2024年3月10日发(作者：浑精)
１５７２
November２０２１Vol．５０No．１１AGCS
:
htt
∥xb．sinomas．com
p
p
/],
５G６Gera
[
J．ActaGeodaeticaetCartorahicaSinica
gp
２０１９．２０１９０４３７．
LIDeren．Towards
g
eosatialinformationtechnolon
pgy
i
::
１
/
２０１９
,
４８
(
１２
)
１４７５Ｇ１４８１．DOI０．１１９４７．AGCS．
j
[]]
点云智能研究进展与趋势
[
测绘学报
,
４
杨必胜
,
董震
．J．
２０１９．２０１９０４６５．
[],
N１４ QICR
,
SUHaoIEßNERM
,
etal．Volumetricand
Proceedinsof２０１６IEEEConferenceonComuterVision
gp
[
multiＧviewCNNsforobectclassificationon３DdataC
]
∥
j
２０１５
:
９４５Ｇ９５３．
,
C
:
IonComuterVision
(
ICCV
)
．SantiaohileEEE
,
pg
::
１
/
２０１９
,
４８
(
１２
)
１５７５Ｇ１５８５．DOI０．１１９４７．AGCS．
j
,
YANGBishenDONGZhen．Proressand
p
ersectiveof
ggp
ointcloudintellience
[
J
]
．ActaGeodaeticaetCartoＧ
pg
/
１１９４７．AGCS．２０１９．２０１９０４６５．
j
[]
１５ VISHWANATHKV
,
GUPTAD
,
VAHDATA
,
etal．
[
C
]
∥Proceedinsof２００９IEEENinthInternationalConＧ
g
:
TModelNetowardsadatacenteremulationenvironment
IEEE
,
２０１６
:
５６４８Ｇ５６５６．
,
andPatternReconition
(
CVPR
)
．LasVeasNV
,
USA
:
gg
,
２
::
１rahicaSinica０１９
,
４８
(
１２
)
１５７５Ｇ１５８５．DOI０．
gp
[],
WE
,
L
,
５ YANGBishenIZhenIQinuanetal．AutoＧ
gggq
,
WA
,
UferenceonPeerＧtoＧPeerComutin．SeattleSA
:
pg
[],
１６ KRIZHEVSKYA
,
SUTSKEVERIHINTONGE．ImaＧ
IEEE
,
２００９
:
８１Ｇ８２．
[]
基于地物特征提取的车载激光点云
６
李婷
,
詹庆明
,
喻亮
．
,
Z
,
YULLITinHANQinminian．Aclassification
gggg
tureextraction
[
J
]
．RemoteSensinorLand&
g
f
,():
Resources２０１２
,
２４１１７Ｇ２１．
]():
数据分类方法
[
国土资源遥感
,
J．２０１２
,
２４１１７Ｇ２１．
():
２０１２
,
３３１８５８３９Ｇ５８６１．
[],
ointcloudsJ．InternationalJournalofRemoteSensin
pg
matedextractionofstreetＧsceneobectsfrommobilelidar
j
eNetclassificationwithdeeonvolutionalneural
gp
c
[],,,
１７ FENGYifanZHANGZizhaoZHAOXibinetal．GVCＧ
/
shaereconition
[
C
]
∥Proceedinsof２０１８IEEECVF
pgg
,
UT
,
USaltLakeCitSA
:
IEEE
,
２０１８
:
２６４Ｇ２７２．
y
NN
:
GrouＧviewconvolutionalneuralnetworksfor３D
p
８４Ｇ９０．
[]():
networksJ．CommunicationsoftheACM
,
２０１７
,
６０６
methodformobilelaserscanninatabasedonobectfeaＧ
g
d
j
ConferenceonComuterVisionandPatternReconition．
pg
[],
７ LEHTOMÄKIM
,
JAAKKOLAA
,
HYYPPÄJetal．
scanninointcloudsinaroadenvironment
[
J
]
．IEEE
gp
():
２１２２６Ｇ１２３９．
Obectclassificationandreconitionfrommobilelaser
jg
[],
YUANJ１８ YUTan
,
MENGJininunson．MultiＧview
gjgg
harmonizedbilinearnetworkfor３Dobectreconition
[
C
]
∥
jg
/
Proceedinsof２０１８IEEECVFConferenceonComuter
gp
USA
:
IEEE
,
２０１８
:
１８６Ｇ１９４．
,
TransactionsonGeoscienceandRemoteSensin２０１６
,
５４
g
,
UT
,
VisionandPatternReconition．SaltLakeCit
gy
[],
L
,
WE
,
８ YUYontaoIJNChenluetal．BaＧofＧvisualＧ
ggg
[]
tionandreconitioninmobilelaserscanninataJ．ISＧ
gg
d
２０１６
,
１１３
:
１０６Ｇ１２３．
hrasesandhierarchicaldeeodelsfortrafficsindetecＧ
pp
m
g
[],
MOK
,:
１９ CHARLESRQ
,
HAOSuaichunetal．PointNet
deelearninn
p
ointsetsfor３DclassificationandseＧ
pg
o
g
ComuterVisionandPatternReconition
(
CVPR
)
．HonＧ
pg
[
mentationC
]
∥Proceedinsof２０１７IEEEConferenceon
g
,
PRSJournalofPhotorammetrndRemoteSensin
gy
a
g
[],
VA９ XIAOWenLLETB
,
SCHINDLERK
,
etal．StreetＧ
,
sidevehicledetectionclassificationandchanedetection
g
usinobilelaserscanninata
[
J
]
．ISPRSJournalof
g
m
g
d
[],
WAN
,
２０ BELLOSA
,
YUShanshuGChenetal．ReＧ
gg
,():://
in２０２０
,
１２１１１７２９．DOIor１０．３３９０rs１２１１１７２９．
gg
[]
view
:
deelearninn３D
p
ointcloudsJ．RemoteSensＧ
pg
o
,
H
,
UoluluISA
:
IEEE
,
２０１７
:
７７Ｇ８５．
[][]
１０ LECUNY
,
BENGIOY
,
HINTONG．DeeearninJ．
p
l
g
[],,,
１１ GUANHaianYUYontaoJIZhenetal．DeelearninＧ
yggpg
[]
basedtreeclassificationusinobileLiDARdataJ．ReＧ
g
m
,():
moteSensinetters２０１５
,
６１１８６４Ｇ８７３．
g
L
,():
Nature２０１５
,
５２１７５５３４３６Ｇ４４４．
１６６Ｇ１７８．
,
２PhotorammetrndRemoteSensin０１６
,
１１４
:
gy
a
g
[],
２１ QICR
,
YILISUHAO
,
etal．PointNet＋＋
:
deeierＧ
p
h
archicalfeaturelearninn
