0
点赞
收藏
分享

微信扫一扫

基于HD-MAP的自动驾驶定位技术


0. 前言

最近公司需要实现基于HD-MAP的自动驾驶定位技术,而这方面之前涉及的较少,自动驾驶这部分的定位技术与SLAM类似,但是缺少了建图的工程,使用HD-MAP的形式来实现车辆的定位(个人感觉类似机器人SLAM当中的初始化+回环定位的问题)。下面是我个人的思考与归纳

基于HD-MAP的自动驾驶定位技术_机器学习

1. AVP-SLAM

从​​AVP-SLAM​​自动泊车SLAM中我们发现基础(封闭)的视觉定位模式避不开下面几个步骤

A 首先是IPM( Inverse Perspective Mapping )逆透视变换

基于HD-MAP的自动驾驶定位技术_角点_02


基于HD-MAP的自动驾驶定位技术_自动驾驶_03

B 语义特征提取:使用了CNN网络进行了语义特征的检测[1], U-Net [2]进行分割

C 局部地图的构建:根据之前图像IPM的变换关系,可以将这些语义信息映射到三维空间中,并且根据里程计信息,将这些语义特征不断的变换到全局坐标下。

基于HD-MAP的自动驾驶定位技术_机器学习_04

D 回环检测为了解决里程计的漂移的问题,这里使用了语义特征的局部地图不断的ICP全局地图,不断的局部优化。

E:全局优化,优化的残差为

基于HD-MAP的自动驾驶定位技术_机器学习_05


F 定位:语义地图中的定位。如下图白色、红色和蓝色的圆点是地图上的停车线、减速带、指路标志。绿点是当前的特征。橙色线是估计的轨迹。通过将当前特征与地图匹配来定位车辆。停车位由停车位的角点和停车线拟合自动生成。G 停车位的检测:由于停车线和停车位角点是从IPM图像中检测出来的,因此很容易自动检测停车位。角点用于预测停车点的位置。如果停车线与预测的停车位匹配良好,则该预测被认为是正确的。

基于HD-MAP的自动驾驶定位技术_拟合_06

2. Road-SLAM

…详情请参照​​古月居​​


举报

相关推荐

0 条评论