CN119437257A 基于标清电子地图静态地物关联的自动驾驶全局位置估计方法及系统 （上海交通大学）

基于标清电子地图静态地物关联的自动驾本发明公开了一种基于标清电子地图静态进行解析及预处理以提取自动驾驶时的车辆位在预设范围内的静态地物边界进行判断并进行态地物描述信息进行提取来构建先验静态地物子地图内静态地物数据与车端实时感知的实时车端实时感知相似度最高的结果以实现自动驾21.一种基于标清电子地图静态地物关联的自动驾驶全局位置估计方法，其特征在于，对所述标清电子地图进行解析及预处理以提取自动驾驶时的车辆位置候对所述车辆位置候选节点集合进行在预设范围内的静态地物边界进行判断并进行筛通过车辆实时感知实时输入三维点云数据，对城市结构将标清电子地图内静态地物数据与车端实时感知的实时静态地物环境描述数据进行2.根据权利要求1所述的基于标清电子地图静态地物关联的自动驾驶全局位置估计方通过选取道路属性进行节点过滤，筛选出具有自动驾驶车辆可通行性的根据相邻两道路节点横坐标之间的差值X差值、纵坐标之间的差值Y差值及待插值节点数按照两道路节点的坐标差值、待插值节点数量及对应的坐标增量在两个道路节点间按上述方法对标清电子地图内所有可行驶域道路集合P’内每个原始路网节点进行遍3.根据权利要求1所述的基于标清电子地图静态地物关联的自动驾驶全局位置估计方获取标清电子地图对应的路网数据，对标清电提取解析后标清电子地图内所有静态地物边界通过选取边界属性进行节点过滤，筛选出具有目标静态地物边界;其中，K为标清电子地图内包含静态地物边界的数量，集合B中34.根据权利要求1所述的基于标清电子地图静态地物关联的自动驾驶全局位置估计方遍历车辆位置候选节点集合P，在标清电子地图内地理坐标系上以当前车辆全局位置计算当前车辆位置候选节点与所有静态地物对应节点的距阵中的元素表示车辆位置候选节点到静态地物5.根据权利要求1所述的基于标清电子地图静态地物关联的自动驾驶全局位置估计方在标清电子地图内地理坐标系上以当前车辆全局位置候选隔的射线对当前车辆全局位置候选节点所在平面进行分割形成逆时钟顺序排列的多个依次计算每个角度射线与静态地物边界线相交的点，并取该点,并与车辆全局位置候选坐标具有唯一对应关系；依次计算离散静态地物边界点云间的方向向量以及预设观测方向向量，并计算当前边界方向向量与预设观测方向向量的夹角m;，形成的一维向量作为先验静态地物;46.根据权利要求1所述的基于标清电子地图静态地物关联的自动驾驶全局位置估计方将当前车辆观测点作为中心，根据车端实时感知输入的三维点云以当前车辆观测点为中心，取相同角度间隔的对于每个分割区域内的点云，通过求解该分割区域内点云集的平面平均均中心坐标作为该区域内的等效点云,最终获得实时静态地物边界平面等效输入点云集;依次计算实时静态地物边界平面等效输入点云间的方向向量以及对应观测方向向作为实时静态地物边界环境表述以实现车端实时感知场景下的静;实时点云的位置坐标，表示第n_1个实时静态地物边界等效输入点云指向第n个实时静7.根据权利要求1所述的基于标清电子地图静态地物关联的自动驾驶全局位置估计方5通过遍历先验静态地物环境描述数据库内每一个元素，在先验静态地;其中，D(i)表示实时感知的输入静态地物环境描述向量与先将计算得到的相似度结果进行比较，筛选出与输入感知向量相似度最高的候选结果，8.一种基于标清电子地图静态地物关联的自动驾驶全局位置估计系统，其特征在于，解析处理模块，用于对所述标清电子地图进行解析及预处理以提取自动驾实时感知提取模块，用于通过车辆实时感知实时输入位置估计模块，用于将标清电子地图内静态地物数据与车端处理器，所述处理器执行所述处理程序时实现如权利要求1至7中任意一标清电子地图静态地物关联的自动驾驶全局位程序被处理器执行时实现如权利要求1至7中任意一项所述的基于标清电子地图静态地物6[0004]本发明的目的是提供一种基于标清电子地图静态地物关联的自动驾驶全局位置[0005]本发明提供了一种基于标清电子地图静态地物关联的自动驾驶全局位置估计方对所述标清电子地图进行解析及预处理以提取自动驾驶时的车辆位置候选节点对所述车辆位置候选节点集合进行在预设范围内的静态地物边界进行判断并进7通过车辆实时感知实时输入三维点云数据，对城市结构化静态地物描述进行提将标清电子地图内静态地物数据与车端实时感知的实时静态地物环境描述数据获取标清电子地图对应的路网数据，对标清电子地图内节点的连接关系进行解车辆可行驶域道路集合P’,所述车辆可行驶域道路集合P’包括若干原始路网节点坐标p’获取标清电子地图对应