p
ointsetsinametricsace
g
o
p
[
C
]
∥Proceedinsofthe３１stConferenceonNeuralInforＧ
g
[]:
２２ JOSEPHＧRIVLINM
,
ZVIRINA
,
KIMMELR．Momenet
flavorthemomentsinlearninoclassifhaes
[
C
]
∥
g
t
y
s
p
/
Proceedinsof２０１９IEEECVFInternationalConference
g
():
SouthIEEE
,
２０１９
:
４０８５Ｇ４０９４．
,
NIPS２０１７．
mationProcessinstems．Loneach
,
CA
,
USA
:
g
S
yg
B
[]
基于
D１２
罗海峰
,
方莉娜
,
陈崇成
,
等
．BN
的车载激光点云
:/
DOI１０．１１９４７．AGCS．２０１８．２０１７０５２４．
j
]:
路侧多目标提取
[
J．
测绘学报
,
２０１８
,
４７
(
２
)
２３４Ｇ２４６．
,
KonComuterVisionWorkshoICCVW
)
．Seoulorea
pp
(
,
F
,
C
,
LUOHaifenANGLinaHENChonchenetal．
ggg
]
scanninointcloudbasedonDBN
[
J．ActaGeodaeticaet
gp
/
１１９４７．AGCS．２０１８．２０１７０５２４．
j
Roadsidemultileobectsextractionfrommobilelaser
pj
[],,,
２３ LIYananBURuiSUNMinchaoetal．PointCNN
:
gyg
the３２ndConferenceonNeuralInformationProcessin
g
Sstems
(
NeurIPS２０１８
)
．NowYork
,
NY
,
USA
:
Curran
y
,
Associates２０１８
:
８２０Ｇ８３０．
[
convolutiononxＧtransformed
p
ointsC
]
∥Proceedinsof
g
,
２
::
１CartorahicaSinica０１８
,
４７
(
２
)
２３４Ｇ２４６．DOI０．
gp
[],
MA１３ SUHanJIS
,
KALOGERAKISE
,
etal．MultiＧview
g
convolutionalneuralnetworksfor３Dshaereconition
pg
[],,
F２４ ZHAOHenshuanJIANGLiUCW
,
etal．PointＧ
gg
/
cloud
p
rocessinC
]
∥Proceedinsof２０１９IEEECVF
g
[
g
[
C
]
∥Proceedinsof２０１５IEEEInternationalConference
g
Web
:
enhancinocalneihborhoodfeaturesfor
p
oint
g
l
g
Copyright©博看网 . All Rights Reserved.
第
１１
期方莉娜
,
等
:
融合点云和多视图的车载激光点云路侧多目标识别
IEEE
,
２０１７
:
２４３２Ｇ２４４３．
１５７３
ConferenceonComuterVisionandPatternReconition
pg
５５６０Ｇ５５６８．
(,
CCVPR
)
．LoneachA
,
USA
:
IEEE
,
２０１９
:
g
B
[],,
WANP
,
３２ ZHANGWuminQIJianboenetal．AneasＧ
ggy
toＧuseairborneLiDARdatafilterinethodbasedon
g
m
[],():
clothsimulationJ．RemoteSensin２０１６
,
８６５０１．
g
():
JournaloftheACM
,
２００８
,
５５４１Ｇ２４．
[]:
２５ THOMASH
,
QICR
,
DESCHAUDJE
,
etal．KPConv
[
flexibleanddeformableconvolutionfor
p
ointcloudsC
]
∥
/
Proceedinsof２０１９IEEECVFInternationalConference
g
[]]
３３ REINGOLDO．UndirectedconnectivitnloＧsace
[
J．
y
i
gp
[],
３４ YUY
,
LIJGUANHetal．Automatedextractionof３D
[],,
L
,
２６ WANGYueSUNYonbinIUZiweietal．Dnamic
gy
,():
actionsonGrahics２０１９
,
３８５１Ｇ１２．
p
[]
rahCNNforlearninn
p
ointcloudsJ．ACMTransＧ
gpg
o
IEEE
,
２０１９
:
６４１０Ｇ６４１９．
,
K
:
onComuterVision
(
ICCV
)
．Seoulorea
(
South
)
p
]
treesfrommobileLiDAR
p
ointclouds
[
J．TheInternaＧ
,
RtionalArchivesofthePhotorammetremoteSensin
gyg
,
andSatialInformationSciences２０１４
,
XLＧ５
:
６２９Ｇ６３２．
p
[],
WUC
,
２７ QICR
,
LIUWeihenxiaetal．FrustumPointNets
for３DobectdetectionfromRGBＧDdata
[
C
]
∥
j
/
Proceedinsof２０１８IEEECVFConferenceonComuter
gp
USA
:
IEEE
,
２０１８
:
９１８Ｇ９２７．
[],,:
３５ DENGJiaDONGWeiSOCHERR
,
etal．ImaeNeta
g
of２００９IEEEConferenceonComuterVisionandPattern
p
,
Reconition．MiamiFL
,
USA
:
IEEE
,
２００９
:
２４８Ｇ２５５．
g
lareＧscalehierarchicalimaedatabase
[
C
]
∥Proceedins
ggg
,
UT
,
VisionandPatternReconition．SaltLakeCit
gy
[]
３６ ROYNARDX
,
DESCHAUDJE
,
GOULETTEF．ParisＧ
ointclouddatasetforautomaticsementationandclassiＧ
pg
,():
Research２０１８
,
３７６５４５Ｇ５５７．
LilleＧ３D
:
alareandhihＧualitroundＧtruthurban
ggqyg
[],,,:
２８ YOUHaoxuanFENGYifanJIRonronetal．PVNeta
gg
ointconvolutionalnetworkof
p
ointcloudandmultiＧview
j
for３Dshaereconition
[
C
]
∥Proceedinsofthe２６th
pgg
NY
,
USA
:
ACM
,
２０１８
:
４５６１Ｇ４５７０．
fication
[
J
]
．TheInternationalJournalofRobotics
,
ACMinternationalconferenceonMultimedia．NewYork
(
责任编辑
:
张艳玲
)
[],,,
２９ YOUHaoxuanFENGYifanZHAOXibinetal．PVRＧ
[
onitionC
]
∥Proceedinsof２０１９AAAIConferenceon
gg
,
AAAI２０１９
,
３３
:
９１１９Ｇ９１２６．
:
NetointＧviewrelationneuralnetworkfor３DshaerecＧ
pp
收稿日期
:
２０２１Ｇ０５Ｇ１１
修回日期
:
２０２１Ｇ０９Ｇ２７
,
第一作者简介
:
方莉娜
(
女
,
博士
,
助理研究员
,
１９８３
—)
研究方向为激光雷达数据处理与三维重建
.
