测路面车道线，对车道线的边缘点进行扩展卡尔曼滤波得到车道线的曲线，获取车辆到左右车道线的横向距离，结合高精度地图和GPS得到对车辆的横向位置纠正；所述步骤S1包括以下分步骤：

S11、检测路面车道线，并对车道线的边缘点进行扩展卡尔曼滤波，得到车道线的曲线；

S12、在相机图像像素点中寻找与实际测量值之间误差最小的一个像素点；具体包括以下分步骤：

S121、对相机内参与外参进行标定，得到以相机光心为原点的相机三维坐标系中的点到相机成像平面像素点的透视投影关系；

S122、根据透视投影关系以及车辆行驶平面假设得到车道线曲线相对以相机光心为原点的相机三维坐标系中实际三维坐标；

S123、通过将所得的所述实际三维坐标与实际测量值进行反复测量与测试，得到所述实际三维坐标与实际测量值之间误差最小的像素点；

S13、通过车道线检测算法计算得到车辆分别到左右车道线的横向距离；

S14、根据车辆分别到左右车道线的横向距离判断车辆行驶状态，并对异常跳变进行修正；

S15、结合高精度地图和GPS得到对车辆的横向位置纠正；

S2、检测识别路面交通标识，计算当前时刻车辆车载相机与目标物的纵向距离，结合高精度地图和GPS得到对车辆的纵向位置纠正；

S3、结合横向位置纠正和纵向位置纠正得到精确的车辆定位信息。

2.根据权利要求1所述自动驾驶中结合低精度GPS的视觉定位方法，其特征在于，所述步骤S2包括以下分步骤：

S21、检测识别路面交通标识，通过视觉几何以及车辆行驶平面假设，从相机成像平面的2D点推算出路面交通标识的3D场景点的位置；

S22、计算当前时刻车辆车载相机与路面交通标识之间的纵向距离；

S23、结合高精度地图和GPS得到对车辆的纵向位置纠正。

3.根据权利要求1所述自动驾驶中结合低精度GPS的视觉定位方法，其特征在于，所述步骤S14包括以下分步骤：

S141、统计实际车辆行驶时，由相机到左右车道线空间点距离变化所表征的车辆行驶各种的状态；

S142、根据统计的车辆行驶各种的状态对SVM分类器进行训练；

S143、采用训练好的SVM分类器对异常跳变进行修正。

4.一种自动驾驶中结合低精度GPS的视觉定位系统，其特征在于，所述自动驾驶中结合低精度GPS的视觉定位系统包括以下功能模块：

横向纠正模块，用于检测路面车道线，对车道线的边缘点进行扩展卡尔曼滤波得到车道线的曲线，获取车辆到左右车道线的横向距离，结合高精度地图和GPS得到对车辆的横向位置纠正；所述横向纠正模块包括以下功能子模块：

车道线提取子模块，用于检测路面车道线，并对车道线的边缘点进行扩展卡尔曼滤波，得到车道线的曲线；

像素点寻找子模块，用于在相机图像像素点中寻找与实际测量值之间误差最小的一个像素点；所述像素点寻找子模块包括以下功能单元：

透视投影单元，用于对相机内参与外参进行标定，得到以相机光心为原点的相机三维坐标系中的点到相机成像平面像素点的透视投影关系；

三维坐标获取单元，用于根据透视投影关系以及车辆行驶平面假设得到车道线曲线相对以相机光心为原点的相机三维坐标系中实际三维坐标；

误差比较单元，用于将所得的实际三维坐标与实际测量值进行反复测量与测试，得到所述实际三维坐标与实际测量值之间误差最小的像素点；

横向距离计算子模块，用于通过车道线检测算法计算得到车辆分别到左右车道线的横向距离；

跳变修正子模块，用于根据车辆分别到左右车道线的横向距离判断车辆行驶状态，并对异常跳变进行修正；

横向位置纠正子模块，用于结合高精度地图和GPS得到对车辆的横向位置纠正；

纵向纠正模块，用于检测识别路面交通标识，计算当前时刻车辆车载相机与目标物的纵向距离，结合高精度地图和GPS得到对车辆的纵向位置纠正；

精准定位模块，用于结合横向位置纠正和纵向位置纠正得到精确的车辆定位信息。