一种定位方法技术

本发明专利技术公开了一种定位方法，在人工驾驶模式下通过环视鱼眼相机获取车辆行驶周边环境关键帧图像，提取每个关键帧图像的特征点，并构建特征点地图。在智能驾驶模式下，通过环视鱼眼相机实时获取当前场景的帧图像，并提取当前帧图像的特征点，并将当前帧图像特征点与特征点地图进行匹配，采用基于车体运动模型的两点法对当前帧与匹配成功的关键帧进行位姿估计，从而实时确定车辆的位置信息。相对于现有技术，本发明专利技术无需多个传感器即可实现对车辆的定位，不仅造价便宜而且易于推广。

A positioning method

【技术实现步骤摘要】
一种定位方法
本专利技术涉及智能驾驶
，特别是涉及一种定位方法。
技术介绍
随着社会经济发展和科技进步，全球汽车保有量逐年攀升，个人出行便利的同时，也带了很多问题，如交通事故频发。研究表明，交通事故大多数情况下是由人为因素造成的。智能驾驶技术可以大大降低事故发生率。近年来智能驾驶技术得到了快速发展，相关技术在汽车上得到越来越广泛的应用。然而受限于目前智能驾驶技术水平，现有的智能驾驶技术还不能实现完全的无人驾驶，不能适用于所有的驾驶场景，只能在特定场景下开启智能驾驶模式。实现智能驾驶核心的技术之一就是定位技术，精准的定位才能保障智能驾驶的安全。现有的智能驾驶定位技术通常采用GPS、激光雷达、双目相机、高精度地图、IMU、UWB等其中多个传感器融合定位。虽然融合定位技术的精度较高，但是多个传感器的造价昂贵，不利于大范围推广。
技术实现思路
为解决上述技术问题，本专利技术实施例提供了一种定位方法，技术方案如下：一种定位方法，包括：在智能驾驶模式下，通过四个环视鱼眼相机获取车辆行驶周边环境的当前帧图像，并提取所述当前帧图像的特征点，计算当前帧图像的词带向量和特征点描述子；将所述当前帧图像与特征点地图中的关键帧进行匹配，利用词带向量从所述特征点地图中选取预设数量的关键帧作为备选，并计算每一所述备选关键帧的词带向量；计算每一所述备选关键帧的词带向量与所述当前帧图像的词带向量的相似度评分，将相似度评分最高的备选关键帧作为成功匹配的关键帧；采用基于车体运动模型的两点法对当前帧图像与成功匹配的备选关键帧进行位姿估计，并基于所述位姿估计的结果计算出所述车辆的位置，将所述车辆的位置作为初始位姿；判断所述车辆是否匀速行驶、且所述车辆的运动方向是否未发生改变；若是，采用运动模型，用上一帧的位姿和速度来估计当前帧的位姿，所述上一帧的位姿为所述初始位姿；否则，采用参考关键帧模型，计算当前帧图像的特征点描述子，根据当前帧图像的特征点描述子和上一帧图像的特征点描述子确定当前帧图像和上一帧图像匹配的特征点，采用两点法计算帧间位姿估计，基于所述位姿变化和所述初始位姿估计当前帧的位姿，所述上一帧的位姿为所述初始位姿。优选地，还包括：在人工驾驶模式下，通过所述环视鱼眼相机获得所述车辆行驶周边环境的帧图像，每帧所述帧图像包括四张图像；提取初始的两帧图像的特征点，并计算初始两帧图像的特征点描述子，根据特征点描述子进行匹配；检测特征点的匹配对个数是否满足预设标准；若是，采用基于车体运动模型的两点法计算帧间位姿；通过初始两帧图像位姿和三维地图点，创建初始化地图，所述三维地图点为对匹配的所述特征点进行三角化得到，所述初始化地图为所述特征点地图的初始状态；将所述初始的两帧图像设置为关键帧，并在所述初始化地图中插入所述关键帧；根据三维地图点创建对应地图点，将地图点与关键帧、地图进行数据关联。