技术领域
[0001] 本实用新型涉及的是一种自动驾驶技术领域的定位系统，特别是一种带有环视系统的基于视觉语义分割技术的车辆实时定位系统。
相关背景技术
[0002] 自主泊车系统是一种用于解决车辆从停车场入口到停车位之间的车辆自动驾驶的问题，在level4的限定场景中完全无人驾驶系统。该系统通过车载运算单元以及车载的传感器实现对于环境的感知、路径避障、车位搜寻以及车位泊入等全自动功能。同时，为了实现停车场范围内的自主巡航，自主泊车系统需要一套停车场的高精地图，以及相应的实时定位系统。自主泊车中的实时定位系统一般采用车载传感器，如环视相机、前视相机、毫米波雷达等，通过传感器提取的信息跟高精地图进行比对，实现对于车辆在高精地图中的定位。在这过程中，基于毫米波/视觉SLAM定位技术或基于高精度地图+语义目标检测的视觉定位是常见的解决方法。然而，毫米波定位法容易在车身周围产生无法感知的盲区、视觉语义目标检测在目标离车辆距离很近时难以正常工作，因此这些方法无法应用于道路狭窄的场景，如地下车库的上下坡入口或狭窄的过道当中。
具体实施方式
[0014] 下面结合附图对本实用新型的实施例作详细说明，本实施例以本实用新型技术方案为前提，给出了详细的实施方式和具体的操作过程，但本实用新型的保护范围不限于下述的实施例。
[0015] 实施例
[0016] 具体实施例图1至图2所示，本实用新型包括车身1、后视镜2、环视摄像装置3、前视摄像装置4、后视摄像装置5、LVDS线6、控制器7，后视镜2安装在车身1两侧前端，环视摄像装3置为四个，前视摄像装置4、后视摄像装置5、控制器7均为一个；环视摄像装置3分别安装在车头、车尾端，以及车身的两侧端；前视摄像装置4安装在前挡风玻璃上向前看，后视摄像装置5安装在后挡风玻璃上向后看；控制器7安装在车身1内，环视摄像装置3、前视摄像装置4、后视摄像装置5均通过LVDS线6与控制器7相连接；环视摄像装置3的安装高度大于70cm，安装在车头的环视摄像装置3向下倾角为20度至30度，安装在车尾的环视摄像装置3向下倾角为25度至35度，安装在车身的两侧环视摄像装置3与车身垂直安装；前视摄像装置4、后视摄像装置5在前后挡风玻璃上均平视安装；环视摄像装置的分辨率为1920*1080的2K，所述前视摄像装置、后视摄像装置的分辨率为3840*1960的4K；环视摄像装置3沿车身1对称安装，车头车尾端的环视摄像装置3分别安装在车头车尾端的中间位置；前视摄像装置4、后视摄像装置5也分别安装在前后挡风玻璃的中间位置；环视摄像装置3的突出量大于1mm；环视摄像装置3由摄像头本体8、摄像头支架9、螺丝10、摄像头线束11组成，摄像头线束11和LVDS线
6连接在一起。
[0017] 本实用新型实施例的定位方案流程图如图3所示，相关说明如下：
[0018] 1)标定相机
[0019] 为了获得准确的拼接效果并获得图像中物体与车辆的位置关系，需要标定环视相机、前视相机、后视相机的内外参。
[0020] 2)训练语义分割模型
[0021] 通过设计基于全景拼接图像与深度学习算法的语义分割网络，采集数据进行训练。网络输出包括但不限于以下语义信息：
[0022] 立柱、墙面、路面、轮档、斑马线、减速带、道路箭头、停车位、车道线等[0023] 3)实时采集相机图像
[0024] 通过搭载在车上的前视摄像装置4、后视摄像装置5以及四个环视摄像装置3采集图像，输入到控制系统。
[0025] 4)拼接全景俯视图
[0026] 输入相机参数与相机图像，输出全景拼接俯视图。
[0027] 5)语义分割算法
[0028] 输入拼接图像，通过建立的语义分割模型，输出语义分割结果。
[0029] 6)提取语义与形状信息
[0030] 语义分割结果为单个通道的图像，语义类型通过像素值反映。将原始的像素数据按照类型进行聚类并提取目标边缘轮廓，形成多个语义目标块。
[0031] 7)地图比对，定位滤波算法
[0032] 通过建立基于不规则形状语义特征的测量模型，通过定位滤波算法跟地图上的信息作对比，即可以迭代优化自车在地图中的位置，完成准确定位。
[0033] 通过以上步骤实现的语义定位，针对语义分割能检测到的目标物，可以在复杂狭窄场景中实现对于自身在地图坐标系下的定位。
[0034] 以上对本实用新型的具体实施例进行了描述。需要理解的是，本实用新型并不局限于上述特定实施方式，本领域技术人员可以在权利要求的范围内做出各种变形或修改，这并不影响本实用新型的实质内容。
