广告

DAGM GCPR 2020模式识别303 - 315页|引用作为

用于可靠车辆定位的星座码书

会议论文
  • 368下载
的一部分计算机科学课堂讲稿图书系列(LNCS, 12544卷)

摘要

安全的基于特征的车辆定位要求检测到的定位标志与映射的定位标志之间正确可靠的关联。不正确的特征关联会导致错误的位置估计和车辆定位的风险完整性。根据可用的定位标志的数量和种类,由于各种歧义,只有有限的保证正确的数据关联。

本文提出了一种新的基于特征的车辆定位数据关联方法,该方法依赖于定位特征的独特几何模式的提取和利用。在预处理步骤中,搜索地图中由定位地标形成的独特模式。这些都存储在一个所谓的电报密码本,然后在线用于数据关联。通过对给定地图区域内唯一的星座进行预先确定,可以在一定的传感器故障假设条件下在线保证数据关联的可靠性。

该方法在一张包含从激光雷达数据中提取的圆柱形目标的地图上进行了演示。使用各种码本对大约10分钟的本地化驱动器进行评估,证明了该方法的可行性和局限性。

关键字

车辆定位 几何哈希 数据协会

参考文献

  1. 1.
    Alsayed, Z., Bresson, G., Verroust-Blondet, A., Nashashibi, F.:基于激光的SLAM在城市和城市周边环境中的故障检测。见:2017 IEEE第二十届智能交通系统国际会议(ITSC),第1-7页(2017)谷歌学者
  2. 2.
    关键词:特征群匹配,外观定位,特征群匹配见:2008 IEEE/RSJ国际会议智能机器人与系统(IROS), pp. 3933-3938 (2008)谷歌学者
  3. 3.
    一种用于刚性运动下近似局部点集模式匹配的简单算法。见:Rahman, m.s., Fujita, S.(编著)WALCOM 2010。LNCS,第5942卷,第102-112页。beplay登入施普林格,海德堡(2010)。https://doi.org/10.1007/978-3-642-11440-3_10 CrossRef谷歌学者
  4. 4.
    Brenner, C:使用当地极点模式的车辆全球本地化。见:登茨勒,J., Notni, G., Süße, H.(编著)DAGM 2009。LNCS,第5748卷,第61-70页。beplay登入施普林格,海德堡(2009)。https://doi.org/10.1007/978-3-642-03798-6_7 CrossRef谷歌学者
  5. 5.
    Hofstetter, I., Sprunk, M., Ries, F., Haueis, M.:使用几何散列方法的基于特征的车辆定位的可靠数据关联。见:2020年IEEE机器人与自动化国际会议。IEEE (2020)谷歌学者
  6. 6.
    Hofstetter, I., Sprunk, M., Schuster, F., Ries, F., Haueis, M.:基于特征的车辆定位中的歧义及其在地图中的先验检测。见:2019 IEEE智能汽车研讨会(IV), pp. 1192-1198。IEEE (2019)谷歌学者
  7. 7.
    Kümmerle, J., Sons, M., Poggenhans, F., Lauer, M., Stiller, C.:基于基本几何基元的道路精确高效自定位。见:2019年机器人与自动化国际会议(ICRA),第5965-5971页。IEEE (2019)谷歌学者
  8. 8.
    Lamdan, Y., Wolfson, H.J.:几何哈希:一种通用且有效的基于模型的识别方案(1988)谷歌学者
  9. 9.
    用于移动机器人定位的图像指纹序列的提取与匹配。见:2020 IEEE机器人与自动化国际会议(ICRA),第2卷,1609-1614页。IEEE (2001)谷歌学者
  10. 10.
    Lavoué, G.:组合词袋描述符用于鲁棒的部分形状检索。粘度第一版。28(9), 931 - 942 (2012)CrossRef谷歌学者
  11. 11.
    Poggenhans, F., Salscheider, no . o ., Stiller, C.:高精度城市区域路线图的精确定位。见:2018 IEEE/RSJ国际智能机器人与系统会议,pp. 2167-2174 (2018)谷歌学者
  12. 12.
    Rigoutsos I:大规模并行贝叶斯对象识别。纽约大学计算机科学系,技术报告(1992)谷歌学者
  13. 13.
    icp算法的有效变体。见:第三届三维数字成像与建模国际会议论文集,第145-152页。IEEE (2001)谷歌学者
  14. 14.
    Schlichting, A., Brenner, C.:使用汽车激光扫描仪和局部模式匹配定位。见:2014 IEEE智能汽车研讨会论文集,第414-419页。IEEE (2014)谷歌学者
  15. 15.
    Schreiber, M., Knöppel, C., Franke, U.: Laneloc:基于车道标记的定位使用高度精确的地图。见:IEEE智能汽车研讨会(IV), pp. 449-454 (2013)谷歌学者
  16. 16.
    舒斯特,F., Keller, C.G., Rapp, M., Haueis, M., Curio, C.:基于Landmark的雷达SLAM的图优化。见:2016 IEEE第十九届智能交通系统国际会议(ITSC),第2559-2564页(2016)谷歌学者
  17. 17.
    孙,M.,劳尔,M.,凯勒,c.g.,斯蒂勒,C.:环绕视图的映射和定位。见:IEEE智能汽车研讨会(IV), pp. 1158-1163 (2017)谷歌学者
  18. 18.
    助教ş,o .Ş。, Salscheider, no . o .,等:让bertha合作团队annieways进入2016年大合作驾驶挑战。IEEE反式。智能。反式。系统。19(4), 1262 - 1276 (2017)CrossRef谷歌学者
  19. 19.
    几何哈希:综述。IEEE第一版。科学。Eng。4(4)、10-21 (1997)CrossRef谷歌学者
  20. 20.
    袁静,吴勇,杨敏:视觉搭配模式的发现:从视觉词到视觉短语。见:2007 IEEE计算机视觉与模式识别会议,第1-8页。IEEE (2007)谷歌学者
  21. 21.
    用于车载导航地图自动完整性监测的序列FDIA。IEEE反式。智能。透明。系统。17(1), 143 - 155 (2016)CrossRef谷歌学者

版权信息

©施beplay登入普林格Nature Switzerland AG 2021年

作者和联系

  1. 1.梅赛德斯-奔驰公司Sindelfingen德国

个性化推荐