專利名稱：基于地面紋理的智能車視覺全局定位方法
技術(shù)領(lǐng)域：
本發(fā)明涉及的是一種移動(dòng)機(jī)器人技術(shù)領(lǐng)域的裝置及其方法，具體是一種基于 地面紋理的智能車視覺全局定位方法。
技術(shù)背景智能車的自定位問題是指智能車通過傳感器信息來估算自身在運(yùn)行環(huán)境中 所處的位姿(位置和姿態(tài))。實(shí)際應(yīng)用中首先遇到的就是定位問題，它是實(shí)現(xiàn)智 能車導(dǎo)航的前提。目前主要的定位方法有基于磁信號(hào)的定位以及基于視覺的定位 等?；诖判盘?hào)的定位是目前比較成熟的定位方法，但是這種方法需要在運(yùn)行環(huán) 境中埋設(shè)傳感設(shè)備(如通電導(dǎo)線或磁釘)，系統(tǒng)實(shí)施過程比較麻煩，且不易維護(hù)， 當(dāng)改變運(yùn)行路徑時(shí)需重新埋設(shè)傳感設(shè)備，因此在使用上有較大局限性?；谝曈X 的方法具有諸多優(yōu)點(diǎn)，如具有豐富的信息量，對(duì)基礎(chǔ)設(shè)施要求低，系統(tǒng)靈活，視覺傳感器價(jià)格便宜等，同時(shí)據(jù)研究表明"駕駛員90%以上的信息是通過眼睛獲得 的"。因此基于視覺的定位方法己經(jīng)成為智能車研究領(lǐng)域的一個(gè)熱點(diǎn)，并被公 認(rèn)為是最有前景的一種方法。在很多現(xiàn)有的實(shí)際應(yīng)用中，視覺的定位導(dǎo)航基本上都是使用路標(biāo)，如車道線 法等， 一般稱為道路跟蹤。但是這類定位方法只能提供車輛的橫向定位信息，缺 乏縱向定位信息，即不能對(duì)智能車進(jìn)行全局定位，這在很大程度上阻礙了智能車 的實(shí)際推廣應(yīng)用。經(jīng)對(duì)現(xiàn)有技術(shù)的文獻(xiàn)檢索發(fā)現(xiàn)，中國專利名稱為"基于圖像表現(xiàn)特征的移動(dòng) 機(jī)器人視覺導(dǎo)航方法"，申請(qǐng)?zhí)?3147554. x，公開號(hào)CN1569558，該專利采用 全局定位方法，首先建立室內(nèi)環(huán)境的拓?fù)涞貓D，然后通過當(dāng)前采集圖像與地圖進(jìn) 行匹配得到移動(dòng)機(jī)器人的全局定位信息。但是該專利中采用的工作場(chǎng)景是室內(nèi)環(huán)境(走廊)，并以門，柱子或拐角等結(jié)構(gòu)化明顯的場(chǎng)景特征作為主要特征信息來 建立環(huán)境地圖。因此如果是在相對(duì)復(fù)雜的室外環(huán)境下，特征提取比較困難，文中 所述的方法就不適用了 。并且文中沒有提及所述方法對(duì)環(huán)境變化的魯棒性。基于視覺的方法存在的另一個(gè)主要問題是當(dāng)環(huán)境條件如光照，陰影變化時(shí)或 者攝像頭前方被遮擋時(shí)，系統(tǒng)很可能不能正常運(yùn)行，即不能對(duì)環(huán)境變化表現(xiàn)出強(qiáng) 的魯棒性。發(fā)明內(nèi)容本發(fā)明的目的在于針對(duì)現(xiàn)有的基于視覺的智能車定位方法存在的不足，提供 一種基于地面紋理的智能車視覺全局定位方法。本發(fā)明不僅具有視覺方法固有的 優(yōu)點(diǎn)和裝置結(jié)構(gòu)簡(jiǎn)單，維護(hù)方便，還對(duì)環(huán)境變化表現(xiàn)出極強(qiáng)的魯棒性，無論在白 天或者夜晚都不影響使用，而且不存在任何遮擋問題。