无人驾驶汽车作为近几年的热门话题，在国内外引起广泛的关注。谷歌、百度等使用三维激光雷达实现无人驾驶，但目前三维激光雷达量产化难度较大，且成本过高，不适合大量商用。相比而言，使用相机的方案成本较低，更受到青睐。特斯拉、英特尔和一些创业公司通过在后视镜处安装相机观测前方道路实现无人驾驶，但大多停留在车道保持阶段，即保持无人车沿着当前车道行驶。为了实现更智能的无人驾驶，车道级精度的定位是其关键技术之一，而GPS定位方法往往达不到精度需求。因此，使用相机的视觉定位解决方案是目前无人驾驶的关键。

通常的视觉定位方案使用图像特征点的匹配跟踪进行定位求解，并通过同时创建特征地图来减少累计误差（例如Orb-SLAM）。然而，针对城市道路环境，当交通较为拥堵时，特征点的匹配受到周围车辆的严重干扰，增加定位误差，甚至导致完全失效。

相比于特征点，车道等结构化道路信息起到更重要作用。在相机的可视范围内，纵向、横向以及竖直方向等三个朝向的线段可构造出局部的道路结构，可依此稳定的估计车体的相对旋转，为有效地定位自身车辆与道路的关系提供重要线索。

本文融合场景中的三垂线和点特征构建道路结构特征，并提出一个道路结构特征的单目视觉定位算法。在北京市区的典型路口，路段，街道等场所进行测试，证明本文在结构化道路场景定位中的有效性。

引用格式：俞毓锋, 赵卉菁, 崔锦实, 査红彬. 基于道路结构特征的智能车单目视觉定位. 自动化学报, 2017, 43(5): 725-734

链接：http://html.rhhz.net/ZDHXBZWB/html/2017-5-725.htm

作者简介：

俞毓锋 北京大学信息科学技术学院博士研究生。主要研究方向为智能车与计算机视觉。E-mail:yuyufeng@pku.edu.cn

赵卉菁 北京大学机器感知与智能教育部重点实验室研究员。主要研究方向为智能车, 机器感知与移动机器人。本文通信作者。E-mail: zhaohj@cis.pku.edu.cn

崔锦实 北京大学机器感知与智能教育部重点实验室副教授。主要研究方向为计算机视觉与智能系统。E-mail: cjs@cis.pku.edu.cn

查红彬 北京大学机器感知与智能教育部重点实验室教授。主要研究方向为计算机视觉，智能人机交互。E-mail: zha@cis.pku.edu.cn