[发明专利]一种基于车道线的自动驾驶车载相机位姿估计方法及系统

说明书

本发明提供一种基于车道线的自动驾驶车载相机位姿估计方法及系统，定义标定场景构建要求、数据采集方法和数据存储方法；对采集到的图像进行处理提取图像中的车道线内角点，并与测量记录的控制点坐标匹配；基于线性相机模型，求解相机相对于车体坐标系的旋转和平移参数。本发明提出改进的高斯自适应阈值法滤除车道线以外区域的干扰信息，准确提取车道线轮廓，基于每段车道线虚线实现图像坐标系下角点与车体坐标系下控制点坐标的匹配，求解相机相对于车体坐标系的旋转向量和平移矩阵。通过对车道线特点的利用，构建标定场地，使控制点测量简化，同时使控制点匹配更准确，实现相机相对于车体坐标系的外参估计。

技术领域

本发明涉及自动驾驶视觉感知技术领域，特别是涉及一种基于车道线的自动驾驶车载相机位姿估计方法及系统。

背景技术

自动驾驶车载相机是自动驾驶系统常用且非常重要的传感器，通过在自动驾驶车辆上安装前视相机，可采集前方行驶环境图像并进行计算分析，识别前方障碍物、车道线、红绿灯、交通标志牌等交通信息，这些感知信息是自动驾驶决策和规划模块进行车辆行驶规划的重要依据。对车载相机进行位姿估计，即计算相机相对于车体坐标系的旋转和平移，能够将相机坐标系下计算得到的障碍物、车道线等信息转换到车体坐标系下，视觉感知信息与车体坐标系转换一致，使视觉感知结果得到有效应用，同时准确的相机位姿估计也是视觉SLAM和多传感器融合的前提。

目前相机位姿估计方法包括基于控制点的方法和基于直线段的方法。基于控制点相机位姿估计方法的标定场景需确定4个以上控制点，基于线段的相机位姿估计方法的标定场景构建需确定3条以上线段，并且确定直线段之间的距离。与基于直线段的相机位姿估计方法相比，基于控制点的相机位姿估计方法的标定场景构建过程更加灵活。基于控制点的相机位姿估计方法包括EPnP、EPnP+GN、HOMO等，其中EPnP方法具备计算速度快、准确度高的优点。上述相机姿态估计方法都存在标定场景不易构建，标定输入参数(线段距离或控制点坐标)不易准确测量的问题，

发明内容

本发明旨在解决基于控制点相机位姿估计方法标定场景构建困难、控制点坐标不易测量导致的自动驾驶车载相机EPnP位姿估计方法难以实车应用的问题。特此提供一种基于车道线的自动驾驶车载相机位姿估计方法；

方法包括：

步骤一、定义标定场景构建要求、数据采集方法和数据存储方法；

步骤二、对采集到的图像进行处理提取图像中的车道线内角点，并与测量记录的控制点坐标匹配；

步骤三、基于线性相机模型，求解相机相对于车体坐标系的旋转和平移参数。

进一步需要说明的是，步骤一、定义标定场景构建要求中：标定场景构建选择地面平坦、车道线清晰、笔直虚线的道路作为标定场地，车辆停靠至车辆左侧与左侧车道线内边缘平齐、相接。

进一步需要说明的是，步骤一中：

车体坐标系原点为驱动轴的中心点在地面上的投影，坐标轴方向遵守右手定则，X轴方向前，Y轴方向向左，Z轴方向向上，标记驱动轴在地面上的投影直线与平齐一侧车道线的交点P_o，测量P_o与左车道线内侧角点P_i之间的距离P_oP_i，记录每个角点在车体坐标系下的坐标值为(P_oP_i，W/2，0)所记录角点称为控制点；

将记控制点按P_oP_i升序排列存储；

相机安装于车辆正前方，所采图像包含前方道路部分，采集图像尺寸大小为(w，h)。

进一步需要说明的是，步骤二中：

提取感兴趣图像区域，对图像进行去噪，再对图像进行二值化处理；