基于商用高精地图及单目视觉的车辆高精度定位

车辆在复杂交通场景下的稳定、高精度的定位是自动驾驶中的关键技术，同时也是基于众包方案的高精地图实时更新的基础。目前主流的定位方案依赖高成本激光雷达和组合惯导，其成本是智能汽车商业落地的难点。

近日，超星未来联合创始人、清华大学车辆与运载学院杨殿阁教授与团队成员肖中阳、温拓朴博士及江昆、严瑞东老师在JCR感知领域Q1区期刊SENSORS发表了文章，提出一种基于商用高精度地图及量产车型单目相机即可实现车辆20cm+精度的定位方法，是目前同类研究中公开报道的最高精度。

这项研究是杨殿阁教授课题组高精度定位及地图更新的代表性工作，利用该技术有望为高精度定位算法提供低成本的解决方案。这篇论文也成为同期354篇文章中唯一被选为作为封面的文章。

原文链接：https://www.mdpi.com/1424-8220/20/7/1870

图1

如图1所示，论文定位的原理为：从单目相机中提取定位特征，与轻量化的商用矢量高精度地图进行匹配，通过光束平差进行6-自由度相机位置、姿态的解算，得到相机在绝对地理坐标系下的定位结果。

图2

在该方案中，如图2所示，灯杆、车道线、建筑物边缘、交通指示牌等商用地图中包含的定位特征均可用作为与相机进行匹配定位的特征，算法具有广泛的适用场景。

图3

为进一步提升算法在定位特征极端稀疏场景中的性能，如图3所示，文章基于多视图几何构建相机帧间运动约束，将SLAM的局部定位与地图匹配全局定位进行松耦合。松耦合模块提升了定位算法的整体精度和稳定性，同时使得定位模块输出频率不受视觉检测任务约束，确保定位算法的实时性。

与现有主流地图匹配定位算法相比，文章算法取得当前公开科研成果中的最高精度。另外，其系统方案所使用的地图及传感器为量产智能车的常见配置，具有更好的商业落地前景。

杨殿阁教授所在的自动驾驶实验室一直围绕AI+HD Map，对自动驾驶汽车感知、决策和控制技术进行深入研究，助力智能汽车的商业落地。