[go: up one dir, main page]
More Web Proxy on the site http://driver.im/

CN115468576A - 一种基于多模态数据融合的自动驾驶定位方法及系统 - Google Patents

一种基于多模态数据融合的自动驾驶定位方法及系统 Download PDF

Info

Publication number
CN115468576A
CN115468576A CN202211202088.6A CN202211202088A CN115468576A CN 115468576 A CN115468576 A CN 115468576A CN 202211202088 A CN202211202088 A CN 202211202088A CN 115468576 A CN115468576 A CN 115468576A
Authority
CN
China
Prior art keywords
positioning
point cloud
rgb image
laser point
vehicle
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN202211202088.6A
Other languages
English (en)
Other versions
CN115468576B (zh
Inventor
何薇
胡博伦
郭启翔
陈晖�
刘磊
高宠智
屈紫君
李嫩
晏萌
付浩
赵金波
于子康
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Dongfeng Automobile Co Ltd
Original Assignee
Dongfeng Automobile Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Dongfeng Automobile Co Ltd filed Critical Dongfeng Automobile Co Ltd
Priority to CN202211202088.6A priority Critical patent/CN115468576B/zh
Publication of CN115468576A publication Critical patent/CN115468576A/zh
Application granted granted Critical
Publication of CN115468576B publication Critical patent/CN115468576B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
    • G01C21/34—Route searching; Route guidance
    • G01C21/3407—Route searching; Route guidance specially adapted for specific applications
    • G01C21/3415—Dynamic re-routing, e.g. recalculating the route when the user deviates from calculated route or after detecting real-time traffic data or accidents
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
    • G01S17/86—Combinations of lidar systems with systems other than lidar, radar or sonar, e.g. with direction finders
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
    • G01S17/88—Lidar systems specially adapted for specific applications
    • G01S17/89—Lidar systems specially adapted for specific applications for mapping or imaging
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
    • G01S17/88—Lidar systems specially adapted for specific applications
    • G01S17/93—Lidar systems specially adapted for specific applications for anti-collision purposes
    • G01S17/931—Lidar systems specially adapted for specific applications for anti-collision purposes of land vehicles

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Electromagnetism (AREA)
  • Automation & Control Theory (AREA)
  • Navigation (AREA)

Abstract

本发明公开了一种基于多模态数据融合的自动驾驶定位方法及系统。该方法通过定位系统获取车辆位置的粗定位坐标；根据粗定位坐标确定定位空间范围；获取车辆前方道路的RGB图像和激光点云；在定位空间范围内，将RGB图像和激光点云的数据进行融合；将融合后的RGB图像和激光点云数据，与高精度地图进行定位匹配，确定车辆位置坐标。基于多模态数据融合技术，采用环境自适应优化定位算法，不仅能解决城市复杂路况、建筑物或隧道失锁的问题，满足复杂动态环境下的定位需求；还可以提高自动驾驶车辆的定位精度。

