本发明专利技术公开了一种地图的构建方法、装置、设备及介质，所述方法包括：获取目标场景的视频数据；从所述视频数据中获取同源视频数据，对所述同源视频数据进行检测，得到待追踪对象的特征信息；从所述视频数据中获取非同源视频数据，对所述非同源视频数据中所述特征信息进行识别，生成跨镜追踪路径；以所述跨镜追踪路径为导向，对所述视频数据进行地图构建，得到所述目标场景的地图。本发明专利技术解决了现有技术在对大场景进行地图构建时SLAM算法产生的回环闭合问题、地图构建效果欠佳的问题，所得到的地图图像逼真，大大地提高了地图的构建效果。大大地提高了地图的构建效果。大大地提高了地图的构建效果。
【技术实现步骤摘要】
地图的构建方法、装置、设备及存储介质
[0001]本专利技术涉及信息
，尤其涉及一种地图的构建方法、装置、设备及存储介质。
技术介绍
[0002]即时定位与地图构建(Simultaneous localization and mapping，简称SLAM)是计算机视觉的一个研究方向，属于深度学习的一个分支，可以理解为希望机器人在未知环境中从未知地点出发，在运动过程中通过摄像机或者雷达等重复观测到的特征(比如，墙角，柱子，地面标志等)定位自身位置和姿态，再根据自身位置增量式的地图构建，从而达到即时定位和地图构建的目的。
[0003]现有技术中，针对大场景的地图构建，比如地铁站、商城，使用激光雷达配合SLAM算法，通过使用远距离测距半径的激光雷达，比如测距半径在16米以上的激光雷达，比较理想的测量半径为25米，以保证能够应对各类极端条件。专利技术人发现，首先，上述地图构建技术需要激光测距雷达等硬件支持，成本高；其次，该技术虽具有闭环检查能力，但是在复杂场景中，比如长走廊和环路较多的场景，SLAM算法难以形成有效的全局匹配参考，从而很容易导致局部区域累计误差无法及时清除，进而产生回环闭合问题，极大地影响地图构建效果。
[0004]因此，现有技术对大场景进行地图构建时SLAM算法产生的回环闭合、地图构建效果欠佳等成为本领域技术人员亟需解决的技术问题。
技术实现思路
[0005]本专利技术实施例提供了一种地图的构建方法、装置、设备及存储介质，以解决现有技术在对大场景进行地图构建时SLAM算法产生的回环闭合问题、地图路线效果欠佳的问题。
[0006]一种地图的构建方法，包括：
[0007]获取目标场景的视频数据；
[0008]从所述视频数据中获取同源视频数据，对所述同源视频数据进行检测，得到待追踪对象的特征信息；
[0009]从所述视频数据中获取非同源视频数据，对所述非同源视频数据中所述特征信息进行识别，生成跨镜追踪路径；
[0010]以所述跨镜追踪路径为导向，对所述视频数据进行地图构建，得到所述目标场景的地图。
[0011]可选地，所述从所述视频数据中获取同源视频数据，对所述同源视频数据进行检测，得到待追踪对象的特征信息包括：
[0012]从所述视频数据中获取同源视频数据；
[0013]从所述同源视频数据中获取预设时刻的同源视频帧信息；
[0014]采用尺度不变特征变换算法对所述同源视频帧信息进行检测，得到待追踪对象的
若干个特征信息。
[0015]可选地，所述得到待追踪对象的若干个特征信息之后，还包括：
[0016]根据每一特征信息的表征能力设置对应的第一权重。
[0017]可选地，所述从所述视频数据中获取非同源视频数据，对所述非同源视频数据中所述特征信息进行识别，生成跨镜追踪路径包括：
[0018]从所述视频数据中获取非同源视频数据；
[0019]从所述预设时刻起，按照预设时间间隔从所述非同源视频数据中获取非同源视频帧信息；
[0020]采用行人重识别技术对所述非同源视频帧信息中的所述特征信息进行识别，得到多个待追踪对象对应的追踪路径；
[0021]根根据所述多个待追踪对象对应的追踪路径构建所述目标场景中摄像机的图结构，生成所述目标场景的跨镜追踪路径。
[0022]可选地，所述采用行人重识别技术对所述非同源视频帧信息中的所述特征信息进行识别，得到多个待追踪对象对应的追踪路径之后，还包括：
[0023]根据所述非同源视频帧信息中所识别到的特征信息及其对应的第二权重，得到每一所述待追踪对象的追踪价值；
[0024]保留追踪价值大于或等于预设阈值的待追踪对象的特征信息及其对应的第二权重，得到所述待追踪对象对应的追踪路径。
[0025]可选地，所述以所述跨镜追踪路径为导向，对所述视频数据进行地图构建，得到所述目标场景的地图包括：
[0026]对摄像机进行标定，建立成像模型，根据所述成像模型获取视频数据中每一视频帧信息对应的摄像机内部参数矩阵；
[0027]根据所述摄像机内部参数矩阵，计算每一视频帧信息所表示空间的三维点坐标；
[0028]提取每一视频帧信息的特征信息，得到视频帧信息的稀疏图像，依据所述三维点坐标及特征信息关联不同摄像机所获取的视频帧信息的稀疏图像；
