阅读说明：本技术 车辆定位方法 (Vehicle positioning method ) 是由 张恒 秦屹 胡玉斌 刘皓伦 彭诚诚 于 2019-09-24 设计创作，主要内容包括：本发明提供了一种车辆定位方法,属于图像处理技术领域,车辆定位方法包括：通过车辆上安装的摄像头采集环境图像,环境图像中包含车道线和护栏；根据环境图像建立道路模型；通过车辆上安装的雷达获取车辆距离环境中护栏的距离；根据距离和车辆的尺寸信息,确定车辆在道路模型中的模拟位置；根据车辆在道路模型中的模拟位置确定出车辆距离车道线的目标距离。本发明提供的车辆定位方法定位精度较高,数据的可参考性较强。(The invention provides a vehicle positioning method, which belongs to the technical field of image processing and comprises the following steps: acquiring an environment image through a camera arranged on a vehicle, wherein the environment image comprises a lane line and a guardrail; establishing a road model according to the environment image; acquiring the distance from a vehicle to a guardrail in an environment through a radar mounted on the vehicle; determining the simulated position of the vehicle in the road model according to the distance and the size information of the vehicle; and determining the target distance between the vehicle and the lane line according to the simulated position of the vehicle in the road model. The vehicle positioning method provided by the invention has the advantages of higher positioning precision and stronger data referential property.)

车辆定位方法

技术领域

本发明属于图像处理技术领域，更具体地说，是涉及一种车辆定位方法。

背景技术

随着汽车工业的蓬勃发展，近年来各大汽车企业着力于驾驶辅助系统的研 究。车辆定位导航系统最常见的为GPS(Global Positioning System，全球定 位系统)。但是随着城市交通的迅速发展，城市道路的错综复杂，车辆定位的准 确性愈发重要。现有的车辆定位方法多借助车道线，所采集的定位数据变动较 大，并且数据的可参考性较差。

发明内容

本发明的目的在于提供一种车辆定位方法，旨在解决定位精度不高，可参 考性较差的问题。

为实现上述目的，本发明采用的技术方案是：提供一种车辆定位方法，包 括：

通过车辆上安装的摄像头采集环境图像，所述环境图像中包含车道线和护 栏；

根据所述环境图像建立道路模型；

通过所述车辆上安装的雷达获取所述车辆距离环境中护栏的距离；

根据所述距离和所述车辆的尺寸信息，确定所述车辆在所述道路模型中的 模拟位置；

根据所述车辆在所述道路模型中的模拟位置确定出所述车辆距离所述车道 线的目标距离。

作为本申请另一实施例，所述根据所述环境图像建立道路模型，包括：

获取当前的路面图像和多张不同目标区域的涵盖所述路面图像范围的道路 图像；

确定出所述路面图像的标志值，在多张所述道路图像上剔除与所述标志值 相近的像素点，确定出多张包含所述车道线和所述护栏的待处理图像；

由多张所述待处理图像合成所述道路模型。

作为本申请另一实施例，所述确定出所述路面图像的标志值，包括：

将所述路面图像中各个像素点的RGB值求和得到RGB总值；

将所述RGB总值与所述像素点的个数相除得到RGB平均值；

将所述RGB平均值作为所述标志值。

作为本申请另一实施例，所述在多张所述道路图像上剔除与所述标志值相 近的像素点，包括：

基于所述标志值设定阈值范围；

当所述道路图像中所述像素点的RGB值位于所述阈值范围时，剔除所述像 素点。

作为本申请另一实施例，所述通过所述车辆上安装的雷达获取所述车辆距 离环境中护栏的距离，包括：

通过第一雷达和第二雷达分别获取所述车辆距离所述护栏一侧的第一距离 和第二距离，通过第三雷达获取所述车辆距离所述护栏另一侧的第三距离。

作为本申请另一实施例，在所述通过第一雷达和第二雷达分别获取所述车 辆距离所述护栏一侧的第一距离和第二距离，通过第三雷达获取所述车辆距离 所述护栏另一侧的第三距离之后，还包括：