:,,
FirstauthorFANGLina
(
１９８３
—)
femalePhD
,
assisＧ
cessinnd３Dmodelin
g
a
g
．
通信作者
:
郭迎亚
,
C
,
UArtificialIntellience．PaloAltoaliforniaSA
:
g
[]
３０ GEIGERA
,
LENZP
,
STILLERC
,
etal．Visionmeets
,():
JournalofRoboticsResearch２０１３
,
３２１１１２３１Ｇ１２３７．
:
TroboticsheKITTIdataset
[
J
]
．TheInternational
,
mtantresearchersaorsinLiDAR
p
ointclouds
p
roＧ
j
:
EＧmailfanln＠fzu．edu．cn
g
:
CorresondinuthorGUOYina
pg
a
gy
[]:
３１ DAIA
,
CHANGAX
,
SAVVAM
,
etal．ScanNetrichlＧ
y
[
annotated３DreconstructionsofindoorscenesC
]
∥ProＧ
ceedinsof２０１７IEEEConferenceonComuterVision
gp
,
H
,
UandPatternReconition
(
CVPR
)
．HonoluluISA
:
g
:
EＧmailuo＠fzu．edu．cn
gyy
Copyright©博看网 . All Rights Reserved.
第
５０
卷
第
１１
期
年
１
月
２０２１１
ActaGeodaeticaetCartorahicaSinica
gp
测
绘
学
报
Vol．５０
,
No．１１
,
November
２０２１
]::
引文格式
:
周哲
,
胡钊政
,
李娜
,
等
．
面向智能车的地下停车场环视特征地图构建与定位
[
测绘学报
,
J．２０２１
,
５０
(
１１
)
１５７４Ｇ１５８４．DOI１０．
/
１１９４７．AGCS．２０２１．２０２１０２０５．
j
,,,
ZHOUZheHUZhaozhenLINaetal．Visualmaromaroundviewsstemforintellientvehiclelocalizationin
gp
f
yg
[],::/
underround
p
arkinlotsJ．ActaGeodaeticaetCartorahicaSinica２０２１
,
５０
(
１１
)
１５７４Ｇ１５８４．DOI１０．１１９４７．AGCS．
gggpj
２０２１．２０２１０２０５．
;;
武汉理工大学智能交通系统研究中心
,
湖北武汉
４
武汉理工大学重庆研究院
,
重庆
４１．３００６３２．０１１２０
武汉理工大学自动化学院
,
湖北武汉
４３．３００７０
２２
,,
周
哲
１
,
胡钊政
１
,
李
娜
３
,
肖汉彪
１
,
伍锦祥
１
面向智能车的地下停车场环视特征地图构建与定位
Visualmaromaroundviewsstemforintellientvehiclelocalizationin
p
f
yg
underround
p
arkinlots
gg
,
W
,
W
１．IntellientTransortationSstemsResearchCenter
uhanUniversitfTechnolouhan４３００６３
,
China
;
gpy
y
o
gy
,
C
２．ChoninesearchInstituteofWuhanUniversitfTechnolo
honin０１１２０
,
China
;
３．Schoolof
gqg
R
y
o
gy
gqg
４
,
W
,
WAutomationuhanUniversitfTechnolouhan４３００７０
,
China
y
o
gy
１２１２３１１
,,,
ZHOUZheHUZhaozhenLINaXIAOHanbiaoWUJinxian
g
,
g
,,
,
roosedbasedontheconstructionofavisualfeaturemafromaroundview．Inthemethodthenodesof
ppp
,
thevisualfeaturemaredefinedas
p
articleswhilethe
q
uerimaesaredefinedasobservationdata．In
p
a
yg
,
the
p
rocessofstatetransitionthesecondＧorderMarkovmodelisintroducedtomodelthemotionofthe
,
vehiclesinashorttime．Inadditionholisticfeaturesareemloedtoestablishthematchinelationshi
pyg
r
p
)
betweenthe
q
uerimaeandeach
p
article
(
visualfeaturemaodebssininarticleweihtsbased
ygp
n
y
a
ggpg
,
onHamministance．Intheexerimentstwoticalunderround
p
arkinlotsareselectedtoverifhe
g
d
pypggy
t
,
method．Inbothscenariosthemeanerroroflocalizationislessthan０３．８m
,
themeansuareerrorisless
q
demonstratethatthe
p
roosedmethodcaninterateboththemotionandvisualfeaturestoenhance
pg
localization
p
erformance．Exerimentalresultsalsoshowthatthe
p
roosedmethodouterformsstateＧofＧ
ppp
theＧartonesintermsoflocalizationaccuracndrobustness．
y
a
:;;;
KeordsintellientvehiclevisionlocalizationsecondＧorderMarkovmodelarticlefilteralorithm
y
w
gpg
:,
AbstractInviewofthelackofGPSsinalintheunderround
p
arkinotsthesecondＧorderMarkov
ggg
l
)
modeland
p
articlefilter
(
MMＧPFmethodforintellientvehiclelocalizationinunderround
p
arkinlotsis
ggg
than０．２９m．The
p
robabilitf
p
ositioninrrorbelow１misnotlessthan９５．４％．Exerimentalresults
y
o
g
e
p
:);
FoundationsuortTheNationalKeesearchandDevelomentProramofChina
(
No．２０１８YFB１６００８０１
ppy
R
pg
;
TTheNationalNaturalScienceFoundationofChina
(
No．U１７６４２６２
)
heNationalNaturalScience
;
TFoundationofChoninfChina
(
No．cstc２０２０cＧmsxmX０９７８
)
heFundinfWuhanScienceand
gqg
o
jyjg
o
;;)
Technoloureau
(
Nos．２０２００１０６０１０１２１６５
２０２００１０６０２０１１９７３２０２００１０６０２０１２００３
gy
B
摘
要
:
针对地下停车场环境
G
本文在环视特征地图构建的基础上
,
提出基于二阶
PS
信号缺失的问题
,
,),
马尔科夫模型的粒子滤波定位算法
(
实现智能车在地下停车场
MarkovmodelＧarticlefilterMMＧPF
p
环境中的高精度定位
.
在该模型中
,
环视特征地图节点被定义为粒子
,
查询图像被定义为观测数据
.
在
状态转移过程中
,
引入二阶马尔可夫模型
,
对短时间车辆运动进行建模
,
构建状态转移模型
.
利用图像
的全局特征建立当前车辆获取的图像与各粒子
(
环视地图节点
)
之间的匹配关系
,
从获取的汉明距离建
立粒子权重分布模型
,
可以大幅提高系统的计算效率
.
当前车辆的位置由局部特征匹配获得
.
选取两
个典型的地下停车场场景对本文算法进行验证
,
在选取的两个场景中
,
本文算法平均定位精度小于
定位误差均方差小于
０．
定位误差在
１m
以下的概率不低于
９
本文
０．３８m
,
２９m
,
５．４％
.
试验结果表明
:
所提出的二阶
MM
相较于对比算法
,
定位精度与稳
ＧPF
算法能够将车辆的运动信息与视觉信息相融合
,
Copyright©博看网 . All Rights Reserved.
第
１１
期周
哲
,
等
:
面向智能车的地下停车场环视特征地图构建与定位
１５７５
健性得到大幅提高
.
