面向认知地图的视觉定位系统
发布时间：2021-03-21 04:30
随着科技的进步,自动驾驶技术也得到了极大的发展,定位是自动驾驶中的核心技术。传统自动驾驶定位分为基于信号的定位,如GPS、基站定位等;基于地图的定位,如依赖高精度3D点云地图,采用激光雷达点云配准的定位方式。其中,普通GPS设备精度低,采用RTK技术的GPS设备精度高但是硬件成本高并且定位精度依赖信号,即在高楼、隧道等遮挡物存在时,并不适用。激光雷达成本过高,自动驾驶原型车辆中,仅激光雷达成本就超过整车成本一半。地图方面,高精度3D点云地图成本高,数据量大,计算资源要求高,并且更新频率低。认知地图是采用人类认知原理设计的一种自动驾驶地图,具有数据量小,计算资源需求低,更新频率高并且具有相对高的精度等优点,并且由于认知地图设计仅依赖视觉传感器,成本低。认知地图由道路层、车道层、语义层以及动态信息层组成。现有基于三路标牌的定位方法对道路环境要求苛刻,很难在一帧图像中同时观测到三路标牌;仅能在观测到路标牌时获得定位,无法全程获得车辆位置信息;并且仅利用路标牌参考,未充分利用认知地图语义信息。针对以上问题,本文提出了面向认知地图视觉融合定位方法,融合车道线、路标牌与视觉里程计的定位结果,最终得...
【文章来源】：电子科技大学四川省 211工程院校 985工程院校 教育部直属院校
【文章页数】：95 页
【学位级别】：硕士
【部分图文】：
百度高精度地图生成流程
第一章绪论3采集车数量规模：250（10台为高精度采集车）自动化程度：90%以上的自动处理高精度地图采集车搭载图像、激光雷达、高精度GPS以及惯导等传感器，造价成本为100万人名币左右，副驾驶仓设置一台采集交互电脑，以完成采集工作。高精度地图采集流程为：1）多传感器标定，2）原始数据采集，3）数据处理、融合、重建，4）人工校准，5）发布地图。流程如下图：图1-1百度高精度地图生成流程数据采集框架大致以10HZ的频率采集数据，采集到的原始数据通过数据融合叠加，形成道路环境的重建，这一步将多帧数据对齐叠加，形成真实道路环境的3D点云。然后通过感知识别，识别出障碍物、标志物、行人车辆等，并在地图上做出相应操作：删除动态目标、标注关键语义等，这一步需要多传感器标定支持。这样就大致生成了完整的3D点云高精度地图，但是由于误检等各种原因，最终地图仍然需要人工检测是否出错，并对错误数据进行纠正，保证了地图的正确性。图1-23D点云高精度地图
电子科技大学硕士学位论文4如上图，百度3D高精度地图，图左为自动化处理生成，可以看到地图蓝色部分为3D点云，标注框为自动化标注的道路语义信息，但是由于漏检，自动化生成遗漏了一个道路标志（椭圆框标示），需要人工标注纠正地图，如上图右。1.2.1.2基于图像的地标影像地图MobilEye是一家非常著名的以色列科技公司，MobilEye[4]是一家创立了18年的科技公司。MobilEye是基于图像的地标影像地图代表公司，其代表地标影像地图构建技术，每公里仅需10KB就能构建出完整精确的地图，MobliEye通过采集地面标志、道路标志等环境标志，记录下环境信息，从而构建轻量化、高精度的地图。目前，已有超过20家车企与MobilEye合作，并且有超过2000万辆车辆搭载MobilEye自动驾驶系统。图1-3MobileEye视觉地图构建方案REM(RoadExperienceManagemnet)道路经验管理系统[4]是MobileEye核心的道路数据生成管理系统，其核心理念为：客户端搭载EyeQ芯片，目前已经迭代版本到EyeQ5，能够低功耗实时对道路图像数据进行感知，然后将感知结果上传至服务端，这样可以使原始数据相比图像有很大的减小，服务端获得所有客户端海量的道路感知数据，使用地图构建算法构建获得轻量化的高精度视觉地图，地图轻量化可达10KB/KM。REM系统解决了传统依赖高精度3D点云地图+激光雷达解决方案，数据量大难以、难以快速更新、成本高的缺点，REM系统只要车辆搭载EyeQ芯片就可加入REM系统，并且越多客户端搭载REM系统，就能够获得更高精度、更广范围的视觉地图，目前REM系统已获得如特斯拉等自动驾驶头部厂商订单，测试里程数超万里，行驶里程数超30亿英里。
【参考文献】：
期刊论文
[1]自动驾驶发展与关键技术综述[J]. 王金强,黄航,郅朋,申泽邦,周庆国. 电子技术应用. 2019(06)
[2]博世与百度、高德合作打造高精度自动驾驶地图[J]. 世界汽车. 2017(05)
[3]基于全景相机和全向激光雷达的致密三维重建[J]. 杨力,刘俊毅,王延长,刘济林. 浙江大学学报(工学版). 2014(08)
[4]RT3000惯性GPS组合导航系统实现车辆运动高精度测量[J]. 刘斌. 中国新技术新产品. 2014(01)
博士论文
[1]基于融合的全向三维视觉理论及在车道检测和定位中的应用研究[D]. 李传祥.国防科学技术大学 2016
