近十年来,汽车智能驾驶技术迅速发展,车辆自主定位作为汽车智能驾驶的基础,已成为该领域的关键技术。随着计算机视觉和图像处理/识别技术的快速发展,基于视觉的车辆自定位逐渐成为该领域的研究热点,同时快速准确的视觉定位技术也在机器人自主导航、虚拟车流现场模拟和混合虚拟现实等领域有广泛应用前景。目前城市发展速度不断加快,城市规模不断扩大,道路环境愈加错综复杂,复杂道路环境下的车辆自定位对智能驾驶技术提出了更高的要求。车辆在复杂交通路口的精准自我定位、车道识别和车辆姿态估计对车辆智能驾驶意义重大。使用单一的传感器,如传统的GPS或惯性测量单元(IMU),其定位精度无法满足智能驾驶的要求,而多传感器级联系统对道路拥堵较为敏感,定位精度随累积误差的增加而不断下降。本文着眼于城市复杂道路环境,研究提出一种基于道路标识牌的车载单目相机位姿估计方法,实现简捷高效的车辆位姿估计,与多传感器级联系统结合,在其他系统精度下降时,为自动驾驶提供另一种稳定可靠的定位来源和数据参考。道路标识牌作为城市道路的固有设施,常见于道路的两侧上方,用来提示道路信息和车道导向信息,其分布广泛、颜色醒目、形状固定(矩形),便于通过视觉方法进行检测和识别。首先构建一个简易数据库,以标识牌的精确地理位置为索引,包含标识牌的长宽尺寸以及标识牌附近的车道数量、宽度和走向等数据信息。其次通过车载单目相机采集到含有道路标识牌的视频图像,分割提取道路标识牌,提出通过边缘直线检测和拟合的方法精确提取标识牌的四个顶点。然后计算平面单应性矩阵,解算得到车载相机在道路标识牌坐标系下的位置和姿态参数,最后将实验数据与真实测算数据进行对比。实验结果表明,本文方法能够在不同车速及光变环境下准确检测到标识牌,标识牌顶点坐标误差小于3个像素,在距离标识牌100米以内,姿态误差小于1°,定位误差小于1米,可以达到车道级定位精度,通过与北斗高精度定位系统L202的对比,本文方法能够更精确地确定车辆所行驶的车道。论文首先介绍了车辆自定位的课题背景及国内外研究现状,阐述了研究内容和算法流程,然后叙述了图像预处理方法,提出了基于Hough变换的控制点精确提取算法,推导了由平面单应性矩阵解算车辆位姿参数的方法,最后是实验分析与讨论。