王春喜 吳 躍 姜蘇洋 王 強 姜云翔

(1.北京航天計量測試技術(shù)研究所，北京 100076；2.火箭軍駐首都航天機(jī)械有限公司軍事代表室，北京 100076)

1 引 言

目前，車載慣性導(dǎo)航技術(shù)在軍事和民用領(lǐng)域廣泛應(yīng)用，為我國國防事業(yè)建設(shè)和國民經(jīng)濟(jì)發(fā)展做出了重要貢獻(xiàn)。但是，由于慣性器件隨時間漂移導(dǎo)致車載慣性導(dǎo)航設(shè)備定位誤差會隨時間積累而不斷變大，在車輛長時間運行或長距離機(jī)動時，單純慣性導(dǎo)航已無法滿足相關(guān)定位精度的要求，而GPS/北斗等衛(wèi)星導(dǎo)航方式容易受到外界無線電信號的干擾，其可靠性在復(fù)雜電磁環(huán)境下難以滿足要求，針對上述問題，本文基于雙目視覺測量原理，通過對行車路線周邊環(huán)境特征的采集和拾取，提出了一種路網(wǎng)匹配定位方法，并開展了相關(guān)研究工作。

2 路網(wǎng)匹配定位原理

路網(wǎng)匹配定位采用視覺測量原理，如圖1所示，將雙目攝像裝置、高精度GPS安放于車輛頂部，在車輛行駛過程中對道路周邊環(huán)境特征進(jìn)行采集，如道路交通標(biāo)識、橋梁隧道、建筑物等，采集圖像特征時刻記錄高精度GPS給出的位置信息，將圖像特征信息和位置信息配對形成信標(biāo)，每一個信標(biāo)即為一個基準(zhǔn)點，通過對信標(biāo)的測量與存儲，形成一套信標(biāo)基準(zhǔn)數(shù)據(jù)庫。后期車輛導(dǎo)航過程中，不再依賴GPS，通過車載雙目攝像裝置采集路邊環(huán)境特征，匹配基準(zhǔn)數(shù)據(jù)庫的信標(biāo)，即可得到準(zhǔn)確的車輛位置信息，進(jìn)而完成車輛定位。

路網(wǎng)匹配定位方法實現(xiàn)主要分為數(shù)據(jù)采集制備、實時匹配定位兩個階段：

a)數(shù)據(jù)采集制備階段生成包含信標(biāo)特征與位置信息的基準(zhǔn)數(shù)據(jù)庫；

1-車載慣性導(dǎo)航設(shè)備；2-數(shù)據(jù)存儲及解算裝置；3-高精度GPS(在信標(biāo)采集存儲階段使用)；4-車載雙目攝像裝置；5-道路路標(biāo)；6-橋梁、隧道、建筑物等其它自然標(biāo)識圖1 路網(wǎng)匹配定位組成示意圖Fig.1 Map of road-matching location

b)實時匹配定位階段實現(xiàn)信標(biāo)檢測識別、基準(zhǔn)位置提取、相對位置計算、全局位置生成等功能，最終計算出車輛的位置信息。

系統(tǒng)設(shè)計原理如圖2所示。

圖2 路網(wǎng)匹配定位設(shè)計原理圖Fig.2 Schematic diagram of road-matching location

3 路網(wǎng)匹配定位的關(guān)鍵技術(shù)

3.1 基于路標(biāo)的識別與定位技術(shù)

基于路標(biāo)的識別與定位技術(shù)是路網(wǎng)匹配定位的核心部分，原因在于道路周邊的交通路標(biāo)多且容易識別，通過車載攝像頭對路標(biāo)進(jìn)行識別定位，從而獲取載車精確的地理位置信息?；鶞?zhǔn)數(shù)據(jù)庫是一套存儲相應(yīng)路標(biāo)及基準(zhǔn)位置信息的數(shù)據(jù)庫，需要前期進(jìn)行相關(guān)信息的采集和存儲。

3.1.1 數(shù)據(jù)采集與編譯

數(shù)據(jù)采集與編譯工作流程如圖3所示。

圖3 數(shù)據(jù)采集與編譯流程Fig.3 Data acquisition and compilation process

數(shù)據(jù)采集模式下，需要對視頻圖像序列進(jìn)行路標(biāo)特征檢測，如果被檢測認(rèn)定為屬于路標(biāo)特征，則對該特征區(qū)域進(jìn)行提取，構(gòu)成路標(biāo)基準(zhǔn)圖像，同時對該路標(biāo)特征進(jìn)行分類處理，即記錄路標(biāo)特征的形狀、顏色等類別信息。路標(biāo)基準(zhǔn)圖像與其對應(yīng)的地理坐標(biāo)信息存儲在基準(zhǔn)數(shù)據(jù)庫中。