在所述道路模型上拾取出所模拟的护栏模型的模拟宽度；

由所述第一距离、所述第三距离和所述第一雷达和所述第三雷达的实际距 离确定出所述护栏的实际宽度；

将所述实际宽度除以所述模拟宽度得出增减单位所述模拟宽度所需的距离 比值。

作为本申请另一实施例，所述根据所述距离和所述车辆的尺寸信息，确定 所述车辆在所述道路模型中的模拟位置，包括：

将所述第一距离、所述第二距离、所述第三距离和所述尺寸信息分别通过 所述距离比值换算成第一模拟量、第二模拟量、第三模拟量和尺寸模拟量；

结合所述第一模拟量、第二模拟量、所述第三模拟量和尺寸模拟量，在所 述道路模型模拟出所述模拟位置。

作为本申请另一实施例，所述根据所述车辆在所述道路模型中的模拟位置 确定出所述车辆距离所述车道线的目标距离，包括：

在所述道路模型上拾取出所述模拟位置距离所述车道线的模拟目标量；

将所述模拟目标量与所述距离比值相乘确定出所述目标距离。

作为本申请另一实施例，所述在所述道路模型上拾取出所模拟的护栏模型 的模拟宽度，包括：

在所述道路模型上拾取出与模拟路面平行且垂直于所述模拟路面中心线的 连线；

将所述连线延伸至两端的所述道路模型上模拟护栏，所述连线延伸的长度 即为所述模拟宽度。

作为本申请另一实施例，当所述标志值超过预设的极限值时，则选用上一 时刻的未超过所述极限值的所述路面图像。

本发明提供的车辆定位方法有益效果在于，与现有技术相比，本发明车辆 定位方法中首先通过车辆上安装的摄像头采集环境图像，环境图像中包含车道 线和护栏，根据环境图像建立道路模型。车辆所在道路的车道线和护栏作为车 辆行驶的参考线，所建立的模型能够为车辆的定位提供较为准确的参考基准。 通过车辆上安装的雷达获取车辆距离环境中护栏的距离，根据距离和车辆的尺 寸信息，确定车辆在道路模型中的模拟位置。以道路两旁的护栏为基准，通过 测距仪等装置能够轻松的测量出车辆距离护栏的距离，测距仪等装置体积较小 并且成本较低，所测得的距离数据能够实现实时传输。而结合距离和车辆本身 的尺寸信息能够在道路模型上模拟出车辆与所处的道路之间的位置关系也即模 拟位置。根据车辆在道路模型中的模拟位置确定出车辆距离车道线的目标距离。 结合模拟位置和道路模型，能够确定出车辆距离车道线的目标距离。通过目标 距离能够准确的掌握车辆相对于道路的位置信息，为无人驾驶等领域提供较为 可靠的数据支持。该车辆定位方法相较于采用GPS定位等方式，该方法能够提 供更为准确的位置信息，提供的目标距离更加具有参考性。

附图说明

图1为本发明实施例提供的车辆定位方法的流程图；

图2为本发明实施例提供的求取目标距离的过程图。

图中：1、第一模拟量；2、第二模拟量；3、第三模拟量；4、尺寸模拟量； 5、模拟目标量。

具体实施方式

为了使本发明所要解决的技术问题、技术方案及有益效果更加清楚明白， 以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描 述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

