[go: up one dir, main page]

CN115164913A - 一种基于拓扑结构的视觉定位地图匹配方法 - Google Patents

一种基于拓扑结构的视觉定位地图匹配方法 Download PDF

Info

Publication number
CN115164913A
CN115164913A CN202210786354.8A CN202210786354A CN115164913A CN 115164913 A CN115164913 A CN 115164913A CN 202210786354 A CN202210786354 A CN 202210786354A CN 115164913 A CN115164913 A CN 115164913A
Authority
CN
China
Prior art keywords
road
matching
map
straight line
real
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.)
Pending
Application number
CN202210786354.8A
Other languages
English (en)
Inventor
史秀纺
甘帅
张文安
刘浩淼
杨旭升
付明磊
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.)
Zhejiang University of Technology ZJUT
Original Assignee
Zhejiang University of Technology ZJUT
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 Zhejiang University of Technology ZJUT filed Critical Zhejiang University of Technology ZJUT
Priority to CN202210786354.8A priority Critical patent/CN115164913A/zh
Publication of CN115164913A publication Critical patent/CN115164913A/zh
Pending legal-status Critical Current

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
    • G01C21/28—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network with correlation of data from several navigational instruments
    • G01C21/30—Map- or contour-matching
    • 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
    • G01C21/28—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network with correlation of data from several navigational instruments
    • G01C21/30—Map- or contour-matching
    • G01C21/32—Structuring or formatting of map data
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C22/00—Measuring distance traversed on the ground by vehicles, persons, animals or other moving solid bodies, e.g. using odometers, using pedometers

Landscapes

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

Abstract

一种基于拓扑结构的视觉定位地图匹配方法，包括：(1)处理OSM(OpenStreetMap)开源地图，包括删除多余图层、删除非机动车道、构建拓扑结构以及格式转换。(2)视觉里程计(VO)输出实时位置，对原始轨迹提取锚点。(3)基于(1)得到的拓扑地图对(2)得到的实时位置进行匹配，其中包括选取候选路段、匹配最佳候选路段、累计匹配长度以及计算最终匹配到道路上的位置。本发明在使用时能够有效提高在无GNSS场景下视觉定位的准确度。