对所述初始化地图进行多相机全局光束平差法优化。从所述环视鱼眼相机获得的、除所述初始的两帧图像的帧图像中提取关键帧图像；提取所述关键帧图像的特征点，计算所述关键帧图像的特征点描述子；根据关键帧之间的共视关系得到新增加关键帧的共视关键帧，再对该关键帧及其共视关键帧通过它们的特征点描述子进行匹配；根据所述特征匹配的结果，采用基于车体运动模型的两点法进行帧间位姿估计；将匹配的特征点进行三角化，根据深度、视差、误差等条件筛选，得到与三角化的特征点对应的地图点，所述匹配的特征点属于所述特征匹配的结果；利用所述关键帧和地图点的关系、关键帧与共视关键帧的关系将所述关键帧和地图点插入所述特征点地图中；对所述特征点地图进行多相机局部光束平差法优化；融合优化后的特征点地图中的关键帧，删除冗余的关键帧；计算当前关键帧和每个共视关键帧的词带相似度得分，根据相似度得分确定闭环候选帧，所述当前关键帧属于所述关键帧图像；对所述特征点地图进行sim3优化，更新当前关键帧的特征点与地图点的匹配；判断匹配个数是否达到预设标准，若是，对所述当前关键帧帧及相邻的关键帧进行闭环融合，并对所述特征点地图进行多相机全局光束平差法优化。优选地，在所述两帧图像之间进行特征点的匹配，包括：当所述两帧图像为同相机不同时序上的图像时，使用所述两帧图像进行同相机不同时序图像之间的特征点匹配；当所述两帧图像为不同相机不同时序上的图像时，对所述两帧图像进行校正，并使用矫正后的图像进行特征点匹配，并将矫正后的图像投影回原图像。优选地，不同动态场景下特征点的匹配，包括：当所述车辆行驶周边环境运动物体点少且变化少的动态场景时，采用基于网格的运动统计的方法完成特征点的匹配，并用IMU约束和运动约束剔除错误的匹配。；当所述车辆行驶周边环境为运动物体点多的动态场景时，采用条件随机场分割的方法建立高层语义地图，将每一帧语义分割出的车辆和行人的特征点从匹配出的特征点中删除。本专利技术实施例提供的技术方案，在人工驾驶模式下通过环视鱼眼相机获取车辆行驶周边环境关键帧图像，提取每个关键帧图像的特征点，并构建特征点地图。在智能驾驶模式下，通过环视鱼眼相机实时获取当前场景的帧图像，并提取当前帧图像的特征点，将当前帧图像特征点与特征点地图进行匹配，采用基于车体运动模型的两点法对当前帧与匹配成功的关键帧进行位姿估计，从而实时确定车辆的位置信息。相对于现有技术，本专利技术无需多个传感器即可实现对车辆的定位，不仅造价便宜而且易于推广。附图说明为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。图1为本专利技术实施例所提供的一种定位方法的一种流程示意图；图2为本专利技术实施例所提供的智能驾驶匹配定位前人工驾驶模式下建图过程的一种流程示意图；图3为本专利技术实施例所提供的一种定位装置的一种结构示意图。具体实施方式下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。请参阅图1，图1为本专利技术实施例提供的一种基于SLAM的定位方法的一种实现流程图，该方法包括：步骤S101、在人工驾驶模式下通过环视鱼眼相机获取车辆行驶周边环境帧图像，每一帧图像包括四张图像。本实施例中的环视鱼眼相机具体可以分别分布在车辆的前、后、左、右四个方位上，四个方位的鱼眼相机能够实现车辆360°环视拼接。本实施例中的帧图像包括由四个方位上的鱼眼相机采集的四张图像。步本文档来自技高网...