关键词
:
智能车
;
视觉定位
;
二阶马尔可夫模型
;
粒子滤波算法
()
中图分类号
:
P２８５．３
文献标识码
:
A
文章编号
:
１００１Ｇ１５９５２０２１１１Ｇ１５７４Ｇ１１
)
２０２００１０６０２０１２００３
);
国家自然科学基金
(;
重庆市自然科学基
基金项目
:
国家重点研发计划
(
２０１８YFB１６００８０１
U１７６４２６２
)
);
金
(
武汉市科技局技术创新项目
(
cstc２０２０cＧmsxmX０９７８
２０２００１０６０１０１２１６５
;
２０２００１０６０２０１１９７３
;
jyj
获取高精度室内定位信息是实现智能车全域
自主行驶最关键的技术之一
,
也是实现车路协同
的基础
,
受到工业界和学术界的广泛关注
.
目前
,
基于导航卫星的定位技术是室外环境中获取智能
,
车位置信息的主流方法
(
如
G
北斗
)
但在室
PS
、
内环境中存在信号盲区等影响
,
难以满足智能车
１
]
.
２
对定位精度的需求
[
中国科协公布的
０２０
年
,
]
文献
[
提出多视角的智能车定位方案
,
前视图
１５
像用来获取最佳的地图匹配节点
,
俯视图像计算
当前车辆与地图之间的位姿关系
,
获取车辆在全
(,
通过层次化的匹配方案快速
baＧofＧwordBoW
)
g
实现车辆的定位
.
文献
[
运用
I１７
]
CP
算法计算
路面标志与地图子图之间的位置关系
,
获取车辆
]
在全局坐标系下的位置
.
文献
[
提出一种多视
１８
角
、
多尺度的智能车定位方法
,
将视觉地图的定位
结果与视觉里程计的定位结果相融合
,
实现在地
[]
利用环视图像获取地下停车场的语义信息并
１９
构建语义地图
,
采用图优化方法获得稳定的定位
结果
.
文献
[
在
s２０
]
eSLAM
序列匹配的基础
q
上
,
采用
“
由粗到精
”
的匹配策略
,
并利用粒子滤波
算法提出多分辨率的定位方法
.
但该序列匹配方
法对车辆的行驶速度限制苛刻
,
且计算复杂度高
,
难以在移动平台上布设
.
针对上述文献中的不足之处
,
本文在环视特
征地图构建的基础上
,
提出基于二阶马尔可夫模
,,
算法
(
实现稳定
、
准确的地图
filterPF
)
MMＧPF
)
匹配
,
并利用局部特征点匹配计算当前车辆的全
其新颖之处在于
:
地图节点
)
之间的
①
利用粒子
(
拓扑关系
,
构建基于二阶
MM
的粒子状态转移概
率模型
,
将车辆运动约束与视觉信息相融合
,
提高
地图匹配的准确性和稳定性
.
②
为了提高算法的
收敛效率
,
根据粒子的拓扑关系选取关键粒子
,
以
降低计算复杂度
.
③
提取场景的
ORB
全局特
征
,
利用汉明距离构建当前图像与各粒子之间的
观测概率模型
,
以降低计算负担
.
,
型
(
的粒子滤波
(
MarkovmodelMM
)
article
p
下停车场环境中
０．４５m
的平均定位误差
.
文献
]
局坐标系下的位置信息
.
文献
[
利用词袋模型
１６
十大工程技术难题
,
其中就包含
“
无人车如何实现
为了实现在室内环境中的高精度定位
,
研究
２
]
.
在卫星不可用条件下的高精度智能导航
”
问题
[
[]
３
()、
无线传感网
inertialnaviationsstem
,
INS
gy
]
４
]
５
]
６
、
络
[
激光雷达传感器
[
和视觉传感器
[
等
.
然
者提出多种定位方案
,
包括惯性导航系统
而
,
随着运行时间的增加
,
INS
产生严重的累积误
差
,
不宜用于较大场景的定位
.
无线传感网络的
定位原理与
G
能够实现无累积误差
PS
较为相似
,
定位
,
但存在不稳定性和使用成本等矛盾
.
激光
传感器因使用成本高昂
,
使其难以大规模推广应
用
.
相比之下
,
视觉传感器能够提供丰富的场景
信息
,
而且价格低廉
,
因而
,
基于视觉的定位技术
]
７
.
成为近几年的研究热点
[
)
能够在未知的环境中实现精确的车辆
main
ppg
８
]
.
然而
,
定位
[
随着定位场景的增大
,
后端优化复
]
９
.
为
杂度增加
,
且系统受累积误差的影响增大
[
其中
,
VSLAM
(
visionsimultaneouslocalizationand
近年来
,
研究者提出多种基于视觉的定位方法
.
局位置
,
完成智能车在地下停车场的高精度定位
,
了提高定位精度
,
降低计算负担
,
满足高级辅助驾
驶的需求
,
高精度地图被认为是
L３
级及以上高
]
１０
.
从而将定位过
级辅助驾驶的关键基础设施
[
程分为视觉地图构建与基于地图的定位两个阶
]
６
,
１１
.
定位阶段首先是要找到视觉地图中与当
段
[
前图像最相似的地图节点
,
而后利用匹配的特征
点计算当前车辆与地图之间的位姿关系完成定
[
２
][
３
]
、)
位
.
其中
,
基于稀疏特征
(
的匹
SIFT
１
ORB
１
１
本文方法
本文首先利用环视图像构建待定位场景的环
视特征地图
.
在定位阶段
,
利用本文提出的二阶
MMＧPF
算法获取与当前图像最相近的地图节
获取最佳匹配
,
并利用
PSIFT
特征点匹配
,
nP
()
解算在坐标系中的位置
.
ersectiveＧnＧoint
ppp
配是最常用的地图匹配方法
.
文献
[
利用
１４
]
Copyright©博看网 . All Rights Reserved.
１５７６
November２０２１Vol．５０No．１１AGCS
:
htt
∥xb．sinomas．com
p
p
点
,
完成节点级定位
.
而后在节点级定位的基础
上
,
利用环视图像局部特征点匹配
,
求解当前车辆
与环视特征地图之间的相对位姿
,
进而求解当前
车辆在全局坐标系中的位置
,
完成度量级定位
.
具体包括环视特征地图构建和基于二阶
MMＧPF
的智能车定位方法
.
１．１
环视特征地图构建模型
特征地图是利用离散的节点对待定位场景进
行表征
,
通过预先获取道路场景的视觉特征
、
结构
中的地图制作方法
,
并采用环视图像构建待定位
场景的视觉地图
,
并称之为环视特征地图
.
通过
获取环视图像特征
、
路面结构信息与位姿等组成
地图节点
,
遍历待定位场景完成环视特征地图构
建
,
地图结构如图
１
所示
.
在定位阶段
,
利用本文
提出的二阶
MMＧPF
算法实现车辆在地下停车场
环境中的高精度定位
.