本發(fā)明是通過以下技術(shù)方案實(shí)現(xiàn)的本發(fā)明提供的基于地面紋理的智能車視覺裝置包括車體、遮光布、脈沖式 燈管、攝像頭、廣角鏡頭、底板、數(shù)據(jù)線，遮光布設(shè)置在車體底部的車輪內(nèi)側(cè)， 脈沖式燈管設(shè)置在車體底部的遮光布內(nèi)側(cè)，攝像頭設(shè)置在底板上，底板設(shè)置于車 體底部，使攝像頭向下拍攝，廣角鏡頭設(shè)置于攝像頭上，攝像頭通過數(shù)據(jù)線與上 層處理單元連接，帶有廣角鏡頭的攝像頭設(shè)置在車體底部，四周設(shè)置有脈沖式燈 管以及遮光布，遮光布所圍成的車體底部區(qū)域形成一個(gè)不受外界影響，環(huán)境可控 的區(qū)域，脈沖式燈管可在攝像頭采集信號(hào)時(shí)提供主動(dòng)光源。所述的遮光布，共4塊，設(shè)置在車底車輪內(nèi)側(cè)四周，使車底下方形成一個(gè)環(huán) 境可控區(qū)域，不受外界光照條件影響。遮光布所用材料應(yīng)是不透明的，并且是軟 性材料以便于車輛運(yùn)行。如黑色橡膠布等。所述的脈沖式燈管，共4盞，提供主動(dòng)光源；使用脈沖式燈管可增大主動(dòng)光 光強(qiáng)；只需要在攝像頭采集信號(hào)的時(shí)刻提供光源，可節(jié)約能源。脈沖式燈管的光 源強(qiáng)度應(yīng)根據(jù)由遮光布所形成的可控區(qū)域內(nèi)的實(shí)際亮度情況來決定。重要的一點(diǎn) 是盡量使可控區(qū)域內(nèi)的照明亮度均勻。所述的攝像頭，用于采集環(huán)境信息。 一般的基于CCD或者CMOS的網(wǎng)絡(luò)攝像頭即可滿足應(yīng)用要求并且價(jià)格便宜。所述的廣角鏡頭，由于攝像頭離地面較近，為了在可控區(qū)域中盡量大的范圍 內(nèi)采集圖像信號(hào)，在攝像頭上設(shè)置廣角鏡頭。廣角鏡頭的選擇可依據(jù)攝像頭離地5面的距離以及由遮光布所形成的可控區(qū)域的范圍來確定。所述的數(shù)據(jù)線，用于將圖像信號(hào)傳輸至上層處理單元。如USB數(shù)據(jù)線等。 本發(fā)明提供的基于地面紋理的智能車視覺全局定位方法，包括如下步驟① 首先建立環(huán)境全局的地面紋理地圖，并存儲(chǔ)于系統(tǒng)中，以便進(jìn)行定位操作；② 智能車在環(huán)境中運(yùn)行時(shí)通過數(shù)據(jù)線及圖像采集程序?qū)z像頭攝取的圖像 信號(hào)(局部地面圖像)傳送至上層處理單元；③ 在上層處理單元中進(jìn)行圖像處理，提取圖像中的紋理信息形成一幅局部 地面紋理地圖；④ 另外為了減小局部地圖在全局地圖中的搜索匹配范圍，使用了智能車的 里程信息里程信息提供了上一時(shí)刻至當(dāng)前時(shí)刻車輛所經(jīng)過的路程以及轉(zhuǎn)過的角 度，以大致確定當(dāng)前車輛位姿在某一范圍之內(nèi)；⑤ 然后再將當(dāng)前局部地面紋理地圖與④中所述某一范圍內(nèi)的全局地面紋理 地圖進(jìn)行搜索匹配，從而求得智能車在全局環(huán)境中的定位信息。本發(fā)明方法中所使用的紋理信息是紋理的邊緣點(diǎn)，因此一幅紋理圖像可表 示為邊緣點(diǎn)的集合，即將網(wǎng)格、三角、圓及其它各式紋理抽象為點(diǎn)集。這樣，以 點(diǎn)集表示紋理信息擺脫了具體紋理樣式的局限，可在任何有地面紋理的場(chǎng)景下使 用，而不管紋理的具體樣式；紋理信息提取問題可當(dāng)作圖像邊緣點(diǎn)的提取，可使 用成熟的圖像處理算法來實(shí)現(xiàn)。所述步驟①，如果智能車所運(yùn)行的環(huán)境范圍較小，可以由人工來創(chuàng)建全局 環(huán)境的地面紋理地圖；如果環(huán)境范圍較大，則可以考慮使用高精度的RTK—GPS 等裝置來輔助建立全局地圖，創(chuàng)建過程包括基于圖像處理算法的紋理信息提取 (即邊緣點(diǎn)提取，圖像處理具體方法與下述的步驟③類似)以及存儲(chǔ)。所述步驟②，上層處理單元為一臺(tái)車載筆記本電腦，攝像頭通過USB數(shù)據(jù) 線與筆記本電腦相連。