14、车辆自我定位与列队行驶技术解析

车辆自我定位与列队行驶技术解析

1 车辆自我定位技术

1.1 背景与挑战

在当今，驾驶辅助系统和自动驾驶系统的发展十分活跃，车辆的自我定位技术是这些系统的关键。虽然全球定位系统（GPS）常用于导航，但普通GPS精度不足，特别是在高楼林立的城市区域误差较大。即便有高精度的实时动态（RTK）GPS，但其价格昂贵且在卫星信号受阻时（如隧道内）效果不佳。此外，车辆行驶方向的纵向定位是一项困难且重要的任务，即使使用多个昂贵传感器进行高精度定位，纵向方向的误差仍然较大。

1.2 基于单目相机和对极几何的定位方法

1.2.1 图像距离度量的定义

利用对极几何定义两个相机位置关系的距离度量。当两个相机的光轴几乎平行时，它们的对极点位置与相机之间的距离密切相关。对极点是一个相机的光学中心在另一个相机坐标系中的位置。通过对极几何关系，可以得到图像中心到对极点的距离 (|e_x|) 与两个相机在行驶方向上的距离 (|q_z|) 的关系为：
[|e_x| = f \frac{|q_x|}{|q_z|}]
其中，(f) 是输入相机的焦距，(|q_x|) 是两个相机在水平方向的距离。由此可知，(|e_x|) 与 (|q_z|) 成反比，即 (\frac{1}{|e_x|}) 与 (|q_z|) 成正比：
[\frac{1}{|e_x|} = \frac{|q_z|}{f |q_x|}]
因此，将 (\frac{1}{|e_x|}) 定义为图像之间的距离度量，通过这个距离度量可以找到数据库中最接近的图像。不过，定位的精度取决于数据库图像的空间间隔。

1.2.2 利用图像距离改进定位