一种基于视觉感知的车辆定位方法及电子设备技术

一种基于视觉感知的车辆定位方法及电子设备，包括：获取车辆的初始位姿信息；其中，初始位姿信息至少包括车辆所在位置的经度、纬度和海拔高度、以及车辆的航向角、俯仰角和横滚角；根据初始位姿信息从预设的三维地图中确定出目标区域以及目标区域中的目标语义特征；其中，目标区域是以车辆所在位置为圆心且以预设长度为半径的区域；采集车辆所在位置的环境图像；对环境图像进行语义特征分析，获得当前语义特征；比对当前语义特征与目标语义特征，获得比对结果；根据比对结果更新初始位姿信息，将更新后的初始位姿信息作为车辆的当前位姿信息。实施本发明专利技术实施例，能够提高对车辆的定位准确度，进而提高车辆自动驾驶的安全性。

A Vehicle Location Method and Electronic Equipment Based on Visual Perception

【技术实现步骤摘要】
一种基于视觉感知的车辆定位方法及电子设备
本专利技术涉及自动驾驶
，具体涉及一种基于视觉感知的车辆定位方法及电子设备。
技术介绍
自动驾驶是汽车产业与人工智能、物联网、高性能计算等新一代信息技术深度融合的产物，是当前全球汽车与交通出行领域智能化和网联化发展的主要方向。现有技术中实现自动驾驶的方式，是通过在车辆中设置多种传感器、激光雷达以及超声波等器件，实现对车辆所在位置的定位以及对车辆周边环境、周边路况的检测判定，进而再根据定位结果、检测判定结果对车辆执行驾驶控制等操作。但是，由于多种传感器、激光雷达以及超声波等器件存在测量精度不高的问题，所以，上述方法中通过检测多种传感器、激光雷达以及超声波等器件对车辆进行定位的方式的定位准确度不高，进而会导致车辆自动驾驶的安全性降低。
技术实现思路
本专利技术实施例公开了一种基于视觉感知的车辆定位方法及电子设备，能够提高对车辆的定位准确度，进而提高车辆自动驾驶的安全性。本专利技术实施例第一方面公开了一种基于视觉感知的车辆定位方法，所述方法包括：获取所述车辆的初始位姿信息；其中，所述初始位姿信息至少包括所述车辆所在位置的经度、纬度和海拔高度、以及所述车辆的航向角、俯仰角和横滚角；根据所述初始位姿信息从预设的三维地图中确定出目标区域以及所述目标区域中的目标语义特征；其中，所述目标区域是以所述车辆所在位置为圆心且以预设长度为半径的区域；采集所述车辆所在位置的环境图像；对所述环境图像进行语义特征分析，获得当前语义特征；比对所述当前语义特征与所述目标语义特征，获得比对结果；根据所述比对结果更新所述初始位姿信息，将更新后的初始位姿信息作为所述车辆的当前位姿信息。作为一种可选的实施方式，在本专利技术实施例第一方面中，所述的对所述环境图像进行语义特征分析，获得当前语义特征，包括：通过卷积神经网络对所述环境图像进行特征提取，获得目标特征图；其中，所述目标特征图中包括多个特征；从所述目标特征图中确定出候选框，并对所述候选框进行分类操作和回归操作，获得待识别图像；其中，每个所述候选框中包括的特征为同一类别特征；通过残差网络从所述待识别图像中确定出所述当前语义特征。作为一种可选的实施方式，在本专利技术实施例第一方面中，所述的通过卷积神经网络对所述环境图像进行特征提取，获得目标特征图，包括：通过所述卷积神经网络对所述环境图像依次进行卷积操作、上采样操作以及池化操作，获得目标特征图。作为一种可选的实施方式，在本专利技术实施例第一方面中，所述的比对所述当前语义特征与所述目标语义特征，获得比对结果，包括：确定所述当前语义特征在所述环境图像中对应的当前参数和所述目标语义特征在所述三维地图中对应的目标参数；比对所述当前参数和所述目标参数，获得所述当前语义特征与所述目标语义特征之间的重投影误差；根据非线性优化算法优化所述重投影误差；将优化后的重投影误差作为所述当前语义特征和所述目标语义特征的所述比对结果。作为一种可选的实施方式，在本专利技术实施例第一方面中，所述的采集所述车辆所在位置的环境图像的方式具体为：通过单目摄像头基于所述车辆的朝向拍摄实时图像，作为所述车辆所在位置的环境图像。