Description

一种基于拓扑结构的视觉定位地图匹配方法
技术领域
本发明涉及车辆导航与定位领域，具体涉及一种基于拓扑结构的视觉定位地图匹配方法。
背景技术
随着计算机视觉领域的相关研究不断兴起，基于视觉定位的技术迅速发展。同时视觉定位对于当今迅猛发展的无人驾驶技术有着非常重要的作用，传统GNSS定位受限于高楼林立的城市区域、隧道、高架桥下和水下等GNSS信号不稳定或者缺失的地方，此时利用视觉传感器仍能进行定位。视觉定位在学术界引起了广泛关注，现在已经有了很多成果，但将其应用到实际的系统中，则会在精度、鲁棒性和实时性等方面存在各种问题。
汽车行驶在一些复杂城市场景下，视觉里程计长距离定位精度和可靠性都比较差，无法直接用于车辆在无GNSS信号中的定位，当今，我们可以通过各个地图服务商获取几乎所有城市详细的路网地图，本专利结合开源路网地图对视觉里程计定位的原始数据进行修正，使其能够克服自身的累计误差，提高定位准确度和可靠性，并且利用路网地图对视觉里程计的数据进行修正也是一种经济且有效的方法。现有地图匹配方法往往运算方式复杂，大量消耗计算资源，且实时性低。
发明内容
为了解决现有技术存在的上述问题，本发明提供了一种基于拓扑结构的视觉定位地图匹配方法。
基于当今各个地图服务商提供的详细路网地图，对视觉里程计等视觉定位方法产生的结果进行约束，以达到更好的定位精度。
现有的基于路网辅助的视觉定位对地图的构建方式较为复杂，考虑到每条道路的起始角度，曲率参数，半径，结束角度等，并在匹配中始终考虑车辆与道路起始位置的角度偏移等。这种构建地图的方式适合用于规模较小简单的地图环境，当地图规模较大，比较复杂时该构建方式必将费事费力，不适用于真实环境。同时在匹配过程中需要同时考虑到整个地图范围内符合当前转移概率的路段，在地图较大时反应较慢。本发明通过对路网地图进行分层，分类整理，构建成简单明了的拓扑地图，考虑到工程需要，仅需要达到道路级定位，利用路网的几何约束便可以达到很好的匹配效果。同时在匹配过程中加入误匹配检测机制，及时修正可能错误的匹配。
在匹配方面，通过实时的车辆行驶距离和角度在匹配的道路上计算坐标，避免复杂的状态转移等计算，使得本发明方法能够高效的运行，又因为地图构建方式简单，本发明运行时整体占用内存少，耗费系统资源少。
本发明整体思路是使用开源路网地图进行辅助对视觉定位结果进行修正，首先需要处理路网地图，使之能够有效的辅助视觉定位的过程；再就是对视觉定位的实时结果进行锚点提取，用于候选路段的判断与匹配；利用行驶轨迹、轨迹朝向和路段朝向等因素匹配原始位置到路网上，表示车辆的真实位置。
本发明是通过以下技术方案来实现的：一种基于拓扑结构的视觉定位地图匹配方法，包括如下步骤：
(1)处理OSM(OpenStreetMap)开源地图，包括删除多余图层、删除非机动车道、构建拓扑结构以及格式转换。
(2)视觉里程计(VO)/视觉惯性里程计(VIO)输出实时位置，对原始轨迹提取锚点。
(3)基于步骤(1)得到的拓扑地图对步骤(2)得到的实时位置进行匹配，其中包括选取候选路段、匹配最佳候选路段、累计匹配长度以及计算最终匹配道道路上的位置。
进一步地，所述步骤(1)中处理地图数据的步骤如下：
(1.1)获取所需要的开源路网地图，此处使用的是OpenStreetMap开源地图。
(1.2)删除开源地图中建筑、水路、铁路等图层，仅保留道路层。
(1.3)删除道路图层中所有汽车一般不会到达的非机动车道，得到机动车道地图M。