硕士论文
[1]面向智能汽车的多层次认知地图表达与生成方法研究[D]. 王杨.电子科技大学 2019
[2]面向认知地图的智能车定位系统及其应用[D]. 骆佩佩.电子科技大学 2018
[3]车辆姿态检测及其语义地图应用[D]. 牛靖博.电子科技大学 2018
[4]基于视觉的车道级定位算法研究[D]. 刘亚群.东南大学 2015
[5]基于图像的车道线检测与跟踪算法研究[D]. 刘国荣.湖南大学 2014
本文编号：3092327
【文章来源】：电子科技大学四川省 211工程院校 985工程院校 教育部直属院校
【文章页数】：95 页
【学位级别】：硕士
【部分图文】：
百度高精度地图生成流程
第一章绪论3采集车数量规模：250（10台为高精度采集车）自动化程度：90%以上的自动处理高精度地图采集车搭载图像、激光雷达、高精度GPS以及惯导等传感器，造价成本为100万人名币左右，副驾驶仓设置一台采集交互电脑，以完成采集工作。高精度地图采集流程为：1）多传感器标定，2）原始数据采集，3）数据处理、融合、重建，4）人工校准，5）发布地图。流程如下图：图1-1百度高精度地图生成流程数据采集框架大致以10HZ的频率采集数据，采集到的原始数据通过数据融合叠加，形成道路环境的重建，这一步将多帧数据对齐叠加，形成真实道路环境的3D点云。然后通过感知识别，识别出障碍物、标志物、行人车辆等，并在地图上做出相应操作：删除动态目标、标注关键语义等，这一步需要多传感器标定支持。这样就大致生成了完整的3D点云高精度地图，但是由于误检等各种原因，最终地图仍然需要人工检测是否出错，并对错误数据进行纠正，保证了地图的正确性。图1-23D点云高精度地图
电子科技大学硕士学位论文4如上图，百度3D高精度地图，图左为自动化处理生成，可以看到地图蓝色部分为3D点云，标注框为自动化标注的道路语义信息，但是由于漏检，自动化生成遗漏了一个道路标志（椭圆框标示），需要人工标注纠正地图，如上图右。1.2.1.2基于图像的地标影像地图MobilEye是一家非常著名的以色列科技公司，MobilEye[4]是一家创立了18年的科技公司。MobilEye是基于图像的地标影像地图代表公司，其代表地标影像地图构建技术，每公里仅需10KB就能构建出完整精确的地图，MobliEye通过采集地面标志、道路标志等环境标志，记录下环境信息，从而构建轻量化、高精度的地图。目前，已有超过20家车企与MobilEye合作，并且有超过2000万辆车辆搭载MobilEye自动驾驶系统。图1-3MobileEye视觉地图构建方案REM(RoadExperienceManagemnet)道路经验管理系统[4]是MobileEye核心的道路数据生成管理系统，其核心理念为：客户端搭载EyeQ芯片，目前已经迭代版本到EyeQ5，能够低功耗实时对道路图像数据进行感知，然后将感知结果上传至服务端，这样可以使原始数据相比图像有很大的减小，服务端获得所有客户端海量的道路感知数据，使用地图构建算法构建获得轻量化的高精度视觉地图，地图轻量化可达10KB/KM。REM系统解决了传统依赖高精度3D点云地图+激光雷达解决方案，数据量大难以、难以快速更新、成本高的缺点，REM系统只要车辆搭载EyeQ芯片就可加入REM系统，并且越多客户端搭载REM系统，就能够获得更高精度、更广范围的视觉地图，目前REM系统已获得如特斯拉等自动驾驶头部厂商订单，测试里程数超万里，行驶里程数超30亿英里。
【参考文献】：
期刊论文
[1]自动驾驶发展与关键技术综述[J]. 王金强,黄航,郅朋,申泽邦,周庆国. 电子技术应用. 2019(06)
[2]博世与百度、高德合作打造高精度自动驾驶地图[J]. 世界汽车. 2017(05)
[3]基于全景相机和全向激光雷达的致密三维重建[J]. 杨力,刘俊毅,王延长,刘济林. 浙江大学学报(工学版). 2014(08)
[4]RT3000惯性GPS组合导航系统实现车辆运动高精度测量[J]. 刘斌. 中国新技术新产品. 2014(01)
博士论文
[1]基于融合的全向三维视觉理论及在车道检测和定位中的应用研究[D]. 李传祥.国防科学技术大学 2016
硕士论文
[1]面向智能汽车的多层次认知地图表达与生成方法研究[D]. 王杨.电子科技大学 2019
[2]面向认知地图的智能车定位系统及其应用[D]. 骆佩佩.电子科技大学 2018
[3]车辆姿态检测及其语义地图应用[D]. 牛靖博.电子科技大学 2018
[4]基于视觉的车道级定位算法研究[D]. 刘亚群.东南大学 2015
[5]基于图像的车道线检测与跟踪算法研究[D]. 刘国荣.湖南大学 2014
本文编号：3092327
本文链接：https://www.wllwen.com/kejilunwen/qiche/3092327.html