本专利技术实施例第二方面公开了一种电子设备，所述电子设备包括：获取单元，用于获取车辆的初始位姿信息；其中，所述初始位姿信息至少包括所述车辆所在位置的经度、纬度和海拔高度、以及所述车辆的航向角、俯仰角和横滚角；确定单元，用于根据所述初始位姿信息从预设的三维地图中确定出目标区域以及所述目标区域中的目标语义特征；其中，所述目标区域是以所述车辆所在位置为圆心且以预设长度为半径的区域；采集单元，用于采集所述车辆所在位置的环境图像；语义特征分析单元，用于对所述环境图像进行语义特征分析，获得当前语义特征；比对单元，用于比对所述当前语义特征与所述目标语义特征，获得比对结果；更新单元，用于根据所述比对结果更新所述初始位姿信息，将更新后的初始位姿信息作为所述车辆的当前位姿信息。作为一种可选的实施方式，在本专利技术实施例第二方面中，所述语义特征分析单元，包括：特征提取子单元，用于通过卷积神经网络对所述环境图像进行特征提取，获得目标特征图；其中，所述目标特征图中包括多个特征；第一确定子单元，用于从所述目标特征图中确定出候选框；其中，每个所述候选框中包括的特征为同一类别特征；分类回归子单元，用于对所述候选框进行分类操作和回归操作，获得待识别图像；所述第一确定子单元，还用于通过残差网络从所述待识别图像中确定出所述当前语义特征。作为一种可选的实施方式，在本专利技术实施例第二方面中，所述特征提取子单元通过卷积神经网络对所述环境图像进行特征提取，获得目标特征图的方式具体为：通过所述卷积神经网络对所述环境图像依次进行卷积操作、上采样操作以及池化操作，获得目标特征图。作为一种可选的实施方式，在本专利技术实施例第二方面中，所述比对单元，包括：第二确定子单元，用于确定所述当前语义特征在所述环境图像中对应的当前参数和所述目标语义特征在所述三维地图中对应的目标参数；比对子单元，用于比对所述当前参数和所述目标参数，获得所述当前语义特征与所述目标语义特征之间的重投影误差；优化子单元，用于根据非线性优化算法优化所述重投影误差；比对结果确定子单元，用于将优化后的重投影误差作为所述当前语义特征和所述目标语义特征的所述比对结果。作为一种可选的实施方式，在本专利技术实施例第二方面中，所述采集单元采集所述车辆所在位置的环境图像的方式具体为：所述采集单元通过单目摄像头基于所述车辆的朝向拍摄实时图像，作为所述车辆所在位置的环境图像本专利技术实施例第三方面公开了一种电子设备，包括：存储有可执行程序代码的存储器；与所述存储器耦合的处理器；所述处理器调用所述存储器中存储的所述可执行程序代码，执行本专利技术实施例第一方面公开的基于视觉感知的车辆定位方法。本专利技术实施例第四方面公开了一种计算机可读存储介质，其存储计算机程序，其中，所述计算机程序使得计算机执行本专利技术实施例第一方面公开的基于视觉感知的车辆定位方法。本专利技术实施例第五方面公开了一种计算机程序产品，当所述计算机程序产品在计算机上运行时，使得所述计算机执行第一方面公开的基于视觉感知的车辆定位方法。与现有技术相比，本专利技术的专利技术点及具有的有益效果：1、电子设备可以获取车辆的初始位姿信息，再根据初始位姿信息从预设的三维地图中确定出目标区域以及目标区域中的目标语义特征，以及采集车辆所在位置的环境图像；进而，电子设备对环境图像进行语义特征分析，获得当前语义特征，再比对当前语义特征与目标语义特征，获得比对结果，以及根据比对结果更新初始位姿信息，将更新后的初始位姿信息作为车辆的当前位姿信息。实施上述方案能够获取车辆的详细定位信息(例如，经度、纬度、高度、航向角、俯仰角、横滚角以及车辆和语义特征的相对位置)，进而提高车辆自动驾驶的安全性。可见，实施本专利技术实施例，能够提高对车辆的定位准确度，进而提高车辆自动驾驶的安全性。2、电子设备可以根据当前语义特征和目标语义特征的比对结果，确定出车辆所行驶的道路上的具体位置，例如，车辆处于第二车道线和第三车道线之间，并且处于前方最近的道路标识牌的东南方向45度角距离为3米。相较于传统的通过惯性测量单元测量的车辆所在位置，本专利技术测量的车辆所在位置要更加精确。附图说明本文档来自技高网...