(1.4)地图M中包括道路层级，如地面道路层级为0；高架道路等架空道路在有空间交叠的地方的层级为其对应的层数，以层数1，2等正数表示；隧道类似于架空道路，以层数-1，-2等负数表示。在非连接路段上，不同层数之间不能转移，需要打断不同层级道路之间连接关系，以避免匹配时车辆轨迹在不同层级之间随意转移。
(1.5)定义道路拓扑为一个有向图G＝(V，E)，其中V为道路交叉口或者道路尽头，E为路段，且E：[e1，e2，e3，…，en-1，en]，路段E由一系列转折点et组成，e1和en为道路交叉点或者道路尽头，有e1∈V，en∈V.
(1.6)按(1.5)所述有向图的结构组织地图M，然后导出地图M为文本格式。
(1.7)通过高斯/墨卡托投影将地图使用的GCS_WGS_1984地理坐标转换为平面坐标系。
进一步地，所述步骤(2)中对原始轨迹提取锚点地步骤如下：
(2.1)使用任意开源视觉里程计算法或者视觉惯性里程计算法输出原始视觉定位估计位置，得到一条n个点构成的原始轨迹序列T：[p1，p2，p3，…，pn-1，pn].
(2.2)定义长度阈值lt，计算(2.1)前j个轨迹点的累计长度
Figure BDA0003728642890000031
当l≥lt时，设置点pj为锚点，并将l置0，以j点开始重复计算累计长度并与阈值比较，得到实时锚点序列AP：[a1，a2，a3，…，an-1，an]，用于后续候选路段选取。
进一步地，所述步骤(3)中对获取的实时位置进行匹配的步骤如下：
(3.1)该方法开始时需要初始绝对位置序列对车辆在地图中的位置进行定位，该步骤可以使用地图匹配技术进行确定，初始化第一条匹配路段，后续匹配路段由步骤(3.4)确定，所有路段均是由一系列直线段首尾相连组成的折线段，计算匹配路段对应的直线分段函数fc，其中每条直线段用直线方程Ax+By+C＝0表示，由于所匹配路段为折线段，所以匹配路段对应直线分段函数fc的参数用一个二维数组表示，方便计算机存储和处理，对应的二维数组为
Figure BDA0003728642890000032
其中Ak,Bk,Ck为匹配路段中第k段直线方程的参数，Lk为该直线段的长度，xk,yk为该直线段的起始位置。
(3.2)当实时累计长度
Figure BDA0003728642890000041
时，匹配长度
Figure BDA0003728642890000042
由以下公式计算对应的匹配路段上的坐标
Figure BDA0003728642890000043
该公式是以确定的第k段直线方程和直线上距离起始点确定的距离来得到该点的坐标，得到的两个坐标只有一个落在直线上，选取落在直线上的坐标为匹配坐标。
(3.3)误匹配检测，由于确定匹配路段时可能选择了错误的匹配路段，所以需要实时的检测当前匹配路段是否正确，检测方法为计算轨迹朝向与道路朝向是否在一定的误差范围之内。得到当前锚点at相对于锚点at-1的朝向角hs，与当前所匹配道路角度hc比较，如果朝向角误差sh＝|hc-hs|≤20，认为当前匹配道路是正确的，如果连续三次朝向角误差大于20度，则任务匹配道路错误，需要重新确定匹配的道路。重新确定的匹配道路为步骤(3.5)中误差第二小的道路，并重新执行步骤(3.1)～(3.2)更新已经匹配过的位置。
(3.4)当步骤(2.2)中的实时位置p实时累计长度
Figure BDA0003728642890000044
时，需要选新的取候选路段，此时，由当前匹配的路段的结束点en为起点，在道路拓扑地图中检索所有起点等于en的道路作为新的候选路段。
(3.5)计算当前锚点at相对于锚点at-1的朝向hs，计算所有候选路段的朝向hc。于是得到朝向角误差
sh＝|hc-hs| (4)