Description

一种基于多模态数据融合的自动驾驶定位方法及系统
技术领域
本发明涉及车辆定位技术领域，具体涉及一种基于多模态数据融合的自动驾驶定位方法及系统。
背景技术
精确实时的车辆定位技术是自动驾驶车辆的核心技术，自动驾驶车辆的常用定位方法是卫星-惯导组合导航、差分GPS定位、北斗定位、视觉定位和雷达定位。北斗、GPS定位在城市路况复杂、建筑物或隧道遮挡信号、信号多径效应等因素影响下，会出现精度下降甚至失锁的情况；视觉定位精度较高，但在阴雨天可能会定位失败；激光雷达的定位精度与其分辨率相关，当环境复杂时点云数据量巨大，实时性会受影响。
随着车路云一体化的发展，跨模态融合定位成为一种可能。研究北斗、惯性导航、视觉、高精地图等多源信息的深度融合定位技术不仅可以提高定位精度，还可以满足复杂动态环境下的定位需求。
发明内容
本发明要解决的技术问题是提供一种基于多模态数据融合的自动驾驶定位方法，能够满足复杂动态环境下的定位需求，还可以提高自动驾驶车辆的定位精度。
为了解决上述技术问题，本发明提供一种基于多模态数据融合的自动驾驶定位方法，包括如下步骤：
步骤一：通过定位系统获取车辆位置的粗定位坐标；
步骤二：根据粗定位坐标确定定位空间范围；
步骤三：获取车辆前方道路的RGB图像和激光点云；
步骤四：在定位空间范围内，将RGB图像和激光点云的数据进行融合；
步骤五：将融合后的RGB图像和激光点云数据，与高精度地图进行定位匹配，确定车辆位置坐标。
优选的，步骤三中的RGB图像和激光点云为相同时刻的数据。
进一步的，在步骤四中，将RGB图像和激光点云进行融合包括：
获取RGB图像中的要素在第一坐标系的位置信息；
获取激光点云中的要素在第一坐标系的语义编码。优选的，第一坐标系的坐标原点位于车身上。
进一步的，在步骤五中：确定车辆位置坐标包括：
步骤b1：构建因子图，节点是待求解的定位信息，采用ti时刻的位置坐标为节点，因子表示节点间的空间约束，因子包括高精地图因子、RGB图像定位因子、激光点云定位因子；
步骤b2：根据节点与因子构造优化的目标函数，并推导雅克比矩阵，以最终完成优化；
步骤b3：采用高斯牛顿法求解，获得目标函数最优值。
为了解决上述技术问题，本发明还提供一种基于上述基于多模态数据融合的自动驾驶定位方法的系统，包括：粗定位模块：通过定位系统获取车辆位置的粗定位坐标；
确定模块：根据粗定位坐标确定定位空间范围；
获取模块：获取车辆前方道路的RGB图像和激光点云；
融合模块：在定位空间范围内，将RGB图像和激光点云的数据进行融合；
定位匹配模块：将融合后的RGB图像和激光点云数据，与高精度地图进行定位匹配，确定车辆位置坐标。
本发明的有益效果：基于多模态数据融合技术，采用环境自适应优化定位算法，不仅能解决城市复杂路况、建筑物或隧道失锁的问题，满足复杂动态环境下的定位需求；还可以提高自动驾驶车辆的定位精度。
附图说明
在附图中：
图1是基于多模态数据融合的自动驾驶定位方法的流程框图。
具体实施方式
下面结合附图对本发明的具体实施方式作进一步说明。在此需要说明的是，对于这些实施方式的说明用于帮助理解本发明，但并不构成对本发明的限定。
实施例1
如图1所示，本发明一种基于多模态数据融合的自动驾驶定位方法，包括如下步骤：
步骤S10：通过定位系统获取车辆位置的粗定位坐标。首先，利用GPS(GlobalPositioning System，全球定位系统)、北斗或GNSS(GlobalNavigation SatelliteSystem，全球导航卫星系统)或惯导进行粗定位，缩小定位范围。
步骤S20：根据粗定位坐标确定定位空间范围。基于上述粗定位范围，分别对RGB图像、激光点云进行数据筛选，剔除超出定位空间范围的数据，并获取定位空间范围的高精度地图。
步骤S30：获取车辆前方道路的RGB图像和激光点云。通常利用车辆上的相机和激光雷达获取，由于不同硬件的时间存在偏差，注意进行时间标定处理，使本步骤三采集到的前方道路RGB图像和激光点云在时间上对应。
步骤S40：在定位空间范围内，将RGB图像和激光点云的数据进行融合。将激光雷达和相机的输出相结合有助于克服其各自的局限性，优势互补。相机是检测道路，读取标志或识别车辆的非常好的工具。激光雷达更擅长准确估计该车辆的位置距离。