【技术保护点】
1.一种基于视觉感知的车辆定位方法，其特征在于，所述方法包括：获取所述车辆的初始位姿信息；其中，所述初始位姿信息至少包括所述车辆所在位置的经度、纬度和海拔高度、以及所述车辆的航向角、俯仰角和横滚角；根据所述初始位姿信息从预设的三维地图中确定出目标区域以及所述目标区域中的目标语义特征；其中，所述目标区域是以所述车辆所在位置为圆心且以预设长度为半径的区域；采集所述车辆所在位置的环境图像；对所述环境图像进行语义特征分析，获得当前语义特征；比对所述当前语义特征与所述目标语义特征，获得比对结果；根据所述比对结果更新所述初始位姿信息，将更新后的初始位姿信息作为所述车辆的当前位姿信息。

【技术特征摘要】
1.一种基于视觉感知的车辆定位方法，其特征在于，所述方法包括：获取所述车辆的初始位姿信息；其中，所述初始位姿信息至少包括所述车辆所在位置的经度、纬度和海拔高度、以及所述车辆的航向角、俯仰角和横滚角；根据所述初始位姿信息从预设的三维地图中确定出目标区域以及所述目标区域中的目标语义特征；其中，所述目标区域是以所述车辆所在位置为圆心且以预设长度为半径的区域；采集所述车辆所在位置的环境图像；对所述环境图像进行语义特征分析，获得当前语义特征；比对所述当前语义特征与所述目标语义特征，获得比对结果；根据所述比对结果更新所述初始位姿信息，将更新后的初始位姿信息作为所述车辆的当前位姿信息。2.根据权利要求1所述的方法，其特征在于，所述的对所述环境图像进行语义特征分析，获得当前语义特征，包括：通过卷积神经网络对所述环境图像进行特征提取，获得目标特征图；其中，所述目标特征图中包括多个特征；从所述目标特征图中确定出候选框，并对所述候选框进行分类操作和回归操作，获得待识别图像；其中，每个所述候选框中包括的特征为同一类别特征；通过残差网络从所述待识别图像中确定出所述当前语义特征。3.根据权利要求2所述的方法，其特征在于，所述的通过卷积神经网络对所述环境图像进行特征提取，获得目标特征图，包括：通过所述卷积神经网络对所述环境图像依次进行卷积操作、上采样操作以及池化操作，获得目标特征图。4.根据权利要求2或3所述的方法，其特征在于，所述的比对所述当前语义特征与所述目标语义特征，获得比对结果，包括：确定所述当前语义特征在所述环境图像中对应的当前参数和所述目标语义特征在所述三维地图中对应的目标参数；比对所述当前参数和所述目标参数，获得所述当前语义特征与所述目标语义特征之间的重投影误差；根据非线性优化算法优化所述重投影误差；将优化后的重投影误差作为所述当前语义特征和所述目标语义特征的所述比对结果。5.根据权利要求1～4任一项所述的方法，其特征在于，所述的采集所述车辆所在位置的环境图像的方式具体为：通过单目摄像头基于所述车辆的朝向拍摄实时图像，作为所述车辆所在位置的环境图像。6.一种电子设备，其特征在于，所述电子设备包括：获取单元，用于获取车辆的初始位姿信息；其中，所述初始位姿...

【专利技术属性】
技术研发人员：杜志颖，单乐，
申请(专利权)人：北京初速度科技有限公司，
类型：发明
国别省市：北京,11