Schreiber, Markus, Carsten Knoppel, and Uwe Franke. “LaneLoc: Lane Marking Based Localization Using Highly Accurate Maps.” In 2013 IEEE Intelligent Vehicles Symposium (IV), 449–54. Gold Coast City, Australia: IEEE, 2013. https://doi.org/10.1109/IVS.2013.6629509.
Abstract
作者利用双目立体相机系统和包含路沿与道路标志的先验高精度地图实现车辆定位。定位过程中，GNSS 位置只是用来进行初始化，后续的定位解算不需要GNSS。作者在长约50 km的郊区道路进行测试，最终的定位精度在分米级。
2 Mapping
制图过程如下所示：
利用各个传感器采集到的数据制作鸟瞰视角地图，如下图所示：
3 Online Localization
作者的定位系统选择一个前向的立体相机系统以及一个IMU，如下图所示，其中GNSS 模块进行初始化。
作者使用基于Kalman 滤波器的定位模型。
3.1 Localization Model
观测模型表示：所有测量点 $\vec{P}_{e,i}’$ 的预期位置（依赖于状态向量的方程${h}(\vec{x}_{veh})$ ）和所有观测值 $\vec{P}_{m,i}$ （表示为 $\vec{y}$ ）在汽车坐标系下的残差：
观测噪声的方差包含：
- 地图数据噪声 $\sigma_{map}^2$ ;
- back-projection 噪声 $\sigma_{cam}^2$ ，取决于相机高度和路的朝向。
作者在实验过程中分别假设：$\sigma_{map}^2 = 10 cm$ ，$\sigma_{cam}^2 = 3 px$ 。观测噪声表示为一个取决于残差的概率函数。
3.2 Map Matching
用来定位的高精度地图包含表示路标和路沿的线段，而观测数据包含点；地图匹配的目标是实现测量点与线段之间的最佳可能匹配，必须满足横向和纵向匹配残差的最小化方可实现最佳匹配，因此，作者选择对地图上的线段采样为地图点进行匹配，如Fig. 8所示。
3.3 Measurement Extraction
3.3.1 Lane Marking Measurement
作者使用一个定向匹配滤波器 oriented matched filter（在普通车道线检测系统中得到了成功应用）来检测车道线。
为了检测车道线，利用当前位姿估计将地图投影到图片中，并将搜索线置于预期的车道线周围，定向匹配滤波器会在这些搜索线中根据图片中测量的路标识别出一个low-high-low灰度值模式，利用立体相机提供的深度信息，这些被探测到的位置会投影至道路平面上来决定在汽车坐标系中所需的观测值（即残差 $\vec{r}’$ ）。
由于该投影过程对于汽车的俯仰角非常敏感，所以作者使用一个基于V-Diaparity 方法的俯仰角估计器来解决该问题。
3.3.2 Curb Measurement
作者使用一个基于强度图片 intensity image 和高度信息的基于分类器的识别来进行路沿探测，得到路沿在图片中的位置以及存在的概率参数。