具体融合的方法可以为：
(1)获取RGB图像中的要素在第一坐标系的位置信息。RGB图像的要素包括车道线和和路标牌，通常先进行路标牌定位，若不能实现再进行车道线定位，车道线识别定位过程较为繁琐，是路标牌的替补，减少计算过程。
可选的，基于三路标单目视觉定位方法获取路标牌的位置信息。
可选的，先在定位空间范围内，采用基于FCN的车道线检测算法，检测RGB图像上的车道线；再通过车道线定位模型，计算RGB图像上车道线在第一坐标系中的位置信息。
(2)获取激光点云中的要素在第一坐标系的语义编码。具体步骤为：
①进行语义分割。分割的语义目标由地面、交通标志牌、杆状物组成。首先，对点云进行条件滤波、统计滤波等预处理，去除离群点，基于俯仰角评估进行地面点云分割；然后，基于反射强度和形状特征实现交通标志牌的筛选。对放射强度大的进行欧式分类，基于先验知识构建多级滤波器，完成精确分割；最后，利用基于对象分析的方法分割杆状物。从剩余点云中分割杆状目标，主要包括杆状交通设置和树干，对滤除地面和交通标志牌后的剩余点云欧式聚类生成点簇集合。
②进行语义投影。以语义目标的整体点云质心代替实际物体，将分割的交通标志牌和杆状语义目标作俯视投影。
③进行语义编码。以俯视图为基础生成带权有限图，语义目标间的权值以欧氏距离表示。记录下每条路径下的所有信息，包括目标节点序列、目标节点间距离、目标最小外包盒尺寸以及目标离地高度，生成1条语义路。从起点S经过dsp1距离遍历到杆状目标，再经过dsp1遍历到交通标志牌，再经过dp1s1到达终点E。
Figure BDA0003872355730000041
式中：lpl,wpl,hpl,zpl max分别为最小外包盒的长、宽、高和离地高度；p和s分别为杆和交通标志牌；1和2分别为杆和交通标志牌，最终所有语义路构成该场景的场景语义编码。
可选的，将第一坐标系的坐标原点设置在车身上，可以通过标定使相机输出的RGB图片和激光雷达输出的激光点云信息重合，相同位置的坐标相同。
步骤S50：将融合后的RGB图像和激光点云数据，与高精度地图进行定位匹配，确定车辆位置坐标。
可选的，对于RGB图像的车道线定位匹配：采用隐马尔可夫模型进行车道级匹配。
可选的，对激光点云的语义编码定位匹配：经过目标种类序列匹配，最小外包盒和离地高度匹配，路径权值匹配、匹配唯一性检验，输出得到定位点的位置。
可选的，根据各要素定位匹配的结果，确定车辆位置坐标包括：基于多模态的因子构图。
①因子图构建。因子图构建是因子图的节点与因子配置，节点是带求解的定位信息，采用ti时刻的位置与姿态为节点xi；因子表示节点间的空间约束。本方案中的因子包括高精地图因子、RGB图像定位因子、激光点云定位因子。
②因子图优化。根据节点与因子构造优化的目标函数，并推导雅克比矩阵，以最终完成优化。第i个节点xi优化的目标函数F(xi)可分为三个部分：
Figure BDA0003872355730000051
a,b,c为三个因子的置信度，
Figure BDA0003872355730000052
为图像的坐标，
Figure BDA0003872355730000053
为高精地图坐标，
Figure BDA0003872355730000054
为激光点云坐标。
③采用高斯牛顿法求解，估计出目标函数最优值。
本发明一种基于上述基于多模态数据融合的自动驾驶定位方法的基于多模态数据融合的自动驾驶定位方法系统，包括：
粗定位模块：通过定位系统获取车辆位置的粗定位坐标；
确定模块：根据粗定位坐标确定定位空间范围；
获取模块：获取车辆前方道路的RGB图像和激光点云；
融合模块：在定位空间范围内，将RGB图像和激光点云的数据进行融合；
定位匹配模块：将融合后的RGB图像和激光点云数据，与高精度地图进行定位匹配，确定车辆位置坐标。
最后应当说明的是：以上实施例仅用于说明本发明的技术方案而非对其保护范围的限制，尽管参照上述实施例对本发明进行了详细的说明，所属领域的普通技术人员应当理解：本领域技术人员阅读本发明后依然可对发明的具体实施方式进行种种变更、修改或者等同替换，但这些变更、修改或者等同替换，均在发明待批的权利要求保护范围之内。