[0029]以所述跨镜追踪路径为导向，根据所关联的稀疏图像重建稠密图像、重建表面和进行纹理映射，得到所述目标场景的地图。
[0030]一种地图的构建装置，包括：
[0031]视频获取模块，用于获取目标场景的视频数据；
[0032]特征信息获取模块，用于从所述视频数据中获取同源视频数据，对所述同源视频数据进行检测，得到待追踪对象的特征信息；
[0033]特征信息追踪模块，用于从所述视频数据中获取非同源视频数据，对所述非同源视频数据中所述特征信息进行识别，生成跨镜追踪路径；
[0034]地图构建模块，用于以所述跨镜追踪路径为导向，对所述视频数据进行地图构建，得到所述目标场景的地图。
[0035]可选地，所述特征信息获取模块包括：
[0036]同源视频获取单元，用于从所述视频数据中获取同源视频数据；
[0037]同源视频帧获取单元，用于从所述同源视频数据中获取预设时刻的同源视频帧信息；
[0038]特征获取单元，用于采用尺度不变特征变换算法对所述同源视频帧信息进行检测，得到待追踪对象的若干个特征信息。可选地，所述特征信息追踪模块包括：
[0039]非同源视频获取单元，用于从所述视频数据中获取非同源视频数据；
[0040]非同源视频帧获取单元，用于从所述预设时刻起，按照预设时间间隔从所述非同源视频数据中获取非同源视频帧信息；
[0041]行人重识别单元，用于采用行人重识别技术对所述非同源视频帧信息中的所述特征信息进行识别，得到多个待追踪对象对应的追踪路径；
[0042]跨镜追踪路径生成单元，用于根根据所述多个待追踪对象对应的追踪路径构建所述目标场景中摄像机的图结构，生成所述目标场景的跨镜追踪路径。
[0043]一种计算机设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述地图的构建方法。
[0044]一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述地图的构建方法。
[0045]本专利技术实施例通过获取目标场景的视频数据；从所述视频数据中获取同源视频数据，对所述同源视频数据进行检测，得到待追踪对象的特征信息；从所述视频数据中获取非同源视频数据，对所述非同源视频数据中所述特征信息进行识别，生成跨镜追踪路径；最后以所述跨镜追踪路径为导向，对所述视频数据进行地图构建，得到所述目标场景的地图。本专利技术采用目标场景中的摄像机获取的图像及三维重建技术，避免了回环闭本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种地图的构建方法，其特征在于，包括：获取目标场景的视频数据；从所述视频数据中获取同源视频数据，对所述同源视频数据进行检测，得到待追踪对象的特征信息；从所述视频数据中获取非同源视频数据，对所述非同源视频数据中所述特征信息进行识别，生成跨镜追踪路径；以所述跨镜追踪路径为导向，对所述视频数据进行地图构建，得到所述目标场景的地图。2.如权利要求1所述的地图的构建方法，其特征在于，所述从所述视频数据中获取同源视频数据，对所述同源视频数据进行检测，得到待追踪对象的特征信息包括：从所述视频数据中获取同源视频数据；从所述同源视频数据中获取预设时刻的同源视频帧信息；采用尺度不变特征变换算法对所述同源视频帧信息进行检测，得到待追踪对象的若干个特征信息。3.如权利要求2所述的地图的构建方法，其特征在于，所述得到待追踪对象的若干个特征信息之后，还包括：根据每一特征信息的表征能力设置对应的第一权重，所述第一权重表示特征信息的表征能力大小。4.如权利要求3所述的地图的构建方法，其特征在于，所述从所述视频数据中获取非同源视频数据，对所述非同源视频数据中所述特征信息进行识别，生成跨镜追踪路径包括：从所述视频数据中获取非同源视频数据；从所述预设时刻起，按照预设时间间隔从所述非同源视频数据中获取非同源视频帧信息；采用行人重识别技术对所述非同源视频帧信息中的所述特征信息进行识别，得到多个待追踪对象对应的追踪路径；根根据所述多个待追踪对象对应的追踪路径构建所述目标场景中摄像机的图结构，生成所述目标场景的跨镜追踪路径。5.如权利要求4所述的地图的构建方法，其特征在于，所述采用行人重识别技术对所述非同源视频帧信息中的所述特征信息进行识别，得到多个待追踪对象对应的追踪路径之后，还包括：根据所述非同源视频帧信息中所识别到的特征信息及其对应的第二权重，得到每一所述待追踪对象的追踪价值；保留追踪价值大于或等于预设阈值的待追踪对象的特征信息及其对应的第二权重，得到所述待追踪对象对应的追踪路径；所述第二权...
【专利技术属性】
技术研发人员：王华伟，
申请(专利权)人：比亚迪股份有限公司，
类型：发明
国别省市：
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。