请参阅图1，现对本发明提供的车辆定位方法进行说明。车辆定位方法， 包括：

S110：通过车辆上安装的摄像头采集环境图像，所述环境图像中包含车道 线和护栏。

S120：根据所述环境图像建立道路模型。

S130：通过所述车辆上安装的雷达获取所述车辆距离环境中护栏的距离。

S140：根据所述距离和所述车辆的尺寸信息，确定所述车辆在所述道路模 型中的模拟位置。

S150：根据所述车辆在所述道路模型中的模拟位置确定出所述车辆距离所 述车道线的目标距离。

本发明提供的车辆定位方法有益效果在于，与现有技术相比，本发明车辆 定位方法中首先通过车辆上安装的摄像头采集环境图像，环境图像中包含车道 线和护栏，根据环境图像建立道路模型。车辆所在道路的车道线和护栏作为车 辆行驶的参考线，所建立的模型能够为车辆的定位提供较为准确的参考基准。 通过车辆上安装的雷达获取车辆距离环境中护栏的距离，根据距离和车辆的尺 寸信息，确定车辆在道路模型中的模拟位置。以道路两旁的护栏为基准，通过 测距仪等装置能够轻松的测量出车辆距离护栏的距离，测距仪等装置体积较小 并且成本较低，所测得的距离数据能够实现实时传输。而结合距离和车辆本身 的尺寸信息能够在道路模型上模拟出车辆与所处的道路之间的位置关系也即模 拟位置。根据车辆在道路模型中的模拟位置确定出车辆距离车道线的目标距离。 结合模拟位置和道路模型，能够确定出车辆距离车道线的目标距离。通过目标 距离能够准确的掌握车辆相对于道路的位置信息，为无人驾驶等领域提供较为 可靠的数据支持。该车辆定位方法相较于采用GPS定位等方式，该方法能够提 供更为准确的位置信息，提供的目标距离更加具有参考性。

本发明中，可为车辆的定位提供一种辅助的方法，在护栏位置相对固定， 且车辆较少的地区内可以使用。

作为本发明提供的车辆定位方法的一种具体实施方式，根据环境图像建立 道路模型，包括：

获取当前的路面图像和多张不同目标区域的涵盖路面图像范围的道路图像。

确定出路面图像的标志值，在多张道路图像上剔除与标志值相近的像素点， 确定出多张包含车道线和护栏的待处理图像。

由多张待处理图像合成道路模型。

本发明中，在车辆的前后端部均安装有多个第一摄像装置，每个第一摄像 仪器的目标区域范围均不同，从而提供了不同方位的图像信息，提高了定位的 准确性。第一摄像装置用于拍摄包括路面、车道线和护栏等区域。当车辆向前 行驶时，第一摄像装置拍摄前方的图像。并且第一摄像装置电连接有存储器和 控制器，存储器可存储一端时间内获取的图像，而控制器可用于在第一摄像装 置获取的图像上剔除像素点等操作。由于车道线可看成在混凝土等面层上的标 识线，为了能够准确的识别出车道线和护栏，首先可在车辆头部的中间位置安 装第二摄像装置，第二摄像装置用于拍摄混凝土等面层，第二摄像装置获取的 范围较小，主要用于拍摄车辆行驶路面的颜色信息，通过获取该面层的色彩标 志值，能够为后续剔除相关的像素点提供即为准确的数据支持。通过第二摄像 装置所获取的图像信息，由于其大部分的像素点均能够反映混凝土等面层的色 彩，通过运算确定出色彩的标志值。该标志值能够准确的代表所拍摄的道路面 层的颜色。可在标志值的基础上预先设置一个波动范围，通过在多张道路图像 上剔除掉与标志值相近的像素点，将道路图像上在这个波动范围内的像素点进 行剔除，当剔除完成之后即为仅包括车道线和护栏的待处理图像，从而为准确 的建立出道路模型提供了即为可靠的数据支持。通过将多张待处理图像进行合 成，即可生成道路模型。首先获取第一摄像装置拍摄的平面图像，对平面图像 进行预处理，计算预处理后的平面图像的初始深度图。对预处理后的平面图像 指定图像的初始最远边界，初始最远边界分为以下七种：预处理的平面图像的 上边界；预处理后平面图像的左边界；预处理后平面图像的右边界；预处理后 平面图像的上边界、左边界和右边界的组合；预处理后平面图像的上边界和左 边界的组合；预处理平面图像上边界和右边界的组合；预处理后平面图像左边 界和右边界的组合。修正初始最远边界，包括获取最远点，以最远点为起点， 分别对预处理后的平面图像上的上边界、下边界、左边界和右边界的垂线的各 个像素点计算初始深度值，得到至少一条初始深度边界。根据初始深度边界计 算平面图像的初始深度图，包括设置深度计算的搜索方向；设置平面图像的初 始深度值。计算搜索方向上的各个点的深度值，得到平面图像的初始深度图。 对于搜索方向上的每个当前点，分别求其周围n个点与当前点的像素值差的绝 对值，对当前点的周围n个点，将n个点的深度值与上述计算得到的像素值差 的绝对值分别相加，得到n个新的深度值，在n个新的深度值与当前点的初始 深度值中选取最小值作为当前点的深度值，得到搜索方向上的每个点的深度值； 对搜索方向上的每个点的深度值进行求和运算并取平均值，得到平均深度值。 根据平均深度值控制搜索方向上的每个点的深度值在预定区间内。对初始深度 图进行滤波后处理，得到平面图像的深度图。根据平面图像的深度图对平民图 像进行像素移位，得到虚拟试图，对平面图像和虚拟试图进行立体合成，生成 并输出立体视频。通过获取的多张道路图形所建立模型进行整合，从而生成能 够真实反应相对位置关系的道路模型。