Claims (10)

1.一种基于多模态数据融合的自动驾驶定位方法，其特征在于，包括如下步骤：
步骤一：通过定位系统获取车辆位置的粗定位坐标；
步骤二：根据粗定位坐标确定定位空间范围；
步骤三：获取车辆前方道路的RGB图像和激光点云；
步骤四：在定位空间范围内，将RGB图像和激光点云的数据进行融合；
步骤五：将融合后的RGB图像和激光点云数据，与高精度地图进行定位匹配，确定车辆位置坐标。
2.根据权利要求1所述的一种基于多模态数据融合的自动驾驶定位方法，其特征在于，在步骤四中，将RGB图像和激光点云进行融合包括：
获取RGB图像中的要素在第一坐标系的位置信息；
获取激光点云中的要素在第一坐标系的语义编码。
3.根据权利要求2所述的一种基于多模态数据融合的自动驾驶定位方法，其特征在于，获取RGB图像中的要素在第一坐标系的位置信息包括：
在定位空间范围内，采用基于FCN的车道线检测算法，检测RGB图像上的车道线；
通过车道线定位模型，计算RGB图像上车道线在第一坐标系中的位置信息。
4.根据权利要求3所述的一种基于多模态数据融合的自动驾驶定位方法，其特征在于，在步骤五中，将融合后的RGB图像和激光点云数据，与高精度地图进行定位匹配包括：对RGB图像的车道线采用隐马尔可夫模型进行车道级匹配。
5.根据权利要求2所述的一种基于多模态数据融合的自动驾驶定位方法，其特征在于，获取RGB图像中的要素在第一坐标系的位置信息包括：基于三路标单目视觉定位方法获取路标牌的位置信息。
6.根据权利要求2所述的一种基于多模态数据融合的自动驾驶定位方法，其特征在于，获取激光点云中的要素在第一坐标系的语义编码包括：
步骤a1：对激光点云进行语义分割，其中，分割的语义目标包括地面、交通标志牌、杆状物；
步骤a2：将分割的交通标志牌和杆状语义目标作俯视投影，投影时以语义目标的整体点云质心代替实际物体；
步骤a3：进行语义编码。
7.根据权利要求1所述的一种基于多模态数据融合的自动驾驶定位方法，其特征在于，在步骤五中：确定车辆位置坐标包括：
步骤b1：构建因子图，节点是待求解的定位信息，采用ti时刻的位置坐标为节点，因子表示节点间的空间约束，因子包括高精地图因子、RGB图像定位因子、激光点云定位因子；
步骤b2：根据节点与因子构造优化的目标函数，并推导雅克比矩阵，以最终完成优化；
步骤b3：采用高斯牛顿法求解，获得目标函数最优值。
8.根据权利要求1所述的一种基于多模态数据融合的自动驾驶定位方法，其特征在于，在步骤一中，定位系统包括GPS、北斗或惯导。
9.一种基于上述权利要求1-8任一项所述基于多模态数据融合的自动驾驶定位方法的基于多模态数据融合的自动驾驶定位方法系统，其特征在于，包括：
粗定位模块：通过定位系统获取车辆位置的粗定位坐标；
确定模块：根据粗定位坐标确定定位空间范围；
获取模块：获取车辆前方道路的RGB图像和激光点云；
融合模块：在定位空间范围内，将RGB图像和激光点云的数据进行融合；
定位匹配模块：将融合后的RGB图像和激光点云数据，与高精度地图进行定位匹配，确定车辆位置坐标。
10.根据权利要求9所述的一种基于多模态数据融合的自动驾驶定位系统，其特征在于，所述采集模块包括激光雷达和相机。
CN202211202088.6A 2022-09-29 2022-09-29 一种基于多模态数据融合的自动驾驶定位方法及系统 Active CN115468576B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211202088.6A CN115468576B (zh) 2022-09-29 2022-09-29 一种基于多模态数据融合的自动驾驶定位方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211202088.6A CN115468576B (zh) 2022-09-29 2022-09-29 一种基于多模态数据融合的自动驾驶定位方法及系统