數(shù)據(jù)編譯主要完成以下操作：

a)提取路標(biāo)圖像進(jìn)行歸一化處理，作為路標(biāo)基準(zhǔn)圖像；

b)利用雙目視覺原理計算載體在采樣時刻與基準(zhǔn)路標(biāo)的相對物理距離；

c)通過同步采集的高精度GPS數(shù)據(jù)，計算基準(zhǔn)路標(biāo)的實際地理位置信息；

d)將獲取的基準(zhǔn)路標(biāo)圖像與相應(yīng)的地理坐標(biāo)組合成特征數(shù)據(jù)對，存儲在掛接于路網(wǎng)數(shù)據(jù)段的路標(biāo)數(shù)據(jù)集中。

數(shù)據(jù)庫的設(shè)計須考慮基準(zhǔn)數(shù)據(jù)存儲的靈活性、兼容性、獨立性以及數(shù)據(jù)讀取性能等因素，選用SQLite作為數(shù)據(jù)存儲系統(tǒng)。

SQLite 是一個開源的嵌入式關(guān)系數(shù)據(jù)庫，實現(xiàn)自包容、零配置、支持事務(wù)的SQL數(shù)據(jù)庫引擎。其特點是高度便攜、使用方便、結(jié)構(gòu)緊湊、高效、可靠。與其他數(shù)據(jù)庫管理系統(tǒng)不同，SQLite 的安裝和運行非常簡單，在大多數(shù)情況下只要確保SQLite的二進(jìn)制文件存在即可開始創(chuàng)建、連接和使用數(shù)據(jù)庫。

當(dāng)路標(biāo)數(shù)據(jù)集過大時會影響匹配定位系統(tǒng)的查詢性能，從而影響系統(tǒng)的精度與實時性。為此，基準(zhǔn)數(shù)據(jù)的存儲需遵循以下規(guī)則進(jìn)行優(yōu)化：

a)對地理區(qū)域進(jìn)行劃分處理，即劃定數(shù)據(jù)存儲范圍，依據(jù)車輛特定行駛區(qū)域等分類方法將數(shù)據(jù)進(jìn)行區(qū)域級存儲。該方法在保證數(shù)據(jù)獨立、完整的同時，可極大地減少存儲量，并提高了數(shù)據(jù)內(nèi)容的安全性；

b)對于長路段，可依據(jù)岔路口等交叉點信息，將單一路段打斷為多個路段，從而提高路徑幾何與屬性(包含路標(biāo)數(shù)據(jù)集)的訪問速度；

c)路標(biāo)數(shù)據(jù)需做歸一化處理，便于存儲及后續(xù)匹配識別流程的使用；

d)為路段及路標(biāo)基準(zhǔn)建立空間樹索引，以提高查詢訪問的效率。

3.1.2 路標(biāo)的檢測、識別與定位

路標(biāo)識別與定位目的為通過識別路標(biāo)，獲取對應(yīng)的地理位置信息。

系統(tǒng)首先依據(jù)慣性導(dǎo)航系統(tǒng)輸入的位置、定位精度等數(shù)據(jù)，劃定適當(dāng)?shù)乃阉鲄^(qū)域，取得鄰近特征集合；在實時場景影像中檢測到路標(biāo)特征后，將該特征與鄰近特征集合中的基準(zhǔn)路標(biāo)圖像作匹配識別；匹配成功后，獲取路標(biāo)基準(zhǔn)對應(yīng)的地理坐標(biāo)，并利用雙目視覺原理計算得到采樣時刻載體的實際地理位置信息。

路標(biāo)檢測是數(shù)據(jù)采集及匹配識別的基礎(chǔ)，其檢測效率直接影響系統(tǒng)的精確度與實時性，是系統(tǒng)中較重要的環(huán)節(jié)，為滿足實時性應(yīng)用要求，優(yōu)化該過程如下：

a)使用金字塔掃描，從圖像中提取48*48的圖像；

b)提取圖像的MCT特征，如圖4所示；

c)使用基于GPU的SVM分類器，對圖像分類：圓形路牌、三角路牌、非路牌，如圖5所示；

d)對圓形路牌、三角路牌進(jìn)行預(yù)處理，生成4種預(yù)處理圖像：圖像調(diào)整、直方圖均衡、自適應(yīng)直方圖均衡和對比度歸一化；

e)對每種類型的預(yù)處理圖像生成5種深度神經(jīng)網(wǎng)絡(luò)，一個20列深度神經(jīng)網(wǎng)絡(luò)；

f)根據(jù)20列神經(jīng)網(wǎng)絡(luò)做決策輸出，判定交通路牌類別；

g)提取圖像。

圖4 圖像的MCT特征提取Fig.4 MCT feature extraction of image

圖5 基于SVM的交通標(biāo)志檢測流程Fig.5 Traffic sign detection process based on SVM

3.2 基于自然信標(biāo)的3D定位技術(shù)