作为本发明提供的车辆定位方法的一种具体实施方式，确定出路面图像的 标志值，包括：

将路面图像中各个像素点的RGB值求和得到RGB总值。

将RGB总值与像素点的个数相除得到RGB平均值。

将RGB平均值作为标志值。

本发明中，为了更好有效的剔除道路图像中的混凝土路面的信息，以像素 点单位进行剔除。RGB色彩模式是工业界的一种颜色标准，是通过对红(R)、绿 (G)、蓝(B)三个颜色通道的变化以及它们相互之间的叠加来得到各式各样的颜 色的，RGB即是代表红、绿、蓝三个通道的颜色，这个标准几乎包括了人类视 力所能感知的所有颜色，是目前运用最广的颜色系统之一。RGB是从颜色发光 的原理来设计定的，通俗点说它的颜色混合方式就好像有红、绿、蓝三盏灯， 当它们的光相互叠合的时候，色彩相混，而亮度却等于三者亮度之总和，越混 合亮度越高，即加法混合。红、绿、蓝三盏灯的叠加情况，中心三色最亮的叠 加区为白色，加法混合的特点：越叠加越明亮。红、绿、蓝三个颜色通道每种 色各分为256阶亮度，在0时“灯”最弱——是关掉的，而在255时“灯”最 亮。当三色灰度数值相同时，产生不同灰度值的灰色调，即三色灰度都为0时， 是最暗的黑色调；三色灰度都为255时，是最亮的白色调。RGB颜色称为加成 色，通过将R、G和B添加在一起(即所有光线反射回眼睛)可产生白色。加成色用于照明光、电视和计算机显示器。例如，显示器通过红色、绿色和蓝色 荧光粉发射光线产生颜色。绝大多数可视光谱都可表示为红、绿、蓝(RGB)三 色光在不同比例和强度上的混合。这些颜色若发生重叠，则产生青、洋红和黄。 RGB值表示红、绿和蓝在0到055之间的数值。通过比对每个像素点的RGB值 能够从根源上判断该像素点是否超出了预设的范围，保证了监测的准确性。在 获取了各个像素点的RGB值之后，将每个像素点的红、绿和蓝的RGB值进行相 加，并求出各个组分的平均值，从而能够确定出能够准确代表混凝土等面层的像素信息，而通过这个信息能够更为准确的将相关的像素点进行剔除。

本发明中，为了有效识别出道路路面的色彩信息，并且便于后续的运算等 处理，将各个像素点的RGB值进行求和，得到红、绿和蓝三个的运算总值，将 三个运算总值分别除以第二摄像装置所获取图像的像素点数，得到像素点的平 均RGB的值，这个值即为标志值，标志值代表红、绿和蓝中RGB的数值，以这 个数组为基准，即可剔除掉相关的像素点。