得到朝向角误差sh最小的一条路段作为匹配路段，如果最小朝向角误差sh＞30，则是当前锚点与前一锚点可能处于弯道处不能反应当前轨迹的朝向，此时顺延到计算锚点at+1与锚点at的朝向hs，再继续计算朝向角误差。
(3.6)重复步骤(3.1)～(3.5)直到匹配全部实时轨迹点。
本发明对地图进行简单的拓扑建图，利用几何约束来实时匹配车辆位置，并且可以调整生成锚点的长度阈值，有效提高匹配的实时性和降低计算复杂度。
本发明提出的一种基于拓扑结构的视觉定位地图匹配方法，与现有技术相比，本发明具有以下优势：
1.现有路网地图辅助视觉定位方法大多基于概率的框架，构建道路的状态空间模型，并根据道路转移概率和状态转移模型对车辆位置进行预测，此类方法运算需要消耗大量的计算资源，对于性能较低的车载设备而言，具有一定的限制。本发明仅对路网地图进行简单的拓扑建图，运用几何约束来修正原始轨迹，对资源占用少，具有很高的实用价值。
2.现有的路网辅助视觉定位方法中很大部分不具有实时性或者实时性不高，其中一些仅根据转折点的方法只能在弯道处更新匹配位置，本发明采取的根据匹配路段和行驶距离来实时的更新匹配位置，所以具有较高的实时性。
附图说明
图1是本发明的一种基于拓扑结构的视觉定位地图匹配方法流程图。
图2是KITTI00序列原始轨迹、匹配轨迹和真值对比图。
图3是KITTI02序列原始轨迹、匹配轨迹和真值对比图。
图4是KITTI05序列原始轨迹、匹配轨迹和真值对比图。
图5是KITTI08序列原始轨迹、匹配轨迹和真值对比图。
具体实施方式
以下结合附图对本发明进一步详细说明：
参考图1～2，一种基于拓扑结构的视觉定位地图匹配方法，所述方法包括以下步骤：
(1)处理OSM(OpenStreetMap)开源地图，包括删除多余图层、删除非机动车道、构建拓扑结构以及格式转换。
(2)视觉里程计(VO)/视觉惯性里程计(VIO)输出实时位置，对原始轨迹提取锚点。
(3)基于步骤(1)得到的拓扑地图对步骤(2)得到的实时位置进行匹配，其中包括选取候选路段、匹配最佳候选路段、累计匹配长度以及计算最终匹配道道路上的位置。
所述步骤(1)中处理地图数据的步骤如下：
(1.1)获取所需要的开源路网地图，此处使用的是OpenStreetMap开源地图。
(1.2)删除开源地图中建筑、水路、铁路等图层，仅保留道路层。
(1.3)删除道路图层中所有汽车一般不会到达的非机动车道，得到机动车道地图M。
(1.4)地图M中包括道路层级，如地面道路层级为0；高架道路等架空道路在有空间交叠的地方的层级为其对应的层数，以层数1，2等正数表示；隧道类似于架空道路，以层数-1，-2等负数表示。在非连接路段上，不同层数之间不能转移，需要打断不同层级道路之间连接关系，以避免匹配时车辆轨迹在不同层级之间随意转移。
(1.5)定义道路拓扑为一个有向图G＝(V，E)，其中V为道路交叉口或者道路尽头，E为路段，且E：[e1，e2，e3，…，en-1，en]，路段E由一系列转折点et组成，e1和en为道路交叉点或者道路尽头，有e1∈V，en∈V.
(1.6)按(1.5)所述有向图的结构组织地图M，然后导出地图M为文本格式。
(1.7)通过高斯/墨卡托投影将地图使用的GCS_WGS_1984地理坐标转换为平面坐标系。
所述步骤(2)中对原始轨迹提取锚点地步骤如下：
(2.1)使用任意开源视觉里程计算法或者视觉惯性里程计算法输出原始视觉定位估计位置，得到一条n个点构成的原始轨迹序列T：[p1，p2，p3，…，pn-1，pn].
(2.2)定义长度阈值lt，计算(2.1)前j个轨迹点的累计长度
Figure BDA0003728642890000061