于是
,
可将环视特征地图
定义为
2024年3月10日发(作者：浑精)
１５７２
November２０２１Vol．５０No．１１AGCS
:
htt
∥xb．sinomas．com
p
p
/],
５G６Gera
[
J．ActaGeodaeticaetCartorahicaSinica
gp
２０１９．２０１９０４３７．
LIDeren．Towards
g
eosatialinformationtechnolon
pgy
i
::
１
/
２０１９
,
４８
(
１２
)
１４７５Ｇ１４８１．DOI０．１１９４７．AGCS．
j
[]]
点云智能研究进展与趋势
[
测绘学报
,
４
杨必胜
,
董震
．J．
２０１９．２０１９０４６５．
[],
N１４ QICR
,
SUHaoIEßNERM
,
etal．Volumetricand
Proceedinsof２０１６IEEEConferenceonComuterVision
gp
[
multiＧviewCNNsforobectclassificationon３DdataC
]
∥
j
２０１５
:
９４５Ｇ９５３．
,
C
:
IonComuterVision
(
ICCV
)
．SantiaohileEEE
,
pg
::
１
/
２０１９
,
４８
(
１２
)
１５７５Ｇ１５８５．DOI０．１１９４７．AGCS．
j
,
YANGBishenDONGZhen．Proressand
p
ersectiveof
ggp
ointcloudintellience
[
J
]
．ActaGeodaeticaetCartoＧ
pg
/
１１９４７．AGCS．２０１９．２０１９０４６５．
j
[]
１５ VISHWANATHKV
,
GUPTAD
,
VAHDATA
,
etal．
[
C
]
∥Proceedinsof２００９IEEENinthInternationalConＧ
g
:
TModelNetowardsadatacenteremulationenvironment
IEEE
,
２０１６
:
５６４８Ｇ５６５６．
,
andPatternReconition
(
CVPR
)
．LasVeasNV
,
USA
:
gg
,
２
::
１rahicaSinica０１９
,
４８
(
１２
)
１５７５Ｇ１５８５．DOI０．
gp
[],
WE
,
L
,
５ YANGBishenIZhenIQinuanetal．AutoＧ
gggq
,
WA
,
UferenceonPeerＧtoＧPeerComutin．SeattleSA
:
pg
[],
１６ KRIZHEVSKYA
,
SUTSKEVERIHINTONGE．ImaＧ
IEEE
,
２００９
:
８１Ｇ８２．
[]
基于地物特征提取的车载激光点云
６
李婷
,
詹庆明
,
喻亮
．
,
Z
,
YULLITinHANQinminian．Aclassification
gggg
tureextraction
[
J
]
．RemoteSensinorLand&
g
f
,():
Resources２０１２
,
２４１１７Ｇ２１．
]():
数据分类方法
[
国土资源遥感
,
J．２０１２
,
２４１１７Ｇ２１．
():
２０１２
,
３３１８５８３９Ｇ５８６１．
[],
ointcloudsJ．InternationalJournalofRemoteSensin
pg
matedextractionofstreetＧsceneobectsfrommobilelidar
j
eNetclassificationwithdeeonvolutionalneural
gp
c
[],,,
１７ FENGYifanZHANGZizhaoZHAOXibinetal．GVCＧ
/
shaereconition
[
C
]
∥Proceedinsof２０１８IEEECVF
pgg
,
UT
,
USaltLakeCitSA
:
IEEE
,
２０１８
:
２６４Ｇ２７２．
y
NN
:
GrouＧviewconvolutionalneuralnetworksfor３D
p
８４Ｇ９０．
[]():
networksJ．CommunicationsoftheACM
,
２０１７
,
６０６
methodformobilelaserscanninatabasedonobectfeaＧ
g
d
j
ConferenceonComuterVisionandPatternReconition．
pg
[],
７ LEHTOMÄKIM
,
JAAKKOLAA
,
HYYPPÄJetal．
scanninointcloudsinaroadenvironment
[
J
]
．IEEE
gp
():
２１２２６Ｇ１２３９．
Obectclassificationandreconitionfrommobilelaser
jg
[],
YUANJ１８ YUTan
,
MENGJininunson．MultiＧview
gjgg
harmonizedbilinearnetworkfor３Dobectreconition
[
C
]
∥
jg
/
Proceedinsof２０１８IEEECVFConferenceonComuter
gp
USA
:
IEEE
,
２０１８
:
１８６Ｇ１９４．
,
TransactionsonGeoscienceandRemoteSensin２０１６
,
５４
g
,
UT
,
VisionandPatternReconition．SaltLakeCit
gy
[],
L
,
WE
,
８ YUYontaoIJNChenluetal．BaＧofＧvisualＧ
ggg
[]
tionandreconitioninmobilelaserscanninataJ．ISＧ
gg
d
２０１６
,
１１３
:
１０６Ｇ１２３．
hrasesandhierarchicaldeeodelsfortrafficsindetecＧ
pp
m
g
[],
MOK
,:
１９ CHARLESRQ
,
HAOSuaichunetal．PointNet
deelearninn
p
ointsetsfor３DclassificationandseＧ
pg
o
g
ComuterVisionandPatternReconition
(
CVPR
)
．HonＧ
pg
[
mentationC
]
∥Proceedinsof２０１７IEEEConferenceon
g
,
PRSJournalofPhotorammetrndRemoteSensin
gy
a
g
[],
VA９ XIAOWenLLETB
,
SCHINDLERK
,
etal．StreetＧ
,
sidevehicledetectionclassificationandchanedetection
g
usinobilelaserscanninata
[
J
]
．ISPRSJournalof
g
m
g
d
[],
WAN
,
２０ BELLOSA
,
YUShanshuGChenetal．ReＧ
gg
,():://
in２０２０
,
１２１１１７２９．DOIor１０．３３９０rs１２１１１７２９．
gg
[]
view
:
deelearninn３D
p
ointcloudsJ．RemoteSensＧ
pg
o
,
H
,
UoluluISA
:
IEEE
,
２０１７
:
７７Ｇ８５．
[][]
１０ LECUNY
,
BENGIOY
,
HINTONG．DeeearninJ．
p
l
g
[],,,
１１ GUANHaianYUYontaoJIZhenetal．DeelearninＧ
yggpg
[]
basedtreeclassificationusinobileLiDARdataJ．ReＧ
g
m
,():
moteSensinetters２０１５
,
６１１８６４Ｇ８７３．
g
L
,():
Nature２０１５
,
５２１７５５３４３６Ｇ４４４．
１６６Ｇ１７８．
,
２PhotorammetrndRemoteSensin０１６
,
１１４
:
gy
a
g
[],
２１ QICR
,
YILISUHAO
,
etal．PointNet＋＋
:
deeierＧ
p
h
archicalfeaturelearninn
