欢迎来到知嘟嘟! 联系电话:13336804447 卖家免费入驻,海量在线求购! 卖家免费入驻,海量在线求购!
知嘟嘟
我要发布
联系电话:13336804447
知嘟嘟经纪人
收藏
专利号: 201811175699X
申请人: 吉林大学
专利类型:发明专利
专利状态:已下证
专利领域: 测量;测试
更新日期:2026-11-16
缴费截止日期: 暂无
价格&联系人
年费信息
委托购买

摘要:

权利要求书:

1.一种基于自动驾驶的多传感器融合认知的驾驶地图生成方法,包括以下步骤:A、通过全局的高精度地图和路网数据库获得天级的全局地图;

B、利用高度计获取车辆高度信息,配合GPS获取平面定位信息,获得车辆的三维定位信息;

C、将上述三维定位信息与路网数据库相结合,确定初始投影点,进一步实现智能汽车行驶路段的定位信息,确定行驶路段地图,并通过网线传输给车载工控机;

D、车载工控机将定位信息与路网数据库匹配,进而获得天级的局部地图;

E、利用智能摄像头及激光雷达获取车辆周围环境信息、车道线信息及障碍物信息,将其与天级局部地图叠加,进而获得针对当前时刻的融合认知的驾驶地图。

2.根据权利要求1所述的一种基于自动驾驶的多传感器融合认知的驾驶地图生成方法,其特征在于,步骤C,确定初始投影点,进一步实现智能汽车行驶路段的定位信息,具体为:利用基于DS证据推理的地图匹配算法确定智能汽车在路网数据库中的当前行驶路段和初始投影位置点;再通过智能汽车定位模块前后两个时刻输出的定位信息获得三维定位坐标增量;接着,基于车辆初始的投影点坐标和三维定位坐标增量对定位模块的定位数据进一步修正;最后,将修正后的定位数据垂直投影到路网数据库中的道路中心线上获得汽车在路网数据中的投影位置。

3.根据权利要求1所述的一种基于自动驾驶的多传感器融合认知的驾驶地图生成方法,其特征在于,步骤C,确定行驶路段地图,并通过网线传输给车载工控机,具体为:通过传感器、车载智能摄像头及激光雷达分别采集车辆运行信息、车道线及障碍物特征级信息,并对上述信息进行基于置信区间的整合和处理,其中传感器及车载智能摄像头通过汽车CAN总线、激光雷达通过网线将数据传输到车载工控机。

4.根据权利要求3所述的一种基于自动驾驶的多传感器融合认知的驾驶地图生成方法,其特征在于:所述传感器包括轮速传感器和转矩传感器,其中,轮速传感器用于获得的车辆纵向车速信息,转矩传感器用于获得车辆横向转向角速度信息。

5.根据权利要求1所述的一种基于自动驾驶的多传感器融合认知的驾驶地图生成方法,其特征在于,对车辆运行信息、车道线及障碍物特征级信息进行基于置信区间的整合和处理包括以下步骤:C1可行驶区域提取:

C11、对于无车道线道路,根据雷达返回数据的特征结合数据区间密度分布获得路沿点集,并利用基于加权欧氏距离KNN改进的OPTICS算法对得到的路沿点聚类;

C12、使用最小二乘法拟合出两侧路沿;对于有车道线的道路,利用智能摄像头直接读取两侧车道线信息;

C13、通过改进的OPTICS算法将路面上的障碍物点云进行聚类,并提取出每类障碍物的距离、角度以及障碍物中心点x、y、z坐标值等几何特征;

C2、障碍物识别与跟踪:工控机将获取的各类特征级信息进行进一步的融合处理。

6.根据权利要求5所述的一种基于自动驾驶的多传感器融合认知的驾驶地图生成方法,其特征在于:步骤C2,融合处理是指:计算目标几何相似度,根据相似度进行目标匹配,采用基于距离加权融合的方法对目标几何特征进行融合;采用基于多特征的目标跟踪方法对目标进行跟踪,提取目标相对于车辆坐标系中的运动速度;利用卫星定位系统采集的车辆的运动速度,通过计算,获得目标相对于地面坐标系中的运动速度;根据目标的几何特征和运动特征,建立目标特征模型对目标类别判定;栅格化目标特征,并进行栅格表示,获得当前环境下的障碍物及车道线地图。

7.根据权利要求6所述的一种基于自动驾驶的多传感器融合认知的驾驶地图生成方法,其特征在于:在对两目标是否匹配进行判断时,根据相似度阈值D_θ而定:当相似度值大于D_θ时,则可视为同一目标,应进行融合;若小于阈值D_θ时,则认为其为两个不同的目标,不进行融合;对于已经进行目标相似度匹配的目标,利用置信度加权的方法对目标几何特征进行融合。

8.根据权利要求7所述的一种基于自动驾驶的多传感器融合认知的驾驶地图生成方法,其特征在于,对目标几何特征进行融合包括以下步骤:计算目标中心到各激光雷达的距离;进而计算出每个雷达该目标的综合可信度;最后,由综合可信度对目标中心的坐标、目标长度、目标宽度三种几何特征进行融合。

9.根据权利要求6所述的一种基于自动驾驶的多传感器融合认知的驾驶地图生成方法,其特征在于:所述目标相似度匹配为对两个四线激光雷达同时扫描到的目标进行匹配,其中,目标相似度的衡量标准具体为距离相似度和面积相似度,它们的计算公式如下:Ⅰ、距离相似度

距离的度量采用欧氏距离,即衡量二维平面上两目标中心a点(x1,y1)与b点(x2,y2)的欧氏距离为:Ⅱ、面积相似度

面积相似度只是两目标面积之间的差值,对于目标a的面积为Sa,目标b的面积为Sb。

Sab=|Sa-Sb|

S=length*width(ε)

其中,S为代表目标的面积,length代表目标长度,width代表宽度,ε为线段数;

即目标几何相似度的计算式如下:

其中,θ_1、θ_2分别两种标准的权重;D_ab为目标相似程度,取值在0~1之间;

假设a雷达扫描的目标集为{a1,a2,a3,a4…},b雷达扫描的目标集为{b1,b2,b3,b4…..},可得到目标相似度的矩阵,如下所示:其中,Daibj代表目标ai与目标bj的相似度。