的路网数据，对标清电子地图内节点的连接关系进行解按照边界的相同属性进行划分，构建由静态地物边界点组成的静态物体集合;遍历车辆位置候选节点集合P，在标清电子地图内地理坐标系上以当前车辆位置离矩阵中的元素表示车辆位置候选节点到静态地物对应8判断所述距离矩阵中的目标距离是否大于预设的先验可视范围内的静态地物节度间隔的射线对当前车辆全局位置候选节点所在平面进行分割形成逆时钟顺序排列的,并与车辆全局位置候选坐标具有唯一对应关系；计算当前边界方向向量与预设观测方向向量的夹角m;，形成的一维向量作为先验静态地物边界表述以实现标清电子地图场景下的静态地物边界方向;以当前车辆观测点为中心，取相同角度间隔的射线对当前车体坐标9该平均中心坐标作为该区域内的等效点云,最终获得实时静态地物边界平面等效输入点云依次计算实时静态地物边界平面等效输入点云间的方向向量以及对应观测方向向量，并计算当前边界方向向量与观测方向向量的夹角mn，形成的一维向量作为实时静态地物边界环境表述以实现车端实时感知场景下的静;第n_1个实时点云的位置向量坐标，表示第n_1个实时静态地物边界等效输入点云指向第n个实时静态地物边界等效输入点云的方向向量，xn和yn为向量以当前车辆观测点为,[0011]本发明还提供了一种基于标清电子地图静态地物关联的自动驾驶全局位置估计处理程序被处理器执行时实现如本发明实施例所述的基于标清电子地图静态地物关联的本发明提出了一种基于标清电子地图静态地物关联的自动驾驶全局位置估计方基于预建高精度地图的定位路线需要通过高频次维护地图信息新鲜度来避免定[0018]图1为本发明一实施例中所述基于标清电子地图静态地物关联的自动驾驶全局位图2为本发明一实施例中基于标清电子地图静态地物关联的自动驾驶全局位置估义将在下文描述中给出。如图1_4所示，本发明还提供了一种基于标清电子地图静态地物关联的自动驾驶全局位置估计方法，适用于基于标清电子地图静态地物关联的自动驾驶全局位置估计系城市结构化静态地物描述提取模块、面向实时感知的城市结构化静态地物描述提取模块。分别计间横、纵向上等距离分布待插值点，对上述方法对标清电子地图内所有可行驶道路集合P’;对应的平面节点坐标，通过上述方法能够有效地从标清电子地图中提取和处理路网数据，获取标清电子地图对应的路网数据，对标清电子地图内节点的连接关系进行解按照边界的相同属性进行划分，构建由静态地物边界点组成的静态物体集合;判断所述距离矩阵中的目标距离是否大于预设的先验可视范围内的静态地物节在地理坐标系上以当前车辆全局位置候选节点为圆心，取相同角度间隔的射线对当前车辆全局位置候选节点所在平面进行分割形成逆时钟顺序排列的多个分割区域，界点云集合，并与车辆全局位界点云间的方向向量以及预设观测方向向量，并计算边界方向向量与预设观测方;量=圆周360度除以射线角度间隔并向上取整数，s:和s:-1分别表示第n个和第n_1个离静态地物边界点云的方向向量即第n个射线处对应的边界方向向量，该方向向量计算由第n_1个射线对应的点云坐标指向第n个射线对应的点云坐标，xi和yi为向量的起点坐标，相同属性的类别进行筛选后获得实时静态地物边界三维点云集s={(xz,y1,z1),.…}。通过;全局位置候选节点所在平面进行分割形成逆时钟顺序排列的多个该平均中心坐标作为该区域内的等效点云,最终获得实时静态地物边界平面等效输入点云实时静态地物边界平面等效输入点云间的方向向量以及对应观测方向向量，并计算当前边界方向向量与观测方向向量的夹角mn，这里的观测方向就量坐标就是方向，形成的一维向量作为实时静态地物边界环境表;n1个实时点云的位置向量坐标，向量表示第n1个实时静态第n个实时静态地物边界等效输入点云的方向向量，xn和yn为向量以当前车辆观测点为地图内每个车辆候选位置对应；实时静态地物环境描述由每一帧点云输入对应生成的1x维度的行向量组成；,代表实时感知的静态地物描述对应的参考向量，代表与数据库中与每一个车辆全仅对计算效率有轻微影响。方案与现有方法在城市结构化场景的自动驾驶数据集上进行了性能对比。结果显示，在解析及预处理以提取自动驾驶时的车辆位置候选于对所述车辆位置候选节点集合进行在预设范围内的静态地物边界进行判断并进行筛选，筛选后对标清电子地图上的城市结构化静态地物描述信息进行提取来构建先验静态地物利用模块1.2生成的车辆全局位置候选节点集合，通过预设先验可视范围距离参[0040]需说明的是，本装置/系统实施例中的各个模块的划分仅仅是一种逻辑功能的划图静态地物关联的自动驾驶全局位置估计方法得说对现有技术做出贡献的部分或者该