【技术实现步骤摘要】
无人驾驶任务结果的确定方法、装置及无人驾驶设备
本申请涉及无人驾驶
，特别涉及一种无人驾驶任务结果的确定方法、装置及无人驾驶设备。
技术介绍
在无人驾驶技术中，通常需要确定驾驶任务的结果，从而可以根据驾驶任务的结果执行无人驾驶的决策。其中，定位任务为一种重要的驾驶任务，定位任务为确定无人驾驶设备当前位姿信息的任务。目前来说，定位任务的结果一般是通过对两个图像进行匹配得到的。但是，由于图像的像素数量极大，在进行匹配时，会消耗大量的计算资源，而且，匹配的准确度也比较低，从而降低了定位任务结果的准确度。
技术实现思路
为了解决上述技术问题之一，本申请提供一种无人驾驶任务结果的确定方法、装置及无人驾驶设备。根据本申请实施例的第一方面，提供一种无人驾驶任务结果的确定方法，包括：对采集到的初始数据进行处理，得到目标数据，所述目标数据包括当前时刻对应的第一图像数据和当前时刻的上一时刻对应的第二图像数据；将所述目标数据输入至目标卷积神经网络中，所述目标卷积神经网络包括一个或多个输出层，所述输出层包括定位输出层；确定所述输出层输出的无人驾驶任务的结果；所述结果包括当前的位姿信息，...
【技术保护点】
1.一种无人驾驶任务结果的确定方法，其特征在于，所述方法包括：对采集到的初始数据进行处理，得到目标数据，所述目标数据包括当前时刻对应的第一图像数据和当前时刻的上一时刻对应的第二图像数据；将所述目标数据输入至目标卷积神经网络中，所述目标卷积神经网络包括一个或多个输出层，所述输出层包括定位输出层；确定所述输出层输出的无人驾驶任务的结果；所述结果包括当前的位姿信息，所述当前的位姿信息基于所述第一图像数据和所述第二图像数据确定。
【技术特征摘要】
1.一种无人驾驶任务结果的确定方法，其特征在于，所述方法包括：对采集到的初始数据进行处理，得到目标数据，所述目标数据包括当前时刻对应的第一图像数据和当前时刻的上一时刻对应的第二图像数据；将所述目标数据输入至目标卷积神经网络中，所述目标卷积神经网络包括一个或多个输出层，所述输出层包括定位输出层；确定所述输出层输出的无人驾驶任务的结果；所述结果包括当前的位姿信息，所述当前的位姿信息基于所述第一图像数据和所述第二图像数据确定。2.根据权利要求1所述的方法，其特征在于，所述初始数据包括多个类型的数据；所述对采集到的初始数据进行处理，得到目标数据，包括：将所述初始数据中每个类型的数据转换成一个三阶张量数据，得到多个三阶张量数据；将所述多个三阶张量数据进行合并拼接，得到所述目标数据。3.根据权利要求1所述的方法，其特征在于，通过如下方式基于所述第一图像数据和所述第二图像数据确定当前的位姿信息：确定所述目标卷积神经网络中的定位输出层所对应的多个定位隐藏层；分别提取所述第一图像数据和所述第二图像数据针对每个所述定位隐藏层的图像特征，得到每个所述定位隐藏层对应的两个待匹配图像特征；遍历每个所述定位隐藏层，基于该定位隐藏层对应的待匹配图像特征，执行图像匹配操作，得到该定位隐藏层对应的图像变换矩阵；基于每个所述定位隐藏层对应的图像变换矩阵，确定当前的位姿信息。4.根据权利要求3所述的方法，其特征在于，从首个定位隐藏层开始依次向后遍历每个所述定位隐藏层；针对首个定位隐藏层，通过如下方式执行图像匹配操作：直接利用首个定位隐藏层，对相应的待匹配图像特征进行图像匹配，得到首个定位隐藏层对应的图像变换矩阵；针对非首个定位隐藏层，通过如下方式执行图像匹配操作：将该非首个定位隐藏层之前的定位隐藏层所对应的图像变换矩阵进行叠加；基于叠加后的图像变换矩阵，针对该非首个定位隐藏层对应的待匹配图像特征进行变换，使得该非首个定位隐藏层对应的两个待匹配图像特征之间的差异减小；并利用该非首个定位隐藏层对经过变换的待匹配图像特征进行图像匹配，得到该非首个定位隐藏层对应的图像变换矩阵。5.根据权利要求3所述的方法，其特征在于，所述基于每个所述定位隐藏层对应的图像变换矩阵，确定当前的位姿信息，包括：将每个所述定位隐藏层对应的图像变换矩阵进行叠加，得到目标变换矩阵；基于所述目标变换矩阵以及当前时刻的上一时刻对应的位姿信息，确定当...
【专利技术属性】
技术研发人员：钱德恒，任冬淳，聂琼，申浩，
申请(专利权)人：北京三快在线科技有限公司，
类型：发明
国别省市：北京,11
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。