一种用于港口自动驾驶的定位方法及系统与流程

本发明涉及车辆自动驾驶领域，具体涉及一种用于港口自动驾驶的定位方法及系统。

背景技术：

港口作业区作为一种特殊场所，由于在进出人员、车辆上管理十分严格，再加上低速行驶，成为无人驾驶技术落地的重要场景之一。港口自动驾驶作业过程中，自动驾驶车辆需要实时进行定位，以确定后续驾驶路径，同时将定位信息实时传给后台。

现有的自动驾驶车辆定位大多数采用激光雷达，该方案相对成熟，但成本较高，且计算量非常大，同时也会面临港口作业环境实时变化，定位不准的问题。其它定位方法，基本都是在探索研究阶段。

技术实现要素：

本发明的目的在于提供一种成本低、精度高，不易受作业环境变化干扰的用于港口主动驾驶的定位方法及系统。

为实现上述目的，本发明采用以下技术方案：

一种用于港口自动驾驶的定位方法，包括：

s1、在自动驾驶车辆的作业路径上铺设路标，所述路标为多边形路标，相邻车道所铺设的路标的边数不同；

s2、使用测量仪器测量各车道每个路标的质心的绝对坐标，在港口地图中进行路标标注；

s3、车载视频采集装置采集路面图像信息，利用图像检测算法识别路标质心，并根据标定好的摄像头内外参将识别到的路标质心坐标由图像坐标系转化到车身坐标系中，得到路标质心在车身坐标系下的坐标；

s4、基于gnss定位装置的定位信息，结合已标注的港口地图，确定识别到的路标的对应性；

s5、实时读取车身信息，所述车身信息包括车速及转角信息；

s6、融合s4及s5所获得的信息，使用扩展卡尔曼滤波算法，对车辆进行实时定位。

优选地，s1中，所述路标的铺设间隔为8-12米。

优选地，所述路标为正三角形及正方形。

优选地，s3具体为：

s31、根据路标的先验颜色特征，对所采集的路面图像信息进行二值化处理，与先验颜色的差异在阈值范围内的像素点置255，其它像素点置0；

s32、对二值化后的图像进行轮廓查找与多边形拟合，筛选出顶点个数与路标顶点数一致的多边形；

s33、将顶点坐标从图像坐标系映射到车身坐标系中，计算边长，过滤多边形；

s34、求取多边形的质心，并根据标定好的摄像头内外参将设定好的图像坐标系转化到车身坐标系中，得到路标质心在车身坐标系下的坐标。

优选地，s32具体为：

s321、对二值化后的图像进行先膨胀后腐蚀的闭操作；

s322、进行canny边缘检测；

s323、查找轮廓，并对轮廓进行多边形拟合；

s324、筛选出顶点个数与路标顶点数一致的多边形。

优选地，s6具体为：

s61、采用自行车模型建立运动学模型，预测车辆位置与角度；

s62、在未观测到路标时，将gps点作为观测量进行ekf定位；在观测到路标时，将路标的质心在车身坐标系下的坐标作为观测量，进行ekf定位。

本发明还提供一种用于港口自动驾驶的定位系统，搭载在自动驾驶车辆上的车辆中央处理器、gnss定位装置、车速传感器及转角传感器，还包括：

路标，所述路标铺设在所述自动驾驶车辆的作业路径上，所述路标为多边形路标，相邻车道的路标的边数不同；

视频采集装置，搭载在所述自动驾驶车辆上，其实时采集路面图像信息，并提取路标质心的坐标；

存储器，搭载在自动驾驶车辆上，其存储有港口地图，所述港口地图中标注有所述路标质心的坐标信息；

所述gnss定位装置、车速传感器、转角传感器、车载视频采集装置及存储器分别与所述车辆中央处理器相连，所述车辆中央处理器对提取的路标质心坐标、预标注的路标质心坐标、gnss定位信息、车速传感器监测的车速信息及转角传感器监测的转角信息进行融合，进行车辆定位。

优选地，所述路标的铺设间隔为8-12米。

优选地，所述路标为正三角形及正方形。

优选地，所述路标为电木材质，胶合在路面上。

优选地，所述路标的颜色为黄色。

采用上述技术方案后，本发明与背景技术相比，具有如下优点：

1、本发明针对港口作业环境的特殊性，在路面上铺设不同形状的路标，使用rtk测量仪器对路标点进行测量，并在地图上进行标注，利用摄像头实时采集图像信息，并识别图像中的路标，转化到车身坐标系，作为观测量。融合gnss系统定位信息，及从车辆can总线获取的车速和转角信息，建立运动学仿真模型等对车辆进行精准定位，对比其它定位方案，大大降低了成本，且易于操作，同时定位精度满足港口作业流程。

