匹配关系确定方法、重投影误差计算方法及相关装置制造方法及图纸

一种匹配关系确定方法、重投影误差计算方法及相关装置，涉及人工智能领域，具体涉及自动驾驶领域，该匹配关系确定方法包括：获取N组特征点对(301)，每组特征点对包括两个相匹配的特征点，其中一个特征点为从第一图像提取的特征点，另一个特征点为从第二图像提取的特征点；利用动态障碍物的运动状态信息对所述N组特征点对中目标特征点的像素坐标进行调整(302)，所述目标特征点属于所述第一图像和/或所述第二图像中所述动态障碍物对应的特征点；根据所述N组特征点对中各特征点对应的调整后的像素坐标，确定所述第一图像和所述第二图像之间的目标匹配关系(303)；在存在动态障碍物的自动驾驶场景能准确地确定两帧图像之间的匹配关系。

【技术实现步骤摘要】
【国外来华专利技术】匹配关系确定方法、重投影误差计算方法及相关装置
本申请涉及人工智能领域的自动驾驶领域，尤其涉及一种匹配关系确定方法、重投影误差计算方法及相关装置。
技术介绍
人工智能(ArtificialIntelligence,AI)是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能，感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用系统。自动驾驶是人工智能领域的一种主流应用，自动驾驶技术依靠计算机视觉、雷达、监控装置和全球定位系统等协同合作，让机动车辆可以在不需要人类主动操作下，实现自动驾驶。自动驾驶的车辆使用各种计算系统来帮助将乘客从一个位置运输到另一位置。由于自动驾驶技术无需人类来驾驶机动车辆，所以理论上能够有效避免人类的驾驶失误，减少交通事故的发生，且能够提高公路的运输效率。因此，自动驾驶技术越来越受到重视。目前，自动驾驶装置采用即时定位与地图构建(SimultaneousLocalizationAndMapping，SLAM)等定位方法进行定位时，通常以其采集到的各帧图像的重投影误差为量测量。也就是说，自动驾驶装置在采用本文档来自技高网...

【技术保护点】
一种匹配关系确定方法，其特征在于，包括：/n获取N组特征点对，每组特征点对包括两个相匹配的特征点，其中一个特征点为从第一图像提取的特征点，另一个特征点为从第二图像提取的特征点，所述第一图像和所述第二图像分别为自动驾驶装置在第一时刻和第二时刻采集的图像，N为大于1的整数；/n利用动态障碍物的运动状态信息对所述N组特征点对中目标特征点的像素坐标进行调整，所述目标特征点属于所述第一图像和/或所述第二图像中所述动态障碍物对应的特征点，所述N组特征点对中除所述目标特征点之外的特征点的像素坐标保持不变；/n根据所述N组特征点对中各特征点对应的调整后的像素坐标，确定所述第一图像和所述第二图像之间的目标匹配关...

【技术特征摘要】
【国外来华专利技术】一种匹配关系确定方法，其特征在于，包括：
获取N组特征点对，每组特征点对包括两个相匹配的特征点，其中一个特征点为从第一图像提取的特征点，另一个特征点为从第二图像提取的特征点，所述第一图像和所述第二图像分别为自动驾驶装置在第一时刻和第二时刻采集的图像，N为大于1的整数；
利用动态障碍物的运动状态信息对所述N组特征点对中目标特征点的像素坐标进行调整，所述目标特征点属于所述第一图像和/或所述第二图像中所述动态障碍物对应的特征点，所述N组特征点对中除所述目标特征点之外的特征点的像素坐标保持不变；
根据所述N组特征点对中各特征点对应的调整后的像素坐标，确定所述第一图像和所述第二图像之间的目标匹配关系。


根据权利要求1所述的方法，其特征在于，所述运动状态信息包括所述动态障碍物从所述第一时刻至所述第二时刻的位移；所述利用动态障碍物的运动状态信息对所述N组特征点对中目标特征点的像素坐标进行调整包括：
利用所述位移对参考特征点的像素坐标进行调整，所述参考特征点包含于所述目标特征点，且属于所述第二图像中所述动态障碍物对应的特征点。