p
ointsetsinametricsace
g
o
p
[
C
]
∥Proceedinsofthe３１stConferenceonNeuralInforＧ
g
[]:
２２ JOSEPHＧRIVLINM
,
ZVIRINA
,
KIMMELR．Momenet
flavorthemomentsinlearninoclassifhaes
[
C
]
∥
g
t
y
s
p
/
Proceedinsof２０１９IEEECVFInternationalConference
g
():
SouthIEEE
,
２０１９
:
４０８５Ｇ４０９４．
,
NIPS２０１７．
mationProcessinstems．Loneach
,
CA
,
USA
:
g
S
yg
B
[]
基于
D１２
罗海峰
,
方莉娜
,
陈崇成
,
等
．BN
的车载激光点云
:/
DOI１０．１１９４７．AGCS．２０１８．２０１７０５２４．
j
]:
路侧多目标提取
[
J．
测绘学报
,
２０１８
,
４７
(
２
)
２３４Ｇ２４６．
,
KonComuterVisionWorkshoICCVW
)
．Seoulorea
pp
(
,
F
,
C
,
LUOHaifenANGLinaHENChonchenetal．
ggg
]
scanninointcloudbasedonDBN
[
J．ActaGeodaeticaet
gp
/
１１９４７．AGCS．２０１８．２０１７０５２４．
j
Roadsidemultileobectsextractionfrommobilelaser
pj
[],,,
２３ LIYananBURuiSUNMinchaoetal．PointCNN
:
gyg
the３２ndConferenceonNeuralInformationProcessin
g
Sstems
(
NeurIPS２０１８
)
．NowYork
,
NY
,
USA
:
Curran
y
,
Associates２０１８
:
８２０Ｇ８３０．
[
convolutiononxＧtransformed
p
ointsC
]
∥Proceedinsof
g
,
２
::
１CartorahicaSinica０１８
,
４７
(
２
)
２３４Ｇ２４６．DOI０．
gp
[],
MA１３ SUHanJIS
,
KALOGERAKISE
,
etal．MultiＧview
g
convolutionalneuralnetworksfor３Dshaereconition
pg
[],,
F２４ ZHAOHenshuanJIANGLiUCW
,
etal．PointＧ
gg
/
cloud
p
rocessinC
]
∥Proceedinsof２０１９IEEECVF
g
[
g
[
C
]
∥Proceedinsof２０１５IEEEInternationalConference
g
Web
:
enhancinocalneihborhoodfeaturesfor
p
oint
g
l
g
Copyright©博看网 . All Rights Reserved.
第
１１
期方莉娜
,
等
:
融合点云和多视图的车载激光点云路侧多目标识别
IEEE
,
２０１７
:
２４３２Ｇ２４４３．
１５７３
ConferenceonComuterVisionandPatternReconition
pg
５５６０Ｇ５５６８．
(,
CCVPR
)
．LoneachA
,
USA
:
IEEE
,
２０１９
:
g
B
[],,
WANP
,
３２ ZHANGWuminQIJianboenetal．AneasＧ
ggy
toＧuseairborneLiDARdatafilterinethodbasedon
g
m
[],():
clothsimulationJ．RemoteSensin２０１６
,
８６５０１．
g
():
JournaloftheACM
,
２００８
,
５５４１Ｇ２４．
[]:
２５ THOMASH
,
QICR
,
DESCHAUDJE
,
etal．KPConv
[
flexibleanddeformableconvolutionfor
p
ointcloudsC
]
∥
/
Proceedinsof２０１９IEEECVFInternationalConference
g
[]]
３３ REINGOLDO．UndirectedconnectivitnloＧsace
[
J．
y
i
gp
[],
３４ YUY
,
LIJGUANHetal．Automatedextractionof３D
[],,
L
,
２６ WANGYueSUNYonbinIUZiweietal．Dnamic
gy
,():
actionsonGrahics２０１９
,
３８５１Ｇ１２．
p
[]
rahCNNforlearninn
p
ointcloudsJ．ACMTransＧ
gpg
o
IEEE
,
２０１９
:
６４１０Ｇ６４１９．
,
K
:
onComuterVision
(
ICCV
)
．Seoulorea
(
South
)
p
]
treesfrommobileLiDAR
p
ointclouds
[
J．TheInternaＧ
,
RtionalArchivesofthePhotorammetremoteSensin
gyg
,
andSatialInformationSciences２０１４
,
XLＧ５
:
６２９Ｇ６３２．
p
[],
WUC
,
２７ QICR
,
LIUWeihenxiaetal．FrustumPointNets
for３DobectdetectionfromRGBＧDdata
[
C
]
∥
j
/
Proceedinsof２０１８IEEECVFConferenceonComuter
gp
USA
:
IEEE
,
２０１８
:
９１８Ｇ９２７．
[],,:
３５ DENGJiaDONGWeiSOCHERR
,
etal．ImaeNeta
g
of２００９IEEEConferenceonComuterVisionandPattern
p
,
Reconition．MiamiFL
,
USA
:
IEEE
,
２００９
:
２４８Ｇ２５５．
g
lareＧscalehierarchicalimaedatabase
[
C
]
∥Proceedins
ggg
,
UT
,
VisionandPatternReconition．SaltLakeCit
gy
[]
３６ ROYNARDX
,
DESCHAUDJE
,
GOULETTEF．ParisＧ
ointclouddatasetforautomaticsementationandclassiＧ
pg
,():
Research２０１８
,
３７６５４５Ｇ５５７．
LilleＧ３D
:
alareandhihＧualitroundＧtruthurban
ggqyg
[],,,:
２８ YOUHaoxuanFENGYifanJIRonronetal．PVNeta
gg
ointconvolutionalnetworkof
p
ointcloudandmultiＧview
j
for３Dshaereconition
[
C
]
∥Proceedinsofthe２６th
pgg
NY
,
USA
:
ACM
,
２０１８
:
４５６１Ｇ４５７０．
fication
[
J
]
．TheInternationalJournalofRobotics
,
ACMinternationalconferenceonMultimedia．NewYork
(
责任编辑
:
张艳玲
)
[],,,
２９ YOUHaoxuanFENGYifanZHAOXibinetal．PVRＧ
[
onitionC
]
∥Proceedinsof２０１９AAAIConferenceon
gg
,
AAAI２０１９
,
３３
:
９１１９Ｇ９１２６．
:
NetointＧviewrelationneuralnetworkfor３DshaerecＧ
pp
收稿日期
:
２０２１Ｇ０５Ｇ１１
修回日期
:
２０２１Ｇ０９Ｇ２７
,
第一作者简介
:
方莉娜
(
女
,
博士
,
助理研究员
,
１９８３
—)
研究方向为激光雷达数据处理与三维重建
.
