随着科技的进步,自动驾驶技术也得到了极大的发展,定位是自动驾驶中的核心技术。传统自动驾驶定位分为基于信号的定位,如GPS、基站定位等;基于地图的定位,如依赖高精度3D点云地图,采用激光雷达点云配准的定位方式。其中,普通GPS设备精度低,采用RTK技术的GPS设备精度高但是硬件成本高并且定位精度依赖信号,即在高楼、隧道等遮挡物存在时,并不适用。激光雷达成本过高,自动驾驶原型车辆中,仅激光雷达成本就超过整车成本一半。地图方面,高精度3D点云地图成本高,数据量大,计算资源要求高,并且更新频率低。认知地图是采用人类认知原理设计的一种自动驾驶地图,具有数据量小,计算资源需求低,更新频率高并且具有相对高的精度等优点,并且由于认知地图设计仅依赖视觉传感器,成本低。认知地图由道路层、车道层、语义层以及动态信息层组成。现有基于三路标牌的定位方法对道路环境要求苛刻,很难在一帧图像中同时观测到三路标牌;仅能在观测到路标牌时获得定位,无法全程获得车辆位置信息;并且仅利用路标牌参考,未充分利用认知地图语义信息。针对以上问题,本文提出了面向认知地图视觉融合定位方法,融合车道线、路标牌与视觉里程计的定位结果,最终得到全局稠密的自动驾驶定位结果。具有如下优点:认知地图信息利用充分,路标牌、车道线都可以作为定位参考路标;道路环境要求低,单路标加车道线即可定位。本文主要贡献如下:提出面向自动驾驶的纯视觉单目车道线定位模型,假设道路是平面,预先标定道路平面参数,结合车道线感知算法,能够在单目情况下给出车辆相机坐标系相对车道线的位置关系,获得车辆相对当前车道的定位。提出车道线与单路标的车辆全局定位方法,车道线定位结果确定车辆相对车道线的横向位置,单路标观测获得车辆纵向位置,从而获得完整的、全局的车辆位姿。视觉里程计能够推断不同帧之间的相对位置,是对无语义路标时的定位补充。通过查询认知地图,考虑车道线位置关系约束,路标全局定位约束,以及视觉里程计相对位置关系约束,融合优化,可以获得车辆全局稠密的定位结果。本文设计了一套面向认知地图的自动驾驶定位算法,区别于传统自动驾驶定位算法,采用纯视觉传感器,充分利用环境语义信息,能够获得带尺度的全局位置结果,是自动驾驶定位算法的一种创新探索,为自动驾驶技术的演进提供了另一种方向。