2、本发明采用多边形路标，易于检测识别，基于多边形的质心进行定位，计算量小，定位精度高；优选为正三角形与正四边形，不易与其他路面杂物混淆，同时其质心易于求解，进一步降低计算量，保证了实时性；

3、本发明采用电木材质的路标，具有较高的机械强度及良好的绝缘性、耐热、耐腐蚀性，使用胶粘方式，易于铺设且不损坏路面。

附图说明

图1为本发明定位方法流程图；

图2为本发明路标铺设方式示意图；

图3为本发明定位系统拓扑图。

具体实施方式

现在将参照附图来详细描述本申请的各种示例性实施例。应注意到：除非另外具体说明，否则在这些实施例中阐述的部件和步骤的相对布置、数字表达式和数值不限制本申请的范围。

以下对至少一个示例性实施例的描述实际上仅仅是说明性的，决不作为对本申请及其应用或使用的任何限制。

对于相关领域普通技术人员已知的技术、方法以及设备可能不作详细讨论，但在适当情况下，所述技术、方法和设备应当被视为说明书的一部分。

以下对至少一个示例性实施例的描述实际上仅仅是说明性的，决不作为对本申请及其应用或使用的任何限制。

本申请实施例可以应用于车载终端设备、远程计算机系统及服务器等电子设备，通常，程序模块可以包括例程、程序、目标程序、组件、逻辑以及数据结构等等，它们执行特定的任务或者实现特定的抽象数据类型。

示范性实施例1

请参考图1及图2所示，本发明公开了一种用于港口自动驾驶的定位方法，包括：

s1、在自动驾驶车辆的作业路径上铺设路标，所述路标为多边形路标，相邻车道所铺设的路标的边数不同。

s2、使用测量仪器测量各车道每个路标的质心的绝对坐标，在港口地图中进行路标标注；

s3、车载视频采集装置采集路面图像信息，利用图像检测算法识别路标质心，并根据标定好的摄像头内外参将识别到的路标质心坐标由图像坐标系转化到车身坐标系中，得到路标质心在车身坐标系下的坐标；

s4、基于gnss定位装置的定位信息，结合已标注的港口地图，确定识别到的路标的对应性；

s5、从车辆can总线上实时读取车身信息，所述车身信息包括车速及转角信息；

s6、融合s4及s5所获得的信息，使用扩展卡尔曼滤波算法，对车辆进行实时定位。

其中，s3具体为：

s31、根据路标的先验颜色特征(本实施例中路标为黄色)，对所采集的路面图像信息进行二值化处理，与先验颜色的差异在阈值范围内的像素点置255，其它像素点置0。

s32、对二值化后的图像进行轮廓查找与多边形拟合，筛选出顶点个数与路标顶点数一致的多边形。

具体地：

s321、对二值化后的图像进行先膨胀后腐蚀的闭操作，用以填充物体细小空洞，连接邻近物体和平滑边界。

s322、对闭操作后的图像进行canny边缘检测；

s323、查找轮廓，并对轮廓进行多边形拟合；

s324、筛选出顶点个数与路标顶点数一致的多边形。

本实施例中，路标为正三角形及正方形，故而，s324依照顶点个数3及4进行筛选。

s33、将顶点坐标从图像坐标系映射到车身坐标系中，计算边长，过滤多边形；

s34、求取多边形的质心，并根据标定好的摄像头内外参将设定好的图像坐标系转化到车身坐标系中，得到路标质心在车身坐标系下的坐标。

其中，s6具体为：

s61、采用自行车模型建立运动学模型，预测车辆位置与角度；

s62、在未观测到路标时，将gps点作为观测量进行ekf定位；在观测到路标时，将路标的质心在车身坐标系下的坐标作为观测量，进行ekf定位。

示范性实施例2

请参考图2及图3所示，本发明还公开了一种用于港口自动驾驶的定位系统，包括搭载在自动驾驶车辆上的车辆中央处理器、gnss定位装置、车速传感器、转角传感器、路标、视频采集装置及存储器。

所述gnss定位装置、车速传感器、转角传感器、车载视频采集装置及存储器分别与所述车辆中央处理器相连。所述gnss定位装置用于获取车辆的当前位置；所述路标铺设在自动驾驶车辆的作业路径上，所述路标为多边形路标，相邻车道的路标的边数不同；所述视频采集装置实时采集路面图像信息，并提取路标质心的坐标；所述存储器中存储有港口地图，所述港口地图中标注有所述路标质心的坐标信息。所述车辆中央处理器对提取的路标质心坐标、预标注的路标质心坐标、gnss定位信息、车速传感器监测的车速信息及转角传感器监测的转角信息进行融合，进行车辆定位。

本实施例中，所述路标的铺设间隔为8-12米，作为优选，路标的铺设间隔为10米。所述路标采用为电木材质制作，通过胶水胶合在路面上。

以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应该以权利要求的保护范围为准。