最为常用的GPS定位精度较低,且存在信号盲区,而视觉里程计、同时定位与制图(Simultaneously Localization and Mapping,SLAM)等先进的视觉定位技术存在计算复杂度高、算法稳定性差等问题。与此同时,道路结构、场景的建设越来越规范化,使得路标的视觉特征、几何结构信息更为丰富,为车辆定位提供了必要的参考条件。本文通过构建高精度地图模型与GPS定位、视觉定位相结合的方法对车辆定位课题展开研究,其主要研究工作如下几方面:(1)提出基于路面路标的高精度地图模型,通过采集路面路标的车载图像、高精度位置信息、几何结构信息等构建。构建过程中,当存在路面路标时,一方面通过测量工具测量路标的几何结构信息,另一方面运用车载摄像机进行图像采集,同时运用GPS接收机、DGPS基站采集该路标的高精度位置信息。因此,每个路标均配有一条高精度位置信息、一帧图像信息(以及从图像提取的视觉特征)及其几何结构信息。(2)提出基于路面路标的多尺度定位方法,定位时先计算最近路标,再计算与该路标的位置关系,结合高精度地图模型三要素,将定位分为基于GPS匹配的初始定位、基于路面标志检测的路标级定位及度量级定位三个不同尺度的定位。首先通过GPS匹配缩小定位范围,其次运用HOG特征与局部特征匹配相结合的方法检测出最近路标,最后利用平面几何约束关系计算车辆与最近路标的位置关系实现度量级定位。实验选取了直行箭头、右转箭头、井盖等路面路标,分别在晴、雨天环境下进行了定位实验,其中在晴天环境下的最大定位误差为16.1cm,平均定位误差为8.4cm,雨天环境下的最大定位误差为23.3cm,平均定位误差为12.2cm。结果表明,本文方法能精确定位车辆,鲁棒性较高。(3)提出基于视觉、GPS与高精度地图模型融合的车辆定位方法,利用视觉定位修正GPS定位结果。首先将车载GPS坐标与地图模型中路标的高精度位置坐标相匹配,得出距离当前待定位车辆最近的参考路标,利用坐标系间的转换关系,计算当前待定位车辆在该参考路标坐标系的平面直角坐标,然后利用路标的几何结构信息计算当前待定位车辆距路标各边的直线距离,克服了点与点之间的非线性约束,使Kalman滤波器保持线性性,最后将GPS、视觉定位结果分别作为Kalman滤波器的预测数据、观测数据。实验选取不同类型路标进行定位实验,以直行箭头为参考时,融合前后的平均定位误差分别为8.313m和0.802m,以右转箭头为参考时,融合前后的平均定位误差分别为8.76m和0.79m。结果表明,本文方法能有效提高车辆定位精度。