【技术保护点】
1.一种定位方法，其特征在于，包括：/n在智能驾驶模式下，通过四个环视鱼眼相机获取车辆行驶周边环境的当前帧图像，并提取所述当前帧图像的特征点，计算当前帧图像的词带向量和特征点描述子；/n将所述当前帧图像与特征点地图中的关键帧进行匹配，利用词带向量从所述特征点地图中选取预设数量的关键帧作为备选，并计算每一所述备选关键帧的词带向量；/n计算每一所述备选关键帧的词带向量与所述当前帧图像的词带向量的相似度评分，将相似度评分最高的备选关键帧作为成功匹配的关键帧；/n采用基于车体运动模型的两点法对当前帧图像与成功匹配的备选关键帧进行位姿估计，并基于所述位姿估计的结果计算出所述车辆的位置，将所述车辆的位置作为初始位姿；/n判断所述车辆是否匀速行驶、且所述车辆的运动方向是否未发生改变；/n若是，采用运动模型，用上一帧的位姿和速度来估计当前帧的位姿，所述上一帧的位姿为所述初始位姿；/n否则，采用参考关键帧模型，计算当前帧图像的特征点描述子，根据当前帧图像的特征点描述子和上一帧图像的特征点描述子确定当前帧图像和上一帧图像匹配的特征点，采用两点法计算帧间位姿估计，基于所述位姿变化和所述初始位姿估计当前帧的位姿，所述上一帧的位姿为所述初始位姿。/n...

【技术特征摘要】
1.一种定位方法，其特征在于，包括：
在智能驾驶模式下，通过四个环视鱼眼相机获取车辆行驶周边环境的当前帧图像，并提取所述当前帧图像的特征点，计算当前帧图像的词带向量和特征点描述子；
将所述当前帧图像与特征点地图中的关键帧进行匹配，利用词带向量从所述特征点地图中选取预设数量的关键帧作为备选，并计算每一所述备选关键帧的词带向量；
计算每一所述备选关键帧的词带向量与所述当前帧图像的词带向量的相似度评分，将相似度评分最高的备选关键帧作为成功匹配的关键帧；
采用基于车体运动模型的两点法对当前帧图像与成功匹配的备选关键帧进行位姿估计，并基于所述位姿估计的结果计算出所述车辆的位置，将所述车辆的位置作为初始位姿；
判断所述车辆是否匀速行驶、且所述车辆的运动方向是否未发生改变；
若是，采用运动模型，用上一帧的位姿和速度来估计当前帧的位姿，所述上一帧的位姿为所述初始位姿；
否则，采用参考关键帧模型，计算当前帧图像的特征点描述子，根据当前帧图像的特征点描述子和上一帧图像的特征点描述子确定当前帧图像和上一帧图像匹配的特征点，采用两点法计算帧间位姿估计，基于所述位姿变化和所述初始位姿估计当前帧的位姿，所述上一帧的位姿为所述初始位姿。


2.根据权利要求1所述的方法，还包括：
在人工驾驶模式下，通过所述环视鱼眼相机获得所述车辆行驶周边环境的帧图像，每帧所述帧图像包括四张图像；
提取初始的两帧图像的特征点，并计算初始两帧图像的特征点描述子，根据特征点描述子进行匹配；
检测特征点的匹配对个数是否满足预设标准；
若是，采用基于车体运动模型的两点法计算帧间位姿；
通过非静止状态下初始两帧图像位姿和三维地图点，创建初始化地图，所述三维地图点为对匹配的所述特征点进行三角化得到，所述初始化地图为所述特征点地图的初始状态；
将所述初始的两帧图像设置为关键帧，并在所述初始化地图中插入所述关键帧；根据三维地图点创建对应地图点，将地图点与关键帧、地图进行数据关联；
对所述初始化地图进行多相机全局光束平差法优化；
...

【专利技术属性】
技术研发人员：张方强，欧阳紫洲，顾帅，姚杰，梁伟铭，
申请(专利权)人：上海汽车集团股份有限公司，
类型：发明
国别省市：上海;31