作为本发明提供的车辆定位方法的一种具体实施方式，在多张道路图像上 剔除与标志值相近的像素点，包括：

基于标志值设定阈值范围。

当道路图像中像素点的RGB值位于阈值范围时，剔除像素点。

本发明中，设置的标志值为一个特定的像素点，由于光线和杂质等原因， 道路图像中的混凝土等面层处的像素点RGB存在一定的变动，若仅通过该像素 点为标准进行剔除，则不能有效拾取出车道线和护栏。为此在标志值的基础上 设定一个阈值范围，以这个阈值范围为标准，当道路图像中的像素点位于阈值 范围时，则证明该像素点代表道路中混凝土等面层，则进行剔除，将第二摄像 装置获取的图像中的像素点全部剔除后，能够准确识别出车道线和护栏等信息， 从而为后续的分析提供了更为有效的数据支持。

作为本发明提供的车辆定位方法的一种具体实施方式，请参阅图2，通过 车辆上安装的雷达获取车辆距离环境中护栏的距离，包括：

通过第一雷达和第二雷达分别获取车辆距离护栏一侧的第一距离和第二距 离，通过第三雷达获取车辆距离护栏另一侧的第三距离。

本发明中，在车辆的一侧安装有第一雷达和第二雷达，第一雷达和第二雷 达位置不同。第一雷达可安装在车辆的头部的一侧，第二雷达可安装在车辆尾 部并与第一雷达安装的一侧。第一雷达和第二雷达均可为超声波测距仪，由于 超声波指向性强，能量消耗缓慢，在介质中传播的距离较远，因而超声波经常 用于距离的测量，如测距仪和物位测量仪等都可以通过超声波来实现。利用超 声波检测往往比较迅速、方便、计算简单、易于做到实时控制，并且在测量精 度方面能达到工业实用的要求，因此在移动机器人研制上也得到了广泛的应用。 通过第一雷达和第二雷达能够测量出车辆距离一侧栏杆的距离，通过该距离能 够确定出车辆相对于栏杆的距离。在车辆的另一侧也即背离安装第一雷达的一 侧安装有第三雷达。第三雷达用于测量车辆另一侧距离栏杆的距离。通过第一 距离、第二距离和第三距离能够更为准确展示出车辆相对于道路模型的相对位 置关系，通过第一距离和第三距离，能够确定出车辆在两侧栏杆宽度方向上的 位置关系，而通过第一距离和第二距离能够确定出车辆相对于栏杆的角度信息， 通过第一距离、第二距离和第三距离能够准确表示出位置信息，并且整个定位 情况简便并且快捷，精度较高。

作为本发明提供的车辆定位方法的一种具体实施方式，请参阅图2，在通 过第一雷达和第二雷达分别获取车辆距离护栏一侧的第一距离和第二距离，通 过第三雷达获取车辆距离护栏另一侧的第三距离之后，还包括：

在道路模型上拾取出所模拟的护栏模型的模拟宽度。

由第一距离、第三距离和第一雷达和第三雷达的实际距离确定出护栏的实 际宽度。

将实际宽度除以模拟宽度得出增减单位模拟宽度所需的距离比值。

本发明中，在建立的道路模型上拾取出两侧的栏杆上垂直于道路中心线的 处的模拟宽度，该模拟宽度在建立道路模型上，通过软件即可实现拾取，并且 所拾取的模拟宽度不代表栏杆的实际宽度。第一距离和第三距离的连线可同轴 设置，并且第一雷达和第三雷达也可同轴设置，第一雷达和第三雷达的信号发 出口可均垂直与车辆侧面设置，并且第一雷达和第三雷达位于同一连线上，第 一距离、第三距离以及第一雷达和第三雷达之间的连线在车辆对称面上的投影 为一点。故而第一距离、第三距离以及第一雷达和第三雷达支架的连线即可代 表两侧栏杆的实际宽度。通过将实际宽度除以模拟宽度即可得到增减单位模拟 宽度所需的距离比值，从而建立了道路模型和实际之间的联系，从而在道路模 型上拾取一定的距离即可换算成实际的长度。