筆記本電腦中裝有Windows XP操作系統(tǒng)，并且開發(fā)了一 套基于DirectShow的實(shí)時(shí)圖像采集軟件平臺(tái)，利用這一軟件平臺(tái)采集攝像頭攝 取的環(huán)境信息(局部地面圖像)。上層處理單元也可使用高性能的嵌入式系統(tǒng)來 實(shí)現(xiàn)，例如DSP。所述步驟③，上層處理單元中進(jìn)行圖像處理的目的是提取當(dāng)前采集圖像的紋理信息(即邊緣點(diǎn))。圖像處理包括四個(gè)步驟1，為了減小圖像采集的延時(shí)影 響，提取由奇數(shù)行象素構(gòu)成的子圖像(即奇場(chǎng)圖像)；2，采用中值濾波算法對(duì)圖 像進(jìn)行處理以較小圖像中的噪聲；3，利用Canny邊緣檢測(cè)算子來提取邊緣點(diǎn)； 4，記錄各邊緣點(diǎn)位置形成一幅局部的地面紋理地圖。所述步驟④，智能車后輪和前輪處分別設(shè)置有驅(qū)動(dòng)電機(jī)光電編碼器和轉(zhuǎn)向 電機(jī)光電編碼器，可分別記錄在某一時(shí)間間隔內(nèi)車輛所運(yùn)行的距離以及轉(zhuǎn)過的角 度，即車輛里程信息。根據(jù)這些里程信息以及車輛在上一時(shí)刻的位姿，并由車輛 的運(yùn)動(dòng)模型即可推算出車輛在當(dāng)前時(shí)刻的位姿。需要注意的是雖然由編碼器得到 的車輛里程信息是不精確的，但是可以根據(jù)這些信息來大致確定車輛的當(dāng)前位 姿，從而可以大幅度地較小后續(xù)地圖匹配的搜索范圍，確保了定位方法的實(shí)時(shí)性。所述步驟⑤，采用ICP (Iterative Closest Point)迭代最近點(diǎn)算法來完 成地圖匹配過程。存儲(chǔ)于系統(tǒng)中的全局環(huán)境地面紋理地圖以及當(dāng)前采集的并經(jīng) 過圖像處理而得到的局部地面紋理地圖都抽象為邊緣點(diǎn)集的形式，因此局部地 圖與全局地圖的匹配可以看作是點(diǎn)集之間的匹配。根據(jù)攝像頭標(biāo)定的結(jié)果以及 由里程信息所求得的當(dāng)前車輛位姿可將局部地圖中的邊緣點(diǎn)映射到全局地圖 中，用集合(W—EdgeP)來表示。雖然由于由里程信息所求得的車輛位姿的不精 確使得(W—EdgeP》并不和全局地圖中所對(duì)應(yīng)的真實(shí)邊緣點(diǎn)集(用{True—W_EdgeP} 表示)重合，但如果找到(W一EdgeP)和(True一W—EdgeP)之間的關(guān)系即可糾正不 精確的車輛位姿。本發(fā)明中通過ICP算法求解得到(W一EdgeP)相對(duì)于 (Tru^W—EdgeP)的變換關(guān)系，然后根據(jù)這個(gè)變換關(guān)系來糾正由里程信息所求得 的車輛位姿從而得到十分精確的車輛全局位姿。所述迭代最近點(diǎn)算法，具體如下對(duì)于集合(W—EdgeP)中的每一個(gè)點(diǎn)(尸) 根據(jù)歐式距離下標(biāo)準(zhǔn)最近點(diǎn)原則在全局地圖的某一范圍(這一范圍由步驟④確 定)內(nèi)搜索對(duì)應(yīng)點(diǎn)(CT)。搜索完畢后對(duì)應(yīng)的點(diǎn)集為(True—W—EdgeP}。假設(shè)共 有n組對(duì)應(yīng)點(diǎn)，可表示為{(^, z'-l…w。兩點(diǎn)集之間存在旋轉(zhuǎn)平移關(guān)系(r,C"。這n組對(duì)應(yīng)點(diǎn)可組成如下形式的方程組<formula>formula see original document page 7</formula>g巾:<formula>formula see original document page 8</formula>求解這一方程組即可得(^ )的解析解，然后再通過迭代方法來提高精
