[发明专利]一种公开道路上的车道定位方法、系统及介质

说明书

本发明涉及一种公开道路上的车道定位方法、系统及介质，该方法包括：S1：基于GNSS获取当前车辆位置信息和朝向信息，将当前车辆位置信息输入到地图组件中，得到当前车辆位置的道路信息，根据当前车辆朝向信息，对所述当前车辆位置的道路信息进行过滤，输出过滤后的道路信息；S2：根据过滤后的道路信息，提取道路中间起点、中间点和终点信息，计算投影距离和与投影线段的夹角，若满足预设的距离阈值和角度阈值，则将当前检查道路列为定位备选道路并输出定位备选道路信息，否则舍弃。本发明使用传感器数据的置信度对车道匹配的各项代价因子进行加权计算，通过使用多种传感器数据做信息冗余，能够更全面、准确的进行车道定位。

技术领域

本发明涉及自动驾驶技术领域，尤其是涉及一种公开道路上的车道定位方法、系统及介质。

背景技术

本发明涉及自动驾驶领域中的车道定位方法。车辆的车道级定位功能是自动驾驶领域的基本需求。目前,常用的车辆车道级定位系统中有全球卫星导航系统、激光雷达、智能相机、毫米波雷达等组件,用于获取车辆的位置信息，然后通过多传感器融合算法,计算出车辆的车道级定位信息。一些自动驾驶方案中使用激光雷达创建环境的特征地图,并在特征地图中定位车辆。虽然激光雷达技术可以提供精确和较为稳定的定位方法,但是激光雷达定位需要相应的高硬件配置，消耗更多计算资源,以及高实现成本,给自动驾驶汽车的大规模生产和推广带来了阻碍。

当进行车辆进行自动驾驶的初始化车道定位时，会存在如下问题：GNSS提供车辆的绝对位置，但在特殊路段(例如隧道、高架桥下、高层建筑密度大的市中心区等)上的定位精度较低，结合高精度地图无法获取准确的车道级定位信息，若直接使用则可能产生风险。相机识别车道线的准确率受到当前环境的光照条件、地面车道线的清晰程度、障碍物遮挡等影响，此时的输出结果不稳定，存在较大误差，相机特征数据与高精度地图匹配判断当前车道的位置如果出现错误，当前车道定位结果可能会偏离正确车道，引发风险。

发明内容

鉴于以上问题，本发明提供了一种公开道路上的车道定位方法、系统及介质，通过连续多帧传感器数据及运动模型对定位车道的概率进行计算，相较于一次计算得到的结果更加稳定、可靠，能够减少初始化过程中定位错道情形的发生。

为了实现上述目的及其他相关目的，本发明提供的技术方案如下：一种公开道路上的车道定位方法，包括以下步骤：

S1：基于GNSS获取当前车辆位置信息和朝向信息，将当前车辆位置信息输入到地图组件中，得到当前车辆位置的道路信息，根据当前车辆朝向信息，对所述当前车辆位置的道路信息进行过滤，输出过滤后的道路信息；

S2：根据过滤后的道路信息，提取道路中间起点、中间点和终点信息，投影到GNSS定位位置向起点、中间点和终点组成的三角形三条边上，计算投影距离和与投影线段的夹角，若满足预设的距离阈值和角度阈值，则将当前检查道路列为定位备选道路并输出定位备选道路信息，否则舍弃；

S3：基于车载相机获取当前车辆位置道路图像数据，识别处理后得到车道线描述方程信息、车道线类型信息及车道线数量信息，根据定位备选道路信息、车道线类型信息、车道线描述方程信息和车道线数量信息，计算各车道的定位代价值p和对应权值w；

S4：根据各车道的定位代价值p和对应权值w，得到车道代价值的函数为：Cost_sum＝∑(p*w)，其中Cost_sum为车道代价值，基于转换函数F，将车道代价值转换为车道匹配的置信度C＝F(Cost_sum)，输出车道匹配的置信度序列信息C＝(C1，C2，C3，...，Cn)；

S5：根据车道匹配的置信度信息，采用车道定位算法输出车道定位信息。

进一步的，在步骤S5中，所述车道定位算法包括：

S51：基于车道匹配的置信度序列信息C＝(C1，C2，C3，...，Cn)，根据置信度序列数量n，得到初始化序列矩阵B，