:,,
FirstauthorFANGLina
(
１９８３
—)
femalePhD
,
assisＧ
cessinnd３Dmodelin
g
a
g
．
通信作者
:
郭迎亚
,
C
,
UArtificialIntellience．PaloAltoaliforniaSA
:
g
[]
３０ GEIGERA
,
LENZP
,
STILLERC
,
etal．Visionmeets
,():
JournalofRoboticsResearch２０１３
,
３２１１１２３１Ｇ１２３７．
:
TroboticsheKITTIdataset
[
J
]
．TheInternational
,
mtantresearchersaorsinLiDAR
p
ointclouds
p
roＧ
j
:
EＧmailfanln＠fzu．edu．cn
g
:
CorresondinuthorGUOYina
pg
a
gy
[]:
３１ DAIA
,
CHANGAX
,
SAVVAM
,
etal．ScanNetrichlＧ
y
[
annotated３DreconstructionsofindoorscenesC
]
∥ProＧ
ceedinsof２０１７IEEEConferenceonComuterVision
gp
,
H
,
UandPatternReconition
(
CVPR
)
．HonoluluISA
:
g
:
EＧmailuo＠fzu．edu．cn
gyy
Copyright©博看网 . All Rights Reserved.
第
５０
卷
第
１１
期
年
１
月
２０２１１
ActaGeodaeticaetCartorahicaSinica
gp
测
绘
学
报
Vol．５０
,
No．１１
,
November
２０２１
]::
引文格式
:
周哲
,
胡钊政
,
李娜
,
等
．
面向智能车的地下停车场环视特征地图构建与定位
[
测绘学报
,
J．２０２１
,
５０
(
１１
)
１５７４Ｇ１５８４．DOI１０．
/
１１９４７．AGCS．２０２１．２０２１０２０５．
j
,,,
ZHOUZheHUZhaozhenLINaetal．Visualmaromaroundviewsstemforintellientvehiclelocalizationin
gp
f
yg
[],::/
underround
p
arkinlotsJ．ActaGeodaeticaetCartorahicaSinica２０２１
,
５０
(
１１
)
１５７４Ｇ１５８４．DOI１０．１１９４７．AGCS．
gggpj
２０２１．２０２１０２０５．
;;
武汉理工大学智能交通系统研究中心
,
湖北武汉
４
武汉理工大学重庆研究院
,
重庆
４１．３００６３２．０１１２０
武汉理工大学自动化学院
,
湖北武汉
４３．３００７０
２２
,,
周
哲
１
,
胡钊政
１
,
李
娜
３
,
肖汉彪
１
,
伍锦祥
１
面向智能车的地下停车场环视特征地图构建与定位
Visualmaromaroundviewsstemforintellientvehiclelocalizationin
p
f
yg
underround
p
arkinlots
gg
,
W
,
W
１．IntellientTransortationSstemsResearchCenter
uhanUniversitfTechnolouhan４３００６３
,
China
;
gpy
y
o
gy
,
C
２．ChoninesearchInstituteofWuhanUniversitfTechnolo
honin０１１２０
,
China
;
３．Schoolof
gqg
R
y
o
gy
gqg
４
,
W
,
WAutomationuhanUniversitfTechnolouhan４３００７０
,
China
y
o
gy
１２１２３１１
,,,
ZHOUZheHUZhaozhenLINaXIAOHanbiaoWUJinxian
g
,
g
,,
,
roosedbasedontheconstructionofavisualfeaturemafromaroundview．Inthemethodthenodesof
ppp
,
thevisualfeaturemaredefinedas
p
articleswhilethe
q
uerimaesaredefinedasobservationdata．In
p
a
yg
,
the
p
rocessofstatetransitionthesecondＧorderMarkovmodelisintroducedtomodelthemotionofthe
,
vehiclesinashorttime．Inadditionholisticfeaturesareemloedtoestablishthematchinelationshi
pyg
r
p
)
betweenthe
q
uerimaeandeach
p
article
(
visualfeaturemaodebssininarticleweihtsbased
ygp
n
y
a
ggpg
,
onHamministance．Intheexerimentstwoticalunderround
p
arkinlotsareselectedtoverifhe
g
d
pypggy
t
,
method．Inbothscenariosthemeanerroroflocalizationislessthan０３．８m
,
themeansuareerrorisless
q
demonstratethatthe
p
roosedmethodcaninterateboththemotionandvisualfeaturestoenhance
pg
localization
p
erformance．Exerimentalresultsalsoshowthatthe
p
roosedmethodouterformsstateＧofＧ
ppp
theＧartonesintermsoflocalizationaccuracndrobustness．
y
a
:;;;
KeordsintellientvehiclevisionlocalizationsecondＧorderMarkovmodelarticlefilteralorithm
y
w
gpg
:,
AbstractInviewofthelackofGPSsinalintheunderround
p
arkinotsthesecondＧorderMarkov
ggg
l
)
modeland
p
articlefilter
(
MMＧPFmethodforintellientvehiclelocalizationinunderround
p
arkinlotsis
ggg
than０．２９m．The
p
robabilitf
p
ositioninrrorbelow１misnotlessthan９５．４％．Exerimentalresults
y
o
g
e
p
:);
FoundationsuortTheNationalKeesearchandDevelomentProramofChina
(
No．２０１８YFB１６００８０１
ppy
R
pg
;
TTheNationalNaturalScienceFoundationofChina
(
No．U１７６４２６２
)
heNationalNaturalScience
;
TFoundationofChoninfChina
(
No．cstc２０２０cＧmsxmX０９７８
)
heFundinfWuhanScienceand
gqg
o
jyjg
o
;;)
Technoloureau
(
Nos．２０２００１０６０１０１２１６５
２０２００１０６０２０１１９７３２０２００１０６０２０１２００３
gy
B
摘
要
:
针对地下停车场环境
G
本文在环视特征地图构建的基础上
,
提出基于二阶
PS
信号缺失的问题
,
,),
马尔科夫模型的粒子滤波定位算法
(
实现智能车在地下停车场
MarkovmodelＧarticlefilterMMＧPF
p
环境中的高精度定位
.
在该模型中
,
环视特征地图节点被定义为粒子
,
查询图像被定义为观测数据
.
在
状态转移过程中
,
引入二阶马尔可夫模型
,
对短时间车辆运动进行建模
,
构建状态转移模型
.
利用图像
的全局特征建立当前车辆获取的图像与各粒子
(
环视地图节点
)
之间的匹配关系
,
从获取的汉明距离建
立粒子权重分布模型
,
可以大幅提高系统的计算效率
.
当前车辆的位置由局部特征匹配获得
.
选取两
个典型的地下停车场场景对本文算法进行验证
,
在选取的两个场景中
,
本文算法平均定位精度小于
定位误差均方差小于
０．
定位误差在
１m
以下的概率不低于
９
本文
０．３８m
,
２９m
,
５．４％
.
试验结果表明
:
所提出的二阶
MM
相较于对比算法
,
定位精度与稳
ＧPF
算法能够将车辆的运动信息与视觉信息相融合
,
Copyright©博看网 . All Rights Reserved.
第
１１
期周
哲
,
等
:
面向智能车的地下停车场环视特征地图构建与定位
１５７５
健性得到大幅提高
.