度。定義ICP算法的誤差函數(shù)為<formula>formula see original document page 8</formula>
根據(jù)所要求的精度由誤差函數(shù)控制迭代中止條件可求得(&， ^ )。
假設(shè)由步驟④求得的當(dāng)前車輛位姿為(x,y，。，則進(jìn)過匹配結(jié)果(r , & ~ )糾正后而得的車輛位姿為<formula>formula see original document page 8</formula>
這一結(jié)果即為最終的車輛全局位姿。
為了解決全局定位問題，本發(fā)明采用了基于地圖匹配的技術(shù)。攝像頭向下拍攝，攝取的環(huán)境信息主要是地面特征。考慮到在很多實(shí)際環(huán)境中地面往往含有豐富的紋理信息，例如很多路面含有各種交通標(biāo)志紋理，如人行橫道線、停車線、限速標(biāo)志、轉(zhuǎn)向標(biāo)志等；在公園、廣場(chǎng)、校園等環(huán)境中地面往往含有各式各樣的紋理如各種花紋，網(wǎng)格，三角，圓等等，因此采用了基于地面紋理的定位方法。方法中通過匹配技術(shù)獲得車輛的定位信息，為在很多實(shí)際環(huán)境中實(shí)現(xiàn)智能車的全局自定位提供了有效的解決方案。
本發(fā)明系統(tǒng)結(jié)構(gòu)簡(jiǎn)單，維護(hù)方便；攝像頭傳感區(qū)域環(huán)境可控，不受外界影響，使系統(tǒng)具有極強(qiáng)魯棒性，可以在室外環(huán)境下可靠運(yùn)行；在任何有地面紋理的環(huán)境中都可使用，而實(shí)際地面中往往含有豐富的紋理信息，固本發(fā)明具有眾多的應(yīng)用場(chǎng)景；定位方法使用匹配技術(shù)并融合里程信息，可快速實(shí)現(xiàn)智能車的全局定位，保障了系統(tǒng)的實(shí)時(shí)運(yùn)行；智能車可實(shí)現(xiàn)精確的全局定位，并且系統(tǒng)整體性能對(duì)環(huán)境變化表現(xiàn)出極強(qiáng)魯棒性。


圖l:本發(fā)明結(jié)構(gòu)示意主視2:本發(fā)明結(jié)構(gòu)示意俯視3:本發(fā)明結(jié)構(gòu)示意截面4:本發(fā)明定位方法流程示意圖
具體實(shí)施例方式
下面結(jié)合附圖對(duì)本發(fā)明的實(shí)施例作詳細(xì)說明本實(shí)施例在以本發(fā)明技術(shù)方案為前提下進(jìn)行實(shí)施，給出了詳細(xì)的實(shí)施方式，但本發(fā)明的保護(hù)范圍不限于下述的實(shí)施例。
如圖1、 2、 3所示，本實(shí)施例包括車體l、遮光布3、脈沖式燈管4、攝
像頭5、廣角鏡頭6、底板7、數(shù)據(jù)線8。
遮光布3設(shè)置在車體1底部的車輪2內(nèi)側(cè)，脈沖式燈管4設(shè)置在車體1底部的遮光布3內(nèi)側(cè)，攝像頭5設(shè)置在底板7上，底板7設(shè)置于車體1底部，使攝像頭3向下拍攝，廣角鏡頭6設(shè)置于攝像頭5上，攝像頭5通過數(shù)據(jù)線8與上層處理單元連接。
遮光布3采用黑色的橡膠布;脈沖式燈管4采用了亮度可調(diào)式來提高適應(yīng)性；攝像頭5采用一般的CCD網(wǎng)絡(luò)攝像頭，通過USB數(shù)據(jù)線與上層處理單元連接；選用的廣角鏡頭6焦距為2. 5mm。
如圖4所示，本實(shí)施例中的智能車來自歐盟的CyberC3項(xiàng)目(CN/ASIA-IT&C/002-88667)。本實(shí)施例的運(yùn)行環(huán)境為校園內(nèi)的廣場(chǎng)，范圍大約為50X50平方米，廣場(chǎng)地面具有豐富的方形網(wǎng)格紋理。
