[发明专利]一种基于ICCIU的车道级车载实时地图匹配方法

权利要求书

1.一种基于ICCIU的车道级车载实时地图匹配方法，其特征在于，包括如下步骤：

S10、通过道路级定位方法结合多车道检测算法完成车辆的初始化车道定位；

S20、通过所述初始化车道定位，确定车辆处于路口：当车辆处在转弯车道时，使用弯道模型完成车辆在弯道的定位；当车辆处在路口的直行道时，使用IMU与基于视觉的车道线检测模块，实现道路直行或变道的检测与定位；

S30、通过所述初始化车道定位，当车辆处在非路口时，使用IMU与基于视觉的车道线检测模块，实现道路直行或变道的检测与定位；

S40、基于视觉的IUnet完成车辆的横向位置修正，通过多源数据融合完成车道级的定位；

所述多车道检测算法为：

S101、在GPS选定定位道路的基础上，标定车辆最左侧车道为1车道，往右依次增加；

S102、基于Hough线变换组合多特征车道线检测；

所述车道线检测步骤为：

S103、根据车辆中心相机内参数进行图像矫正，消除图像畸变，形成矫正图像；

S104、对所述矫正图像进行剪裁选取ROI，进行逆透视变换，选取饱和度进行滤波，记为组合SeletS图像；

S105、对选取的所述组合SeletS图像进行二值化处理，统计像素峰值，记录有效峰值个数确定车道线个数记为l_i(i＝1,2,3,4....)，并进行黄白滤波检测，记为组合YWmask图像；

S106、对所述组合YWmask图像沿图像宽度方向进行sobel滤波处理，记为组合Sobelx图像，组合多特征图像记为图像f；f＝SelectS+YWmask+Sobelx；对所述图像f采取多窗口Hough变换提取车道线；在Hough空间直线l方程表示为l＝x cosθ+y sinθ，l为Hough线，x、y为点的横纵坐标，θ为点与坐标轴的夹角；

S107、设置所述组合Sobelx图像左上角为坐标原点，设置搜索框，对每个所述搜索框里的特征点进行直线拟合，计算出每条直线对应的Hough参数空间的累计值，当所述累计值大于某阈值时认为是车道线，以所述组合多特征图像f最左侧的车道线标识为1得到车道线集l_i(i＝1，2，3，4....)；

S108、根据所述车道线的长度、间距结合所述组合多特征图像比例得到判定阈值M，若所述车道线的间距小于所述阈值M，则剔除，否则保留；

S109、计算ROI中心坐标点P_c(x，y)与各车道线的距离d_i(i＝1，2，3，4....)，若d_i、d_i+1为最小的两个距离值，则车辆处于第i车道。

2.根据权利要求1所述的车道级车载实时地图匹配方法，其特征在于，所述弯道的定位步骤如下：

S201、由于车辆转弯路径近似圆弧，通过弯道圆定位方法完成车辆的弯道定位；

S202、建立车辆立体坐标系，车辆在所述立体坐标系下三轴加速度传感器的读数X_acc＝{x_acc，y_acc，z_acc}，角速度读数ω_ang＝{ω_x，ω_y，ω_z}，陀螺仪读数X_pg＝{x_pg，y_pg，z_pg}，采样时刻向心加速度a的获取，即车辆坐标系下x轴的加速度读数x_ca；弯道圆半径为R，根据运动学定律：

ma＝mω²R

可得，

S203、计算t时刻在地理坐标系下车辆左转的坐标位置L_t(x_t，y_t)为：

x_t＝R_tsin(θ)+x₀

S204、计算车辆右转的位置坐标：

x_t＝R_tsin(θ)+x₀

3.根据权利要求1所述的车道级车载实时地图匹配方法，其特征在于，所述横向位置修正步骤为：

S301、为了车辆定位的实时性，IUnet神经网络将输入图像尺寸设置为80*160*3，其中所述IUnet神经网络共由16层卷积组成，包含四次下采样与四次上采样过程；

S302、所述IUnet神经网络模型具体如下；

A、卷积函数，所述卷积函数共16层，1-8层为下采样卷积，9-16上采样卷积，第一、四、五、八层为常规卷积层，二、三、六、七为残差卷积层，九至十六层为转置卷积层，

kernel_size＝(3，3)，strides＝(1，1)，

activation＝’leakey_relu’，padding＝’same’，

每层卷积之后紧跟一层BN层；

B、激活函数，relu激活函数如下：

f(x)＝relu(x)＝max(0，x)

leake_yrelu激活函数如下：

f(x)＝leake_yrelu(x)＝max(ax，x)

C、优化函数，自适应性矩估计(adaptive moment estimation，Adam)优化函数；loss函数，选取mean_squared_error作为loss函数。