原文传递
面向智能网联汽车的视觉地图构建与高精度定位研究
| 论文题名： | 面向智能网联汽车的视觉地图构建与高精度定位研究 |
| 关键词： | 智能网联汽车;单目视觉;组合惯性导航系统;定位精度 |
| 摘要： | 智能网联汽车，是指车联网与智能车的有机联合，车辆与外部的地图、其他车辆等节点实现环境感知、信息共享、智能决策和协同控制，以达到安全、有序、高效行驶，最终替代人来操作的新一代汽车。而高精度定位是实现环境感知的关键步骤之一。针对智能网联汽车的高精度定位，本文采取“先采集地图特征——后进行高精度定位”的研究方法，以视觉地图模型为基础，将单目视觉与组合惯性导航系统相结合，研究智能网联汽车的高精度定位方法。本文研究结果可有效满足智能网联汽车低成本、高精度的定位需求，对促进智能网联汽车的发展，具有重要意义。本文主要的研究工作如下： 首先，提出了基于棋盘格标定板的车载摄像机标定方法。其建立了世界坐标系与像素坐标系之间的对应关系，对摄像机所采集的照片构建像素坐标系，取其任意一点可计算出世界坐标系对应点的位置，其位置误差范围可低至5cm以内，从而实现智能网联汽车的高精度定位。 其次，采用单目相机和双天线差分GPS传感器建立由一系列节点组成的视觉地图模型。每个节点包含GPS信息、图像特征和三维信息三个层次。其中，图像特征主要是前视图像上半部分（远景）的局部特征；三维信息数据由前视图像下半部分（近景）和实地测量获得的车辆与路面标志的相对位置关系组成。三个层次的存在保证了每个节点的唯一性，提高了定位精度。 最后，提出了基于惯导与图像融合的智能网联汽车多层次定位方法。以视觉地图模型为基础，将单目视觉与组合惯导系统相结合，采用“GPS初始定位——远景级定位——近景级定位”的方法完成多层次定位。在GPS初始定位层次下，将惯导采集到的GPS信息与视觉地图中的GPS信息进行比较，得到初始定位范围内的节点；在远景级定位层次下，提取单目图像远景特征，并将其与初始定位节点的图像特征分别进行匹配，得到远景级定位的节点；在近景级定位层次下，利用相机标定测距测量路面标志与车辆的相对位置关系，然后与远景级定位节点中的三维信息数据匹配得到智能网联汽车相对此节点的位置，最后利用卡尔曼滤波优化定位结果。实验结果显示，对比使用了卡尔曼滤波和未使用卡尔曼滤波，纵向定位精度提高了 14.2%,横向定位精度提高了34.1%。 |
| 作者： | 顾友霖 |
| 专业： | 车辆工程 |
| 导师： | 郑再象 |
| 授予学位： | 硕士 |
| 授予学位单位： | 扬州大学 |
| 学位年度： | 2023 |
检索历史
应用推荐