根据权利要求1或2所述的方法，其特征在于，所述利用动态障碍物的运动状态信息对所述N组特征点对中目标特征点的像素坐标进行调整之前，所述方法还包括：
确定所述N组特征点对中位于第一投影区域和/或第二投影区域的特征点为所述目标特征点；所述第一投影区域为所述第一图像中所述动态障碍物的图像所处的区域，所述第二投影区域为所述第二图像中所述动态障碍物的图像所处的区域；
获得所述目标特征点对应的像素坐标。


根据权利要求3所述的方法，其特征在于，所述确定所述N组特征点对中位于第一投影区域和/或第二投影区域的特征点为所述目标特征点之前，所述方法还包括：
对第一点云和第二点云进行插值计算以得到目标点云，所述第一点云和所述第二点云分别为所述自动驾驶装置在第三时刻和第四时刻采集的点云，所述目标点云为表征所述动态障碍物在所述第一时刻的特性的点云，所述第三时刻在所述第一时刻之前，所述第四时刻在所述第一时刻之后；
将所述目标点云投影到所述第一图像以得到所述第一投影区域。


根据权利要求1至4任一项所述的方法，其特征在于，所述目标匹配关系为采用随机抽样一致性RANSAC算法确定的所述第一图像和所述第二图像之间的两个或两个以上匹配关系中较优的匹配关系。


根据权利要求5所述的方法，其特征在于，所述根据所述N组特征点对中各特征点对应的调整后的像素坐标，确定所述第一图像和所述第二图像之间的目标匹配关系包括：
根据所述N组特征点对中各特征点对应的调整后的像素坐标，确定所述第一图像和所述第二图像之间的平移矩阵和旋转矩阵。


一种重投影误差计算方法，其特征在于，
利用动态障碍物的运动状态信息对第一空间坐标中第一特征点对应的空间坐标进行调整以得到第二空间坐标，所述第一空间坐标包括第一图像中各特征点对应的空间坐标，所述第一特征点为所述第一图像中所述动态障碍物对应的特征点，所述第一图像为自动驾驶装置在第二时刻采集的图像，所述运动状态信息包括所述自动驾驶装置从第一时刻至所述第二时刻的位移和姿态变化；
将所述第二空间坐标投影至所述第一图像以得到第一像素坐标；
根据所述第一像素坐标和第二像素坐标，计算所述第一图像的重投影误差；所述第二像素坐标包括所述第一图像中各特征点的像素坐标。


根据权利要求7所述的方法，其特征在于，所述根据所述第一像素坐标和第二像素坐标，计算所述第一图像的重投影误差之前，所述方法还包括；
利用所述位移对所述第一图像中所述第一特征点的像素坐标进行调整以得到所述第二像素坐标，所述第一图像中除所述第一特征点之外的特征点的像素坐标均保持不变。


根据权利要求7或8所述的方法，其特征在于，所述利用动态障碍物的运动状态信息对第一空间坐标中第一特征点对应的空间坐标进行调整以得到第二空间坐标之前，所述方法还包括：
获得第二图像中与所述第一特征点相匹配的第二特征点；所述第一图像和所述第二图像分别为所述自动驾驶装置上的第一摄像头和第二摄像头在所述第二时刻采集的图像，所述第一摄像头和所述第二摄像头所处的空间位置不同；
根据所述第一特征点和所述第二特征点，确定第一特征点对应的空间坐标。


根据权利要求7至9任一项所述的方法，其特征在于，所述利用动态障碍物的运动状态信息对第一空间坐标中第一特征点对应的空间坐标进行调整以得到第二空间坐标之前，所述方法还包括：
获得目标点云，所述目标点云为表征所述动态障碍物在所述第二时刻的特性的点云；
将所述目标点云投影到所述第一图像以得到目标投影区域；
确定第一特征点集中位于所述目标投影区域的特征点为所述第一特征点；所述第一特征点集包括的特征点为从所述第一图像提取的特征点，且均与第二特征点集中的特征点相匹配，所述第二特征点集包括的特征点为从第二图像提取的特征点。


一种匹配关系确定装置，其...

【专利技术属性】
技术研发人员：袁维平，张欢，王筱治，苏斌，吴祖光，
申请(专利权)人：华为技术有限公司，
类型：发明
国别省市：广东;44