关键词
:
智能车
;
视觉定位
;
二阶马尔可夫模型
;
粒子滤波算法
()
中图分类号
:
P２８５．３
文献标识码
:
A
文章编号
:
１００１Ｇ１５９５２０２１１１Ｇ１５７４Ｇ１１
)
２０２００１０６０２０１２００３
);
国家自然科学基金
(;
重庆市自然科学基
基金项目
:
国家重点研发计划
(
２０１８YFB１６００８０１
U１７６４２６２
)
);
金
(
武汉市科技局技术创新项目
(
cstc２０２０cＧmsxmX０９７８
２０２００１０６０１０１２１６５
;
２０２００１０６０２０１１９７３
;
jyj
获取高精度室内定位信息是实现智能车全域
自主行驶最关键的技术之一
,
也是实现车路协同
的基础
,
受到工业界和学术界的广泛关注
.
目前
,
基于导航卫星的定位技术是室外环境中获取智能
,
车位置信息的主流方法
(
如
G
北斗
)
但在室
PS
、
内环境中存在信号盲区等影响
,
难以满足智能车
１
]
.
２
对定位精度的需求
[
中国科协公布的
０２０
年
,
]
文献
[
提出多视角的智能车定位方案
,
前视图
１５
像用来获取最佳的地图匹配节点
,
俯视图像计算
当前车辆与地图之间的位姿关系
,
获取车辆在全
(,
通过层次化的匹配方案快速
baＧofＧwordBoW
)
g
实现车辆的定位
.
文献
[
运用
I１７
]
CP
算法计算
路面标志与地图子图之间的位置关系
,
获取车辆
]
在全局坐标系下的位置
.
文献
[
提出一种多视
１８
角
、
多尺度的智能车定位方法
,
将视觉地图的定位
结果与视觉里程计的定位结果相融合
,
实现在地
[]
利用环视图像获取地下停车场的语义信息并
１９
构建语义地图
,
采用图优化方法获得稳定的定位
结果
.
文献
[
在
s２０
]
eSLAM
序列匹配的基础
q
上
,
采用
“
由粗到精
”
的匹配策略
,
并利用粒子滤波
算法提出多分辨率的定位方法
.
但该序列匹配方
法对车辆的行驶速度限制苛刻
,
且计算复杂度高
,
难以在移动平台上布设
.
针对上述文献中的不足之处
,
本文在环视特
征地图构建的基础上
,
提出基于二阶马尔可夫模
,,
算法
(
实现稳定
、
准确的地图
filterPF
)
MMＧPF
)
匹配
,
并利用局部特征点匹配计算当前车辆的全
其新颖之处在于
:
地图节点
)
之间的
①
利用粒子
(
拓扑关系
,
构建基于二阶
MM
的粒子状态转移概
率模型
,
将车辆运动约束与视觉信息相融合
,
提高
地图匹配的准确性和稳定性
.
②
为了提高算法的
收敛效率
,
根据粒子的拓扑关系选取关键粒子
,
以
降低计算复杂度
.
③
提取场景的
ORB
全局特
征
,
利用汉明距离构建当前图像与各粒子之间的
观测概率模型
,
以降低计算负担
.
,
型
(
的粒子滤波
(
MarkovmodelMM
)
article
p
下停车场环境中
０．４５m
的平均定位误差
.
文献
]
局坐标系下的位置信息
.
文献
[
利用词袋模型
１６
十大工程技术难题
,
其中就包含
“
无人车如何实现
为了实现在室内环境中的高精度定位
,
研究
２
]
.
在卫星不可用条件下的高精度智能导航
”
问题
[
[]
３
()、
无线传感网
inertialnaviationsstem
,
INS
gy
]
４
]
５
]
６
、
络
[
激光雷达传感器
[
和视觉传感器
[
等
.
然
者提出多种定位方案
,
包括惯性导航系统
而
,
随着运行时间的增加
,
INS
产生严重的累积误
差
,
不宜用于较大场景的定位
.
无线传感网络的
定位原理与
G
能够实现无累积误差
PS
较为相似
,
定位
,
但存在不稳定性和使用成本等矛盾
.
激光
传感器因使用成本高昂
,
使其难以大规模推广应
用
.
相比之下
,
视觉传感器能够提供丰富的场景
信息
,
而且价格低廉
,
因而
,
基于视觉的定位技术
]
７
.
成为近几年的研究热点
[
)
能够在未知的环境中实现精确的车辆
main
ppg
８
]
.
然而
,
定位
[
随着定位场景的增大
,
后端优化复
]
９
.
为
杂度增加
,
且系统受累积误差的影响增大
[
其中
,
VSLAM
(
visionsimultaneouslocalizationand
近年来
,
研究者提出多种基于视觉的定位方法
.
局位置
,
完成智能车在地下停车场的高精度定位
,
了提高定位精度
,
降低计算负担
,
满足高级辅助驾
驶的需求
,
高精度地图被认为是
L３
级及以上高
]
１０
.
从而将定位过
级辅助驾驶的关键基础设施
[
程分为视觉地图构建与基于地图的定位两个阶
]
６
,
１１
.
定位阶段首先是要找到视觉地图中与当
段
[
前图像最相似的地图节点
,
而后利用匹配的特征
点计算当前车辆与地图之间的位姿关系完成定
[
２
][
３
]
、)
位
.
其中
,
基于稀疏特征
(
的匹
SIFT
１
ORB
１
１
本文方法
本文首先利用环视图像构建待定位场景的环
视特征地图
.
在定位阶段
,
利用本文提出的二阶
MMＧPF
算法获取与当前图像最相近的地图节
获取最佳匹配
,
并利用
PSIFT
特征点匹配
,
nP
()
解算在坐标系中的位置
.
ersectiveＧnＧoint
ppp
配是最常用的地图匹配方法
.
文献
[
利用
１４
]
Copyright©博看网 . All Rights Reserved.
１５７６
November２０２１Vol．５０No．１１AGCS
:
htt
∥xb．sinomas．com
p
p
点
,
完成节点级定位
.
而后在节点级定位的基础
上
,
利用环视图像局部特征点匹配
,
求解当前车辆
与环视特征地图之间的相对位姿
,
进而求解当前
车辆在全局坐标系中的位置
,
完成度量级定位
.
具体包括环视特征地图构建和基于二阶
MMＧPF
的智能车定位方法
.
１．１
环视特征地图构建模型
特征地图是利用离散的节点对待定位场景进
行表征
,
通过预先获取道路场景的视觉特征
、
结构
中的地图制作方法
,
并采用环视图像构建待定位
场景的视觉地图
,
并称之为环视特征地图
.
通过
获取环视图像特征
、
路面结构信息与位姿等组成
地图节点
,
遍历待定位场景完成环视特征地图构
建
,
地图结构如图
１
所示
.
在定位阶段
,
利用本文
提出的二阶
MMＧPF
算法实现车辆在地下停车场
环境中的高精度定位
.
于是
,
可将环视特征地图
定义为