当l≥lt时，设置点pj为锚点，并将l置0，以j点开始重复计算累计长度并与阈值比较，得到实时锚点序列AP：[a1，a2，a3，…，an-1，an]，用于后续候选路段选取。
所述步骤(3)中对获取的实时位置进行匹配的步骤如下：
(3.1)该方法开始时需要初始绝对位置序列对车辆在地图中的位置进行定位，该步骤可以使用地图匹配技术进行确定，初始化第一条匹配路段，后续匹配路段由步骤(3.4)确定，所有路段均是由一系列直线段首尾相连组成的折线段，计算匹配路段对应的直线分段函数fc，其中每条直线段用直线方程Ax+By+C＝0表示，由于所匹配路段为折线段，所以匹配路段对应直线分段函数fc的参数用一个二维数组表示，方便计算机存储和处理，对应的二维数组为
Figure BDA0003728642890000071
其中Ak,Bk,Ck为匹配路段中第k段直线方程的参数，Lk为该直线段的长度，xk,yk为该直线段的起始位置。
(3.2)当实时累计长度
Figure BDA0003728642890000072
时，匹配长度
Figure BDA0003728642890000073
由以下公式计算对应的匹配路段上的坐标
Figure BDA0003728642890000074
该公式是以确定的第k段直线方程和直线上距离起始点确定的距离来得到该点的坐标，得到的两个坐标只有一个落在直线上，选取落在直线上的坐标为匹配坐标。
(3.3)误匹配检测，由于确定匹配路段时可能选择了错误的匹配路段，所以需要实时的检测当前匹配路段是否正确，检测方法为计算轨迹朝向与道路朝向是否在一定的误差范围之内。得到当前锚点at相对于锚点at-1的朝向角hs，与当前所匹配道路角度hc比较，如果朝向角误差sh＝|hc-hs|≤20，认为当前匹配道路是正确的，如果连续三次朝向角误差大于20度，则任务匹配道路错误，需要重新确定匹配的道路。重新确定的匹配道路为步骤(3.5)中误差第二小的道路，并重新执行步骤(3.1)～(3.2)更新已经匹配过的位置。
(3.4)当步骤(2.2)中的实时位置p实时累计长度
Figure BDA0003728642890000081
时，需要选新的取候选路段，此时，由当前匹配的路段的结束点en为起点，在道路拓扑地图中检索所有起点等于en的道路作为新的候选路段。
(3.5)计算当前锚点at相对于锚点at-1的朝向hs，计算所有候选路段的朝向hc。于是得到朝向角误差
sh＝|hc-hs| (8)
得到朝向角误差sh最小的一条路段作为匹配路段，如果最小朝向角误差sh＞30，则是当前锚点与前一锚点可能处于弯道处不能反应当前轨迹的朝向，此时顺延到计算锚点at+1与锚点at的朝向hs，再继续计算朝向角误差。
(3.6)重复步骤(3.1)～(3.5)直到匹配全部实时轨迹点。
实施例
采用OpenStreetMap开源地图以及ORBSLAM2算法在KITTI数据集上对本发明进行验证。
图2是本发明在KITTI00序列实验结果示意图，本方法的平均定位误差为4.47m，原始轨迹的平均定位误差为11.24m。
图3是本发明在KITTI02序列实验结果示意图，本方法的平均定位误差为5.18m，原始轨迹的平均定位误差为33.36m。
图4是本发明在KITTI05序列实验结果示意图，本方法的平均定位误差为3.14m，原始轨迹的平均定位误差为3.38m。
图5是本发明在KITTI08序列实验结果示意图，本方法的平均定位误差为9.47m，原始轨迹的平均定位误差为13.53m。
在以上实验验证中，本发明的平均误差为5.565m，原始轨迹的平均误差为15.378m，可见本发明在汽车行驶距离较长的情况下有着更小的定位误差。