步驟l:由于環(huán)境范圍較小，故采用人工方式來建立環(huán)境全局的地面紋理地圖。先在廣場(chǎng)中選擇一固定點(diǎn)作為全局地圖的坐標(biāo)原點(diǎn)，然后在廣場(chǎng)的不同點(diǎn)分別利用攝像頭采集環(huán)境信息，經(jīng)過圖像處理后提取紋理信息(邊緣點(diǎn))，并將紋理信息及其對(duì)應(yīng)的全局坐標(biāo)存于系統(tǒng)中。最終得到的就是一幅由邊緣點(diǎn)集組成的環(huán)境全局地面紋理地圖。
步驟2:在本實(shí)施例中上層處理單元為一臺(tái)車載筆記本電腦，攝像頭通過USB數(shù)據(jù)線與筆記本電腦相連。筆記本電腦中裝有Windows XP操作系統(tǒng)。我們?cè)赩isual 〔++下開發(fā)了一套基于DirectShow的實(shí)時(shí)圖像采集程序來采集攝像頭攝取的環(huán)境信息(局部地面圖像)。通過USB數(shù)據(jù)線以及這一實(shí)時(shí)圖像釆集程序即可將當(dāng)前采集的圖像信號(hào)傳送至上層筆記本電腦。步驟3:在筆記本電腦中開發(fā)了相應(yīng)的圖像處理程序，包括提取奇場(chǎng)圖像，圖像平滑去噪處理，紋理(邊緣點(diǎn))提取等。通過這一處理程序即可提取當(dāng)前采集圖像中的紋理信息，稱為局部地面紋理地圖。
步驟4:在智能車的后輪和前輪處分別設(shè)置有驅(qū)動(dòng)電機(jī)光電編碼器和轉(zhuǎn)向電機(jī)光電編碼器，通過這兩個(gè)傳感器的信息可分別計(jì)算得到某一時(shí)間間隔內(nèi)車輛所運(yùn)行的距離以及轉(zhuǎn)過的角度，即車輛里程信息。根據(jù)這些里程信息以及車輛在上一時(shí)刻的位姿，并由車輛的運(yùn)動(dòng)模型即可推算出車輛在當(dāng)前時(shí)刻的位姿。雖然由于編碼器數(shù)據(jù)存在誤差使得通過這種方式求得的車輛位姿并不精確，但是可以利用這個(gè)信息極大地減小地圖匹配的搜索范圍，即在后續(xù)的地圖匹配中只需在這一車輛位姿附近小區(qū)域內(nèi)進(jìn)行匹配搜索即可。這一小區(qū)域的范圍可以根據(jù)編碼器數(shù)據(jù)的精度來確定。
步驟5:采用基于ICP算法的匹配技術(shù)，將當(dāng)前局部地面紋理地圖與全局地面紋理地圖進(jìn)行匹配，從而求得高精度的車輛全局位姿(匹配算法請(qǐng)見發(fā)明內(nèi)容中步驟⑤)。
整個(gè)車輛全局定位方法在Visual 〔++下編寫實(shí)現(xiàn)，并在上層筆記本電腦中
運(yùn)行。從智能車的運(yùn)行結(jié)果可以看出本發(fā)明所述的方法可實(shí)現(xiàn)精確的全局定位，并且系統(tǒng)整體性能非常可靠，對(duì)環(huán)境變化表現(xiàn)出極強(qiáng)魯棒性。
權(quán)利要求
1.一種基于地面紋理的智能車視覺全局定位方法，其特征在于，包括如下步驟①首先建立環(huán)境全局的地面紋理地圖，并存儲(chǔ)于系統(tǒng)中，以進(jìn)行定位操作；②智能車運(yùn)行時(shí)通過數(shù)據(jù)線及圖像采集程序?qū)z像頭攝取的圖像信號(hào)傳送至上層處理單元；③上層處理單元進(jìn)行圖像處理，提取圖像中的紋理信息形成一幅局部地面紋理地圖；④使用智能車的里程信息減小局部地圖在全局地圖中的搜索匹配范圍，里程信息提供了上一時(shí)刻至當(dāng)前時(shí)刻車輛所經(jīng)過的路程以及轉(zhuǎn)過的角度，以確定當(dāng)前車輛位姿在某一范圍之內(nèi)；⑤然后再將當(dāng)前局部地面紋理地圖與④中所述某一范圍內(nèi)的全局地面紋理地圖進(jìn)行搜索匹配，從而求得智能車在全局環(huán)境中的定位信息。