作为本发明提供的车辆定位方法的一种具体实施方式，请参阅图2，根据 距离和车辆的尺寸信息，确定车辆在道路模型中的模拟位置，包括：

将第一距离、第二距离、第三距离和尺寸信息分别通过距离比值换算成第 一模拟量、第二模拟量、第三模拟量和尺寸模拟量。

结合第一模拟量、第二模拟量、第三模拟量和尺寸模拟量，在道路模型模 拟出模拟位置。

本发明中，由于需要在道路模型上模拟出车辆相对于栏杆的相对位置关系， 由于在同一个道路模型上时距离比值为同一特定的值，通过将第一距离、第二 距离、第三距离和车辆的尺寸信息与距离比值相除即可得到在对应的道路模型 上的第一模拟量1、第二模拟量2、第三模拟量3和尺寸模拟量4。以车辆向前 行驶时为例，由于第一雷达和第二雷达均安装在车辆的侧面，而第一摄像装置 安装在车辆的头部，首先在道路模型上绘制出第一距离和第三距离，第一距离 的第三距离位于同一直线上，并且垂直与道路的中心线。在绘制出第一距离和 第三距离之后，根据换算而成的尺寸模拟量4。可根据第一雷达和第二雷达之 间的安装距离，由距离比值换算成模拟安装量。在道路模型上绘制出模拟安装 量，在相应的位置绘制出第二距离的端点，其中第二距离与第一距离平行，并 且长度为第二距离。第二距离的一端连接模拟位置另一端连接道路模型上模拟 的栏杆边界。从而将车辆相对于拉杆的位置信息表达在了道路模型上。

作为本发明提供的车辆定位方法的一种具体实施方式，请参阅图2，根据 车辆在道路模型中的模拟位置确定出车辆距离车道线的目标距离，包括：

在道路模型上拾取出模拟位置距离车道线的模拟目标量。

将模拟目标量与距离比值相乘确定出目标距离。

本发明中，当在道路模型上确定了车辆的模拟位置之后，可借助软件可拾 取出道路模型上模拟位置距离车道线之间的模拟目标量5，并且根据模拟目标 量5与距离比值相乘确定出车辆在实际场景下相对于车道线之间的实际距离。 目标距离可为车辆的中部距离两侧的车道线的距离。

作为本发明提供的车辆定位方法的一种具体实施方式，请参阅图2，在道 路模型上拾取出所模拟的护栏模型的模拟宽度，包括：

在道路模型上拾取出与模拟路面平行且垂直于模拟路面中心线的连线。

将连线延伸至两端的道路模型上模拟护栏，连线延伸的长度即为模拟宽度。

本发明中，为了在道路模型上拾取出两侧模拟栏杆之间的模拟宽度，在与 道路模型中路面平行的平面内选择一条与道路模型中模拟的路面中心线处置的 连接，该连线连接两侧的模拟栏杆，则该线的长度即为模拟宽度。该操作方法 可在软件中自动获取，也可在第一雷达和第三雷达为连接点，设置的连线穿过 连接点。道路模型上也可标记处第一雷达和第三雷达在栏杆上的测量点，而连 线两端的端点即为测量点，从而得到模拟宽度。

作为本发明提供的车辆定位方法的一种具体实施方式，当标定值超过预设 的极限值时，则选用上一时刻的未超过极限值的路面图像。

本发明中，在车辆进行变道时，第二摄像装置所获取的图像变化较大，此 时若以该标志值为参考标准进行剔除，无法获得有效的车道线和护栏图像。为 此设定第二摄像装置所确定的标志值超过预定的极限值时，也即第二摄像装置 拍摄到车道线或其他标识时，由之前拍摄的未超过极限值时图像作为剔除像素 点的基准，从而保证了车辆定位方法的有效进行。

以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发 明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明 的保护范围之内。