Claims (4)

1.一种基于拓扑结构的视觉定位地图匹配方法，其特征在于，包括如下步骤：
(1)处理OSM(OpenStreetMap)开源地图，包括删除多余图层、删除非机动车道、构建拓扑结构以及格式转换；
(2)视觉里程计(VO)输出实时位置，对原始轨迹提取锚点；
(3)基于步骤(1)得到的拓扑地图对步骤(2)得到的实时位置进行匹配，其中包括选取候选路段、匹配最佳候选路段、累计匹配长度以及计算最终匹配道道路上的位置。
2.根据权利要求1所述一种基于拓扑结构的视觉定位地图匹配方法，其特征在于，所属步骤(1)中，详细步骤如下：
(1.1)获取所需要的开源路网地图，此处使用的是OpenStreetMap开源地图；
(1.2)删除开源地图中建筑、水路、铁路等图层，仅保留道路层；
(1.3)删除道路图层中所有汽车一般不会到达的非机动车道，得到机动车道地图M；
(1.4)地图M中包括道路层级，如地面道路层级为0；高架道路等架空道路在有空间交叠的地方的层级为其对应的层数，以层数1，2等正数表示；隧道类似于架空道路，以层数-1，-2等负数表示；在非连接路段上，不同层数之间不能转移，需要打断不同层级道路之间连接关系，以避免匹配时车辆轨迹在不同层级之间随意转移；
(1.5)定义道路拓扑为一个有向图G＝(V，E)，其中V为道路交叉口或者道路尽头，E为路段，且E：[e1，e2，e3，…，en-1，en]，路段E由一系列转折点et组成，e1和en为道路交叉点或者道路尽头，有e1∈V，en∈V；
(1.6)按(1.5)所述有向图的结构组织地图M，然后导出地图M为文本格式；
(1.7)通过高斯/墨卡托投影将地图使用的GCS_WGS_1984地理坐标转换为平面坐标系。
3.根据权利要求1所述一种基于拓扑结构的视觉定位地图匹配方法，其特征在于，所属步骤(2)中，详细步骤如下：
(2.1)使用任意开源视觉里程计算法或者视觉惯性里程计算法输出原始视觉定位估计位置，得到一条n个点构成的原始轨迹序列T：[p1，p2，p3，…，pn-1，pn].
(2.2)定义长度阈值lt，计算(2.1)前j个轨迹点的累计长度
Figure FDA0003728642880000011
当l≥lt时，设置点pj为锚点，并将l置0，以j点开始重复计算累计长度并与阈值比较，得到实时锚点序列AP：[a1，a2，a3，…，an-1，an]，用于后续候选路段选取。
4.根据权利要求1所述一种基于拓扑结构的视觉定位地图匹配方法，其特征在于，所属步骤(3)中，详细步骤如下：
(3.1)该方法开始时需要初始绝对位置序列对车辆在地图中的位置进行定位，该步骤可以使用地图匹配技术进行确定，初始化第一条匹配路段，后续匹配路段由步骤(3.4)确定，所有路段均是由一系列直线段首尾相连组成的折线段，计算匹配路段对应的直线分段函数fc，其中每条直线段用直线方程Ax+By+C＝0表示，由于所匹配路段为折线段，所以匹配路段对应直线分段函数fc的参数用一个二维数组表示，方便计算机存储和处理，对应的二维数组为
Figure FDA0003728642880000021
其中Ak，Bk，Ck为匹配路段中第k段直线方程的参数，Lk为该直线段的长度，xk，yk为该直线段的起始位置；
(3.2)当实时累计长度
Figure FDA0003728642880000022
时，匹配长度
Figure FDA0003728642880000023
由以下公式计算对应的匹配路段上的坐标
Figure FDA0003728642880000024
该公式是以确定的第k段直线方程和直线上距离起始点确定的距离来得到该点的坐标，得到的两个坐标只有一个落在直线上，选取落在直线上的坐标为匹配坐标；
(3.3)误匹配检测，由于确定匹配路段时可能选择了错误的匹配路段，所以需要实时的检测当前匹配路段是否正确，检测方法为计算轨迹朝向与道路朝向是否在一定的误差范围之内；得到当前锚点at相对于锚点at-1的朝向角hs，与当前所匹配道路角度hc比较，如果朝向角误差sh＝|hc-hs|≤20，认为当前匹配道路是正确的，如果连续三次朝向角误差大于20度，则认为匹配道路错误，需要重新确定匹配的道路；重新确定的匹配道路为步骤(3.5)中误差第二小的道路，并重新执行步骤(3.1)～(3.2)更新已经匹配过的位置；
(3.4)当步骤(2.2)中的实时位置p实时累计长度
Figure FDA0003728642880000025
时，需要选新的取候选路段，此时，由当前匹配的路段的结束点en为起点，在道路拓扑地图中检索所有起点等于en的道路作为新的候选路段；
(3.5)计算当前锚点at相对于锚点at-1的朝向hs，计算所有候选路段的朝向hc；于是得到朝向角误差
sh＝|hc-hs| (4)
得到朝向角误差sh最小的一条路段作为匹配路段，如果最小朝向角误差sh＞30，则是当前锚点与前一锚点可能处于弯道处不能反应当前轨迹的朝向，此时顺延到计算锚点at+1与锚点at的朝向hs，再继续计算朝向角误差；
(3.6)重复步骤(3.1)～(3.5)直到匹配全部实时轨迹点。
CN202210786354.8A 2022-07-04 2022-07-04 一种基于拓扑结构的视觉定位地图匹配方法 Pending CN115164913A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210786354.8A CN115164913A (zh) 2022-07-04 2022-07-04 一种基于拓扑结构的视觉定位地图匹配方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210786354.8A CN115164913A (zh) 2022-07-04 2022-07-04 一种基于拓扑结构的视觉定位地图匹配方法