為提高系統(tǒng)的可用性，在不具備常規(guī)交通設(shè)施標(biāo)識等強特征信標(biāo)時，需補充其他識別特征，以增強系統(tǒng)定位數(shù)據(jù)的覆蓋率。該類識別物可以是橋梁、隧道、建筑物等，采用基于3D配準(zhǔn)的定位方法實現(xiàn)系統(tǒng)的定位結(jié)果輸出。

3D配準(zhǔn)數(shù)據(jù)可由雙目攝像機(jī)采集計算生成。其完整的識別定位過程分為以下三個部分。

3.2.1 自然信標(biāo)HOG特征庫的生成

a)拍攝全序列圖像；

b)輸入自然信標(biāo)種子圖像；

c)訓(xùn)練自然信標(biāo)HOG特征；

d)機(jī)器學(xué)習(xí)，生成自然信標(biāo)HOG特征集。

3.2.2 數(shù)據(jù)采集與編譯

a)雙目相機(jī)獲取圖像；

b)檢查HOG特征，如果是自然信標(biāo)繼續(xù)；否則跳轉(zhuǎn)到a)；

c)雙目相機(jī)提取自然信標(biāo)粗略位置；

d)采集點云數(shù)據(jù)；

e)融合位置信息。

3.2.3 特征匹配與計算

a)雙目相機(jī)讀取圖像序列；

b)讀取位置參考信息，判斷一定范圍內(nèi)是否存在自然信標(biāo)基準(zhǔn)數(shù)據(jù)；

c)實時獲得3D點云信息；

d)讀取一定范圍自然信標(biāo)3D點云基準(zhǔn)數(shù)據(jù)；

e)做ICP配準(zhǔn)，匹配所有點云信息，如果失敗轉(zhuǎn)入a)，否則繼續(xù)；

f)返回全局定位信息。

4 試驗驗證

按照本文所述方法，項目團(tuán)隊實際設(shè)計、生產(chǎn)一套路網(wǎng)匹配定位裝置，并進(jìn)行了實際跑車測試，如圖6所示。該系統(tǒng)實現(xiàn)了下述功能：

a)由布設(shè)的車載雙目攝像裝置采集影像序列，通過與基準(zhǔn)影像的匹配，獲取了當(dāng)前的地理位置信息；

b)匹配定位成功后，除給出位置信息外，還可給出采樣時刻對應(yīng)的慣性導(dǎo)航定位誤差，以及識別匹配的置信度、定位誤差結(jié)果的精度；

c)具備基準(zhǔn)數(shù)據(jù)的自動采集功能，該基準(zhǔn)數(shù)據(jù)包含用于匹配定位的標(biāo)準(zhǔn)圖像數(shù)據(jù)和與之對應(yīng)的地理位置信息，其中，圖像數(shù)據(jù)由車載攝像裝置采集，地理位置信息由高精度GPS采集；

d)系統(tǒng)具有良好的人機(jī)交互界面，通過可視化，用戶能及時獲取在數(shù)據(jù)采集、匹配定位、實驗驗證等過程中的系統(tǒng)運行狀態(tài)；通過直觀的圖形化展示，用戶可更深入地了解路網(wǎng)匹配定位方法的內(nèi)部工作細(xì)節(jié)，有利于進(jìn)一步開展算法分析、精度實驗等工作；

e)系統(tǒng)具有良好的日志及數(shù)據(jù)記錄功能，便于對記錄的歷史信息進(jìn)行回放及對實驗過程的跟蹤調(diào)試。

圖6 路網(wǎng)匹配定位裝置及跑車測試Fig.6 Road-matching positioning device and testing

本文設(shè)計的路網(wǎng)匹配定位裝置單次數(shù)據(jù)采集持續(xù)時間可超過10h，單次采集原始數(shù)據(jù)量約260G；利用采集形成的基準(zhǔn)數(shù)據(jù)庫和車載攝像裝置進(jìn)行位置導(dǎo)航，經(jīng)與差分GPS的動態(tài)定位數(shù)據(jù)比對，在車速80km/h的情況下，該系統(tǒng)的定位誤差小于5m，視覺匹配定位匹配時間小于600ms，匹配概率大于90%。

5 結(jié)束語

為解決車載慣性導(dǎo)航設(shè)備長時間運行定位精度變差的問題，本文提出了基于雙目視覺測量原理的路網(wǎng)匹配定位方法，建立道路交通標(biāo)識、橋梁、隧

道、建筑物等自然標(biāo)識與其準(zhǔn)確位置信息配對的基準(zhǔn)數(shù)據(jù)庫，通過車載攝像裝置采集道路環(huán)境特征并與基準(zhǔn)數(shù)據(jù)庫存儲的先驗信息匹配，進(jìn)而實現(xiàn)對載車的準(zhǔn)確定位。經(jīng)實際跑車試驗驗證，本文提出的路網(wǎng)匹配定位方法合理可行，具有工程可實現(xiàn)性，可作為車載慣性導(dǎo)航的輔助手段，提高車輛的綜合導(dǎo)航定位精度。