Publications (2)

Publication Number Publication Date
CN115468576A true CN115468576A (zh) 2022-12-13
CN115468576B CN115468576B (zh) 2024-10-25

Family

ID=84334519

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211202088.6A Active CN115468576B (zh) 2022-09-29 2022-09-29 一种基于多模态数据融合的自动驾驶定位方法及系统

Country Status (1)

Country Link
CN (1) CN115468576B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116027375A (zh) * 2023-03-29 2023-04-28 智道网联科技(北京)有限公司 自动驾驶车辆的定位方法、装置及电子设备、存储介质

Citations (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108121346A (zh) * 2017-12-20 2018-06-05 东风汽车集团有限公司 一种基于高精导航定位系统的自动驾驶方向控制系统及方法
CN108254776A (zh) * 2017-12-25 2018-07-06 东风汽车集团有限公司 基于路沿荧光反射和双目相机的隧道定位系统及方法
CN111899162A (zh) * 2019-05-06 2020-11-06 上海交通大学 基于分割的点云数据处理方法以及系统
CN111949943A (zh) * 2020-07-24 2020-11-17 北京航空航天大学 一种面向高级自动驾驶的v2x和激光点云配准的车辆融合定位方法
CN112347840A (zh) * 2020-08-25 2021-02-09 天津大学 视觉传感器激光雷达融合无人机定位与建图装置和方法
CN112819711A (zh) * 2021-01-20 2021-05-18 电子科技大学 一种基于单目视觉的利用道路车道线的车辆反向定位方法
CN113093254A (zh) * 2021-04-12 2021-07-09 南京速度软件技术有限公司 基于多传感器融合的地图特征的高架桥中的车辆定位方法
CN113885062A (zh) * 2021-09-28 2022-01-04 中国科学技术大学先进技术研究院 基于v2x的数据采集融合设备、方法和系统
CN114111811A (zh) * 2021-12-17 2022-03-01 奇瑞万达贵州客车股份有限公司 一种自动驾驶公交客车的导航控制系统和方法
CN114184200A (zh) * 2022-02-14 2022-03-15 南京航空航天大学 一种结合动态建图的多源融合导航方法
CN114199240A (zh) * 2022-02-18 2022-03-18 武汉理工大学 无gps信号下二维码、激光雷达与imu融合定位系统及方法
CN114428259A (zh) * 2021-12-13 2022-05-03 武汉中海庭数据技术有限公司 一种基于地图车采集的地库激光点云中车辆自动提取方法
CN114674314A (zh) * 2022-03-31 2022-06-28 天津城建大学 一种基于融合多传感器的因子图室内定位方法
CN114754782A (zh) * 2022-04-14 2022-07-15 智道网联科技(北京)有限公司 地图构建方法、装置及电子设备、计算机可读存储介质
CN115031744A (zh) * 2022-05-31 2022-09-09 电子科技大学 一种基于稀疏点云-纹理信息的认知地图定位方法及系统