Publications (1)

Publication Number Publication Date
CN115164913A true CN115164913A (zh) 2022-10-11

Family

ID=83491719

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210786354.8A Pending CN115164913A (zh) 2022-07-04 2022-07-04 一种基于拓扑结构的视觉定位地图匹配方法

Country Status (1)

Country Link
CN (1) CN115164913A (zh)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115493601A (zh) * 2022-10-12 2022-12-20 纵目科技（上海）股份有限公司 基于路网匹配的车辆自主定位方法、装置、存储介质
CN118687582A (zh) * 2024-05-09 2024-09-24 南京航空航天大学 一种基于车行轨迹图像化匹配的车辆定位方法
CN119618242A (zh) * 2023-09-13 2025-03-14 上海交通大学 基于osm类地图的slam实时定位优化系统
CN119618185A (zh) * 2023-09-13 2025-03-14 上海交通大学 基于osm类地图的slam地图全局对齐系统
CN119779334A (zh) * 2024-12-26 2025-04-08 东南大学 一种用于gnss拒止环境下的车辆精确定位方法

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20140132608A1 (en) * 2010-12-31 2014-05-15 Heiko Mund Graph based topological map matching
CN108571978A (zh) * 2018-03-09 2018-09-25 杭州电子科技大学 基于拓扑和权重的超标排放车辆最短路径跟踪匹配方法
CN108981702A (zh) * 2018-07-03 2018-12-11 浙江大学 一种多位置联合粒子滤波的车辆定位方法
CN111862659A (zh) * 2020-06-30 2020-10-30 中冶智诚(武汉)工程技术有限公司 一种gps轨迹数据匹配和补全的方法
CN112033418A (zh) * 2020-09-15 2020-12-04 四川大学 一种离线地图匹配方法
WO2022010855A1 (en) * 2020-07-07 2022-01-13 Ohio State Innovation Foundation Systems, methods and devices for map-based object's localization deep learning and object's motion trajectories on geospatial maps
CN114061597A (zh) * 2021-10-15 2022-02-18 中国科学院空天信息创新研究院 一种车辆地图匹配自主定位方法
CN114440892A (zh) * 2022-01-27 2022-05-06 中国人民解放军军事科学院国防科技创新研究院 一种基于拓扑地图和里程计的自定位方法
CN114461942A (zh) * 2022-03-03 2022-05-10 重庆市市政设计研究院有限公司 浮动车轨迹数据地图匹配方法及系统

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20140132608A1 (en) * 2010-12-31 2014-05-15 Heiko Mund Graph based topological map matching
CN108571978A (zh) * 2018-03-09 2018-09-25 杭州电子科技大学 基于拓扑和权重的超标排放车辆最短路径跟踪匹配方法
CN108981702A (zh) * 2018-07-03 2018-12-11 浙江大学 一种多位置联合粒子滤波的车辆定位方法
CN111862659A (zh) * 2020-06-30 2020-10-30 中冶智诚(武汉)工程技术有限公司 一种gps轨迹数据匹配和补全的方法
WO2022010855A1 (en) * 2020-07-07 2022-01-13 Ohio State Innovation Foundation Systems, methods and devices for map-based object's localization deep learning and object's motion trajectories on geospatial maps
CN112033418A (zh) * 2020-09-15 2020-12-04 四川大学 一种离线地图匹配方法
CN114061597A (zh) * 2021-10-15 2022-02-18 中国科学院空天信息创新研究院 一种车辆地图匹配自主定位方法
CN114440892A (zh) * 2022-01-27 2022-05-06 中国人民解放军军事科学院国防科技创新研究院 一种基于拓扑地图和里程计的自定位方法
CN114461942A (zh) * 2022-03-03 2022-05-10 重庆市市政设计研究院有限公司 浮动车轨迹数据地图匹配方法及系统

