自动驾驶（二十五）---------基于视觉的自定位

       基于高精地图的定位是高精定位，脱离高精地图的高精定位是自嗨，一般而言自动驾驶的高精定位会采用传感器融合的方式,主要有GPS/DGPS（比如RTK）、IMU、摄像头、激光雷达加高清地图的组合。

       多传感器融合一直是自动驾驶的难点，这里不做展开，本文想从另一个角度来辅助车辆定位，应用车道线对车辆进行定位。

       本位假设提前已经采集了高精地图，地图包含的元素有：车道线、停止线、箭头、道路坡度等信息，利用一般GPS和视觉计算出准确位置。

                 

1. 初始化

        本系统的初始化采用一般GPS来确定车辆的大致位置，结合IMU+GPS惯导系统，实时推算出车辆的大致位置信息，作为系统的初值。

                                                          

2. 视觉处理

       对于车载相机当前拍摄的图像，生成与视觉地图的比例尺寸相同的俯视图；并在俯视图上搜索与视觉地图匹配车道线标的匹配的车道线部分；

                       

3. 特征匹配

        在提取的道路标识和高精地图匹配，特别的，车道线匹配较为简单，但是大部分情况只能进行横向匹配，很难进行纵向匹配（车道线基本是直线，或者弧度较小），如何进行纵向匹配，这就需要其他道路标识进行辅助，这里特别说明的是，不同于车道线的识别，其他道路标识形状各异，很难识别，这里主要采用特征匹配的方式：

                                         

        如图我们很难识别出文字内容（深度学习除外），这里我们通过提取角点，把提取到的角点，与地图中的角点kt_tree进行比较，找出最匹配的道路标识。

4. 计算准确位置

       确定俯视图与视觉地图之间的坐标转换关系，从而精确确定车辆在世界坐标系中的当前位置。当然，视觉可以利用运动信息，进行相邻帧之间的约束，利用运动跟踪算法确定下一帧俯视图在视觉地图上的位置，这里就不展开了。

       整个系统的框架如下：