2. 如權(quán)利要求1中所述的基于地面紋理的智能車視覺全局定位方法，其特 征是，所述步驟①，如果智能車所運(yùn)行的環(huán)境范圍小，由人工來創(chuàng)建全局環(huán)境的 地面紋理地圖；如果環(huán)境范圍大，則使用裝置來輔助建立全局地圖，創(chuàng)建過程包 括基于圖像處理算法的紋理信息提取以及存儲(chǔ)。
3. 如權(quán)利要求1中所述的基于地面紋理的智能車視覺全局定位方法，其特 征是，所述步驟②，上層處理單元為一臺(tái)車載筆記本電腦，攝像頭通過USB數(shù)據(jù) 線與筆記本電腦相連，筆記本電腦中裝有Windows XP操作系統(tǒng)，并且開發(fā)了一 套基于DirectShow的實(shí)時(shí)圖像采集軟件平臺(tái)，利用這一軟件平臺(tái)采集攝像頭攝 取的環(huán)境信息即局部地面圖像，上層處理單元或采用嵌入式系統(tǒng)來實(shí)現(xiàn)。
4. 如權(quán)利要求1中所述的基于地面紋理的智能車視覺全局定位方法，其特 征是，所述步驟③，圖像處理包括四個(gè)步驟第一，提取由奇數(shù)行象素構(gòu)成的子圖像即奇場(chǎng)圖像；第二，采用中值濾波算法対圖像進(jìn)行處理以較小圖像中的噪聲；第三，利用Canny邊緣檢測(cè)算子來提取邊緣點(diǎn)；第四，記錄各邊緣點(diǎn)位置形成一幅局部的地面紋理地圖。
5. 如權(quán)利要求1中所述的基于地面紋理的智能車視覺全局定位方法，其特 征是，所述步驟 ，智能車后輪和前輪處分別設(shè)置有驅(qū)動(dòng)電機(jī)光電編碼器和轉(zhuǎn)向 電機(jī)光電編碼器，分別記錄在某一時(shí)間間隔內(nèi)車輛所運(yùn)行的距離以及轉(zhuǎn)過的角 度，即車輛里程信息；根據(jù)這些里程信息以及車輛在上一時(shí)刻的位姿，并由車輛 的運(yùn)動(dòng)模型推算出車輛在當(dāng)前時(shí)刻的位姿。
6. 如權(quán)利要求1中所述的基于地面紋理的智能車視覺全局定位方法，其特 征是，所述步驟⑤，采用迭代最近點(diǎn)算法來完成地圖匹配過程，存儲(chǔ)于系統(tǒng)中 的全局環(huán)境地面紋理地圖以及當(dāng)前采集的并經(jīng)過圖像處理而得到的局部地面紋 理地圖都抽象為邊緣點(diǎn)集的形式，因此局部地圖與全局地圖的匹配看作是點(diǎn)集 之間的匹配；根據(jù)攝像頭標(biāo)定的結(jié)果以及由里程信息所求得的當(dāng)前車輛位姿可 將局部地圖中的邊緣點(diǎn)映射到全局地圖中，用集合(W—EdgeP)來表示；全局地 圖中所對(duì)應(yīng)的真實(shí)邊緣點(diǎn)集用(True—W—EdgeP)表示，通過迭代最近點(diǎn)算法求解 得到(W—EdgeP)相對(duì)于(True一W—EdgeP}的變換關(guān)系，然后根據(jù)這個(gè)變換關(guān)系來 糾正由里程信息所求得的車輛位姿從而得到十分精確的車輛全局位姿。
全文摘要
一種移動(dòng)機(jī)器人技術(shù)領(lǐng)域的基于地面紋理的智能車視覺全局定位方法。本發(fā)明方法為①建立環(huán)境全局的地面紋理地圖，并存儲(chǔ)于系統(tǒng)中；②通過數(shù)據(jù)線及圖像采集程序?qū)z像頭攝取的圖像信號(hào)傳送至上層處理單元；③上層處理單元進(jìn)行圖像處理，提取圖像中的紋理信息形成一幅局部地面紋理地圖；④使用智能車的里程信息減小局部地圖在全局地圖中的搜索匹配范圍；⑤再將當(dāng)前局部地面紋理地圖與④中確定的范圍內(nèi)的全局地面紋理地圖進(jìn)行搜索匹配。本發(fā)明結(jié)構(gòu)簡(jiǎn)單，成本低，維護(hù)方便。
文檔編號(hào)G01C11/00GK101566471SQ20091013823
公開日2009年10月28日 申請(qǐng)日期2007年1月18日 優(yōu)先權(quán)日2007年1月18日
發(fā)明者輝 方, 明 楊, 楊汝清 申請(qǐng)人:上海交通大學(xué)