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
"已知A, B两点及C点（不在直线AB上）坐标，求在直线AB上距离A点距离为线段AC长度的点D坐标", Retrieved from the Internet <URL:http://blog.csdn.net/EUEHEUEN/article/details/79225420> *
蒋宗礼;李娟;: "基于OpenStreetMap的地图匹配算法研究", 软件导刊, no. 07 *
韩晓东;刘冬;丛明;: "基于ORB特征和里程计信息的机器人视觉导航", 组合机床与自动化加工技术, no. 01, 20 January 2017 (2017-01-20) *
顾淑霞: "路网约束下的视觉定位优化方法", 中国优秀硕士学位论文全文数据库, 15 June 2019 (2019-06-15), pages 2 - 4 *

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115493601A (zh) * 2022-10-12 2022-12-20 纵目科技（上海）股份有限公司 基于路网匹配的车辆自主定位方法、装置、存储介质
CN119618242A (zh) * 2023-09-13 2025-03-14 上海交通大学 基于osm类地图的slam实时定位优化系统
CN119618185A (zh) * 2023-09-13 2025-03-14 上海交通大学 基于osm类地图的slam地图全局对齐系统
CN118687582A (zh) * 2024-05-09 2024-09-24 南京航空航天大学 一种基于车行轨迹图像化匹配的车辆定位方法
CN119779334A (zh) * 2024-12-26 2025-04-08 东南大学 一种用于gnss拒止环境下的车辆精确定位方法

Similar Documents

Publication Publication Date Title
CN115164913A (zh) 一种基于拓扑结构的视觉定位地图匹配方法
CN111857160B (zh) 一种无人车路径规划方法和装置
CN109405839B (zh) 一种基于多路径的交通网络离线地图匹配算法
CN108519094B (zh) 局部路径规划方法及云处理端
CN100578152C (zh) 用于处理大规模浮动车数据的启发式路径匹配方法
CN103617731B (zh) 一种利用城市浮动车辆gps数据生成道路路网矢量地图的方法
CN110260870A (zh) 基于隐马尔可夫模型的地图匹配方法、装置、设备和介质
CN113155145B (zh) 一种面向自动驾驶车道级导航的车道级路径规划方法
CN114330106A (zh) 城市公共交通规划方法
CN106017486B (zh) 一种面向无人车导航的基于轨迹拐点滤波的地图定位方法
CN114372570A (zh) 一种多模态车辆轨迹预测方法
CN111492202A (zh) 车辆运行的位置确定
CN110736471B (zh) 基于隐马尔可夫模型的低频浮动车轨迹数据路网匹配方法
EP3259559A1 (en) Method and apparatus for creating a clothoid road geometry
CN112530158B (zh) 一种基于历史轨迹的路网补充方法
CN116182884A (zh) 基于frenet坐标系横纵解耦的智能车辆局部路径规划方法
CN109523781A (zh) 一种基于卫星定位的路口预测方法
CN110807931B (zh) 基于转向关系的交通路网有向图路径模型构建及求解方法
CN110986965A (zh) 基于隐马尔可夫模型的低频浮动车轨迹数据路网匹配方法
CN113903173B (zh) 一种基于有向图结构和lstm的车辆轨迹特征提取方法
Tanzmeister et al. Grid-based multi-road-course estimation using motion planning
CN120183199A (zh) 融合道路拓扑地图的车辆轨迹补全方法和系统
CN117782121A (zh) 一种基于图卷积神经网络的车辆野外行动轨迹预测方法
CN112699575A (zh) 一种虚拟车辆测试平台中相对位置测算方法及系统
Karimi et al. A methodology for predicting performances of map-matching algorithms

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