Patent Citations (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108121346A (zh) * 2017-12-20 2018-06-05 东风汽车集团有限公司 一种基于高精导航定位系统的自动驾驶方向控制系统及方法
CN108254776A (zh) * 2017-12-25 2018-07-06 东风汽车集团有限公司 基于路沿荧光反射和双目相机的隧道定位系统及方法
CN111899162A (zh) * 2019-05-06 2020-11-06 上海交通大学 基于分割的点云数据处理方法以及系统
CN111949943A (zh) * 2020-07-24 2020-11-17 北京航空航天大学 一种面向高级自动驾驶的v2x和激光点云配准的车辆融合定位方法
CN112347840A (zh) * 2020-08-25 2021-02-09 天津大学 视觉传感器激光雷达融合无人机定位与建图装置和方法
CN112819711A (zh) * 2021-01-20 2021-05-18 电子科技大学 一种基于单目视觉的利用道路车道线的车辆反向定位方法
CN113093254A (zh) * 2021-04-12 2021-07-09 南京速度软件技术有限公司 基于多传感器融合的地图特征的高架桥中的车辆定位方法
CN113885062A (zh) * 2021-09-28 2022-01-04 中国科学技术大学先进技术研究院 基于v2x的数据采集融合设备、方法和系统
CN114428259A (zh) * 2021-12-13 2022-05-03 武汉中海庭数据技术有限公司 一种基于地图车采集的地库激光点云中车辆自动提取方法
CN114111811A (zh) * 2021-12-17 2022-03-01 奇瑞万达贵州客车股份有限公司 一种自动驾驶公交客车的导航控制系统和方法
CN114184200A (zh) * 2022-02-14 2022-03-15 南京航空航天大学 一种结合动态建图的多源融合导航方法
CN114199240A (zh) * 2022-02-18 2022-03-18 武汉理工大学 无gps信号下二维码、激光雷达与imu融合定位系统及方法
CN114674314A (zh) * 2022-03-31 2022-06-28 天津城建大学 一种基于融合多传感器的因子图室内定位方法
CN114754782A (zh) * 2022-04-14 2022-07-15 智道网联科技(北京)有限公司 地图构建方法、装置及电子设备、计算机可读存储介质
CN115031744A (zh) * 2022-05-31 2022-09-09 电子科技大学 一种基于稀疏点云-纹理信息的认知地图定位方法及系统

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116027375A (zh) * 2023-03-29 2023-04-28 智道网联科技(北京)有限公司 自动驾驶车辆的定位方法、装置及电子设备、存储介质

Also Published As

Publication number Publication date
CN115468576B (zh) 2024-10-25

Similar Documents

Publication Publication Date Title
CN110988912B (zh) 自动驾驶车辆的道路目标与距离检测方法、系统、装置
CN111882612B (zh) 一种基于三维激光检测车道线的车辆多尺度定位方法
CN108802785B (zh) 基于高精度矢量地图和单目视觉传感器的车辆自定位方法
CN105667518B (zh) 车道检测的方法及装置
CN114526745B (zh) 一种紧耦合激光雷达和惯性里程计的建图方法及系统
CN108171131B (zh) 基于改进MeanShift的Lidar点云数据道路标识线提取方法
CN111652179A (zh) 基于点线特征融合激光的语义高精地图构建与定位方法
CN112740225B (zh) 一种路面要素确定方法及装置
CN103377476A (zh) 使用三维地理弧的多模型数据的图像配准
CN112162297B (zh) 一种剔除激光点云地图中动态障碍伪迹的方法
CN110197173B (zh) 一种基于双目视觉的路沿检测方法
CN112362072A (zh) 一种复杂城区环境中的高精度点云地图创建系统及方法
CN114325634A (zh) 一种基于激光雷达的高鲁棒性野外环境下可通行区域提取方法
CN113640822A (zh) 一种基于非地图元素过滤的高精度地图构建方法
CN113392169A (zh) 一种高精度地图更新的方法、装置及服务器
CN115205803A (zh) 自动驾驶环境感知方法、介质及车辆
CN115980765A (zh) 一种基于环境感知辅助粒子滤波的车辆定位方法
CN115468576B (zh) 一种基于多模态数据融合的自动驾驶定位方法及系统
CN113838129B (zh) 一种获得位姿信息的方法、装置以及系统
CN113988197A (zh) 基于多相机、多激光雷达的联合标定及目标融合检测方法
WO2023222671A1 (en) Position determination of a vehicle using image segmentations
WO2020118623A1 (en) Method and system for generating an environment model for positioning
CN115965847A (zh) 交叉视角下多模态特征融合的三维目标检测方法和系统
CN116246033A (zh) 一种面向非结构化道路的快速语义地图构建方法
CN114494625A (zh) 高精度地形图制作方法、装置和计算机设备

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant