基于语义似然与高精度地图匹配的智能车辆同时定位与检测

TP242.6; 车载传感器数据与高精度地图的精确匹配是提升智能车辆感知与定位的关键.提出基于语义似然模型(SLM)的高精度地图匹配新算法,实现智能车辆同时定位与目标检测任务.首先通过U-Net提取路面语义目标,利用核密度估计建立SLM.基于粒子滤波框架,利用位姿变换将高精度地图上目标抽样点映射至SLM中,计算该抽样点与传感器数据的匹配程度对每个粒子的权重更新,实现智能车辆的高精度定位.最后利用定位结果完成地图上的要素目标到图像的映射,实现目标的精准检测.利用在校园道路与城市道路环境下采集的数据对所提算法进行验证,实验结果表明,算法的平均定位误差约为14 cm,路面路标检测结果平均交并比(MI...

Full description

Saved in:
Bibliographic Details
Published in上海交通大学学报 Vol. 58; no. 10; pp. 1618 - 1628
Main Authors 赖国良, 胡钊政, 周哲, 万金杰, 任靖渊
Format Journal Article
LanguageChinese
Published 武汉理工大学重庆研究院,重庆 401120 28.10.2024
武汉理工大学信息工程学院,武汉 430070
武汉理工大学智能交通系统研究中心,武汉 430063%武汉理工大学智能交通系统研究中心,武汉 430063
Subjects
语义似然模型
高精度地图
智能车辆定位
intelligent vehicle localization
粒子滤波
semantic likelihood model(SLM)
particle filter
high-definition(HD)map
Online AccessGet full text
ISSN1006-2467
DOI10.16183/j.cnki.jsjtu.2023.086

Cover

More Information
Summary:TP242.6; 车载传感器数据与高精度地图的精确匹配是提升智能车辆感知与定位的关键.提出基于语义似然模型(SLM)的高精度地图匹配新算法,实现智能车辆同时定位与目标检测任务.首先通过U-Net提取路面语义目标,利用核密度估计建立SLM.基于粒子滤波框架,利用位姿变换将高精度地图上目标抽样点映射至SLM中,计算该抽样点与传感器数据的匹配程度对每个粒子的权重更新,实现智能车辆的高精度定位.最后利用定位结果完成地图上的要素目标到图像的映射,实现目标的精准检测.利用在校园道路与城市道路环境下采集的数据对所提算法进行验证,实验结果表明,算法的平均定位误差约为14 cm,路面路标检测结果平均交并比(MIoU)均大于80.较之深度神经网络等当前最佳(SOTA)的检测方法,所提算法引入高精度地图的先验信息可显著提升智能车辆定位与目标检测性能.
ISSN:1006-2467
DOI:10.16183/j.cnki.jsjtu.2023.086